人工智慧能否幫助中國自動駕駛「彎道超車」？

2025-04-19 08:31:24

　　百度發布了最新的全年財報，人工智慧不出意外的成為財報的核心。從新興業務中可以看到，自動駕駛作為業務重點被介紹。那麼在歐美列強自動駕駛聲勢浩大的今天，中國的人工智慧能否幫助中國廠商「彎道超車」?

　　在考慮這個問題前，我們先要知道中國的人工智慧已經達到了什麼水平?當然，這是一個打嘴仗的話題，畢竟人工智慧的算法眾多，領域多樣。所以筆者也不準備去費口舌，只是說幾個事情，大家感受一下。

　　年初美國人工智慧協會年會因為時間安排與中國春節撞車，但是考慮到中國研究人員眾多，不得不將會議改期。從這一點看，中國在全球人工智慧技術領域的重要地位不言而喻。

　　另一個例子，美國白宮此前發布報告，表示「中國深度學習領域研究已經趕超美國。」中國人工智慧對美國政府都已經產生觸動。

　　再說個更具威脅性的評價。紐約時報發文稱，「中國人工智慧迅速進步，軍備競賽正在緊逼美國。」乖乖，這個水太深了，為了不敏感，這裡就不說了。

　　可以說，看過這些已經足夠反映中國人工智慧水平在不斷提升中 ，且地位不低。不過，作為關注汽車圈的人，更多更人關心的是人工智慧在自動駕駛領域上能幫助中國自動駕駛「彎道超車」嗎?

　　上個月百度智能汽車亮相美國CES，向全球展示了百度在高精地圖生產製造、自動駕駛環境感知等領域的領先技術，並向全球發布自動駕駛開放平臺RoadHackers，其實這足以說明中國自動駕駛的技術路徑。

人工智慧的突破口在哪?

　　在展開這個話題前，首先得知道目前自動駕駛主要應用那方面的人工智慧。

　　根據L3自動駕駛定位、感知、決策、控制的需要。自動駕駛首先要有強大的計算感知系統。比如能夠準確實時的判斷路面的各種標示、狀況的圖像識別體系，這不可避免要用到深度學習技術。而且，為了具有距離感知，還必須有毫米波雷達、超聲波、雷射定位雷達之類的黑科技。(這點大家感興趣可以了解一下谷歌無人車用的雷射雷達，絕對地球頂配。)

　　另外，還要採集和校準非常、非常多的地圖、路線、實際路況等數據，也就是精準的定位一輛車在什麼地點。

　　最後是少不了精密的自動控制系統，讓汽車能夠敏捷精準地根據電腦給出的指令處理各種突發狀況。

　　基於以上基本的自動駕駛需求，人工智慧目前最大的發揮領域主要集中在感知與數據採集和校對上。(目前主要，未來就不好說了)

　　從感知上來說，最為重要的就是識別行駛道路上的各種必要信息，比如交通標誌、道路線，以及旁邊的車輛、樹木等等，而電腦根據實際情況執行不同指令。所以感知的重要性很高，畢竟這玩意要識別錯了，輕則損失幾千元，嚴重可就是生命的代價。不過要達到極高的識別速度，並最終達到100%準確程度，就需要人工智慧來幫助了。

　　目前，感知識別主要需要使用諸如深度學習的CNN(卷積神經網絡)算法來完成。其原理核心簡單說就是對圖像等信息不斷逐層分級，獲取特徵信息，並進行特徵學習，從而達到類似於我們人類開車時的視覺作用。

　　但是，由於路況千變萬化，比如交通標誌也有破損的時候，車道線也有看不清的時候，加上受限於攝像頭像素、感知距離限制等等傳感器局限問題(特斯拉理想狀態也不過250米的感知範圍)，這就導致無法保證100%的準確率。特斯拉的幾起交通事故就是典型的例子，所以，高精地圖作為輔助就有了必要性。

　　高精度地圖相比我們常見的導航地圖信息量會大得多，畢竟自動駕駛車需要精確的知道在路上的位置，而車輛與車道線、馬路牙子也就幾十釐米左右，所以高精度地圖的絕對精度一般都是1米以內，而如果需要車道和車道、車道和車道線的相對位置精度等信息，往往還要更精確，比如百度的高精度地圖就是釐米級，而且還含有每個車道的坡度、曲率、航向、高程、側傾的數據。

　　有了高精地圖就能大大的減少傳感器等系統實時運算的負擔。比如「路右側有一個限速60的標誌牌」，行駛到附近時，因為高精度地圖中已經有了標牌的準確位置，車載攝像頭可以有針對性地分析圖片中有標誌標牌的區域，確認限速信息，免去全畫幅的分析計算，從而減少運算量。

　　有了高精地圖作為輔助，感知準確率和效率就會大幅提升。但是，高精地圖數據需要不斷豐富，這就涉及到了數據的收集和校對。這方面也同樣可以開始利用人工智慧。

　　比如，利用深度學習，百度高精地圖數據自動化處理程度已達到90%，能自動識別包交通標誌、地面標誌、車道線、信號燈等上百種目標，相對精度達0.1-0.2米。

　　可以說 ，人工智慧已經大大幫助中國自動駕駛技術的成熟，尤其是中國相關人工智慧技術廠商還不賴，並且對自動駕駛的專注度越來越高。所以，中國自動駕駛無論是技術嘗試，還是車廠等相關廠商機會還是大大的。

　　不過……，還是有一點要注意!

不斷強化的人工智慧優勢

　　對現在的自動駕駛技術廠商而言，如何解決數據來源問題已經開始成為新的問題。畢竟自動駕駛需要的數據維度太多，太豐富，而且不同國家、不同城市的路況環境各不相同，所以數據是絕對的重點，而且量級絕對不能少。備受技術宅敬仰的特斯拉老大Elon Musk 就說過，沒有 10 億英裡(註：約 16 億公裡)的數據，就不能稱有足夠的數據。而且，10 億英裡的數據只是 「需要條件」 (necessarily)，而非 「充份條件」 (sufficient)。

　　那麼數據如何積累?谷歌、百度地圖常用的那種滿街跑的地圖測繪車是一種方式，但是對於像高精地圖這種高信息量的地圖，還需要專用的測繪車，這種成本就不是一般的高了。之前，百度就表示， 250輛測繪車中，可用於高精度地圖數據採集的車只有10輛。不過話說回來，就算有1千輛、1萬輛專用測繪車也存在數據不實時、不夠「新鮮」的問題。

　　當然，辦法也不是沒有。目前，百度一直利用自身雲端的Learning Map實現地圖眾包，也就是通過行駛中的汽車車載傳感器採集道路信息，回傳雲端後補充、更新地圖數據。而且，百度正在實驗更神奇的技術，希望通過人工智慧技術，實現低質量的圖像數據更新高質量的高精地圖。舉例說就是，類似768這樣的超低解析度影像，也可以去補充採集車的4K影像。如果成功，即使像素質量不高的影像也可以充分利用，高精地圖就可以進行自我學習和演進，最終實現高精地圖數據的實時更新。

　　當然，還是那句話，眾人拾柴火焰高，人工智慧技術是自動駕駛的核心競爭力，也是中國自動駕駛技術「彎道超車「的關鍵，但還需要整個業態的參與其中，尤其是中國各大車廠，也是最直接的自動駕駛技術受益人，其自身就蘊藏巨大的數據資源，如果和有自主智慧財產權的中國自動駕駛技術廠商合作，其前景不可估量。■