热点：无人车想要实现上路 还需跨过那些坎？

近年来，智能汽车已成为世界汽车产业快速发展战术的方向。 一系列智能技术的应用促进了自动驾驶技术的成熟，但现在没有辅助的自动驾驶车真的离上路有不少距离。 自动驾驶迅速发展，有必要处理这些问题吗？ 前几天北京·； 在华夏幸福创新中心举行的全国博士后学术交流活动中，参加者分享了他们的思考。

中国人工智能学会理事长、中国工程院院士李德毅说，现在自动驾驶的主流技术路线要求根据路况数据，生成适应不同环境的驾驶模式。 理论上，该自动运转模式需要输入无限多的数据，形成无限多的运转模式，使计算机能够选择，但很难实现。

李德毅认为，自动驾驶汽车需要自主学习的能力，才能走出特定的场景，走向开放道路。 人之所以接受训练取得驾照，是因为我们默认司机有不断学习的能力，越来越好。 将来的自动驾驶车应该是可以自主学习的轮式机器人，不需要驾驶员的辅助，可以像人一样学习，否则就不能称为自动驾驶。 李德毅说。

标准争论也是自动驾驶面临的课题之一。 据会议专家介绍，美国汽车工程学会提出了自动驾驶的从l0级到l5级的分类标准，也被产业界认可，但该分类存在定义模糊、不同等级之间的界限明确等问题。

自动驾驶的安全性最受关注，但道路测试很难验证自动驾驶的安全性。 俞势科技首席执行官吴甘沙表示，从统计学上看，自动驾驶系统要比人类驾驶安全性能提高20%，需要110亿公里的道路测试数据，要取得这些数据，只有数百辆测试车是不可能的。

自动驾驶的研究开发也存在技术问题。 在现实中，智能化程度低的辅助驾驶技术已经应用，但高度的自动驾驶必须以机器为中心，具备所有的自动驾驶功能。 目前高度的自动驾驶技术正在推进，产业界存在着两条不同的研究开发路径。 第一条是从头开始开发彻底的自动驾驶车的一步路线。 另一个是在以前传来的汽车中一点一点地追加自动驾驶功能，最终转移到完全自动驾驶阶段的路径。 专家说，前者面临技术不成熟和昂贵的问题，后者容易被现实束缚，难以取得突破性进展。

吴甘沙认为折中的路线可能有助于解决自动驾驶的实现问题。 也就是说，将全自动驾驶的技术应用于可高频、刚需、量产的场景，在提高技术成熟度和经济性的同时，积累越来越多的杂乱的场景数据，提高全自动驾驶技术的普遍性。 他认为自动代理停车、物流车、高速巴士系统的几个场景有助于满足高频、刚需、批量生产的要求，推动全自动驾驶技术的落地和数据积累。

人工智能被认为是辅助自动驾驶的重要动力之一。 华夏幸福产业研究院院长顾强说，将来的人工智能将在包括自动驾驶在内的很多行业加速。 人工智能不仅推动无人驾驶时代，而且深刻影响汽车产业链的各个环节。