關(guān)注的主題主要還是安全，首先看一下安全，麥肯錫關(guān)于未來12項(xiàng)顛覆性技術(shù)，從移動互聯(lián)網(wǎng)，一直到可再生能源，第六項(xiàng)就是關(guān)于自主駕駛的技術(shù)，在他的報告里特別強(qiáng)調(diào)了自主駕駛的安全對全球交通安全帶來的潛在好處，同時也特別強(qiáng)調(diào)了自動駕駛以后能夠產(chǎn)生的巨大經(jīng)濟(jì)效益，有社會效益，也有經(jīng)濟(jì)效益，報告出來以后，全球范圍里面自動駕駛汽車的試點(diǎn)成為了熱點(diǎn)。

這個圖片比較清晰的給大家展示，汽車的感知，兩個主要的方面，一個是利用自己的傳感器進(jìn)行環(huán)境的感知和認(rèn)識，第二個利用V2X技術(shù)，還有云管端，進(jìn)行車路協(xié)同的駕駛方式，這個是大家不斷的進(jìn)行技術(shù)的探索，對未來進(jìn)行非常好的描繪，這張圖片大家都用的比較多，在SAE里面描述了五級的自動駕駛，最左邊是人類駕駛目前來講還是最高水平的智能駕駛，最右邊是機(jī)器駕駛，基于人工智能，現(xiàn)在非常的熱，整個過程中，人承擔(dān)著駕駛的作用，或者說擔(dān)負(fù)的責(zé)任逐漸向機(jī)器轉(zhuǎn)移，這是非常非常美好的愿望，在這個過程中從整車層面可以實(shí)現(xiàn)安全、環(huán)保，從乘員角度可以做他想做的事情。我曾經(jīng)開玩笑，如果是大一點(diǎn)的車子，4個人坐在里面中國人可以打打麻將。

但是現(xiàn)在很殘酷，我也拿出了兩個典型的事故，一個是特斯拉的事故，還有一個是優(yōu)步的事故，在實(shí)際投入試運(yùn)營，或者商業(yè)化的過程當(dāng)中，它的智能水平還沒有達(dá)到L3以上，已經(jīng)出現(xiàn)了非常重大的惡性事故，我們平常也會聽到關(guān)于智能駕駛汽車測試評價的數(shù)據(jù)，在這種情況下，對它的安全如何進(jìn)行評價和測量，的確需要我們進(jìn)行思考。

這里還有兩個非常有代表性的人物，他是智能駕駛汽車的開發(fā)者，經(jīng)過長期的研發(fā)以后，他表現(xiàn)出對智能駕駛汽車的保守和謹(jǐn)慎，蘋果的合伙人表現(xiàn)出來悲觀和不信任，他是一個典型用戶的代表，他曾經(jīng)對智能駕駛汽車非常的推崇，他買了特斯拉車以后，用了以后給出了極低的評價，而且對未來非常悲觀。

這樣一些事件和典型人物的看法，他要提出來一個問題，對智能汽車的安全，測評非常重要的挑戰(zhàn)，這里面結(jié)合相關(guān)的觀點(diǎn)我總結(jié)為三點(diǎn)
第一個是非常重要的差別，目前還處于研發(fā)幾輛樣車，在特定環(huán)境，特定用途，跟專業(yè)駕駛員在一起進(jìn)行測試評價，這個距離我們汽車動輒一個車型就是幾十萬輛，上百萬量，在全球范圍里面大規(guī)模的自由應(yīng)用，存在一個巨大的差別。
第二個就是目前安全的保證，盡管你做了幾十萬公里的實(shí)驗(yàn)，但是你不能保證我投入市場以后它是絕對安全的。面對這兩個方面的挑戰(zhàn)，我們必須要一起去思考我們怎么樣多。上午有一些答案，但是還不完整。

接下來看一下我們的基本思考，首先看一些數(shù)據(jù)，谷歌從開始研發(fā)自動駕駛汽車一直到成立新的公司以后，對自動駕駛進(jìn)行測試的數(shù)據(jù)，基本上2009年年底投入實(shí)驗(yàn)，花了55個月，2015年整個測試?yán)锍踢_(dá)到100萬英里，到2018年年底已經(jīng)達(dá)到了1000萬英里，這個期間他在2012年是在每鋼內(nèi)華達(dá)州獲得了測試許可，他的CEO非常保守，實(shí)際在接近1000萬英里測試條件下提出了保守和謹(jǐn)慎的態(tài)度。他為什么保守，為什么謹(jǐn)慎，看另外一組數(shù)據(jù)。

我這個車到底怎么安全才可以投入市場，這里有一個假設(shè)，假設(shè)按照10的六次方，100萬輛車，一天只運(yùn)行一個小時，運(yùn)行3年的時間才可以出一次嚴(yán)重的事故，這樣算出的數(shù)據(jù)是10的9次方，第一個數(shù)據(jù)是現(xiàn)在全球汽車的總量差不多是15億輛，按照同樣的一天，三年里面每天運(yùn)行一小時，10的9次方的1500倍。還有一個非常重要的數(shù)據(jù)，我還是剛才的100萬輛車，假設(shè)它每個小時運(yùn)行的里程是20英里，對應(yīng)的里程就是2×10的4次方，如果我要證明在10的9次方里面是不會產(chǎn)生重大事故的話，我的里程數(shù)最少要這么長。

如果你考慮我們要進(jìn)行統(tǒng)計分析，多種車型，多次實(shí)驗(yàn)，這個數(shù)據(jù)是不可想象的，而且要保證實(shí)驗(yàn)的過程中如何保證你所采取的場景能體現(xiàn)真實(shí)世界里面的，所包含的不是交通參與的要素，而是要包含所謂的能夠體現(xiàn)交通安全，交通風(fēng)險的要素，而且要保證他們是彼此獨(dú)立的、隨即的，怎么實(shí)現(xiàn)，這是非?；镜囊ソ鉀Q的問題，解決這樣的問題才能解決安全的標(biāo)準(zhǔn)。

這個是把駕駛員開車的圖畫出來，人在開車的時候有兩個特征非常重要，第一個對交通要素，交通環(huán)境是選擇性注意，不是完全注意的，不是像攝像頭把所有信息全部采集下來，不斷的計算，在座的每一個開車人都有這種體驗(yàn)，不會一直盯著這個路。第二個非常重要的，人是有學(xué)習(xí)能力的，這張圖如果是機(jī)器駕駛，軟件駕駛就是這張圖，左邊這個人也參與駕駛了，我們說共駕的狀態(tài)，完全由軟件駕駛，如果按照語音管端的情況，我這個駕駛員可能不在車上，是在云端，是在基礎(chǔ)設(shè)施，這個時候就帶來了兩個問題，首先一個問題我測的這個車是不是像虛框畫的方位，甚至把基礎(chǔ)設(shè)施放在里面，車的內(nèi)涵擴(kuò)大，不再僅僅由汽車制造商負(fù)責(zé)。

第二個問題就是安全保障問題，我們有人做駕駛員，不管怎么樣他是最終安全的保障者，或者是一個責(zé)任者。如果是機(jī)器駕駛怎么辦？2018年最新公布的自主駕駛測試脫離報告，所謂脫離報告就是必須要有人介入，不介入就會產(chǎn)生重大事故。超過1萬英里，大部分的車剛剛超過100英里，每100英里就要介入一次，大家可以想象這是多么危險的一件事情。在這種情況下機(jī)器駕駛和人類駕駛怎么保障安全的底線。

我們通常采用規(guī)模式的開發(fā)，如果我們把這樣的規(guī)模式應(yīng)用到智能駕駛汽車的開發(fā)，左邊必須要對它所有的要求進(jìn)行詳細(xì)的定義，上午很多專家提到了，有一些標(biāo)準(zhǔn)正在做，右邊就是如何進(jìn)行驗(yàn)證，都是非常復(fù)雜的。

關(guān)于要求我就舉一個例子，比如上面第一行主要是特殊的天氣情況，我們很多車載的傳感器基本上都會失效，你很難獲得你想要的信息，第二行這塊，這些動物你通過網(wǎng)聯(lián)的方法也沒有辦法實(shí)現(xiàn)，因?yàn)樾」凡粫е?a href="http://m.brongaenegriffin.com/v/tag/107/" target="_blank">手機(jī)在路上行走，鴨子也不會告訴你它要過馬路。第三行，我們現(xiàn)在說的云端方式，在重大災(zāi)害面前整個基礎(chǔ)設(shè)施都會發(fā)生破壞，在這樣的基礎(chǔ)上還要把邊界情況進(jìn)行組合，形成可操作的規(guī)范和要求，實(shí)際是非常困難的一件事情，這個是開發(fā)要求的挑戰(zhàn)。

我們獲得的信息都有誤差，比如線路規(guī)劃的時候，我們經(jīng)常用導(dǎo)航軟件，過半分鐘去選，出來的結(jié)果都有區(qū)別，答案并不唯一，而且都是正確的，怎么辦？中間是利用視覺和毫米波雷達(dá)融合的方式進(jìn)行環(huán)境感知，這個是車輛檢測的情況，給出的只是正確率，我不知道是什么原因沒搞定，所以你去這個網(wǎng)站上會看到一大堆算法，算法彼此之間的關(guān)聯(lián)非常弱，你很難找到他們彼此進(jìn)化的過程，跟他們的原理有關(guān)系，包括后面的運(yùn)動規(guī)劃，對于不確定性的系統(tǒng)和不決定性的結(jié)果，如何把安全邊界提取出來，如何判斷它的正確性，都是需要深入的思考。