8月29日，由深圳市福田区人民政府指导，深圳市人工智能行业协会主办的首届深圳（国际）人工智能展（简称GAIE），在深圳会展中心圆满落幕。在为期三天的展会上，政府领导、行业权威专家学者、人工智能骨干企业代表及相关行业代表等都悉数出席，围绕人工智能产业，以国际化的视野进行多维度深入探讨，聚焦人工智能产业方向，展望人工智能发展趋势。

（深圳（国际）人工智能展圆桌论坛）

本届人工智能展亮点频出，除了《2020人工智能产业发展白皮书》等三大AI领域权威文本的重磅发布，同时还举办了2020GAIE Awards年度评选盛典，评选出十大AIStar、十大AI最具商业价值奖、以及十大AI优秀产品奖，其中腾讯优图实验在现场获颁AIStar奖项，以嘉奖其在技术、产品、市场开拓以及创新能力层面的实力与成果。

（腾讯优图实验室获颁AIStar奖项）

而腾讯优图实验室副总经理黄飞跃也出席了本次大会，在以“释放AI科技力量助力畅通国内大循环”为主题的圆桌论坛上，与深圳市人工智能行业协会会长董振江；小米集团副总裁、集团技术委员会主席崔宝秋以及鹏城学者，深圳大学计算视觉研究所所长沈琳琳，一起共话人工智能在国内大循环中扮演的角色与价值。

01国内大循环是变数下的应对良策，人工智能助力第四代工业革命

黄飞跃在圆桌论坛上直言非常认可经济内循环的战略，他表示，国内大循环是国家最新的宏观战略和布局，为的是适应国际一系列新形势。在整体的战略中，科技本身就需要建立一套内循环。

（腾讯优图实验室副总经理黄飞跃）

在科技这个内循环中，他认为人工智能主要有两个角色：一个是作为新基建的核心组成，发挥出自身的作用；另外一个是帮助传统产业升级，加速实现第四次工业革命，也就是腾讯一直在提的产业互联网。跟前三代工业革命，工业自动化，还有电力电气化，以及信息数字化这三次不同，第四代工业革命，核心在于智能化的体现。只看字眼，你都能看出来智能化当然和人工智能关系非常密切。尤其是最近几年，随着人力成本的提高，过去我们引以为傲的传统产业、传统制造业，优势已经不是那么强了。为了提升我们竞争力，就需要提升传统行业、制造竞争力，关键就在于怎么用新技术武装它们，人工智能就是助力这些产业技术实力提升中非常关键的一环。

02行业预期与现实存在落差，AI技术需要“更接地气”地输出价值

作为这个时代相当前沿的领域，行业对AI的现有认知却是喜忧参半。在黄飞跃看来，AI目前的主要问题是存在理想和现实的落差，不管是AI从业者，还是AI应用，都存在一定程度上过于理想的期待。

从AI从业者的角度来说，这几年AI行业招募的学生、员工都是一流的人才，但是他们真正在就业岗位上时，就会面临自我预期与现实的落差。一开始，每个人都认为AI可以改造世界，但在工作开展过程中，会遇到一系列的难题。而这种情况下员工管理就成为一个问题。黄飞跃认为，首先要降低预期，认定一个现实，即AI并不能改变这个世界，而只能做些改良，在某些特定场景创造价值，并不能有颠覆性的突变。当然，在调低行业预期的过程中，也需要不断创造价值，让AI有越来越多的价值得到展现。

对于AI的实际用户而言也同样如此，几年前AI会普遍认为AI是无所不能的，但实际应用中也会有问题。比如人脸识别AI技术虽然这几年越来越好，但也不可能做到百分之百的精准，而客户对这种识别错误的包容度很低，当计算出现失误，客户就会认为这个算法不行或者技术有问题，这个时候也会有比较大的落差。黄飞跃称，实际上AI技术前几年的落地环境不是很好，硬件成本、人工部署成本都相当高，而落地过程中也有一系列难题，但是随着这几年算法能力的不断提升、计算成本越来越低、技术的更迭保证准确率越来越高，那么AI现有的理想和现实的差距也会越来越小，未来随着时间推移AI的价值也会被更广泛的认识到。

03寻求落地才能让理想照进现实，腾讯优图在人工智能产学研持续发力

在当前的经济形势下，机会和危机并存。危机在于，一方面中美关系紧张，国际格局出现变化，另一方面新冠疫情席卷全球，不少行业遭遇重击。但黄飞跃认为，疫情打断了传统线下的沟通交流，而数字技术重新让生活、工作、交流重启，这种情况下社会会更加愿意拥抱新的技术，新的机会，这对于人工智能来说，就是机遇。

在面对企业与个人对人工智能的高期待之下，黄飞跃表示，行业首先要做的就是抓住机会，埋头把技术做好，把业务落在实处，当技术足够成熟时，才能让大家对于AI的实际应用产生价值认可，自己再享受后续的成长收益。而这也是腾讯优图正在积极推动的进程，通过不断与高校、企业合作，来实现人工智能产学研的稳步落地。

黄飞跃表示，从2012年开始，腾讯优图就与上海交大、清华的自动化所、与软件所、厦门大学等诸多高校建立了长期合作关系，另外还会参加腾讯高校合作团队组织的“犀牛鸟”等一系列活动。黄飞跃表示，腾讯优图与学界的合作有非常好的成果，八年多以来与高校合作培养了大量的优秀学生，最后都会在腾讯优图工作并成为中坚力量。

另一方面，腾讯优图还与业内有大量合作，早在2015年腾讯优图就对外提供了一个优图技术开放平台，把像人脸检测识别、配准，还有OCR等一系列视觉能力打包，对外免费输送给中小型企业使用，并在2017年开始通过腾讯云进行商业化的输出。同时，腾讯优图还在与腾讯AI加速器、产业加速器合作，为他们提供资本导师、课程等一系列孵化平台机制，对入围的企业一起沟通研发，比如特定行业里的AI解决方案。

最近几年，腾讯优图一直在不断地将AI技术应用到学术与产业上，推动社会对于人工智能价值的认可。作为腾讯旗下人工智能实验室之一，腾讯优图的特点之一是坚持基础研究、产业落地两条腿走路的发展战略，以计算机视觉技术为核心，专注人脸、人体、交通、医疗影像、自动驾驶等视觉领域的前沿研究和产品落地，为各行各业提供了超过15个行业解决方案，接入了超过90项腾讯明星产品业务合作。未来，腾讯优图也将继续发力AI技术的落地，挖掘更大的产业价值和社会价值，真正借助科技力量驱动国内的经济大循环。

8月26日，江铃汽车CTO兼总裁助理黄少堂受邀出席 “SAE 2020 汽车电子与软件技术论坛”，发表《软件定义汽车，架构定义软件》的主旨演讲。系统地阐述了软件定义汽车的背景、机会和挑战，并分析了顶层设计和实际执行中的痛点。

汽车圈内人士更习惯称他黄堂主，笔者听过很多CTO的演讲，很少有黄堂主这样，纯干货、零带货的。听众评价他的演讲，不仅有掌声，还有笑声，掌声代表礼貌和敬意，笑声才是内心的共鸣。

*本文是根据现场演讲整理而写，尚不能领悟黄堂主精髓是万一，仅供交流、参考。

01为什么强调软件定义汽车？

今天所处的汽车时代，我们前人从来没有这么幸运过，也从来没有这么焦虑过，更没有体验过。每一天都不一样，即使我这样有几十年汽车电子经验的老行家，面对今天这样从未经历过的世界，又能好到哪去了？

最近，我们一直在思考，为什么业内突然兴起软件定义汽车，而且如此红火。事实上，过去几年，如发动机的点火、喷油、排放，已经是软件控制了，底盘的AEB，还有自动刹车控制，包括自动转向。其实从底盘、传动、动力、车身，软件已经渗透到了几乎所有的汽车系统。但过去从没有像今天这样强调软件定义汽车。

为什么今天突然间强调软件？最近我拿了一台华为的P40，内存到达516G，相当于一台电脑。因为得益于芯片、互联网、大数据等技术的发展，在硬件的基础上，我们才得以在小的空间内做很多的事情。

另外，消费电子对汽车行业的冲击，人们的消费习惯和生活方式已经发生变化，促使人们的期望值不断的增加，人们不再忍受开一个豪华车，还用一个手机去导航。特别是90后、00后的消费者，他不再像我们这一代人买个宝马、奔驰，做点小生意，他们更强调个性化的展现。而当我们打开汽车行业的软件库时，发现我们的软件代码量已经超过了飞机，并不在其他行业之下。

02特斯拉效应

记得2003年特斯拉成立的时候，当时我们在美国通用，对它不屑一顾，觉得它就像小孩玩玩具，闹不了几年的。时至今日，还有哪一个老牌汽车企业敢轻视特斯拉？人家只卖36万辆车，还不用赚钱，而大众、宝马、奔驰、通用、福特，这些传统车企加起来卖2000多万辆，但他们加起来的市值却抵不过特斯拉。说明社会不认可传统车企在创造价值。包括国内的新势力，别看车子只卖几万辆，甚至亏本，但与国内领头的销售几百万辆的车企，市值相差并不多。

在国外，上市企业经营的目的就是为股票的拥有者创造价值，经营者的工资是以股价来论的。你可以想象传统车企的管理者的压力，当初的通用贱卖土星、庞蒂亚克、悍马也是不得以而为之，华尔街的人坐在你办公室，你不卖，就得自己下岗。克莱斯勒当初也是因为股票不景气，迫使被菲亚特接收。

像我这样早期对特斯拉不屑一顾的，今天再来看他们，Model S的网络架构拓扑图，非常规矩，这样的拓扑图很好，拿到一个拓扑图，用一个CANoe或者Vehicle Spy工具可以立项他的原始结构。第二代适当加了一个集成，到了第三代，你再用传统的电子电气拓扑图去画，画不了，也立项不了，简直就是杂乱扔在一起的。它的能力在域控制器里面，在软件里面，你从外表去仿画他的架构，很难做到。特斯拉重新换了一种不遵守汽车行业传统法则的方式，自己单跑了。杂乱中，其实彰显了它的软件能力。

特斯拉的设计语言和交互体验创新也是对传统汽车的一个全方位挑战。Model 3看起来简单的显示屏背后，大众做不到、通用也做不到。一个屏里面的几个模块，我们传统的整车厂有车身部、娱乐部、信息部，一个键，这么多部门谁去负责？软件内部又是如何集成？我们供应链里有一个企业能做这样的东西么？别看一个屏，其实用户并不关心多复杂的网络架构，也不关心ISO 26262，用户关注的是简单和极致的体验。而制造工艺、开发流程、工具链，还有供应链的整合，而复杂的逻辑只隐藏在背后。特斯拉还有强大的自身能力，现在绝大多数整车厂都受制于供应商。表面上看起来主机厂很强大，如果把汽车扒开，有多少是主机厂自己做的呢？特斯拉让整个行业进行了思考，重新定义汽车。

03架构定义软件

我们注意到，最近各大车企成立软件中心，但很难招到人，IT的人做嵌入式软件是一个鸿沟，虽然都是软件，但不用的平台，不同的应用，有着相当大的差异。从架构到云管端，因为结构不同，控制方法不一样。我们通常讲结构下的软件。我们先要定义软件架构本身，再定义功能，再建立通讯网路。

首先要定义好架构，然后针对场景的设计，比如自动驾驶的场景、路面，娱乐系统，商用车、物流车的场景跟乘用车又不一样，场景定义就不一样。回顾汽车网络架构，以前只有电器架构，没有什么电子和软件。比如发动机点火就是用一个高压线圈，开关一弹，能量释放，产生火花，点火。油是共轨的，哪个阀门开了，就滴到哪个油缸里。后来才有了基于发动机的电子模块，也就有了电子电器架构。现在，随着智能网联汽车的发展，特别是自动驾驶以后，将演变成车、路、人协同电子架构

在传统汽车人看来，Model 3 的架构简直是一个大杂烩，而传统的车企，如大众MEB的架构就比较规矩，很难说谁的更好。但用户其实并不关心你背后的设计，这就是我们需要思考的。

打通任督二脉的关键恰恰在于整体架构，而软件是架构的关键要素，软件实现是战术，架构是战略。

车云一体电子架构是我们今后要做的事情，我们以前总是在做车上测试、网络测试、模块之间的测试。既然车云已经形成了，为什么不把车网跟后端网一起进行测试呢，每个信息传到后面如何保证是正确的。我们的测试流程里并没有涵盖ISO 26262，IOS 26262只是定义到车上的，如今的汽车哪里只是车上的呢？

所以你说特斯拉完全不遵守26262和AUTOSAR，也有一定的道理。当他发现传统标准局限的时候，就需求创造出自己的路。

同样，车云一体的电子架构，他们各模块之间的协同，有哪个现有的标准可以参考呢？标准体系并没有完全跟上行业发展和产品的需要。我曾经当过两年ISO的编委，召集一帮人讨论两三年，究到每一个0和1, 严肃性是有的，但你可想而知，每个企业派出去的人，一般也不是最有价值、最忙的，我们不必将标准当成是圣经。我们需要尊重标准，但如果仅是知其然不知其所以然的使用，消费者并不会为这个买单。在传统的主机厂，上万人，最顶端的很难知道下面的事情

我们的中央计算器，一定程度上要感谢芯片商的能力，芯片能力的提升，促使电子架构向区域架构发展，从而为软件功能迭代提供硬件平台。我们最早做ADAS，一个机械式的毫米波雷达的成本是3000美元，只有凯迪拉克上能配，今天已经下降到了两三百人民币。硬件成本的大幅度下降，才让智能汽车成为现实。我们今天谈智能，并不是我们的前辈很蠢，而是没有如今的整个技术环境支撑。

Model 3 的中央计算模块，采取区域控制，不是功能域控制，有人说是为了节省线束的成本。我的理解是，它把模块、智能配电、传统保险，都用电子保险控制了。而我们传统的网络架构，控制0和1，起步、唤醒、休眠。如果把电源都控制了，就不存在休眠、唤醒了，一通电都醒了，一断电都休了。既然把电分开了，就必须有前、左、右控制，如果把所有的保险都放一个盒子里，就变成烤箱了，所以有几级分电。这是基于功能的需要进行这样的定义。

传统的软件架构，有以下特点

• 传统软件应用开发，功能代码耦合，程序整体打包

• 修改部分逻辑，需整体重新编译

• 跨控制器功能分散，所有相关控制器都需要更新软件

如果我要更新一个ABS，那关联的BCM、仪表、网关都要改，而且都分属于不同的供应商，代码也是别人写的。从这一点也应证传统车企被供应商绑架了。

新的软件架构下

• 复杂功能被切割为服务块，组成服务包；
  

• 服务单独部署，代码解耦；

• 服务可编排和重组，形成新的功能应用。

今天，在域控制器的概念下，关键的模块都是自己开发的，你要改一个节点，或者要改不同的节点，可以通过功能定义，不再以模块去刷新一个，而是以服务包的形式进行更新。而且软件还可以进行整个生命周期的收费，改变车企的运行模式。原来汽车卖出去以后，跟车厂就没有多大关系了。

当我们具备软件基础能力，软件模块需要做什么，车企的应用软件如何建立？

按传统思维，我们总希望通过智能驾驶一个方案做所有的，很多模块是一个公司做。按新的模式，做感知的、做定位的、做决策的、还有做执行的，用一个渐进的方式，不需要大，这样供应商就不是做一个模块，而是重复的流水线。我们所合作的企业并不一定要大，但是要精，然后不断地完善。这个时候软件就变成了一个标准化的工具。但我们需要把层级定义清楚，把接口定义清楚。

同样，智能座舱领域也是一样，我么把它分成几个模块，把底层定义清楚，主机厂有能力的多做一下，能力弱的少做一些

软件的另一个核心是OTA，没有OTA软件的更新，软件也无法定义汽车。通过更新，可以不断地满足用户的体验，重新定义数据形态，根据软件更新的范围，内容，安全度，让汽车在生命周期内有再生命力。具体体现在：

• 低成本软件故障解决和问题修复，

• 降低招回成本，

• 产品性能优化，

• 功能服务导入和迭代

• 提升人机交互和服务升级

• 用户体验持续提升

OTA结合5G，再加上车路协同，整个生态链和供应链也将被重新定义。在这个全新的产业生态中，4S店的模式可能会发生颠覆。当你有大数据，有GPS定位，可以通过线上诊断、线下换件的形式。如果是涉及到软件更新，在家里就可以通过OTA修复BUG。

04软件定义汽车

我理解的软件定义汽车是：软件深度参与整个汽车的定义、开发和验证流程，并不断优化客户体验，持续创造价值。

传统车企开发一个车往往需要三年，包括概念设计、定义方案，再冻结、下车体制做、样车制造、三高测试、标定等。如果软件定义汽车还在这样的流程下进行，三年前开发的软件，在三年后可能就已经被淘汰了。因此，软件定义汽车要颠覆整个汽车开发流程。这将是很多车企巨大的挑战，大公司制定流程往往是很大的梯队，而管理层中，基本都是做底盘、车身等传统部件的出身的，他们的软件的概念还比较缺乏。固化的流程让传统汽车人很安全、很可靠。这就制约了组织的更新和发展

要实现软件定义汽车，要没有一个革命性的，从组织架构，CEO层面变革，只可能被淘汰。

我读MBA的时候，去过芬兰的诺基亚。当时，整个芬兰为诺基亚自豪，这么小的国家，诞生如此成功的企业，它的手机以质量著称，充电可以用一个星期。苹果出来的时候，我们都笑了，不小心掉地上，屏碎了，每天还要跟祈祷一样，把电源插上去充电。其实诺基亚并没有做错事，当初MBA的范例都是它的成功。如果我现在再去读MBA的话，范例会不会是它如何失败的。时代在变，即使你没有做错事，但别人做的比你更好。

很多机械类的东西，要改一个字，开一个模，到今天仍然需要上千万成本。而软件只需要一次开发费。并且可以个性化的定制，借用其他行业的生态。软件定义汽车的驱动因素具体表现在：

用户层面：

• 千人千面的用户使用需求

• 打造舒适的驾乘环境，改变未来出行方式

• 拥有丰富的自选应用

•  OTA更新软件

• 无需硬件升级

OEM层面：

• 更短的开发周期

• 丰富的车辆变形管理

• SOP后快速的迭代更

• 减少ECU软件升级周期和成本

• 标准I / O接口，软硬分离

• 开放的应用生态服务

• 丰富的产品研发和商业创新，即插即用的高效可扩展性

舒适的驾乘环境，改变未来出行方式

软件定义汽车赋能整个生命周期内，可以学习用户、车辆自身、周围环境并适时作出适应性调整。

05软件定义汽车的要素

传统开发模型：

• OEM只是架构的定义者，只做系统集成工作，不做软件开发

• 各系统Tier1完成所有功能的软件开发

• 各系统较封闭从而形成信息孤岛，外部开发者无法对介入开发

• 代码无法复用，大量软件工作花费在不同软硬件的适配上

• 硬件产生价值

面向软件汽车的开发模型：

• OEM不仅仅只是架构的定义者以及系统集成者，还主导脱离底层操作系统以及硬件的基础软件平台和大部分策略层面软件的开

• 各系统Tier1完成底层软件的开发

• 开放的应用服务生态，即插即用的高效可扩展性

• 软件产生价值，满足千人千面的用户需求

有人问，可不可以一步到位？虽然我们想这样，但一方面是自己没有这个能力，另一方面是供应商不是这么排的，而且这个过程是要跟供应商及整个供应链讨论的。你有多大的市场？怎么玩？谁有权力去定义这个规则？有权力定义规则的人生活已经很舒服了，为什么要颠覆自己呢？对于大多数传统车企，比较现实的策略是渐进式变革。

电气架构、远程升级、网络安全、大数据是软件定义汽车的基石。

智能互联和智能驾驶推动了汽车行业的升级。需要全新的网络架构，寻找新的合作伙伴，更广泛的生态系统和平台。比如芯片厂商、运营商、BAT等互联网公司，过去这些与汽车没有联系的企业都渗透到了汽车行业。再往后，公路局、收费站，国家检测局都将加入汽车生态圈。

06软件定义汽车带来的挑

随着软件越来越多，越来越复杂，软件之间的交互、测试，需要行业的共同努力，如果每个车厂都搞个自己的操作系统，都认为自己是最牛的，打开一看，其实都是抄了别人的，就改了两个字，把一个完美的东西改成了不完美的东西。

软件开发模式仍然苦难重重：

• 软件层次划分不够，专注于研发关键技术的组织规模

• 软件技术的使用偏保守

• 基础软件提供功能偏向通用化，旨在针对首要关键技术的公共模块

• 生态较封闭，大量软件工作花费在不同软硬件组合的适应上

短期阵痛

1. 软件定义汽车，选择技术路线很关键，就是选择合作伙伴。跟谁合作？做什么？如何分工？

2. 我们既不能什么都做，也不能什么都不做；

3. 你带的合作伙伴靠不靠得住，不要搞了两三年之后，等你量产的时候，它倒下了；
   

4. 不要盲目拒绝和否认新的技术和产品，没有完美的技术；

5. 时间、范围、能力合作伙伴的协同关系。

软件定义汽车中长期挑战：

1. 公司战略与管理层知识结构；

2. 企业文化；

3. 组织架构与技能匹配；

4. 开发、生产、售后、维护， 全生命周期流程需要重新定义；

5. 重塑供应链及运行模式。

07结语

我们今年所经历的时代是汽车行业前所未有的，在软件定义汽车层面，中国与世界同步甚至走在前列，没有对标与参考，在焦虑的同时，也是幸运的。需要行业同仁齐心协力、共同努力，我们要共享、讨论、坦诚布公，才可能取得共同的、共有的进步！

最后借用一句七绝：

百舸争流千帆竞

借海扬帆奋者

（作者 / 东方既白）

在全球汽车市场低迷的当下，零部件行业日子也难过。不过，随着更多智能网联功能“上车”，传感器作为感知系统的“刚需”，市场配套逆势上扬。记者了解到，国内外汽车零部件供应商积极布局自动驾驶传感器领域，以车载摄像头、毫米波雷达和激光雷达三大核心部件为代表，随着其产业链上下游的发展，相关企业迎来增长机遇。

车载摄像头

ADAS作为无人驾驶的前奏，正随着技术的应用加速渗透。2017年工信部、国家发改委、科技部联合印发的《汽车产业中长期发展规划》提出，到2020年，汽车驾驶辅助、部分自动驾驶、有条件自动驾驶技术在新车上的装配率将超过50%，网联式驾驶辅助系统装配率将达到10%，满足智慧交通城市建设需求。未来，随着系统成本的下降，ADAS产品将全面渗透低端车型。至2020年，ADAS的总渗透率有预计可达到50%，新车装配率有望达到100%。

车载摄像头一直被誉为自动驾驶之眼，是实现众多预警、识别类ADAS功能的基础，是智能驾驶必不可少的基础传感装置。车载摄像头相对于雷达等车载传感器价格更加低廉，易于普及应用。近些年，ADAS功能逐渐“落地”，车载摄像头的产品可靠性、成熟度也实现了长足进步。

据介绍，车载摄像头主要包括内视摄像头、后视摄像头、前视摄像头、侧视摄像头、环视摄像头等。高端车型配备的摄像头可多达8颗，用于辅助驾驶员泊车或触发紧急制动等功能。摄像头在汽车上的应用如今愈发多元，包括DMS（驾驶员监控）、CMS（乘员监控系统）、双目、三目、夜视等各种产品形态，迅速扩大了汽车视觉的市场空间。2020年3月，Waymo发布最新的第五代自动驾驶系统，车内各处的摄像头多达29颗，通过相互重复覆盖的视角，可识别出500米外位置的道路交通指示牌。

摄像头成功取代侧视镜后，汽车上的摄像头数量将达到12颗。而随着技术和市场的发展，L3级以上自动驾驶车型对摄像头的需求将增加，单车多摄像头将成为趋势。ADAS视觉系统使用摄像头采集图像信息，通过算法分析出图像中的道路环境，因此摄像头及其芯片是ADAS的核心组成部分。随着ADAS系统搭载率的提升，车载摄像头未来将成为摄像头芯片主要市场之一。数据显示，2019年全球车载摄像头的出货量约为2.5亿颗，预估2020年将达3.2亿颗，2021年将达4亿颗。

今年以来，多家企业推出了摄像头新技术与新应用。首先是汽车驾驶室摄像头的应用开始“落地”。今年6月，福特汽车表示，其电动汽车Mach-E将配备驾驶室摄像头，用于车辆处于辅助驾驶状态时对司机视线及头部位置进行监控。同期，特斯拉也公布了驾驶室摄像头的第一个功能，通过OTA之后，该款配置将自动记录碰撞或安全事件发生前的图像和短视频，完成性能改进。此外，雷克萨斯ES300h首次在量产车型上使用摄像头，取代传统外部后视镜。摄像头拍摄的图像传输到车内高分辨率监视器中，不仅使驾驶更安全，而且还可减少风阻。雷克萨斯方面表示，摄像头与监视器结合，可在所有驾驶条件下，提升车辆后方以及与其他车辆相邻区域的可见度，同时还能消除盲点。此外，其自动广角功能能使车辆转向、倒车更简便、更安全。

近期，采埃孚宣布，首款完整的基于单摄像头的L2级自动驾驶系统已经搭载在一家自主品牌SUV领军车企的热销车型上，支持十字路口场景的增强型的自动紧急制动（AEB）、智能自适应巡航控制（iACC）、交通拥堵辅助（TJA）、智能巡航辅助（ICA）、紧急车道保持(ELK)、智慧躲闪、智慧灯光以及道路标志识别等功能。该项目由采埃孚中国团队负责开发，目前在中国市场开始量产。

智驾科技（MAXIEYE）创始人周圣砚告诉《中国汽车报》记者，在车载摄像头领域，单目、双目产品都有应用，目前性价比最高的是单目视觉方案，同时摄像头与毫米波雷达融合也是当前的一个主要发展方向。不过，车载摄像头解决方案的挑战在于感知性能指标仍需突破，包括测距精度、三维立体感知构建、感知实时性、可靠性等方面。

中国物联网产业联盟副秘书长贺思聪在接受记者采访时表示，从去年三季度开始，上游原材料价格开始松动，摄像头等感知类产品的边际成本有所降低，国产替代品不断增加。“得益于在消费品市场的发展，国产摄像头企业有了大量积累，也在逐步推出车规级产品，长期来看，非常有竞争力。”他介绍道。

目前，博世、大陆、安波福、电装、法雷奥、维宁尔、采埃孚等外资零部件一级供应商，占据车载摄像头前视单目市场90%以上份额。国内ADAS视觉厂商主攻环视、后视以及商用车ADAS视觉等领域。

毫米波雷达

与激光雷达和摄像头相比，毫米波雷达的测量距离较远，且在雨雪等恶劣天气情形下能维持稳定工作，常常与摄像头及其他传感器一起组成综合解决方案，实现包括ADAS在内的自动驾驶功能。

毫米波雷达的主要特点包括穿透能力强，不受天气影响；体积小巧紧凑，识别精度较高；可实现远距离感知与探测。正因为这些优势，毫米波雷达目前在汽车防撞传感器中占比较大，根据IHS的统计，毫米波/微波雷达＋摄像头在汽车防撞传感器中占比达到了70%。

随着ADAS渗透率的提升，毫米波雷达的搭载率也大幅提升。佐思汽研数据显示，2020年1~5月，我国乘用车新车毫米波雷达安装量达140.89万颗，同比增长47.4%，其中77GHz同比增速显著，达69.3%。根据中商产业研究院的预测，2020年全球车载毫米波雷达市场规模将超过50亿美元，国内市场规模将超70亿元。

毫米波雷达是ADAS中的核心测距传感器，性价比优势显著：性能优于超声波雷达，成本远低于激光雷达。在毫米波雷达的频率上，主要有三种波段——24GHz、60GHz、77GHz。24GHz毫米波雷达是目前市场上的主流产品，但随着技术升级正逐渐被性能更优的77/79GHz产品替代。据悉，主要供应商都在力推77GHz毫米波雷达，博世和大陆公布的最新一代77GHz毫米雷达覆盖中、长、短距。目前，毫米波雷达技术主要由大陆、博世、电装、奥托立夫、德尔福等传统零部件巨头所垄断，特别是77GHz产品。近年来，国内企业陆续量产24GHz毫米波雷达，并加快77/79GHz产品研发。

森思泰克总经理秦屹认为，随着技术的演进，毫米波雷达历经迭代，探测范围实现了从近程到远程，测量精度也逐渐提高。在ADAS这样一个对产品安全性、可靠性要求比较高的领域，毫米波雷达拥有很难撼动的地位。据介绍，广汽蔚来合创品牌的首款量产车型HYCAN 007采用了森思泰克自主研发的STA79-4车内成员检测雷达，以非接触的方式探测指定区域内的生命体征，避免出行过程中意外滞留事件的发生

“毫米波雷达主要用于ADAS感知测距，配合视觉摄像头融合应用。目前，毫米波雷达市场主要份额仍被国外厂商垄断，高性价比的国产毫米波雷达是行业所期待的。”一位不愿透露姓名的行业人士说。

对于国产毫米波雷达的发展，汽车电子技术专家黄武陵也给出了类似的看法。他提出：“面向高速公路和城市道路环境，毫米波雷达的应用是智能汽车的强需求，期待更多成熟的国产77GHz毫米波雷达产品出现。”

在应用场景上，毫米波雷达主要用于驾驶座舱和乘员监测、自动泊车、车路协同和智能交通等场景。以驾驶员监测为例，近距毫米波雷达和视觉传感器一起实时识别车内情况，与机械和电子系统进行交互，提供必要的安全保障。

在自动驾驶的解决方案中，摄像头可以识别不同的物体，在物体高度、宽度测量精度，车道线识别、行人识别准确度等方面有优势，但容易受光照、天气等因素影响。毫米波雷达可穿透尘雾、雨雪、不受恶劣天气影响，但其难以识别车道线、交通标志等元素。所以，“毫米波雷达＋摄像头”融合的解决方案可以做到取长补短，被不少整车企业所采用。

激光雷达

在目前自动驾驶汽车的众多传感器中，激光雷达几乎被公认为是“C位”担当。这主要是由于激光雷达具有几大明显优势：首先是超高的分辨率，激光雷达发射的光波的频率比微波高出2~3个数量级，因此具有极高的距离分辨率、角分辨率和速度分辨率；二是测量精度更高，激光雷达可直接获取目标的距离、角度、反射强度、速度等信息，生成目标的立体维度图像；三是抗干扰能力强。

换句话说，激光雷达能克服摄像头和毫米波雷达的一些不足，在复杂的交通条件下工作。仅使用雷达和摄像头传感器时，它们不能保证感知系统符合自动驾驶ASIL-D安全标准，激光雷达的加入则为感知系统提供真正的冗余，是确保之后决策层与控制层中每一个板块安全的关键。

如今，激光雷达技术正在不断实现突破。今年7月，自动驾驶技术初创公司Aurora宣布，推出用于无人驾驶汽车的新款激光雷达系统，该款自主研发的产品可探测300米以外的物体。

事实上，随着自动驾驶商业化应用提速，车载激光雷达市场也迎来全新的未来。中商产业研究院的数据显示，到2021年我国车载激光雷达市场规模将超过6亿元，年均增幅将保持在50%以上。目前，奥迪、雷克萨斯、宝马、沃尔沃等主流整车企业将在量产新车上选配激光雷达，融合激光雷达的自动驾驶解决方案也成为了大势所趋。

根据记者掌握的最新信息，Ibeo成为长城汽车首家量产激光雷达供应商，其最新研发的Ibeo NEXT固态激光雷达被应用于WEY品牌的SUV车型上。未来，Ibeo将提供一套支持L3级自动驾驶的激光雷达系统，以实现高速公路长距离自动驾驶。该系统由新型Ibeo NEXT固态激光雷达、控制单元和目标感知软件组成，能与其他系统交互从而达到安全驾驶的目的。

令人欣喜的是，在激光雷达赛道上，自主企业表现格外亮眼。速腾聚创、禾赛科技、北科天绘、镭神智能等厂商逐步拓展市场份额，同时大疆、华为等大型科技公司也跑步入场。禾赛科技自主研发的激光雷达Pandar40已实现量产。该公司近日宣布，已与美国威力登激光雷达公司达成了长期的全球专利交叉许可协议。览沃科技（Livox）正式对外推出了两款面向L3/L4级自动驾驶的高性能、低成本激光雷达产品Horizon和Tele-15。此外，速腾聚创日前正式发布80线激光雷达RS-Ruby Lite，其优势在于成本更低且性能稳定可靠，以进一步突出性价比。

在黄武陵看来，激光雷达现在逐步过渡到半固态和固态，一些自主企业也陆续推出了相应产品，需求方的试用和反馈将推动产品快速迭代，期待更多、更好、价格适中的国产激光雷达进入市场。前述行业人士则告诉记者，激光雷达在测距精度方面有很大优势，现阶段主要应用于L3及以上级别自动驾驶场景应用的测试和开发，但仍面临成本、车规等方面的规模化量产挑战。

专家观点

传感器市场进入“蓝海”　自主企业迎来突围机会

众多调研数据显示，随着智能网联技术的发展，汽车传感器市场渐渐进入一个新的发展阶段，未来增长可期。对于传感器企业来说，如何把握机会，在自主创新中寻找突围机会成为当下重要的课题。梳理自动驾驶三大传感器的技术发展及市场应用后，记者采访了企业代表、行业专家，畅谈自主企业面临的机遇与挑战。

“随着ADAS及更高级别自动驾驶技术的快速普及，今年以来其市场渗透率比去年增加了约10%。而且，随着传感器解决方案更加成熟，整车企业可以提供的整体配置比往年提高不少，今年卖出的车毛利率有所提升。”中国物联网产业联盟副秘书长贺思聪说。

一位不愿透露姓名的行业人士向记者介绍道，国内自2015年起陆续涌现了一批智能驾驶企业，主要采用两条技术路线：以ADAS逐级“落地”为主的渐进式自动驾驶演进路线，以L4级自动驾驶卡车、Robotaxi运营为主的无人驾驶路线。通过产业化的逐步摸索，智能驾驶产业链上下游形态逐步清晰和细分。目前，ADAS相关产品依旧占据智能驾驶产业化的主流，自主企业多数具备前装预警系统的开发能力，部分企业具备环视泊车场景的“落地”能力。而涉及到前向ADAS控制，诸如AEB等功能，能够具备完善且可靠的技术能力的企业仍屈指可数。传统零部件供应商在行业中深耕多年，在对汽车产业的理解方面有很大优势，且与整车企业建立了长期稳健的合作关系，资金实力较为雄厚，但在市场灵活性、技术敏锐度以及新兴业务转型布局方面稍显弱势。创业公司直接瞄准产业的新兴需求，公司体系灵活，有创新活力；弱势在于面临的资金风险较大，相对缺乏对行业的理解和前装量产经验。

在传感器领域，初创公司与传统零部件供应商互有所长，在某些领域的竞争已进行到白热化阶段。对此，汽车电子技术专家黄武陵表示，车载传感器的门槛较高，需要经过一系列的测试和验证。传统零部件供应商在针对车规级产品的设计、测试和验证的经验比较丰富。创业公司则充分利用后发优势进行研发，胜出者往往实现了技术突破，对应用能够起到更大的推动作用。

竞争意味着胜出与淘汰。贺思聪告诉记者，全国有几十家汽车传感器企业，并且数量还在快速增长，它们的规划路径、目标不同，导致最后的竞争结果将产生差异。对于所有自主企业来说，市场的最大挑战就是技术平台期，以目前的技术手段，突破L3级以上自动驾驶市场较为困难。“突破不了最终的高级别自动驾驶市场，渗透率就无法再提高，市场或将在2025年变成‘红海’。在这种情况下，有一些外资企业进行长周期的规划，用决策层和执行层反哺感知系统，一些企业的Know-How是部分自主企业不具备的。”他坦言。

不过，从目前市场情况看，自主企业还是有实力与外资企业“掰手腕”的。黄武陵表示，无论摄像头、毫米波雷达还是激光雷达，国内均有国产替代产品，从量产的各个方面考虑，比如价格及可控性等方面，自主企业具备一定优势。

“目前，国产传感器发展速度很快，除了关键的芯片还没有能力替换外，其他已全部国产化，而且材料工艺也不错，获得了不错的配套机会。”贺思聪说。

作为快速崛起的初创企业代表之一，智驾科技（MAXIEYE）对于企业发展与市场需求之间的平衡有着自己的理解。在其创始人周圣砚看来，随着L2+级自动驾驶系统渗透率逐步提升，自主企业已开始与跨国一级零部件巨头同台竞技。“只有专注于解决前装智能驾驶实际应用场景所面临的客户痛点问题，以技术驱动，配合灵活的本土化开发及服务，才可以赢得更多的市场机遇。从整车前装ADAS装配率和整车智能化水平而言，留给自主企业的市场空间很大。”他说。（作者：赵玲玲 中国汽车报）

先说结论：从技术及商业的层面上，不需要。

自从华为手机被Google禁止使用其安卓生态之后，国内对于自主操作系统的关注就越来越多，许多企业也磨拳擦掌准备大干一番，其中不乏纯ToG的鱼目混珠者。

汽车行业又是其中最为特殊之处，前有Tesla靠智能化一骑绝尘，后有大众搞"vw.os"掀开”软件定义汽车“的时代帷幕，左有博世的一幅”EEA演进图“，右有互联网大军纷纷进入汽车行业”降维打击“。在如此”海陆空宇“一体化的战争体系当中，能兼容并包者极少，不少企业也是头痛医头，脚痛医脚，也盯上了”自主操作系统“这么个”救命稻草“。

此篇文章将用通俗的语言，来解释”操作系统“的概念，以及为什么汽车行业“不需要”自己的操作系统。

声明：笔者个人知识有限，若有错误，请不啻指出。

1. 什么是操作系统？

操作系统是管理计算机硬件的程序，它还为应用程序提供基础，并且充当计算机硬件与计算机用户的中介。---- 《操作系统概念》第七版

随着“操作系统”的概念进入普通大众的视野，使得其形成了“民间”和“学术界”的概念混淆与误解，就像“车厘子”与“樱桃”、“凤梨”与“菠萝”一般，傻傻分不清楚。在此将此概念澄清一下。

上图受《软件定义汽车序列》启发，列举目前常见的操作系统归类：

1. 狭义的操作系统：专指内核(kernel)，其直接与硬件打交道，并提供以下功能：内存管理、文件管理、CPU调度管理、输入输出管理等。目前常见的有：Unix, Linux, Windows NT,RTOS类等。其中RTOS的内核一般较为简单，基本都是自主编写，将其归为一类。
2. 广义的操作系统：也是通常意义上的操作系统，除了内核外，它还包括包管理器(Package Manager)、应用程序框架(Application Framework)、运行时环境(Runtime environment)等。根据内核的类型，其分为Unix家族、Windows家族、Linux家族、RTOS家族等等。其中较为特殊的是Android和iOS，其分别属于Linux和Unix家族，但都对内核进行不小的改动。
3. 操作系统的定制化：其对现有的操作系统进行深度的定制化，通常会包含UI界面与框架的更改，有助于形成品牌宣传及统一化。常见于各大手机厂商对Android系统的定制化。
4. 框架/中间件：针对某些特定的需求，一些特定的框架/中间件被开发者创建出来，其包含了某一领域的常见特性，以降低应用开发的工作量，提高开发速度。如DuerOS，针对语音识别提供了线上与线下的一套框架，可以让开发者快速开发自己的语音识别程序。ROS，针对机器人行业需要使用大量传感器，但各传感器的数据常常难以互通的痛点，打造了一套低时延/高可靠的数据交互框架，大大降低了机器人软件的开发难度。

综上，只有上述第1类和第2类才算操作系统，其余层次不算。而我国举国上下关注的“自主操作系统”指的也是第1类和第2类。

那么，就到下一个问题了——

2. 开发一个操作系统需要多少投入？

这里将以AliOS为例，讲一讲这个问题。

AliOS是国内目前为止，唯一一个已大规模商用的自主操作系统。其与Android进行对标，已经应用于物联网、智能汽车、手机、平板、电视等设备。截止目前，AliOS家族已经包含以下两类成员：

• AliOS Things: 用于单片机的嵌入式系统
• AliOS：分为AliOS Lite及AliOS for Car两个分支。其中AliOS for Car用于智能汽车的智能系统，目前此系统装机量估计已超过100万，上次公布的数据已是2018.11月，60万。
• 而AliOS从YunOS走到现在也非常之坎坷，从2011年至今，已有9年，以下是其大事记:
  

以上时间来源于各方媒体报道

这9年间，经各种渠道了解，粗略估计其投入> 60亿人民币。可参考其人力投入：

• 2010~2017：约1000人左右规模
• 2017至今：约500人左右规模

因此，开发一个新的操作系统，需要投入的成本大致>50亿的量级。但是，开发出来之后，如何收回成本？毕竟公司都是需要盈利的。

于是，再下一个问题——

3. 操作系统要怎么样才能成功？

在开发完操作系统后，这个操作系统要如何才能收回成本，业界一般分为三种模式：

• 直接收费模式：依靠操作系统本身收费。收费的样式可以有很多种：席位费、授权费、服务费等等。典型的如Windows、QNX。
• 间接收费模式：操作系统本身免费或不开放，依靠其上的应用生态收费。典型的如Android、iOS等
• 卖设备模式：直接使用自研的操作系统生产设备，靠设备销售赚钱或分成。典型的如Windows的前身MS-DOS、Blackberry OS、iOS、MacOS等。

在现在的时代，每个行业几乎都有成熟的操作系统的情况下，直接走第1种模式显然不现实。所以接下来将介绍第二及第三种模式的代表：Android及iOS。

3.1 Android

Android的三大关键字

• 开源：操作系统所有源代码全部开放，让所有系统开发者皆可贡献，并相互学习，并随时间的推移，让系统维护、升级的成本逐渐降低。
• 标准化：标准化应用接口及行为，让应用开发者编写的程序可使用至所有Android机型，最大化开发者的投入产出比。
• 生态：建立了全新的商业模式。
• 应用生态：建立统一的“应用商店”(Google Mobile Services)，使开发者创收更简单。
• 硬件生态：无系统授权费，让制造商不再沦为代工厂，并以此在手机上击败Windows。

关于生态，大家对"应用生态"了解的比较多，但我需要强调一下“硬件生态”的重要性。Android的研发公司Google不制造设备，必须依赖各硬件制造商来推广自己的操作系统。那么为啥硬件制造商不用Windows Mobile，而用Android呢？因为“免费”，因为各硬件制造商在Windows体系下利润微薄，已经痛苦太久了。

3.2 iOS与Android对比

然后，我们再将iOS引入，与Android作一定的对比：

从上图可以看到，iOS与Android几乎在同时开始研发及商用，其策略有一定的差异：

• 开源：Android开源，而iOS封闭。从市面上的操作系统来看，一个成功的系统并不一定需要开源，如iOS，Windows等。开源可引入更多系统开发者，但质量管控困难较高。
• 软件硬件一体化：此选择更多的是取决于市场的需求，而非技术。因为软件硬件一体化从技术上明显更佳，其可以简化系统，提高稳定性及性能。但其风险在于，其产品的产品力严重受单个公司的资源与创新能力的制约。
• Android由于不自研硬件，需要适配市面上几乎所有的硬件，建立了OHA（Open Handset Alliance）。这是一个双赢的联盟：一方面，OHA联盟成员为Android源码做出贡献，使得Android可搭载的硬件非常多样性; 另一方面，因为Android通用性越来越好，帮助OHA联盟成员扩大市场。
• iOS：由于硬件自研，而无需匹配各种硬件，其系统的复杂度降低很多，也无需建立联盟。

其共同点在于：

• 标准化：其都维护了一套标准化的接口及逻辑，并很好的支持了向后的兼容性。这种“标准化”是指跨设备、跨品牌的标准化，才使得“应用生态”的建立成为可能。
• 应用生态：都建立了一套与开发者共赢的应用生态的过程中，采取了同样的步骤：

1. 自行开发应用，使操作系统具备基本可用的功能，以及一部分创新型的功能。如当年的HTC G1上带的商品扫码比价应用，就曾让我眼前一亮。
2. 引入第三方应用及应用商店，建立应用分发及开发者分成体系，使操作系统与应用开发者进入一个正反馈的机制。

3.3 小结

结合以上，一个操作系统做出来了还不够，想要获得成功，其核心点还在于建立一个强大的生态（软件+硬件）。

最后，回归主题，汽车行业需要自己的操作系统吗？

4. 汽车行业需要自己的操作系统吗？

这就要从汽车行业的EEA发展阶段讲起了（可参考万字长文  | 讲透整车电子电气架构演进），当前行业内公认的发展趋势是“分布式”->“域集中式”->“中央集中式”，而大部分汽车的EEA形态正从“分布式”过渡至“域集中式”。

4.1 分布式阶段——不需要

各个领域对操作系统的要求不一样，但都可以分别被满足，如：

• 智能座舱域：Android可满足中控大屏需要消费电子级的用户体验，Linux或QNX可满足全液晶仪表要的炫酷感及较低的功能安全需求。RTOS可满足电源管理、网络管理方面的需求。
• 智能驾驶域：RTOS家族(QNX / VxWorks等)可满足智能驾驶所需要的功能安全及实时性要求。而需要高性能计算及AI加速器的感知类需求，同样也可被RTOS满足。
• 整车控制域：RTOS家族即可满足其功能安全及实时性要求。

4.2 域集中式阶段——不需要

在域内融合，已有"Hypervisor"虚拟化技术，将不同的操作系统融合在一起即可。此技术虽然在汽车行业非常新鲜，但在PC行业已极为成熟。以下为QNX Hypervisor示意图：

QNX Hypervisor

4.3 中央集中式——未定

中央集中式的EEA目前大部分还处于概念阶段，还需要进一步的研究与探讨。唯一确定的是最接近于此形态的Telsa Model 3并未采用新的操作系统，而继续使用的是Linux及RTOS。

5. 知识产权问题

看到这里，答案已经很明显了。但很多人心里还是会碰出来一个疑问：要是这些操作系统不让我们用，怎么办？

我们来理一下汽车行业的情况吧：

• Android被禁止使用：这是做不到的，因为Android是开源的。能被禁止使用的是谷歌移动服务（Google Mobile Service），包含Google Play Store、Google Map、GMail等等。如这次华为被禁止使用GMS，对其国内市场没有影响，因为国内这些服务本来就用不了。但对其国际市场是有非常大影响的。而汽车上的Android，不用GMS这套，所以没有影响。
• Linux被禁止使用：Linux也是开源的，不可能禁。
• RTOS被禁止使用：RTOS大部分也是开源的，也禁不了。

所以，对汽车行业来说，操作系统层面的知识产权不是问题。

6. 总结

目前来看，从技术的层面，汽车行业并不需要自己的操作系统。

从商业的层面，也不需要自己的操作系统。因为开发一个新的操作系统，投入可能要超过50亿人民币，而这还是刚开始。操作系统的生态的建立，更需要长期的投入，且一旦失败，之前的投入全部白费。

至于从其他的层面，是否需要，大家就见仁见智吧。

随着5G等新一代网络技术的发展，自动驾驶时代迎面走来，“车联万物”也将以更高速稳定的形式呈现。

5G作为车联网应用场景核心技术支撑，实时高速喷涌的大数据给存储系统带来不小负担，车联网时代，存储安全成为保障行车安全的重要命题之一。

5G强力驱动车联网发展

车联网是物联网在交通领域的应用，将车辆信息以网络串接，运用卫星定位、传感器、电子卷标、无线网络、数据处理等技术，对车辆、行人和道路环境等信息进行辨识及传递，并将数据汇整于后端平台，进行智慧化管理和服务。

简而言之，车联网借助信息通信技术实现了车内、车与人（V2H）、车与车（V2V）、车与路（V2R）、车与云端服务平台（V2P）的全方位网络联接，即车联万物（V2X）。

车联万物，存储先行

早期的车联网实现仅限于车载信息娱乐服务，通过2G/3G/4G网络接入互联网，可以进行实时导航、在线音视频、车辆数据监控、车载APP应用等。而5G 的到来，产品形态发生根本性变革，与4G侧重人与人之间的通信不同，5G形成了端到端的生态系统。 

连上5G网络的车辆，功能从原本最基础的交通运输，摇身一变成为结合通讯、娱乐与生活的行动总部。有人认为，智慧车辆将成为住家、工作场所之外，第三个可以结合娱乐、家居与工作功能的智能空间。

未来，不论是娱乐或是工作，除了硬件创新外，包括应用程序提供者、内容提供商，势必要针对车上使用情境，设计出对应的解决方案，而这一系列的应用情景和解决方案都离不开存储。 

 一方面，庞大的车联网体系，将大幅改变汽车制造商对于汽车本地存储容量的需求。此前信息娱乐和导航系统是车载存储需求的主要驱动力，而5G时代，汽车应用场景明显增多，对存储产品的容量和性能均提出更高要求。

 另一方面，对数据存储安全可靠的要求大幅提升。众所周知，行车交通中重要的前提是“安全”，不光是行车安全，还有“车联万物”的数据安全，其中就包括车联网端到端、端到云的数据管理和存储安全问题。因此，车厂对车联网系统质量和可靠度的要求更为严谨，为车联网系统打造嵌入式安全保护很有必要。

目前，威刚科技已获得车载IATF 16949:2016全球汽车产业质量管理系统认证，证明了威刚科技在产品设计、生产流程、产品质量上都已达到全球汽车工业的统一标准，可生产符合规格的产品，进而在车联网的应用中提供耐用可靠的解决方案。IATF 16949是由国际汽车推动小组（IATF，International Automotive Task Force）成员制定，旨在为全球汽车产业客户提供更优质的产品，并制定汽车行业通用的质量管理体系标准。

固态硬盘存储系列解决方案

2.5”固态硬盘（SSD）：采用高质量的闪存组件，性能稳固。其生产过程均符合JEDEC规范，并采用低功耗设计，适用于需长时间运作的工业与企业机台。支持NCQ和TRIM指令，可实现更高的IOPS和读写性能。

mSATA固态硬盘：采用mSATA接口和mini PCIe外形设计，符合JEDEC（MO-300）规范，可用于台式机、瘦客户端、工业计算机和嵌入式产品等。

DOM固态硬盘：支持SATA和USB两种接口，体积小巧，适用于台式机、小型计算机和嵌入式系统。

威刚科技固态硬盘均通过先进的A +测试法和SSD验证，确保了卓越的质量、兼容性和可靠度，可帮助设备维持长效稳定的运作。

存储卡系列解决方案

CF / CFast存储卡：威刚科技CFast卡结合了CF卡的尺寸与SATA高速传输界面，具有高可靠度与安全运作性能，使用CFast卡的设备便可取代现有的硬盘和CF卡，适用于体积小且需长时间运转的应用。CF / CFast存储卡具有卓越的抗冲击性、 抗震性，CFast卡仅需以3.3V的低电压运作。

SD / microSD存储卡：具备出众的性能与传输速度，并兼具低功耗的优点，适用于讲求安全性、便利性和卓越性能的移动存储应用。

威刚科技存储卡使用优质组件，提供许多强化功能，如S.M.A.R.T.、ECC、磨损平衡和闪存保护。所有存储卡系列均适用于-40℃至+85℃严苛的极端环境。

内存系列解决方案

DDR4 3200内存：威刚科技DDR4 3200系列内存具备3200MT/S高频率和32GB高密度运算效能的特性，能大幅提升系统实时运算效率，降低网络负载，可搭载1.2V的低电压，支持Intel® Core™第十代处理器和AMD RyzenAMD™3000系列平台。

未来，威刚科技将积极耕耘广阔的车载应用市场，提供给客户更多元、耐用的存储方案。

（作者：赛迪智库）

在标准工况下让自动驾驶汽车跑起来，已经很难了。如果要在不常见的碰撞工况下实现保护，那就更加任重道远。

自动驾驶汽车技术发展如火如荼，其安全性备受关注。我们不仅要关注正常行驶工况下的安全性，也要关注非正常工况下的安全性，比如汽车碰撞等小概率事件。我们团队主要致力于研究汽车在危险状态下的安全性。

近年来，汽车安全性提高很快，但是否已经满足了我们的安全需求呢？我认为，在很多情况下都是不满足的。

现在的汽车还未完全实现针对真实道路事故工况的保护。汽车安全设计都是针对指定工况开展的，不可能涵盖所有工况。如果实际的事故工况偏离实验室工况较大，那么，偏离得越多，可能保护效果越差。我们也没有实现针对中国的事故工况和中国人体型的保护。在中国，汽车进入家庭不到20年的时间，汽车行业的很多技术规范和标准基本都是直接沿用汽车发达国家的标准，并没有针对中国人的体型、中国的实际工况来设计。而且，无论是国内还是国外，也还没有考虑未来可能发生什么风险场景、造成什么样的事故。

我们发现，实际发生的交通和事故工况是非常复杂的。

首先，人员复杂。比如，目前所有的碰撞保护标准都不是针对老年人的，而我们正在面临社会人口的快速老龄化。20多年前我开始研究老年人的碰撞损伤容限，我们知道老年人损伤容限低，但是我们不知道低多少，我的研究给出了量化结果；再比如，最近二三十年里美国人体重增加很多，使得非标准体重人群比例增加，而汽车碰撞安全性是按照标准体重、标准身材设计的。

其次，工况复杂。过去十几年中，我们做人车碰撞、汽车与自行车碰撞研究，但中国近年来又出现了很多电动两轮车，出现了很多不一样的工况，更别说人车混行、老年代步车以及未来可能发生的新型事故工况了。

着眼未来，智能汽车时代如何考量自动驾驶汽车的安全性？

根据世卫组织的报告，全世界的交通事故要造成每年大约130万人的死亡，其中90%以上的事故成因是由人造成的。我们对未来充满期待，很多人认为自动驾驶普及后，由电脑开车，把人类司机从系统里去除，交通事故风险就能降低90%。但事实并不如此，自动驾驶汽车无非是把犯错误的主体从人变成电脑了。谁见过不犯错误的电脑？谁见过没有漏洞的软件？微软的操作系统，持续改进升级二三十年了，还在不断打补丁呢！

我们姑且先来看看未来智能交通环境下车辆动力学响应与控制的边界，就知道这事儿有多难。如果出现紧急或危险情况，自动驾驶汽车对行车环境的感知、对信息的融合以及通讯都需要时间，作出预判和决策也需要时间，然后到执行层面对车辆进行控制以及车辆的动力学响应还需要时间，而在紧急危险情况下这个反应时间只有几秒钟。再加上传感器失误、通信延迟、软件漏洞、机械故障等，这些工况不常见，但在所难免，应对不当的话就可能发生事故。事实上，目前每年约130万人的交通事故死亡，相对巨大的出行里程，就是小概率事件。正是汽车的主动安全和被动安全技术水平，才保证了减少意外，并在意外发生时减少伤亡。

所以，如果给未来自动驾驶汽车设定一个最低的安全性目标，就至少要达到人类司机的平均水平，确保发生交通事故的概率不高于目前的水平。

假设目前的自动驾驶车辆的安全性是四五十分的水平，而我们传统的汽车碰撞安全保护技术只能从95分提升至99分（还剩1分就是我们承受的交通事故伤亡）。这就要求我们两条腿走路，给传统的碰撞安全保护加大难度，让它下沉到90分，能把90分的汽车安全性水平提高到99分，这就是所谓的智能碰撞保护，成为自动驾驶车辆上路的最终安全保障，努力涵盖所有危险工况、不常见的工况。当然，这也是很具挑战性的研发课题。

因此，我们需要启动主被动的碰撞协同保护，即预碰撞保护机制。所有的保护装置可以在碰撞发生前预启动，这是因为已经知道乘员的身高、体重等信息，对一两秒后要发生的碰撞形态和强度大致也可以做出预判，从而提供有针对性的一体化的碰撞保护，比如调节约束系统安全带的力、移动座椅等。

预碰撞保护系统，也叫自适应碰撞保护，我们已经研究了10年。目前有一个科技部支持的、与欧洲19家单位合作的研究项目，两年后结题。该课题的核心任务，首先是要根据现在的交通事故形态推演未来可能会具有什么样的事故形态；然后，基于碰撞预判，在发生碰撞时要把载荷比较均衡地施加在乘员身上，而且约束载荷是针对预判的事故工况和乘员状态配置过的，以此来降低事故损伤。这样一个未来的智能碰撞保护体系可以兼顾人的驾乘舒适性和碰撞安全保护。

我们团队最近的一个研究成果表明，实际碰撞的固有风险包括碰撞强度、乘员坐姿等，还有乘员约束系统引起的非固有风险。未来自动驾驶时代，我们争取把非固有风险降到最低。如果未来的智能汽车有很多是单座车的话，座椅随乘员意愿有更灵活多样的调整空间，乘员约束系统也有很大的改善空间，我们把约束装置搭载在座椅上，还可以针对中国人的体型特征进行设计。

总而言之，在标准工况下让自动驾驶汽车跑起来，已经很难了。如果要在不常见的碰撞工况下实现保护，那就更加任重道远。（作者：周青）

据统计，驾驶员失误几乎是造成交通事故的主要原因。这就是为什么自动化一直被视为潜在的安全游戏规则改变者。

但是，根据高速公路安全保险协会(IIHS)的一项最新研究，如果自动驾驶系统像人一样开车，自动驾驶汽车可能只能防止大约三分之一的车祸。

IIHS研究副总裁兼该研究的合著者Jessica Cicchino说：“自动驾驶汽车最终可能会比人类更好地识别危险，但我们发现仅凭这一点并不能防止大量的撞车事故。”

传统观念认为，自动驾驶汽车有一天可能使撞车成为过去。

现实并非如此简单。根据对警方报告的撞车事故的全国调查，驾驶员失误是事件链中的最终故障，导致每10起撞车事故中有9起以上。

但是该研究所的分析表明，其中只有三分之一的交通事故是由于自动驾驶汽车客运避免人为的错误而避免发生，这些错误仅仅是因为它们比人类驾驶员具有更准确的感知能力，并且不容易遭受过失错误。为了避免剩下的三分之二，需要对它们进行专门编程，以将安全性置于速度和便利之上。

该研究的主要作者，IIHS研究科学家亚历山德拉·穆勒(Alexandra Mueller)表示：“制造出能够像人一样驾驶的自动驾驶汽车本身就是一个巨大的挑战。” “但实际上，他们必须比这更好，才能兑现我们都听过的诺言。”

为了估计如果将无人驾驶汽车设计为做出与人类相同的风险决策时可能继续发生的撞车事故，IIHS的研究人员对《国家机动车撞车因果关系调查》中报告的5000多起警察报告的撞车事件进行了调查。这些事故案例由美国国家公路交通安全管理局(National Highway Traffic Safety Administration)收集，代表了美国境内发生的车祸，其中至少有一辆车被拖走，并召集了紧急医疗服务。

IIHS团队审查了案例文件，并将导致崩溃的与驾驶员相关的因素分为五类：“感知和意识”错误包括诸如驾驶员分心、视线障碍和未能及时识别危险之类的事情。当驾驶员错误判断交通间距，错误地估计另一辆车行驶的速度或对另一位道路使用者将要做什么做出错误的假设时，就会发生“预测”错误。

“计划和决定”错误包括因路况而驾驶太快或太慢，主动驾驶或与前方车辆之间的跟随距离太小。“执行和性能”错误包括不适当或不正确的规避操作，过度补偿和其他控制车辆的错误。“失能”涉及因饮酒或吸毒，医疗问题或方向盘入睡而造成的损害。

研究人员还确定，某些碰撞是不可避免的，例如由于车辆故障(如爆胎或车轴损坏)引起的那些碰撞。

在这项研究中，研究人员设想了未来道路上所有车辆都将自动驾驶的未来。他们认为这些未来的车辆将防止那些完全由感知错误或无能力驾驶导致的撞车事故。这是因为可以期望全自动驾驶汽车的摄像头和传感器能够比人类驾驶员更好地监视道路并识别潜在危险，并且不会分散注意力或丧失驾驶能力。

仅由于感测和感知错误而导致的崩溃占总数的24%，而失能为力占10%。如果道路上的所有车辆都是自动驾驶，则可以避免那些碰撞，尽管这将需要能够正常工作的传感器和永不故障的系统。除非专门为自动驾驶汽车编程以避免其他类型的预测，决策和性能错误，否则其余三分之二可能仍然会发生。

考虑一下2018年3月在亚利桑那州坦佩市杀死一名行人的Uber测试车的撞车事故。其自动驾驶系统最初难以正确识别路边的49岁的Elaine Herzberg。但是一旦这样做，它仍然无法预测她会越过车辆的前方，并且它未能执行正确的规避动作来避免在她这样做时撞击她。

计划和确定错误(例如超速和非法操作)是导致研究样本中约40%的撞车事故的原因。驾驶员的故意决策可能导致撞车的事实表明，驾驶员的偏好有时可能会与自动驾驶汽车的安全优先级相冲突。为了使自动驾驶汽车兑现消除大多数碰撞的诺言，必须将其设计为着眼于安全性，而不是在这两种情况不一致时优先考虑骑乘者。

自动驾驶汽车不仅需要遵守交通法规，还需要适应路况并实施驾驶策略，以应对其他道路使用者的行为存在不确定性，例如在人多的地区驾驶比人类驾驶员慢交通或低可见度条件下。

“我们的分析表明，对于自动驾驶汽车要实现其承诺比人类驾驶员更安全的承诺，将安全性置于骑手偏好之上至关重要。”穆勒说。（文稿来源：千家网）

网约车软件相信大家都用过吧，它的方便之处就在于：只要在手机上点一点，师傅就会开车过来接我们！

可以说现在的网约车服务，颠覆了传统的出租车行业！

不过，在无人驾驶技术日渐成熟的情况下，未来可能会出现一批无人驾驶的租车服务。

不久前，德国大陆集团推出了一款自动驾驶概念车——

The Bee 

这款概念车非常小巧可爱，它采用了小型化的设计概念，最多可以搭载两名成人。

此外，它采用了非常灵活的模块化的设计——车厢可以和底盘可以拆卸开来，方便车辆底盘单独进行货运工作。

作为一款无人驾驶电动车，The Bee 与我们目前使用的网约车一样，只需要在 APP上进行下单预约。

不一会儿，它就会如约而至！看到了么？车厢玻璃竟还是一个显示屏，能显示乘客预约信息。

动力方面，The Bee 采用了电力驱动，最高时速为60公里每小时，续航里程为350公里，完全能够应付市区内的出行需求。

车辆的内部玻璃面板也充当了电子显示屏幕的作用，不仅能显示出路况和目的地等信息，用户还可以将自己的手机与之连接，处理一些简单工作~

乘客还能够跟同行的其他车辆进行视频聊天。

除了拥有高度的自驾驶能力外，车辆之间互联早已是标配，多辆一起出行时，后车会自动跟上前车的步伐。

当车辆在路上行驶时，The Bee 系统会观察前方路况为通畅或拥堵，并通过预先设定好的速度和车辆间距，自动控制油门和刹车。

另外在行人出现的路段，车辆的智能系统更会密切观察周围环境。它能自动识别行人信息并停车，在前挡风玻璃显示屏上显示出 Please go ahead ! 并闪烁绿灯、转动车轮，作出避让动作~

与其它常规的车辆相比，The bee 绝不是一般滴灵活。它能在狭小的空间里辗转腾挪实现前轮单独转向，在掉头和转向功能上毫无困难的说。    

而出于对于弱势群体的关爱和人性化的考虑，这辆车还设置了独特的前门，面对老人等不便人群，它就会打开前门、降低底盘，以方便乘客的上下车。

对于残疾人乘客，也是如此~

The Bee 的设计概念可以说十分人性化了，相信它在将来肯定会受到公众的欢迎。

不过目前在自动驾驶技术还未完善，而且相应的配套技术、设施和交通规则还未纳入城市规划的情况下，The Bee 的面市还有一段较长的路要走。

当新技术最终发展成新的常态时，也许 Hot Zone 的概念就不复存在。

「超过 100 辆了。」

100 辆装载着激光雷达等高科技传感器的汽车整整齐齐排成 5 列，照片上一眼甚至看不到尾部的车辆在哪。

这是文远知行旗下 Robotaxi（自动驾驶出租车）运营的车队，在中美两地 Robotaxi 服务全开放运营超百天，旗下无人驾驶车队超 100 辆规模。

文远知行旗下 Robotaxi 车队超过 100 辆规模，这是个不小的数字｜文远知行

在行业里，同时调度运营 100 辆自动驾驶车辆是一个门槛，文远知行车队分布在中美两地，具体有没有跨过门槛不得而知，但已经是一个很大的进步。

事实上，关于自动驾驶汽车上路的新闻不断登上科技头版，让人们感觉自动驾驶时代即将来临。

但是事情并没有这么简单。在中国，自动驾驶还有许多不完善的地方，技术、政策等都有一定限制，为了安全考虑，自动驾驶车辆并不能随意开上路，它依然存在着很多条件，比如每辆车的驾驶位必须配备一名安全员，，并且自动驾驶车辆只能在规定的封闭或公开道路上进行测试，自动驾驶测试牌照就是在规定之下的产物。

从政策上定义来说，测试牌照也是根据政策一步步迭代而来。以北京市为例，2017 年底最初制定的政策当中提到，规模化测试一批次不超过 5 辆，每批次累积完成 5000 公里及能力评估；两年后，政策放宽到一批次不限 5 辆，并丰富了测试内容，增加载人、载物、编队行驶测试等等。

自动驾驶相关政策也在一步步进化｜北京市自动驾驶车辆道路测试报告 2019

自动驾驶测试牌照也许是目前自动驾驶公司最希望得到的东西之一，不仅仅是因为拿到牌照是得到了行业和政府级别的认可，最核心的地方在于，在技术还不足够完善的情况下，自动驾驶车辆上路是为了获取大量最真实的数据，这是利用计算机制造仿真场景进行测试给不了的。

因此，从各个地方发放的自动驾驶测试牌照的数量上，就能看出这些区域对于自动驾驶行业的积极性。

《中国智能网联汽车产业发展报告（2019）》显示，据不完全统计，截至 2019 年 6 月 30 日，全国共有 20 余个省区市出台了智能网联汽车测试管理规范或实施细则，其中 19 个城市发出测试牌照，牌照数量总计近 200 张。虽然仅仅过了不到一年，但牌照数量恐怕早就超过了 200 张，侧面也能看出中国对自动驾驶行业的侧重。

在 19 个城市当中，谁才是中国自动驾驶的 Hot Zone，即最火热的地方？极客公园（ID：geekpark）梳理统计了一张图表，看看那些城市正在寻找自动驾驶的最佳机会。

中国各城市自动驾驶发放测试牌照情况｜极客公园制图

哪里是中国自动驾驶的热区？

不出意外，北京是中国自动驾驶的「路测圣地」。在《北京市自动驾驶车辆道路测试报告（2019 年）》当中提到，北京市自动驾驶道路测试的申请企业数、车辆数、路测里程均位居全国第一。首都在拥抱新技术落地方面，足够称得上开放二字。

当然，提到自动驾驶，除了北京以外，一般人们会想到的城市就是广州。在这两个分居南北的一线城市中，自动驾驶行业有着最多的拥簇。和北京每年发布自动驾驶道路测试报告的风格不太一样的是，广州的关键词则是「运营」，Robotaxi 的试运营有不少都在这里。

北上广深四大一线城市中，深圳在自动驾驶方面的进展远远落后，目前只有腾讯一家获得了道路测试牌照，而其他三座城市都已开启不同程度的载人测试。

一线城市或者大城市在发展自动驾驶上有着得天独厚的优势，即人才。如果仔细梳理每一家公司的所在地，北京与广州肯定数一数二，这也是为什么提到道路测试，人们首先会想到这两个城市的原因。但三、四线城市，甚至一些县城发展自动驾驶，也有其优势所在——政策的开放。

2018 年 4 月，工信部、公安部、交通运输部就联合发布了《智能网联汽车道路测试管理规范（试行）》，鼓励全国各省市建设智能网联/自动驾驶汽车示范区。诸如保定、襄阳、武汉等有一定汽车产业基础的城市就能够率先开启自动驾驶的步伐。不止如此，在申请流程、路测价格等方面，小城市存在更大的吸引力。以沧州为例，尽管没有什么产业基础，但政策上的开放让它在智能网联建设中取得了行业瞩目的进展。沧州智能网联测试区范围将延伸至沧州市主城区，成为了全国第一个在主城区市政道路开放智能网联汽车测试的城市。

沧州成为了自动驾驶测试的开放城市｜百度 Apollo

百度 Robotaxi 落地长沙时，百度集团副总裁、智能驾驶事业群组总经理李震宇曾提到，长沙市政府的决策过程十分高效，自动驾驶落地得以在几个月之内完成。可见政府如果在这方面足够开放，企业方还是有很大需求的。

最后值得说明的是，没有自动驾驶道路测试牌照不代表这些城市不关注智能驾驶。当地是否有配套性的政策出台也能够反映问题，比如长沙专门针对 Robotaxi 的测试进行了道路改造以及相关政策的支持。5G、车路协同等道路端的打造也是城市的重点项目，合肥将建设的 5G 车路协同示范线、杭州号称在亚运会之前建设完毕，投资 707 亿元的自动驾驶高速公路，都是行业良好发展的势头。

测试与试运营双向进攻

以下是部分典型城市的详细介绍：

道路测试：

北京

企业：百度、小马智行、丰田等

从路测角度看，无论是测试距离，或是参与企业数量，北京都是中国自动驾驶热度最高的区域。2018 年开始，北京甚至每年都会发布一份自动驾驶车辆道路测试报告（以下简称《报告》），这一点和美国加州十分相似。

2019 年的《报告》中提到，北京市已累计在海淀区、顺义区、北京经济技术开发区和房山区开放 151 条、总长 503.68 公里的自动驾驶测试道路。从 2018 到 2019 年底，有 13 家企业（涵盖 6 家互联网企业、6 家主机厂、1 家地图厂商）的 77 辆车参与了北京市自动驾驶车辆一般性道路测试，路测里程达 104 万公里。

其中，百度是测试里程数和测试车辆数最多的企业，75.4 万公里的测试里程数占据了将近 1/4。实际上，整个 2019 年在北京测试里程过万的，也只有百度、小马智行和丰田三家。

德清

企业：蔚来汽车、零跑汽车等

没想到，浙江省北部的一个小县城，成为了自动驾驶行业青睐的地区。

在 2019 年 10 月举行的 2019 全球未来出行大会上，无人驾驶体验项目成为公众关注的焦点。同时，德清智能网联汽车封闭测试场正式发布启用，成为全国首个全县域开放的城市级自动驾驶测试区。

用户在德清体验无人驾驶车辆｜视觉中国

除自动驾驶汽车道路测试以外，以真实道路场景作为依托，德清打造的自动驾驶与智慧出行示范区可以开展 10 种以上特定场景下的示范应用，包括智能公交、景区无人巴士、智慧停车、无人物流与无人运输、L4 级自动驾驶网约车等。

与近期开放主城区道路测试的沧州类似，德清将重点优势放在了「场景」上。一方面，多场景可以吸引更多不同细分领域的自动驾驶企业，比如乘用车和商用车都可以在这一区域内进行测试；另一方面，全县域和主城区开放的道路在开放程度上更高，有利于车企获取数据的多样性。

打个比方，一辆自动驾驶汽车开到北京四环和六环外一个偏僻的道路上，道路复杂程度一定是不可相比的，但目前北京自动驾驶道路测试限制在五环之外，这就是道路开放程度的差异。

自动驾驶试运营

广州

企业：小马智行、文远知行

与北京不同的是，广州的关键词是运营。文远知行、小马智行（Pony.ai）都在广州开展了 Robotaxi 试运营项目。

2018 年 2 月，小马智行在广州南沙落地了中国首支常态化试运营的无人驾驶车队，同年 12 月发布了 PonyPilot 项目的同名内测版小程序。通过小程序，试乘者在覆盖区域内可以自由选择想去的目的地。

文远知行在近日也宣布 Robotaxi 开放运营已经超百天。有 40 多辆自动驾驶汽车在广州黄埔区、开发区开展的 Robotaxi 开放运营。文远知行在 2020 年初还发布了一份 Robotaxi 试运营报告，里面提到在 2019 年 12 月无人驾驶出行订单共完成了 8396 个出行订单，订单总里程达到 41140 公里。

虽然是试运营，但 Robotaxi 这件事对自动驾驶行业来说意义重大，它能帮助自动驾驶公司完成「获取数据」这一环节，进而可以完善自动驾驶行业的技术迭代。

广州就这样成为了自动驾驶公司的一块「福地」。就在 5 月初，百度 Apollo 也与广州开发区签订战略合作协议，双方在自动驾驶、智能交通等领域开展全面合作。百度 Apollo 将深度参与广州开发区智能网联先导区建设，助力开发区打造人工智能世界级产业集群。

百度李震宇说到，无人驾驶时代的交通出行一定会到来，在向那个最高点持续攀登的过程中，Apollo 选择将合适的产品阶段落地，将智能驾驶技术带来的价值不断释放，即「攀登珠峰，沿途下蛋」。Robotaxi 的试运营就像是一枚金蛋，其中凝聚着的价值还有许多潜力未被释放。

上海、长沙

企业：滴滴、AutoX、百度等

比起广州，上海并没有多家自动驾驶公司在此处进行试运营，起步的时间比较晚。但这不妨碍它寻找到自己的「阵地」。

广州的 Robotaxi 试运营采用的是专用的 App 或者小程序，尽管是小规模针对普通用户开放，实际使用起来，难免有用户认知的一层障碍存在。

一个明显的好处在于，上海、长沙等地正在将专用的 App 过渡到人们日常使用 App，近日的新闻 AutoX 接入高德地图就是典型的例子。如果将自动驾驶打车试运营接入到月活几亿的 App 中，消费者的活跃度和对自动驾驶的认知必定会大大提升。

另外，据极客公园了解，滴滴也即将在上海开启 Robotaxi 试运营，百度地图已在长沙上线自动驾驶出行服务的板块，都是一样的道理。作为和用户离得最近的出行服务，也许可以将 Robotaxi 与普通民众贴的更近一些。

中国电动汽车百人会智能网联研究院在最近发布的《自动驾驶七大应用场景商业路径发展洞察》中提到，Robotaxi 正在和民众日常出行习惯逐渐融合。在技术迭代速度变快，成本下降的时期，面向公众的自动驾驶开始快速发展，呈现出固定点到点-区域上下车、特定人群-公开人群-免费-收费、单一城市-多个城市的趋势。

Robotaxi 在迭代过程中正在快速接近用户习惯 | 中国电动汽车百人会

目前规模最大的自动驾驶公司 Waymo 旗下有 600 辆自动驾驶汽车正在测试或者试运营，其中还包括不配备安全员的 Robotaxi。根据初期的用户反馈，有没有安全员的 Robotaxi，乘坐体验上都非常相似。可见用户对于这项新产品的初步反馈还是比较信任的。在更加拥抱创新的中国，也一样如此。

据瑞银集团 (UBS Group AG) 分析师预测，到 2030 年，全球自动驾驶出租车市场每年的价值可能超过 2 万亿美元。而麦肯锡研究报告则显示，中国将成为全球最大的自动驾驶市场，到 2030 年，自动驾驶汽车总销售额将达 2300 亿美元，基于自动驾驶的出行服务订单金额可达 2600 亿美元。实际上，如果算上智能交通，自动驾驶这块蛋糕要大得多。

Hot Zone 只是自动驾驶技术的前瞻试验场，这些区域也许会成为自动驾驶最早进入日常生活的地方。RoboTaxi 从早期的固定点到点的上下车扩大到区域任意点上下车，从面向特定人群扩大到普通民众，从免费体验逐步过渡到收费运营，更贴近消费场景，为 RoboTaxi 大规模推广打下了基础。

值得一提的是，相关政策、企业运营经验、技术与人如何更好地相处，也会变成新技术落地，推向市场可参考的重要内容。当新技术最终发展成新的常态时，也许 Hot Zone 的概念就不复存在。

 精彩观点摘要

“补贴延长，有助于保持中国在新能源汽车领域的领先优势”

“新能源汽车市场，目前不是产品之间的竞争，也不是新能源汽车之间的竞争，而是新能源汽车与传统汽车之间平衡或者竞争的过程。”

“对于新造车企业而言，未来突破点就在智能化和新技术应用。”

“一些高速公路上的充电桩由于损坏或缺乏维护，导致不能充电，占比达20%-30%，甚至有可能更多。”

“新能源汽车的普及将促进新基建的发展，反过来，新基建的完善也将加快新能源汽车的普及。”

我国新能源汽车行业正在遭遇前所未有的巨大挑战，补贴退坡，销量下滑，外资品牌加剧竞争，再加上新冠疫情的多方面冲击。

不过，在全国人大代表、浙江合众新能源汽车有限公司董事长方运舟看来，这些挑战并不可怕。5月21日，他在接受《智能网联汽车》杂志记者采访时表示，我国新能源汽车经过10年发展，已经形成先发优势。国家出台的补贴延期等支持政策，将助新能源汽车行业度过暂时的难关，继续保持领先优势。未来，随着中国新能源汽车企业的不断发力，更多高端产品的陆续投放，加快品牌向上的突破和提升，中国在新能源汽车领域的领先优势有望进一步突显。

至于新冠疫情对新能源汽车行业的影响，方运舟认为，一是导致居民消费越来越谨慎；二是造成部分零部件供应不及时。“我们新上市的哪吒U智能电动车订单火爆，受疫情影响，零部件短缺，订单满足率只能达到20%~30%。”方运舟告诉记者，经过此次疫情，将更多思考如何支持零部件企业稳健、可持续地发展。

“扶持政策将助力保持领先优势”

在国家一系列政策扶持下，经过十年的发展，我国新能源汽车产业取得了显著的成绩，产销量连续多年保持世界第一，成为了领跑者，在技术、产业环境方面具有一定的优势。

但是，作为新兴产业，我国新能源汽车产业依然存在很多问题。方运舟指出，我国新能源汽车行业技术更新快，产品无规模效应，利润微薄甚至亏损；新能源汽车关键系统供应链资源紧张，成本居高不下；新能源汽车品牌溢价能力不足，二手车残值率低；尤其是在今年新冠肺炎疫情影响下，汽车市场持续下滑，消费呈疲软态势。

所以，基于行业现状和发展趋势，结合今年疫情的影响。方运舟建议国家研究出台政策，以支持新能源汽车稳定健康发展。具体政策建议包括：

1、大力推进对公市场使用新能源汽车；

2、放开城市新能源汽车限购指标；

3、支持新能源汽车下乡，拓展农村市场；

4、积极推进路权、电价、停车、高速收费等方面给予新能源汽车优惠；

5、延长国补政策退坡时间，加快资金结算；

6、给予金融、税费及资金支持；

7、给予新能源汽车企业专项研发资金支持，助力技术升级；

事实上，今年以来，国家已经出台了新能源汽车补贴延续两年的政策。方运舟认为：“从今年短期看，新政对新能源汽车供给侧和需求侧都会产生一定的刺激效应，将遏制此前新能源车市下滑趋势。另一方面，也将有效缓解新能源车企的成本压力，为产业发展形成更大的成本效应赢得必要时间。从长期来看，新政将使国内新能源补贴政策在时间维度上与国际市场保持一致，有助于保持中国在新能源汽车领域的领先优势。”

“未来突破点在智能化和新技术应用”

尽管政策延期，但是补贴退出是早晚的事，新能源汽车企业总要面对越来越激烈的竞争和挑战。方运舟对于竞争有着多维度的思考。

“新能源汽车市场，目前不是产品之间的竞争，也不是新能源汽车之间的竞争，而是新能源汽车与传统汽车两个业态或者两个系统之间的一个平衡或者竞争的过程。”方运舟表示，特斯拉的出现，会让用户更能感知到新能源汽车与智能科技所带来的好处。另外，特斯拉国产化降价，也从侧面证明了中国新能源汽车这些年来在技术和零部件方面实现了不断优化和提升。

在激烈的竞争环境下，面向未来，新能源汽车企业如何建立核心优势呢？方运舟认为，应该从产品布局、模式创新、服务创新等方面发力，全面提升我国新能源汽车高质量发展水平。具体可以采取以下措施：

第一，要把新技术快速地应用到车上去。这是新能源汽车相比传统汽车所具有的优势。

第二，要做好产品和质量。产品为王，质量为本，打造高品质的智能电动汽车，将新能源汽车市场进一步做大，为消费者提供更优质、更多元的选择。只要产品过硬，质量服务够好，消费者自然会接受。

第三，在用户服务方面，要有自己的创新，要让用户在使用过程中体验到惊喜，才能快速赢得消费者的喜爱。

要想赢得消费者喜爱，汽车智能化技术是重要的砝码。方运舟告诉记者，近年来，汽车智能化技术发展很快，哪吒U已经实现L2+级自动驾驶的水平，各项智能化配置很受年轻消费者青睐。

“对于新造车企业而言，未来突破点就在智能化和新技术应用。”方运舟坚定地说，尽管受疫情影响，经营有困难，但合众不会减少智能网联领域的研发资金，反而会加大投入。

据方运舟介绍，合众在智能化方面制定了详细的发展战略。通过聚焦EPT2.0动力总成平台、PIVOT2.0智能座舱、PIVOT Driver 2.0智能驾驶及域控制器，深度赋能产品系列。

今年刚上市的哪吒U，就是集众多智能科技于一身的一款纯电SUV。全球首搭量产的“透明”A柱和车内生命体征监测系统，以及同级独有的小You智能机器人、IME互动呼吸灯，同时还配备L2+级自动驾驶辅助系统、全车AI语音控制，能够为用户带来智能互联的新鲜体验。

“发展新基建，将加快新能源汽车普及”

影响新能源汽车发展的还有充电基础设施。合众汽车在市场调研时发现，充电基础设施建设不完善，影响新能源汽车使用的便利性。主要体现在充电基础设施建设的规模不足；已建成的充电桩主要分布在在郊县等偏远地段，中心城区的数量相对少，充电基础设施空间分布不合理；充电桩的维护不到位，部分地区出现“故障桩”、“僵尸桩”。“一些高速公路上的充电桩由于损坏或缺乏维护，导致不能充电，占比达20%-30%，甚至有可能更多。”方运舟担忧地说，“要支持新能源汽车稳定发展，必须打破充电基础设施的制约。”

当然，新能源汽车作为新生事物，在发展初期存在充电接口不统一、充电设施不完善等问题，完全可以理解。方运舟认为，随着新能源汽车的日渐普及，充电桩会越来越规范和统一。尤其是“新基建”的推动下，充电桩的建设步伐会加快，最终达到车桩平衡。

今年初，为刺激经济发展，国家鼓励发展“新基建”，包括括5G基站、新能源汽车充电桩、大数据中心、人工智能等领域。除充电桩与新能源汽车直接相关外，5G、人工智能等也与智能汽车息息相关。

方运舟表示：“未来新基建中智慧交通、智慧城市以及数字化建设等相关内容，与新能源汽车结合将会越来越多，相互融合贯通、相互促进。新能源汽车的普及将推动促进新基建的发展，反过来，新基建等各种设施的完善也将加快智能新能源汽车的普及。”

随着“新基建”风口的确立，各路资本纷纷涌入，掀起了新一轮充电桩投资热潮。有人担心出现野蛮生长、资源浪费的情况，方运舟认为，在当前的政策背景下，汽车企业和充电桩企业，充电桩企业之间将会深入沟通，通力合作，不会造成大规模的重复浪费，充电桩的建设会逐渐趋于合理布局。（作者：吕钊凤|智能网联汽车杂志）

在无人配送、无人出租汽车、干线无人物流车等领域，国内大多数企业的自动驾驶能力，已经具有了一定的商业化条件，但距离完全意义上的自动驾驶应用还有很长的路要走。

围绕自动驾驶技术商业化应用场景以及相关标准、法规等话题，5月12日，在中国电动汽车百人会召开的自动驾驶商业应用场景高端研讨会上，来自产学研领域的10余位专家，在云会议上进行了精彩的研讨。

会议同期还发布了由中国电动汽车百人会智能网联研究院联合“自动驾驶城市示范与产业协同创新联盟”成员企业共同推出的自动驾驶应用场景与商业化路径系列研究报告，包括Robotaxi、干线物流、无人配送、无人环卫、无人公交、封闭园区物流以及自主代客泊车等七大应用场景的研究成果。

“经过十多年的发展，国内的自动驾驶有了长足的进步，尤其是在今年的疫情期间，自动驾驶的商业化得到了很好的验证。”来自中国电动汽车百人会智能网联研究院的朱雷博士，充分肯定了国内自动驾驶商业化的落地情况，不过，在商业应用场景的未来发展层面，他也指出，当前行业发展依旧存在很多痛点。

01技术成熟度有待提高

“无人配送预计3-5年内能够实现规模化应用，但就目前来看，技术层面还是有比较大的挑战，尤其是在传感器和计算方面。”美团首席科学家、AI平台部总经理夏华夏表示，自动驾驶技术是一个复杂的多层软件和硬件的系统工程，尽管美团现在在自研包括云端的软件和车载的软件，同时也在跟很多供应商合作研发或者选取硬件的平台，但随着越来越多车载传感器的集成，对计算性能的要求也会非常高。

无人驾驶与公共交通结合，是解决目前城市拥堵问题的有效途径，但由于无人公交对安全的高标准以及国内线控底盘技术十分薄弱，以致于多数商用车企业多在1-3公里简单的环线上开展低速运营，因此，在海梁科技董事长胡剑平看来，自动驾驶在公共交通场景的落地，需要技术及产业链端成熟度的不断提升。

“无人驾驶公交在初期是以单车智能为主，未来一定是做车路协同和群体智能。”针对发展车路协同的技术，胡剑平还强调，无人驾驶和公共交通的结合不仅是一台车，不是单车就能解决问题的，一定是一个系统和生态。

“自动驾驶技术本身就具有复杂性，软硬件的开发以及整车的集成测试，都是异常艰巨的。”嬴彻科技执行副总裁黄刚指出，要做到自动驾驶商业化落地，不只是把自动驾驶的技术跟卡车这一端连接起来，车端也要做非常复杂的智能化升级开发，包括电子架构、供电系统以及线控底盘的开发等。

02安全性问题不容忽视

“城市场景下的路况非常复杂，经常有人横穿道路，甚至会出现‘鬼探头’的情况。”针对自动驾驶商业化落地中的安全性问题，美团首席科学家、AI平台部总经理夏华夏认为，在城市场景下，无人配送车的安全问题不容忽视，需要在自动驾驶的软件，包括车辆底层的“小脑”都要具备对这类人和物的识别能力。同时，他还强调车辆的安全问题，不仅要考虑物理的安全，也要考虑网络的安全。

与美团首席科学家、AI平台部总经理夏华夏持相同态度的，还有嬴彻科技执行副总裁黄刚。他认为，在产品端，首先要满足在功能安全性上真正可靠，并能按照汽车行业的标准能够实现量产，像ADU（自动驾驶计算平台）、激光雷达等都要满足相应的标准，并能保证车辆在极端严酷的高低温、电磁干扰环境中正常运行。

“对于无人驾驶环卫车而言，安全稳定性的要求是其非常重要的一个指标。”智行者联合创始人李晓飞指出，无人驾驶环卫车作业的环境非常复杂，崎岖不平的道路会对无人车产生很大的震动影响，甚至在清扫的过程中也会有灰尘遮挡住激光雷达，而这些都是不能忽视且在设计之初就要做好的环节。

03政策法规需要加速完善

“相关政策的不完善，也是自动驾驶商业化落地运营的一大难点。”在美团首席科学家、AI平台部总经理夏华夏看来，工厂内的AGV、楼内的配送车以及港口的货运车，都有自己的路权，然而Robotaxi、无人配送车以及城市巴士等却需要跟其他的社会车辆共享路权，甚至还会有触碰到相应的法律法规的风险，这需要联合行业以及政府的专家一起去推动解决。

测试道路，是自动驾驶卡车领域尤为关注的一个问题。嬴彻科技执行副总裁黄刚指出，尤其是面向高速公路的场景下，大卡车、牵引头、挂车需要有合适的测试道路，包括封闭道路、开放的测试道路，此外，他还希望上路之前法规认证这些体系能够尽早地完善起来，以助力自动驾驶卡车领域，早日实现商业落地。

“受限于法律法规，从目前的发展情况来看，在美国的测试进度要比国内相对快一些。”图森未来合伙人、高级副总裁吴楠补充到，从技术层面上来说，图森未来能够满足相关的自动驾驶卡车在高速公路上运营的技术上的要求，但国内在高速公路上的正式商业化，还需要相关法律法规的支持。目前图森未来在等国内的政策逐步开放，以期让在美国等多地进行验证的技术在中国也可以应用及实现。（作者：郭王虎 | 智能网联汽车杂志）

人工智能是一个广阔的领域，涵盖了图像识别，自然语言处理（NLP）和机器人技术等各个领域。人工智能技术的发展有时似乎是疯狂的，因此很难跟上所有正在发生的事情。

毫不奇怪，许多组织寻求其IT供应商合作伙伴来帮助他们开发和部署AI解决方案，以最好地满足他们的需求。David Ellison是联想的高级人工智能数据科学家，他的职责包括使用尖端的AI技术为客户组织提供解决方案，同时内部支持联想全球数据中心集团的总体AI战略。

联想已经商业交付的项目包括使用卷积神经网络从图像中提取特征并将其分类为缺陷或非缺陷的工厂中检测制造缺陷的项目。联想还为赛车公司开发了计算机视觉系统，以决定是否应召唤特定的赛车维修保养。

根据Ellison的说法，今年和不久的将来，人工智能的主要趋势包括基于计算机视觉的应用程序，用于训练AI模型的数据生成和数据标记算法的开发以及归因于变压器的自然语言处理的快速发展。

让我们仔细看看联想对AI的一些主要近期趋势的概述。

计算机视觉

在计算机视觉方面，开发人员和研究人员现在开始探索将这种能力与人工智能的其他一些领域相结合的实用方法，比如机器人技术或自动应用图像字幕等应用的自然语言处理。据Ellison说，这部分是因为计算机视觉的一些基本问题已经被证明很难解决，研究人员正在寻找新的方法来解决这些问题，而不是简单地推动研究领域向前发展。

“我认为我们在解决一些核心的计算机视觉任务时遇到了问题，比如3D投影，”埃里森告诉Next平台。“例如，当你看到一张图片，一栋建筑的二维图像，人类的大脑可以将其推断成三维的形状，但机器很难做到这一点。”在这方面已经有很多研究，但这是一个尚未解决的核心问题，我认为人们会感到沮丧，会尝试一些新的东西，或者尝试将它与其他领域相结合，找到更好的用途。”

Ellison认为，这就是为什么机器人技术是目前最广泛研究的人工智能领域之一，因为它为人们提供了一个明确的目标。他列举的例子包括使人工智能能够使用视觉感应在其周围的空间中安全移动——无论是制造工厂的机械臂，还是使用人工智能导航到目的地的自动车辆。

训练数据

已经熟悉AI的人们会知道，成功训练模型的关键因素之一就是数据，其中很多都是数据。实际上，对它进行训练的数据越多，传递所需结果的效果就越好。根据埃里森的说法，计算机视觉目前正处于困境中，因为用于训练模型的数据集没有足够多的样本。例如，用于训练模型以导航室内空间的广泛使用的3D空间吉布森数据库（Gibson Database of 3D Spaces）包含572座由1,447层楼组成的完整建筑物。虽然令人印象深刻，但这不太可能是人工智能系统在现实世界中可以满足的全面要求。

当对象的方位与训练计算机视觉模型时的方位不同时，会发生类似的问题。在广泛用于AI训练的ImageNet数据集中，“一切都像是一张椅子，只是一张椅子的照片，它位于房间正对着摄像机的中间。如果您将椅子的侧面翻过来，计算机视觉应用程序突然会认不出椅子。”Ellison说。

这个缺点是一个名为ObjectNet的新数据集的灵感来源，它以不同的配置显示日常项目，例如椅子翻转或倒置。这个训练集被用来解决计算机视觉的一些缺点，例如不能识别方向不正常或部分模糊的物体。

但是获取足够大且多样化的数据集进行AI训练的问题仍然存在，这导致了Ellison识别出的另一个主要趋势，即使用AI首先帮助生成数据集的趋势。

自我监督与综合数据

建立数据集需要人工操作人员对数据进行大量手动标记，因此，现在越来越多的研究项目集中在自我监督算法上，这些算法可以获取已收集的数据并使计算机自动为数据添加标签。

“一个典型的例子是带有计算机视觉应用程序和接近传感器的机器人。计算机视觉比接近传感器能够看得更远。但是随着机器人的前进，计算机视觉中出现的东西最终将作为对象出现在接近传感器中。”埃里森解释说。获取该传感器数据并及时回溯到首次看到该对象的时间，然后可以对其进行标记。 

开发人员面临的另一个挑战是，一旦部署，AI系统极不可能遇到的数据点，因此可能无法在训练数据集中表示。但是，如果这些边缘情况代表实际情况，则需要考虑这些情况，以确保AI模型正确处理它们。 

“关键示例是自动驾驶汽车。您的数据集中将有多少次在黄昏的暴风雪中开车上山？您不会在数据集中拥有很多这样的情况，因此它们实际上必须进行模拟数据。” Ellison说。 

换句话说，通过使用通过多种方法（例如生成模型）创建的综合数据来解决极端情况。但这提出了一个问题，即数据科学家或开发人员如何才能确保此类合成数据能够准确表示AI在现实生活中会遇到的情况。 

Ellison承认：“这是一个主要问题，”到目前为止，解决方案是仅生成更多数据，并希望这将为那些用例提供足够的综合数据。但是，还使用了诸如神经网络自动编码器或更复杂的生成对抗网络（GAN）之类的方法，其中一个网络创建合成数据，第二个网络用于判断该候选数据的质量。 

“因此，它认为这种示例足够现实，这是对自身的一种训练。您同时训练两个神经网络，一个生成这些示例，一个判断这些示例，并希望最终得到更现实的东西。” Ellison说。 

GANs已经被用于生成数据的一个很好的例子是“深度伪造”技术，这种技术已经被用于创建逼真的人脸，或者改变视频，使视频中的人看起来像是在单独的音轨中说话。据埃里森说，这表明了这类模型已经达到的复杂程度。

转换自然语言处理

与此同时，过去几年自然语言处理领域的成功案例之一是基于转换的深度学习模型，埃里森相信这些模型将继续占据主导地位。这是因为它们已经发展到能够识别句子之间的依赖关系和连接，而早期模型中使用的递归神经网络(RNNs)本质上是顺序的，往往会失去单词的上下文。

“如果您看一个变压器，它具有蒙版的多头注意力层，添加和规范层以及前馈层，但是它不具备RNN具有的所有反馈机制，实际上会减慢处理速度，因此它们能够看到更大的区域。”

根据Ellison的说法，这会影响模型解释含义的能力，因为RNN在识别多个句子中的同一实体方面存在问题。

“ RNN非常擅长用“蒂姆搬椅子”这样的句子来确定主题，但是如果您跟进“他有红头发”，我们知道这里的“他”仍然是指蒂姆，但是一种算法可以很难在这两个句子之间跳跃。递归神经网络在这样做时遇到了问题。”

这种架构已导致变压器在许多最近开发的NLP模型中扮演重要角色，例如Google的BERT和OpenAI的GPT-2，以及Facebook的RoBERTa和Microsoft的MT-DNN，它们在诸如此类的NLP任务中显示出巨大的希望例如文档分类，情感分析，问题解答和句子相似度。（作者：THE NEX TPLATFORM）

高技术含量、广阔市场前景以及对生产生活的变革性影响使5G和人工智能成为全社会关注的焦点，集成电路在5G和人工智能领域发挥着基础支撑作用。新基建加速5G和人工智能产业的发展，为集成电路带来更为广阔的市场空间，将进一步推动集成电路产业高速发展。

新基建提速5G通信芯片发展

(一)新基建助力5G网络建设进一步提速

根据工信部的数据，截至2020年3月底，全国已建成5G基站19.8万个，5G套餐用户规模超过5000万户，5G终端连接超过2000万。2020年，在新基建浪潮推动下，国内5G网络建设将进一步提速。三大运营商计划在2020年新建50万个5G基站，5G相关资本开支1803亿元，实现5G网络覆盖全国所有地级市及以上城市。预计2019—2026年间，国内5G通信市场总体规模将超1万亿元。

(二)新基建5G通信推动芯片“量质同升”

基带芯片、射频收发器芯片及射频前端芯片等集成电路芯片和元器件为5G通信提供了基础性支撑。以射频前端芯片为例，射频前端芯片是移动通信设备的核心器件之一。受益于5G新基建的带动，5G通信芯片的需求大幅增加。一方面，5G基站部署数量有望达到4G基站的1.5倍，新建基站数量的增加带来射频前端芯片需求量的增加;另一方面，5G通信采用了载波聚合和大规模多输入多输出等关键技术，带来了射频前端芯片需求量的成倍增长。此外，5G通信更高的频段和更大的带宽对射频前端芯片性能提出了更高的要求。例如，基站侧射频功率放大器将由横向扩散金属氧化物半导体工艺向具有高频率、高功率特性的氮化镓工艺演进，基站侧滤波器将由金属腔体滤波器转向体积更小、性能更优的陶瓷介质滤波器，终端侧射频前端芯片由传统分立方案向集成度更高、性能更优异的射频前端模组演进等。

(三)抓住新基建发展浪潮推动5G通信芯片快速发展

一是充分发挥5G通信整机企业对集成电路的带动作用。5G通信芯片和元器件是5G通信整机产业链中的重要一环。应充分发挥整机企业的带动作用，以产品为导向、应用为牵引，加强5G新基建相关通信芯片上下游企业的协同合作。鼓励整机企业培育扶持更多5G通信芯片供应商，为5G通信芯片企业提供验证试错机会，并与5G通信芯片企业联合通关解决试用中发现的问题，提升5G通信芯片企业的技术水平。

二是建立5G通信芯片领域的国家级制造业创新中心。通过建设制造业创新中心，集聚国内行业创新资源，搭建5G通信芯片共性技术研发中试线平台，加强前沿和共性关键技术研发，建设服务5G通信集成电路产品产业化的公共服务平台，打通技术产业化链条。

三是引导5G通信芯片产业合理投资布局。应引导5G通信芯片相关企业合理布局，避免资源过度分散。引导地方政府结合本地现状合理定位，因地制宜发展5G通信芯片产业，避免盲目跟风和信息不对称带来的资源浪费。

新基建助力人工智能芯片实现突破

(一)新基建为人工智能芯片提供广阔市场需求

芯片是实现人工智能技术创新的重要载体，我国推动新基建将为人工智能芯片带来广阔的市场空间。根据IDC数据，2019年我国AI芯片市场规模为122亿元。根据新基建投资测算，预计2025年，人工智能基础设施建设新增投资约为2200亿元，人工智能核心产业规模超过4000亿元，这将使AI芯片市场规模超过300亿元，年均增速达到20%。

(二)我国人工智能芯片产业发展潜力巨大

目前，我国人工智能在图像识别、语音识别等算法和应用领域取得进展，涌现出一批创新型企业。由于技术门槛较高，国内人工智能芯片的产业化应用仍处在发展初期，但近年来也发展迅速。在云端训练和推理芯片部分，以百度、阿里、华为、寒武纪、比特大陆和上海熠知等为代表的国内企业，已陆续发布多款代表性芯片，并实现产品应用。在设备端推理芯片部分，新兴创业芯片公司较为集中，产品性能和功耗可与海外同类产品相匹敌，但未来该市场的竞争将较为激烈。国内海量的数据和丰富的应用场景，成为国内人工智能芯片发展的重要驱动力。特别是国内企业果断把握时机，积极投入专用集成电路芯片研发。同时在面向前沿的类脑计算领域，也涌现出了西井科技、深思创芯、灵汐科技等开发人工智能神经网络平台芯片的代表性企业。

(三)把握新基建机遇推动我国人工智能芯片实现突破发展

一是加快突破人工智能芯片核心技术。加速构建满足人工智能应用需求的人工智能芯片产品体系，重点发展针对人工智能算法及应用场景定制的ASIC芯片，支持由终端向云端逐步突破的图像处理器(GPU)芯片，推广基于现场可编程逻辑门阵列(FPGA)芯片的应用解决方案。加强面向人工智能算法的指令集和面向卷积、矩阵乘法等深度学习基础任务的计算架构创新，推进新型高带宽内存技术和高速通信接口技术创新。加强前瞻理论技术研究布局，研究软件定义芯片等新型可重构芯片技术，研究类脑智能计算理论，重点突破具备自主感知、学习和推理能力的类脑芯片及系统。

二是依托新基建开展人工智能芯片规模应用。鼓励各地区结合自身产业及科研优势，培育面向智能手机、安防监控、自动驾驶、医疗影像、互联网智能服务等具备区域发展特色领域的人工智能应用及芯片创新产业。通过政策引导、资金支持、构建数据开放机制等方式，协力推动人工智能技术在制造业、医疗、农业、电子商务等领域的深入应用。

三是培育人工智能芯片产业生态。发展人工智能芯片软件配套设施，打造包含硬件驱动、函数库、编译器等在内的软件开发工具包，形成面向开发者友好易用的编译环境。加速提升集成电路设计、制造、封测水平，完善芯片设计自动化工具(EDA)，突破核心知识产权(IP)，推进先进工艺商用，提升三维硅通孔等先进封装和先进芯片测试技术水平。构建人工智能芯片、应用软件与整机系统的协同优化体系，推进基于人工智能芯片的新型智能终端及智能应用解决方案的创新发展。（作者葛婕、夏梦阳供职于赛迪智库集成电路所）

在AI技术突破此起彼伏的今天，如何解决AI技术的产业落地问题，真正让AI为企业实现“降本、增效、创新”的目标，最终实现AI和产业  互联网的融合？腾讯云副总裁王龙结合自身经历和产业实际，对这一问题发表了自己的观点。

近年来，AI技术已经深深渗透进越来越多的行业。从金融、医疗、交通运输到娱乐领域，AI已经无处不在。

但随之而来就是AI技术“落地难”的问题，如何让AI新技术从人们口中的“热词”真正成为身边的“热应用”，真正为企业实现“降本、增效、创新”的目标，最终实现AI与产业互联网的融合？

在2019年3月27日举办的新智元 “智能云·芯世界“AI技术峰会上，腾讯云副总裁王龙先生发表了题为《人工智能：产业互联网的”芯“动力》的演讲，对这一话题分享了自己的想法。

以下为新智元整理的演讲内容：

腾讯云副总裁 王龙

各位来宾，各位朋友，早上好！感谢新智元的邀请，让我有机会和大家分享一下我对AI与产业互联网的一些想法。

过去的二十年，我在中国、德国、美国的IT行业中历炼，经历过很多新技术从孵化、热炒再到成熟的整个周期。从最早的ERP到MES，再到后来的云计算、移动支付和AI。可以看到一个共同的现象，就是很多时候一项新技术作为当时热词很流行，真正进入实体经济之后却往往会遇到很多困难。同样的，AI显然也遇到了相同的情况。

过去的两年中，腾讯云与IT界各企业服务公司开展了很多合作，也有很多成功的案例。我们也在不断思考，AI到底如何才能走向成熟？如何才能让这些热词、这些技术为实体产业带来真正的动力？

我们先来看看已经被证实的，AI确实能够有效服务产业互联网的场景。

AI已经解锁的一些产业互联“芯”场景

降低成本：智能客服、智能核保

基于语音识别、自然语言处理等AI技术的智能客服解决方案，已经可以为金融客户节省90%以上的客服人员和质检人员，实现7*24小时的在线客服问答，并提供更加高效和客观的客服质量管理。

与之类似，AI文字识别和自研语音处理技术在保险理赔和核保领域，也可以实现提高审核效率、节约人工成本的效用。通过自动化技术能够在几小时、甚至几分钟之内给出保单的核保结论。

提升效率：实人实名、地铁安检

现在很多人会使用手机做一些和金融相关的操作，去政府部门办事的时候，不管是提取公积金，还是处理医疗保险，都可以使用AI实人实名服务来登录和验证身份，平均业务办理时间减少70%。而过去使用传统认证方式，涉及到身份认证可能80%需要去现场办理。

北京的上班族对地铁安检一定不陌生。尤其在早晚高峰时段，进站安检的时候排队往往很长。但是在人流密度极大、安检人员配备接近饱和的情况下，一台安检机能否起到维护安全的作用？安检机制的有效性如何保证？会不会成为一个摆设？

利用AI算法可以有效解决这些疑问。再敬业的安检员也免不了偶尔有所倦怠，AI则完全不存在这个问题，在算法的辅助下，地铁安检会更高效，同时节省大量人力和成本。

快速创新：内容增强、人脸融合

AI无论是在P图、挂件还是人脸融合方面都有众多应用场景，给我们的生活带来了很多便利和乐趣。腾讯云也推出了人脸融合技术，开发了一些小程序能够将人脸与历史人物进行融合。

同样的技术也用在了电影摄制中，比如《速度与激情7》男主角保罗·沃克在拍摄过程中去世，通过AI技术，他的弟弟拍了剩余的动作，然后再“换脸”，最终让电影如期上映，《猩球崛起》也使用了这样的技术。

总体而言，任何新技术应用到企业和行业的时候，其爆发点可能永远只有三条：为企业降低成本、为企业增加效益、为企业寻找创新的机会。

当然，我们也看到，以目前的AI技术水平，很多时候还只能在产业的某一个环节、某一个步骤实现“降本、增效、创新”，只有在极少数情况下，AI技术才可能完全替代人类。

然而，在经过数百个场景和项目的验证中，我们也逐渐看到了AI技术落地的一些挑战和边界。

三类场景、五大要素：AI与产业互联网融合的“芯”挑战

AI落地的最大挑战到底是什么？要想解答这个问题，利用AI技术真正实现“降本、增效、创新”的目标，必须从技术上来回答一个问题，AI能够做到什么事情？目前来看，AI在产业中应用的主要场景可以分为三大类：

首先是智能感知。原来有些事情必须通过人和很复杂的设备感知物理世界，把物理世界映射到数字世界中，现在这个过程可以通过AI实现。例如基于视频/图像识别的人流检测、基于视频/图像识别的行为检测等。

其次是智能交互。以前，在完成感知环节后，需要将大量数据传输到云端服务器上才能进行交互，现在通过AI技术，很多时候在边缘节点上就能够实现人机交互。例如智能音箱和其他能够实现语音控制的硬件设备等。

最后是智能决策。以前我们的很多决策都基于逻辑判断和专家系统。现在通过AI技术和深度学习，可以在某些领域基于大量数据和算法获得更优的决策质量。例如信用卡支付交易欺诈识别、工业设备预测性维保等。

这三类场景的应用，AI如果真正落地，也面临巨大的挑战。几年前，我们一直说AI要有强大的算力、优秀的算法、足够好的数据框架，最后要有落地的场景。现在，随着AI技术逐步从线上走到线下，人们逐步发现正是这些要素的缺乏，形成了对产业很大的挑战。

换句话说，如果算力成本不够低，算法和框架的性能不够高，AI落地的时候就会因为成本过高而失去商业价值，这种情况下，即使实现了商业化，也没法实现规模化。

AI技术真正落地障碍重重

AI落地难：线上线下，两个世界

对于AI在线下场景的应用，企业第一位考虑的往往是投资回报。对于算法和模型而言，如果是线上应用，数据质量往往较好，数据分布收敛度较高，算法和模型性能只要稍微提升一点，就会产生很好的效果。

线下的情况则大不一样，以最常见的摄像头为例，光照条件、拍摄角度、抖动、传输延时等因素都是优化算法必须考虑的因素。对于音箱，距离不同，算法和模型上的挑战都可能截然不同。另外，对于智能设备而言，模型、算法和软件的版本更新，也会随时导致意想不到的后果。

AI落地难：场景、资源、模型、设备、数据，牵一发而动全身

应用场景、资源与基础设施、算法和模型、智能设备、数据构成了AI技术落地的五要素。如何将这五大要素在落地场景中实现协调，是AI技术在产业界落地中另一个关键点。在实现智能感知、智能决策、智能交互的时候，往往任何一个要素的变化都会导致其他要素的变化。比如算法模型发生变化，设备资源调度都要跟着改变。结果就是，真正落地实施的时候就会需要算法专家、设备专家、资源专家，以及应用开发的合作伙伴都在场。最终结果就是AI落地的成本太高，没有办法真正在产业应用中大规模铺开。

如何解决？标准化、模块化、自服务化

怎么办？首先我们需要让这五个要素并行发展，让我们不再需要在任何时候都要顾及所有要素。也就是说，算法专家不用关心应用是什么情况，设备供应商也不用关心算法问题，把这五个要素进行解耦，让一个要素相对其它几个要素变得更加透明。例如，对于一个已经落地的应用，换了摄像头，负责优化算法其他几个人不需要在场，可以远程自适应进行算法的调整，这样才可能让整个AI落地的成本快速降到有商业价值的水平。

这个思路看上去有点像PC操作系统的诞生，为什么大家都愿意用操作系统？就是因为操作系统把鼠标、键盘等所有这些设备之间的复杂度，都通过一个标准化的协议屏蔽掉，它们之间能够互相解耦，各自专注自己擅长的方向。只有这样才能降低各个方面的成本，AI才能真正规模化，实现商业上的成功。

腾讯云AI产品“芯”引擎：“解耦”促进AI与产业互联网融合

腾讯云AI大数据产品矩阵共分为三层。

最下面的一层是基础服务产品层，过去几年已经发展得非常成熟了，目前腾讯云已经建立了专业大数据平台、数据仓库和数据湖，积累的数据通过机器学习和深度学习能力，形成各种AI引擎能力。

最上面的一层是行业解决方案，也就是AI技术成功落地的案例。今天上面介绍的四个典型场景就属于这一层的内容，包括基于AI语音识别、人脸识别、内容增强等方面的行业应用，这一层主要面对具体业务管理者。

基于实际需要，为了更好的落地，我们在这两层中间进一步提供应用服务产品层，目的就是希望能够把AI落地的成本降低，并让各个部件之间形成解耦，让每个人都有机会参与到这个生态环境中。这一层主要面对的是开发者。开发者可以完全不理会计算模型，也不需要理会什么设备能够解决AI落地的问题。

腾讯云AI目前对外也提供三大技术平台：腾讯人工智能服务平台、腾讯智能对话平台和腾讯数据资产管理平台。

智能对话平台可以让语音语义技术通过音箱、麦克风和传感器连接线下场景，像智能门锁和生产设备控制，智能家居的语音助手都适用这样的场景。

人工智能服务平台可以把数据科学家、智能设备提供商、应用开发者更好的解耦，让这些人更专注在自己擅长的领域，从而使得生态中的所有角色都能健康、高效的发展。

我们希望能够为业界提供最好的技术和平台，让更多的合作伙伴能够以更简单、更方便、更低成本的方式来使用腾讯的技术和服务。我们也欢迎更多的合作伙伴加入我们，参与到AI技术落地的浪潮中来，一起更好地服务产业互联网，为中国的产业数字化转型做出贡献。（作者：新智元）

据外媒报道，日立汽车系统公司（Hitachi Automotive Systems Ltd）表示，其已经将人工智能（AI）技术应用于立体摄像头中，此类摄像头专为汽车自动刹车功能而设计。该摄像头利用数十万条数据作为“教师数据”，实现夜间行人检测功能。目前，各个竞争对手公司都在研发支持AI的传感器，日立汽车系统将向铃木汽车公司（Suzuki Motor Corp）供应此种新型传感器，以期在AI传感器的商业化上处于领先地位。

据该公司所说，其该新型传感器的性能大大优于其全球竞争对手的产品，能够在夜间检测行人，然后汽车可以自动刹车，比配备了以色列Mobileye公司主要图像处理芯片EyeQ3的车辆的刹车性能更好。

此前，日立汽车系统的摄像头都是“基于规则”来识别物体，即开发人员需要手动设置条件，其他公司的产品也是如此。但是，“基于规则”的方法会让条件变得复杂，而且很难支持夜间物体检测功能。此次，日立利用机器学习技术，可有效地在大量数据中找到条件。

一般情况下，立体摄像头是利用左右两个摄像头分别拍摄两幅图像，然后通过两幅图像之间的视差来探测物体形状以及位于车辆前方的物体，然后利用模式识别等方法判断被探测到的物体是否是行人。而日立汽车系统的立体摄像头将采用机器学习法进行图像识别。

几十万条“教师数据”都存储在新摄像头的图像处理微型计算机中，然后该摄像头拍摄的图片会与“教师数据”进行比较，以判断物体是否是行人。之前，日立汽车系统的立体摄像头使用的是正常的模式识别法，即使用多幅图像进行判断。

即使行人只有下半身被汽车前大灯照到或者是可以看到行人的整个身体，而各个身体部位的亮度不同时，与传统的模式识别法相比，该摄像头采用了机器学习，会更容易检测到行人。

当将机器学习技术应用于图像识别处理时，需要处理的数据量就会有所增加。为了解决该问题，日立汽车系统对立体摄像头的微型计算机进行了改造，提升了其性能。之前的立体摄像头使用三个微型计算机分别进行图像处理、图像识别和车辆控制。而日立汽车系统的新型立体摄像只集成了两台微型计算机，用于图像处理和图像识别。然后，再将用于图像识别的微型计算机从单核升级为双核。随着核数的增加，该微型计算机不仅可以采用机器学习技术，还能提高图像识别的处理速度。

此外，日立汽车系统还增加了CMOS传感器的动态探测范围，降低了镜头的F值（F值越小，光圈越大），将摄像头的灵敏度提高了一倍。由于其动态探测范围增大，该摄像头既能捕捉明亮，也能捕捉黑暗的物体。而由于F值变小，该摄像头就更容易在黑暗中发现行人。

转自：盖世汽车

随着人工智能技术的迅速普及，由其引发的侵害和侵权事件时有发生，既有因交通、生产事故引发的人身财产伤害，也有因智能系统故障引发的财产利益贬损。人工智能侵权案件与传统侵权案件引发的损害和风险的形式不同，根据传统侵权 法规定，制造商和销售商是主 要责 任主体，但人工智能情景下，还应当明确开发者的安全注意义务，建立新的人工智能侵权责任机制，保障行业健康发展。
四种人工智能侵权归责的观点
人工智能工具论——由使用者承担责任。 这种观点认为目前人工智能尚不具备自主意识，只是一种工具，其行为是在人类授意下做出的，因此人工智能侵权应由使用该工具的人来承担责任。使用者是人工智能程序和设备的控制者也是受益者，侵权风险是使用者的使用行为引起的，让受益者承担由其控制的工具引发的侵权责任是公平合理的。
人工智能产品论——由生产者承担责任。 根据《产品质量法》，产品质量应当检验合格，符合保障人体健康和人身、财产安全的标准或要求，生产者、销售者依法承担产品质 量责任。人工智能通常是一种产品，除了个别由于使用者或者第三人故意引起的侵权以外，大多数人工智能侵权是由于产品存在缺陷造成的。消费者对于人工智能产品缺陷，既难以理解也难以发现且难以举证，所以应当由生产者承担产品责任，销售者承担不真正连带责任。
人工智能动物论——由管理者承担责任。 由于人工智能尚不具备自主意识，其行为又与一般工具不同，不完全受人类控制，这与饲养的动物颇为相似，动物可能在人类授意下实施侵权，也可能在无人类授意下发生侵权。尽管古代立法中有让动物承担法律责任的规定，但现代立法不再将动物视作法律主体，因此动物的侵权行为应由饲养人或者管理人承担侵权责任。借鉴动物侵权法律规定，人工智能侵权也应由对其负有管理义务的人承担。
人工智能主体论——由人工智能承担责任。 人工智能最大的特点在于其拥有智能，不但可以做出行为，而且能够自主做出分析判断，同时拥有比人类更加强大的数据收集、记忆和计算能力。法律可以将自然人以外的实体规定为法律主体，例如法人，对于人工智能也可以参照这种做法。而且，已经有一些国家赋予或正在考虑赋予人工智能法律主体资格，如沙特阿拉伯的索菲亚机器人已获公民资格。如果人工智能成为法律主体，则应当承担其侵权行为引起的法律责任。
人工智能侵权的特殊性
人工智能侵权构成要素复杂。 现阶段人工智能的技术框架主要以机器学习和深度学习为中心。从软件层面，人工智能系统作出的判断、决策等行为，实际上是对人工智能模型输入一定数据而得到的函数输出结果，其基本模型可以用“输出 = 人工智能模型 （基础算法 + 训练材料）+ 输入”表示。侵权的输出结果实际受到基础算法、训练材料和输入行为三个要素的影响，这三个要素可能独立导致侵权结果，也可能相互作用累积引起侵权，这使得具体侵权案件的归责难度加大。特别是，现有的司法人员普遍没有接受过人工智能技术相关培训，而技术人员又少有精通法律的，对人工智能侵权的事实认定和法律认定都非常困难。
使用人或管理人 通常没有主观过错。 侵权案件中，通常是侵权人的违法行为造成了损害事实，违法行为与损害事实之间具有因果关系，且行为人对违法行为具有主观过错。但人工智能侵权，使用人或管理人通常不具有侵权的故意或者过失，侵权行为和损害事实是人工智能程序自主判断、决策的结果。以完全自动驾驶汽车为例，使用人给车辆下达行驶的命令，途中使用人并不参与车辆的转弯、减速、超车、避让等各类行 驶决策。在车辆自动行驶的过程中，如果发生侵权事故，尽管使用人最初下达的行驶命令与侵权事实也有一定的关系，但二者之间的因果关系太弱，使用人使用车辆的意志并不包含任何侵权意图，此时归责于使用人，则会给使用人施加过重的事故防范义务，既不符合公平原则，也不利于人工智能的推广应用。
人工智能具有一定的自主性。 由于难以归责于使用人，人工智能侵权主要应当是由产品本身问题引起的，因此应当在产品责任视角下讨论。一般产品侵权是由于存在缺陷而造成他人损害，所谓缺陷是指产品存在危及人身、他人财产安全的不合理的危险，通常在生产阶段按照相应的产品标准或质量要求应当能够发现这种缺陷。但人工智能产品与一般产品不同，虽然尚不具有类似人类的意志，但具有一定自主性，具有学习能力，引起侵权事故的原因既可能是设计生产阶段已经存在的缺陷，也可能是人工智能自主学习后产生的“危险”。而因人工智能学习引起的危险是否属于“缺陷”，在目前法律规定中尚不明确。
人工智能侵权责任主体与归责机制
生产和设计者是人工智能侵权责任主体。 目前人工智能还处于高级函数的阶段，不具备侵权的主观意志，也不具有承担侵权责任的能力。人工智能侵权还是表象，本质上仍然是有安全注意义务的人由于故意或过失而未履行相应义务，而导致人工智能侵权危险的发生。对人工智能侵权负有安全注意义务的，应当是有能力知晓人工智能工作机理并控制人工智能行为的人。一般情况下，应该是人工智能的生产者和设计者。由于人工智能构成的复杂性，产品的瑕疵或缺陷是发生在算法设计、调试阶段，还是发生在机器学习训练、测试生产阶段，又会决定该归责于设计者或生产者。在人工智能时代，设计者和生产者常常是分离的，所以这是两类不同的侵权主体。
严格适用产品责任免责事由。 人工智能侵权主要适用产品责任，侵权法和产品质量法规定了生产者的三类免责事由：（一）未将产品投入流通的；（二）产品投入流通时，引起损害的缺陷尚不存在的；（三）将产品投入流通时的科学技术水平尚不能发现缺陷的存在的。由于大量人工智能产品属于技术前沿成果，人工智能算法或程序中确实存在一些生产者（设计者）无法预见的瑕疵或缺陷，这三类免责事由仍有适用空间。一方面应宽容创新，对于开发者能够证明已尽力避免，而以当时认知和技术水平确实无法发现的缺陷风险，应当免除开发者的责任；另一方面应严格适用免责事由，严格规范开发者涉及人身、财产安全的人工智能程序开发行为，强化开发者安全注意义务，预防人工智能侵权风险发生和累积。
建立人工智能责任机制。 一是逐步建设人工智能产品标准，使开发者明确其产品需要满足的保障人体健康和人身、财产安全的国家标准或行业标准，避免出现缺陷产品。引导行业建设人工智能开发者安全注意义务准则，加强行业自律规范。二是建立人工智能缺陷产品召回机制，建立算法变化节点时间表机制。对发现缺陷后的产品应及时召回或停止提供服务，并评估人工智能算法的变化节点，排查变化原因，明确引起变化并导致侵权的责任主体。三是探索类似交强险的人工智能责任险。由于人工智能可能存在无法归责于使用者，也不宜归责于生产设计者的侵权风险，可以设立人工智能责任险，及时为被侵权人提供救济，分担开发者风险，保障行业健康发展。

近日，长江汽车发布消息称，与联想集团签署了战略合作协议，双方将围绕5G应用开发、智能驾驶、车联网、工业4.0建设、全球业务合作以及海外市场开拓等领域展开全方位、多维度战略合作，全力打造AI+IoV（智能车联网平台）产品与服务。
长江汽车为前身是成立于1954年的杭州公交客车厂，2013年，五龙电动车（集团）有限公司注资重组杭州长江客车有限公司，并将其更名为杭州长江汽车有限公司。长江汽车于2017年12月拿到新建纯电动乘用车生产资质，随后在2018年北京车展上车发布了三款概念车，但还未具体公布上市时间。根据此前规划，长江汽车计划每一到两年推出一款新的乘用车新车型。
联想集团方面，内部孵化的子公司联想懂的通信近年来逐步加大在车联网领域布局，此前已经发布了自主研发的面向新能源汽车的MNO智能车联平台，实现对汽车连接的全生命周期管理。未来公司还将聚焦三大领域——智能交互、智能工业互联和智能车联，智能工业互联为智能交互设备及智能车的生产提供5G智能制造解决方案；智能交互通过边缘计算+云计算+超算+5G+增值服务+随意屏，为智能工业互联、智能车联提供行业定制的有屏设备解决方案；智能车联也为智能工厂提供供应链管理，如车队管理、智能物流服务等。
长江汽车方面称，智能化和网联化已经成为新能源汽车最重要的发展方向。双方的战略合作将面向未来进行更深层次的探索。依托联想集团的技术优势和全球业务能力，长江汽车将进一步加速智慧新能源汽车乃至智能交通领域的发展，并对全球化背景下的商业模式和业务推广进行探索。
来源：汽车之家

3月18日，智能网联汽车智能计算平台专家研讨会在北京赛迪大厦召开。本次会议由中国电子信息产业发展研究院、工业和信息化部装备工业发展中心联合举办，旨在进一步了解产业实际需求和产品研发现状、梳理制定下一步工作计划、扩大联合研究队伍。 工业和信息化部装备工业发展中心主任瞿国春、中国电子信息产业发展研究院副总工程师刘法旺、工业和信息化部装备工业发展中心数据管理处副处长邱彬、清华大学教授李克强、国汽（北京）智能网联汽车研究院有限公司总经理严刚、清华大学教授尚进、电子科技大学教授罗蕾、北京理工大学教授计卫星、中国第一汽车集团公司研发总院副院长兼智能网联开发院院长李丰军、上海汽车集团公司技术中心软件工程经理仇林至、吉利汽车研究院智能驾驶技术高级专家陈文琳、蔚来软件开发(中国)副总裁庄莉、华为技术有限公司MDC解决方案部部长毕舒展、中兴通讯汽车电子副总裁田锋、北京地平线机器人技术研发有限公司市场拓展与战略规划副总裁李星宇等领导、专家出席了会议。会议由刘法旺副总工主持。
随着智能化、网联化、电动化和共享化的发展，汽车功能和属性的改变导致其电子电气架构随之改变，进而需要更强的计算、数据存储和通信能力作为基础，车载智能计算平台是满足上述要求的重要解决方案。作为汽车的“大脑”，车载智能计算平台是新型汽车电子电气架构的核心，也是智能网联汽车产业竞争的战略制高点。
围绕着智能网联汽车技术的发展，一汽、上汽、吉利、蔚来等整车企业的专家分别介绍了计算平台应用需求及工作进展，华为、中兴、地平线等计算平台研发企业的专家分别介绍了计算平台研发进展与工作计划。
刘法旺副总工介绍了中国电子信息产业发展研究院在车载计算平台领域的研究进展与工作计划。基于对国内外企业的研发现状分析，他指出应加强国家层面指导、明确发展重点、攻关核心技术、软硬协同开发，以市场化机制建立研发和应用生态。此外，刘法旺副总工还公布了中国电子信息产业发展研究院、工业和信息化部装备工业发展中心、清华大学、国汽智联、北京理工大学等在计算平台参考架构方面的初步研究成果和后续研究计划，并诚挚邀请各单位和企业加入联合研究。
在听取了各单位工作介绍之后，来自高校和研究机构的资深专家也发表了意见。专家高度评价了国内企业的工作进展，并对下一步工作提出建议。会议最后由装备工业发展中心瞿国春主任作总结发言。
2019年1月，中国电子信息产业发展研究院与工业和信息化部装备工业发展中心联合成立智能网联汽车智能计算平台工作组，致力于推动平台总体架构和技术路线研究，加强整车企业与研发单位之间的需求对接，加快推进平台研发、应用示范、标准研制及产业链和应用生态建设。该工作组将联合研发资源，不断深入智能网联汽车智能计算平台研究，并于近期发布《车载智能计算基础平台参考架构1.0（2019年）》。