【智能驾驶】软件和整车电子架构正重新定义汽车行业、汽车平台技术演变史、李德毅院士：谈未来汽车发展

2019 年 2 月 3 日 产业智能官

随着智能互联、自动驾驶、电动汽车及共享出行的发展，软件、计算能力和先进传感器正逐渐取代发动机的统治地位。与此同时，这些电子系统的复杂性也在提高。以当今汽车包含的软件代码行数（SLOC）为例，2010年，主流车型的SLOC约为1000万行；到2016年达到1.5亿行左右。复杂性正如滚雪球般越来越高，不可避免地导致了与软件相关的若干严重质量问题：这在近期若干起大规模车辆召回事件中屡有耳闻。

解决迫在眉睫的行业隐忧

当前，软件在D级车（或大型乘用车）的整车价值中占10%左右，预计将以每年11%的速度增长，到2030年将占整车内容的30%。数字化汽车价值链上的所有企业均在尝试从软件和电子技术带来的创新中获利（见图1）。软件公司和其他数字技术企业正从目前的二、三级供应商逐步成为整车企业的一级供应商。他们超越了功能和应用程序（APP）的范围，进一步涉足操作系统，加深在汽车“技术栈”中的参与度。同时，传统的汽车电子系统一级供应商正在大胆进入IT巨头所在的功能与应用程序领域。豪华品牌车企则正进入操作系统、硬件简化、信号处理等更底层的技术领域，以期从根本上确保其技术优势和独特性。

这些战略举措的结果之一是车辆架构将变为以通用运算平台为基础的，面向服务的架构（SOA）。开发者将得以添加新的智能互联解决方案、APP、人工智能元素、高级分析工具和操作系统等。差异化（或独特性）将不再仅仅停留于传统的车辆硬件方面，而更多地通过由软件和先进电子技术赋能的用户交互界面和体验层面来体现。

未来的汽车将成为搭载全新差异化元素的平台（见图2）。这些差异化元素可能包括最新的车载娱乐系统、自动驾驶和智能安全等以“高容错性”为根本的功能。软件将通过智能传感器与硬件整合，进一步深入数字堆栈。堆栈之间将完成水平整合，并添加新层，从而将整体结构转化为SOA。

最终，全新的软件和电子架构将催生多个改变游戏规则的趋势，提升复杂性和相互依赖程度。例如，新的智能传感器和应用将驱动车辆数据“爆发式增长”；相关产业链上下游企业若想维持竞争力，就必须高效处理和分析这些数据。模块化的SOA和OTA更新对大型复杂软件的维护至关重要，并催生可满足车主最新需求的商业模式。由于第三方APP开发者将越来越多，车载娱乐系统将越来越应用程序化，甚至高级驾驶辅助系统（ADAS）也会在一定程度上APP化。对数据安全的关注将逐渐从纯粹的权限控制策略转变为综合性安全概念，以达到预测、避免、检测和防御网络攻击的目的。

汽车电子电气架构未来走向的十大假设

通向未来技术和商业模式之路远未明晰。我们就此提出了十大假设。

趋势1：电控单元（ECU）的整合程度将提升

汽车行业将转为整合的ECU架构，这在高级辅助驾驶系统（ADAS）和高度自动驾驶（HAD）功能上尤为必要，而其他车辆功能则仍可能保持较高程度的去中心化。

随着自动驾驶的发展，软件功能虚拟化和硬件简化的重要意义将进一步提升，而这可能以几种形式成为现实。一是将硬件整合到针对不同时延性和可靠性要求的堆栈中；二是一个冗余的“超级计算机”将取代ECU的地位；三是彻底放弃控制单元的概念，转而采用智能节点计算网络。

趋势2：特定硬件使用堆栈数量将受到限制。

下列四个堆栈会成为今后五到十年内新一代汽车的基础：

时间驱动栈。控制器直接与传感器或执行器相连，而系统则需要支持严格的实时要求和低延迟时间；资源调度将基于时间。该堆栈包括达到最高汽车安全完整性等级的系统，例如经典的汽车开放系统架构（AUTOSAR）。

事件-时间驱动堆栈。这一混合堆栈能将诸多高性能安全应用结合在一起，例如ADAS及HAD。操作系统将应用程序和外设分隔；应用程序则根据时间进行调用。在应用程序内部，资源调度可以根据时间或优先等级决定。运行环境将确保关键的安全应用与车内其他应用程序分隔并独立运行。目前这一概念的示例是自适应AUTOSAR。

事件驱动堆栈。该堆栈以对安全等级要求较低的资讯娱乐系统为中心。这些应用程序与外设清晰地分隔开来，资源调度将遵循最优化原则或基于事件。该堆栈包含允许用户与车辆交互的常用可视功能，如安卓、汽车等级Linux、GENIVI和QNX。

云堆栈。该堆栈协调车辆外界对车辆数据及功能的访问，并负责通信、安全、以及应用程序认证。该堆栈还须建立一个预定义的车辆界面，包括远程诊断。

趋势3：扩展的中间层将使应用程序从硬件中抽象化

随着车辆逐渐演变成移动运算平台，中间件(middleware)将实现车辆重新配置，以及相关软件的安装和升级。当前ECU内部的中间件只是负责跨ECU间的通信。新一代车辆则与此不同，中间件将是域控制器与功能访问之间的连接。中间层在ECU硬件之上运作，并推动抽象化和虚拟化、SOA以及分布式运算。

趋势4：车载传感器数量将飞速增加

在今后两到三代汽车产品上，整车企业将安装多个具备相似功能的传感器，来确保车辆具有充足的安全冗余。长期看来，行业将开发更完善的传感器解决方案来减少传感器数量和成本。

长远来看，对于车辆传感器数量，可能会出现不同的发展情景——增加、稳定不变或是下降。哪个情景最终会发生将取决于监管政策、技术成熟度以及在不同用途下使用多个传感器的能力。举例来说，监管部门可能要求更加密切地监控司机身体状况，从而增加传感器的应用。然而，一味增加，或者数量维持不变，都不利于成本控制。所以减少传感器数量的动力将会较为充足。未来的高级算法与机器学习可增强传感器性能和可靠程度，再辅之更加强大的传感器技术，传感器冗余将有望减少。

趋势5：传感器将更加智能

集成化的智能传感器将被用来管理HAD所需的大量数据。传感器融合和3D定位等高级功能将在中心化运算平台上进行，预处理、筛选和快速反应则很可能直接在传感器内完成。据估算，一辆自动驾驶汽车每小时产生的数据量将达4TB，因此，传感器将需要完成部分传统由ECU完成的工作。为确保正确运转，新一代传感器清洁系统，例如除冰除尘等，将尤为必要。

趋势6：全电力和数据网络冗余将变得至关重要

对可靠性要求较高的安全类关键应用，将利用整个冗余圈来完成所有对安全行驶至关重要的工作，如数据传输和电力供应等。电动汽车、中央计算机和高耗能分散式计算网络都会需要具备冗余性的新型能源管理网络。线控转向和其他HAD功能所需的高容错性同样需要冗余系统设计。这一切尚难以在目前的故障保护监控应用架构上完成，仍有待进一步突破。

趋势7：“汽车以太网”势不可当将成为整车支柱

数据量的提升、HAD的冗余要求、互联环境下的安全保障，以及跨行业标准协议的需求很有可能催生汽车以太网，并使其成为冗余中央数据总线的关键助推因素。以太网解决方案可以实现跨域通信，并通过添加以太网扩展，例如音-视频桥接（AVB）和时间敏感网络（TSN）等，来满足实时性要求。

本地互联网络、控制器区域网络等传统网络将继续在车辆上运用，但仅用于封闭式的低级网络，如传感器和执行器等。FlexRay和MOST等技术有可能被汽车以太网及其扩展（如AVB、TSN等）取代。

趋势8：整车企业会严控与功能安全及HAD相关的数据互连，但将为第三方访问数据开放接口

发送与接收安全关键数据的中央互联网关将始终直接且仅连接到整车企业的后台，第三方会被允许进行数据访问（被监管法规排除的场景除外）。然而，在车辆APP化的推动下，资讯娱乐系统的新兴开放接口将允许内容和应用程序供应商加载内容，而整车企业将尽可能严格地保持各自的标准。

目前的车载诊断端口将被互联通讯方案取代。通过接入整车物理端口来读取车辆数据不再必要，登陆车企后台即可。车企将在其后台开放若干数据接口，以满足若干特定场景的需求，如失窃车辆轨迹追踪或个性化保险等。

趋势9：汽车将在云端结合车内及车外信息

虽然非车企以外的企业参与程度仍取决于监管法规，非敏感数据（即非隐私或安全相关数据）仍然有望更多地在云端进行处理。随着数据量的增长，大数据分析将被越来越多地应用于数据处理，并将基于数据处理结果制定相应的行动方案。基于数据的自动驾驶的应用及其他各项数字化创新将依赖于不同企业之间的数据共享。当然现在仍然不清楚不同企业间的数据共享将如何实现、由谁实现，但主要的传统供应商和技术企业已经开始建立有能力处理此种海量数据的集成化平台。

趋势10：汽车将应用双向通信的可更新部件

通过车载测试系统，汽车可以实现自动检查功能和集成更新，从而推动生命周期管理，以及增强或解锁产品的售后功能。所有ECU都会与传感器和执行器交换数据，并检索数据包来支持创新性用例，如基于车辆参数的路线计算。

OTA更新是HAD的前提条件，它还将有助于开发新功能、确保网络安全，并使车企得以更快部署功能与软件。事实上，正是OTA推动了本文提及的多项整车架构上的重大变革。

为实现类似智能手机那样的升级性，汽车行业须克服限制性的经销合同、监管要求和安全与隐私问题等诸多挑战。整车企业将与该领域的技术供应商密切合作，在OTA平台上实现车队标准化。

车辆将在全寿命周期内获取功能性及安全性升级。监管部门可能强制要求软件维护，来确保车辆设计的安全完整性。更新和维护软件的责任将在车辆维护与运行领域催生新业务模式。

汽车平台技术演变史及大众汽车集团的平台架构

经过百年的发展，汽车工业除关键技术的不断突破，整个汽车产业的生产方式也在持续演进，从最开始的人工组装演变到现在的模块化平台生产，极大的提升生产效率。

手工制作：1900 年以前的汽车工业是手工作坊，依靠个别工人进行组装设计，每辆车的型号不同，成本和质量难以标准化，生产制造成本极高。

流水线生产：1900年-1980年，整车生产进入流水线生产的时期，通过将生产过程拆分成多个简单的装配过程，人工在既定位置进行装配，生产周期缩短，效率提升显著，成本下降明显。但一条生产线也只能生产一种车型，每次新的产品都需要全新的生产流水线，生产成本依旧不低，随着市场竞争加剧，汽车的生命周期缩短，车型多样化以及加速的换代，流水线的生产方式仍旧有较高的成本压力。

平台化：1980 年之后，汽车生产进入平台化的生产期，相比单一流水线的生产方式，车型平台上可以通过调整参数生产多种车型，降低开发周期和成本，不同品牌之间可技术共享。

模块化：21世纪后，车型的多样化要求进一步提高，新车更替周期进一步缩短，成本竞争更加激烈。模块化平台成现在的主流生产方式，主要解决平台化生产的汽车的高度相似性及无法迅速更新车型的问题。能够可实现同平台跨车型、跨级别甚至跨种类的研发制造。增加公用部件的比例，共有研发工艺以及装备，进而减少研发成本，缩短新车型推出周期。

大众的 MQB 平台是现阶段公司的主流平台，涵盖A00级、 A0 级、A 级、B 级、紧凑型 SUV 等多个车型。针对未来电动车的战略，公司推出了MEB、 PPE 和 SPE 三个纯电动平台。

附录：大众汽车集团的主要技术平台

大众汽车未来发展战略-电动+智能

大众集团2025战略规划，聚焦“智能+电动”。新能源和智能化是公司未来的重点发展方向，到2025年，大众计划为全球提供80多款新电动车型，包括约50款纯电动汽车和30款插电式混合动力车。大众计划到2025 年新能源车将占总销量的1/4。奥迪计划到2025年实现新能源汽车的销量占奥迪总销量的1/3。

大众集团未来的核心战略思维可归纳于可持续交通，主要包括高效内燃机和替代传动系统、电池技术、充电基础设施、移动出行服务、自动驾驶系统等五个方面。为此，大众计划至2022 年底累计投资340亿欧元以上。在中国，大众计划与合作企业在2022年前一同投资150亿欧元于电动汽车、自动驾驶、数字化和全新移动出行服务等领域，到2025年实现约40款新能源车型的本土生产。

大众可持续交通的五大领域：

1、高效内燃机和替代动力系统

引擎和传动系统是汽车动力的来源，其技术的发展对于可持续交通战略至关重要。在电动技术发展成熟之前，未来几年的动力还将以传统发动机为基础。在排放门丑闻之后，大众在环保方面更加重视，现在所有新柴油车都装有SCR 系统，2018 年起所有的汽油发动机都会有微粒过滤器。此外，大众还将推出更多的合成燃料和天然气燃料车作为计划的一部分。

高效内燃机和替代动力系统的目标：

2、电动汽车

2.1 新能源车整体规划

大众集团 2017 年提出 Roadmap E，全面实施电动化战略。根据大众的规划，到2025 年，大众将为全球客户提供 80 多款新电动车型，包括约 50 款纯电池驱动的汽车和 30 款插电式混合动力车，电动车销量占总销量的 1/4。到 2030年，目标将电动车型从量产车型拓展到高端车型，旗下 300 个车型均有电动版本，投资 200 亿欧元以上，实现电动汽车产业化。大众新开发的 MEB 和 PPE 纯电动车平台生产的电动汽车续航将在 600 公里以上。

大众新能源车型规划：

为实现新能源车型的量产，大众布局全球工厂，在欧洲和中国整车的工厂均有新能源汽车型生产计划。目前，大众已计划的大部分新能源车型在德国本土工厂都有生产计划。在中国，上汽大众将生产混动版途观、辉昂，纯电动的朗逸和I.D.CROZZ、I.D.Lounge 等，一汽大众将生产 e-Golf、迈腾、Bora，以及奥迪 Q2、Q4、Q5 等纯电或混动车型。

2.2 电池技术

短期内，大众集团以第三方采购的方式满足新能源车动力电池的需求。公司采购电芯，自己负责Pack 生产。大众在全球已签署供应商包括宁德时代(在中国签的第一家，2019 年起为大众中国生产的车型提供电池)、三星 SDI、LG 和 SK(大众 2018 年 11 月新签 MEB 平台电池供应商，将为北美和部分欧洲生产的车型提供电池)。中长期，大众也在推进自建工厂生产电池。在中国，大众计划到 2025 年与合资企业在电动汽车领域投入 100 亿欧元(不包括电池采购)，用于电动汽车产品的研发与生产设备、生产线、电池模组方面的更新和应用。

未来，公司将致力于提升电池续航里程、提高能量密度、降低制造成本。目前大众的 NCM622 电池能量密度为 280Wh/kg，650Wh/l，续航里程约 380km。到 2020 年，公司将开始用硅碳材料作为电池负极，高镍三元 NCM811 作为正极材料，电动汽车的续航距离将提升至 420km，能量密度提升至 300Wh/kg，700Wh/l，目标成本低于 100 欧元/kWh。2025 年，硅碳负极和富锂三元正极的应用将使电池续航距离达到500km，能量密度提升至 350Wh/kg，800Wh/l。大众与美国 QuantumScape 公司合作开发的续航距离达 700km，单位容量达到1000Wh/l的全固态电池，目标在 2025 年实现量产。

大众集团电池提升计划:

大众集团电池成本计划：

2.3 纯电动平台

根据大众规划，现阶段公司将基于 MQB 或 MLB 平台打造电动车型，现已基于 MQB 平台推出的混动版途观和 e-高尔夫等。2019 年，大众将推出第一批基于 MEB 平台的电动汽车， 2021 年推第二批基于 PPE 平台的车型，中长期推出基于 SPE 平台的产品。

MEB、PPE 和 SPE 三大平台架构都是全新原生架构，且只生产纯电汽车，没有混动车型。由于动力零件大幅减少，电动汽车相对于传统燃油车复杂程度减少很多。在确定核心关键系统位置后，根据不同性能要求分成经济型，豪华型，跑车高性能三大平台，这样既考虑了不同平台间关键技术的共用性，也考虑了不同性能的调教要求，降低整体开发成本。

大众 RoadmapE 电动平台计划：

(1)MEB 平台

大众的 MEB 模块化电驱动平台(Modularen Elektrisch Baukasten，英语为 Modular Electric Drive kit)是大众汽车发布的“ELECTRIC FOR ALL”计划的实施关键。

基于 MEB 平台开发的 I.D.概念车电池组容量为 83kWh，WLTP(全球统一轻型车辆测试规程)工况下续航 480km，如果是 NEDC(新标欧洲循环测试)工况的话，续航里程能够达到 600 公里。如果用户需要更长续航的话，还可以加载更多电池，WLTP 工况下的续航里程将超过 550 公里。

电池组可扩展。MEB 平台搭载的模块化电池组是可扩展的，用户可以根据需求来选择不同的续航里程。目前 MEB 平台的电池包有三种规格，分别包含 7 个、9 个和 12 个电池模组，电池包尺寸从 1.3 米到 1.7 米。MEB 平台电池包兼容软包电池和方型电池，在电芯供应商的选择方面更灵活。电池包也采用铝合金外壳和集成式冷却系统，这些轻量化设计进一步提升了整个系统的能量密度。

电池安全的设计保障。MEB 电池包的最下层为坚固的碰撞保护层，其上分布着配有防撞框架的铝合金电池外壳，内置电池冷却装置和高压与低压车载电子系统接线盒。在铝合金电池外壳中是由单个电芯组成的电池模组，在电池外壳的纵梁上，集成了负责监控电芯平衡(确保电芯在日常使用中均衡使用)以及电芯电压、电流和温度的 CMCe 电芯控制单元。另一个控制单元是电池电子装置(BMCe)，集成于电池系统后部区域。电芯模块连接器将每个电芯模块相连接，测量线缆可以与电池电子装置进行通信。电池外壳顶部采用盖板密封，在需要维护的时候可以方便取下。

更灵活架构提升车内空间。由于 MEB 平台前部无需预留内燃机位置，前后车轴可大幅向远端移动，从而实现更长的轴距和更短的前后悬挂。可扩展的平台也支持开发小型、紧凑型到中大型的车身，从车型种类来说，覆盖从轿车、SUV 到 MPV 等多种车型。车辆的驱动形式则包括后驱和四驱。从 ID.家族已经亮相的几款车型来看，既有紧凑型的 I.D.，也有 I.D.CROZZ 概念车所展示的 SUV 车型、I.D.BUZZ 概念车展现的 MPV 车型，以及未来感十足的 I.D.VIZZION 代表的中大型豪华轿车。

设计面向制造，有助于快速高效生产。以“Designs for Manufacturing(设计面向制造)” 为理念，MEB 有助于实现快速、高效的生产过程。MEB 平台动力部件包括集成在后轴的电动机、功率电子装置和变速箱，布置在车辆底部的平板式高压电池，以及集成在车辆前部的辅助驱动系统。如果是四驱车型，前轴也会安装一台电动机。功率电子装置负责连接并控制电动机与电池之间的高压能量流，它可将电池储存的直流电转换为驱动电机所需的交流电。另有一个DC/DC 转换器为车辆电子系统供电(12V)。电动机至后轴的驱动力传递由单速变速箱完成。位于车辆底部的电池组在节省车内空间同时能够显著降低车辆重心，容易实现 1: 1 的最佳前后配重。降低的重心和均匀的配重将有利于提升车辆的操控性能。

更多的电子辅助功能。MEB 平台省去传统发动机的空间可以搭载更多车载设备，比如辅助驾驶系统、信息娱乐系统和控制与显示系统等，比如增强现实的平视显示(AR HUD)，能够将导航系统信息投射到车辆前方的虚拟空间中，这项功能在 MEB 平台上可以实现。这些车载设备通过大众汽车研发的 E3 端对端电子系统架构和操作系统“VW.OS”来集成。ID.将成为首个全面应用“E3”与“VW.OS”的车型。

高效充电提升用车体验。MEB 平台生产的电动车充电功率可以达到 125kW，未来还可提高至 350kW，目前基于 MQB 平台的电动车 e-Golf、Golf GTE 等充电功率达不到 125kW。在现有锂电池的性能下，ID.和 ID.SUV 等 MEB 平台车型利用 125kW 快充系统可在 30 分钟内充满 80%的电量。此外，大众汽车将提供一系列模块化结构的壁挂式充电盒，可安装在自家车库或停车场，充电功率可以达到 11 kW。

(2)PPE 平台

高端电动汽车平台(premium platform electric)简称 PPE，计划在 2022 年起生产纯电动版的保时捷和奥迪。新平台将研发三款动力系统，奥迪负责其中的两个，保时捷负责一个，并且实现技术共享。基于这个平台的车型将有 60%是奥迪，另外 40%是保时捷，奥迪和保时捷也将通过共享部件和模块达到节省研发和材料成本的目标。到 2025 年大众集团将会有 15 款电动汽车基于该平台打造。全新 PPE 平台能充分发挥保时捷 J1 和奥迪 MEB 平台的组件及技术优势，并优化生产出体积更大、性能更优的豪华汽车，其中动力系统、悬挂系统电压系统和电池组将有进一步提升。

(3)SPE 平台

运动跑车电动平台 SPE(Sports Platform Electric)，是计划生产保时捷、兰博基尼等顶级跑车的纯电动平台，预计 2025 年之后才会推出。

2.4 充电基础设施建设

充电桩和充电站的建设是发展电动汽车的必要条件，大众集团在欧洲和美国将分阶段建立充电网络。2017 年大众集团与戴姆勒、宝马、通用共同成立了泛欧洲快速充电网络合资公司IONITY，计划通过 IONITY 到 2020 年之前建立 400 个快速充电站，并且将充电功率上升至 350kW。同时，各品牌和各个时期产品的充电接口也有望实现统一。在美国，大众成立子公司 Electrify America，未来十年将在美国打造密集的充电桩网络，高速公路上充电站的分布距离不超过120 英里。

3、移动出行服务

2017 年，大众新品牌 MOIA 首次在德国汉诺威试行了移动出行服务。在这项服务中，用户可以使用 MOIA 提供的 APP 预订行程和支付车费，系统通过算法优化道路，让顺路的乘客以拼车的方式抵达目的地。在汉诺威测试期间有约2000 名用户参与，下一步的汉堡项目计划在 2018 年底开始，第一阶段车队将有 200 辆车。试运营期间的车有 6 个座位，续航历程超过 300kM，其他城市也在陆续计划中。

2018 年 5 月，大众在中国成立全资子公司逸驾智能科技有限公司(Mobility Asia)，旨在打造智能移动出行生态，聚焦智能车联网、出行生态、智能基础设施、大数据应用和智能驾驶五大出行领域，构建全方位的智能出行产业，这是大众向出行服务转型的一项战略举措。10月29 日，大众集团、英特尔子公司 Mobileye 以及 Champion Motors 公司共同宣布，将于2019 年起在以色列部署首个自动驾驶网约车服务(MaaS)，并将成立一家合资公司推动该项目部署。其中大众集团将提供电动汽车，Mobileye 公司将提供 L4 级别自动驾驶的硬件和软件技术，Champion Motors 公司负责运营和控制，计划在 2022 年实现商业化。这是大众除了在德国试运行 MOIA 以外的又一移动出行服务方面的尝试。

4、自动驾驶技术

从 2005 年“Stanley”赢得无人驾驶汽车挑战赛以来，大众集团在无人驾驶技术方面不断推进。2017 年大众展示了首个 L5 级别无人驾驶汽车 SEDRIC 的概念车，SEDRIC 未来可能会应用在多个品牌中。根据计划，无人城市公交车和自动驾驶私家车的诞生将在 2021 年以后。

在自动驾驶领域，大众一方面以 SEDRIC 为平台探索自主技术和应用，另一方面也在市场上寻求合作，在已有车型上增添成熟的自动驾驶技术。2018 年初，大众宣布与美国 AURORA 公司战略合作，共同开发自动驾驶技术。11 月 2 日，大众汽车集团(中国)宣布，将作为理事会成员，加入百度公司推出的 Apollo 自动驾驶平台，并将使用一台搭载 Apollo 系统的 e-Golf 车型进行各项自动驾驶功能的测试。

李德毅院士：谈未来汽车发展

近日，在2018首届智能指挥调度技术创新大会上，中国工程院院士李德毅在发言中分析了自动驾驶等级度量，谈到对传承学习和自主学习的理解，认为随着道路的智能化和学习型轮式机器人普及，人工智能将引领我国交通运输行业的转型升级。本文来自：中国指挥与控制学会，经授权由《走向智能论坛》公号推荐阅读。

李德毅院士：谈未来汽车发展

很高兴跟大家先谈一下一体化指挥调度，我一辈子都在做这件事，因为军队最需要，公安最需要，高铁需要、银行需要，国家应急救援需要，城市交通一体化更需要。所以国家工程实验室的1/9要在这儿了。今天是智能指挥调度技术创新大会，要看看人工智能怎么深耕到指挥调度。我觉得，一体化指挥调度技术分两大块：一块在网上，一块在边上。我们部队战斗力提升，有一个重要原因，就是要力量到边，边缘战斗很强。我今天利用交通和汽车这件事来展望一下一体化指挥调度技术在新时代会有什么变化，因为城市的交通指挥调度是反映一个城市水平的最直接名片。

一、自动驾驶等级度量

最近自动驾驶日子不好过了，昨天看到一个微信文章：“潮落！自动驾驶搁浅在2018滩头”，什么原因？我们看看，2018年是信息时代和智能时代交错的时代，信息时代还没有完全过去，智能时代已经来了，所以声音很多，大家都很积极。在这个情况下，像电子、微电子、光电子工程、通信和网络工程、计算机科学与技术、控制科学与工程都在积极地为智能做贡献，而智能科学与技术仅仅是最小的一个弟弟，所以是信息时代的四个哥哥能力很强，他们也长得很强壮，而人工智能目前来说“可以用，不好用”。所以人工智能还在成长时期，而四个大哥哥已经相对成熟了。在这种情况下，搞电子、微电子可以有一张最响亮的名片“智能芯片”，国家一看这是核心，所以加大投资；还有搞控制的，说我搞智能控制，又火了；搞网络的，说我搞智能网联，也很火；搞计算机的，说我搞智能计算。其实从学科发展来看，可以认为是把智能当做马甲穿在身上，不管是做芯片，还是控制，还是网络，还是计算，他们确实想把人工智能用到他们那个行业里面去。

在这种情况下，传统车企、造车新势力、互联网企业、新兴行业、还有一大批创新创业青年，都看好自动驾驶，乐此不疲。全球智能芯片、智能网联、智能计算、智能控制的黑科技全都聚焦到同一个载体—汽车上，都在为自动驾驶烧钱,不无道理！我们搞一体化指挥调度，云计算有你的事，边缘计算也有你的事，咱们一体化指挥调度技术的工程实验中心应该怎么看待这个问题。

长期以来，J3016 标准主导了自动驾驶等级全球舆论。也就是L0到L5，我在几年前就对这个标准提出置疑，我说很简单，就是L2和L3，让公安交管部门怎么度量它是L3还是L2？有的公司提出来L2.5，这是什么意思？我们看看这四个点挺重要：第一点自动驾驶转换点如何度量？如果没有拐点就互相扯皮。第二点操控权如何交接？第三点操控权交接过程中的事故责任如何认定？第四点给自动驾驶车发什么驾照？要可操作才行。

全球都认“感知、决策、控制”这个路线，好像没有分歧，都希望自动驾驶的模式越来越多，最后一下子跳到全自动。自动化的人就研究确定性窗口条件的描述，从事交通的就研究车联网，现在5G很火，也确实很重要，我们要想想5G在自动驾驶中究竟充当什么角色？大家都希望有一个智能的路，一个聪明的车，他们加在一起是不是就可以全自动？全自动驾驶←∑自动驾驶模式i，问题就出在这个箭头上，数学上有一句话叫做“当且仅当”，充分必要条件要满足，这个箭头才成立，如果当且仅当这个条件不满足，全自动驾驶就很难。

从事人工智能的就问：自动化哪些东西做不了？我们认为汽车人已经把汽车的自动化做到了极致。但是无需驾驶员的自驾驶，必须能像人一样具有学习能力，能应对各种边缘工况。因此自动驾驶亦或是个陷阱，要搁浅在2018年？新的寒冬来了？

谷歌Waymo公司CEO 约翰.科拉菲克说：L5技术真的真的很难。全球做自动驾驶最高的就是他了，他说很难很难，投资家就慌了。苹果联合创始人史蒂夫·沃兹尼亚克说：自动驾驶汽车不可能在不久的将来实现，我不相信自动驾驶汽车。这两个重要的人物一说，大家认为自动驾驶的寒冬来了。

因此，对L0到L5这个等级划分要进行重新的认识。我们提出要以特定地区驾驶可靠性为导向新的等级度量方法，根据安全驾驶可靠性统计把出错率不高于10的-2次方自动驾驶车辆定义为L2，出错率1%，就是出去开100次（或者100小时），拿了一个罚单回来。人是什么水平？一般驾驶员一天开4小时，一年开250天，一年开一千小时拿了一次罚单，这是一个好的驾驶员，我们可把他的水平认定是L3。如果你的自动驾驶汽车达到L3，给你发个L3驾照，如果L4就发L4的驾照，将来就会达到百万分之一L6，甚至像我们的智能电网出错率是10的-9次方，这意味着自动驾驶车等级永远没有完全自动。这就为交通部门给自动驾驶车发照（或收照）有了可度量、可操作的简捷方法，极大地加速自动驾驶技术迅速落地过程，也为无人驾驶车辆的应用（如保险业务）开辟了新的空间。

二、传承学习和自主学习

当汽车从人类的代步工具、由人操控的机器，演化为有主体认知能力的轮式机器人，汽车行业的传统法则将被重新书写。人和轮式机器人不仅是控制和被控制的关系，而是教和学的关系，是交互和协同的关系。

谈到“学习”，最火的一门课叫机器学习，其实机器有什么好学的，应该是机器人学习，我们讲的是监督学习、半监督、弱监督学习、无监督学习，现在的深度学习就是有监督的学习。深度学习是人工智能第三轮浪潮的最显著的标志，到底怎么看待深度学习这件事，我做一个理解：

起始于一个较为通用的多层次特征提取的神经网络分类模型，依靠足够多经过标注的样本数据，通过随机梯度下降方法，正反向反复迭代，确定大量的可调参变量—权值，把高维复杂非线性问题近似为足够多通过参变量限制的较低维非线性问题的叠加，把整体高阶转为多局部低阶。这样形成的数学形态，能够和整个样本数据有最优的拟合。搞人工智能的人得出一个结论：深度学习不是万能的，但是没有深度学习是万万不能的。

从我们人类的成长学习过程引申到机器人学习，可分为两种：一是传承学习，一个是自主学习。前面是接受知识和运用知识的能力，一个人在大学毕业之前基本上是受教的，以传承学习为主。我们发现，只有通过传承学习，自动驾驶车才能拥有人类累计的驾驶知识或驾驶文化，这就对当前自动驾驶寒冬的一个解释，为什么遇到寒冬？因为你没有传承，没有认知的积累，做不到到处跑的。举个例子来说，传承学习主要是显知识，适应生态文明，由上而下，主导型强。自主学习是隐性知识，反复实践，成为本能，由下而上，主体性强。

说车辆靠右边行驶，无人驾驶车怎么知道？开到了香港又是靠左行使的。比如说，北京现在要求礼让斑马线，边上一个老太太走得很慢，你先穿过去还是等她走过去？这个靠激光雷达怎么表现？再比如说工作期间北京公交车道7-9点不能占用，无人驾驶车怎么知道这个事？所以大家可以想像：未来的汽车一定是在云上有一个窗口把指令发过去，到那一天就知道了7-9点我不能占用，还有我是否限号。反过来，有些事情靠传承学习是学不好的，比如说超车并道。最近一年我们对客车侧翻做了研究，你不醉酒开车了，你不疲劳开车，你的注意力集中了，但是不等于你的车不会侧翻，比如说风一大，紧急刹车以后一拐弯就侧翻了，这些事情就像平时学游泳一样，一定要到水里去游，而不是听别人教，技巧需要自主学习。

我们现在正在做一个驾驶脑，我们注重的不是车，我们侧重人，我们要做一个驾驶员的智能代理，由若干处理器、交换机、存储器的芯片组成，配有各种传感器接口、相关软件和数据包，构成一个物理设备。它和人的驾驶认知有高度同构性，驾驶认知涉及视听觉、思维、记忆、学习、交互、控制等一系列活动。学习并替代驾驶员的驾驶认知能力，积累驾驶技巧，实现有个性的拟人驾驶。

我们希望不同的车辆平台、不同的传感器配置、场景，按照我们前面定义的等级评定准则，你可能拿的评测就是L3、L4、L5、L6不同。如果我们做一个卡车用于港口集装箱运输，他达到L3也就可以运行，我们卡车司机不好找。如果我们一个客车在北京做到L5，可以上路。但是在重庆，道路上立体感很强，可能要重庆市公安局和北京市公安局协商一下，这两个区域的L5是否可以等同，所以特定地区是前提条件。

人和轮式机器人在一起有四种工作状态：标杆驾驶员开车机器人学习（监督学习）；机器人开车人可干预（半监督学习、弱监督学习）；机器人开车机器人自学习（无监督学习）；如果机器当教练，教人或其他机器人开车（教人：逆监督，教新机器人：监督学习）。在标杆驾驶员开车机器学习时主要用深度学习，在机器开车人可干预是用强化学习，机器人开车机器人自学习时，就是生成一大堆对抗样本，用对抗样本生成再学习，从而构成一个迭代的过程。

驾驶认知不是一次完成是迭代学习，既包括深度学习、还包括强化学习、还包括生成对抗样本学习，从而形成一个逐步稳定的认知。

这里面我们尤其关注另外一个事情。可以让机器人成为司机，不但可以成为我们出行的代理，机器人还可以成为“执勤交警”和“路巡员”，因为可以检查路面情况，随时报告交通中心。轮式机器人群体知识共享和传承的速度远大于自然人群体！

开车对人而言主要通过事故使他的水平提高，我们关心追尾、爆胎、侧翻等事故，最近我们重点研究侧翻，拿到3260起事故数据，我们希望通过事故记录仪做一个好的事故防范的记忆表。侧翻事故是有苗头的，侧翻可以用车辆动力学解释，存在黄金一秒期。侧翻一开始，一侧两个轮子起来，当另一侧两个轮子也离开地面，侧翻结束，如果有下坡就是翻滚。这个时间前后两秒左右。用专家群体智能，分析并吸取事故驾驶员教练，物化为长期记忆，依靠突发场景触发，正确应对。因此我们有了负学习过程中的深度学习、强化学习、生成对抗样本学习。用驾驶脑防范侧翻，给我们一个启发，就是当人失去理性时，可以让人工智能帮你的忙，用人工智能弥补侧翻事故的发生。用人工智能可以规范化复制工匠的个体智能，可以弥补突发情况下个体智能缺失。

三、引领行业转型升级

对人工智能要有敬畏之心。机器人将来会开车、会学习、会交互、有个性、有悟性！如果会开车一旦解决，就变成移动问题解决了，那么主持、看病、陪护、手术、卖货、理财一大批都会出现。人类就多了一类朋友。

构成轮式机器人的三大块重要部件：一个灵活的腿脚——数控底盘，一个是强大的心脏——新能源，一个是智慧的大脑——驾驶脑。自主驾驶难在不确定性驾驶——边缘驾驶！要把“最后一公里问题”当作最先一公里来解决，自主应对驾驶过程中常常遇到的、偶发的各种各样的不确定性!

机器人一旦成为移动社会的传感器、大数据的重要源泉，那么将为一体化指挥调度带来极大地便利，因为每个边缘系统都是数据发生器，机器人驾驶认知的进化速度可以超过自然人，边缘计算、云计算一同产生群体智能。

1886年卡尔·奔驰获得全球汽车的第一个发明专利，之后汽车工业成为制造业的典范，成功在于两个字：规范化生产和精细化管理。今后轮式机器人还有三个关键词：那就是模块化定制，数据驱动的控制和学习，以及未来出行的科技服务商。

原来研究的车辆动力学不等于驾驶员在环的车辆动力学，轮式机器人动力学等于驾驶脑在环的车辆动力学。知识、数据双驱动的迭代学习将变成一个今后的方向，智能的路，聪明的车，会让轮式机器人玩出更多的精彩，无人驾驶有望消灭疲劳驾驶和醉酒开车，会学习的轮式机器人会开车、会交互，有个性，有悟性，能够防范各种严重事故，甚至可以玩出各种特技来。

人类衣食住行的开销，衣食住加起来也赶不上行。随着道路的智能化和学习型轮式机器人普及，路越来越智能，车越来越聪明，驾驶和交通的数据越来越累积，人类的出行方式就真的变了，中国乃至这个世界，就真的变了。人工智能将引领我国交通运输行业的转型升级。

谢谢大家！

作者简介：

李德毅——著名指挥自动化和人工智能专家，中国工程院院士，欧亚科学院院士，中国人工智能学会理事长，中国指挥与控制学会名誉理事长，国家信息化专家咨询委员会委员，博士生导师，清华大学、国防大学兼职教授。

工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进产业OT（工艺+自动化+机器人+新能源+精益）技术和新一代信息IT技术（云计算+大数据+物联网+区块链+人工智能）深度融合，在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知计算系统；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。