摘要：
...
11月7日-8日，2024中国汽车软件大会在上海嘉定召开。中国科学院院士何积丰出席并演讲。
以下内容为现场发言实录：
各位领导、各位专家，很高兴参加中国汽车软件大会，我本人是搞软件的，我们知道汽车软件是控制软件中要求质量最高的，早期我们参加过的国家核高级项目，关注我们国家基础操作系统里的安全问题，借会议机会我希望和各家一起来慢慢建立合作联系，使产教融合在这个平台上可以开出丰富结果的花。
今天我讲的题目是《路车云的AI技术》。AI技术这几年很火，我们看看在我们的智能车路网哪些地方可以用到AI技术，我先按车路方面讲八个方面的系统。我们关心第一个就是驾驶系统，无人驾驶也好，智能驾驶也好，肯定用AI。第二是道路上智能导航和路径规划，这跟我们现在AI基础软件分不开。第三个就是我们驾驶过程中安全辅助系统，这对汽车来说任何指标里最重要就是安全指标了。我们还关心在车内的语音交互系统，这是我们汽车产业中间很重要的新的东西。
关于道路我想介绍两方面的工作，这方面工作在嘉定已经很好开展，一是关于交通信号灯智能管理，二是整个处理道路的数据以及可能发生事件预估和处理方案。因此我们想从六方面介绍路车里AI应用情况。最后讲讲我们碰到的问题，AI技术用在汽车里不是那么容易，我们本身AI技术发展还在过程中间嘛。对我们广大用户来说你们对它的可靠性也是打问号的，我们想列出几个问题，希望这些问题和企业界合作能找到比较好的答案。
为什么用AI技术？大家可以说我们现在进入AI高速发展时代，每个行业都觉得和AI有相互关系，对我们交通部门来说，第一个指标可能各级领导最关心就是安全性。我们说AI技术可以准确地帮助我们识别车辆、行人、道路标志，有效避免交通事故发生，我相信这是我们追求的最高目标。第二目标是和性能有关的，我们知道像上海、北京这些一线大城市，大家都有体会，无论是早上上班、晚上下班，道路难免有拥堵情况，因此我们希望通过对智能信号灯控制、路径规划等AI手段，优化交通流，减少拥堵排队，从而提高道路的通行效率。这两个目标我们放在最前面。
当然，我们达到这两个目标以后我相信我们可以降低成本。不仅仅对车主、车厂，和汽车相关产业，汽车安全了保险公司也高兴了，交通管理部门也高兴了，最后提升出行的体验。
我们一个梦想，我们无人汽车能够成为我们走在路上大的计算机终端，在汽车上可以做各种各样的事，现在汽车还没达到这个水平，我相信AI技术会帮我们走向那个目标的。
下面我们想讲四方面已经比较成熟的技术，我们觉得可以用在我们智能汽车、智能道路上的。
第一个是计算机的视觉技术。这里我有一个案例，美国特斯拉汽车，他和我们中国智能汽车走的道路不一样，端到端的，视觉系统决定汽车的周围环境，接下来怎么做，目前我们几方面工作国内已经做得很好。图像中的物体、场景文字等信息进行识别和理解，同时可以做目标检测，主要对图像或是视频中特定目标进行识别、跟踪，最后进行识别分析工作。这是第一类技术。
第二类和感知有关，就是语音的。我们以后在驾驶，我们人乘客也好，安全也好，可能新一类的驾驶员也好，和汽车的交互方式和现在有比较大的差别，我们用语音交互系统。用到深度学习的语音学习技术，用户声音转化为文字识别准确非常高。
第二个语音的合成技术。把常用的一些文字转换为自然流畅的语音，实现语音的播报、语音交互等功能。
当然在比较烦躁的道路上我们关心怎么采用语音增强技术排除噪声，这是第二类AI应该做的。
第三个自然语言学习。大家都知道自然语言大模型，ChatGPT是其中的代表，我们这里认为自然语言处理在三方面对我们路车有帮助的。第一做语义解析，通过深度学习技术对语义进行解析，从而理解其语义的上下文，含义上下文和环境的关系。另外我们利用机器翻译和情感分析等东西，情感分析主关心驾驶原则性、乘客当前状态怎么样，这也是一个新的课题。最后一个机器算法和模型。这里面有几个技术有几十年的积累。
第一监督学习，通过已知的输入输出数据训练模型，这是我们现在用得比较广泛的，当然它有成本比较高的问题，又要数据打标签，花的劳动力很大，第二没监督的学习，不需要有标签，我们自动数据中，数据聚类等任务。这是另外一种方法。当然，大家看到很多报道宣传的聪明采用深度学习，主要通过构建深层的神经网络学习数据的特征和规律，实现高精度的预测和分类。
下面看看我们在车上怎么用。第一类，我刚才跟大家介绍过，我们关心自动驾驶系统，这里面有四方面的东西目前大家都在采用。第一是高精度的地图。利用高精度地图和传感器实现车辆准确定位、行驶路径的规划，我相信在国内这方面我们基础已经做得很好，在道路上有相应的装置在。第二我们在有各类传感器，包括采用的雷达也好，激光雷达也好，摄像头等等，这几年关于传感器技术也有很大的技术改进。我们希望在传感器端也能对我们数据进行简单处理。第三部分就是先进的机器学习算法。通过大数据训练模型实现车辆决策和控制。目前中国汽车场景方面构建非常大，我们仿真实验积累大量数据，对我们训练出聪明模型有很大支撑作用，尤其嘉定数据中心发挥很好的作用。最后关于自动驾驶仿真系统，很多车没上路以前，我们希望在数字环境里看看，我们车的设计是不是安全，这是第一类汽车用的AI系统。
第二类导航、路径规划有关。第一条解决实时交通信息。交通信息怎么来，嘉定通过实时路口红绿灯，照顾到周围500米半径车辆需要的数据，当然我们也可以利用多模式导航结合现在用的车载GPS我们高精度地图和传感器实现市内外无缝导航，意味着数据收集方面关心各类数据，发挥特殊作用。最后关于预测性导航，这个跟我们大数据模型有关的，我们根据历史上已经有的数据和实时交通信息，预测未来可能发生的路况，提醒驾驶员或汽车应该规划它应该采取的最佳路线，这是第三方面与导航。最后关于路径规划。
第三类是行车安全辅助系统，这里面第一个就是碰撞预警系统。现在很多高档车这个配置都有了，及时提醒驾驶员避免碰撞，第二驾驶员疲劳监测，早期高速公路上载客大卡车我们很关心，交通部门有政策规定连续驾驶时间不能超过多少小时，还有行人检测和保护，以及在紧急情况下其中的紧急制动系统。我们的自动刹车避免事故发生或减轻碰撞带来的损失。
最后一个是车载智能语音交互。这里面我们有语音识别技术，有语音合成技术，车载语音助手。以及语音情感识别。现在比较难的是第四部分。我们想识别驾驶员情绪，自动调整车内氛围提供个性化服务，这个要求比较高了，现在新的汽车里把这个作为一种高配置来做了。
下面我们看道路。在道路上我们做了哪些工作来使用AI技术。第一是关于智能交通信号灯控制系统。去年嘉定花了很多钱对我们实时路口交通信号灯做升级改造，这里面有几个功能，智能信号控制，根据实时交通数据，采用智能算法对红绿灯进行实时调整、优化交通流，这个目前我们做不到，现在还是定时安排交通流办法。第二关于绿灯创新问题，希望车路达到高度协调，实现车辆与信号灯智能互联，减少等待时间、停车时间，这在早上、晚上拥堵时间这个大家都很关注，最后信号灯自适应功能。信号灯应该根据交通流量、行人数量、天气等多因素自动调整信号灯配时，提高道路通行效率，这是道路AI识别。
第二关于硬件处理，交通监控和硬件调度方面。我们提了三方面功能现在正在实施过程中。第一是实时交通监测。通过视频监测传感器设备，实时监控道路交通情况，车流量、车速度、车的类型等等，在发生交通事故其他紧急情况调动程序，智能系统迅速发出警报，同时调整相关的资源信息紧急处理，最后是交通民警关心的智能违章抓拍的问题。早期道路上已经有这个设备在了。
下面我跟大家分享一下我们AI技术现在存在的问题。我们局限性在哪里，不是样样都好，如果都好的话现在AI车已经生产出来了。我们有这么几个问题，第一个路车数据获取、处理能力。汽车控制系统是强实时系统，要求毫米级响应，这种情况下需要大量的数据进行训练、学习，目前数据获取和处理仍然存在瓶颈，尤其是高质量的标志数据，这是第一个问题我们现在碰到的。
第二个，我们的系统对处理复杂场景的适应性还没真正到位，路车云AI技术需要适应各种复杂的交通场景、变化天气，不同城市道路、高速公路、雨雪雾天AI系统适应性提出更高要求，我们通常说适应性强不强，训练时表现很好，测试时是不是满足用户需求，这是我们碰到的第二类技术挑战。
第三类关于法律法规伦理问题，我相信汽车协会很关注这个安全课题。原先报告题目关于路车云安全，他们说这个事相比AI技术放在后面一点，我这里还要提一下。AI技术应用需要遵守相关的法律法规和伦理规范，它要遵守法律的，像数据的隐私保护，数据安全，还有自动驾驶产生责任事故的归属问题，这些都是属于需要解决的。不是单单技术问题，是政府部门很注重的法律问题。
我们下步应该做哪些工作把技术上推进一步。这里我们提了三方面的技术。第一是深度学习，我们通过这个技术能够提高我们现有模型的准确性和可靠性，以及它应对复杂场景的适配能力。这是我们想解决的一个问题。
第二个问题要解决我们数据共享问题，然后我们说要联邦学习技术，实现不同设备之间数据共享、模型更新、用户隐私保护，我们数据实验室也碰到类似问题，我们很多数据和企业共享，不是一家独有的，最后我们要推动可解释AI技术的技术推行。我们要研究可解释AI技术，使AI模型决策过程更加透明、可理解，提高用户的信任感。如果用户对你这个系统不信任的话你很难想象会掏钱买你这个汽车，你汽车安全性本身是一个大的挑战。
我的报告完了，谢谢各位！
（注：本文根据现场速记整理，未经演讲嘉宾审阅）
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
