第四届「全球智能驾驶峰会」|智能驾驶需要「实干主义者」| 深圳中洲万豪酒店经济日报|整治|直播|乱象

文章插图

大约在 4000 多年前，黑海附近大草原的几个部落带着马匹来到了底格里斯以及幼发拉底河流域，为了实现更轻松地载人运物，他们尝试将马力与车轮结合。
也正是这片土地上，后来诞生了古巴比伦文明。
偶然也好、必然也罢，「马车」这一形态的工具后来逐渐发展为世界范围内的交通工具，甚至是生产力工具，从一定程度上减轻人类的体力劳动。
经过时间的洗礼、智慧的打磨，马车的黄金时代无声无息淡出历史，人类在过去的数百年内先后进入了属于蒸汽机、内燃机时代，迎来了更平稳、更高效的出行和运输。
4000 多年，人们从未停止对美好的出行交通生活的探索。
我们看到了一个又一个车辆更迭的形态，我们享受了一次又一次技术带来的红利，我们或许也常常忘记，这些变革性突破的背后是实干主义者踩过无数的坑、淌过曲折的河，最终才取得的胜果。
【第四届「全球智能驾驶峰会」|智能驾驶需要「实干主义者」| 深圳中洲万豪酒店】如今，智能化的新能源车已在内燃机主导的世界撕开一道裂缝，实干主义者再次蜂拥而来。
新时代的实干主义者大概从五六年前开始，这群颇具拓荒者意味的群体尝试推动智能驾驶落地，帮助汽车向下一个形态进化。
这是一次伟大且冒险的创新——
一旦目标实现，普天下的驾驶员将得以从充满不可预知的危险和劳累中解放、用户也能够享受到更智能愉悦的乘坐体验。同时智能驾驶关乎人身安全，相比其他 AI 应用有着更大的风险，落地难度远超想象。
因此你会发现，从车企到 Tier 1 、从巨头到创企、从公开道路到封闭场景，业内关于智能驾驶商业落地的呼声由来已久。但直到今天，进展上仍存在着理想与现实的巨大偏差。

我们给车辆安装上了各类高精传感器，却难以将感知能力做到极致、算法响应速度有待提升；
我们在行车时能够收集海量的道路数据，却不易于对其进行高效利用，也无法保障穷尽所有长尾场景；
我们立志锻造 AI 老司机、打磨通用的智能驾驶解决方案，却发现真实场景定制化程度高，细碎问题不胜枚举。

即便感知问题可以通过神经网络函数无限逼近，认知问题的解决仍较为棘手。比如：
如何准确、快速地教会机器辨识什么是路灯？如果定义为夜间道路上方的发亮物体，月亮也满足此描述；如果定义为道路两旁的长杆，很多非路灯类设备也有相似的外形。
而且，在遮挡、模糊等弱线索情况下，人类可依据常识、推理等辅助手段实现全过程构建从而作出某种判断，但这些能力很难全然教授给机器。
一方面是技术问题，一方面是产品思维问题。
任何一个买锤子的人的本意都不是想拥有锤子，而是想要敲击某种物理介质。很多时候，用户购买商品或服务可能并不是想要持有，而是要用其完成其他任务。
如何理解用户，以及如何理解用户需要完成的任务？这也是智能驾驶从实验室 demo 走向到商业落地的必经之路。
不太成熟的技术、难成闭环的商业逻辑，只能产出一个单薄的成品，既无法支撑起玩家的长远发展，也难以释放出智能驾驶真正的商业价值、社会效益。
遗憾的是，由于这个行业太年轻，目前尚未积淀出具有通用性的科学理论和行之有效的方法论。
但幸运的是，在智能驾驶落地的道路上，不乏砥砺前行的实干主义者，他们正力求以自身的实践为同行者以及后来者点明照亮航道的灯塔；或许，他们的经验之谈也能给行业以启迪。