愈发汹涌的电动化、智能化浪潮，加之人工智能技术的加速发展，不断催生汽车产品的全方位变革。2023年引爆各行各业的AI大模型便体现了人工智能在自动驾驶系统融合上的强大实力。
AI赋能自动驾驶发展
近年来，人工智能领域的飞速发展给自动驾驶的技术突破带来新的方向。上汽集团赛可智能科技视觉感知实验室负责人赵九花深入阐述了当前被广泛接受的基于纯视觉BEV感知的城市NOA技术方案，认为该技术路线具有成本低、速度快等优势。视觉感知方案能够处理的环境信息更加丰富，包括环境中的颜色、道路区域等都能实现检测。在保证性价比的前提下，视觉感知方案可以获取的信息更多也更详细。
就计算机视觉技术在自动驾驶上的应用，东风汽车集团有限公司技术中心主任工程师黄睿认为，在舱外，可利用计算机视觉技术实现车辆在封闭道路、停车场、高速公路等场景实现自适应巡航功能；在舱内，也可以充分利用计算机视觉技术进行人脸识别、手势识别等人机交互任务。不过，在大规模量产上，该技术还面临雨雾天气、拥堵环境、异形车辆等Corner Case，以及BEV全局感知能力、数据隐私和安全等挑战。
上海中海庭数智技术有限公司CTO卢远志则从信息熵的角度考虑数据与人工智能的关系，阐述了智能驾驶中高精度地图的重要性及图熵概念、数据安全在数据驱动应用中的角色，以及数字孪生技术的创新应用。在他看来，地图就是数据，和AI本质一样，无损压缩、有损压缩最终是一个熵减的能力。地图在车端、云端均可赋能，众包也是一种确保地图精度的技术路线。
聚焦“中国方案”，蘑菇车联信息科技有限公司副总裁詹宏波认为，从政策层面上讲，车路协同更加匹配目前“数字中国”建设、车路一体化的发展方向。从技术和产品层面出发，港口、开放道路、景区、园区等多场景都在应用车路协同路线。为衡量路侧能力，蘑菇车联曾对无人驾驶车辆的传感器、雷达、摄像头进行遮蔽，给路侧设备发送信号，车辆依旧能在示范道路上顺利跑完全程。可见，路侧能力的赋能在智慧城市建设中非常重要。
大规模商业化仍需探索
据了解，2022年，L0~L2级别的智能驾驶产品占比突破50%。其中，L2级别的智能驾驶功能如单车道巡航等前装比例接近30%，整体超500万辆。今年以来，高阶辅助驾驶系统装配率迅速增长，上半年每10辆车便有1辆装配高阶辅助驾驶系统。
在智能辅助驾驶不断普及的当下，自动驾驶商业化探索仍然存在桎梏。智行者联合创始人兼研发中心副总经理张放表示，尽管2023年被称为城市NOA元年，多家车企加速扩张城市NOA普及范围，但现实情况是，在终端客户体验上还存在较大挑战，用户体验参差不齐。具体体现在以下几点：在复杂工况下，与成熟驾驶员相比有一定差距；使用范围仍然受限，并非在开放城市的任一道路均可实现；接管次数偏多。据介绍，叠加算力、传感器等成本，终端消费者一般需为高级别辅助驾驶功能支付3~5万元的费用。并未达到预期的用户体验难免让不少消费者产生“性价比不高”的使用感。
“自动驾驶从创新到量产，首先面临的挑战是如何更好地理解终端消费者，为终端消费者提供满足安全等级的功能。”博世中国智驾感知系统首席科学家唐亚哲提出，自动驾驶解决方案必须要通过长期积累，对整车安全系统有全面理解。同时，对于博世来说，如何更加适应本土化也是一大挑战。对此，唐亚哲表示，博世正在重新审视竞争与合作的关系，拥抱生态，提高生产效率，满足中国高速发展的ADAS市场需求。
就自动驾驶中决策、控制行为，清华大学车辆学院汽车工程研究所副所长黄晋表示，自动驾驶决策非常困难，有博弈行为、随机性、动态的复杂性。人的意图、车的意图都会非常影响自动驾驶的决策行为。关于可信的决策与控制，一是多用控制替代一些决策内容，二是用持续进化学习的方法实现可信的决策和控制。
针对商用场景无人驾驶落地，北京踏歌智行科技有限公司副总经理周彬表示，想要实现无人驾驶，市场、资金、技术三大要素缺一不可。目前，在各项政策大力支持下，未来矿山无人驾驶有3000~4000亿元的市场规模，潜力巨大。露天矿山无人驾驶是商业化进程快速的领域，同时面临技术迭代和挑战。踏歌智行设计的“旷谷”露天矿无人驾驶运输解决方案，为矿山安上“智慧大脑”，突破了高精度感知、高安全控制和高效率管控的技术瓶颈，已成功应用于多种矿山场景。
对此，上海复运智能科技有限公司副总裁秦晓驹认为，自动驾驶发展仍存痛点。其中，缺少人机交互就是一大痛点。以面向商用场景的无人驾驶车为例，在落地运营过程中可以发现，环卫运营企业、矿山运营企业在具体生产过程中使用无人驾驶车时，不可能完全脱离人。如何从最终购买方、使用者的角度把自动驾驶作为一种新型作业体系纳入各类场景的建设和运营之中，需要更加系统的解决方案。为此，秦晓驹提出，汽车产业应该走向服务化，不只是关注产品的设计、制造，切勿闭门造车。
