2016年12月8日,第九届TC汽车互联网大会进入第二天,精彩继续!以下为Intel 公司 野边继男发表的主旨演讲原文。

野边继男:我已经是第九年来参加Telematics中国这个会议了,前面我是代表日产的员工来发言的,今天是代表因特尔。

我要讲的是物联网非常大的概念,以及在电动车上面的应用。以及低级学习和自动驾驶的意义。我先讲一下大的宏观的情况。

行业的架构尤其是自动驾驶的架构可能会完全地改变。我的发言的结论就是这样子,我来讲一下今天我不代表因特尔,所以上面没有因特尔的标志,大家可以看到,我是一个大学的副教授,现在正在开发自动驾驶车是和动静大学一起合作的。

我今天不会讲太多的技术细节,虽然这是我工作的重点,我重点讲一下行业的变化。这一页幻灯片讲的是自动驾驶车的差别是有哪些。我们说自动驾驶有几个不同的级别,这是美国的划分方法。

第一级和第二级的自动驾驶就是正常的人的驾驶。如果有事故还是人负责的。如果出了事故这个责任也是在整车厂他们身上的,以及供应商的身上,所以第一级第二级都是我们正常的驾驶,在这种情况下是人来控制方向盘,以及加速和刹车、踏板。

还有用人的视野来了解周边的情况,对事故负责。顺便说一下,我们用人的眼球来识别环境中的情况来控制车的安全。

加速以及方向盘的功能以后都会被自动化,尽管还是人开车,这个就是第一和第二级别自动驾驶,所以人必须要关注环境以及相关的一些设备仪器,比如说由人来加速,但是他可能并不知道加速的速度是多少,如果要是看一下交通信号灯的话可能有一小时100公里的最高限速。如果超过100的话,如果人驾驶就会加速数据把速度降下来。

如果是自动驾驶,驾驶者不会由人来刹车或者是加速,或者操控方向盘。

但是车上会有大量的摄像头、传感器来帮助人的眼睛控制这个环境,一些个数据、信息是由电脑来分析,用传感器的融合方法来进行。

这样子我们就知道这个车周围的环境是怎么样的。大家可能会觉得如果驾驶者看到路上的红灯就知道要停,在停止线之前停,就是你的大脑看到之后就会激发某个东西,这个时候电脑就会触发一个东西,电脑了解周围的环境以及你驾驶的状况以及车道的情况,经过这样的计算,自动驾驶车就可以自动驾驶。

第三和第四第五级别的差别是在于第三级别是要驾驶者坐在方向盘前,到第四、第五级别就不需要人来掌控了。但是在第四第五级别是没有加速和制动的踏板了,因为在这种情况下自动驾驶完全不需要人来开。所以就没有了驾驶座了。

当然,车的内部结构可能设计以后也不一样了,这个自动驾驶未来是可能会实现的,但是我还有一些想法。就是车,它可能对地图的三维认识是不一样的,车以后用的三维地图可能跟现在是不一样的,这些自动化的系统就随时随地由它来控制了。所以我们可以看到始终有一种交互的过程,计算机会看一下数据库,它是3D地图的数据库,计算机就懂了,就知道接下来前面的旅途情况如何,计算机一直都有个预测。

很多的数据会把它拿到一个服务器里面。自动化学习的服务器是一个数据的中心我们现在看到除了这些之外,我们还需要对它的自动驾驶要有更详细的定义。所以尼桑是出了一个报告,就说你这个自动化的无人驾驶汽车不需要怎么样去说了,每一个整车厂可以把每一个自动化的驾驶汽车的速度还有受到的限制等等把它自动来进行一个设定。

所以你们可以看到几个不同的例子,比如说在高速公路上面汽车可以在两个车道中间去开,它能超车,这已经不是最难的了,速度最难但不是最难,但是在一些主要的道路上面自动驾驶汽车需要过马路,需要关注红绿灯的信号,需要看到那些反向过来的车辆的状况,当然还有行人。

这个在现有的状况下主要是在道路相比高速公路的难度更大,更难的就是小路上面,基本上都没有什么道的分界,对岸过来的情况交通的情况也不是非常明确,所以开的速度肯定是要很慢的。

还有就是在堵车的状态中间怎么开,还有自动化行车,好像这个不好用,还有自动停车、驻车。

你们可以看到车辆的数据带到数据中心里面,就会有数据更新进行深度学习,从而能够做出算法的计算,这种类型的数据肯定是非有不可的才能够实现自动驾驶。2014年的时候奔驰说了他们在2020年的时候就能够实现三级的自动驾驶,在高速公路上。你要想实现主要道路上的自动化驾驶的话要2020年之后了,现在因为有这么多的机器学习的突破性的创新,所以我们现在整个情况已经发生了完全的变化在过去的两年时间里面。

你们发现这是深度学习起的非常大的帮助。虽然要实现这一点是蛮难的,但是由于有快速的机器学习、语音识别都能够让算法更加先进,更加快速,所以我们可以去实施到四级到五人驾驶的出租车,到2020年之前就可以实现。到2020年是第三级的高速公路驾驶。

我要强调的就是第三级的在高速公路上面落地,它是需要在整车厂里面进行可持续的创新,但是在另外一方面,第四级和第五级,这种无人驾驶的出租车也是很多的因特网公司的创新组成部分。

这是第三级的高速公路上面如何进行落地、无人驾驶。这是现有的一个车辆的发展情况,我们还需要持续不断地创新,关键就是人驾驶车会对车辆进行调整,在一个非常高的速度下面也需要实施起来压力比较大的。

你们可以看到这些线是必须要经过的一些监管要求,这些连线是一些道路,他们可以坐铁路去办公室,然后从最近的这一站回家就可以实现无人驾驶的车辆,最后一公里的解决方法,就是1.6公里以内的无人驾驶出租车的服务比较适用的区域了。但是随着深度学习的发展再加上3D地图的发展,能够实现这个目标的日期可能会更早一点了。

在新加坡也算一个城市,在思考要实施这样的解决方案了。你们看新加坡就有最后一英里的问题解决,最后在很多国家、很多城市都可能实验这种方法这种项目。

很多程度上是取决于新型创新企业的创新,很多的城市里面他要在高速公路上面快速行驶的话,比如说在日本,80公里每小时,日本一共8万公里的高速公路的道路,一般的道路大概一共有100万的公里,所以说白了就是普通道路比高速公路要多100倍左右,我们还是要考虑到人在道路上的密集程度,这种可能会服务非常大的人口,但这种服务是非常新的,也创造了很多新的机会给整车厂。

它也可能是由于新的3D地图的创新再加上机器学习带来的结果,最后的一点特别重要,现有的车辆的情况,正如刚才几个发言人都已经提到的,我们用这种车辆共享的做法车辆使用的情况会超过10倍,目前平均的车辆使用寿命是13年,但是未来使用量多了以后,可能2、3年就要报废。

很有可能车辆2、3年以后要被新的替代了,产量被提升,生产的效率提升,这也是汽车行业所带来的重要的信息。

这是一个自动车辆的图片,它会用自己的传感器利用周边的环境的情况,基于这种条件确定行驶条件是怎么样的,它会看云端的3D地图,也以这个作为一个指标,作为一个对标的基础,当然还有机器学习、人工智能等等,最后会定期地更新,这里面所有的都会引入在其中的。

功能的更新都会和供应商和整车厂有非常密切的关系,看图片里面,行业看着这样的3D数据库的过程中间也会实现更多的服务和业务,比如说更多的公司会产生。会有地图公司,会利用现有的道路状况做出更多的API。

比如说交通服务,像Uber这样的交通服务,就像出租车一样,它会预测谁会需要交通服务,他们还可能提供更新最好的车辆给他们最重要的客户,比如说奔驰会把自己的车辆给最适合用奔驰的,还有这些Uber能够实现拼车服务,通过3D的数据库来实现,所以3D数据库可以帮助很多的行业开始新的业务,这是实现自动驾驶汽车以后产生的更多的新的行业。

把这些数据进行更深区别的话,会看到分析所有的数据以后我们会在服务器里面进行分析,进行继续学习。右手侧的方块是会有新的服务生成出来。

我总结一下,这一幅图,我想给你们解释一下微笑曲线。我要总结一句,说一下行业发生的变化,左手是一个整车厂的金字塔,最顶上的就是整车厂。在左侧完全是模拟信号的整个行业,所以主要就是看生产制造能力了,这是传统的生产制造的曲线。数字化了以后,如果能够更好地保护知识产权,但是接下来在公司外面可能有非常好的技术,这些公司会很好地加以利用、使用,这往往是标准化的正常的一般性的产品。但是这种新的现有的新的技术将会是非常重要的推动力,带来了IT这个行业爆发性的增长,这些可能会进一步地支持汽车行业的发展。

我们可以看打座厕是传统汽车产业,右侧是因特网行业的曲线。最顶端还是这些网站公司,但是因特网公司本来就是一个数字公司,他们的创意本身就是价值,但是制造能力本身不含任何价值。所以它的制造能力很有可能会进一步地下降,主要实现创新带来的价值,更多地是创新服务给客户的服务。这种需要技术不断地增长,应用基础研究的进一步推动。最后我们可以看到在IT行业里面就是这样发展的,如果把现在这两个行业合在一起的话,就是转动的汽车制造行业把IT合进去以后我们会发现要想找到好的解决方案,整合起来需要服务,我们需要什么样的汽车来满足什么样的市场需要?就是服务。

对于整车厂来说,一旦第四到第五级的自动驾驶汽车能够落地的话,服务是非常重要的,最后金字塔的顶尖就是由服务供应商所赞助的,最后一层就是应用的解决方案的服务者,接下来就是整车厂,整车厂只是提供一个车架子而已,他们需要很小心,如果最终有一天汽车行业变成这样的金字塔型的话,就是第二层提供一些解决方案,包括设备,包括数据中心,刚才说到了蓝颜色里面所有的内容。这是所有人可以做的事情,对整车厂来说都是好的东西。

总结一句汽车的物联网和3D的图片将是非常重要的,最终自动化驾驶的汽车主要是由计算机来推动的,技术就需要非常广泛地在更多地行业里面加以使用。这种部署并不一定是完全自动化的,但是这种技术可以用在很多汽车行业以外的技术里面,比如说做这种技术的发展将会给很多其他的工业带来影响,谢谢!我就说到这里了。