近日，AI頂級盛會北京智源大會在線上和線下同步召開，包括Yoshua Bengio、David Patterson等圖靈獎獲得者在內(nèi)的兩百余位國內(nèi)外人工智能領(lǐng)域頂尖學術(shù)和產(chǎn)業(yè)領(lǐng)袖，共同探討AI大模型時代和人工智能發(fā)展。

在無人駕駛論壇，由美團首席科學家、副總裁主持夏華夏主持的“新機遇新挑戰(zhàn)———探討自動駕駛的趨勢”尖峰對話，行深智能董事長安向京應邀參加并對無人駕駛商業(yè)化落地及發(fā)展趨勢做了分享，與同行對L4級無人車時代到來趨勢進行共同探討。

東南大學、威斯康星大學智能網(wǎng)聯(lián)交通聯(lián)合研究院院長冉斌，文遠知行創(chuàng)始人兼CEO韓旭等無人駕駛領(lǐng)域?qū)＜覅牟煌嵌葘o人駕駛技術(shù)革新、所面臨的挑戰(zhàn)以及發(fā)展趨勢發(fā)表了看法，大家圍繞無人駕駛商業(yè)化機遇，會給人類生活帶來哪些改變展開討論。

行深智能創(chuàng)始人兼CEO安向京表示，無人駕駛商業(yè)落地有自己的路徑，會先低速，后高速；先載物，后載人；先限定區(qū)域后開放區(qū)域。

首先為什么先低速再高速？無人駕駛有一個叫做“你永遠不能踏上你沒有理解的道路”的定律。很多時候速度的高低取決于它的傳感器的感知范圍、算法算力處理和執(zhí)行動作的反應延遲，所以最重要的就是要解決超視距感知問題。因此，在V2X技術(shù)的支持下，可以預見短期內(nèi)，車路協(xié)同下的智慧結(jié)合是比較現(xiàn)實的落地場景。

其次，關(guān)于載貨和載人的問題可能有倫理的問題，比如一輛車載著乘客，而運行場景中有其他人類活動，萬一失效或者緊急情況下，采取緊急措施到底是優(yōu)先保護車內(nèi)的乘員還是優(yōu)先保護車外的人員？這是相互矛盾的。

最后，先限定區(qū)域后開放區(qū)域，非技術(shù)原因，而是避免長尾效應。深度學習和同時建圖與定位的技術(shù)，讓原來陽春白雪的無人駕駛，變成了可工程化、規(guī)模化實施的技術(shù)，但不容忽視的是，這兩項技術(shù)都有著概率問題，自動駕駛的場景對于概率驅(qū)動的系統(tǒng)來說是無休止的，因此，無法避免長尾效應，解決95%的問題和場景是基礎(chǔ)，而解決剩下的5%才是自動駕駛技術(shù)持續(xù)發(fā)展的關(guān)鍵。

安向京認為，末端場景是一個完全不同的無人駕駛賽道，它不在于低速還是高速，而在于末端場景的特殊性。

其特殊性主要表現(xiàn)在：無人車會經(jīng)過或停靠地下車庫或架空層，面臨沒有信號或信號弱，或者因為高樓林立導致GPS定位質(zhì)量變差甚至混亂。加之，末端場景復雜且路網(wǎng)未形成閉環(huán)。交通參與物除了車輛還包括路人、單車甚至寵物等，這就決定了無人車傳感器配置就不能有任何死角需全方位覆蓋。此外，末端的場景是交互目的和運行目的同時存在，比如說無人車和人產(chǎn)生互動，就要對人的意圖行為有認知。

安向京進一步補充道，無人駕駛的核心并不在對人代替，而在物流配送過程被充分信息化，完全可觀可控，實現(xiàn)配送及物流效率極大化。所以，信息化末端物流的場景對無人駕駛的需求是天然的，也就是說，無人駕駛商業(yè)化會最先落地末端場景。在此背景下，行深智能希望推進末端場景的無人化，尤其是標準化、信息化，以及信息的開放，使得末端場景的配送無人化，使得用AI代替人類的目標提前。

事實上，作為是以末端物流為市場切入點的無人駕駛核心技術(shù)公司，行深智能擁有不依賴于開源軟件的完全自主可控的軟件架構(gòu)體系，基于認知的復雜場景行為決策與規(guī)劃系統(tǒng)，以及不依賴衛(wèi)星導航定位的多源融合感知定位技術(shù)等無人駕駛核心技術(shù)，不僅適用于開放道路，同時適用于人車混流復雜末端場景。

目前，行深智能基于自主可控的無人駕駛技術(shù)已經(jīng)研發(fā)和推出了系列末端無人配送車，已經(jīng)在校園、園區(qū)、景區(qū)、廠區(qū)等場景實現(xiàn)規(guī)模化、常態(tài)化落地運營。

無人駕駛賦能末端物流打造智慧物流是時代趨勢，無人駕駛時代已來，并開始在各個場景逐步商業(yè)化落地服務于人類生活。在智慧城市建設(shè)與新基建的大背景下，行深智能會一如既往加大對自主可控的無人駕駛核心技術(shù)的研發(fā)，并持續(xù)賦能行業(yè)助力智慧物流的打造與升級！