當前汽車行業(yè)聲音比較高的一個共識是結構化道路、確定性窗口、網絡協(xié)同以及智能網聯(lián)。倡導智能網技術發(fā)展的人，都希望用網絡來彌補駕駛的不足，但是，我個人認為“自動駕駛+智能網聯(lián)”最好的發(fā)展途徑是高鐵、地鐵、飛機等領域，其中最重要的環(huán)節(jié)是調度。

最糟糕的是，由于特斯拉自動駕駛技術的陸續(xù)發(fā)布，使得駕駛者在開車的時候不需要那么專注了。其實，越是信任自動駕駛，越容易造成注意力不集中，因此不能釋放駕駛員認知的所有“自動”都不能稱之為自動駕駛。

汽車是從馬車演變而來的，作為動力工具，有時候不如馬車，因為老馬識途。自動駕駛過程中，駕駛員與環(huán)境周邊車輛的交互認知哪里去了，駕駛員的經驗和臨場處置能力由誰來替代？

發(fā)生交通事故的第一殺手主要是由駕駛員造成的，所以我們要把重點放在人身上。駕駛“腦”能自主應對駕駛過程中遇到的各種各樣偶發(fā)事件和不確定性，這才是人工智能。

我們比任何時候更需要研究駕駛員，分析駕駛員行為的大數(shù)據(jù)，構建駕駛員的智能代理。對此，國內存在各種不同的聲音，能不能“抱團取暖”是中國在世界大創(chuàng)新過程當中能否占有一席之地的必要條件。

我們把周邊感知分幾個顏色，紅顏色代表雷達，藍色代表攝像頭，黃色代表傳感器。左邊的太陽大，右面的太陽小說明車裝偏了，要不然怎么控制得好。當然，僅這三類傳感器還不夠，三類不同顏色的傳感器構成了一百多個傳感器?，F(xiàn)在Google做的是感知生物學，而我們做的是認知生物學。駕駛態(tài)勢圖是認知的，會在頭腦里做好路徑規(guī)劃。

駕駛“腦”的關鍵是駕駛認知的形式化，是將感知大數(shù)據(jù)的縮水，并遷移認知系列。因此，我認為，自動駕駛替代不了智能駕駛，只能在專用道上開，不像現(xiàn)在我們講的無人駕駛，是經驗駕駛員的標桿駕駛。人在道路中的自主駕駛讓車廠去模擬是難以承受的，機器駕駛“腦”的研發(fā)讓車廠去做，也是難以承受的。

傳統(tǒng)汽車僅僅是駕駛員的手、腳和力量的延伸，控制車輛行為的是人。在我們看來，方向盤是一個非常好的界面，是力量延伸器。

線控汽車裝備了傳感器之后，用駕駛“腦”替代駕駛員認知，并獲得駕駛指紋的駕駛技巧，讓機器徹底變成自己，這應該是人工智能時代最有意義的問題之一。不同的駕駛“腦”認知水平可以有差異，駕駛“腦”有個性，有在線學習的能力，還能夠與車內駕乘人員聊天。

我們坐車的時候，因為是有管理的，知道公交車司機是有水平的，所以我們從來不關心那個駕駛員的技術怎么樣，關鍵是到站能不能停。如果我一上車就不知道怎么辦，這是行不通的，這也就是乘客不愿意坐無人飛機的主要原因，因為有太多的不確定性，讓乘客一旦遇到緊急情況下不來是不行的。每一輛公共汽車都是一個“活地圖”，不僅可以下載“活地圖”，車輛需要什么樣的底盤、什么樣的動力、什么樣的駕駛技巧都是可以被了解到的。

非結構化道路、不確定性邊界、自主交互、數(shù)據(jù)交換這不是汽車的自主定義。人類發(fā)明了自動駕駛之后，有人駕駛和無人駕駛混合駕駛時間至少需要75年，所以我認為大數(shù)據(jù)開車并不是把全球所有的道路都壓在一輛車型上。如北京1路公共汽車在長安街上都不用拐彎，又何必讓它拐彎。不必把人類所有駕駛員的認知都濃縮在一個特定的駕駛“腦”上，這樣我們就有管控空間了。

園區(qū)觀光、廠區(qū)通勤、社區(qū)巡邏、城際高速最后一公里等不同領域定點車型的應用，如物流車、校車、市區(qū)定點接駁車、快速公交等。在這些場景下，自動駕駛汽車是否需要駕駛員的掌控，這主要取決于車輛能否處置特定場景下的意外情況，能否發(fā)出求助信息要求人工干預，或者是在迫不得已的時候做出最小損失的決策。

把無人泊車當作自動駕駛技術道路上的最后一公里來對待，這才是接地氣的發(fā)展路線。汽車成為大數(shù)據(jù)的源泉、移動社會的傳感器，駕駛“腦”有學習和自我學習的能力。一旦量產的自動駕駛汽車上路，占比將越來越大，駕駛“腦”會成為汽車的必配。加之隨著智能網聯(lián)技術的快速崛起，駕駛數(shù)據(jù)智能越來越快，L3多了，L4也就多了，因此人們對于L3、L4、L5就不會那么介意了。

關注讀覽天下微信， 100萬篇深度好文， 等你來看……