科创圆桌：AI给自动驾驶“聪明大脑”，虚实交互带来新机遇

南方财经全媒体见习记者马嘉璐 记者江珊  南沙报道

(资料图)

AI技术的突破创新，将会给高阶自动驾驶带来哪些新的机遇？4月25日，在广州（南沙）科创金融高质量发展论坛的圆桌对话环节，紫为云科技董事长顾友良，云从科技联合创始人姚志强，小马智行副总裁贺星，一清创新联合创始人、首席战略官詹培勋，琻捷电子科技CEO李梦雄就此话题分享了来自产业一线的观察和体会。本次圆桌论坛环节由海通证券研究所汽车行业首席分析师刘一鸣主持。

传统工作方法更易被AI颠覆

云从科技联合创始人姚志强观察到，在ChatGPT出现前和出现后，人工智能行业发生了重大变化，大模型将使整个行业效率大大提升。以智慧城市为例，此前，智慧城市建设需要开发很多长尾算法和简化工具，用以帮助后期的运营、维护以及应急响应。而ChatGPT的出现使智慧城市的定制化开发变得更加快速和简单，“这可以被认为是一个利好”。

基于此，姚志强认为，存在大量传统流程或者工作方式的行业更容易被新技术颠覆，而与AI技术企业合作则可以发现新的机会。

“ChatGPT的火热让很多企业和个人意识到数据要素的重要性，加上相关业务属性的映射就是数据资产。”紫为云科技董事长顾友良表示，数据资产特性给企业和个人会带来更多数据理性和隐私保护的意识，也会带来如何用AIGC新技术让自有数据增值的思考。

据顾友良介绍，紫为云在与一些做开放型大模型企业合作的同时，通过自研的核心技术构建多模态数据生产的中模型、小模型系统，专注做私域、离线、轻算力、可控式的安全型AIGC（人工智能生成内容）产品，助力释放更多企业和个人的私有数据价值。

他透露，紫为云的“紫易AIGC文图生成系统”已在离线技术前提下可实现私有数据训练、可控式生成，通过这一关键技术，可以更有效地保护私有数据资产和提升数据资产的价值。

“构建人与世界的虚实相互，让人们持续享有智能创新的美好生活”。顾友良认为，在新一代人机交互智能技术引擎的支撑下，提供了多模态算法、先进算力技术、虚拟现实技术和数据智能等技术能力，尤其体现在单目摄像机3D系列算法和智能终端的轻量化计算，使得AI算法的硬件适配性大大增强，通过使用日常智能硬件就可以全自然交互般的驱动虚拟场景中的数字人，这一技术已应用至数字体育、数字医疗、数字培训和数字乡村等场景中。

目前，自动驾驶技术在物流领域的落地已经取得明显进展。一清创新联合创始人詹培勋分享道，全球最大的水平布局全自动化码头——南沙四期全自动化码头120台无人驾驶智能导引车（IGV），正是由一清创新提供，替代原来依靠磁钉技术的无人化码头方案，已帮助南沙港四期完成80万标箱集装箱的无人化运输。

一清创新是香港科技大学技术孵化的企业，团队在2017年推出全香港第一台无人车，也在2022年拿到全香港第一张自动驾驶牌照。据詹培勋介绍，一清创新集合激光、摄像头、北斗系统等技术，自主研发无人运力解决方案和低速无人车整车服务两类产品，已在电子厂、电路板厂、农牧企业等100多个园区落地应用。

AI为自动驾驶提供聪明的大脑

“打造好一个自动驾驶系统，AI的技术是绝对离不开的。”小马智行副总裁贺星说，开发高等级自动驾驶汽车所面临的难题，远比开发辅助驾驶汽车要多。准确识别周围车辆的状况、大小、方向、朝向、速度，对周围的人、电瓶车、车辆的意图进行推理，这些复杂状况都需要通过大数据积累、AI算法来处理。传统车企提供强壮的身体，AI科技企业提供聪明的大脑，双方合作可以让自动驾驶汽车安全行驶。

贺星认为，要让自动驾驶真正落地，最核心、最基础的是让车辆有机会在真实路面上收集测试数据。在技术和政策的支持下，小马智行已经积累了六至七年的大规模路测经验，形成2000多万公里的路测数据。这些数据极大地帮助提高了车辆的安全性和舒适性，目前小马智行已经形成Robotaxi、Robotruck、乘用车智能驾驶三大业务板块。

自动驾驶离不开传感芯片。然而，我国汽车传感芯片产业化进程相对缓慢。从行业角度来看，琻捷电子创始人兼CEO李梦雄认为：“不仅是传感芯片，我国汽车上的芯片进展在过去很长一段时间都是徘徊不前。”他分析，主要是因为汽车行业对产品的可靠性、安全性要求更高，而我国半导体产业领域，包括制造、设计和封装等方面，与国际先进水平还存在较大差距。

琻捷电子是一家专注于汽车传感芯片的公司。李梦雄认为，随着汽车电气化的阶段过去，汽车智能化阶段将孕育更丰富的汽车智能传感需求，这些需求带有集成化、平台化、无线化的明显特征。他以无线化为例解释，智能汽车将成为第三生活空间，它需要把车本身的智能传感，与人、手机结合起来，所以车身无线控制还会有非常大的发展空间。

在詹培勋看来，人工智能在自动驾驶领域的应用已产生多个路径，封闭区域内的自动驾驶已经达到L4水平，不过在开放路面可能遇到更多挑战。他分析，高速和低速之间获取的信息量不同，对感知层面的人工智能配置需求也有很大差异。

标签：