由中国汽车工业协会主办的第13届中国汽车论坛于2023年7月5日至7日在上海嘉定举行。本次论坛以“新时代”为基础 新使命 以新动能-帮助建设现代产业体系为主题，设立“一闭门峰会” 1个大会论坛 16个主题论坛 “N场发布”共有18场会议和多项发布、展示、推广等活动，旨在凝聚各方力量，形成发展共识，为建设现代产业体系贡献汽车产业的智慧和力量。其中，“主题论坛1：第五届全球汽车技术发展领袖峰会”于7月6日下午举行，李伟，重庆长安汽车有限公司首席专家做主题演讲。以下内容为现场演讲记录:
一、自动驾驶路线之争
L3级以上自动驾驶发展受阻，行业未来自动驾驶发展，纯视觉感知集成、重地图轻地图、数据驱动和知识驱动、自行车智能和道路协调、跨越式和渐进、通用和专用六条路线，接下来，讨论最激烈的三条路线，与您分享我的想法。
纯视觉与感知融合路线之争：未来环境感知的形式是融合感知系统。纯摄像头容易感知光线不足、杂光影响、不常见物体、恶劣天气等场景，无法达到全环境感知能力。多传感器集成可以发挥不同传感器之间的互补作用，快速解决问题。当然，多传感集成并不是无限硬件的“堆叠材料”。在技术进步的驱动下，在满足感知要求的同时，不断追求最低成本，创造更精益、更有活力的硬件解决方案，适合大规模推广；算法能力 数据闭环能力提高，“摄像头是主要的 必要的传感器辅助(如4D毫米波)集成方案，既能满足全场景自动驾驶的需要，又能满足最佳成本，或者将是未来多传感器融合的主要形式。
重地图与轻地图路线之争：企业可以大规模工业化的未来形式是轻地图方案。“重地图”属于递增投资，“轻地图”属于摊销投资，重地图路线前期高速投资 少数城市数据采购成本不高，后期随着城市扩张，采购成本激增，长期地图新鲜度不足，覆盖不足，直接导致智能驾驶系统差；轻地图路线早期研发投资高，规模形成后，单位成本可大幅摊销，具有环境认知实时性好、系统高的优点。
数据驱动与知识驱动路线之争：知识和数据双驱动使自动驾驶系统具有类人自进化功能，可以从零开始快速迭代高级智能驾驶。数据驱动在表达任务中占主导地位，数据驱动模型具有更好的自学表达能力，适合感知外部环境。与人类的“理性、逻辑推断”相比，知识驱动在推理任务上占主导地位，适合推断和决策。未来，自动驾驶人工智能技术需要在原始知识驱动算法中有节奏地整合数据驱动范式，结合自身的算法能力和数据积累，提高整个系统性能，提高算法迭代效率。
总之，智能驾驶路线的选择离不开安全可行、技术可行、成本可行、商业可行的综合考虑。在未来，它将趋于基于数据的轻地图、成本竞争力的集成感知 知识双驱动路线发展。
二、AI大模型应用对汽车工业的影响
人工智能对汽车技术、产品和研发产生了颠覆性的影响。
一是优化技术结构，人工智能与车辆L1-L6层结构深度集成，创建智能引擎，推动车辆智能水平的提高。原6层车辆架构将增加人工智能服务层，提供人工智能数据服务、人工智能调度、人工智能接口适应和本地模型推理；原6层架构还将具有人工智能模型培训、人工智能感知、人工智能执行、人工智能应用和服务属性。
第二，打破产品体验的束缚，使汽车成为一个自学和自我成长的系统。在智能驾驶舱领域，生成人工智能将大大提高驾驶舱的互动性和体验感。通过深入学习，大型模型 语言生成，与多模交互融合，迎来开放场景 全新的自然交互人机交互体验。在人机共驾场景下，不断学习用户的车辆控制操作，逐步实现基于语音的全场景人工智能控制，完全解放双手。
在智能驾驶领域，生成式人工智能具有更强的场景库生成能力，颠覆了Corner的采集 Case的现状，加快了自动驾驶的发展。在云算法训练中，大型模型在各种真实的道路测试场景中产生不常见的情况，并为算法补充corner case，提高长尾场景下的决策能力，突破L2.99的无限循环，实现更高层次的智能驾驶体验。
第三，在人工智能的支持下，开发效率可能会提高30%-40%。智能知识系统开发工具和自动化测试方法使软件开发更加结构化和过程化。预计60%的基本通用软件开发将被大型模型所取代。另一方面，在传统车身、内外装饰、底盘等领域，设计和测试仍采用大量的人工生产模式，与软件领先的生产模式存在差距；因此，将软件领域的开发理念、方法和工具应用到传统的研发领域，将发挥巨大的效率提升潜力，成为可持续挖掘的金矿。
一般来说，在规则、数据和知识的驱动下，大型模型将全面赋予汽车行业权力，技术结构将更加完善，产品体验将更加普遍和新颖，研发范式将实现革命性的转变。
以上是我的分享，谢谢大家。
(注:本文根据现场速记整理，未经演讲者审核)
原创文章，作者：盖世直播，如若转载，请注明出处：https://www.car-metaverse.com/202307/1516102785.html
