RoboX对他们的对话内容进行了简化摘要，供大家参考。
本次对话嘉宾如下：
邬贺铨：中国工程院院士、中国互联网协会专家咨询委员会主任
孙逢春：中国工程院院士、北京理工大学教授
李克强：中国工程院院士、清华大学智能网联车辆与交通研究中心主任
曲小波：欧洲科学院院士、清华大学车辆与运载学院长聘教授
AI智驾的技术挑战
邬贺铨：在算力层面，根据已有的软硬件件发展速度来看，可能不到一两年，端侧大模型的能力就能得到有效支撑了。更大的挑战还是数据。
据了解，大概只有1%的真值数据来自开放道路，90%在封闭道路。而在整体数据中，90%为仿真数据。
当然，更多的数据需要利用AI办法生成仿真，但现在仍有一些风险，例如可能导致幻觉和崩溃，所以仍需要有一定的原始数据。
当然，未来的AI技术还需要继续提升，要通过泛化迁移学习打通不同的场景。
AI应当变成「破解式」的人工智能，这并不仅仅是靠智能驾驶就能突破的，还要解决很多技术挑战，以及法规方面的挑战——现在的交规并非针对智能驾驶，在自动驾驶时代需要进行一些适应性的变化。
孙逢春 ：我担心的问题，首先是安全，这也是智能网联汽车的初衷。所以我呼吁标准先行，不光是指技术标准，还有道德规范。
另外，从大学老师的角度来看，现在几乎所有车企招机械工程师的都很少了，导致学生都不太愿意报考传统机械工程专业。而我认为人才培养应当同时具备汽车和AI的知识，这可能是可持续高速发展的一个前提。
李克强：在自动驾驶应用上，人工智能还是有一系列挑战需要解决。
第一，低延时、高可靠度的技术方案
AI的汽车应用分两类：一类是人机交互，一类是替代控制。
人机交互的典型应用是座舱语音交互。在这一领域，人工智能的可解释性，实时性、可靠性高一点低一点，可能问题不是很大，
而在替代人操作的自动驾驶中，目前的AI从理论知识和可解释性上，仍存在问题。在对实时性、可靠度需求甚高的自动驾驶中，现在还缺乏完善的技术。
第二，数据确实很重要
在垂直领域的应用模型，数据三要素是海量性、完备性和准确性。而自动驾驶的场景数据，有的企业说用几百万辆车能收集多少数据，我们认为那是不全面的训练数据。
关于「海量」和「完备」的概念，我觉得大家可能会混淆。
如果只是单一企业收集的数据，它永远不具备完备性。所以如何建立数据底座，目前是存在挑战的。
在此背景下，我们清华团队和国家智能网联汽车团队，提出车路云一体化，通过云控技术平台会是一个非常好的大模型训练数据底座。
第三，车端计算架构
在云端训练之后，最终还是要实现车端应用。而目前的烟囱型计算平台是难以适应AI迭代的，所以在计算架构上，现在也是存在挑战的。
曲小波：从单车层面来看，大模型上车主要是解决长尾问题。但现在大模型有那么多参数，可能计算延时长达2-3秒。如果能通过压缩，将延时缩小到300-500毫秒，可能会是现在业界最好的水平。
下一步则是将300毫秒降到100毫秒以内，真正实现大模型上车，这是接下来非常重要的方向。
另外，最近半年来，我们一直在讨论新能源汽车车险的问题：新能源汽车或智能网联汽车的保费是比传统汽车高的，但保险公司却是亏损的，也就是车险无法cover赔付。
目前，车险定价的浮动率是非常低的，但如果能够借助数据分析，实现上下浮动，定价是可以作为杠杆的。
例如，智能网联汽车都有非常精准的数据轨迹，基于这些轨迹，我们可以分析哪些是好的驾驶员，哪些是有不良驾驶行为的驾驶员。基于这些数据分析，我们就可以将其作为定价杠杆，以此鼓励更好的驾驶行为。
另一方面，根据车辆本身运行状态的数据，也可以去鼓励车企去造更好的车，甚至发现道路基础设施存在的问题。
关于高度网联化的3点误解
邬贺铨：中国比较早就在强调智能和网联，两者是结合在一起的。
但在汽车领域，提起智能，我们更多想到的是单车智能，但它只是基础。因为单车智能如果没有车联网的支持，还是一个比较局限的应用。
例如，虽然可以下载地图，但无法做到实时更新；而且，即便汽车自身是够智能的，但是没法获得周边汽车的状况，也很难得到路侧的全局观支撑。
如果实现了全局性，可以使得智能汽车的功能更强，效率更高，安全性更好，另一方面还可以降低单车的智驾成本，因为可以简化车载传感器，节省算力。
而且一般来讲，云端与车端的算力结合，会使整体算力效率提升30%。
而且，通过网联，城市的交通管理部门也可以更精准地了解交通状况，对于城市的交通效率提升也会有很好的帮助。
孙逢春：关于新能源汽车，以前争论了将近20年，这很正常。因为企业和用户的需求各不一样。尤其在初级阶段时，企业觉得电动车事儿多还不一定好用，建设基础设施也不划算，和销量不成正比。
这就像特斯拉FSD入华，牵扯到的数据等问题也引发大家的争论：数据非常敏感，尤其实现车路协同以后，车企对于他人使用数据可能会产生抵触。所以，只有当实现「全国一张网」时，这才是真正意义上的车联网，因为它需要对新能源汽车进行安全监管。
李克强：首先，网联融合是分级的——2016年，在工信部的指导下，我们的技术路线图指出网联分为三级：第一级是信息的动态交互；第二级是协同的感知；第三级是协同的决策控制。
据此，如今所有的车都已经是网联的了，只要你有导航，有娱乐，有外界交互，就属于是网联三级。
从这样的级别来看，单车智能只是基础，车路一体化则是单车智能的升级版。既然我们已经有了新一代的移动通信技术和人工智能技术，为什么不把网联的程度提升得更高一些呢？
「鬼探头」就是典型的需要协同感知的案例——如果通过路侧的上帝视角实时告知，显然会更安全。
所以从这个角度上，网联会到随着通信技术、信息技术传感器技术和控制技术的发展，最终形成一个三级的信息物理系统，也就是一体化。
当然也有人提出质疑：网联级别高了以后，通讯没有怎么办？通讯效果不好怎么办？另外成本太高，毕竟好像FSD只用单车智能都已经能自动驾驶了。
这其实也是误解：
1、如果在通讯不好的情况下，车辆最低只会降维到单车智能。这就像如果智能手机的互联网不行了，但打电话的基站也还能工作，只不过会降维为功能手机。
2、在成本层面，路侧信息化改造的成本只是修路的1%。而且当智能网联汽车走入数字轨道，车上的传感器也可以减少，所以整体算下来，成本没准还会下降，至少是可控的。
3、现在特斯拉也不是单一的单车智能，特斯拉的FSD V12已经属于车云协同，可以让汽车看得更远，算得更快。更重要的是，我们都想做人工智能，都想做大模型，那数据底座从哪来？其实可以通过这一套高级别的连接来获取，肯定比目前独自收集要好。
产业生态的构建
邬贺铨：我认为，建设智能网联汽车的生态，目前看来没有想象中的那么难，大家都在自觉地推动形成。
麦卡锡曾经预测，车联网以及车载电子衍生的服务产业，到2030年全球能达到1.5万亿美元的规模。其实全球的汽车产业也就几万亿美元规模，这意味着，智能化会重造一个汽车产业，这是值得我们去重视和和开发的。
就生态发展来看，整个智能汽车产业涉及到政府的很多部门，交通管理部门、公安部门、城管部门、工信部门、法律部门、政策部门、保险部门、金融部门等等，涉及的范围很宽。
而且，目前其运营主体也并不清晰，因为不可能三个运营商同时建一个这样的网络，另外车企也希望能够主导。
所以我认为车联网实际上可以分成两部分：一部分是汽车连接的路侧单元，再连到边缘计算以及车路云（类似V2X）；另一部分是汽车连接到公众通信网络，通过云进入更多互联网的服务，这两部分需要很好地结合在一起。
所以我认为，未来需要有建立一个全国统一的车联网运营商，它可以将各地城市的路侧单元及车路云，接入到所在地运营商的网络，再进行统一融合。运营体最好是全国统一，这样可以统一标准统一规划，不过也可以接受多元化的投资，例如铁塔公司。
李克强：智能网联汽车的交叉融合，已经形成了一个典型的信息物理融合系统，这是一个复杂的系统。由此，它的生态和产品利益也会发生改变。
大家都在讨论未来的汽车产业将由谁主宰，我认为，谁能掌握ICT和汽车工程的融合技术，及其相应的新型产品，谁才有未来。
在这种情况下，未来一定会诞生「1.5级基础平台供应商」（介于Tier1和Tier2之间），就像通讯领域的铁塔公司。
未来，智能网联汽车产业里会出现计算技术平台、云控技术平台、信息安全技术平台、通信技术平台、基础技术平台、终端技术平台等等。这些平台都是协同式的——既有政府背书，又有市场竞争，竞争来自于上面的应用层。
现在，国家智能网联汽车创新中心正基于这样架构和设计，推动建设生态。
智能网联汽车是一个复杂的系统工程，要想做好就必须有统一的架构。现在的车路云一体化，就相当于是在修数字轨道，在大架构相同的标准下，把各自的工作做好，然后再形成一个协同关系，这样我们的产业才能真正成功。
CONTACT US
ICC APP
