李彥宏：無人駕駛將消滅酒駕，可到底哪年能坐上真正的無人駕駛汽車？

什麼時候坐上無人車？這個難以回答的問題的答案首先取決於所謂的「無人駕駛」是什麼意思。

「無人駕駛」也分等級，目前國際自動機工程師學會（SAE）制定的等級標準已經獲得廣泛接受。簡單來說：

L2系統是一種先進的駕駛員輔助系統，可以在特定環境下控制方向盤和剎車，但算不上無人駕駛。

L3系統確實可以駕駛汽車，但只能在有限的情況下發揮作用，需要有司機隨時接過汽車的控制權。

L4系統是「高度自動化的系統」。在實踐中，它可以完成人類司機能夠完成的多數任務，但只在有限的地理區域有效——即地圖繪製完善的區域。

L5系統是成熟的無人駕駛系統，可以自動開到任何地方，駕駛技術堪比經驗豐富的老司機。

下面，量子位將對國外車企公布的自動駕駛進展時間線進行梳理，看看國外的自動駕駛汽車何時上路——

目前，L2和L3級系統已經出現。

通用汽車的Super Cruise和特斯拉最新的Autopilot都是L3系統，這兩種系統都只能在特定系統下駕駛汽車，但也都需要人類司機隨時獲得控制權。

奧迪在新一代A8中引入的高速自動駕駛系統也為L3級，名為「奧迪AI交通擁堵駕駛系統」（Audi traffic jam pilot）。奧迪稱車速60km/h以內，車輛可完全自動駕駛，並將於2018年進入中國。

不過，L4級系統已經不遠了。

目前，通用、福特、豐田、沃爾沃都在開發L4系統，豐田計劃在2020年投放L4量產車，通用、福特、沃爾沃表示2021年量產。值得注意的是，德爾福與Mobileye、英特爾聯手，將合作開發L4中「中央感測定位與規劃（CSLP）自動駕駛系統」，預計將於2019年投產。使用該系統的汽車可能在一兩年內上路。

通用汽車的首輛L4自動駕駛汽車即將做好投產準備，但通用汽車不準備向消費者銷售。你或許可以率先通過專車服務乘坐L4無人駕駛汽車，幾年後才能自己買到一輛。

其他可能率先投入市場的包括特斯拉和戴姆勒，前者將在2020年底之前推出L4系統，後者擁有賓士品牌和重型卡車。但多數消費者可能都要等到2021或2022年才能買到L4無人駕駛汽車，屆時，這類系統將以選裝件的形式出現在普通的汽車和卡車上。

上圖為特斯拉Autopilot系統

對了，Waymo表示也在做L4自動駕駛相關研究。

目前看來，L5級系統仍是重大挑戰。

目前，大眾等在開發L5無人駕駛技術，計劃在2021年實現L5級無人車。英偉達也開放的自動駕駛端到端平台NVIDIA DRIVE，想幫助車廠10年內實現L5級自動駕駛。

說了這麼多，我們可以大致整理出一條無人駕駛上路時間線：

2018年：L3的奧迪A8在車速60km/h以內實現自動駕駛，可以通過Lyft等專車服務在大城市乘坐L4無人駕駛汽車。

2020年：豐田投放L4的量產車，特斯拉在此之前將推出L4系統。

2021年：L4的通用、福特、沃爾沃開始投放量產車，起初可能是僅限於豪華車的昂貴選裝件。

2024年左右：L4無人駕駛汽車可能廣泛普及，至少可以作為很多主流汽車的選裝件。到那時，L4車的區域局限或許不再值得擔憂，因為3D地圖已經覆蓋了多數發達地區。但該系統可能仍然無法在極端天氣中有上佳表現。

N年後：第一輛真正的L5無人駕駛汽車將會出現。

長話短說就是，L4無人駕駛汽車的確很快就會出現，但一段時間內還要面臨局限，而能像人類司機一樣隨意駕駛的汽車可能還很遙遠。

要說無人駕駛，那我們就先聊聊美國是怎麼給無人駕駛技術進行分級的。

2013年，美國國家公路交通安全管理局（NHTSA, 制定各種監管和標準）發布了汽車自動化的五級標準，以應對汽車主動安全技術的爆發增長。

Level 0：無自動化，駕駛員需要負責啟動、制動、操作和觀察道路狀況。
Level 1：單一功能級的自動化，駕駛員仍然對行車安全負責，但某些功能已經自動進行，比如常見的自適應巡航（Adaptive Cruise Control， ACC），應急剎車輔助（Emergency Brake Assist， EBA），車道保持（Lane-Keep Support，LKS）。
Level 2: 多功能級的自動化，駕駛員在某些預設環境下可以不操作汽車，即手腳同時離開控制，但駕駛員仍然需要對駕駛安全負責，並隨時準備在短時間裡接管汽車駕駛權。
Level 3: 有限的自動駕駛，在預設的路段（如高速和人流較少的城市路段），汽車自動駕駛並承擔架勢安全的責任，駕駛員仍需要在某些時候接管汽車，但有足夠的預警時間，如即將進入修路的路段(Road work ahead)。
Level 4: 全自動駕駛，不再有駕駛員，僅需起點和終點信息，汽車將在全程負責行車安全，並完全不依賴駕駛員干涉。

當然，也還有SAE出具的對無人駕駛的分級標準。

由於SAE的標準更細，所以我們還是習慣使用SAE的標準。

那現階段，我們對無人駕駛技術的研究又發展到了哪個地步呢？

Google可以說是第一個進入無人駕駛研究領域的。

早在2009年，Google就把斯坦福 AI Lab（從事無人駕駛研究）的負責人Sebastian 招到 Google。

Google X也在2010年1月正式成立。

從 09 年到 2016 年 6 月，Google 的無人車累計行駛了 2,777,585 公里。光 2016 年 8 月這一個月，無人車就行駛了 202,777 公里。

截止到現在，Google 的無人車已經累計行駛了 500 萬公里。最新的技術實力，可以達到平均連續 8000 公里 1 次人工干預的水平。

2016 年 12 月，Google 正式將 Google X 中的無人駕駛業務分拆出來，成立了獨立公司 Waymo。

目前，Google也是世界公認的無人駕駛領域的最高水平。

在一個就是大名鼎鼎的特斯拉了。

特斯拉在2014年年底開始，它的新車型就為用戶提供輔助駕駛包了。最早是和Mobileye合作，使用其提供的ADAS技術。

在2016 年 7 月，特斯拉終止了和 Mobileye 的合作。

當然，特斯拉雖然宣稱它的無人駕駛技術已經強於人類了，不過，在2016年5月，一位特拉斯車主使用自動駕駛的同時在車上看視頻，導致直接撞上拖車後身亡。

但特斯拉由於有免責申明，說明不能將駕駛完全交由系統，車主需要對駕駛負責，所以最終免於賠償。

雖然特斯拉出了不少事，但是它依舊被信任，而且特斯拉的野心也非常大，宣稱要在 2017 年末實現完全無人駕駛，而 2019 年全面上路。

當然，我們也不能忘了Uber這個老熟人。

2015 年 Uber CEO 正式宣布要用無人駕駛技術來提供服務，招了一些卡耐基梅隆的研究員，使用 LiDAR + 攝像頭的多感測器融合技術。

2016 年 8 月，Uber 收購了做無人駕駛的公司 Otto。同年 9 月，Uber 正式在匹茲堡提供基於無人駕駛系統的計程車服務。同年 12 月，在舊金山提供同樣的服務。

當然，到現在為止，Uber的無人駕駛技術其實並沒有達到預期的標準，整體的水平也低於上訴的幾個企業。

一起來看看到底我們距離Level4還有多遠

這是幾個領先的無人駕駛企業的數據對比。

我們可以看到，Google的總行駛里程已經達到了500萬公里，並且每8000公里才需要1次人工干預。

Nissan雖然總行駛里程只有4000公里，但是它可以實現233.6公里進行1次人工干預。

Uber的數據要更差一些，平均1.5公里就1次人工干預。

百度的水平，據說平台和Uber差不多。

所以說，Google的技術已經是非常的成熟了，未來的3-5年，我們就非常有可能看到搭載Google無人駕駛技術的車輛量產了。

到那個時候，開車不喝酒這句話，可能只是適用於不帶無人駕駛的車輛了。

還記得7月份，百度舉辦的2017年AI開發者大會上，其創始人、董事長兼首席執行官李彥宏通過視頻直播展示了一段自己乘坐公司研發無人駕駛汽車上五環的情景嗎？

本以為可以藉此造勢一把，卻沒想到引來了交警叔叔的特殊關注，大會過去沒多久，百度就收到了一份冷冰冰的情況通報。

然而僅僅在5個月之後，官方首次對自動駕駛進行了定義！這是史無前例的，新規一經發布，震驚整個汽車行業，驚呼無人駕駛的時代真的來了！

12月18日，北京正式發布《自動駕駛實際道路測試規範指導文件》，文件指出，凡是在中國境內註冊的獨立法人單位，可申請自動駕駛車輛臨時上路行駛。測試主體應具備賠償能力，應購買每車不低於五百萬人民幣的交通事故責任保險或提供不少於五百萬元的自動駕駛道路測試事故賠償保函。

北京市作為首都，能夠在政策上率先破冰，對於全國其他城市無疑是一個很好的示範效應。就在不久之前，深圳第一輛智能駕駛公交正式上路，這也是全球首例在開放的道路上進行無人駕駛。雖然目前試運營只設有海梁、深巴、福田三站公交站，全長也只有1.2公里，但是隨著技術、政策等不斷的完善，很快就可以正式運營了。

也許在將來的某一天，無人駕駛技術的發展，可能會讓人類駕駛汽車的行為變成非法行為。不用去駕校考駕照，不用去擔心違章、罰款扣分；就連每年的車險也可能不用繳納；如果汽車發生故障也可能給你維修的是一個IT工程師，而不是現在的汽修師傅！

一切皆有可能！從今天開始，就讓我們拭目以待，來一一驗證！

全球禁售燃油車時間表

2020年，一線城市，新能源綠牌數量正式超過傳統燃油藍牌；

2025年，長安、比亞迪、賓士寶馬全面停售燃油車，只賣新能源；

2035年，測速取消、拍照取消、違章取證逐步撤銷，再無扣分罰款；

2040年，全面無人駕駛，告別交警、駕校關門，從此再無交通事故！

不知道你期待哪一條呢？

真正的無人駕駛，普法君客觀地說，在國內還屬於一個美好的願望，真正實現還遙遙無期。為何這樣說？原因如下：

1、自動駕駛所需空間不足。

這應該是目前國內汽車實現無人駕駛的最大障礙。

放眼全國，汽車保有量急劇增加，交通擁堵日漸嚴重，已是不爭的事實。試想一下，在人為操控的情況下，汽車行駛要面對各種加塞、變線、超車、溜車都數不勝數，再加上各種橫穿馬路的行人、自行車、電動車等各種狀況，無人駕駛要勝任操作程序，電腦系統要被逼瘋啊。

2、技術要求無法實現。

目前我們乘坐的交通工具中，飛機、火車、輕軌、輪船都可以實現無人駕駛。

但大家可以發現，這些交通工具操作空間是有嚴格要求的：

飛機即便在空曠的天空中，要實現無人飛行，也必須先在程序中設定既定的航線、平飛在特定的高度、保持特定時速、跟地面塔台保持密切聯繫的基礎上，即便在這樣程序化的前提下，飛機的起降動作依然要手動完成。

輪船、火車都差不多，都是在特定的封閉軌道、浩瀚的大江大海中才行。

而汽車呢？烏泱烏泱的車流中，你敢放手讓電腦自動駕駛？

3、汽車無人駕駛在特定環境下可以嘗試。

困難雖有，但科技不能停滯不前，普法君覺得，無人駕駛可以在特定環境下嘗試運行。

比如，在經過廠家路試、技術逐漸成熟後，可以逐漸量產投放市場。

至於先行者，可以參照現在公交BTR車道系統，在既定的路段設立專用車道，讓無人駕駛車輛行駛。

同時，道路、車輛、後台管理、交警系統等與道路行駛相關部門，形成一個聯動機制，系統上通管通用，制度上嚴格管理專屬道路。

在嘗試獲得成功後，可以逐漸往其他道路擴大規模……

4、無人駕駛需要全民參與。

不要以為無人駕駛只是廠家的事情，你我都有責任參與進來的。

因為，無人駕駛技術在牛逼，沒有你我文明出行意識的提高來配合，一切都是枉然……

因此，自覺遵守交通法規，自覺抵制各種不文明交通行為，維護良好的公路秩序，是你我作為一名良好市民的基本準則，只有這樣，大家才能集體享受到高科技出行帶來的便利。

首先，即便是最高級（L5系統）的無人駕駛汽車，也同樣需要一個具備正常心智，且始終處於正常狀態的人，在能正確判斷路況，並能清醒意識到自己出行的目的、終點、抵達時間等等情況下，給它輸入指令。

試想，把一台無人駕駛汽車交給一個瘋子，他會做出什麼事來？正確的回答是：任何你有可能想到和不可能想到的事情，包括犯罪和自殺，他都有可能製造出來。

那麼同理，一輛L5系統的無人駕駛汽車如果落入一位醉酒人士的手中，會出現什麼驚心動魄的大片情節既視感……各自腦補吧，朋友們。

其次，一般情況下，再高級的無人駕駛車，也要從車庫出來，駛入鬧市區或車來人往的複雜路面，然後開上車流較少甚至高速公路以後，再自動巡航吧？那麼此前這一段路程的駕駛應該不能通通交給電腦吧？那麼，誰開？請問若恰好是在醉酒狀態下的李彥宏大帥哥，你敢開么？

第三，我這樣問好像有點咄咄逼人，然而真正的大問題可能恰好要出在這裡。一個處於清醒狀態的人，他不會認為自己能夠在醉酒狀態下，獨自操縱無人駕駛汽車；但是，一個醉酒狀態下的人，卻顯然是控制不了自己的思想和行為的，這種情況下，他還真有可能「敢開」！

所以，放心，真到了那一天，交警大爺是絕不會坐視醉鬼們隨意操縱無人駕駛車的。李彥宏先森，你就別說酒話了吧。

各位對李彥宏同志有看法，就請在下面留言吧，他不會生氣的（主要是生不過來啊，意見太多了）。

先看下自動駕駛的幾個分級

SAE把自動駕駛分為6個級別：

• L0. 非自動駕駛：所有駕駛任務都由人類駕駛員進行操控

• L1. 輔助駕駛：特定駕駛模式下根據環境條件可讓駕駛系統控制轉向和加速

• L2. 部分自動化：特定駕駛模式下根據環境條件可讓駕駛系統控制轉向和加速

• L3. 有條件的自動駕駛：特定駕駛模式下由一個駕駛系統完成所有的動態駕駛任務，但是人類駕駛員要在旁邊，當駕駛系統需要你的時候，你得正確響應駕駛系統的請求。

• L4. 高度自動化：特定駕駛模式下，駕駛系統完成所有駕駛任務，即使人類駕駛員無法正確響應請求並接管操作

• L5. 全自動化：自動駕駛系統可在全部時間、全部路況和環境條件下完成所有駕駛任務

L0~L3必須要人類駕駛員，L4~L5可以沒有人類駕駛員，也就是說當發展到絕對的L4級別的時候，我們就不用去考駕照啦。

看下它的主要組成，它主要分為感知層、決策層、執行層。

1 感知層

就像人走在路上，要知道周圍有什麼物體，它們的移動方向大概是朝向哪，它們的移動速度大概是多少。自動駕駛系統也是同樣的道理。我們人的眼睛和耳朵是主要的感知系統，自動駕駛系統的「耳朵」和「眼睛」就是各種感測器。耳朵是麥克風，眼睛是各種雷達和攝像頭。

1.1 麥克風就不多講了，因為目前絕大多數的自動駕駛系統都沒有安裝這個「耳朵」。

1.2 攝像頭我們都知道，目前自動駕駛上的攝像頭能達到100-200萬像素。攝像頭主要分為2D攝像頭和3D攝像頭，最主要的一個是在車頂，攝像頭主要用來識別周圍的物體是什麼。

1.3 雷達我們也都知道，就是一波一波的那個東西，近程（工作在24 GHz）或遠程（工作在77GHz）雷達感測器一般裝在車身的前部和後部，用來確定車身前後的交通狀況，它們能監控從距離1厘米到數百米間的狀況，雷達就是通過發出電磁波 -> 接收發射回來的電磁波來獲取物體與雷達的距離和物體的大概形狀等。無人駕駛上的雷達分為超聲波雷達、激光雷達、毫米波雷達和固態激光混合雷達等。

激光雷達就是紅外線雷達，波段在0.75~400微米左右。它的優點是通過提供高精度點雲信息，使探測範圍更廣，探測精度高。比如谷歌waymo最新無人駕駛車上安裝的新一代中距離激光雷達幾乎可以「看清」300米遠的物體。缺點是對速度不敏感、在雨雪大霧等極端天氣下性能較差、價格昂貴並且不能全天候工作。

毫米波雷達就是波段在1~10毫米左右的雷達。它的優點是對速度非常敏感，穿透煙、霧、粉塵的能力更強、可以全天候工作、價格便宜，單體價格在100美元左右，不像激光雷達動不動就上萬。缺點是不能探測遠距離、感知行人能力較弱。

1.4 GPS提供了線路規劃，就像我們看的地圖，GPS就是自動駕駛系統的地圖。

最終是多個感測器獲取的數據進行綜合處理，輸入到自動駕駛系統的「大腦」。

下圖是最新的谷歌自動駕駛汽車感測器分布示意圖。它這裡主要分為了視覺系統，在車頂；雷達系統，在車的四角；激光雷達，在車頂和車前部；輔助感測器，在車頂。

感測器發展方向上，目前技術來看是多感測器融合，至於百度在今年7月份AI開發者大會公布的單目攝像頭實現L3級別無人車，感覺更像是噱頭，今年11月份百度公布的無人車「雲曉」已經採用了多感測器融合的形式。

2 決策層

得到周圍環境的信息了，首先得知道周圍的這些物體是什麼，俗稱環境理解。然後就得預測下周圍這些物體往哪走，俗稱行為預測。知道周圍物體往哪走了，得確定下自己往哪走，俗稱行為規劃。決策層實際上主要就是做了這三件事。決策這個演算法的最頂層演算法就是強化學習。

2.1 環境理解：就是圖像識別，比如行人識別、車輛識別、車道識別、交通標識識別、行駛中車輛的追蹤、行動中行人的追蹤等。深度學習在這些應用中展現出了比傳統計算機視覺技術更好的性能，從而被廣泛應用。

圖像識別主要包括目標分割、目標檢測、目標識別，這塊使用的演算法系列主要是RCNN -> FastRCNN -> FasterRCNN -> SSD系列。

目標分割就是我們從攝像頭獲取到一張原始圖像後，把圖像中的目標對應到不同的顏色標籤。就像下面這樣。可能有人會疑惑下圖最下面的顏色標籤從哪裡來的，是的，是我們自己預先定義的。

目標檢測就是確定目標對象的位置和大小，比如下圖，美女body的目標檢測結果就是矩形四個角的坐標值和矩形的長寬。

目標識別就是確定目標是什麼了，比如是頭牛、或者是個人。

2.2 行為預測：行為預測屬於自動駕駛中的一個重點難點，因為目前駕駛系統對環境的理解還是處在一個非常淺顯的層面。並且它的處理能力和人的大腦在一瞬間的處理能力是不能相比的。人類在駕駛中可以根據動態變化的環境實時調整駕駛策略，同樣機器也需要對車輛周邊的人、車、物的行為進行預測，從而做出安全駕駛決策。

2.3 行為規劃：根據車身狀態數據、局部環境數據做出當下最優的行動選擇，包括加速、剎車、變換車道、轉彎等。

3 執行層

執行層我們就知道了，就是剎車、轉向、加速這些。具體就是通過線控技術完成執行機構的電控化，達到電子制動、電子驅動和電子轉向。

硬體層面

演算法層面

4 當環境複雜時行為預測錯誤

目前除美國已經發布了比較完整的自動駕駛汽車法規，允許符合條件的一定數量的L3汽車進行路測。其他國家包括日本、韓國、德國等對於自動駕駛都在完善自己的法律法規。一些國家也在制定一些預計2020/2021上市的SAE L3自動駕駛汽車的相關法律法規。中國在2017年12月18日北京市試行無人車正式路測。

• 谷歌計劃2020年左右實現L4自動駕駛汽車

• 福特計劃2021年前製造出L4自動駕駛汽車

• 本田計劃2020年實現L4自動駕駛汽車在高速公路上運行

• 豐田計劃2020年實現L4自動駕駛汽車在高速公路上運行

• 雷諾-日產計劃2020年在城市條件下L4自動駕駛汽車

• 沃爾沃計划到2021年在高速公路實現L4自動駕駛

• 現代計划到2020年在高速公路上實現L4自動駕駛，到2030年在城市實現L4自動駕駛

• 2020年高速公路允許符合條件的L3自動駕駛上路
  

• 2025年允許L3自動駕駛在任何路段行駛
  

• 2030年允許L4自動駕駛在任何路段行駛

無人駕駛技術是AI人工智慧的一次重要的展現，在這一領域，百度由於搶先開始了針對性的投資研究，所以對比其他公司有著得天獨厚的優勢。而百度在進行了戰略目標的重新制定之後開始將業務的核心放在這一領域，並取得很大的突破。

雖然現今無人駕駛技術已經發展到很高的水平，但是離真正的民用階段還有一段距離，因為無人駕駛技術的民用過程不僅是對技術的一次重大考驗，也需要相應的法律支持，而在中國，相應的法律還不是很健全。

這項技術在AI開發者大會上李彥宏乘坐無人駕駛車事件之後，開始被大家熟知，並在短時間內具有了很高的熱度。

雖然李彥宏已經親身體驗過無人駕駛在真實情況中的應用，但是這並不意味著無人駕駛技術就可以進行實際生活的推廣了，這還只是成功道路上的第一步，而且據李彥宏親自講述，當天在試用無人駕駛時並不是一帆風順的，除了機器本身出現的一些列失誤，甚至還吃了交警的發單，這表明在實用的過程中除了技術上的進步，還需要跨過法律這一關。

由於在使用無人駕駛車時，並不存在真正意義上的「人類司機」，車裡面所有的人均為乘客，那麼一旦出現交通事故，責任是算在車主身上還是算在汽車經銷商上或是汽車的生產者身上，如果是由汽車的生產者承擔，那麼又該汽車生產者的哪一個部門承擔，由於人類的生活紛繁複雜，所要考慮的生活場景就必然會極為複雜。法律在衡量這樣的交通事故時就會很難做出決定。

所以現在將無人駕駛技術推廣民用還為時過早，現在的無人駕駛車只是廣泛應用在商業領域來減少工人的工作量，比如之前曝光的在京東倉庫中使用的「小黃人」就是靠AI人工智慧驅動的無人車，只是體積略小。這種無人車的運動軌跡靠電腦程序規划出來，在倉庫中足有幾億條路徑供「小黃人」使用，由於場景較為簡單所以無需考慮太多的情況，就算出現「事故」，損失的也不過是幾輛小車的價值。

現在來看，將AI人工智慧運用在無人駕駛上會有很大的困難，不過在AI人工智慧這一個風口上，無數技術驅動的企業將會發展起來，技術將會獲得更大的進步，而隨著技術的進步，必將會驅動政策的改進，到那一天無人駕駛技術就真的離我們的生活不遠啦！

我是小凌，一個喜歡產品運營的互聯網「小學生」，歡迎大家關注我，一起討論互聯網領域的產品運營！

12月4日消息 今天上午，第四屆世界互聯網大會的第二日會以議程正在浙江烏鎮進行，本屆互聯網大會的時間是12月3日—5日。就在剛剛，百度董事長、CEO李彥宏在人工智慧分論壇上發表演講。

李彥宏在演講中首先說到了人工智慧讓人類丟掉工作的話題，例如汽車司機。李彥宏還提到了昨晚（12月3日）的飯局，「昨天晚上跟一幫朋友吃飯的時候，他們談起來無人駕駛給我出了一個主意，他說你們應該做一個廣告，大家坐在車裡一起喝酒的場景。因為有了無人駕駛就不存在酒駕了。」李彥宏稱，「我們希望貨車司機丟掉工作之前，別先丟掉生命。」「人工智慧會在各個方面產生大家意想不到的效果，智能駕駛是每個人都關注的領域。」

李彥宏還談到了百度不久前發布的人工智慧音箱，很多人說它漂亮得不像百度的產品，李彥宏稱，「它人工智慧的對話能力，大家看了視頻覺得它還是比較像百度的。比你們見到任何一款市面上的音箱還要聰明。原因就是百度這麼多年做搜索積累下來的人工智慧的技術和背後的知識圖譜。」

接著，李彥宏通過連鎖超市商品供應、煤礦安全性預測等方面的例子，介紹了人工智慧在供應端的廣泛應用場景，同時強調，「這些應用顯然不是靠百度一家能夠實現的，是需要整個社會，至少整個企業界奮鬥。」

下面是李彥宏講話的實錄：

昨天我在大會發言的時候說，如果有乾貨的話最好還是用PPT來講，因為我昨天發言之前，所有的嘉賓都沒有講PPT，今天我發言之前，我們每一個嘉賓都有PPT，所以我想這就是為什麼今天不僅坐無虛席的原因。

剛才之前的教授說人工智慧會使司機丟工作，最先丟掉工作的司機可能是貨車的司機，我們希望貨車司機丟掉工作之前，別先丟掉生命。所以剛才的視頻是演示了防疲勞駕駛的系統。人工智慧會在各個方面產生大家意想不到的效果，智能駕駛是每個人都關注的領域，但是在很多其他的領域也有非常多的令人期待的新的功能，所以我們可以看另外一個場景的應用，我們看一下智能家居裡面的應用。

這個是上個月百度世界的時候我們發布了一款智能音箱，當時很多人說它漂亮得不像百度的產品。所以這一次我把它像百度的地方給大家展示一下，它人工智慧的對話能力，大家看了視頻覺得它還是比較像百度的。比你們見到任何一款市面上的音箱還要聰明。原因就是百度這麼多年做搜索積累下來的人工智慧的技術和背後的知識圖譜。

搜索引擎本身就是一個人工智慧的問題，用戶用自然語言輸入他的需求，計算機猜測用戶想要找什麼，然後給他提供相應的答案。人工智慧就是要讓計算機懂得人，給人提供需求。大概從去年前開始，搜索引擎從過去的基本上靠統計來做排序，到了變成用機器學習來做排序，今天大家使用的百度，背後完全是一個人工智慧的引擎。人工智慧在2C的領域，在很多大家的日常生活中有應用，但是它不僅限於2C的領域，在2B的領域也有應用。互聯網的時代大家感受到的改變對人們的改變都是2C的，但是人工智慧也會改變2B，也就是改變製造端、供應端。

下面這個例子是給大家講了供應端，改變B端的人工智慧的例子。這個例子是我們跟一個連鎖的超市合作，用人工智慧的技術去提升它的超市裡面的生鮮貨品的效率，進多少，什麼時候擺出來，什麼時候撤掉，做這樣的預測，我們有了這個預測之後，做了十家店，利潤可以讓它提升20%，報損率降低30%以上，就是很多本來需要扔掉的東西因為人工智慧而變得不需要浪費了。所以它對於B端的生態的改變也是非常明顯的，不僅僅是超市這個領域，我昨天講無論是金融、房產、教育、醫療、能源、物流等等，每一個方面人工智慧都有非常多的應用，今天我們看到很多生產端已經遍布了各種各樣的感測器，它已經能夠搜集到很多的數據，但是對於這些數據的使用，我們還非常的不夠。

比如說我的家鄉在山西，山西有很多的煤礦，我們想像煤礦經常出安全事故，一旦死人比較多的話，當地的領導甚至省部級的官員都要因此而辭職。但是如果你到煤礦裡面看他們的感測器已經布得非常的多，非常的先進了，只是我們沒有很好的利用這些數據進行挖掘預測，什麼時候毒氣會產生或者說泄露。再比如說生產製造領域，我們跟一些鋼廠的合作，現在鋼板扎出來以後，還要人檢驗有沒有氣泡這些問題。其實人工智慧完全可以解決這個問題，我們用模式識別，用計算機視覺的能力可以識別哪些鋼材是有問題的。

所以人工智慧在供給側有非常多的應用，這些應用顯然不是靠百度一家能夠實現的，是需要整個社會，至少整個企業界奮鬥。為此百度不斷的開放各種各樣的平台，其中我們的深度學習的平台，任何人都可以利用這個平台來開發一些應用的程序。在自動駕駛上我們做得更加的生動一些。視頻中有一些阿波羅的平台，它也是一個供給端的平台，我們聯合了各種各樣的包括運營商、汽車服務的廠商，整車的廠商，零部件的廠商，晶元的廠商，大家都在一個產業鏈裡面共同為無人駕駛來做努力。昨天晚上跟一幫朋友吃飯的時候，他們談起來無人駕駛給我出了一個主意，他說你們應該做一個廣告，大家坐在車裡一起喝酒的場景。因為有了無人駕駛就不存在酒駕了。

整個我們的社會會因為人工智慧的到來而發生大的改變，我們越來越多的人會生活在城市裡面，什麼樣的城市才是一個美好的城市，才是一個先進的城市？我們跟雄安也有很多的探討，我們覺得應該是一個沒有擁堵的城市，應該是人們的生活都很幸福的城市，應該是沒有什麼身份認證，沒有排隊，沒有污染，每個人都很健康，工作的時候效率很高，休息的時候非常的放鬆，這才是一個好的城市，而這樣的一個城市，很多情況下都需要人工智慧技術才能夠實現，所以我們會很快跟雄安一起宣布一個大的智能城市的計劃；而這個計劃不僅僅對於一個新的城市來說有很強的適用性，企事也跟所有的城市相關，每一個城市要想提高它的智能水平，要想讓它的人民生活更加的幸福，要想讓每個人都活到150歲，必不可少的就是要把人工智慧的技術讓它逐步的滲透到每一個城市的每一個角落。所以我們跟保定、蕪湖、北京的開發區、上海汽車城都有相關的人工智慧的合作。明年的時候我也希望有機會跟大家更詳盡的報道這方面的進展，謝謝！

現在的無人駕駛只能算是一個駕駛輔助系統，並不能夠真正的無人駕駛

首先人工智慧並沒有真正的成熟，現在的無人駕駛車輛就像是一個新產品，會有很多的問題，如果這些車輛真正上路，肯定會有問題

現在的4G網路並不能滿足無人駕駛的要求，網路的延時太大，而且如果高速行車，現在的網路延時肯定會出現交通事故，網路的覆蓋也是一個問題，所以現在國家大力發展5G的原因，對於無人駕駛這樣對網路高要求的設備，4G根本沒有辦法滿足要求

無人駕駛要求的各種感測設備，這些本身也是問題，反應速度是否可以真正的滿足上路要求也是值得討論

百度的無人車上路就出現了違章，可見如果很多車都上路，那麼不可以想像結果會是什麼樣

汽車技術本身也需要提高

還有其他的等等吧

無人駕駛絕對是一個大工程，不是我們想像的簡單的自動控制，無人駕駛取代的是人，對機器的要求不是一般的高

現在的技術還不是很穩定。無人駕駛技術真正的運用還需要強有力的網路技術，目前中國的網路都不穩定，試想，無人駕駛突然斷網怎麼辦？