獨家 | AI與汽車研究報告：學者、產業、趨勢全景報告

05-18

AI與汽車研究報告

AIand Automotive Research Report

摘要

人工智慧和汽車研究領域的交叉發展給我們的交通帶來了革命性的變化。了解和掌握汽車領域的人工智慧的研究和進展，發現未來的研究趨勢，了解全球頂尖的研究學者和機構，洞察先機，掌握未來。

目錄：

一、人工智慧

1.人工智慧發展路線圖

人工智慧的定義

人工智慧的發展

2.人工智慧研究

全球人工智慧研究學者數量分布及產業發展

中國人工智慧研究學者數量分布及產業發展

人工智慧研究流派

活躍度較高的學者

人工智慧發展趨勢

二、汽車研究領域

1.汽車研究領域發展趨勢9

2.汽車研究

全球汽車研究學者數量分布及產業發展

中國汽車領域研究學者數量分布及產業發展

汽車研究流派

活躍度較高的研究學者

3.汽車研究領域發展趨勢分析

三、人工智慧+汽車

1.交叉創新笛卡爾智能分析

2.歷史熱點分析

Control methods（AI）& Control system（vehicle）

3.未來趨勢分析

一、人工智慧

1. 人工智慧發展路線圖

1.1 人工智慧的定義

計算機科學理論奠基人圖靈（Alan Mathison Turing）在論文《計算機器和智能》中提出了著名的「圖靈測試」——如果一台機器能夠與人展開對話（通過電傳設備），並且會被人誤以為它也是人，那麼這台機器就具有智能。

人工智慧之父之一的馬文·明斯基（Marvin Minsky）將其定義為「讓機器做本需要人的智能才能夠做到的事情的一門科學」。

代表人工智慧另一條路線——符號派的司馬賀（Herbert A. Simon）認為，智能是對符號的操作，最原始的符號對應於物理客體。

1.2 人工智慧的發展

神經元模型、圖靈測試的提出以及SNARC 神經網路計算機的發明，為人工智慧的誕生奠定了基礎。

第一個成功的商用專家系統R1 為DEC 公司每年節約4000 萬美元左右的費用。截止到20 世紀80 年代末，幾乎一半的「財富500 強」都在開發或使用「專家系統」

人工智慧技術及產業發展的整體形勢主要經歷了三個階段。

第一階段（20 世紀50 年代中期到80 年代初期）：深耕細作，30年技術發展為人工智慧產業化奠定了基礎。1956 年的達特茅斯會議代表人工智慧正式誕生和興起。

第二階段（20 世紀80 年代初期至21 世紀初期）：急功近利，人工智慧成功商用但跨越式發展失敗。80 年代初期，人工智慧逐漸成為產業，日本、美國等國家投入巨資開發第5 代計算機——人工智慧計算機。由於技術路線明顯背離計算機工業的發展方向，第5 代計算機項目失敗。

第三階段（21 世紀初期至今）：量變產生質變，人工智慧有望實現規模化應用。計算能力的提升與互聯網和大數據廣泛應用帶來的海量數據量的積累，深度學習演算法因此快速應用。深度學習演算法的應用使得語音識別、圖像識別技術取得了突破性進展，圍繞語音、圖像、機器人、自動駕駛等人工智慧技術的創新大量湧現，人工智慧進入發展熱潮。

未來，人工智慧的熱度將可能會有所回落，但人工智慧技術的發展將深入到金融、交通、醫療、工業等各個領域，逐漸改變人類的生產生活方式。

圖1人工智慧技術源頭圖

2. 人工智慧研究

2.1 全球人工智慧研究學者數量分布及產業發展

http://AMiner.org的數據顯示，全球人工智慧研究學者數量集中分布在美國、中國、德國等少數國家，美國在人工智慧方面的研究在全球遙遙領先。

圖2人工智慧全球熱度圖

谷歌、微軟、IBM、FACEBOOK等企業有著極為優厚的地理優勢，在人工智慧研究方面有著強大的智力支持，積極布局整個人工智慧領域，通過加大研發投入力度、招募高端人才、建設實驗室等方式加快關鍵技術研發。

圖3人工智慧學者數量國家分布

2.2 中國人工智慧研究學者數量分布及產業發展

在全球人工智慧浪潮下，我國人工智慧產業研究正在積極健康發展。在中國人工智慧研究學者數量集中分布在北京、江蘇、廣東等地。百度、阿里巴巴、騰訊、科大訊飛等企業在人工智慧領域持續加大投入。

圖4中國人工智慧學者分布

2.3 人工智慧研究流派

有關人工智慧的研究主要以Ajith Abraham、Peter Norvig、Juan Carlos Augusto、Edward A.Feigenbaum、Bruce G. Buchanan、John Mccarthy、Carl Djerassi、Ben Goertzel、Nils Nilsson、RyszardTadeusiewicz十人為首的流派研究構成。其中，有三位教授來自於Stanford University，一人來自於Google，研究興趣主要集中在artificialintelligence、knowledge representation、machine learning、data science和data analysis等方向。這些學者在citation、G-index、H-index、diversity和sociability方面都有著不俗的表現，但是近兩年參加的活動較少。

圖5人工智慧全球專家關係圖譜

Ajith Abraham

Peter Norvig

Juan Carlos Augusto

Edward A. Feigenbaum

Bruce G. Buchanan

John Mccarthy

Carl Djerassi

2.4 活躍度較高的學者

在人工智慧的研究學者中，近期活躍度較高的學者主要是Athanasios V. Vasilakos、Witold Pedrycz、Dipankar Dasgupta、ZoubinGhahramani、Eric Horvitz等人。

圖6人工智慧領域活躍度最高學者列表

2.5 人工智慧發展趨勢

從全局的熱度來看，artificial intelligence、neural networking、soft computing、fuzzy logic、fuzzy sets、computerintelligence等是整體關注的熱點。

圖7人工智慧領域全局發展趨勢

近期關注的重點則是集中在artificial intelligence、decision making、neural networks、computationalintelligence、social media等領域。

圖8人工智慧領域近期發展趨勢

二、汽車研究領域

1. 汽車研究領域發展趨勢

在汽車技術發展的100多年歷史中，一些獨具一格的發明在汽車發展史上佔有突出的地位，梅塞德、福特汽車、雪鐵龍、甲殼蟲、迷你汽車、多用途廂式車引領了全球汽車的變革。尤其是近年來新能源汽車的發展，以及自動駕駛技術的不斷取得突破，在駕駛輔助，level2甚至level3的自動駕駛系統開始不斷的在量產車中應用。人工智慧技術和汽車領域的研究結合的越來越緊密。

通過AMiner系統分析的自動駕駛技術研究領域的發展趨勢圖看來，vehicle routing、real time、controller design、vehiclerouting problem、adaptive control、motion control等技術不斷的取得新的突破。

圖9自動駕駛領域全局發展趨勢

2. 汽車研究

2.1 全球汽車研究學者數量分布及產業發展

2016年全球汽車產量達9497.66萬輛，增速為4.5%。其中，中國和美國兩個單一市場產量超過千萬輛。2016年中國汽車產量為2811.88萬輛，增長14.5%，是全球最大汽車產銷市場。隨後是美國2016年產量為1219.81萬輛，微增0.8%。根據中商產業研究院整理的數據，2016年全球主要汽車國家產量排行榜中，前五名的國家分別是中國、美國、日本、德國、印度，產量分別為2811.88、1219.81、920.46、606.26、448.90萬量。

全球汽車領域的研究學者集中分布在中國、日本、美國和德國；其中中日美三國在汽車方面的研究學者數量更是佔據了全球的半壁江山。

圖10汽車領域學者全球分布

2.2 中國汽車領域研究學者數量分布及產業發展

在全球汽車研究發展下，我國汽車產業研究正在積極健康發展。在中國汽車研究學者數量集中分布在湖南、江蘇、北京、遼寧等地。

圖11汽車領域學者全國分布

與中國汽車領域研究學者數量分布相對應的是中國汽車產業的布局。中國汽車集團如一汽、上汽、長安、南方工業、東風、北汽等，大多是從上海、湖南、江蘇、北京、遼寧等省份中發展而來。

2.3 汽車研究流派

有關汽車的研究主要以N. Rashevesky、Siyun Chen、Ellen A.Esien、Xichun Wang、Vincent Frigant、Sibylle Schwartze-Eidam、Glenn R.Carroll、Geoges Dionne、Wuwei Chen、Ren He十人為首的流派研究構成。這些學者的研究興趣主要集中在density dependence、automobile industry、active suspension、automobileEngineering、regenerative braking、simulation、eye-current retarder等方向。這些學者同樣都在citation、G-index、H-index、diversity、sociability等方面成績出色，但在近兩年活動不多。

圖12汽車研究領域的學者關係圖譜

2.4 活躍度較高的研究學者

圖13汽車研究領域高活躍度學者

在汽車的研究學者中，近期活躍度較高的學者主要是Hovav Shacham、Weiwei Zhang、Guodong Wang、Liang Wang、Sarit Kraus、Shwetak N.Patel等人。

3. 汽車研究領域發展趨勢分析

從全局的熱度來看，cross wedgerolling、active suspension、risk management、automobile industry等是整體關注的熱點。

圖14汽車研究領域發展趨勢

近期關注的重點則是集中在cross wedge rolling、lung cancer、asymmetric shaft、transfer case、asymmetricshaft parts等領域。

圖15汽車研究領域近期發展趨勢

從數據看來，未來汽車的智能化、環保化、共享化的方向發展

（註：麥肯錫的報告中的推測表示，隨著電動車經濟效益的提高，如果使用方便性接近現在的汽油車，一些大城市的共享汽車銷量中，純電動汽車的銷量將會在2030年接近100%。）

智能化

ADAS技術的發展推動了智能汽車的流行。它能幫助在汽車行駛過程中感應周圍的環境，收集數據，進行靜態、動態物體的辨識、偵測與追蹤，並結合導航儀地圖數據，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。

環保化

近年來，越來越多的研究學者投入於有關汽車造成的環境污染以及汽車電動化的研究。

據統計，2015年中國新能源汽車銷量達37.9萬輛，到2016年，我國新能源汽車銷量有望達到60萬輛，預估至2030年，新能源銷量可達2500萬輛。

（註：戴姆勒早在2009年推出Car2Go汽車共享服務，並於2012年收購打車應用MyTaxi；通用以5億美元投資Lyft並創立分享品牌Maven；德國三大廠商戴姆勒、寶馬和奧迪以25億歐元收購地圖供應商HERE；福特更是將「汽車+智能移動出行公司」直接打砸了自己的宣傳海報上。）

共享化

據統計，汽車是我們生活中利用率最低的物品之一。汽車共享化的流行實際上是產品的效率提升，是閑置社會資源的再利用，根本上解決的是資源浪費的問題。

人工智慧+汽車

人工智慧在汽車領域的運用是人工智慧技術的重要組成部分，包括無人車、無人公交和無人配送等。海內外各大企業爭相加大人工智慧在汽車領域應用的研發投入。尤其是非傳統的汽車廠商，包括各大IT和互聯網公司，以及新興的公司，比如Tesla，蔚來汽車等。

（註：2015年7月，特斯拉首次向用戶推送autopilot自動駕駛功能；2016年10月，谷歌宣布其研發的無人駕駛汽車已經在電腦的控制下安全行駛了300萬公里。在無人公交方面。2016年9月，首輛無人駕駛Uber在美匹茲堡上路；2016年7月，賓士上路測試。在無人配送方面，2015年11月，亞馬遜公布送貨原型機PrimeAir；2016年9月，京東無人配送車進入路測階段。人工智慧在汽車的其他應用包括進行耕作和收割的農業機械，如度假村、旅遊景區、機場、礦區、碼頭等地接送人等。）

圖16自動駕駛汽車的參與公司

1. 交叉創新笛卡爾智能分析

通過對人工智慧領域與汽車領域的知識圖譜的計算，再對兩領域的細分子領域進行笛卡爾乘積熱點挖掘，本研究報告挖掘了歷史數據分析和未來趨勢預測兩部分。其中但本報告主要探討最近10年（2007年至今）的研究狀況；趨勢預測僅以未來3年為周期來探討。

圖17人工智慧和汽車領域為了發展趨勢預測

圖18人工智慧和汽車研究領域交叉分析

領域交叉熱力值由交叉研究的論文的citation等數據加權計算得出，熱力值越高，表明這個兩個交叉子領域交叉研究的越深入和廣泛。

每個交叉熱點中的研究學者，發表論文，中外學者和論文對比等數據均可以獲得。用作展示時，研究學者和論文分別按照交叉領域研究影響度和論文相關度作為默認排序。

學者研究影響度由交叉領域內論文量，h-index等計算得出；論文相關度由交叉領域內論文的關聯程度和引用數量等計算得出。

對比分析中「中外研究人員對比」和「中外研究論文對比」是專家數量和論文數量的直接對比；而「中外論文影響對比」是論文citation值的對比。

根據交叉分析的結果，近十年內， control methods（AI）& control strategy（vehicle）、controlmethods（AI）& control system（vehicle）、neural networking（AI）& controlsystem（vehicle）、neural networking（AI）& real time（vehicle）、genomics（AI）& realtime（vehicle）的交叉運用較高；未來三年內，control methods（AI）& control strategy（vehicle）、controlmethods（AI）& control system（vehicle）與genomics（AI）& realtime（vehicle）的交叉分析仍將保持熱度。這樣的分析結果一定程度上說明了未來三年內，人工智慧在自動駕駛技術的運用將持續火爆。

2. 歷史熱點分析

過去十年內，AI領域與汽車領域的交叉運用主要集中在control methods、neural networking、genomics與controlstrategy、control system、real time 的交叉運用，其中controlmethods（AI）& control system（vehicle）與genomics（AI）& realtime（vehicle）在短短十年之內實現了飛速的發展。

genomics（AI）& real time（vehicle）與control methods（AI）& controlstrategy（vehicle）是近十年來研究熱度最高的兩個交叉領域研究。

圖 19最熱交叉領域

在這領域領先的國家分別是China、USA、Japan、United Kingdom、Germany、Italy、Australia、Canada、Netherlands。

全球前20個研究機構有Zhejiang University、Sun Yat-Sen University、ChineseAcademy of Agricultural Sciences等。

圖20全球領先的前20個機構

在這一領域，中國的研究人員數量、研究人員數量與論文影響遠遠超過美國，研究成果的影響力佔據了全球的半壁江山。

2.1 Control methods（AI）& Controlsystem（vehicle）

control methods（AI）& controlstrategy（vehicle）的研究學者主要有Guanrong Chen（陳關榮）、Tongwen Chen、F.L. Lewis、Yong Wang、TakayukiKanda等。

在這領域領先的國家分別是China、USA、Singapore、United Kingdom、Australia、South Korea和Italy。

全球前20個研究機構有Harbin Institute of Technology、NortheasternUniversity China、Harbin Engineering University等。

3. 未來趨勢分析

未來三年內，AI領域與汽車領域的交叉運用主要集中在control methods、genomics與control strategy、controlsystem、real time 的交叉運用。genomics（AI）& real time（vehicle）將繼續成為研究的重點。

無論是control methods（AI）& controlstrategy（vehicle）、control methods（AI）& control system（vehicle）還是genomics（AI）& realtime（vehicle），實際上都是使用AI進行汽車的數據收集與駕駛決策。未來的研究熱點集中在這三個領域一定程度上說明了未來自動駕駛將熱度不減。

作為行業的代表，特斯拉、Uber和Google這三個力量結合在一起，推動了產品和需求的跨越式發展，整個行業進入了新的變革點。人工智慧的發展為汽車的變革注入了更具想像力的未來。

AMiner屬於清華-青島數據科學研究院科技大數據研究中心。

AMiner諮詢產品版權為AMiner團隊獨家所有，擁有唯一著作權。AMiner諮詢產品是AMiner團隊的研究與統計成果，其性質是供客戶內部參考的商業資料。

AMiner諮詢產品為有償提供給購買該產品的客戶使用，並僅限於該客戶內部使用。未獲得AMiner團隊書面授權，任何人不得以任何方式在任何媒體上(包括互聯網)公開發布、複製，且不得以任何方式將本產品的內容提供給其他單位或個人使用。如引用、刊發，需註明出處為「AMiner.org」，且不得對本報告進行有悖原意的刪節與修改。否則引起的一切法律後果由該客戶自行承擔，同時AMiner團隊亦認為其行為侵犯了AMiner團隊著作權，AMiner團隊有權依法追究其法律責任。

AMiner諮詢產品是基於AMiner團隊及其研究員認為可信的公開資料，但AMiner團隊及其研究員均不保證所使用的公開資料的準確性和完整性，也不承擔任何投資者因使用本產品與服務而產生的任何責任。

行業研究報告是AMiner團隊智能服務體系的重要組成部分。如對有關信息或問題有深入需求的客戶，歡迎使用AMiner團隊專項研究智能服務。