今年以來，滴滴、百度等互聯網巨頭在多地開展載人路測，自動駕駛發展速度進一步加快。
德勤7月1日發布的報告顯示，未來3年-5年，汽車智能化、網聯化將迎來一輪高速推進，預計至2030年，中國運營的自動駕駛車輛將達到3000萬輛。
“我始終對自動駕駛的前景充滿信心。”近日，清華大學汽車產業與技術戰略研究院院長、世界汽車工程師學會聯合會主席趙福全在接受記者專訪時強調，機器要完成人類駕駛員的所有職責，這其中涵蓋的各種復雜場景的數據量之大超乎想象，“解決之道就是在車企間實現數據共享”。
1963年出生的趙福全，是國際著名汽車研發專家、機械學家。他曾在美日歐汽車界學習、工作近20年。作為核心成員之一，趙福全領導參與了包括沃爾沃在內的多家國際并購及后續的業務整合。
2013年5月，趙福全加盟清華大學，擔任該校新成立的汽車產業與技術戰略研究院院長。顯赫的海外學業及從業履歷，使趙福全一言一行都備受業界關注。
在接受記者長達兩個小時的采訪中，趙福全深入分析了自動駕駛與5G的依存關系，認為“智能化是汽車產業擁抱5G的原動力”;強調了中國管理體制在智慧城市和物聯網時代應當且必須起到的巨大“平臺作用”，還對自動駕駛涉及的數據安全和相關立法給出了自己的建議。
自動駕駛落地難在哪?
記者：自動駕駛產業近兩年的發展，哪些方面讓您印象深刻?
趙福全：我有三點感受和判斷可以與大家分享。
第一，過去幾年，大量人力、物力、資本涌入汽車自動駕駛領域，可以說產業熱度很高。但從這兩年的實踐來看，汽車自動駕駛已經進入深水區，資本由原來的盲目狂熱逐漸趨向冷靜。有人認為，這是過熱之后的“退燒”;也有人認為，這個產業很難看到未來。不過我并不覺得是這樣。當然，從某種意義上講，資本確實比之前更謹慎了，但從產業發展的角度看，我認為自動駕駛的發展勢頭并沒有減弱。
第二，由于自動駕駛已經進入深水期，靠“PPT講概念”就能融資的時代已經一去不返，現在已經到了從做樣車再到區域性小規模示范應用的階段。比如滴滴開始在上海試運營自動駕駛網約車服務、百度在長沙的自動駕駛出租車隊也已落地，這些都是產業深入發展的實例。
第三，此次新冠疫情爆發導致一些城市暫時停擺，人流和物流均受到很大影響。在這種情況下，自動駕駛可以具備非接觸式便捷安全運載能力的屬性，讓人們再次認識到其重要性，也對其在某些特殊場景下的應用充滿了期待和信心。實際上，從近幾年的實踐來看，在相對簡單但條件惡劣的應用場景中實現車輛自動駕駛，例如采礦車、消防車等，已經成為非常重要的發展趨勢之一，不少企業正在這些方面尋求突破。
受限于技術的成熟度、成本以及應用場景的復雜性，全天候自動駕駛不可能一蹴而就，這意味著對于廣大車企而言，前期不斷投入開發出來的自動駕駛技術要想迅速大規模廣泛應用是不現實的。
在上述局限尚未得到根本性突破之前，企業必須找到合適的市場突破口，即基于特殊場景，先在一定條件下實現自動駕駛的產業化應用，這樣可以減少對技術的依賴，并大幅降低成本，從而讓消費者能夠“買得起”“用得起”。顯然，這是自動駕駛在未來相當長的一個時期內重要的落地和變現手段，也就是行業所說的“沿途下蛋”。在這個過程中，經驗的積累與市場的培育相輔相成，最終伴隨著應用場景的不斷擴展，使高級別自動駕駛汽車真正駛進千家萬戶。
車企之間應該實現數據共享
記者：蘭德智庫對自動駕駛汽車有過一個評估，即真正的自動駕駛系統要達到量產應用條件，至少需要經過110億英里的道路驗證。照這個條件估算，即使一個團隊擁有100輛自動駕駛車輛24小時不間斷地同時進行道路測試，積累足夠數據所需的時間也是以“百年”為單位的。自動駕駛汽車量產真的這么難嗎?從道路測試到規模化應用，需要什么條件，又存在哪些技術難點?
趙福全：在解答這個問題前我們必須先厘清一個基本概念：自動駕駛的本質是什么?我認為，簡明扼要地講，就是用機器取代人來駕駛汽車。
機器憑什么能夠取代人呢?雖然總體上人類的判斷、決策和執行能力都非常不錯，但是畢竟因人而異、參差不齊。比如說，不同司機的駕車經驗和水平肯定是不同的，即使是同一個人，不同狀態下的駕駛能力也是不同的。當然，一個優秀人類駕駛員的綜合能力是非常強大的，可以實時對各種情況進行感知、判斷和決策以有效操控車輛，也就是我們常說的“眼觀六路，耳聽八方”。
對于機器而言，決策的能力只能來自于數據。這既需要分析處理數據的模型和算法，更需要對汽車實際駕駛過程中大量路況、天氣以及交通參與方等各種相關信息的采集和積累，即所謂的感知。也就是說，機器要具備基于模型和算法對海量動態數據進行實時準確感知、判斷和決策的能力，反過來，這些數據的積累又會支撐模型和算法不斷得到優化。
如果將人類駕駛員的所有職責都交給機器完成，那就必須使自動駕駛系統成為優秀的“老司機”。為實現這一目的，機器需要涵蓋各種復雜場景的數據，其數量之大超乎想象，這是自動駕駛技術最核心的挑戰之一。另一方面，當決策者成為機器時，還要面臨許多技術之外的法律以及社會倫理難題，這也是自動駕駛落地必須突破的瓶頸。
此外，人類固有的感官和意識傾向也是一個問題。大家都有體會，主動駕車和被動乘車的心理存在明顯差異：自己開車時往往很放心，即使自己駕車水平并不高，也覺得受控。但是坐車時總有些不放心，即使別人開得很好也總能看出“毛病”，諸如剎車不夠快、開得不夠穩、坐著不舒服之類。
由此可知，要讓消費者接受自動駕駛，還得解決他們對機器操控車輛的信任問題。這就要求自動駕駛系統的駕駛水平必須遠超人類駕駛員，甚至要高出幾個數量級才行，這無形中進一步增加了自動駕駛汽車規模化應用的難度。
記者：如何解決這個問題?
趙福全：我認為，解決之道就是要分工協作、數據共享。
經過近幾年的探索，大家一方面更加認識到自動駕駛的巨大潛力，另一方面也充分認識到讓自動駕駛技術落地所需的巨大工作量。試想，近乎天文數字的數據量，如果只靠一個企業、一款車去搜集和測試，那可能真的需要上百年的時間才夠，這樣高級別自動駕駛又怎么可能落地呢?但如果是多家企業“眾籌”合作，通過數據共享共同建立應用場景數據庫并不斷積累，再通過虛擬的場景模擬來大幅減少實際道路測試的里程數，難度就可以顯著降低。
當然，這種數據共享在商業模式和接口標準上存在難點，但既然大家都有需求，所做的又是同樣的工作，那各行其是就是巨大的資源浪費。事實上，這種合作思維已經越來越為行業接受，比如企業之間、企業與科研院所和高等院校之間都在不斷加強合作，甚至組建聯盟。這樣一來，無論是實際采集的數據，還是模擬仿真的數據，都可以借助共享而加快積累，總體效率將大為提升。
更重要的是，由于交通環境高度復雜，車輛自身的智能程度再高，也會有很大的局限性。如果按照傳統模式，車企必須通過單車智能讓產品適應各種不同的路況和場景。但這樣做不僅單車成本極高，而且開發、驗證工作量極大，很難落地。
正因如此，中國專家力主車路協同的技術路線，也就是說，不僅車輛本身要“聰明”，而且車輛使用的環境——道路也要變得“聰明”。這既可以大幅降低車端成本，又可以有效縮減開發和驗證工作量，從而加快驅動技術落地。這實際上是更高維度上的一種分工合作。
本質上，車路協同就是把共性智能需求涉及的成本投入到用車環境中，而把個性智能需求涉及的成本投入到車輛上，最終實現“智能的車跑在智能的路上”。我認為，這將是未來自動駕駛規模化產業應用的可行路徑。
記者：將來的道路會變成什么樣?
趙福全：表面上看，道路不會有太大的變化，路仍然是路;但實質上，道路環境將會發生根本性改變。
未來的智能化道路將擁有大量信號發射器、接收器以及傳感器，能夠與路上各類不同的交通參與方實時通信，同時全面網聯化以實時傳輸數據，并在云端進行數據分析處理，最后實現中控平臺與道路環境中相關設備的實時交互。
在此前景下，傳統交通信號燈將不復存在，更多地被信號發射和搜集裝置取代，車輛基于網絡可以直接獲得路況信息和相關指令，同時道路上的各類傳感器將實時監測車輛等的動態。這些變化意味著路況的瞬時狀態都可以轉化為相關數據，從而為車路協同的智能化交互提供支撐。
中國路徑可行性更高
記者：對自動駕駛而言，5G時代的到來意味著什么?它能給未來汽車產業帶來哪些顛覆?
趙福全：相對4G而言，5G的最大價值就是通信速度快、延遲小，能夠接收不同頻譜信息的能力更強，這也是實現工業互聯網的核心基礎。
而自動駕駛汽車對延遲和通信速度的要求遠超其他任何工業品。我個人認為，5G和汽車產業是“雞”和“蛋”的關系。5G可以讓汽車產業發生質變;反過來說，汽車產業也是5G最大的機遇之一，唯有積極擁抱汽車產業，5G的作用和價值才能真正得到發揮。從落地的角度看，未來汽車將是智慧城市中唯一具備自由移動特性的智能終端，它對網絡的依賴程度將遠大于智能手機。手機如果斷網只是暫時失去部分功能，但是當智能網聯汽車高速行駛時，瞬間的網絡信號不穩定都是致命的。
事實上，與之前的信息互聯網相比，工業互聯網更為復雜，要求也更高，既要有核心產業為依托，更要在產業之前超前部署。從這個意義上講，5G必須加快發展，盡可能快速普及，否則產業互聯只能是鏡花水月。當然，這一過程肯定需要很長的時間。回望過去，信息互聯網的普及也經歷了幾十年的時間，可以斷言，工業互聯網也不可能一蹴而就，對此我們要有合理的心理預期。
或許有人會問，那是不是5G迅速普及了，高級別的汽車自動駕駛就能立即實現了?答案是否定的。
因為一方面作為新的通信標準，5G一定要準備得非常充分才行，如前所述，這本身就需要時間。另一方面，汽車產業也要為適應5G做出大量改變，包括做好數字化轉型，因為沒有數字化就沒有數據化，沒有數據化就沒有智能化，而智能化才是汽車產業擁抱5G的根本目的。這實際上還不只是汽車產品智能化升級的問題，而是整個產業在萬物互聯基礎上向智能化轉型的問題，覆蓋了包括整零車企在內的整個產業鏈體系。也就是說，汽車產業面向5G的發展也需要一個過程。
記者：目前5G部署是否有具體的時間表?
趙福全：目前還沒有一個完整清晰的時間表，很多城市都在規劃并有部分實施，但離真正落地全覆蓋還相距甚遠。實際上當前4G尚未實現完全覆蓋，5G全面部署當然更需要時間。
我個人判斷，要實現5G對大部分主要區域的覆蓋，至少還需要十年的時間。說到底，發展5G不是國家制定一個時間表就行，各級政府以及各類企業都要圍繞這個時間表做好相應的準備，一手抓5G部署，一手抓產業升級。
比如，政府在一些特定區域可以布局做5G示范應用，但最終5G必須獲得商業上的回報才能真正發展起來，即真正實現相關產業的價值增值，否則這樣巨大的投入是不可持續的。
也就是說，5G不僅僅是通信基礎設施部署的問題，更是在相關產業如何有效應用的問題。在這個過程中，相關產業的大企業應加大前期投入，努力實現全局引領;而中小企業則要在局部尋找合適的切入機會，通過差異化形成特色，參與競爭。
由此可見，5G是汽車產業所需要的，但其發展進程不是汽車產業所能決定的;反之，5G的發展進程與其在汽車產業上的應用直接相關，而產業應用的廣度和深度又不是5G自身所能決定的。
這就引申出產業分工的重大議題。對此我曾經專門提出未來汽車產業發展的“1+1+1”三方協作的商業模式：其中，第一個“1”代表整車和零部件企業，造好車仍是基礎;第二個“1”代表ICT及科技公司，未來汽車需要其提供信息、通信、人工智能等相關技術與能力;第三個“1”代表政府，掌握公共資源的政府必須為構建智能網聯汽車生態，做好基礎設施、交通環境和標準法規等工作。這三方力量各有分工、缺一不可，唯有有效集成，形成立體交融的生態系統，才能實現高級別自動駕駛以及智能網聯汽車產品的快速產業化和價值最大化。
由此，我們也就不難理解中外汽車自動駕駛發展路徑的差異了。
國外之所以堅持單車智能路線，是因為其政府的協同推進力量十分有限，企業只能依靠打造單車高級智能來實現自動駕駛。而即使能夠攻克技術難關，這種單車智能的車端成本也將太過高昂。
相比之下，中國按照車路協同路線推進汽車自動駕駛，不僅可行性更高，而且可以充分發揮體制優勢，恰是我們實現智能網聯汽車趕超的機遇所在。為此，地方政府應該積極謀劃以智能汽車示范帶動智慧城市建設，以提升城市的出行效率和治理能力。
例如，我們的研究表明，通過普及高級別自動駕駛汽車，北京市的道路交通擁堵可以改善30%。也就是說，如果一個人原來每天通勤需要一小時，自動駕駛普及后就只需要大約40分鐘了。節省20分鐘可能對每個人來說感覺并不明顯，但是北京有兩千多萬人口，合計起來是多么大的效率提升!實際上，如果不能改善出行效率，未來大型城市將無法實現可持續發展。
自動駕駛足夠安全嗎?
記者：您前面提到，自動駕駛部分關鍵功能必須依靠5G網絡實現。未來，在幾近理想的情況下，5G網絡能覆蓋99%的道路和高速公路。但剩余的1%盲點又該怎么辦?
趙福全：第一，我認為對自動駕駛汽車的安全性要有客觀認識，不應過分苛求。要求一輛車在任何條件下都能絕對安全，其實人在駕駛汽車時也做不到。
第二，當一輛車的通信能力在很大程度上決定其安全性能時，不僅網絡及相應的功能部件必須確保100%受控，而且冗余設計就變得至關重要。比如基于通信能力實施剎車的系統突然失靈時，車輛必須有另外一套系統保證能夠有效實施剎車，這也是自動駕駛成本高的原因之一。
第三，智能網聯汽車還必須對通信能力進行預判，確保一輛車在失去通信能力之前能夠提前應對，比如自動安全停靠，或要求人為介入等，避免造成車輛失控的嚴重后果。所以，企業既要把暢通的網絡作為自動駕駛的基礎條件，又要有明確的措施確保網絡中斷時車輛不至于出現危險，這在技術上是可行的。
當然，在網絡覆蓋不足的情況下，不僅自動駕駛技術的應用體驗肯定難以達到最佳，而且其應用場景也會受到相應的限制，以確保車輛行駛安全受控，這將在很大程度上影響消費者的接受度。而這正是科技創新不斷深入的過程，不能因為網絡還做不到全覆蓋，就不開發自動駕駛了。那樣就等于因噎廢食，永遠也拿不出有效的自動駕駛。在此過程中，企業應該怎樣做、究竟做多少，挑戰企業家對未來的判斷力、實施轉型的魄力和戰略投入的定力。
記者：有沒有可能出現這樣一種情況：信號的好壞并非是以區域劃分的?比如在相同的一段路內，某些信號好，某些信號不好?這種情況怎么辦?面對復雜路況，自動駕駛系統的學習能力，是不是開啟新時代的關鍵要素?
趙福全：在互聯網時代，這種情況是可能存在的。由于信號接收站不足，就會出現局部信號不好的現象。但是在5G支撐下的物聯網時代，基站密度將遠超從前，同時每一個聯網的機器既是接收源也是發射源，因此信號可謂無處不在，理論上局部信號不好的情況是可以避免的。不過這也對信號穩定性提出了更高的要求，如果這一點不能很好地解決，物聯網也無法真正落地。
而系統的自學習能力，確實非常關鍵。實際上，機器學習與人學習一樣，都是一個不斷積累、不斷優化、不斷提升的過程。人的學習能力受智力水平、家庭教育等因素影響有明顯差異，機器學習的效率也有高低之分，其差別主要來自于算法的影響。未來的智能化既要加強海量數據的不斷積累，更要提升等量數據的有效利用。
數據積累可以得自于實際案例，也可以得自于仿真模擬;而數據利用則需要不斷優化算法。算法就是對數據進行分析處理的能力，它決定著數據分析處理的效率和準確性：效率越高，決策速度就越快;準確度越高，決策效果就越好。優秀的自動駕駛系統一定是既有大量數據作為支撐，又有卓越算法提供保障。當前為什么車規級芯片越來越受到重視，就是因為芯片代表著算力，這是算法得以有效發揮作用的物理基礎。
自動駕駛中的個人隱私邊界在哪?
記者：您前面提到，自動駕駛的成熟需要大量的數據采集積累。那么您認為，車主數據是否應當由自己管控?為了改善交通安全，是否有必要分享更多的數據?
趙福全：在人工智能時代，沒有數據，一切都是無本之木，紙上談兵。一方面，同樣的算法模型，數據量越大，系統就越“聰明”，判斷準確性就越高，這就是所謂的數據“賦能”;另一方面，一方對數據進行有效應用還將幫助其他相關方更好地利用數據、達成目標，也就是所謂的數據“使能”。正因如此，數據的搜集與積累對形成自動駕駛能力至關重要。
數據有很多不同類型，其中駕駛員在駕駛過程中產生的實車數據是自動駕駛訓練模型中非常重要的組成部分，包含交通環境數據、天氣數據、車輛狀態數據以及駕乘人員數據等。而這些數據中有很多都在不同程度上涉及隱私問題。
記者：那么在數據采集過程中，個人隱私的邊界究竟在哪里呢?
趙福全：第一，采集涉及個人隱私的數據肯定會有阻力，比如個人基本信息、去過的地點等，估計不少用戶都不會愿意共享。但是個人數據的決定權并不完全掌握在用戶手中，也并非完全無法實現有保護的采集和應用。
例如，研究駕駛員的數據對自動駕駛來說非常重要，此時就應該通過立法來規范這類數據的采集，而不是以保護個人隱私為名予以禁止。我認為，必須通過法律把不確定的灰色地帶都充分界定和明確，既要保護隱私，又要確保數據采集和應用，比如可強制進行數據脫敏處理并嚴格限定數據用途等。否則只靠招募志愿者來貢獻數據是難以為繼的，而數據庫如果建不起來或者不夠全面，自動駕駛是不可能實現的。
第二，分享數據其實對于用戶個人也有好處。我們設想一下，如果用戶駕駛車輛的數據不能被采集和分析，其駕駛特性、習慣和偏好等就無法導入模型來進行訓練，這樣的智能網聯汽車也就無法滿足用戶的個性化需求。這其實就是現在的汽車，千篇一律，體現不出個性特色。
未來一定會實現“千車千面”和“千人千面”，即每輛車表面上看起來都一樣，但因為數據不同，都可以為不同用戶提供不一樣的移動體驗和個性服務。這就好比智能手機，里面的應用都是自己下載的，所以每部手機都帶有鮮明的個人特征。理解了這個道理，用戶也不見得拒絕分享相關的數據。
從更高層面看，萬物互聯將使數據成為最核心的競爭要素。但如果數據不能流通，整個社會就會像“死水一潭”，出現類似“有導線沒電流”的情況。長此以往，整個國家和社會都會陷于落后。當然，數據只要流通起來，就存在泄露的風險。而此前人類社會的發展趨勢之一就是越來越注重隱私、越來越追求自由。而萬物互聯和人工智能時代對數據流通的需求，將在某種意義上對上述固有思維提出挑戰——或許每個人都需要讓渡一部分數據權益，才能讓自己受益，也讓整個社會發展得更好。
毫無疑問，在此過程中一定要厘清數據內涵，明確邊界定義。這就需要行業成立相關組織，政府推動相關立法，邊實踐、邊推進、邊完善。最終一定是基于法律來決定哪些數據必須共享，哪些數據不能共享。
政府力量不可或缺
記者：自動駕駛的落地少不了政策法規體系的支持。今年3月9日，工業和信息化部發布了《汽車駕駛自動化分級》，這意味著中國正式擁有了自己的自動駕駛汽車分級標準。您認為，建立配套的法律法規和行業標準的意義是什么?
趙福全：發展智能網聯汽車實際上是在構建一個全新的立體生態系統，在“1+1+1”的商業模式下，政府力量從未像今天這樣如此重要且不可或缺。在新生態下，傳統的汽車設計、生產和使用等環節都將發生質變，而政府制定與產業發展相匹配的法律法規和標準規范，對于產業的指導、引領乃至拉動作用，重要性不可估量。
不同于傳統產業有成熟經驗可以借鑒，智能網聯汽車是一個全新領域，需要進行很多開創性的工作，法規標準體系的構建也是如此。涉及到自動駕駛的很多問題，全世界都沒有解決方案，均處在起步探索階段。不過這也意味著，一旦我們能夠最先做到，就能實現標準法規的引領。
與此同時，游戲規則制定得越早、越清楚，就越能避免資源浪費和低層次徘徊，否則很可能會出現，發展了多年的技術由于一個新出臺的法規而被打回到原點。從這個角度來講，法律法規還具有規范行業發展、引導技術路線方向的作用。當然發揮好這個作用的前提是，法律法規和標準規范的制定者們要對產業有充分的理解和準確的把握。
記者：從落地的角度看，下一步法規標準制定的重點應該是什么?
趙福全：我認為，法規標準制定的重點應該放在通信協議的細化上。此前汽車是一座座“孤島”，除了收音機等個別功能，幾乎不與外界發生聯系，行業標準更多聚焦在造車本身上。但是未來汽車是一個智能網聯終端，要在北斗、5G支持下與人、車、路實時通信，這就涉及到諸多行業。而每個行業都有自己的標準，因此如何建立跨行業的統一通信協議，已成為至關重要且亟待解決的問題。
此外，道路基礎設施建設也需要有統一的標準規范指導，否則推倒重來的代價將是慘痛的。
不難看出，發展智能網聯汽車是一個空前復雜、涉及廣泛的系統工程。在此前景下，我認為，建立一個跨行業的產業生態大平臺是最有效的解決方案，也是必然的發展趨勢。在這個大平臺上，不同行業的參與方基于統一的標準規范，實現彼此之間的交互與協作。而這個平臺的擁有者，一定是政府。
機器也有倫理問題
記者：作為一種全新業態，除了法律制定，自動駕駛在實踐中是否也面臨全新的倫理問題?這些問題具體有哪些，應當怎樣解決?
趙福全：確實如此。汽車作為移動工具，需要面對非常復雜的應用場景，不僅必須滿足技術要求、符合法規標準，還必須解決涉及道德倫理的問題，比如著名的電車難題。對于汽車自動駕駛而言，這個問題轉化為：在不可避免的汽車碰撞中，自動駕駛系統應該如何選擇前進方向或選擇碰撞的目標?
人駕駛汽車遇到此類問題時做出的決策，反映的是個人的價值觀或者主觀意識，雖然無論怎樣選擇都有其合理性，但并沒有公認的標準答案。但是當機器駕駛汽車時，問題就變得更復雜了。機器做出決策到底應該參照乘客的價值觀，還是路人的價值觀，又或者是其他人的價值觀?事實上，把人駕駛汽車時無法有效解決的道德倫理問題拋給機器，是不可能得到圓滿解決的。
毫無疑問，自動駕駛汽車將根據人工智能做出的判斷來進行決策，而人工智能的核心支撐是算法，算法本身并沒有價值觀，它反映的實際上是編程者賦予的價值觀。這個價值觀顯然不能是編程者個人的，而只能是編程者依據一定范圍內的普遍共識來設定的。
因此，未來自動駕駛汽車一定是區域性的產品，其算法規則符合當地的道德倫理規范，而一旦到其他區域使用，必須先更改算法規則，否則是不會被接受的。另一方面，人工智能還具有自學習能力，這可能又會產生新的決策思路，甚至脫離編程者的初衷，從而使問題變得更加復雜和糾結。
從這個意義上講，只有哲學、社會學、行為學、心理學、倫理學、人因工程學、法學等眾多學科與相關技術共同進步，才能支撐人類真正邁入人工智能的時代。像自動駕駛汽車涉及的復雜道德倫理問題，未來必須基于機器駕駛的全新場景，不斷分析研究，不斷優化結論，最終指導相關技術的發展方向并在技術的有效支撐下來予以解決。
正因如此，自動駕駛絕不只是汽車產業自己的問題，也不是簡單的技術或商業模式問題，而是全方位涉及到整個社會發展進步的復雜系統問題。我們必須站在這個高度來看待和發展自動駕駛汽車。
不實現充分智能化，自動駕駛無意義
記者：您如何看待當前市場對AI企業的高估值?
趙福全：這一方面說明業界充分認識到了未來人工智能產業巨大的發展潛力，另一方面也說明了這個領域的復雜程度。方向正確，空間廣闊，而企業數量較少，相應的自然就會有高估值，這是資本流動的一種正常現象。只是現在AI產業還遠未發展到可以兌現這種估值的成熟度，目前這個產業還處于S形創新曲線的爬坡階段。
記者：AI產業是否仍屬于藍海?
趙福全：這一點毫無疑問。人工智能一旦落地，成本就會下降，質量和效率就會提升。同樣的一個硬件，如果有了人工智能，就能被更好地使用，從而產生更大的效能，這就是后工業化時代進入智能時代最核心的變革。
不過到了當前這個階段，只是把概念講清楚已經不夠了，一定要把概念真正用好。
例如，未來智能網聯汽車擁有大量硬件和軟件，而車輛周邊的運行環境包括地圖、道路等在內也涉及到大量硬件和軟件，這些硬軟件將基于萬物互聯形成一個“組合包”，并在人工智能的支撐下更好地發揮作用。即便這個“組合包”不能一步到位地實現機器取代人駕駛，但其出現本身就會讓汽車出行變得越來越安全、越來越高效、也越來越節能環保。
又如，車聯網也是很重要的概念之一。基于互聯首先要實現“人在線”，進而要實現“車在線”。“車在線”意味著汽車不再是信息孤島，而是與外部緊密連接在一起。但無論是“人在線”還是“車在線”，最終要實現的都是人在使用車輛過程中的“服務在線”，從而實現按需出行服務。從這個意義上講，自動駕駛只是實現汽車按需出行服務宏偉藍圖中的一部分而已。
實際上，自動駕駛不僅可以解放駕駛員，還可以讓不能駕車的人也體驗到獨自乘車的樂趣。而在這個過程中，人工智能必須保障自動駕駛的車輛能夠更安全、更便捷、更節能、更環保，也唯有如此，人工智能的價值才真正得以體現，否則又有誰會愿意購買一輛比自己駕駛更危險、更麻煩、更耗油的自動駕駛汽車呢?
更進一步說，這關乎到整個人類社會移動出行能力的重新構建，僅此一點就足以說明人工智能的潛在價值有多么巨大。此外，如果說智能手機是人帶著機器移動，那么智能汽車就是機器帶著人移動，這是兩者最本質的區別。顯然，后者將對人工智能提出更高的要求。
最終，人類必將步入智能社會。不論數字化還是數據化，都只是手段，最終目的一定是實現智能化。對于企業來說，如果其推進的數字化和數據化不能產生智能化，那么被淘汰只是時間早晚的問題。
對于汽車產品來說，如果不能實現充分的智能化，例如可以自動駕駛但不能保證安全和效率，那么其存在也是沒有意義的。最終任何智能化技術的價值都可以通過安全和效率兩大指標來衡量，反過來說，無法在這兩方面實現優化的概念都沒有實際價值。
應盡快實現商業化落地
記者：前景是美好的。但現在看，距離自動駕駛真正落地還有段距離，很多企業既是在布局，也是在潛伏、忍耐。
趙福全：其實堅持前瞻布局，這本身就是一種寶貴的能力。
現在一提到能力，我們往往想到的就是技術能力，不過實際上融資能力也很重要。例如對布局自動駕駛的企業來說，技術和資本都不可或缺。我認為，技術和資本就如同“幼苗”和“陽光雨露”，如果沒有幼苗就不會長成參天大樹，但沒有陽光雨露，再好的幼苗也難以茁壯成長。特別對于復雜的智能網聯汽車產業創新，資本將起到粘結劑和催化劑的重要作用，不僅可以直接助力技術“幼苗”加快成長，而且可以把技術、產業和生態徹底打通。
當然，用不好資本也會產生負面效應。任何產業都有其內在的發展規律，在像汽車這樣的長周期產業里，如果被更關注短期效益的資本力量過分主導，就會出現“拔苗助長”的問題。而這種時候恰恰需要企業的定力，既不能盲目追求不切實際的短期回報，又必須堅持在戰略性領域進行持續投入。
當然，說到底企業還是要看準時機、把握機會。對于某項新技術究竟處于S形創新曲線的哪個階段，企業必須判斷清楚，然后根據自身的情況明確適合的切入點和切入時間。而且這個判斷不是只了解該技術本身就夠了，還要清楚相關領域的發展進程。比如在汽車行業做軟件的公司，如果對汽車硬件的發展趨勢沒有準確的判斷，只是一味追求把軟件做好是不行的。因為沒有與之匹配的硬件，到最后軟件也成了無本之木。
記者：有了前瞻性，就把握住了行業的發展軌跡。那么在您看來，自動駕駛技術未來的挑戰在哪里?
趙福全：我認為，重大挑戰之一是如何把握好“循序漸進”與“加快發展”之間的平衡點，即在堅持進行技術投入的同時，尋找適宜的特定場景率先實現有效落地。簡單地說，就是如何盡快實現自動駕駛的商業化落地。我們不能等到萬事俱備后再去落地，如果企業這么做，就會被市場淘汰;如果國家這么做，就會被世界淘汰。
在這個過程中，我認為最大的挑戰還在于如何實現多產業、多領域、多部門的融合創新和協同發展。尤其是像中國這樣的大國，面對智能網聯汽車這樣的復雜產業，絕不是某一個企業或產業做對了某幾件事，就能引領世界了。比如車企既要把車造好，又要向智能化方向升級，但很多技術并不具備，這就需要與ICT及科技公司合作，而在合作中雙方必須都能獲利才行。解決了主要企業之間的分工與回報問題，還需要有國家政策和平臺的支撐，這又涉及到政府訴求如何滿足的問題。
此外，未來汽車不是單一發展的，必須結合智慧城市、智能交通和智慧能源系統布局，否則無法實現最大價值，這又進一步增加了落地難度，要求相關參與主體必須實施更大范圍和力度的有效協作。
正因如此，我一直強調，智能網聯汽車看起來像是汽車行業自己的“小”事情，但實際上是需要多產業共同參與、最終將影響整個人類社會的大事業。展望未來，雖然困難重重，但我對自動駕駛的前景始終充滿信心。因為人類終將邁進智能社會，而在智能社會里，基于自動駕駛的按需出行服務是必需的，也是一定能夠實現的。
