在美国，成立六年之久的自动驾驶公司Argo AI突然宣布解散。即便是背靠两大跨国车企福特和大众，但Argo AI依然没能活到下一集，最终倒在了IPO大门前。而在德国，车载激光雷达“鼻祖”Ibeo公司宣布，因无法获得进一步融资，公司向德国汉堡法院申请破产。

“国外这一批自动驾驶公司被淘汰，原本我判断会更早一点。”在中国工程院院士、清华大学智能产业研究院(AIR)院长张亚勤看来，很多公司方向是对的，但是粮食不足，没有达到终点前就成为先烈了。

对于欧美自动驾驶公司的这一轮倒闭潮，有人认为这是产业泡沫破灭的前兆。不可否认的是，中国自动驾驶产业在某些领域，存在着创业公司和资本过度狂热的现象。但从大方向而言，无人驾驶的终极目标是毋庸置疑的。

雪崩之时，没有一片雪花是无辜的。

欧美的自动驾驶公司起步更早，其产业对技术和商业化路径的探索更深入，自然就更先一步进入到洗牌阶段。而对中国的自动驾驶公司而言，这场淘汰赛也终究会来，是时候该提升危机感和紧迫感了。不经磨砺难成人，未逢挫折总天真。与任何产业一样，只有经历过一轮轮的淘汰，最终才能诞生伟大的企业。

“国内的话，下面几年也会有一些公司面临破产，最终可能就剩下5-10家是真正的无人驾驶公司。”张亚勤总结时说道。

从起跑，到赶超，再到即将进入的淘汰赛，张亚勤无疑是中国自动驾驶行业的领导者、见证者和奉献者。他是科学家中的企业家，企业家中的科学家，多重的经历和身份，赋予了他更宽阔的视野去看待如今的自动驾驶难题。

推动起步

12岁最年轻的大学生，19岁赴美留学、23岁博士毕业、最年轻的IEEE Fellow、中美澳三国院士，比尔·盖茨的智囊团…这些，都是张亚勤被外界瞩目的标签。

他与自动驾驶开始产生交集，源自于1998年的一个决定——那年11月，张亚勤正式加盟微软，与李开复一起筹建微软中国研究院。

2000年，张亚勤正式成为微软中国研究院院长兼首席科学家。次年11月，微软中国研究院发展为微软亚洲研究院， 他担任首任院长。

2004年，张亚勤回到微软总部带领团队开发过一个操作系统 WindowsCE。这个系统后来成为全球最大的嵌入式操作系统， 也在传统车载领域得到广泛的应用，属于初代的车载操作系统。谈及这段经历时，张亚勤不由地说道：“我对汽车行业一直还是很有感情的。”

2004年，是近代自动驾驶的元年。

美国国防部高等研究计划局（DARPA）组织了第一届野外自动驾驶挑战赛（Grand Challenge）。随后，大洋彼岸的硅谷科技公司们，就开始盯上了那些奇奇怪怪的汽车——车身上铺满了各种电子设备，车舱内没有驾驶员和乘客，但车辆却可以自动的前进、拐弯——自动驾驶，开始在美国盛行。

2014年9月，张亚勤结束了在微软的16年工作经历，应老朋友李彦宏邀请出任百度总裁。

在百度的5年时间里，他专注自动驾驶、云计算、量子计算、芯片等AI相关领域的前沿技术。其中，最重要的节点是2017年，百度发布Apollo计划，向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。Apollo目前是全球最大的开放商业智能驾驶平台，联盟有超过200家企业和机构。

时至今日，张亚勤仍是百度Apollo的联盟理事长。“这也是我目前唯一的兼职”，他打趣的说道。

2019年10月，53岁的张亚勤宣布从百度退休。当时，该举动在业内掀起过不小的争议，但张亚勤曾在采访中回应称：“我们人生这么长，每个阶段自己都要有不同的重点，我是希望下面再做好‘一件事’”， 用他话说就是Life3.0。

而他的“Life3.0”，在2019年12月31日那天，正式官宣了：张亚勤正式加盟清华大学，受聘清华大学智能科学讲席教授。同时，他还将负责牵头筹建清华大学智能产业研究院（AIR）——面向第四次工业革命的国际化、智能化、产业化的研究机构。

“前面这三次工业革命，中国都是处于相对旁观者或者是跟随者的角色，我觉得第四次工业革命中国有可能成为一个引领者。”

张亚勤认为，人工智能是第四次工业革命一个很重要的技术引擎，很多产业都会被其改变，也会产生很多新产业。而在诸多新兴产业中，张亚勤表示，清华大学智能产业研究院（AI R）将会聚焦智慧交通（AI+Transportation）、智慧物联（AI+IoT）、智慧医疗（AI+Life Science）三个重点研究方向。

虽然看似是截然不同的细分领域，但在张亚勤看来，这三个方向有一些共性：一是都面对着巨大的商业空间和发展机遇；二是人工智能在探索过程中发挥着特别重要的作用，甚至是决定性、颠覆性的作用；三是相关研发成果实用化、普及化之后，将产生可观的社会效益。

而自动驾驶，则更像是第四次工业革命的时代标志。

见证赶超

“美国整体的话是启动比较早，而且相对比较领先。但是我觉得，中国过去这5年，在大踏步的往前走，每个领域都在往前走。”张亚勤说道。

实际上，自动驾驶是一个复杂的系统问题，涉及到感知、认知、规划、决策与执行等诸多环节，需要在极短时间内做出可执行的正确决策。

正因涉及的技术多、涵盖的领域广，所以自动驾驶的发展路径也呈现出多元化的态势，正所谓条条大路通罗马。

比如，按场景来划分，有公开道路场景、封闭场景；按车辆类型来划分，有乘用车和商用车。按自动驾驶等级来划分，从L1到L5有五个等级，包括L2级辅助驾驶、和L4+级无人驾驶。

在谈细分类型之前，其实更应该关注整个行业的活跃度。张亚勤认为，中国在乘用车规模、测试规模、投融资等方面比美国更多，所以产业链更加活跃。

在乘用车规模方面，我国2021年产销分别完成2608.2万辆和2627.5万辆，连续13年保持全球汽车产销量第一。但更重要的是，自动驾驶技术正在逐步下放，并在乘用车上落地应用。在今年上半年，国内具备组合驾驶辅助功能的乘用车达到228万辆，市场渗透率升至32.4%，同比增长46.2%。

规模所带来的优势之一是，数据量。

张亚勤在2008年曾经提到过一个观点：“未来最珍贵的资源不是石油，而是数据和算法。”这一观点放到今天的自动驾驶产业，依然适用。

像目前百度的L4无人车，收集的数据量就达到2TB/台/天，其中包括了传感器、感知结果、车辆状态等全量数据，每天百度自动驾驶车队的数据总量达到300-400TB。而一般量产乘用车，包含高价值的数据，如特殊场景等，上传数据量也能达到约11G/车/月。

而数据的最大用途是驱动自动驾驶体验持续提升，也就是所谓的“数据闭环”。比如，模型训练闭环：在发生一些极端场景的时候，采集车外的环境数据，回传到云端，进行数据标注、数据清洗、模型训练等，迭代出新的模型，经过仿真环境的测试和验证、实车上的测试和验证后，最终实现软件更新。

规模所带来的优势之二是，成本下降。

“在传感器方面，比如激光雷达，中国这几年已经在快速创新和落地已经比美国做得好了。”在张亚勤看来，美国最早在做激光雷达的时候，机械式激光雷达要几万美金，而现在像禾赛科技、大疆车载、华为等等的一批企业，把激光雷达的成本降到了1000美金以内，这个时候就可以大规模量产上车了。

诚然，欧美市场目前主要是在L4级无人车搭载激光雷达，并且大多是机械式激光雷达，外观突兀且无法满足乘用车的车规级要求。而中国汽车产业率先将半固态激光雷达，在乘用车上进行量产，并大规模交付给普通用户使用。

高工智能汽车研究院监测数据显示，去年中国市场乘用车前装标配搭载激光雷达数量还不到8000颗，今年1-9月，前装搭载激光雷达的数量已达5.7万颗，预计全年达12万颗，增长10倍以上， 很多新型L2车已在开始使用激光雷达。

规模所带来的优势之三是，商业闭环。

张亚勤认为，若完全依赖单车智能，corner case（长尾问题）将更难以得到解决，如果计算能力无法快速突破、硬件价格无法快速下降，则自动驾驶商业落地将需要很长时间。如果使用交通设施和周围环境智能（V2X），在数据感知，算法鲁棒性，安全冗余等都会有大幅度的改进。自动驾驶的快速大规模应用必须依赖单车智能和V2X的结合。

用更简单的话来说，就是智能的车，智慧的路和强大的云。既有安全性和体验的跃升，也有基建的覆盖，以及车辆规模的提升和硬件成本的下降——由此形成商业闭环，并进入一个良性循环的状态。

不可否认，随着自动驾驶产业的发展深入，会有越来越多新玩家半路出道、乘机而入，试图在繁荣的资本游戏中分一杯羹。而如今，“过热期”已然结束。

根据Gartner曲线对于新兴技术发展周期的描述，一个事物从萌芽到成熟，必然要经历萌芽期、过热期、低谷期、复苏期、成熟期五个阶段。当下这个阶段，企业开始退出、资本逐渐冷静，似乎是一个低谷期的开始，也意味着企业更需要静下心来。

据睿兽分析的数据显示，2022年1-10月，国内自动驾驶领域已发生67笔融资事件，披露融资额累计达143亿元，对比2021年同期，融资事件、融资额分别下降了约32％和61％。

在张亚勤看来，“这个产业（自动驾驶）没有泡沫，可能有些公司有些泡沫，这部分VC的感知会更前、更准确一点。他什么时候开始撤了或者不投了，就是一个信号。”另外，他还明确提到，中国的Robotaxi公司现在是多了点。

言外之意，Robotaxi这条细分赛道有些过分拥挤了。

背靠谷歌的Waymo，是Robotaxi自动驾驶出租车领域的“鼻祖”。2017年，摩根斯坦利对Waymo给出的估值达到700亿美元；2018年，其估值更是暴涨到1770亿美元，相当于当时四分之一个谷歌。其中，Waymo的自动驾驶出租车就占到800亿美元。可见，当时业内对Robotaxi的未来前景极度看好。

转折点出现在2018年，Uber无人车在路测中出现致命事故，一名女性在过马路时被无人车撞倒并最终导致其死亡。这起致命事故，让原本“急速前行”的自动驾驶突然踩下“刹车”。

时至今日，大多数的Robotaxi仍只在小范围进行试运营，车上需要安全员进行监督或者随时接管。就连号称“自动驾驶一哥”的Waymo，也只在美国本土的部分地区去掉了安全员，但距离大规模上路、彻底无人驾驶仍有很长的路要走。此时，Waymo的估值也从3年前的1750亿美元一路下滑至300亿美元。

Robotaxi的估值神话破灭，本质上是促使行业往更底层的领域去探索，而非停留在自动驾驶演示的“幻象”之中。

从产业链角度来看，中国自动驾驶急需重视的是“缺芯”和核心软件问题。

“我现在觉得做汽车芯片公司太少了”，在张亚勤看来，美国由于起步时间早，技术积累深厚，在自动驾驶的底层实力方面更强一些。比如，英伟达、高通、英特尔旗下的Mobileye，都是业内炙手可热的美国芯片公司。

早年间，Mobileye靠“算法+芯片”的打包方案大杀四方，如今则是英伟达的大算力芯片Orin X大受追捧。目前，已经大规模量产上车的Orin X芯片，单颗算力为254TOPS（处理器运算能力单位）。

然而，英伟达在今年又推出了新一代的DRIVE Thor计算平台——可实现最高2000 TOPS AI算力以及2000 TFLOPS浮点算力，把芯片算力“卷”到了云霄。

而中国的自动驾驶芯片公司，目前主要还在创业成长阶段。

比如，地平线的最新征程5芯片，采用台积电16纳米工艺，单颗芯片AI算力最高为128TOPS，目前在理想L8 Pro车型上首发量产。数据显示，地平线征程系列芯片累计出货量已突破150万片。在今年10月，大众汽车集团宣布投资地平线，投资金额约为24亿欧元。

再比如，获小米长江产业基金投资的黑芝麻智能，目前已经量产了华山二号A1000系列芯片，INT8 算力达到了106TOPS、INT4 算力196TOPS。此外，黑芝麻智能的A1000芯片已获得江汽集团、吉咖智能（吉利）等多个车企的定点订单。据了解，黑芝麻智能还计划在明年发布性能超过英伟达Orin系列的下一代芯片。

除了来自芯片产业链的挑战之外，在操作系统、软件算法等等的底层能力方面，中国自动驾驶产业仍需要卧薪尝胆。“特别是现在由于地缘政治，我们在每一个产业的每一个地方都要有自己的布局。”张亚勤总结道。

决赛在2030

对于终局来说，自动驾驶需要解决的核心问题之一是，安全。

那么，到底需要多安全，才能算安全呢？

在张亚勤看来，自动驾驶车辆的安全标准需相较人类驾驶提高至少一个数量级，达到十倍于人类驾驶的安全系数。举个例子，如果人开车是3万公里出一次事故的话，那么自动驾驶车辆就要做到30万公里一次。

不仅如此，自动驾驶还将会极大地提升交通安全。世界卫生组织的《道路交通伤害报告》中指出，全球每年有135万人死于交通意外。其中95%以上是人为错误导致的，而人工智能的介入可以大幅降低人为事故隐患。

然而，自动驾驶汽车要实现高于人类驾驶十倍的安全，并非一蹴而就。在张亚勤看来，有几个具体的技术挑战需要逐步去解决。

挑战之一是可泛化性。

“我们现在做人工智能算法往往是处理一些特定任务，但现实的交通场景十分复杂，包括天气、交通状况、突发事件等。你的算法是不是可以应对不可预测的事件，这是算法的一个泛化性的问题。”张亚勤表示。

最近几年典型的事故，就是自动驾驶撞上侧翻的大货车，侧翻的货车车顶缺少纹理特征，看起来就像白色的云，这种情况下仅依靠视觉的自动驾驶无法判断距离。随着技术的改进、车载激光雷达的低成本大规模普及、多模态数据融合感知的发展，这样的事故风险会逐渐降低，但是真实世界远比这要复杂。

其次，挑战还来自于规模化。

自动驾驶从测试到大规模商业部署，对技术本身的完全性提出了更高的要求。在张亚勤看来，“不管是算法也好，系统也好，硬件也好，芯片和操作系统也好，要把它们都完美的集成，并且不能犯错误，这是一个很难的事。”

举个例子，自动驾驶车辆需要一系列的传感器来共同完成感知任务。不同传感器各司其职。激光雷达可以直接采集距离信息，实现三维环境匹配及盲点探测；而摄像头则可以实现物体的快速辨认和车道识别，所采集的信息包含色彩和更多细节；在恶劣天气下，相较于激光雷达和摄像头也会有更好的表现。所有传感器联合起来构成对车辆所处环境全方位的立体扫描。

归根结底，自动驾驶也是一个复杂的狭义人工智能问题，可以被分解为有边界的子领域技术问题。张亚勤认为，“它更多的是一个特定任务的认知，尽管很复杂，但还是可以解决的，所以说无人驾驶是可以实现的。”

当问及“无人驾驶最终何时落地”时，张亚勤的回答是：“我预估2030年吧”。话语间虽有些犹豫，但他又进一步解释道：“目前已经开始有不少企业开始尝试商业落地。我认为当10%的新车是无人驾驶的，那么就开始有规模效应了, 就落地了“。当然这是指在开放环境下的乘用车。无人驾驶在矿区，景区，物流等场所会更快规模化。

最后，张亚勤还呼吁：“我们步子可以稍微走快点，下一步把安全员拿走，车里面就不要有人了，要真正这样做测试。这是个鸡和蛋的问题，你要是不这么测试，那你不可能有质的飞跃。”

写在最后

终点是明确的——无人驾驶，时间表也逐渐明了——2030年，挑战更是清晰可见的——安全。但唯一不够清晰的是，具体的实现路径和方式。而这需要行业各界一同探索和努力。

本质上来讲，自动驾驶本身不是单一的汽车行业问题，而是跨领域、跨学科的人工智能难题。正如张亚勤院士所言，自动驾驶是未来5年AI领域最具挑战和最复杂的任务，也是推动全球汽车工业变革最重要的技术力量。

这也是为什么，张亚勤要筹建清华大学智能产业研究院（AIR）的重要原因。AIR的战略很清晰：一是培养技术领军人才，特别是具备国际视野的CTO和具备系统思维的架构师；二是推动关键核心技术的突破；三是打造产业影响力。目前AIR已经有近200位教授，研究者和学生， 1/3在从事和自动驾驶和智慧交通相关的研究和产业化。

在面对未知且多变的技术变革时，只有把学术界、科研界、产业界的力量集合在一起，才能起到决定性、颠覆性的作用。

俗话说得好，孤举者难起，众行者易趋。