当前位置：首页 > 编程日记 > 正文

为了智能驾驶，李彦宏要改造城市道路了！

编程日记 2025-01-21 15:10:00

10 月 18 日，在世界智能网联汽车大会上，百度 CEO 李彦宏提到：当汽车变得越来越智能，道路的基础设施也必须跟着变，必须进行改造。

李彦宏在发言中表示，“很多自动驾驶汽车都是需要依赖极其昂贵的激光雷达来实现的，如果每一辆车都配一个雷达，每一辆车的成本都会增加十万块钱。但是，如果我们把激光雷达配在道路上，很多车就可以共享它们，成本就会大大下降。”

看上“车路协同”的不只百度一家，还有腾讯、阿里和华为。据《财经天下周刊》报导，在 2018 世界物联网博览会上，腾讯投资的四维图新展示了其基于LTE蜂窝网络的LTE-V2X车路协同解决方案；阿里也在今年的杭州云栖大会上展示了最新的“车路协同”技术，并发布了感知基站。至于通信巨头华为，早在几个月之前宣布正积极探索汽车和通信产业下的车路协同产业。

不过，早在 2016 年，百度就开始布局“车路协同”全栈研发。今年 9 月，百度 Apollo 发布了全球首个车路协同开源方案，并宣布年底正式开源。

然而，改造道路并不是一件容易的事情。目前中国的公路里程将近 400 多万公里，想要改造这些道路，将是一笔巨大的投入。未来车路协同技术到底能发展到什么程度，还有待观察。

下面为李彦宏演讲全文：

大家下午好！非常高兴能够来到世界智能网联汽车大会做一个发言。

18年前，当我刚刚创立百度的时候，恐怕从来没有想到过，有一天我和汽车工业会有这么紧密的联系。实际上应该是从2012年开始，我们意识到人工智能因为深度学习技术的发展，会逐步进入实用阶段，会改变一个个的传统工业。

所以从2012年，我们开始利用人工智能技术来改造百度的搜索引擎以及一些相关的服务。但是到2013年的时候，我们发现其实人工智能真正能改变的另外一个大的行业，就是汽车行业。

2013年，百度成立了自己的自动驾驶研发团队，这个团队后来发展越来越多，人越来越多，我们的投入也越来越大。到2015年的时候，我们成立了自动驾驶的事业部。

一个技术，不出事儿才是硬道理

去年4月份，我们宣布了 Apollo 平台的开放。这件事情的背景也非常简单，不仅是百度意识到了人工智能会对汽车工业有非常大的影响，很多以前汽车的整车厂也好、零部件厂商也好，以及芯片等等汽车工业的上下游……很多的企业都意识到了，人工智能会对汽车工业产生巨大的影响。除了这些整车厂在投入无人驾驶的研发之外，也有很多创业性的公司投入了无人驾驶的研发。

但是我们发现，因为大家都在做，大家都在独立地做，就很难避免重复造轮子的情况。所以，在2017年的时候，我们觉得与其每个人重走一遍我们走过的路，何不把我们已经积累的东西开放出来，与大家一起分享？源代码也好、数据也好，百度有的，你们就会有。这样的做法得到了很多车厂、以及其他领域合作伙伴的响应。

所以，今天的 Apollo 虽然仅仅开放了一年多的时间，却已经成为了全球最大的智能驾驶生态——我们有接近130家的生态合作伙伴。包括刚刚的戴姆勒，以及其他的整车厂，Tier1、Tier2，还有像 NVIDIA、Intel 这些芯片厂商，我们的科研机构等等也都在使用 Apollo 平台。

Apollo 平台是一个技术平台，真正地要进入使用、进入商用，需要跟每一个车厂进行合作，还需要通过实际路测的检验。所以，我们在发布这些技术之后，看到各个领域的合作伙伴各显神通，做了各种各样的 customization（适配）。

智能驾驶领域因此出现了很多的“新物种”。比如无人驾驶的货运车，这个车里没有驾驶员，也没有乘客，它可以用比一般汽车小很多的体积在封闭的园区里行驶，公园里那些清扫垃圾的车辆，也可以在凌晨三四点，在公园里没有人的时候安全地跑起来。

今年7月份，我们跟厦门金龙一起合作的阿波龙迷你巴士，是全球第一款量产的商用 L4 无人驾驶汽车，现在向大家报告一下进展：

阿波龙已经安全运营了超过一万公里，也载了超过一万人次去体验，同时已经落地在20个场景，到目前为止是零事故率。所以，我觉得这才是重要的，你可以宣布一个技术，也做了各种各样的测试，甚至把这些东西都共享出来，那不算什么，不出事儿才是硬道理。这才是真正让人感到高兴的事情。

事实上，当我们知道一个个合作伙伴要拿着 Apollo 的技术，到实际场景中应用的时候，我们自己也是非常担心的。很有可能会因为我们一个小小的错误，使得整个中国自动驾驶技术创新的速度降下来，大家都会害怕，我们也会害怕。

所以，我们在这方面做了特别特别多的努力。Apollo 平台今天已经进化到3.0，新增的代码中有50%以上都是跟安全有关的。

所以说得再天花乱坠，如果安全这一条过不去，也无法进入使用状态。这是我们在过去这一段时间、尤其是过去一年的探索中体会最深的一点。

有了智能的车不够，还需要更智能的路

有了智能的车还不够。汽车、智能网联车是一个非常庞大的产业，涉及很多环节，这些环节不仅包括车，也包括基础设施，也包括路。

我们以前说，马路就是跑马的，跑马的路跟跑汽车的路显然从基础设施上是不一样的。跑马的路可能并非是柏油路，跑马的路也不需要有红绿灯，这些我们今天都已经习以为常的东西，可能一百多年前就是重要的基础设施的变化。

今天，当我们的汽车越来越智能，当我们憧憬以后可以取代人类驾驶员的时候，我们必须要考虑到道路的基础设施也要跟着变，也要进行改造。即使是从提升效率、降低成本的角度讲，改造基础设施也是非常重要的。

大家知道，很多自动驾驶汽车都是需要依赖极其昂贵的激光雷达来实现的，如果每一辆车都配一个雷达，每一辆车的成本都会增加十万块钱。但是，如果我们把激光雷达配在道路上，很多车就可以共享它们，成本就会大大下降。

所以，我觉得中国在这方面有独特的优势，中国在基础设施的建设上全球领先，也非常愿意投入。我们的高铁，我们的高速公路，我们的机场……等等这些投入，在过去的几十年都会让全世界感到印象深刻。

对于大城市来说，建了很多高速公路、建了很多停车场、建了很多立交桥、甚至建了很多地铁，已经没有空间再建了。新的基础设施需要有新的思维方式。像北京这样的大城市，交通问题是每一个人都深有体会的一个比较难以解决的问题。

解决交通拥堵

根据我们的测算，北京市每年因为交通拥堵造成的损失是数以千亿计的，因交通拥堵造成的损失大概占 GDP 的5%。比如我每天上班单程要一个多小时，大多数时候可能不处于拥堵状态，那是因为我本来应该走五环、但只能走六环。

在我们传统统计的交通拥堵数据中，可能不会把这些数据统计为拥堵造成的损失，但其实除了多交几十块钱的过路费之外，也消耗了更多汽油。

因此，这样的事情随着人工智能技术的进步、随着汽车越来越智能、以及随着我们相应基础设施的升级和换代，是可以得到大幅度改善的。

在基础设施领域，通过红绿灯上的路测设备，无论激光雷达还是摄像头，都可以使得拥堵的状况得到大幅度改善。

自动泊车

还有一点，就是前面几位嘉宾提到过的自主泊车。美国有一个统计：人们在开车的时间里，30%都是在找停车位的。但其实这些时间是一种无谓的浪费。有些人会说，我喜欢开车，没错，你喜欢在高速上开车、喜欢到没去过的地方开车，但不会有人说，我喜欢找停车位。

这样一个繁琐、耗时间的事情，我们很快可以交给自动驾驶来完成了。以后上班时，直接把车开到办公楼大门前，下车后剩下的事情就不需要再担心了。

疲劳驾驶监测

另外，在刚才的开场视频中，我们还看到，每年有130多万人死于交通事故，恐怕没有其他意外，会比交通事故更容易造成这么多人的生命损失。

而自动驾驶时代的到来，会大大的减少这一方面事故的发生，也包括我们对于疲劳驾驶的智能检测和对司机的提醒。

智能驾驶产业发展的4个关键因素

我也总结一下，在我看来，智能驾驶产业发展需要有4个方面的关键因素。

第一，我认为是开放。没有一家公司可以把所有的事情都做完，所以，我们需要开放和合作。我们做过的东西拿出来和大家共享，其他人没有必要再来做一遍了，大家在一个共同的平台上相互激发、相互提升，这个产业就会越来越繁荣、越来越先进。

第二是安全。我刚才也讲到了，不管是人的生命损失，还是我们平时为了减少拥堵而希望更少地出现事故，安全都是跟每个人的切身利益相关的。

第三是政策。今天即使有 Level 4的技术，造出了这样的车，仍然是不能上路的。除了我们拿到的几十辆测试牌照的车能在规定的道路上行驶之外，在其他的地方即使有这个无人车也不能跑。那么，我们一定要有相应的政策，才能让智能驾驶真正地在开放道路上跑起来。

第四个关键因素是基础设施。我刚才也讲到，基础设施的改进是中国独有的优势。很多车都拥挤在大城市里，可以通过路面的路测基础设施改进让自动驾驶的成本大幅度下降，这也能使现在没有自动驾驶能力的车在路上少拥堵一些时间，让人们把更多的时间用在工作、学习、生活和娱乐上。

所以，未来千钧，但是众擎易举，我们大家一起努力，一定可以使得一个智能驾驶的未来及早到来。感谢大家！

https://www.dkcj.cn/info/37275.html

为了智能驾驶，李彦宏要改造城市道路了！

下面为李彦宏演讲全文：

一个技术，不出事儿才是硬道理

有了智能的车不够，还需要更智能的路

智能驾驶产业发展的4个关键因素

相关文章：

LoadRunner Winsock 10053错误的真正原因

dsp和通用计算机的区别,dsp芯片是什么_dsp芯片和通用微处理器有什么区别

百度大脑发布企业服务解决方案，将 AI 技术落实到细分领域

图片上传(加水印、缩略图、远程保存）的简单例子

wp实例开发精品文章源码推荐

98级计算机应用教材,西安外事学院98级计算机应用9806班毕业二十年校友返校

js：appendChild、insertBefore和insertAfter

来呀！AI喊你斗地主——首个搞定斗地主的深度神经网络

在 Django 的 View 中利用 function decorator 可实现一定程度的代码重用

Linux---管理网络

网络丢包现象分析处理指导书5

信息与计算机科学考研学校排名,计算机科学与技术考研学校排名

800万中文词，腾讯AI Lab开源大规模NLP数据集

屏幕后处理——Bloom

服务端口大全+注解

双绞线是计算机网络的一种通信线路吗,计算机网络环境的信道传输技术分析

为了智能驾驶，李彦宏要改造城市道路

美团大脑：知识图谱的建模方法及其应用 | 公开课笔记

LINQ篇：ASP.NET using LINQ(Part One) Scott大师的产物

大学生如何合理使用计算机,大学生计算机合理使用引导分析

关于机器学习中山峰聚类算法的说明

SQLDMO- （数据备份与恢复篇）

详细介绍Java垃圾回收机制

美国卡尔顿学院计算机专业怎么样,美国卡尔顿学院排名

比特大陆发力边缘计算，详解终端AI芯片BM1880

职称计算机菏泽,山东菏泽2016年职称计算机首批考试时间

GitHub 挂了

在ARC环境中autoreleasepool(runloop)的研究

QoS实验配置详解

朴素贝叶斯分类器详解及中文文本舆情分析（附代码实践）