雷鋒網按：12月17日，在北京舉行的第七屆全球新能源汽車大會（GNEV7）上，地平線機器人CEO余凱發表了《未來汽車的技術起點》的主旨演講，聊了聊怎麼樣通過技術變革使交通出行更加安全、便捷以及有趣。餘凱是前百度研究院執行院長，曾領導百度深度學習研究院( IDL )、多媒體技術部（語音，圖像）、圖片搜索產品部等團隊。2014 年以來，餘凱發起和領導了百度大腦、百度自動駕駛、BaiduEye 以及 DuBike 等一系列創新項目，並連續三次榮獲公司最高榮譽——“百度最高獎”。
12月19日，雷鋒網第100期硬創公開課將特邀余凱博士為大家做一期以
《人工智慧的冰與火之歌：回顧 2016，展望 2017》
為主題的演講，分享他對今年AI現象的看法以及對未來的展望。
以下為餘凱在GNEV7演講全文（雷鋒網作了不改變原意的刪減）：
前面很多嘉賓談到了變革：大資料、人工智慧技術、自動駕駛。今天我從一個技術專家的角度給大家闡述技術創新可能給汽車行業帶來的影響。
2015年的7月，我創立地平線，實際上開始做的事情聽起來比較非主流、反主流，我定義地平線是嵌入式人工智慧的領導者。
什麼叫嵌入式人工智慧？
它並不是通過雲端聯網，在資料中心進行大規模計算去實現人工智慧，而是在本地計算，在不聯網的情況下即時的做環境感知、人機交互以及決策控制。
大家想像一下自動駕駛這樣一個場景：一個小朋友突然橫穿馬路。我們要把信號傳到雲端做處理做決策，這可能是災難性的，如果網路條件不穩定怎麼辦？
實際上，嵌入式人工智慧就是完全低功耗的當地語系化計算，
很多場景都需要這樣的解決方案。
地平線其實是想做嵌入式人工智慧的領導者。
這裡面包括從軟體、硬體甚至處理器的架構重新定義怎麼去實現低功耗、高性能的計算。
主要應用的場景毫無疑問第一個是自動駕駛，第二個叫Smart Live（智慧生活）。
權威報告顯示，2030年世界上每十輛車中將有四輛具備一定程度的自動駕駛功能——可能是輔助駕駛，甚至高速路的全自動駕駛及非高速路的自動駕駛在那時也能實現。
如此大的產業機會源於中國汽車市場已經躍居世界第一。但令人尷尬的是，全世界範圍內每十萬人的交通事故死亡率，中國是世界最高。那麼，怎麼樣通過技術變革使交通出行更加安全、更加便捷以及更加有趣？
百年歷史的汽車行業實際上來了野蠻人，這些野蠻人來自互聯網公司，我也是其中的一位。野蠻人也需要進化。
未來，自動駕駛會像程式控制交換機改變電信行業一樣，會重構整個交通出行產業。這裡面互聯網企業、車廠、傳統的供應商都必須擁抱這個趨勢，並且找到自己的位置。
我們永遠會低估人類對懶惰的追求，電腦交互從鍵盤到滑鼠再到觸控，越來越方便，人們在越來越懶惰的狀態下做這些事情。如今，我們還需要花幾個月的時間學習開車作為生活必備技能，但15年、20年以後我們還需要這些嗎？我認為對用戶體驗無止境的追求會驅動產業變革。
當然，從技術角度講，必須承認的是，無人駕駛談何容易？報導顯示，2014年9月份——2015年11月份期間，Google的無人駕駛汽車在無人為干預情況下發生了13次碰撞事故，在42萬英里的行駛過程中一共發生了341次人為的干預。即便是Google這樣的公司目前還做不到“無人駕駛”，同時，就算
車上的感測器與計算設備加起來可以買好幾輛車，但穩定性和可靠性依然無法保證。
以我的親身經歷來看，百度和寶馬合作的第一輛無人駕駛汽車，後備箱塞滿了機器，根本別想放行李，這個問題到今天都沒有解決。像百度、Google、優步這些無人駕駛汽車，每開兩個小時就要找個地方散熱，整個系統的可靠性、穩定性是個巨大的問題。
我從一開始負責百度無人車的時候就想，一定要對汽車產業100多年在駕駛安全方面積累的技術有足夠的敬畏之心，所以我們開始的時候就找了傳統車廠寶馬來合作。
汽車產業的OEM（原始設備製造商）跟Tier-1（一級供應商）在無人駕駛方面持“漸進”觀點——
從輔助駕駛到半自動駕駛再到全自動駕駛；從有限場景的園區、高速公路到非限制場景再全天候。
這種漸進式發展路線從今天看是比較現實主義的，我也認為是可取的。
但是，歷史上也不乏
由於某項新技術的變革，改變了整個外部生存環境的例子，以一種顛覆者的姿態入場。
下面我想跟大家分享一下最近人工智慧方面的發展，實際上我們每個人都要對這件事情有充分的敬畏之心，包括在人工智慧行業工作20年的我。
人工智慧技術在過去十年時間裡，
一個顯著的發展趨勢就是深度學習
，因為深度學習不但讓語音辨識成為可能、讓圖像識別開始進入產業，它甚至在下圍棋這件事情上做得也比人類好。
其中，增強學習不光是感知的問題，更加是決策、連續決策的問題。優化一個長期的目標，不光可以讓下棋做得更好，同時加速自動駕駛的發展。
最近，我們看到在整個行業裡面包括Google、地平線都在研究基於增強學習的自動駕駛決策系統。
另外一個就是計算，計算的摩爾定律、架構的重新設計。
NVIDIA從去年八、九月份開始到今天股票漲了5倍，因為其新的計算架構使得人工智慧的計算能夠提升兩個數量級，讓深度神經網路計算更加高效。正是這樣的需求，讓這家公司的價值從一百億漲到五百億。
最近，特斯拉宣佈明年所有的新車上會裝8個環視攝像頭，都是高清的，底層有NVIDIA的Drive PX2計算平臺，當然還有12個超聲感測器，包括前方的毫米波雷達。
但是特斯拉的自動駕駛技術並不完善。
這是典型的“技術未動，資料先行”，是新的思維和方法論。
特斯拉可以從車輛實際運營中積累兩種資料：
第一種是路況就是環境的即時資料；
第二類資料是說在這樣的環境和路況下面司機怎麼操作、怎麼決策。
這個過程可以積累十億英里的駕駛員決策資料，背後是一個深度神經網路在雲端不斷學習，學習人是如何操控的。這與我們過去的思維：工程師自己寫規則、調試不一樣，完全是機器自主在學習。
到2018年，特斯拉將具備Forward Facing Radar能力，這是大資料驅動的自動駕駛，我們對此要給予充分關注，因為它有可能大大加速整個自動駕駛的研發。
地平線內部在開發的Rational End To End自動駕駛決策系統是通過大量資料及電腦模擬，利用增強學習去學習最優的路徑規劃與決策的演算法，這裡面還有一個很重要的方面是我們需要把人工智慧的技術跟汽車行業長期積累的功能安全性標準結合在一起。
餘凱最後給出兩個觀點：
1、目前，自動駕駛的參與者有三類，
一類是傳統主機廠跟供應商所構成的強大的生態，這是現在的主流；一類是互聯網企業比如像百度、Google、優步；還有一類是像地平線這樣的人工智慧技術企業。
傳統主機廠和供應商與人工智慧技術企業需要彼此敬畏：一方面人工智慧技術需要敬畏汽車產業對安全的理解；但另一方面傳統主機廠跟供應商必須對可能產生顛覆結局的自行駕駛技術保有敬畏。同時，二者應互相擁抱互相合作。
2、新的技術對世界的影響，其實在短期內我們總是高估它，因為它並沒有我們想像得那麼好。但是在十年的維度裡面我們往往會低估，就像十年之前你想不到今天的移動互聯網如何改變你的生活一樣，你也想不到十年後自動駕駛技術會如何影響你。