今年以来，滴滴、百度等互联网巨头在多地开展载人路测，自动驾驶发展速度进一步加快。
德勤7月1日发布的报告显示，未来3年-5年，汽车智能化、网联化将迎来一轮高速推进，预计至2030年，中国运营的自动驾驶车辆将达到3000万辆。
“我始终对自动驾驶的前景充满信心。”近日，清华大学汽车产业与技术战略研究院院长、世界汽车工程师学会联合会主席赵福全在接受记者专访时强调，机器要完成人类驾驶员的所有职责，这其中涵盖的各种复杂场景的数据量之大超乎想象，“解决之道就是在车企间实现数据共享”。
1963年出生的赵福全，是国际著名汽车研发专家、机械学家。他曾在美日欧汽车界学习、工作近20年。作为核心成员之一，赵福全领导参与了包括沃尔沃在内的多家国际并购及后续的业务整合。
2013年5月，赵福全加盟清华大学，担任该校新成立的汽车产业与技术战略研究院院长。显赫的海外学业及从业履历，使赵福全一言一行都备受业界关注。
在接受记者长达两个小时的采访中，赵福全深入分析了自动驾驶与5G的依存关系，认为“智能化是汽车产业拥抱5G的原动力”;强调了中国管理体制在智慧城市和物联网时代应当且必须起到的巨大“平台作用”，还对自动驾驶涉及的数据安全和相关立法给出了自己的建议。
自动驾驶落地难在哪?
记者：自动驾驶产业近两年的发展，哪些方面让您印象深刻?
赵福全：我有三点感受和判断可以与大家分享。
第一，过去几年，大量人力、物力、资本涌入汽车自动驾驶领域，可以说产业热度很高。但从这两年的实践来看，汽车自动驾驶已经进入深水区，资本由原来的盲目狂热逐渐趋向冷静。有人认为，这是过热之后的“退烧”;也有人认为，这个产业很难看到未来。不过我并不觉得是这样。当然，从某种意义上讲，资本确实比之前更谨慎了，但从产业发展的角度看，我认为自动驾驶的发展势头并没有减弱。
第二，由于自动驾驶已经进入深水期，靠“PPT讲概念”就能融资的时代已经一去不返，现在已经到了从做样车再到区域性小规模示范应用的阶段。比如滴滴开始在上海试运营自动驾驶网约车服务、百度在长沙的自动驾驶出租车队也已落地，这些都是产业深入发展的实例。
第三，此次新冠疫情爆发导致一些城市暂时停摆，人流和物流均受到很大影响。在这种情况下，自动驾驶可以具备非接触式便捷安全运载能力的属性，让人们再次认识到其重要性，也对其在某些特殊场景下的应用充满了期待和信心。实际上，从近几年的实践来看，在相对简单但条件恶劣的应用场景中实现车辆自动驾驶，例如采矿车、消防车等，已经成为非常重要的发展趋势之一，不少企业正在这些方面寻求突破。
受限于技术的成熟度、成本以及应用场景的复杂性，全天候自动驾驶不可能一蹴而就，这意味着对于广大车企而言，前期不断投入开发出来的自动驾驶技术要想迅速大规模广泛应用是不现实的。
在上述局限尚未得到根本性突破之前，企业必须找到合适的市场突破口，即基于特殊场景，先在一定条件下实现自动驾驶的产业化应用，这样可以减少对技术的依赖，并大幅降低成本，从而让消费者能够“买得起”“用得起”。显然，这是自动驾驶在未来相当长的一个时期内重要的落地和变现手段，也就是行业所说的“沿途下蛋”。在这个过程中，经验的积累与市场的培育相辅相成，最终伴随着应用场景的不断扩展，使高级别自动驾驶汽车真正驶进千家万户。
车企之间应该实现数据共享
记者：兰德智库对自动驾驶汽车有过一个评估，即真正的自动驾驶系统要达到量产应用条件，至少需要经过110亿英里的道路验证。照这个条件估算，即使一个团队拥有100辆自动驾驶车辆24小时不间断地同时进行道路测试，积累足够数据所需的时间也是以“百年”为单位的。自动驾驶汽车量产真的这么难吗?从道路测试到规模化应用，需要什么条件，又存在哪些技术难点?
赵福全：在解答这个问题前我们必须先厘清一个基本概念：自动驾驶的本质是什么?我认为，简明扼要地讲，就是用机器取代人来驾驶汽车。
机器凭什么能够取代人呢?虽然总体上人类的判断、决策和执行能力都非常不错，但是毕竟因人而异、参差不齐。比如说，不同司机的驾车经验和水平肯定是不同的，即使是同一个人，不同状态下的驾驶能力也是不同的。当然，一个优秀人类驾驶员的综合能力是非常强大的，可以实时对各种情况进行感知、判断和决策以有效操控车辆，也就是我们常说的“眼观六路，耳听八方”。
对于机器而言，决策的能力只能来自于数据。这既需要分析处理数据的模型和算法，更需要对汽车实际驾驶过程中大量路况、天气以及交通参与方等各种相关信息的采集和积累，即所谓的感知。也就是说，机器要具备基于模型和算法对海量动态数据进行实时准确感知、判断和决策的能力，反过来，这些数据的积累又会支撑模型和算法不断得到优化。
如果将人类驾驶员的所有职责都交给机器完成，那就必须使自动驾驶系统成为优秀的“老司机”。为实现这一目的，机器需要涵盖各种复杂场景的数据，其数量之大超乎想象，这是自动驾驶技术最核心的挑战之一。另一方面，当决策者成为机器时，还要面临许多技术之外的法律以及社会伦理难题，这也是自动驾驶落地必须突破的瓶颈。
此外，人类固有的感官和意识倾向也是一个问题。大家都有体会，主动驾车和被动乘车的心理存在明显差异：自己开车时往往很放心，即使自己驾车水平并不高，也觉得受控。但是坐车时总有些不放心，即使别人开得很好也总能看出“毛病”，诸如刹车不够快、开得不够稳、坐着不舒服之类。
由此可知，要让消费者接受自动驾驶，还得解决他们对机器操控车辆的信任问题。这就要求自动驾驶系统的驾驶水平必须远超人类驾驶员，甚至要高出几个数量级才行，这无形中进一步增加了自动驾驶汽车规模化应用的难度。
记者：如何解决这个问题?
赵福全：我认为，解决之道就是要分工协作、数据共享。
经过近几年的探索，大家一方面更加认识到自动驾驶的巨大潜力，另一方面也充分认识到让自动驾驶技术落地所需的巨大工作量。试想，近乎天文数字的数据量，如果只靠一个企业、一款车去搜集和测试，那可能真的需要上百年的时间才够，这样高级别自动驾驶又怎么可能落地呢?但如果是多家企业“众筹”合作，通过数据共享共同建立应用场景数据库并不断积累，再通过虚拟的场景模拟来大幅减少实际道路测试的里程数，难度就可以显著降低。
当然，这种数据共享在商业模式和接口标准上存在难点，但既然大家都有需求，所做的又是同样的工作，那各行其是就是巨大的资源浪费。事实上，这种合作思维已经越来越为行业接受，比如企业之间、企业与科研院所和高等院校之间都在不断加强合作，甚至组建联盟。这样一来，无论是实际采集的数据，还是模拟仿真的数据，都可以借助共享而加快积累，总体效率将大为提升。
更重要的是，由于交通环境高度复杂，车辆自身的智能程度再高，也会有很大的局限性。如果按照传统模式，车企必须通过单车智能让产品适应各种不同的路况和场景。但这样做不仅单车成本极高，而且开发、验证工作量极大，很难落地。
正因如此，中国专家力主车路协同的技术路线，也就是说，不仅车辆本身要“聪明”，而且车辆使用的环境——道路也要变得“聪明”。这既可以大幅降低车端成本，又可以有效缩减开发和验证工作量，从而加快驱动技术落地。这实际上是更高维度上的一种分工合作。
本质上，车路协同就是把共性智能需求涉及的成本投入到用车环境中，而把个性智能需求涉及的成本投入到车辆上，最终实现“智能的车跑在智能的路上”。我认为，这将是未来自动驾驶规模化产业应用的可行路径。
记者：将来的道路会变成什么样?
赵福全：表面上看，道路不会有太大的变化，路仍然是路;但实质上，道路环境将会发生根本性改变。
未来的智能化道路将拥有大量信号发射器、接收器以及传感器，能够与路上各类不同的交通参与方实时通信，同时全面网联化以实时传输数据，并在云端进行数据分析处理，最后实现中控平台与道路环境中相关设备的实时交互。
在此前景下，传统交通信号灯将不复存在，更多地被信号发射和搜集装置取代，车辆基于网络可以直接获得路况信息和相关指令，同时道路上的各类传感器将实时监测车辆等的动态。这些变化意味着路况的瞬时状态都可以转化为相关数据，从而为车路协同的智能化交互提供支撑。
中国路径可行性更高
记者：对自动驾驶而言，5G时代的到来意味着什么?它能给未来汽车产业带来哪些颠覆?
赵福全：相对4G而言，5G的最大价值就是通信速度快、延迟小，能够接收不同频谱信息的能力更强，这也是实现工业互联网的核心基础。
而自动驾驶汽车对延迟和通信速度的要求远超其他任何工业品。我个人认为，5G和汽车产业是“鸡”和“蛋”的关系。5G可以让汽车产业发生质变;反过来说，汽车产业也是5G最大的机遇之一，唯有积极拥抱汽车产业，5G的作用和价值才能真正得到发挥。从落地的角度看，未来汽车将是智慧城市中唯一具备自由移动特性的智能终端，它对网络的依赖程度将远大于智能手机。手机如果断网只是暂时失去部分功能，但是当智能网联汽车高速行驶时，瞬间的网络信号不稳定都是致命的。
事实上，与之前的信息互联网相比，工业互联网更为复杂，要求也更高，既要有核心产业为依托，更要在产业之前超前部署。从这个意义上讲，5G必须加快发展，尽可能快速普及，否则产业互联只能是镜花水月。当然，这一过程肯定需要很长的时间。回望过去，信息互联网的普及也经历了几十年的时间，可以断言，工业互联网也不可能一蹴而就，对此我们要有合理的心理预期。
或许有人会问，那是不是5G迅速普及了，高级别的汽车自动驾驶就能立即实现了?答案是否定的。
因为一方面作为新的通信标准，5G一定要准备得非常充分才行，如前所述，这本身就需要时间。另一方面，汽车产业也要为适应5G做出大量改变，包括做好数字化转型，因为没有数字化就没有数据化，没有数据化就没有智能化，而智能化才是汽车产业拥抱5G的根本目的。这实际上还不只是汽车产品智能化升级的问题，而是整个产业在万物互联基础上向智能化转型的问题，覆盖了包括整零车企在内的整个产业链体系。也就是说，汽车产业面向5G的发展也需要一个过程。
记者：目前5G部署是否有具体的时间表?
赵福全：目前还没有一个完整清晰的时间表，很多城市都在规划并有部分实施，但离真正落地全覆盖还相距甚远。实际上当前4G尚未实现完全覆盖，5G全面部署当然更需要时间。
我个人判断，要实现5G对大部分主要区域的覆盖，至少还需要十年的时间。说到底，发展5G不是国家制定一个时间表就行，各级政府以及各类企业都要围绕这个时间表做好相应的准备，一手抓5G部署，一手抓产业升级。
比如，政府在一些特定区域可以布局做5G示范应用，但最终5G必须获得商业上的回报才能真正发展起来，即真正实现相关产业的价值增值，否则这样巨大的投入是不可持续的。
也就是说，5G不仅仅是通信基础设施部署的问题，更是在相关产业如何有效应用的问题。在这个过程中，相关产业的大企业应加大前期投入，努力实现全局引领;而中小企业则要在局部寻找合适的切入机会，通过差异化形成特色，参与竞争。
由此可见，5G是汽车产业所需要的，但其发展进程不是汽车产业所能决定的;反之，5G的发展进程与其在汽车产业上的应用直接相关，而产业应用的广度和深度又不是5G自身所能决定的。
这就引申出产业分工的重大议题。对此我曾经专门提出未来汽车产业发展的“1+1+1”三方协作的商业模式：其中，第一个“1”代表整车和零部件企业，造好车仍是基础;第二个“1”代表ICT及科技公司，未来汽车需要其提供信息、通信、人工智能等相关技术与能力;第三个“1”代表政府，掌握公共资源的政府必须为构建智能网联汽车生态，做好基础设施、交通环境和标准法规等工作。这三方力量各有分工、缺一不可，唯有有效集成，形成立体交融的生态系统，才能实现高级别自动驾驶以及智能网联汽车产品的快速产业化和价值最大化。
由此，我们也就不难理解中外汽车自动驾驶发展路径的差异了。
国外之所以坚持单车智能路线，是因为其政府的协同推进力量十分有限，企业只能依靠打造单车高级智能来实现自动驾驶。而即使能够攻克技术难关，这种单车智能的车端成本也将太过高昂。
相比之下，中国按照车路协同路线推进汽车自动驾驶，不仅可行性更高，而且可以充分发挥体制优势，恰是我们实现智能网联汽车赶超的机遇所在。为此，地方政府应该积极谋划以智能汽车示范带动智慧城市建设，以提升城市的出行效率和治理能力。
例如，我们的研究表明，通过普及高级别自动驾驶汽车，北京市的道路交通拥堵可以改善30%。也就是说，如果一个人原来每天通勤需要一小时，自动驾驶普及后就只需要大约40分钟了。节省20分钟可能对每个人来说感觉并不明显，但是北京有两千多万人口，合计起来是多么大的效率提升!实际上，如果不能改善出行效率，未来大型城市将无法实现可持续发展。
自动驾驶足够安全吗?
记者：您前面提到，自动驾驶部分关键功能必须依靠5G网络实现。未来，在几近理想的情况下，5G网络能覆盖99%的道路和高速公路。但剩余的1%盲点又该怎么办?
赵福全：第一，我认为对自动驾驶汽车的安全性要有客观认识，不应过分苛求。要求一辆车在任何条件下都能绝对安全，其实人在驾驶汽车时也做不到。
第二，当一辆车的通信能力在很大程度上决定其安全性能时，不仅网络及相应的功能部件必须确保100%受控，而且冗余设计就变得至关重要。比如基于通信能力实施刹车的系统突然失灵时，车辆必须有另外一套系统保证能够有效实施刹车，这也是自动驾驶成本高的原因之一。
第三，智能网联汽车还必须对通信能力进行预判，确保一辆车在失去通信能力之前能够提前应对，比如自动安全停靠，或要求人为介入等，避免造成车辆失控的严重后果。所以，企业既要把畅通的网络作为自动驾驶的基础条件，又要有明确的措施确保网络中断时车辆不至于出现危险，这在技术上是可行的。
当然，在网络覆盖不足的情况下，不仅自动驾驶技术的应用体验肯定难以达到最佳，而且其应用场景也会受到相应的限制，以确保车辆行驶安全受控，这将在很大程度上影响消费者的接受度。而这正是科技创新不断深入的过程，不能因为网络还做不到全覆盖，就不开发自动驾驶了。那样就等于因噎废食，永远也拿不出有效的自动驾驶。在此过程中，企业应该怎样做、究竟做多少，挑战企业家对未来的判断力、实施转型的魄力和战略投入的定力。
记者：有没有可能出现这样一种情况：信号的好坏并非是以区域划分的?比如在相同的一段路内，某些信号好，某些信号不好?这种情况怎么办?面对复杂路况，自动驾驶系统的学习能力，是不是开启新时代的关键要素?
赵福全：在互联网时代，这种情况是可能存在的。由于信号接收站不足，就会出现局部信号不好的现象。但是在5G支撑下的物联网时代，基站密度将远超从前，同时每一个联网的机器既是接收源也是发射源，因此信号可谓无处不在，理论上局部信号不好的情况是可以避免的。不过这也对信号稳定性提出了更高的要求，如果这一点不能很好地解决，物联网也无法真正落地。
而系统的自学习能力，确实非常关键。实际上，机器学习与人学习一样，都是一个不断积累、不断优化、不断提升的过程。人的学习能力受智力水平、家庭教育等因素影响有明显差异，机器学习的效率也有高低之分，其差别主要来自于算法的影响。未来的智能化既要加强海量数据的不断积累，更要提升等量数据的有效利用。
数据积累可以得自于实际案例，也可以得自于仿真模拟;而数据利用则需要不断优化算法。算法就是对数据进行分析处理的能力，它决定着数据分析处理的效率和准确性：效率越高，决策速度就越快;准确度越高，决策效果就越好。优秀的自动驾驶系统一定是既有大量数据作为支撑，又有卓越算法提供保障。当前为什么车规级芯片越来越受到重视，就是因为芯片代表着算力，这是算法得以有效发挥作用的物理基础。
自动驾驶中的个人隐私边界在哪?
记者：您前面提到，自动驾驶的成熟需要大量的数据采集积累。那么您认为，车主数据是否应当由自己管控?为了改善交通安全，是否有必要分享更多的数据?
赵福全：在人工智能时代，没有数据，一切都是无本之木，纸上谈兵。一方面，同样的算法模型，数据量越大，系统就越“聪明”，判断准确性就越高，这就是所谓的数据“赋能”;另一方面，一方对数据进行有效应用还将帮助其他相关方更好地利用数据、达成目标，也就是所谓的数据“使能”。正因如此，数据的搜集与积累对形成自动驾驶能力至关重要。
数据有很多不同类型，其中驾驶员在驾驶过程中产生的实车数据是自动驾驶训练模型中非常重要的组成部分，包含交通环境数据、天气数据、车辆状态数据以及驾乘人员数据等。而这些数据中有很多都在不同程度上涉及隐私问题。
记者：那么在数据采集过程中，个人隐私的边界究竟在哪里呢?
赵福全：第一，采集涉及个人隐私的数据肯定会有阻力，比如个人基本信息、去过的地点等，估计不少用户都不会愿意共享。但是个人数据的决定权并不完全掌握在用户手中，也并非完全无法实现有保护的采集和应用。
例如，研究驾驶员的数据对自动驾驶来说非常重要，此时就应该通过立法来规范这类数据的采集，而不是以保护个人隐私为名予以禁止。我认为，必须通过法律把不确定的灰色地带都充分界定和明确，既要保护隐私，又要确保数据采集和应用，比如可强制进行数据脱敏处理并严格限定数据用途等。否则只靠招募志愿者来贡献数据是难以为继的，而数据库如果建不起来或者不够全面，自动驾驶是不可能实现的。
第二，分享数据其实对于用户个人也有好处。我们设想一下，如果用户驾驶车辆的数据不能被采集和分析，其驾驶特性、习惯和偏好等就无法导入模型来进行训练，这样的智能网联汽车也就无法满足用户的个性化需求。这其实就是现在的汽车，千篇一律，体现不出个性特色。
未来一定会实现“千车千面”和“千人千面”，即每辆车表面上看起来都一样，但因为数据不同，都可以为不同用户提供不一样的移动体验和个性服务。这就好比智能手机，里面的应用都是自己下载的，所以每部手机都带有鲜明的个人特征。理解了这个道理，用户也不见得拒绝分享相关的数据。
从更高层面看，万物互联将使数据成为最核心的竞争要素。但如果数据不能流通，整个社会就会像“死水一潭”，出现类似“有导线没电流”的情况。长此以往，整个国家和社会都会陷于落后。当然，数据只要流通起来，就存在泄露的风险。而此前人类社会的发展趋势之一就是越来越注重隐私、越来越追求自由。而万物互联和人工智能时代对数据流通的需求，将在某种意义上对上述固有思维提出挑战——或许每个人都需要让渡一部分数据权益，才能让自己受益，也让整个社会发展得更好。
毫无疑问，在此过程中一定要厘清数据内涵，明确边界定义。这就需要行业成立相关组织，政府推动相关立法，边实践、边推进、边完善。最终一定是基于法律来决定哪些数据必须共享，哪些数据不能共享。
政府力量不可或缺
记者：自动驾驶的落地少不了政策法规体系的支持。今年3月9日，工业和信息化部发布了《汽车驾驶自动化分级》，这意味着中国正式拥有了自己的自动驾驶汽车分级标准。您认为，建立配套的法律法规和行业标准的意义是什么?
赵福全：发展智能网联汽车实际上是在构建一个全新的立体生态系统，在“1+1+1”的商业模式下，政府力量从未像今天这样如此重要且不可或缺。在新生态下，传统的汽车设计、生产和使用等环节都将发生质变，而政府制定与产业发展相匹配的法律法规和标准规范，对于产业的指导、引领乃至拉动作用，重要性不可估量。
不同于传统产业有成熟经验可以借鉴，智能网联汽车是一个全新领域，需要进行很多开创性的工作，法规标准体系的构建也是如此。涉及到自动驾驶的很多问题，全世界都没有解决方案，均处在起步探索阶段。不过这也意味着，一旦我们能够最先做到，就能实现标准法规的引领。
与此同时，游戏规则制定得越早、越清楚，就越能避免资源浪费和低层次徘徊，否则很可能会出现，发展了多年的技术由于一个新出台的法规而被打回到原点。从这个角度来讲，法律法规还具有规范行业发展、引导技术路线方向的作用。当然发挥好这个作用的前提是，法律法规和标准规范的制定者们要对产业有充分的理解和准确的把握。
记者：从落地的角度看，下一步法规标准制定的重点应该是什么?
赵福全：我认为，法规标准制定的重点应该放在通信协议的细化上。此前汽车是一座座“孤岛”，除了收音机等个别功能，几乎不与外界发生联系，行业标准更多聚焦在造车本身上。但是未来汽车是一个智能网联终端，要在北斗、5G支持下与人、车、路实时通信，这就涉及到诸多行业。而每个行业都有自己的标准，因此如何建立跨行业的统一通信协议，已成为至关重要且亟待解决的问题。
此外，道路基础设施建设也需要有统一的标准规范指导，否则推倒重来的代价将是惨痛的。
不难看出，发展智能网联汽车是一个空前复杂、涉及广泛的系统工程。在此前景下，我认为，建立一个跨行业的产业生态大平台是最有效的解决方案，也是必然的发展趋势。在这个大平台上，不同行业的参与方基于统一的标准规范，实现彼此之间的交互与协作。而这个平台的拥有者，一定是政府。
机器也有伦理问题
记者：作为一种全新业态，除了法律制定，自动驾驶在实践中是否也面临全新的伦理问题?这些问题具体有哪些，应当怎样解决?
赵福全：确实如此。汽车作为移动工具，需要面对非常复杂的应用场景，不仅必须满足技术要求、符合法规标准，还必须解决涉及道德伦理的问题，比如著名的电车难题。对于汽车自动驾驶而言，这个问题转化为：在不可避免的汽车碰撞中，自动驾驶系统应该如何选择前进方向或选择碰撞的目标?
人驾驶汽车遇到此类问题时做出的决策，反映的是个人的价值观或者主观意识，虽然无论怎样选择都有其合理性，但并没有公认的标准答案。但是当机器驾驶汽车时，问题就变得更复杂了。机器做出决策到底应该参照乘客的价值观，还是路人的价值观，又或者是其他人的价值观?事实上，把人驾驶汽车时无法有效解决的道德伦理问题抛给机器，是不可能得到圆满解决的。
毫无疑问，自动驾驶汽车将根据人工智能做出的判断来进行决策，而人工智能的核心支撑是算法，算法本身并没有价值观，它反映的实际上是编程者赋予的价值观。这个价值观显然不能是编程者个人的，而只能是编程者依据一定范围内的普遍共识来设定的。
因此，未来自动驾驶汽车一定是区域性的产品，其算法规则符合当地的道德伦理规范，而一旦到其他区域使用，必须先更改算法规则，否则是不会被接受的。另一方面，人工智能还具有自学习能力，这可能又会产生新的决策思路，甚至脱离编程者的初衷，从而使问题变得更加复杂和纠结。
从这个意义上讲，只有哲学、社会学、行为学、心理学、伦理学、人因工程学、法学等众多学科与相关技术共同进步，才能支撑人类真正迈入人工智能的时代。像自动驾驶汽车涉及的复杂道德伦理问题，未来必须基于机器驾驶的全新场景，不断分析研究，不断优化结论，最终指导相关技术的发展方向并在技术的有效支撑下来予以解决。
正因如此，自动驾驶绝不只是汽车产业自己的问题，也不是简单的技术或商业模式问题，而是全方位涉及到整个社会发展进步的复杂系统问题。我们必须站在这个高度来看待和发展自动驾驶汽车。
不实现充分智能化，自动驾驶无意义
记者：您如何看待当前市场对AI企业的高估值?
赵福全：这一方面说明业界充分认识到了未来人工智能产业巨大的发展潜力，另一方面也说明了这个领域的复杂程度。方向正确，空间广阔，而企业数量较少，相应的自然就会有高估值，这是资本流动的一种正常现象。只是现在AI产业还远未发展到可以兑现这种估值的成熟度，目前这个产业还处于S形创新曲线的爬坡阶段。
记者：AI产业是否仍属于蓝海?
赵福全：这一点毫无疑问。人工智能一旦落地，成本就会下降，质量和效率就会提升。同样的一个硬件，如果有了人工智能，就能被更好地使用，从而产生更大的效能，这就是后工业化时代进入智能时代最核心的变革。
不过到了当前这个阶段，只是把概念讲清楚已经不够了，一定要把概念真正用好。
例如，未来智能网联汽车拥有大量硬件和软件，而车辆周边的运行环境包括地图、道路等在内也涉及到大量硬件和软件，这些硬软件将基于万物互联形成一个“组合包”，并在人工智能的支撑下更好地发挥作用。即便这个“组合包”不能一步到位地实现机器取代人驾驶，但其出现本身就会让汽车出行变得越来越安全、越来越高效、也越来越节能环保。
又如，车联网也是很重要的概念之一。基于互联首先要实现“人在线”，进而要实现“车在线”。“车在线”意味着汽车不再是信息孤岛，而是与外部紧密连接在一起。但无论是“人在线”还是“车在线”，最终要实现的都是人在使用车辆过程中的“服务在线”，从而实现按需出行服务。从这个意义上讲，自动驾驶只是实现汽车按需出行服务宏伟蓝图中的一部分而已。
实际上，自动驾驶不仅可以解放驾驶员，还可以让不能驾车的人也体验到独自乘车的乐趣。而在这个过程中，人工智能必须保障自动驾驶的车辆能够更安全、更便捷、更节能、更环保，也唯有如此，人工智能的价值才真正得以体现，否则又有谁会愿意购买一辆比自己驾驶更危险、更麻烦、更耗油的自动驾驶汽车呢?
更进一步说，这关乎到整个人类社会移动出行能力的重新构建，仅此一点就足以说明人工智能的潜在价值有多么巨大。此外，如果说智能手机是人带着机器移动，那么智能汽车就是机器带着人移动，这是两者最本质的区别。显然，后者将对人工智能提出更高的要求。
最终，人类必将步入智能社会。不论数字化还是数据化，都只是手段，最终目的一定是实现智能化。对于企业来说，如果其推进的数字化和数据化不能产生智能化，那么被淘汰只是时间早晚的问题。
对于汽车产品来说，如果不能实现充分的智能化，例如可以自动驾驶但不能保证安全和效率，那么其存在也是没有意义的。最终任何智能化技术的价值都可以通过安全和效率两大指标来衡量，反过来说，无法在这两方面实现优化的概念都没有实际价值。
应尽快实现商业化落地
记者：前景是美好的。但现在看，距离自动驾驶真正落地还有段距离，很多企业既是在布局，也是在潜伏、忍耐。
赵福全：其实坚持前瞻布局，这本身就是一种宝贵的能力。
现在一提到能力，我们往往想到的就是技术能力，不过实际上融资能力也很重要。例如对布局自动驾驶的企业来说，技术和资本都不可或缺。我认为，技术和资本就如同“幼苗”和“阳光雨露”，如果没有幼苗就不会长成参天大树，但没有阳光雨露，再好的幼苗也难以茁壮成长。特别对于复杂的智能网联汽车产业创新，资本将起到粘结剂和催化剂的重要作用，不仅可以直接助力技术“幼苗”加快成长，而且可以把技术、产业和生态彻底打通。
当然，用不好资本也会产生负面效应。任何产业都有其内在的发展规律，在像汽车这样的长周期产业里，如果被更关注短期效益的资本力量过分主导，就会出现“拔苗助长”的问题。而这种时候恰恰需要企业的定力，既不能盲目追求不切实际的短期回报，又必须坚持在战略性领域进行持续投入。
当然，说到底企业还是要看准时机、把握机会。对于某项新技术究竟处于S形创新曲线的哪个阶段，企业必须判断清楚，然后根据自身的情况明确适合的切入点和切入时间。而且这个判断不是只了解该技术本身就够了，还要清楚相关领域的发展进程。比如在汽车行业做软件的公司，如果对汽车硬件的发展趋势没有准确的判断，只是一味追求把软件做好是不行的。因为没有与之匹配的硬件，到最后软件也成了无本之木。
记者：有了前瞻性，就把握住了行业的发展轨迹。那么在您看来，自动驾驶技术未来的挑战在哪里?
赵福全：我认为，重大挑战之一是如何把握好“循序渐进”与“加快发展”之间的平衡点，即在坚持进行技术投入的同时，寻找适宜的特定场景率先实现有效落地。简单地说，就是如何尽快实现自动驾驶的商业化落地。我们不能等到万事俱备后再去落地，如果企业这么做，就会被市场淘汰;如果国家这么做，就会被世界淘汰。
在这个过程中，我认为最大的挑战还在于如何实现多产业、多领域、多部门的融合创新和协同发展。尤其是像中国这样的大国，面对智能网联汽车这样的复杂产业，绝不是某一个企业或产业做对了某几件事，就能引领世界了。比如车企既要把车造好，又要向智能化方向升级，但很多技术并不具备，这就需要与ICT及科技公司合作，而在合作中双方必须都能获利才行。解决了主要企业之间的分工与回报问题，还需要有国家政策和平台的支撑，这又涉及到政府诉求如何满足的问题。
此外，未来汽车不是单一发展的，必须结合智慧城市、智能交通和智慧能源系统布局，否则无法实现最大价值，这又进一步增加了落地难度，要求相关参与主体必须实施更大范围和力度的有效协作。
正因如此，我一直强调，智能网联汽车看起来像是汽车行业自己的“小”事情，但实际上是需要多产业共同参与、最终将影响整个人类社会的大事业。展望未来，虽然困难重重，但我对自动驾驶的前景始终充满信心。因为人类终将迈进智能社会，而在智能社会里，基于自动驾驶的按需出行服务是必需的，也是一定能够实现的。
