自动驾驶肯定是下一个风口，关键你选择一条什么道路站在风口之上。
上海奉贤南桥开发园区，周边马路上一辆辆加装了自动驾驶装备的林肯牌汽车，这是中智行在上海的自驾驾驶试验园区，这批汽车安装了中智行第二代自动驾驶系统。“这些汽车完全可以适应正常道路行驶，有舒适模式，也有运动模式，运动模式可以自行超车，” 中智行工作人员向头号君介绍。
目前车载自动驾驶成本降了50%，但成本还是比较高，商业化的应用前景还是存在困难，如果能够通过车载和道路装置达到自动驾驶，车载设备就会降低，这增加了自动驾驶的普及性，前提是必须要足够的自动驾驶道路装置才行。中智行的目前的商业逻辑就是这一点。
“你在进步别人也在进步，只靠单车智能不可能追上Waymo。与其永远跟在别人后面，不如通过车路协同来弯道超车。”中智行科技有限公司（以下简称中智行）董事长兼CEO王劲，在接受《财经》采访时对记者说道。
中智行市场与传播副总裁陶融说，“如果车路协同的话，车载装置成本可以降低两万元，每公里自动驾驶信号搜集发射等装置成本约80万元，假如目前汽车都实现自动驾驶，总降低成本比目前公里里程设备总成本要低很多，这是一笔很划算的帐。”
目前是政府是不是愿意为这部分自动驾驶道路成本去买单？但是风已起，自动驾驶大产业已经在风口上。
2018年创立的中智行像是个借新号探索的游戏老手，出世即扬名四海，位列全球无人驾驶创业公司第一梯队。作为唯一一家总部设在上海、知识产权100%属于中国的新一代无人驾驶智能公司，中智行身上的 “中国魂”熠熠生辉。
曾是百度前高级副总裁的王劲，带领着他的领导班子和技术骨干，创立了这家无人驾驶核心技术指标位列全球前十以内的高科技无人驾驶公司。这些人曾在苹果、谷歌和百度等顶尖科技公司工作，他们的脑海中深藏着在中国乃至全球最早开展无人驾驶研发的经验。
2019年起中智行开始战略转型，从基于单车智能的无人驾驶，转向车路协同，并在全球范围内率先提出了结合5GAI的车路协同的技术方案。在长期专注单车智能研发、美国领先的国际自动驾驶行业领域，中智行联合华为5G，投身车路协同的战略定位，在用一种中国道路来进行弯道超车。
美国Alphabet公司（谷歌母公司）旗下的Waymo，自动驾驶总路测里程已经超过3200万公里，国内同样布局许久的巨头百度、滴滴等正在奋力追赶这位自动驾驶行业领先者，但国内自动驾驶公司测试总里程最高者，累计测试总里程还不到Waymo的三分之一。
然而，即使是国际领先的Waymo，仍然面临着巨大的挑战，根据美国兰德公司的数据，证明自动驾驶车辆导致的交通事故死亡率比人为驾驶低，至少需要50亿英里的实际道路测试，长期的研发、根据真实驾驶环境开辟测试场所并反复测试自动驾驶车辆的性能等过程，是研发基于单车智能的无人驾驶公司无法逃避的“黎明前的噩梦”。自动驾驶车辆的图像识别技术需要不断升级更新，但超出一定里程时，单车自动驾驶势必出问题。
此时，中智行转变思维，首推车路协同技术方案，将部分研究重心转移自动到车辆与形式道路的交互上，一定程度上避免了基于单车智能的无人驾驶车辆的单打独斗。基于中国复杂的、不断变化的路况，车路协同是高级别自动驾驶的必由之路。
在“里程困境”得以破解的同时，车路协同之下的车辆能够与改造后的道路实时进行信息交互，自动驾驶车辆可基于当前路况信息并做出快速而具体精确的反应，自动驾驶难以解决的的“鬼探头”等极端情况得以轻易解决。
从公司的成立时机和战略思路上看，中智行引领的5GAI车路协同无人驾驶，将实现中国以人工智能和车路协同为基础的新一代智慧交通。从操作上来看，车路协同要做成功，涉及到高科技无人驾驶算法产业、汽车产业、5G通信产业等产业融合，也需要国家政策支持以及政府部门的支持。
正如陶融说，“中智行成立在5G实现前期，是5G让自动驾驶成为现实，太早没有办法付诸实现，我们应该把握好了进入时机。”
2020年2月，国家发改委等11个部委联合印发《智能汽车创新发展战略》指出：车路协同是未来的重要发展方向。会议宣布的新基建道路中，四个方向都在支持车路协同，其中的国家投资是万亿级的投资。
中智行的发展思路与国家政策不谋而合，无疑是勇者打怪，路遇高级装备，可谓如虎添翼。中国政府比较能够集中力量办大事，政府的决心意味着：车路协同中连接电线、网络，电线杆上的传感器等智能化道路改建部分，将获得强有力的政府支持。
同时，由于中国最早开始部署5G，在这方面有更强、更好的优势。有了5G和新基建的加持，车路协同在中国的建设可能性大大增强。
路端得到了政策支持，车端建设也没被落下。不同于大多数的创业公司，中智行拥有多种车型，除了城市道路和高速公路的乘用车，还配有在园区内道路行驶的小巴车。同时，在整车厂商方面，中智行和中国一汽在线控技术、传感器方案和支架设计等方面进行了全方位深度合作。
今年10月，中智行与中汽创智科技有限公司达成战略合作，后者被称为新能源汽车领域的“国家队”——中国国资委主导，由兵器装备集团、中国一汽、东风公司、长安汽车、江宁经开科技公司共同出资160亿元组建成。
同时，中智行与上海市政府、上海市的临港集团、海康威视、中国电信等多方面机构结成了紧密的战略协作关系。同时还与南京航空航天大学共建了实验室和研究生基地，与南京大学、东南大学等高校的计算机学院（人工智能学院）积极探讨无人驾驶的应用。由此看来，中智行正在为后续发展做尽可能充分的准备，人才培养不断跟进，中智行似乎已经料到了一场由顶尖人才引领的世界变革。
目前，得益于上海市政府的大力支持，中智行正在上海市奉贤区、临港自贸区新片区等地的开放道路进行真实数据收集和测试。涉及到路端环节的复杂性注定了巨大的投资需求，即算有来自政府的支持以及与各界的合作，车路协同的未来仍是一片白茫。但根据中智行的规划，两年后将在百平方公里的范围内验证车路协同的安全性。
近日，同济大学知名的朱西产教授发表题为 “智能驾驶核心技术进展与产业发展方向判断”的演讲，他表示车路协同是高级别自动驾驶的必由之路，路端计算将降低车端的计算量，从而降低车载芯片成本。与此同时，特定场景下的无人驾驶市场潜力将被率先释放。
这与中智行“两条腿走路”的商业模式不谋而合，所谓“两条腿走路”，指的是短期内将在固定区域推出无人驾驶先行先试活动；长期将以无人驾驶共享出行（Robo-taxi）的方式为切入口，推出基于5GAI的无人驾驶共享出行服务，撬动全球十万亿美元的汽车+出行市场。最终，中智行将不可避免地就此与包含滴滴打车在内的网约车运营商产生激烈竞争。用王劲的话来说，中智行的商业模式是取代司机，不管车路协同还是单车智能，把司机取代后这部分价值就是他们的价值。
另外，朱教授提到，智能汽车可能走向靠硬件拿数据、靠软件盈利的商业模式。诸如特斯拉等智能汽车的硬件将日渐便宜，软件不断升值。当特斯拉平民化时，一部分追求高端用户将花高价购入FSD（Full Self-Driving）功能，其他购买者则是路端数据的供应者。
当基于车路协同的新一代智能交通体系在中国成为现实，届时，市民乘坐无人驾驶汽车出行就如同如今的通滴滴打车一般容易。从智能化交通出发，你将有幸预见一个未来智慧城市的浮光掠影。
撰文???林泽苑
主编 ? 孙臣
图片 ? 网络
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
易车讯 9月3日，2022世界人工智能大会滴水湖AI开发者创新论坛-智能出行分论坛在上海临港正式召开，毫末智行董事长张凯受邀出席，向众人分享了毫末智行在自动驾驶领域的探索与成果。
在论坛上，张凯发表了名为《毫末智行的自动驾驶AI探索之路》的主题演讲，并首先向众人分享了毫末智行当前在自动驾驶领域获得的瞩目成绩：“毫末智行已经拿到多项业内第一名，其中包括了中国量产自动驾驶的第一名、中国首个自动驾驶数据智能体系MANA、中国第一个大规模量产＆重感知的城市NOH导航辅助驾驶，以及中国首个十万元级末端物流自动配送车小魔驼2.0等等。”
在乘用车领域，毫末智行HPilot智能辅助驾驶系统已实现了两代产品的量产，并已搭载至长城汽车旗下近10款量产乘用车型中，“到2022年底，毫末智行辅助驾驶系统预计将落地超过30款车型，到2024年，搭载毫末智行辅助驾驶系统的乘用车总量预计达到百万量级，将进一步夯实毫末智行中国量产自动驾驶第一名的行业地位”，张凯介绍到。
而作为毫末智行第三代智能辅助驾驶系统，HPilot 3.0也将在年内量产，这标志着城市NOH导航辅助驾驶将正式进行交付。“在城市场景智能驾驶方面，毫末智行已完成了城市NOH全部的功能开发，并在北京、保定等城市进行深度场景打磨”，张凯介绍到，“我们的终极目标，是以城市NOH帮助用户完成在城市区域内A点到B点轻松、安全地智慧通行。预计未来，城市NOH功能落地的城市将会超过100个，全面覆盖国内所有的一二线城市”。
在末端物流自动配送领域，张凯表示，毫末智行已处在市场领跑者位置：“目前，毫末智行已经与阿里达摩院、物美多点、美团等行业头部客户达成深度合作关系，来助力末端物流自动配送行业发展；此外，凭借今年4月推出的第二代末端物流自动配送车小魔驼2.0，毫末智行将进一步加速末端物流自动配送的行业进程。”
据张凯介绍，小魔驼2.0是业内首款面向商用市场的10万元级末端物流自动配送车，而为了更进一步推动末端物流自动配送事业的快速规模化，毫末智行还在本年度全面升级了末端物流自动配送车生产基地，升级后的生产车间占地1万平米，可实现年产1万台的自动配送车的产能目标。对此，张凯表示，“我们希望小魔驼2.0的推出，能够进一步加速末端物流自动配送车规模化商用的行业进程。”
在成立至今仅两年多的时间内，毫末智行就获得了远超其它自动驾驶企业的成就，对此，张凯将原因总结为了毫末智行对自动驾驶发展的深刻认知，“我们总结了自动驾驶能力发展曲线，形成一个与数据规模相关的函数，即F=Z+M（X）。其中F代表自动驾驶的产品力，Z代表毫末的第一代产品的能力，M则是一个把数据转化为知识的函数，随着数据规模的增加，函数M单调递增。”
在张凯看来，M函数是一个非常复杂的系统，而以M函数为核心，毫末智行提出了中国首个数据智能体系MANA。“数据智能体系MANA是毫末所有产品进化的核心动力，其设计核心就是降低成本、提高迭代速度”，张凯表示，“截至今天，数据智能体系MANA已完成超过28万小时的学习时长，其相当于人类司机4万年驾龄。而随着时间的积累，数据智能体系MANA会让毫末智能驾驶系统跑的更快、更稳、更安全。”
“我们认为，毫末在智能驾驶下半场竞争中致胜的核心，就是如何有效获取高质量的数据。谁能高效、低成本的挖掘数据价值，谁就能成为竞争的王者”。在张凯看来，驱动自动驾驶快速迭代的核心来源于数据，但数据来源于客户，于是在与长城汽车进行长期稳定合作的同时，毫末智行提出了面向其它客户的全新合作模式，即6P开放式合作模式。张凯表示，通过与客户进行开放式共创能够为二者带来双赢，而这一深度绑定、共同发展的模式也被业内所广泛认可，并被大家称之为“毫末模式”。
6P开放式合作模式为加速毫末智行乘用车辅助驾驶技术提供了一条崭新的快速路，而在末端物流自动配送领域，毫末智行也结合自身优势与行业内外不同需求，提出了业内唯一的“5S服务体系”，其包含FAAS工厂制造服务、IAAS供应链和硬件服务、PAAS系统工具服务、VAAS整车服务与MAAS运力服务，能够满足不同企业对末端物流自动配送的差异化需求。
此外，为更进一步提升自动驾驶技术成熟度，赢得2022年自动驾驶下半场竞争，张凯还将目光锁定到了用户层面。张凯指出，“打造一款成功的智能驾驶产品，是让‘用户能够更快的接受并信任智能驾驶’和‘智能驾驶系统能够更快适应用户习惯’两者的高度统一。通过一年多的不断的修正和迭代，目前我们的智驾系统在用户体验方面取得了长足的进步，并赢得了客户的充分信任和行业的认同。”
而当谈及如何在项目人员不足的情况下高效实现多项目并行的难题时，张凯回答到，毫末智行采取的手段是最大程度提升系统开发过程中的软件复用程度，以及在系统开发各个环节提升效率：“通过降本增效、统一全员行动目标等一系列手段，毫末智行以全力确保完成了本年的30多车型、78个项目的既定目标，并率先实现了智能驾驶系统的流程化开发和标准化的交付。”
作为行业内少数实现规模化落地，并在高质量数据方面具备规模和协同优势的企业，此次毫末智行首次参加2022世界人工智能大会滴水湖AI开发者创新论坛，还带来了数据智能体系MANA、HPilot 3.0辅助驾驶解决方案、城市NOH导航辅助驾驶、小魔驼2.0等技术与产品，吸引来了众多观众与业内专家学者的参观及咨询。
随着自动驾驶行业的发展，毫末智行将继续助力中国自动驾驶不断发展跃迁，以零事故、零拥堵、自由出行和高效物流为目标，助力客户重塑和全面升级整个社会的出行及物流方式。
1.局限性高
无人驾驶汽车在其“视觉能力”方面无法达到人脑的高度，其传感器通过红外摄像和普通摄像两种技术完成道路环境的收集。当车辆在人口密集的楼房建筑区、事故区域或者其他有人通过通用手势信号来指挥车辆在此区域通行时，无人汽车将遇到判断难题。另外，道路存在信号标志老旧变形等情况出现，无人汽车可能产生误识或者漏识，造成不必要的事故。
2.人文接受程度问题
社会对无人驾驶汽车依然存在诸多疑问，如当无人驾驶汽车行驶在这个人口稠密的世界时，发现已经无法避免事故的发生时，智能计算机应该选择冲向马路的行人还是直接撞击迎面而来的车辆？在受到外部虚拟网络攻击后是否还可以维持完全驾驶？未被Google或GPS完全测绘的道路如何行使等。无人驾驶汽车在法律法规方面同样存在极大的挑战。如产品责任，立法和多重管辖权等。无人汽车与有人汽车发生事故责任判定和无人汽车之间发生事故责任判定等。
3.安全防御性低
软件安全公司SecurityInnovation首席科学家乔纳桑·佩蒂特(JonathanPetit)表示，大部分无人驾驶汽车探测障碍物的激光雷达系统只需一个成本不到60美元的装置即可破解。佩蒂特表示，通过这一装置，黑客可以在任何位置设置实际并不存在的汽车、行人，或是墙壁，导致无人驾驶汽车的行驶速度放慢，甚至寸步难行。其相关论文已在欧洲黑帽安全大会上发表 。
百万购车补贴
调查法 调查法是科学研究中最常用的方法之一。它是有目的、有计划、有系统地搜集有关研究对象现实状况或历史状况的材料的方法
【引言】
随着物联网在交通系统中日益普及，为了打造交通系统中更安全、更快、更智能的车辆，车载通信网络和自动驾驶技术是构建未来一代、功能强大的智能交通系统的基石技术。基于物联网的交通系统可以为自动化网联 汽车 提供大规模设备连接和传感器连接。通过使用物联网技术，网联自动驾驶车辆的数量将显著提高。随着网联自动驾驶 汽车 数量的增长，亟待提出新的技术方法并重新思考下一代 汽车 网络的设计，尤其是自动化网联 汽车 。因此，有必要研究新的理论、架构和技术，利用物联网提供的能力，形成更高效、更智能的交通系统。本期特刊旨在为学术界和工业界的研究人员、开发人员和从业人员提供一个平台，传播最新的成果，并推动物联网在自动化网联 汽车 技术方面的应用。
【征集主题包括但不限于】
【重要时间节点】
【投稿须知】
所有IEEE Internet of Things Journal 的原稿或修订本必须通过IEEE稿件中心(http://mc.tcentral.com/iot)以电子方式提交。作者指南和提交信息可以在找到。IEEE Internet of Things Journal鼓励作者在投稿过程中推荐潜在的审稿人，这可能有助于加快审稿速度（请只推荐那些不存在利益冲突的审稿人）。提交稿件时注意必须按适当的关键字分类。
【客座编辑】
曹东璞博士，滑铁卢大学，
李力博士，清华大学，
Clara Marina博士，保时捷，
陈龙博士，中山大学，
邢阳博士，克兰菲尔德大学，
庄卫华教授，滑铁卢大学，
IEEE Internet of Things Journal (Impact Factor 5.86)
Special Issue on
Internet of Things for Connected Automated Driving
Internet-of-things (IoT) is becoming increasingly prevalent in the transportation systems. The traffic system depends on safer, faster, and more intelligent vehicles. The vehicular communication networks (vehicle-to-everything, V2X) and the automated driving technique are two of the cornerstone technologies enabling the construction of future-generation highly functional and intelligent transportation system. The IoT-based transportation system can provide enormous connections of devices and sensors for the networked automated vehicles. The capacity of connected automated vehicles is expected to be dramatically enhanced by employing the IoT techniques. This calls for novel approaches and rethinking of the design of next-generation vehicular networks, particularly for the automated vehicles. Therefore, it is essential to pursue research on new theories, architectures, and techniques to exploit the capability that is delivered by IoT for forming more efficient and intelligent transportation system. This special issue aims to create a platform for researchers, developers and practitioners from both academia and industry to disseminate the state-of-the-art results and to advance the applications of IoT for connected automated driving technology.
Topics of interests include (but are not limited to) the following：
➢Innovative IoT techniques to connect automated vehicles
➢ V2X communication
➢ IoT-based solutions for connected vehicles
➢ Vehicular IoT Infrastructure
➢ IoT-based sensing and recognition
➢ Testing and verification of connected automated vehicles
➢ IoT-based navigation and localization systems
➢ AI and deep learning approaches for IoT-enabled connected automated vehicles
➢ Cyber-physical-social systems based parallel driving
Submissions
All original manuscripts or revisions to the IEEE IoT Journal must be submitted electronically through IEEE Manuscript Central, http://mc.manuscriptcentral.com/iot. Author guidelines and submission information can be found at http://iot.ieee.org/journal. The IEEE IoT Journal encourages authors to suggest potential reviewers as part of the submission process, which might help to expedite the review of the manuscript. Please suggest only those without conflict of interest. Each submission must be classified by appropriate keywords.
Guest Editors
Dr. Dongpu Cao, University of Waterloo, Canada,
Dr. Li Li, Tsinghua University, China,
Dr. Clara Marina, Porsche Engineering, Germany,
Dr. Long Chen, Sun Yet-sen University, China,
Dr. Yang Xing, Cranfield University, UK,
Dr. Weihua Zhuang, University of Waterloo, Canada,
汽车智能化指数是指为衡量或评价汽车智能化水平,根据标准化、合理性、易比较等准则,考虑美国SAE提出的等级划分等因素构建的对应各阶段智能汽车技术与产品的一体化、可延伸的基准指标。其宗旨是基于一系列立体化、实践性、全方位定位,发挥产品研发准则、技术测评标尺、科技发展导向等作用。汽车智能化指数是引领全球汽车智能化发展的风向标,其本质是汽车智能化水平的方法论、智能汽车研发的基准值及验证系统。其基本思想是借助可横向扩充和纵向深化的系统性指标,通过科学合理地确定各个指标的不同权重,进行各个子指标的详细对标,从而完成汽车智能化水平综合评价。汽车智能化指数的构建将贯穿汽车智能化水平发展进程全周期的评价体系,依据SAE提出的Level 0-5不同阶段的汽车智能化等级,建立详细的横向扩充和纵向深化的系统性评价指标,并通过专业测评(实验室测评、虚拟场景测评、封闭场景测评)、实践工况(开放道路测评、科技赛事测评)、市场评价(品牌指标、满意度指标)等“三位一体”方法加权核算出对应指数。汽车智能化指数总体可从功能型和性能型两个阶段开展研究。对于目前已量产的智能汽车所处的Level 1-2以及向Level 3的过渡阶段,则主要考虑高级驾驶辅助系统(ADAS)、V2X通信功能等方面评价指标,建立对应的三级树型指标层级结构,形成以单车智能和联网智能为基础,以高级驾驶辅助功能、车与车(V2V)、车与路(V2I)、车与网(V2N)以及车与人(V2P)等方面为划分依据,涵盖自适应巡航控制、自动泊车、车道保持辅助、前向碰撞预警、交通灯预警、在线/实时导航、行人穿行预警等功能的评价体系。基于已建立的评价指标体系,综合利用主客观评价方法确定指标权重,并构建评价模型完成汽车智能化评价实例的具体实施流程。最终计算得出的评价分数与星级结果可为汽车智能化等级提供判断依据,从而促进智能汽车技术研发及产品开发水平的整体提升,也为社会消费者提供科学、合理、可靠的参考依据。本论文的研究成果将有助于整车及零部件企业加快产业转型升级,为智能汽车技术突破以及产品制造提供“详细定位、精准对标”的指导作用;有利于国家部委制定智能汽车产业发展政策,不断完善智能汽车测试与评价技术,推动智能汽车测试与评价相关标准法规的建设与完善;有利于增强社会群体对于智能汽车的客观认知,快速推进大众对智能汽车的认同和认可,为消费者购车提供高权威、可信赖的参考依据。另外,用指数来描述智能化的思想对于研究其它产品智能化同样具有重要的意义。
易车讯 日前，小马智行核心管理层彭军、楼天城、王皓俊亮相2023小马智行技术分享日，首次对外介绍了小马智行的技术商业化思路——未来几年，小马智行商业化规划将围绕智能驾驶技术前装量产、自动驾驶出行服务商业化运营以及智慧物流生态三大维度全面发力。
在智能驾驶技术领域，目前城市NOA、高速NOA、行泊一体等技术已成为市场爆点，因此在技术分享日上，小马智行首次详细阐释了旗下智能驾驶业务三大产品线小马识途、方载、苍穹的产品布局和核心技术，并发布了小马识途NOA方案上路实测视频。
小马智行联合创始人兼CEO彭军表示，未来三年将是小马智行商业化的关键攻坚时期，公司战略目标非常明确，已形成自动驾驶出行服务（Robotaxi）、自动驾驶卡车货运（Robotruck）以及乘用车智能驾驶（POV，Personally Owned Vehicles）三大业务线。在商业化路径上，三大业务将齐头并进，落实自动驾驶技术商业化应用场景。
小马智行CFO兼技术商业化负责人王皓俊介绍，三大业务已于去年取得突破性进展，今年将完成业务“从1到100”的工作——POV方面，小马智行将上市多款辅助驾驶方案、域控制器、工具链产品，开拓更多定点项目；Robotaxi方面，将在北京、广州落地全无人自动驾驶服务商业化试点，车队规模从百辆向千辆迈步；Robotruck方面，以合资公司为载体，扩大智慧物流服务规模和智能重卡量产交付，推动“技术-场景-车辆”黄金三角的快速运转。
此次技术分享日最大亮点是小马智行首次对旗下POV业务的产品体系及技术逻辑的深入介绍。目前小马智行POV业务主要发力三条产品：辅助驾驶软件方案“小马识途”、自动驾驶域控制器“方载”、数据闭环工具链“苍穹”。
根据产品规划，年内小马智行将量产高速、城区行泊一体辅助驾驶方案；向多家客户量产交付NVIDIA DRIVE Orin版域控制器，并开启基于多芯片平台的域控研发；同时，小马智行将向定点OEM交付全链路数据闭环工具链，向市场推出灵活选配的工具链产品。
小马智行CFO王皓俊表示，在独立事业部的支持下，我们将全力为市场提供高性能、高性价比的全套智能辅助驾驶量产方案。
小马智行于2020年下半年开始布局POV业务，同时进行技术和商业模型的验证，并快速开启辅助驾驶方案、域控样件及数据工具链的产品化进程。产品开发进程能够如此迅速，得益于小马智行超2000万公里的测试里程所带来的算法先天优势以及全栈技术量产能力。
通过洞察市场需求和自身技术优势，小马智行成功为市场带来了智能驾驶技术的“更优解”。
小马智行联合创始人兼CTO楼天城表示，小马智行有信心，基于我们过往六年多的技术领先优势，我们推出的产品一定更适合智能驾驶场景。
楼天城介绍，为解决当前硬件成本高昂、软件算法却无法对硬件物尽其用的行业难题，小马识途开创性地将硬件成本和覆盖场景纳入产品维度综合考量——从千元级到万元级，小马识途解决方案对成本和性能灵活配置，实现在预期成本下覆盖尽可能多场景。除了安全、舒适、效率三大评价维度之外，小马识途辅助驾驶方案还将“系统可控性”列为辅助驾驶系统研发中的又一关键目标，让智驾系统能够提供卓越表现的同时，驾驶者也能够明确功能边界，科学地使用辅助驾驶功能。
小马识途辅助驾驶方案不强依赖高精地图，但并不是简单通过“重感知轻地图”来移除对于高精地图的依赖，而是感知、预测、规控等所有模块同步提升。面对复杂城市场景，小马识途着重打磨两大技术优势——首先，为了让规控算法在无高精地图时保持同样水准，小马智行重新设计了规控架构，称作Navigation Link Path Planning，简称NLPP架构，是小马智行去高精地图的核心技术；其次，小马智行设计了一套“伸缩网络”多任务大模型BEV算法架构，可基于不同算力平台灵活调整网络大小及其对应的资源消耗率，更高的算力可识别更多的静态元素类型、更多的动态障碍物细分类，和更好的识别范围。
在小马智行最新公布的实测视频中，这套辅助驾驶方案能够灵活应对高速以及城市交通场景，在自主变道、上下匝道、定速巡航、车道居中、躲避障碍物等场景中表现丝滑，再次体现了小马智行的技术实力。
高阶智能驾驶趋势下，小马智行在高性能计算硬件研发的多年投入遇到了最佳量产落地机遇。小马智行深谙域控制器设计和软件适配的诉求，并具备全栈研发、一站式交付的能力，顺势推出方载系列域控制器，针对性地解决了市场上的新需求和痛点。目前方载系列已有三款产品面世——单DRIVE Orin液冷版和风冷版以及双DRIVE Orin液冷版，主要面向辅助驾驶和低速无人驾驶的两类场景。
小马智行硬件团队对平台化硬件设计有深刻的技术理解，精通软硬件联合调优，使得产品能超越参考设计，性价比更高，同时体积较市面同产品小40%，并将高算力芯片性能充分挖掘。同时，小马智行通过多方面来重点保障产品的可靠性、安全性、量产交付和服务管理，产品执行最严企标，建立全套车规级安全及质量管理体系，提供灵活选择的商业模式，搭建起了强大产业链生态。最终目标是为市场提供真正理解智能驾驶需求且无短板的域控产品。
苍穹是一款串联起算法研发全过程的数据工具链产品，帮助客户在成本可控下最大化数据价值。高阶智能驾驶下的研发模式向数据驱动和场景驱动变化，让开发者看到了数据工具链的价值。数据爆炸时代下，苍穹将迎来更为广阔的市场。
苍穹主要由三大模块组成——车云协同的大数据平台，围绕数据提供全链路的服务，加速数据闭环；云端大规模仿真平台，提升仿真链路信度，为算法迭代提供有益反馈；自研AI研发平台，包括标注和数据平台。为了提高自身竞争力，苍穹具备更优的易用性和多业务通用性，并通过动态调整计算存储来降低成本，通过流程全面自动化来提升效率，通过提供高效优质咨询和服务、定制开发工具来深度赋能客户。
打开易车App，点击首页“智能化实测”，多角度了解热门新车科技亮点，获得选购智能电动车的权威参考依据。
1.局限性高
无人驾驶汽车在其“视觉能力”方面无法达到人脑的高度，其传感器通过红外摄像和普通摄像两种技术完成道路环境的收集。当车辆在人口密集的楼房建筑区、事故区域或者其他有人通过通用手势信号来指挥车辆在此区域通行时，无人汽车将遇到判断难题。另外，道路存在信号标志老旧变形等情况出现，无人汽车可能产生误识或者漏识，造成不必要的事故。
2.人文接受程度问题
社会对无人驾驶汽车依然存在诸多疑问，如当无人驾驶汽车行驶在这个人口稠密的世界时，发现已经无法避免事故的发生时，智能计算机应该选择冲向马路的行人还是直接撞击迎面而来的车辆？在受到外部虚拟网络攻击后是否还可以维持完全驾驶？未被Google或GPS完全测绘的道路如何行使等。无人驾驶汽车在法律法规方面同样存在极大的挑战。如产品责任，立法和多重管辖权等。无人汽车与有人汽车发生事故责任判定和无人汽车之间发生事故责任判定等。
3.安全防御性低
软件安全公司SecurityInnovation首席科学家乔纳桑·佩蒂特(JonathanPetit)表示，大部分无人驾驶汽车探测障碍物的激光雷达系统只需一个成本不到60美元的装置即可破解。佩蒂特表示，通过这一装置，黑客可以在任何位置设置实际并不存在的汽车、行人，或是墙壁，导致无人驾驶汽车的行驶速度放慢，甚至寸步难行。其相关论文已在欧洲黑帽安全大会上发表 。
百万购车补贴
省级期刊：普通论文大概需要三到六个月的时间，要提前做好准备。国家级期刊：需要六个月左右，核心期刊难度会更高，六个月以上，甚至更长时间。不同类型的论文，发表时间也不一样，比如，医学类论文，难度会更高，时间也更长。如果自己选择期刊投稿的话，审核时间不稳定或无限延长，加上中间修改时间，成功发表的周期更长。
一般的省级、国家级论文审稿需要1～2天，出刊需要1～3个月。个别快的0.5个月，还有个别慢的需要4～7个月。质量水平高一些的期刊，还有一些大学学报，投稿的出刊需要6个月左右，快一些的3～4个月。科技核心期刊审稿需要1～3个月，出刊另需要6～10个月左右，总的算起来大约是1年～1年半。北核、南核审稿需要3～4个月，出刊另需6～15个月左右，跨度较大总的算起来1年～2年。SCI、EI等与北核南核周期相仿。综上所述，评职称发表论文一定要对各不同级别论文的发表周期做到心里有数，提前准备，以免时间上赶不及白白错过评审多等一年。尤其是核心论文，一定要提前。不少客户联系到我们，想三五个月内出刊，那真是太难了，这种急单子我们要么不接，要么提前跟客户说好发不成全额退款，但不担任何责任
论文从初稿到发看需要三四个月左右。
一般的省级、国家级论文审稿需要1～2天，出刊需要1～3个月。个别快的0.5个月，还有个别慢的需要4～7个月。
质量水平高一些的期刊，还有一些大学学报，投稿的出刊需要6个月左右，快一些的3～4个月。
科技核心期刊审稿需要1～3个月，出刊另需要6～10个月左右，总的算起来大约是1年～1年半。
北核、南核审稿需要3～4个月，出刊另需6～15个月左右，跨度较大总的算起来1年～2年。
综上所述，评职称发表论文一定要对各不同级别论文的发表周期做到心里有数，提前准备，以免时间上赶不及白白错过评审多等一年。尤其是核心论文，一定要提前。
论文写的好、有创新就可以发表
科教导刊、物流工程与管理杂志都可以的，投稿须知可随时问壹品优刊。
《人工智能与机器人研究》是一本关于人工智能的期刊，该期刊杂志上发表的文章包含这些领域：智能机器人、模式识别与智能系统、虚拟现实技术与应用、系统仿真技术与应用、工业过程建模与智能控制、智能计算与机器博弈、人工智能理论、语音识别与合成、机器翻译、图像处理与计算机视觉、计算机感知、计算机神经网络、知识发现与机器学习、建筑智能化技术与应用、人工智能其他学科等等。另外，这本期刊就是一本开源期刊，与传统期刊相比，采用了同行评审的方法审稿，具体开源期刊的特点可以百度了解更多；而且发表了的文章传播范围更广，受众更多，文章的影响力也更大。
中国上海，2019年6月27日——在第二届中国自动驾驶测试验证技术创新论坛中来自吉林大学计算机学院教授，博士生导师王健老师参与了本届论坛并发表了精彩演讲。论坛中王健老师先从场景定义、构成及关键特征为嘉宾详细阐述了自动驾驶场景，场景研究是智能驾驶技术与产品开发的关键技术，场景库作为整个测试中的一个重要环节，场景库作为整个测试环节中的输入，给到我们测试中的评价，对于场景的一个位置判断。行驶环境是无限丰富、极其复杂、不可预测、不可穷尽的，场景的构成就是把复杂的行驶环境分成静态特征和动态特征两个大的部分，静态特征包括道路场地、交通及设施，动态特征包括交通、气象等。提取静态特征，再加上虚拟算法生成动态特征，两者合二为一就是场景的基本构成。场景是无限世界的有限映射，不管是静态特征还是动态特征的有限映射，然后进行一个覆盖度的衡量，对危险场景的覆盖度和测试的准确度。这两个是通过自动生成之后正向推理出来的两个结果。场景库的生成就是把无限丰富、极其复杂的行驶环境通过有限映射、充分覆盖，最后生成场景库。具体步骤为：首先对行驶环境的一个录捕，通过映射到网络上，去通过学习真实的场景特征，衍化出一个新的场景出来，提取它们中需要存储的场景库指标，最终抽象成驾驶情景和行驶场合。场景对自动驾驶影响的三大关键要素为行驶场合、环境影响、驾驶情景。行驶场合如高速公路、乡村道路、城市道路等，这些要素变化力度不是很大，选取过后一般不会改变；环境影响如道路、交通、行人、天气等，这些是最复杂的情形。环境影响的关键是环境传感感知，激光雷达和毫米波雷达、相机、定位系统、V2X通信设备，我们要了解哪些因数对传感器的影响，并在场景库中存储这些条件。驾驶情景：驾驶情景是场景的重要外部因素，驾驶情景分为以下三种：1、车辆的驾驶任务如：换道、超车、掉头、转弯等；2、车辆的驾驶速度如：加速、减速等；3、车辆的驾驶模式是保守、激进还是正常。最后王健老师为嘉宾展示了实验室模拟场景构建和场景库如何与测试工具做结合。通过实践测试案例和测试数据为嘉宾详细展示了L3的自动驾驶测试，给造车企业重大启发，为早日实现自动驾驶奠定基础。演讲嘉宾个人简介：王健，吉林大学计算机学院教授，博士生导师，中国汽车工程研究院特聘高级专家，启明信息技术股份有限公司特聘高级专家。先后在加拿大大不列颠哥伦比亚大学、奥地利因斯布鲁克大学、法国国家信息与自动化研究所、韩国汉阳大学从事博士生、博士后、访问学者等研究工作。主要研究领域为智能网联汽车的通信协议、MEC应用、模拟仿真与测试等。现任国际平行驾驶联盟秘书长，中国自动化学会平行智能专业委员会常务委员，中国智能交通产业联盟通信委员，中国Auto-E联盟委员，中国人工智能学会知识工程与分布智能专业委员会青年委员，InternationalJournal of Vehicular Telematics and Infotainment Systems编委，曾任29thIEEE Intelligent Vehicles Symposium出版委员会联合主席，IEEEVTC、CV2N、VTHWN、SAE 2017 ICVS、IWCMC 2017等国际会议技术委员会委员。近几年来作为项目负责人先后承担了国家自然科学基金面上、青年项目、国际合作交流、中国博士后基金特等资助、教育部博士点基金、吉林省发展计划重点项目、吉林省国际合作项目、吉林省青年基金等纵向项目10 余项，获高等教育国家级教学成果二等奖1次、吉林省科学技术进步奖一等奖1 次，吉林省教学成果一等奖1次，中国商业联合会全国商业科技进步奖二等奖2 次，以第1责任作者在IEEETransaction on ITS, IEEE Transaction on IV，ScientificReports, Computer Networks, Computer Communications等国际SCI检索期刊发表论文42篇，授权发明专利7项，软件著作权4项，出版中英文专著各1部。主办方：上海锁雅汽车科技有限公司是一家从事汽车技术领域的技术开发，技术转让，技术咨询展览展示服务，会务服务等多业务发展的技术咨询类公司。公司为国内外领军企业（主要为世界500强企业）的高级决策人提供行业资讯、商业创新发展解决方案、市场调研、商务合作和人脉拓展平台、个人职业发展以及投融资等咨询服务。“中国自动驾驶测试验证技术创新论坛2019 (CADT2019)”
ABS与汽车制动系统 汽车的制动性也是汽车的主要性能之一。自从汽车诞生之日起，汽车的制动性就显得至关重要；并且随着汽车技术的发展和汽车行驶车速的提高，其重要性也显得越来越明显。制动性直接关系到交通安全，重大交通事故往往与制动距离太长、紧急制动时发生侧滑等情况有关。所以，汽车的制动性是汽车行驶的重要保障。 汽车的制动性及其评价指标 汽车行驶时能在短距离内停车并且维持行驶方向稳定性和在下长坡时能维持一定车速的能力，以及汽车在一定坡道上能长时间停车不动的驻车制动器性能称为汽车的制动性。 汽车的制动性主要由制动效能、制动效能的恒定性和制动时汽车的方向稳定性三方面来评价。 一、提高汽车安全性的制动控制系统 有汽车参与的交通事故中，事故的预防、事故的回避、乘客保护等安全领域与汽车的运动性能有密切的关系。事故预防中起主要作用的是驾驶员，事故发生瞬间对乘客保护主要是汽车的被动安全设备起作用，而事故的回避则与汽车的制动控制系统有紧密的关系。在事故预防环节中人和环境的作用是主要的，在事故回避环节中车的作用是主要的。在汽车中，提高安全性的制动控制系统除了ABS、TCS、ESP（VSC、VDS）等，另外还有BAS（Brake Assist System，制动器辅助系统）。 制动辅助系统BAS是当紧急刹车时，根据踩的速度、力度，制动系统自动感知而输出更强的制动力。它的工作原理是，令刹车泵里的真空量增加，使你一脚踩下去，制动力度大大提高，从而提高了驾驶安全性。即使车子已经熄火了，它还会使刹车制动能力保持一段时间。它的功能是在紧急制动时，提供一个附加的制动力来帮助没能及时形成较大制动力的驾驶员，制动助力加快制动踏板的移动；当司机施加在制动踏板上的制动力不太大时，增加制动力，使车辆的紧急制动性能最佳。有关调查显示，约有90％的汽车驾驶员紧急情况刹车时缺乏果断，而BAS则能从驾驶员踩下制动踏板的速度，探测车辆行驶情况。紧急情况下，当驾驶员迅速踩下制动踏板力度不足时，BAS便会启动，并在不足1秒的时间内把制动力增至最大，从而缩短紧急制动刹车距离。 ABS虽然能够缩短刹车距离，但如果驾驶员采用点刹时，车轮往往不会抱死，ABS没有机会发挥作用。而制动辅助BAS，则让现有的ABS具有一定的智能。当驾驶者迅速用力踩下刹车踏板时，BAS就会判断车辆正在紧急刹车，从而启动ABS，迅速增大制动力。 二、 ABS系统的保养与正确使用 ABS(防抱死制动系统)作为一种主动安全装置，在现代汽车上运用已经很广泛了。由于其在制动过程中的控制方式及工作过程与以往普通的制动系统有所区别，因此在使用保养方面也与传统的制动系统有所不同，否则会引发ABS系统故障。 总结多年的维修经验，笔者认为车主在使用装有ABS系统的汽车时要做到“四要”、“四不要”。 四要 (1)要始终将脚踩住制动踏板不放松。这样才能保证足够和连续的制动力，使ABS有效地发挥作用。 (2)要保持足够的制动距离。当在良好路面上行驶时，至少要保证离前面的车辆有3s的制动时间；在不好的路面上行驶，要留给制动更长一些的时间。 (3)要事先练习使用ABS，这样才能使自己对ABS工作时的制动踏板振颤有准备和适应能力。 (4)要事先阅读汽车驾驶员手册。这样才能进一步理解各种操作。 四不要 (1)不要在驾驶装有ABS的汽车时比没有装ABS的汽车更随意。有些车主认为汽车装有ABS后，安全性加大，因此在驾驶中思想就会放松，为事故埋下隐患。 (2)不要反复踩制动踏板。在驾驶有ABS的车时，反复踩制动踏板会使ABS的工作时断时续，导致制动效能降低和制动距离增加。实际上，ABS本身会以更高速率自动增减制动力，并提供有效的方向控制能力。 (3)不要忘记控制转向盘。在制动时，ABS系统为驾驶者提供了可靠的方向控制能力，但它本身并不能自动完成汽车的转向操作。在出现意外状况时，还得需要人来完成转向控制。 (4)不要在制动过程中，被ABS的正常液压工作噪声和制动踏板振颤吓住。这种声音和振颤都是正常的，且可让驾驶者由此而感知ABS在工作。
调查法 调查法是科学研究中最常用的方法之一。它是有目的、有计划、有系统地搜集有关研究对象现实状况或历史状况的材料的方法
75岁的曹德旺这几年在计划一件事——出资100亿元，设立一所新大学。
他主动向福建省委省政府提出办学这事，领导们都很支持，也召开了好几次会议，就专门讨论怎么办学的事情。
曹德旺是福耀玻璃的董事长，他深刻感受着目前中国制造业人才困境的切肤之痛。
制造业企业高级管理人才断档、培养制造业人才的学科与产业需求脱节、德国教育模式的启发......都是促使曹德旺下决心一定要办好这所大学的原因。
在他看来，当下国内大学培养人才的模式偏标准化，且存在重虚拟经济、轻实体经济的倾向，同时一些培养制造业人才的学科跟不上市场需求和产业发展要求，制造业真正需要的高端人才没有地方培养。
就像一个缩影，自动驾驶赛道也处于类似境地。
作为 汽车 产业转型的核心要素之一，自动驾驶创业热潮起起伏伏已持续多年，全球众多车企、 科技 公司和初创公司都在下场追捧，饥渴的投资者们就像嗅到血腥味的鲨鱼，攘往熙来。
然而，这个行业一直以来都面临着如何招到合适人才的老大难问题。
一个典型的场景是，当企业终于找到合适的算法工程师时，却发现这位候选人手里拿着七八张offer，一家比一家工资高。
缺口最大的算法类岗位，更是浮躁到了令人害怕的程度，“你出钱高，我就会比你出得更高。候选人也是，今年要30万，明年要60万，后年就会要90万、120万”。为了留住合适的候选人，猎头们想尽了招数，甚至接起了“代管宠物”的业务。
现状也令不少企业感到头疼，美团就是其中之一。据一位接近美团高层的人士表示， 因国内自动驾驶人才性价比堪忧，美团或将在硅谷设立自动驾驶研究中心，以相对更低的成本在美国招揽自动驾驶研发人才 。
如果仔细观察供需情况会发现， 自动驾驶“人才荒”是结构性的，是“质”与“量”的双重缺位 。
一方面，当下自动驾驶行业热闹依旧，不断有圈内高管离职创业、大厂跨界押宝、车企重金转型，研发岗位缺口随之扩大。
据预测，到2025年， 汽车 行业对智能网联 汽车 人才的需求量将达到10.3万人，其中又以智能驾驶领域的人才缺口最大，预计将达到5万人。
另一方面，目前业界所需的很多新增岗位此前鲜少有传统车企涉猎，而各大高校对自动驾驶人才的培养又有些滞后。
以一般的自动驾驶感知算法架构师为例，该岗位除了要求候选人熟悉自动驾驶常见系统架构，还要求熟悉深度学习等主流感知技术，同时有参与过车规功能上车量产工作的优先。
自动驾驶行业猎头熊颖仪告诉新智驾，通常的一个自动驾驶L4级的创业公司，团队规模在300-500人，其中研发占70-80%。
“就算法岗而言，大多数公司缺的都是‘具有全栈能力的算法工程师’。会训模型的算法工程师很多，会软件开发的也很多，但是熟练使用C++编程的算法工程师并不多。”
也就是说，从事这类工作的人才，既要有软件开发技能、掌握多种程序设计语言，也要有对 汽车 新旧硬件的充分理解， 其胜任难度和要求均远超从前 。
在智能驾驶行业发展初期，这类人才多只能从公司内部转岗或者跨行业 社会 招聘而来。
但随着行业发展越来越成熟，社招将多集中在行业内的成熟人才，这类成熟人才换工作不影响智能网联 汽车 既有的人才存量，因此未来的智能网联 汽车 的新增人才可能将主要来自于校招。
而这又涉及到另一个问题——校招人才从何而来。
据了解， 高校为自动驾驶行业培养人才方面，助力不多 。
清华大学计算机系教授、人工智能专家邓志东告诉新智驾，目前国内高校主要是通过参加自动驾驶相关科研项目来培养自动驾驶人才，以硕、博研究生为主，本科生、博士后相对较少。
他认为，当下的自动驾驶人才大多来自于计算机系、自动化系、电子系、车辆工程等学科专业，这种人才培养模式无法满足 社会 上普遍存在的自动驾驶用人荒，也不能取得最佳的人才培养效果。
“有必要设立独立的自动驾驶专业，因为培养自动驾驶人才所需的教学大纲、课程体系、师资、教学实习实验设备、产业环境等都与现有专业不同，需要重新组织才能满足专业建设的要求。”
自动驾驶专家、武汉理工大学副教授杨胜兵对新智驾直言， 那种旧瓶装新酒、只是改变了专业名称的换门头做法，三、五年后就被市场判断出来了，到时候就是害人害己害 社会 。
这不是杨胜兵的一家之言。
邓志东也同样希望自动驾驶能成为高校中的一门新学科，特别是创设为一门本科专业或成为一级学科。 如果可以，最好就隶属于自动驾驶学院，“因为将其归属于人工智能学院、计算机学院或车辆工程学院，都不完整” 。
事实上，究竟是设立自动驾驶研究中心、实验室，还是单独设立“自动驾驶学院”，这会给高校在重视与投入程度、学科课程体系的构建、师资配备、教材建设和生源等方面，带来很大的不同。
自动驾驶技术的研发主要起源于移动机器人技术的研究与拓展，因此国内外移动机器人的研发强校，同时也是自动驾驶研发与人才培养的策源地。
除了计算机、自动化，自动驾驶技术也与车辆工程等学科专业高度相关。
而作为前沿新兴技术，自动驾驶迄今未有本科专业与一级学科，所以近期高校设立的自动驾驶班或无人驾驶研究中心，大多挂在不同的学院下，研究的方向和重点也有所不同。
同时目前机械类、电子信息类、自动化类等各专业都有面向智能驾驶领域开设相关课程， 类别繁芜，又容易造成资源重复和浪费，一个高校内重复设立两门相似的专业或课程的情况并不少见 。
比如姚丹亚是清华大学自动化系的教授，他在做课程设计时，曾面向全校研究生开过一门课叫《智能交通概论》，巧合的是，同时期清华大学交通工程专业也开设了这一课程。
最开始也有不少土木、计算机等专业的学生选修姚丹亚的这门课。
但姚丹亚发现，诸如交通工程专业的学生选修他的《智能交通概论》，是希望补足控制、编程方面的知识，但这类知识自动化系的学生其实早有学习，因此他这门课的教学重点是在交通、 汽车 领域，而这方面，交通工程专业的学生又已掌握了不少。
“很难满足不同学生的需求，”姚丹亚指出。
“任何一个学院和学科，都不能满足无人车这种跨学科领域研究项目的人才需求，” 北京联合大学副校长、智能车国家重大计划项目负责人鲍泓也曾在接受媒体采访时表示，光由自动化学院研究机器人只能侧重自动控制，机电学院只会研究机器人关节和机械装置，而这些都只是智能车研究中很小的一部分。
因此， 在智能驾驶人才培养方面，将各相关专业融合教学成了趋势之一 。
在这方面，国内早有高校尝试，只是并不以“自动驾驶学院”的名目单独创立。
比如在2016年，北京联合大学就在全国成立了首个机器人学院，由院士李德毅担任院长，而无人车属于轮式机器人，成为专业的重点研究方向。
但如果现在要想将自动驾驶设立为一门独立的本科专业，抑或设为一级学科，其实都面临着师资、课程培训体系搭建、产业环境需求等一系列问题。
深蓝学院的教研负责人赵松就对新智驾表示，自动驾驶作为一个综合性的学科， 高校目前并没有足够的师资来支撑自动驾驶成为一门独立的专业 。
“比如现在有不少学校都设立了AI专业，但结果还是因为缺乏师资，形成不了系统化的培养体系。”
赵松认为，自动驾驶更偏工程化，高校师资如果没有在这个行业的工作精力，培养出来的学生依然满足不了企业需求。
除此之外，开设一门新独立学科或一级学科，通常需要国家层面的教育主管部门进行顶层设计，其前提是必须从“四个面向”的高度说明，中国大规模自动驾驶人才的培养不仅意义重大深远，而且行业对人才有着持续性的市场需求，这使得实际操作起来环节很多，过程十分复杂。
不过为了培养复合型人才，在2021年初，教育部新增了国内的第14个学科门类——交叉学科，下设“集成电路科学与工程”、“国家安全学”一级学科，经过申请备案，也有不少高校被允许自设二级学科和交叉学科。
随之而来的问题则是，“ 自动驾驶”学科究竟该隶属什么学院，由谁来主导成立 。
在《无人驾驶 汽车 概论》一书中，北京理工大学的陈慧岩等教授提出了一个重要概念，即智能 汽车 的一体化设计。
陈慧岩等人认为，作为先进 科技 集成，智能 汽车 同样要面对传统 汽车 的美学造型设计、整车结构设计问题，产品既要美观、实用，还要能满足商业化成本控制需求。因此，从内部软硬件控制系统到外部车身设计，都需要进行一体化考虑。
在邓志东看来，未来的自动驾驶车辆正向设计，虽然仍离不了信息化 汽车 平台的支撑，但由计算机专业的思维来主导，或更有利于自动驾驶技术与产业的发展。
目前对自动辅助驾驶和自动驾驶的研发，大多是利用新能源 汽车 或电动 汽车 全线控平台进行构建，同时传统燃油车与电动 汽车 均有高度市场化的产业支撑。
因此相对来说，环境感知、自主定位定姿、行为预测、决策、规划与控制，则是自动驾驶落地应用与大规模商业化进程中必须着力突破的焦点和难点。
邓志东从这个角度来分析， 认为人工智能与计算机视觉才是自动驾驶人才培养体系的核心和重点，应该也必须主要由它们来主导自动驾驶的教学体系设计与人才培养。
元戎启行副总裁刘轩则认为，和自动驾驶最接近的专业，应该是机器人专业，所以应该以设计机器人的思路去主导设计无人车，“目前国际上做得比较好的公司里的CTO或创始人们，基本都是机器人相关背景出身的”。
而考虑到由此产生的各个学院的话语权争夺问题，姚丹亚则直接否定，称 “（设立独立的自动驾驶学科）这事搞不成” 。
除此之外，刘轩还表示，除非高校的课程能与业界保持与时俱进，否则专门开设一门自动驾驶学科的课程设置难度会非常大。
一方面，自动驾驶技术的迭代需要海量数据，而高校只能用有限的开源数据，因此相比于业界，高校在理解自动驾驶技术方面就困难得多。
另一方面，业内也有很多前沿的技术并未公开披露或者发表为论文，知识产权掌握在私企中，企业愿不愿意拿出来分享、谁来教课，也是一个很大的问题。
事实上，从专业教学大纲、课程体系、师资、设备等方面搭建一门完整的独立学科，往往需要至少5-10年的周期。
远水难解近渴。
因此在目前企业内部的人才培养模式上，其实不少企业已经“被逼着”先形成了 “专项培训”、“老带新”，以及“在岗学习”三位一体的组合，效果初现。
刘轩告诉新智驾，对于计算机专业以及对自动驾驶涉猎不深的应届生，通过“老带新”和“以战代练”的方式，基本上入职半年就可以做出不错的项目成果。
因此在他看来，在校期间，这些学生专门去学自动驾驶课程的必要性不大，因为业内自动驾驶技术迭代非常快，“在学校学的，毕业后可能就用不上了，校内学生最好还是培养基础能力，比如机器学习算法、写代码能力、软件工程能力”。
L4级自动驾驶公司酷哇的HDR张树丽则表示，与其设立单独的自动驾驶学科，高校更应该多增加和企业的合作，培养学生的实践落地能力，“以战代练，是培养人的很好方式，酷哇比较崇尚”。
国内高校对无人车的研究其实很早。
和很多前沿技术一样，国内开始对无人驾驶车辆的研究也是起于军事需求。
“八五”期间，南京理工大学、清华大学等高校承担了一项名为“地面军用机器人“的项目，联合研制出了国内第一辆具有自主识别功能的ATB一1无人驾驶车辆。
随后，国内高校开始零星以课题组的形式对无人驾驶技术进行研究， 目前国内“科班”出身的自动驾驶人才，也大多由这些研究型大学产出 。
比如中国工程院院士郑南宁在2001年末，就在西安交大组建了无人驾驶智能 汽车 课题组。
2002年，课题组的无人驾驶车“思源1号”正式诞生，2005年，课题组则开始试图让“思源1号”进行一次从西安到敦煌的长途无人驾驶之旅。
当时“思源1号”的长途之旅走得磕磕绊绊，大多数时候仍依赖人工驾驶，而彼时国内研究无人车领域的人确实是少之又少，只能说是初步在土壤中埋下了种子，远远谈不上自动驾驶人才培养体系。
真正让各高校刮起自动驾驶人才培养旋风的，是国内从2009年开始创办的中国智能车未来挑战赛。（雷峰网已策划了中国智能车未来挑战赛人物报道，点击链接阅读第一篇：《崔迪潇：无人驾驶、摇滚和半个西安人》）
2009年，第一届中国智能车未来挑战赛在西安举行，当时的测试场景相对比较简单，比如要求对交通信号、标志和标线进行识别等。
随着时间的推移，中国智能车未来挑战赛开始引入更真实更复杂的场景，逐渐让车辆在真实的乡村和城区道路上行驶，并且陆续增加雾天、信号屏蔽区等测试环境，从感知到规划决策再到控制，对参赛无人驾驶车辆的自主行驶能力要求不断提高。
举办十多年来，各大高校持续参赛，让一批参赛学生对自动驾驶萌生兴趣并走向业界成为中坚力量。
邓志东曾在2016年作为领队，带领清华大学的无人车“睿龙号”参加当时的智能车挑战赛。
他告诉新智驾，参加了智能车挑战赛的学生们，一般是去往百度、阿里、腾讯等巨头公司的比较多，主要从事自动驾驶高级技术岗，薪资水平相当可观，也有少数学生创业，部分初创企业已成长为中国自动驾驶细分赛道的头部企业。
邓志东认为， 与仅是以论文发表或是以PPT成果汇报为目的的科研不同，“以赛促研”的模式不仅能真刀真枪地解决问题，而且相应的技术研发也更加落地，因此培养的人才也更能满足企业的实际需要 。
元戎启行副总裁刘轩也表示，参加类似的智能车挑战赛能够让学生对行业有个基本的概念、产生兴趣，吸引人才进入这个行业。
也正是在2009年前后，国内高校对培养智能驾驶人才的动作频繁起来。
像2009年第一届中国智能车未来挑战赛的冠军湖南大学，就在参赛前夕的2008年7月，由来自计算机通信学院、机械工程与运载学院等学院的50多人，组成了无人驾驶车辆预研项目组。
清华大学的 汽车 安全与节能国家重点实验室，则是在2011年，开始将研究方向转向智能网联 汽车 与自动驾驶。
除此之外，还有各类名目不一的机器人实验中心、国内外高校、企业联合成立的无人驾驶研究中心、创新中心，都在这期间如雨后春笋般出现。
同时，近几年，随着发展智能网联产业上升到国家战略高度，高校、职业院校们也开始增设相关专业或者学院，比如清华大学的车辆与运载学院、北航交通学院的自动驾驶班、合肥工业大学的智能车辆工程专业等等。
不过，目前高校对智能驾驶人才的培养， 却是起个大早却赶了晚集，时至今日不管是“质”还是“量”都仍不能满足业界当下的需求 。
以中国智能车未来挑战赛为例，尽管它确实为方兴未艾的智能驾驶行业积累了技术和培养了人才，但随着越来越多的公司进行自动驾驶技术的商业化落地，对他们而言，候选人的参赛经验，在面试时，这时只能算是锦上添花的加分项。
企业也开始更谨慎地通过类似的赛事去考察对方的能力。
同时，自动驾驶技术步入落地阶段，曾经众多参赛选手自立门户一举创业的景象也已渐渐远去。
清华大学自动化系统工程研究所教授姚丹亚就认为，各种 汽车 挑战赛，多是起到激发学生兴趣的作用，“但对学生从事这个职业有多大作用，不太确定”。
再看当下各类的高校无人驾驶实验室或者研究中心，除了规模小无法满足行业需求外，也另有局限。
姚丹亚表示，高校实验室或者和企业合作的实验室目的各不同：
赵爽今年刚硕士毕业，进入了一家新能源 汽车 公司任ADAS算法工程师。
在他看来，由于论文导向，高校里的同学大多是在做推公式、调参的活儿，和企业做真实项目的需求脱节。
“企业做项目需要把所有的缺点都克服，不一定要用最好的设备，关键是要可靠和效率高，但发论文只需要抓住N次实验中的最好数据，为了论文的创新点，也会使用一些高端昂贵的设备。”
确实，在自动驾驶的研发过程中，企业更加注重于短期的落地实践与商业化应用，而高校则擅长较长远的前沿与关键核心技术的攻克。
邓志东认为，培养与产出高级自动驾驶人才是高校的主要使命之一，这可为合作企业所用。
因此，企业和高校之间，非常有必要合作成立自动驾驶实验室或者研究中心。
然而目前真正成功的合作案例不多。
究其原因，一方面是两者的评价体系与机制迥异，二是双方的特长不同，合作中需要扬长避短。
例如，由于高校研发团队通常很小，学生管理较自由，执行力与效率不如企业，因此企业并不适合以时间硬节点的形式要求高校完成一些工程性很强的开发任务。
另外考虑到核心技术的突破具有一定的失败风险，因此校企合作中也要有一定的宽容度。
而当下新增的专业比如智能车辆工程等，其实也存在着供需错配的问题。
像近年专面向智能网联 汽车 技术而全新开设的智能车辆工程专业，其课程体系仍然以机械类课程为主，对智能网联 汽车 技术的总体匹配程度相对不高。
此类专业对学生的培养方向，与其说是智能化，不如说更多是电动化，学生也多在 汽车 及零配件、机械/设备/重工、交通/运输/物流等领域就业。
而除了设立独立的自动驾驶学科这一选项，在培养产业应用型人才方面，研究型大学、应用型大学和技能型大学等不同种类院校能做的事其实并不少，比如参考德国的二元制教育、借鉴硅谷的“创业孵化器”“产学研培养”等模式， 探索 空间极大。
当然，现阶段为行业培养人才的事，应该仍靠校外做主力。
但在参加一些校外培训机构的课程时，L4级自动驾驶公司AutoX发言人提醒新智驾，如果候选人参与过一些比较复杂的项目，那么类似的校外培训经验有用。
不过如果只是参与了简单的落地项目，这种项目经验反而会导致候选人的技术积累比同龄人更慢更浅，求职过程中会比较困难。
“人才荒”——这不仅仅是自动驾驶一个领域的困境，而是已经成为整个制造业转型的桎梏。
如今，供给侧改革大潮滚滚而下，我们又再一次站在了 历史 的十字路口，除了资本、资源，人力资本也必须开始向新供给集中，新需求才可能被创造，从而挤压老产业的生存空间，从根本上消除产能过剩。
教育政策，也必须回到 社会 需求与 社会 现实中，才会有不断焕新的生命力。
参考资料：
《无人驾驶 汽车 概论》，作者：陈慧岩、熊光明、龚建伟，出版社：北京理工大学
雷峰网#雷峰网#雷峰网
智能汽车”是在普通车辆的基础上增加先进的传感器（如雷达、摄像等）、控制器及执行器等装置，通过车载传感系统和信息终端实现与人—车—路—云等的信息交换，使车辆具备智能的环境感知能力，使之能够自动分析车辆行驶的安全和及时处理突发状况，通过AI替代人为操作，并实现车辆按照人的意愿到达目的地并获得良好的交互体验。智能汽车主要内容是智能驾驶，主要是利用北斗导航系统对车辆所在道路位置进行精准定位，并与道路资料库中的数据相结合，使其在智能交通网络的环境下，能够准确寻找到通往目的地的最佳路径，并且利用驾驶控制系统，对道路状况信息进行获取及分析，同时通过调整车辆速度来保持车辆与其他车辆的安全距离，避免在行驶过程中与其他车辆发生安全事故。若因系统故障发生事故，则自动启动紧急报警系统，并联络指挥中心报告位置以及其他关键信息，以便辅助救援行动等。智能汽车综合系统主要包括智能驾驶系统、生活服务系统、安全防护系统、位置服务系统以及用车服务系统等。智能汽车包括三大要素：车辆主体、驾驶系统和服务体系。基于此，各发达国家早在20世纪70年代就开始智能汽车的研究，随着以互联网、通信技术、云计算、人工智能等技术驱动的产业创新和以清洁能源替代化石燃料的能源创新，汽车产业正迎来承接着第四次重大变革的时代——智能汽车时代。