自动驾驶技术作为未来汽车发展的重要前沿方向,集现代传感技术、通信技术、自动控制技术和人工智能技术于一体,可以有效减少因驾驶员的疏忽而造成的交通事故,同时在缓解交通拥堵、提高交通效率、降低能耗等方面具有巨大潜能。
中国自动驾驶起步相对较晚,目前各地政府正加快政策标准制定,加大技术研发进度。
中国自动驾驶相关政策法规
2015年国务院发布的《中国制造2025》文件中,正式将发展智能网联上升至国家战略高度,并明确提出到2020年中国需初步掌握辅助驾驶的总体技术,并初步建立起自主研发体系;到2025年需掌握自动驾驶的关键技术,并搭建较为完善的自动驾驶产业群。
2017年1月颁布的《国家车联网产业标准体系建设指南(智能网联汽车)》进一步明确了中国自动驾驶标准体系的建设框架及目标原则。
2018年4月,工信部、公安部、交通部三部委联合印发《智能网联汽车道路测试管理规范(试行)》。《管理规范》提出,相关主管部门可以根据当地实际情况,制定实施细则,具体组织开展智能网联汽车道路测试工作。路测规范发布以来,北京、上海、福建平潭、长春、重庆、深圳、无锡、杭州、长沙、济南等城市分别出台了适合自己城市的路测管理办法,并且分别给多家公司颁发了多张路测牌照。
2018年11月,工信部官网发布了《车联网(智能网联汽车)直连通信使用5905-5925MHz频段管理规定(暂行)》,规划了5905-5925MHz频段共20MHz带宽的专用频率资源,用于基于LTE(第四代移动通信技术)演进形成的V2X(车与车、车与人、车与路之间的直连通信)智能网联汽车的直连通信技术。
2019年5月,工信部发布《2019年智能网联汽车标准化工作要点》,明确提出要稳步推进先进驾驶辅助系统、汽车信息安全、汽车网联等重点标准制定,完善自动驾驶配套标准参照依据。
2020年2月,发改委、工信部等部委联合印发《智能汽车创新发展战略》,指出要结合5G商用部署,推动5G与车联网协同建设,到2025年,中国标准智能汽车相关体系基本形成,车用无线通信网络(LTE-V2X等)实现区域覆盖,新一代车用无线通信网络(5G-V2X)在部分城市、高速公路逐步开展应用,高精度时空基准服务网络实现全覆盖。
2020年12月,为促进道路交通自动驾驶技术发展和应用,推动《智能汽车创新发展战略》深入实施,交通运输部印发了《关于促进道路交通自动驾驶技术发展和应用的指导意见》(以下简称《指导意见》)。《意见》指出,到2025年,自动驾驶基础理论研究取得积极进展,道路基础设施智能化、车路协同等关键技术及产品研发和测试验证取得重要突破;出台一批自动驾驶方面的基础性、关键性标准;建成一批国家级自动驾驶测试基地和先导应用示范工程,在部分场景实现规模化应用,推动自动驾驶技术产业化落地。
这些条件都对中国自动驾驶的发展起到了正面的刺激作用。
目前,中国智能驾驶产业处于从L2迈向L3阶段,技术在进步,法律法规也在逐步完善。但是,中国自动驾驶爆发元年依然没有到来,毕竟汽车工业是严谨的,没有L3,便不能说是自动驾驶落地元年。很多行业人士分析,2021年或许会成为L3级自动驾驶汽车的元年,有些车企已经具备了L3级的技术实力,但是要大规模商业化,还需要一些时间,让我们拭目以待吧。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。