近日，AI頂級盛會北京智源大會在線上和線下同步召開，包括Yoshua Bengio、David Patterson等圖靈獎獲得者在內的兩百余位國內外人工智能領域頂尖學術和產業領袖，共同探討AI大模型時代和人工智能發展。

在無人駕駛論壇，由美團首席科學家、副總裁主持夏華夏主持的“新機遇新挑戰———探討自動駕駛的趨勢”尖峰對話，行深智能董事長安向京應邀參加并對無人駕駛商業化落地及發展趨勢做了分享，與同行對L4級無人車時代到來趨勢進行共同探討。

東南大學、威斯康星大學智能網聯交通聯合研究院院長冉斌，文遠知行創始人兼CEO韓旭等無人駕駛領域專家參會并從不同角度對無人駕駛技術革新、所面臨的挑戰以及發展趨勢發表了看法，大家圍繞無人駕駛商業化機遇，會給人類生活帶來哪些改變展開討論。

行深智能創始人兼CEO安向京表示，無人駕駛商業落地有自己的路徑，會先低速，后高速；先載物，后載人；先限定區域后開放區域。

首先為什么先低速再高速？無人駕駛有一個叫做“你永遠不能踏上你沒有理解的道路”的定律。很多時候速度的高低取決于它的傳感器的感知范圍、算法算力處理和執行動作的反應延遲，所以最重要的就是要解決超視距感知問題。因此，在V2X技術的支持下，可以預見短期內，車路協同下的智慧結合是比較現實的落地場景。

其次，關于載貨和載人的問題可能有倫理的問題，比如一輛車載著乘客，而運行場景中有其他人類活動，萬一失效或者緊急情況下，采取緊急措施到底是優先保護車內的乘員還是優先保護車外的人員？這是相互矛盾的。

最后，先限定區域后開放區域，非技術原因，而是避免長尾效應。深度學習和同時建圖與定位的技術，讓原來陽春白雪的無人駕駛，變成了可工程化、規模化實施的技術，但不容忽視的是，這兩項技術都有著概率問題，自動駕駛的場景對于概率驅動的系統來說是無休止的，因此，無法避免長尾效應，解決95%的問題和場景是基礎，而解決剩下的5%才是自動駕駛技術持續發展的關鍵。

安向京認為，末端場景是一個完全不同的無人駕駛賽道，它不在于低速還是高速，而在于末端場景的特殊性。

其特殊性主要表現在：無人車會經過或停靠地下車庫或架空層，面臨沒有信號或信號弱，或者因為高樓林立導致GPS定位質量變差甚至混亂。加之，末端場景復雜且路網未形成閉環。交通參與物除了車輛還包括路人、單車甚至寵物等，這就決定了無人車傳感器配置就不能有任何死角需全方位覆蓋。此外，末端的場景是交互目的和運行目的同時存在，比如說無人車和人產生互動，就要對人的意圖行為有認知。

安向京進一步補充道，無人駕駛的核心并不在對人代替，而在物流配送過程被充分信息化，完全可觀可控，實現配送及物流效率極大化。所以，信息化末端物流的場景對無人駕駛的需求是天然的，也就是說，無人駕駛商業化會最先落地末端場景。在此背景下，行深智能希望推進末端場景的無人化，尤其是標準化、信息化，以及信息的開放，使得末端場景的配送無人化，使得用AI代替人類的目標提前。

事實上，作為是以末端物流為市場切入點的無人駕駛核心技術公司，行深智能擁有不依賴于開源軟件的完全自主可控的軟件架構體系，基于認知的復雜場景行為決策與規劃系統，以及不依賴衛星導航定位的多源融合感知定位技術等無人駕駛核心技術，不僅適用于開放道路，同時適用于人車混流復雜末端場景。

目前，行深智能基于自主可控的無人駕駛技術已經研發和推出了系列末端無人配送車，已經在校園、園區、景區、廠區等場景實現規模化、常態化落地運營。

無人駕駛賦能末端物流打造智慧物流是時代趨勢，無人駕駛時代已來，并開始在各個場景逐步商業化落地服務于人類生活。在智慧城市建設與新基建的大背景下，行深智能會一如既往加大對自主可控的無人駕駛核心技術的研發，并持續賦能行業助力智慧物流的打造與升級！