近日，在美国IHS公司发布的关于「人工智能」的调研报告中，分析师预期到2025年，车内AI人工智能系统的数量将从2015年的700万台增加至1亿2200万台；同时基于AI技术打造的相关系统（绝大部分以语音识别功能为主）的新车配售率会从2015年的8%增加至2025年的109%；此外，IHS指出，未来很多汽车上都会安装具有不同功用的人工智能系统。
值得一提的是，在车内HMI人机交互界面的设计中，IHS认为人工智能AI技术在语音/手势识别，眼球追踪，驾驶员监控和自然语言交互等功能的实现上将扮演主要角色；而就无人驾驶汽车而言，AI的存在能够提升机器视觉系统的识别精度，同时它在控制传感器融合的ECU中也将发挥重要作用。
在接受媒体采访时，IHS汽车半导体事业部高级分析师Luca De Ambroggi称，“人工智能一直被认为是能够实现无人驾驶汽车商业化的关键推动技术。所以这也是整个汽车供应链都为之振奋的原因”。
不过有一个问题很值得思考：对需要依赖AI技术控制无人驾驶汽车的那一天，我们到底准备得怎么样了？
在问及“是否已经开发出能够解决复杂交通问题的AI算法？”时，De Ambroggi倒是很直言不讳地指出，“现在还没有到这一步。我们目前的研究成果依然十分有限。” 不过事实是，人工智能技术发展得很快。他同时也表示，“未来10年里，AI技术的进步和迭代将呈现平稳态势。汽车产业将从中受益匪浅”。
在De Ambroggi和媒体的讨论中，他对汽车人工智能技术的应用前景做了深度剖析，包括目前AI技术的前沿成果，车内场景的应用实例以及能够运行AI算法的硬件系统。当然De Ambroggi也提到了“未来如何对AI定级”的问题。就好比我们要开车手里得有驾照，如果由AI控制无人驾驶汽车的话，那它自然也需要具备相应的资格才行。
下面的内容摘自IHS汽车半导体事业部高级分析师Luca De Ambroggi的访谈实录，希望对大家了解车用AI技术的研发应用有借鉴意义。（Q=记者，A=Luca De Ambroggi）
Q: 就AI在车内的适用性而言，你认为它是什么时候突破技术临界值的？
A: 在我的印象里，应该是在2015年初，包括微软、百度、谷歌在内的公司承认了“在识别物体的准确程度上，机器现在要比人类做得好”。
Q: 人工智能最近都有哪些技术演进？
A: 首先，机器学习的对象现在可以是容量巨大的数据库。以前，我们不得不先用一套有限数据教会机器学习，这导致了机器学习耗费的时间非常多；其次，现在已经有能够运行AI应用的硬件产品了，比如说推理系统（inference system）。这意味着从推理-识别物体到结果演绎的过程能够自动进行，而且这个过程很快。
Q：现在，什么样的硬件能够更好地实现AI在无人驾驶汽车上的应用？
A：我认为GPU是目前能够实现人工智能在汽车上大规模应用最合适的硬件。迄今为止，英伟达NVIDIA是唯一一家提供AI系统开发/测试软硬件解决方案的公司。
Q：你认为英伟达的Drive PX2，未来会是无人驾驶汽车理想的人工智能平台吗？
A：如果从开发无人驾驶汽车的角度而言，是的。但如果从大规模量产的角度而言，Drive PX2并非无人驾驶汽车最理想的AI平台。除非英伟达推出下一代产品，比方说Drive PX3？它的能耗可以做到50W，而不是现在Drive PX2的250W。
机器视觉 vs 人工智能
Q：AI肯定不只能将人类和动物区分开。那它还能做些什么？
A：AI可以辨别出不止一个物体。更重要的是，AI能够给出其探测事物所处的语义背景。它看到的是一个模式以及该物体周围的所有事物。举例来说，它能够识别出一个正在过马路的物体是人，而且他正在低头玩手机。
Q：那么传统的机器视觉技术和人工智能AI有区别吗？
A：人工智能AI的出现造成了传统汽车产业中两极分化的紧张局面，因为它比标准的机器视觉能做的事情多得多。今天我们所说的计算机视觉主要依赖的是方向梯度直方图（histogram of oriented gradients，简称HOG）这种算法来进行物体探测。可以说Mobileye EyeQ系列芯片完成的95%~99%的视觉识别都是基于HOG算法实现的。
不过无论是技术公司，tier 1供应商还是OEM主机厂，他们都希望借助AI的力量实现同一系统持续学习的目的。因为如果需要不断开发新系统，那么芯片和软件的调校都得从头再来，这个过程很痛苦。相比之下，大家都希望自己的系统在有限的软硬件条件下，具备自主学习的能力。
传感器融合，AI也能发挥得了作用吗？
Q：在视觉识别之上，人工智能在车内还能得到哪些应用？
A：摄像头显示是AI大展拳脚的第一个地方。但我可以肯定地告诉你，欧洲已经有tier 1供应商和OEM主机厂在研究如何将人工智能运用于雷达，而AI在传感器融合方面也会扮演着重要角色。
Q：就在几个月前，丰田宣布将为设于硅谷的丰田研究员投资10亿美元，用于进行为期5年的人工智能研究。同时丰田也表示会首先在靠近斯坦福大学和麻省理工学院的地区建设两座实验室。
所以，包括GE、百度、三星在内的科技公司以及主要的汽车厂商都在硅谷或者靠近硅谷的区域建立了不同规模的研发中心，以期借助新兴技术的力量有更进一步的产品突破，这在业界已经不是什么秘密了。那么在AI技术突破上，我们现在进行到哪一步了？
A：其实目前还处在大学及研究机构的研究阶段。不过我预计在未来5到10年内，或者更准确地说是未来十年内，我们可以看到部分符合工程要求及能够实现商业化的AI研究成果。
如何对AI进行认证和评级？
Q：假设我们已经到了10年后，那时AI在控制无人驾驶汽车上将扮演重要角色。这个时候，我们又将面临怎样的挑战呢？
A：其中一个主要挑战，我认为，主要是对AI的认证和评级。就像我们要求开车上路的司机必须有驾照一样，汽车行业需要一套标准或程序来确保使用人工智能是安全的。
Q：这么来说的话，那肯定需要知道AI系统该测些什么？我认为目前谷歌无人驾驶汽车在加州和德州只是每天开那么几个小时的话，并不能保证自动驾驶汽车就是安全的。
A：Tier 1供应商和OEM主机厂需要联合开发一套统一的安全测试，通过标准的参数设定，对人工智能系统进行认证和评级。这其实并不是个简单的事情。据我所知，目前还没有哪个行业联盟或者说ISO机构在进行相关课题的研究。
AI是个复杂的问题。我知道几乎所有的tier 1供应商、车企都在进行人工智能的研究。他们中的很多公司都在不同场合表态称，希望现在开始启动一些规模相对较小的AI研究，为的是将来外部环境成熟的时候，不至于在人工智能应用上落后。
大浪淘沙，拨云见雾
Q：就我了解到的，当涉及到在汽车芯片上应用人工智能AI时，有太多的“不诚实”在里面。就比如一开始你提到的，英伟达基于GPU打造的针对汽车市场的AI解决方案，你也说了，他们的平台更多地是为测试人工智能而存在的，并非能够在大规模量产中发挥作用。还有其他类似英伟达这样的技术供应商吗？
A：就比如说特斯拉。在推出Autopilot功能时，特斯拉就声称这套系统使用了Mobileye的EyeQ3芯片，其中包含人工智能算法的应用。不过我并不认为这就可以叫做“深度学习”了。
在我看来，如果奥迪像特斯拉一样，在2017款Q7上推出基于AI的驾驶辅助系统，他完全具备这个实力，但我打赌奥迪至少到2017年才会这么做。目前我们也不太清楚这款车型是否使用了Mobileye的Q3或Q4芯片，人工智能在各项功能的实现中将发挥多大功用。
还有就是现在有很多芯片供应商和车企都声称自己在进行人工智能的研究，但对真正的深度学习应用而言，它必须要有计算能力超强的处理器支撑。
除了英伟达和Mobileye，我们怀疑恩智浦在“偷偷”研究人工智能。Xilinx，Altera，英特尔在AI上的投入不少。像Ceva，Synopsys，Cadence，Mentor Graphics这些IP供应商，对人工智能都有涉猎。其实只要看看最近行业内的收购/并购案就不难了解到，关于汽车人工智能AI的技术竞争，其实才刚刚开始。
注：在过去的两个月里，英特尔先后收购了两家和ADAS、机器人、自动化机械相关的公司。今年4月，英特尔收购了Yogitech，这家公司的专长是半导体功能安全及相关标准的研究；紧接着5月份，英特尔宣布收购Itseez。Itseez在计算机视觉算法和嵌入式硬件开发领域建立了自己的行业地位。
小结
毫无疑问，无人驾驶汽车肯定是未来汽车演化的重要方向，而人工智能AI在其中又将扮演不可或缺的角色。那时候，汽车不仅仅是交通工具，它还是懂你的贴心机器人，为出行提供各种方便和乐趣。不过目前AI在汽车上的应用大多集中于语音/手势等功能的实现，还无法代替人类的角色。
可以预见的是，未来10年内包括tier 1供应商、主机厂、科技公司在内的玩家将在人工智能领域发力，这从今年上半年恩智浦BlueBox，Mobileye EyeQ5，英伟达Drive PX2等平台的陆续发布可见一斑。而针对自动驾驶汽车的人工智能平台开发也势必会成为各家较量的主战场。不过AI在汽车领域拓展市场的肯定要比在消费电子市场难得多，毕竟“安全”是最终衡量因素，而技术升级迭代、法律法规的健全、以及如何对AI系统评级认证都是相关从业者亟需解决的关键问题。
