两会现场 | 改革精神歷久弥坚

Mary

　　“时间就是金钱，效率就是生命。”深圳蛇口工业区喊出的这句讲时效、重实干的口号，成为中国改革开放特区的标志之一。今年是改革开放四十周年，在全国两会上，记者听到“时间”与“效率”依然是代表委员口中的“热词”。

　　“向科技要效率”是全国人大代表、腾讯计算机系统有限公司CEO马化腾多年来的信念。在2105年的全国两会上，马化腾在他的议案中描绘了“互联网+”的前景，2017年重点关注“数字经济”，今年则带来了建设“数字中国”的建议，从加强数据相关市场机制建设、建设公共数据开放平台等方面，强调了数字技术应用促进经济社会建设提质增效的重要性。

　　“‘互联网+’是手段，‘数字经济’是结果，‘数字中国’和网络强国才是我们的目的。”马化腾在“代表通道”接受采访时说，“如今我们可以看到越来越多的大数据、云计算、AI技术，数字化应用已经扩展至政务管理、智慧城市建设等领域。”

　　“以简政促省时”是全国人大代表、浙江省杭州市委副书记、市长徐立毅带来的改革成功经验。2017年浙江省委、省政府按照习近平总书记强调的坚持以人民为中心的发展思想，在全省组织开展了“最多跑一次”的改革。记者了解到浙江省工商局率先在系统内推进这项改革，多措并举提升了工商登记服务水准，为群众提供了便利。

　　“去年杭州市新设立企业11万家，其中85%是通过‘证照联办’实现了准入即准营。在不动产登记事项办理中，做到了60分钟办结。”徐立毅说，“我们以群众需求为导向，按照“一件事只进一扇门”“最多跑一次”的要求，全面梳理、有机整合群众办事过程中涉及的各种问题，取得了明显成效。今年我们要把杭州打造为移动办事之城，以‘最多跑一次’撬动各领域改革。”

　　惟改革者进，惟创新者强，惟改革创新者胜。在一个个采访中，记者从代表委员们对“时间”与“效率”的追求和实践中看到，中国人民勇于改革、不断创新的精神历久弥坚，全面深化改革必将在新时代结出更为丰硕的果实。

　　聚焦两会： 业内呼吁汽车“四化”立法

　　“互联网造车的浪潮说明了汽车产业进入创新风口期，汽车行业也将其看成创新转型的重大机遇期，上汽瞄准汽车产业发展的新趋势——电动化、智能化、共用化、国际化的发展方向。”

　　3月5日，在人民大会堂中央大厅设立的“代表通道”上，全国人大代表、上汽集团董事长陈虹在接受采访时表示。

　　展望未来，陈虹表示，互联网汽车与汽车工业的融合是重要的发展趋势，上汽以智能互联汽车、智慧出行方案，以及智能制造为抓手，探索实践，把大数据、云计算和人工智慧同汽车产业进行更广泛、更深入的结合，以推动整个产业加快升级、加快发展。

　　值得注意的是，中国智能化虽起步较晚，但随着国家在人工智慧领域的持续关注和加大投入，以及我国移动通信及互联网运营能力的加强，并依托世界首位的汽车市场，中国智能化进步迅速。

　　不过，目前智能网联汽车的发展依然面临挑战，这其中包括，国家智能汽车创新平台牵头部门多，导致资源不聚焦；国家相关法规标准难以对智能网联汽车的研发、商用提供有效支撑。

　　“在汽车快速发展的同时，将新能源汽车、自动驾驶、网约车纳入法制化管理轨道非常必要。虽然汽车产业是新技术的载体，近几年还会有一系列新技术和产品出现，立法工作显得尤为突出。这时候，政府应抓住时机，政策得当就会推动产业积极、健康发展。”3月4日，一位汽车行业专家在接受21世纪经济报道记者采访时表示。

　　强烈呼吁自动驾驶立法

　　就在产业变革的当下，首次当选全国人大代表的长安汽车总裁朱华荣提出多项发展智能网联汽车的有关建议：一是改革现有管理机制，加强智能网联汽车的统筹管理，成立专职项目团队，解决多部门多头管理的问题，成立国家创新平台公司，系统规划、统筹国家智能网联汽车创新发展。

　　二是加快建立和完善自动驾驶相关法规、标准落地：在现行法规中完善或制定新的法规，允许自动驾驶商品车合法销售。完善适用于自动驾驶的道路设施规范，并严格执行。制定相关标准对自动驾驶车辆进行强制要求，为自动驾驶量产提出准入门槛，避免行业因理解不一致造成的自动驾驶水准参差不齐，同时通过标准的强制要求，促进中国自动驾驶与国际接轨。

　　与朱华荣不谋而合，在自动驾驶汽车立法方面，全国人大代表、广汽集团党委书记、董事长曾庆洪则建议：在确保安全的前提下，通过立法机关授权试点或制定暂行条例等方式，加快制定自动驾驶汽车测试专项法规，保障相关测试“合法上路”；加大调研力度，研讨新的管理制度，界定自动驾驶汽车相关主体责任，探索建立自动驾驶汽车专用保险。

　　网约车市场亟待管理

　　作为共用经济行业代表，全国人大代表、盼达用车CEO高钰准备围绕共用经济特别是共用出行产业发展提出建议议案。高钰认为，目前在交规和税收政策等现行法规与共享经济模式存在不适配的问题，需作出适当调整。

　　此外，高钰建议由政府牵头，各类共用经济平台乃至全社会予以配合建立和持续完善“共用经济信用体系”，同时尽快制订无人驾驶相关的法律法规，促进人工智慧领域从“芯”、“端”、“云”到“用”这个产业生态全方位形成国际领先。

　　来自罗兰贝格的数据显示，目前中国市场有超过130余家网约车平台公司拟开展网约车业务，仅有45家获得经营许可，其中不超过10家真正落地进行运营。

　　首次当选全国人大代表的浙江吉利控股集团董事长李书福，在关于《净化网约车行业发展空间促平台提升内功》议案中一针见血地指出了网约车目前存在的问题：很多网约车车辆未能三证齐全上路；网约车平台公司与各城市交通运输主管部门数据接入存在相同数据重复接入、传输不及时、数据质量差等突出问题，这些违规现象，影响了行业健康发展。

　　对于网约车的监管，李书福建议，政府部门设立专门工作组制定数据上传的规范细则及处罚措施，并督促各网约车公司提交相关数据。政府部门明确数据上报时间，通过分析数据后，对数据质量评级，并定期向社会公布企业上交数据的质量情况。

　　这既是向社会公示企业诚信的途径，也是通过“诚信”评比倒逼“资本”的力量约束网约车平台公司行为；并将网约车纳入客运出租汽车管理条例，进行统筹管理。

　　人工智慧产业将寻求三方面突破

　　未来将扎实推进理论发展，加强新技术整合能力

　　如今，“智能+”社会已步步临近，社会各界也正积极勾勒未来社会图景。国外人工智慧巨头动作不断，在基础技术、应用领域方面都有诸多突破，可以总结为三点：基础研究能力强、跨界创新密集、人才红利持续发挥。

　　我国在深度学习、识别技术等领域实力突出，在人工智慧市场应用层面走在世界前列。但在基础技术、产业链跨界协同、核心人才培养方面则存有短板。业内专家呼吁，未来我国人工智慧行业和学界应重点关注以上三项弱点，审时度势、全盘考虑、抓紧谋划、扎实推进，在巩固现有优势的同时，补足短板，推动中国人工智能产业可持续发展。

　　基础层研究成人工智能“硬指标”

　　人工智慧研究可以分为基础层、技术层、应用层，美国在技术难度大、技术带动效应强的基础层方面，不断取得研究以及实践进展；而中国在基础层方面能力稍弱，在技术层和应用层发力更多。

　　基础层主要指处理器、晶片等支撑人工智慧技术的核心能力；技术层包括自然语言处理、计算机视觉、技术平台等通用技术；应用层是指自动驾驶、智能机器人等实际应用主体。

　　人工智慧浪潮的兴起，使得美国大公司纷纷进军基础层的研究。以晶片为例，美国的晶片制造企业英伟达推出了世界首款120万亿次级处理器Volta V100 GPU，可以将机器学习指令传达的效率从几周的时间缩短至几个小时，帮助客户更加快速地迭代并优化各自产品的上市时间。过去3年中，英伟达为深度学习提供了10倍的性能加速，被评论界称为“摩尔定律的平方”，保持目前的性能提升速率，到2025年，GPU将可实现比CPU快1000倍的性能。

　　谷歌、亚马逊、微软、苹果等最初并不研发晶片的公司，也开始发力晶片和处理器，这使得美国在全球人工智慧基础层研究地位进一步增强。微软公司公布了其人工智慧晶片制造项目，展示了一款专门为微软增强现实眼镜HoloLens打造的新型晶片。谷歌已于2016年宣布了其深度学习晶片的研发，并声称，随着语音识别技术的爆发，高性能处理器TPU已为公司省下了打造15个新数据中心的成本。谷歌同时在与生物公司合作开发高效计算DNA信息的晶片。2017年4月，苹果公司宣布苹果将通过自主研发和生产晶片，进一步掌握产业链主导权。消息一出，苹果晶片供应商英国公司Imagination的股价应声暴跌。

　　但是，中国在晶片基础研发领域仍然落后于美国企业，对进口晶片的需求居高不下。

　　从事计算机视觉识别的中国公司“旷视科技”品牌与市场中心总经理谢忆楠表示，在图像识别领域，公司同时应用英伟达和英特尔的晶片，目前还没有国产晶片能够完全取而代之。英特尔中国研究院院长宋继强也承认，我国人工智慧领域不足之处在于我们原创理论创新、基础人工智慧研发能力还不太够。中国学者需要在理论上有所突破。地平线机器人技术创始人余凯表示，在PC电脑与移动互联网时代，我们都错失了如操作系统等基础平台性技术，人工智慧时代需要迎头赶上。

　　中国电子学会发布《中国机器人产业发展报告》指出，我国机器人领域核心技术积累不足，资金投入相对有限且分散，高端市场长期被外资企业占据，很大程度上以依托进口零部件和本体组装、集成为主营业务，虽有一定突破但基本上是被动地、跟随式发展，难以获得产业发展主动权。

　　计算机学家、图灵奖唯一的华人得主姚期智表示，中国想在2030年实现世界主要人工智慧创新中心的战略目标，首先要解决人工智慧发展缺少理论的问题。中国在下一波人工智慧的发展上，应取得一些原创性的、有知识产权的成果，而不是追赶别人发明的科技。

　　跨界融合创新为智能生态“必修课”

　　未来人工智慧领域不仅仅是单一的技术和产品，而是一个整合的“生态系统”。数字技术将结合神经研究等医学领域、自动化机械臂等工业领域共同组成人工智慧的底层技术。

　　以人工智慧为依托的机器人一方面会以“软件”形式融入社会，如自动翻译、图像识别等。另一方面也将通过集成“硬体”深入到百姓生活中，如特种机器人、医疗机器人等。

　　正是在这种“共识”的指引下，“不务正业”几乎成为美国人工智能巨头都在做的事，从IBM、苹果，到谷歌、脸书、英伟达，所有的人工智慧巨头都在尝试软件、硬体、应用场景的联通，不再单一专注于自己的传统业务，而是着眼布局未来。 2016年9月，谷歌、微软、脸书、亚马逊、IBM更是组成人工智慧联盟，大有形成合力、制定行业标准之意。

　　目前，谷歌的跨界非常广泛，跨越了晶片、机器学习平台、软件、云计算等各个领域。其人工智慧学习系统TensorFlow目前是全世界应用最为广泛的人工智慧软件平台。研发晶片起家的高通，也推出了自己的摄像头Spectra Module，旨在优化VR、AR的效果。最近，这一摄像头又添加了一些新的功能，如深度检测和生物认证，用户可以通过虹膜扫描来解锁认证。

　　IBM中国研究院认知交互技术总监秦勇表示，IBM打造人工智慧平台，最终目的就是形成生态圈，可以满足客户的不同需要。比如IBM的WDC（Watson Developer Cloud），已经有很多应用程式编程介面公布出来，比如知识图谱、语音识别、计算机视觉、性格分析、对话管理等等。在教育领域和芝麻街合作，利用人工智慧帮助小孩，用游戏的方式来做辅助学习。这一平台还和美敦力（Medtronic）合作，提前两三小时就可以准确预测一个人的血糖指标。

　　英伟达不仅有晶片，还发布了高效的深度学习软件平台，为客户提供综合全面的服务，其客户涵盖汽车、虚拟现实、图像识别、基因分析等各领域。电商起家的亚马逊，凭借其深度学习能力，崛起成为人工智慧的巨头。去年，其发布的三大人工智能技术（图像识别、自动语音发音、语音互动）广受欢迎，中国的社群电商软件“小红书”就利用了亚马逊的人工智慧技术开发了人脸识别痘痘的功能。

　　除以技术优势加速全链条布局外，国外巨头凭借投资并购等资本运作手段，提升自身技术实力，在人工智慧领域迅速占据制高点，也有部分巨头在我国建立产业基地，抢占中国市场。如微软收购位于多伦多的人工智慧初创企业Maluuba，谷歌收购数据科学公司Kaggle。库卡也宣布建设中国二期厂房，继续扩大产能。

　　而中国人工智能产业的跨界互动能力不足，部分企业存在短期套利思维。业内人士认为，从技术到产品的跨越非常之困难。不同于硅谷技术公司的“一呼百应、迅速抱团”，中国企业之间的“门户之见”较深，产业链倾向于为了短期利益，维护已有的客户链条，而不会积极拥抱新产品，这使得一项技术需要投产时，找生产商就十分困难，更别提以后的推广、应用了。

　　另一方面，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃认为，目前市场上有很多风险基金来主导基础研究型公司，这对正常的创新过程会产生一定负面影响。特定阶段确实需要一些特殊的措施，但无论如何要给有能力、愿意做研究的人一个安静的空间，这才是科研创新真正的源头。

　　王飞跃认为，很多人蜂拥而至进入智能行业，其中不乏“语言创新”、炒作概念的PPT公司，好多核心硬体还要从外国进口，企业技术能力“配不上”它的名字，这是需要我们反思的地方。

　　《中国机器人产业发展报告》建议，围绕市场需求，加强新技术之间的整合能力，打造“政产学研用”紧密结合的协同创新载体。既要围绕智慧工厂、智能家居和智慧城市开展细分领域示范工程，也要打造重点领域机器人应用系统集成商和综合解决方案服务商，推进全产业链协同发展。

　　人才队伍建设是产业发展“脊梁柱”

　　任何产业的发展都依赖高素质的人才。美国人工智能产业的发展，得益于过去几十年来高校、科研院所没有停止过的探索，美国从而成为世界人工智慧人才的最大输出地。而中国人工智能人才则较为稀缺。

　　腾讯研究院发布的《中美两国人工智能产业发展全面解读》，从企业人数分布可以看出中美之间的巨大差异。报告显示，截至2017年6月，美国共有1078家人工智能企业，员工数量为78700名；中国有592家人工智能企业，员工数量为39200名，约为美国的50%。分领域来看，在处理器/晶片领域，美国员工人数是中国的13.8倍，美国17900人，中国1300人。中国在技术层领域的企业人数也远远落后于美国，仅在智能机器人领域人才稍多，为6400人，是美国同领域人数的3倍。

　　根据全球职场社交平台“领英”的数据，7成美国人工智能人才从业10年以上，而中国仅有4成相关人才有这样的从业经验。报告分析，这源于中国人工智能产业起步比美国晚，人才培养模式尚存差距。

　　中国高校在很长时间内并没有人工智慧专业，而美国是人工智慧概念的诞生地，基本上大院校都有人工智能专业和研究方向。根据美国国家科技委员会的人工智慧全球大学排名，前20名中有16所是美国大学，这些大学源源不断地向科技企业输送人才。

　　业内人士表示，由于人才匮乏，人工智慧工程师的年薪水涨船高。博士毕业进入企业，起薪或可高达百万元，“否则根本留不住人”。而且，即便这样的人也很难“上手就用”，都要在公司经过数月至一年的专业培训。

　　目前，中国正在快速追赶美国人工智能人才的培养步伐。从论文发表数量来看，华人作者的领先优势日益明显。在“深度学习”领域，中国的论文数量从2014年开始超越美国。专家认为，人才培养是“智能+”发展的关键，而且，人才培养要与重点项目相结合，真正做到核心人才本土化、核心项目自主化。

　　《中国机器人产业发展报告》建议，应建立机器人行业亟须的多层次、多类型技能人才培养体系，建立校企联合培养人才的新机制。同时，建立培养标准体系，运用职业培训和职业资格制度加深与汽车、电子、化工、消防等相关行业合作，实现人才培养与企业需求的良好对接。

　　国务院2017年印发《新一代人工智慧发展规划》，提到将“加快培养聚集人工智慧高端人才”。伴随着巨大的市场需求和应用场景，我国有望吸引更多人才来华从事人工智慧行业。

　　在面向2030年对我国人工智慧发展进行的战略性部署中，我国新一代人工智慧发展规划也明确提出了我国人工智慧发展的“三步走”目标：

　　第一步，到2020年，人工智慧总体技术和应用与世界先进水准同步，人工智慧产业进入国际第一方阵，成为我国新的重要经济增长点；第二步，到2025年，人工智慧基础理论实现重大突破、技术与应用部分达到世界领先水准，人工智慧产业进入全球价值链高端，成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展；到2030年，人工智慧理论、技术与应用总体达到世界领先水准，我国成为世界主要人工智慧创新中心，人工智慧产业竞争力达到国际领先水准。

　　专家认为，要想让机器人渗透到人们生活，真正实现智能社会，一定要把相应的基础设施建设好，建立知识库、大数据库、面向各类具体问题的智能系统等。“这不仅要有技术，还涉及整个社会体系、服务体系和治理体系等。”业内人士呼吁，要加快机器人向各领域的应用，实现人机协调、跨界融合、共创分享，营造有利于机器人发展的良好生态。

　　瑞银研究报告显示：至2030年AI每年将为亚洲贡献经济价值高达1.8万亿至3.0万亿美元，将对金融服务、医疗保健、制造、零售和交通等行业产生巨大影响。这些行业加起来，相当于目前亚洲GDP的三分之二。

　　据统计，2000至2016年，中国人工智能企业数量累计增长1477家，融资规模达27.6亿美元。其中，2014至2016年三年是中国人工智能发展最为迅速的时期。这三年里新增的人工智慧企业数量占累计总数的55.38%。另据艾瑞咨询公开数据，中国人工智能产业规模2016年已突破100亿元。

　　面对优势，还需戒骄戒躁；面对补足，还需踏实补强；我国应在人工智慧产业发展的浪潮中争当“弄潮儿”。

　　未来已来，当时代的钟声缓缓敲响，新科技革命和产业变革将是最难掌控但必须面对的不确定性因素之一，抓住了就是机遇，抓不住就是挑战，必须在日新月异的科技大变革中、在国际合作与竞争的征程中加速前进。

　　新一轮产业革命将在汽车领域兴起

　　■大约每隔五六十年，在以科技发展为核心因素的驱动下，世界经济会呈现一个轮次的兴衰交替。有迹象表明，新一轮经济周期的驱动要素将可能是人工智慧（AI）、物联网及由之造就的工业4.0，以及伴生的能源革命。在此背景下，由于汽车是一种大批量、可复制、普及性强的耐用消费品，可以大幅度摊薄技术创新成本，并且带动上下游产业链之间的联动。因此，智能汽车的应运而生，将成为整合人工智慧、万物互联、新能源技术，并发挥工业4.0优势的产业领域。

　　■传统车企与新进入车企之间的竞争客观存在，某些原本就竞争力不足，加之因循守旧的传统车企，将可能受到颠覆性的冲击。但是站在行业整体看，汽车产业的传统优秀车企，在这场长期的胶着战中，将面临自我更新、自我完善的新机遇，极有可能借助其已经具有的技术与管理优势，在这场颠覆性的挑战中获得重生。

　　1月5日，国家发改委公布了《智能汽车创新发展战略（徵求意见稿）》，初步制订了战略愿景，设置了目标达成的时间节点：到2020年，智能汽车新车占比达到50%，中高级别智能汽车实现市场化应用；到2025年，新车基本实现智能化，高级别智能汽车实现规模化应用；到2035年，中国标准智能汽车享誉全球，率先建成智能汽车强国，全民共用“安全、高效、绿色、文明”的智能汽车社会。

　　这一战略的形成意味着，经过一段时期的实践和认知，我国目前已初步在国家层面对发展智能汽车的意义、目标、路径和措施形成共识，资本市场深度关注与布局智能汽车，正当其时。

　　智能汽车将引领产业革命

　　从全球经济的发展周期看，呈现一种明显的长周期（即 “生产力发展周期”）特性，也被称为“康德拉季耶夫周期”。认为大约每隔五六十年（中国人可以按习惯理解为一个甲子，即60年左右），在以科技发展为核心因素的驱动下，世界经济会呈现一个轮次的兴衰交替。

　　按此理论，从1782年开始，纺织机、蒸汽机驱动了第一次产业革命；第二轮周期由钢铁、铁路技术驱动；第三轮周期由电气、化学、汽车技术驱动；第四轮周期是由汽车、计算机技术驱动；第五轮周期是从上个世纪90年代开始，核心驱动因素是信息技术。目前正处于第五轮的末期，即衰退期。

　　有迹象表明，新一轮经济周期的驱动要素将可能是人工智慧（AI）、物联网及由之造就的工业4.0，以及伴生的能源革命。

　　在此背景下，由于汽车是一种大批量、可复制、普及性强的耐用消费品，可以大幅度摊薄技术创新成本，并且带动上下游产业链之间的联动。智能汽车应运而生，将成为整合人工智慧、万物互联、新能源技术，并发挥工业4.0优势的产业领域。

　　这场革命是颠覆性的吗？

　　技术突破重心在感知层与决策层

　　什么是智能汽车？按照徵求意见稿的定义，智能汽车是指通过搭载先进传感器、控制器、执行器等装置，运用信息通信、互联网、大数据、云计算、人工智慧等新技术，具有部分或完全自动驾驶功能，由单纯交通运输工具逐步向智能移动空间转变的新一代汽车。智能汽车通常也称为智能网联汽车、自动驾驶汽车、无人驾驶汽车等。

　　传感器、控制器、执行器，对应智能汽车技术的三个层次：感知层、决策层和执行层。

　　其中，感知层技术主要基于视觉技术与雷达技术，为汽车提供环境感知输入。硬体设施主要包括安装于汽车本体的摄像头、各类雷达，以及接收车联网信息的终端装置等。

　　决策层技术的作用在于接收来自车体自身感知器件，以及来自车联网的网络虚拟空间信号，通过整合车载或云端处理结果，输出车辆控制信号，通过车辆执行部件实现行车即时控制。这项技术相当于自动汽车的“驾驶脑”，以演算法为核心，通过半导体等硬体技术对高速运算提供支持。

　　执行层技术指汽车的加速、减速、转向、制动等基本执行机构系统及其相关部件技术。

　　整体而言，智能汽车可以被看作具备特定用途、未来可以实现更加复杂、更加精细化运作的机器人之雏形。正如人类具有灵魂、心魄、身体三个层面能力资源，智能汽车区别于传统汽车的本质特徵正在于其感知层与决策层，感知层和决策层是智能汽车容纳汽车魂魄的器官。

　　技术的核心在决策层

　　决策层水准的高低，决定汽车自动驾驶水准的等级。决策层硬体目前已经获得突破，软件则需要步步更新迭代。

　　人类的灵魂与心智能力表现在两个方面：一是根据明确的内外边界条件进行特定条件下的应激反应（先天性能力）；二是通过不断地学习和创新实践，更新自己的价值体系与判断标准，形成来自后天学习构建的新自我认知，以及对外部环境的应对机制。不断更新是智能汽车的最本质特徵，智能汽车因此而具有了类生命生生不息的属性。

　　目前拥有该层次技术能力的供应商有两类。

　　一类是作为传统汽车行业一级供应商的ADAS（高级驾驶辅助系统）公司，如博世、大陆、德尔福等。如博世将自己定位在自动驾驶核心硬体这一领域，同时也通过合作、并购等方式加强人工智慧和高精度地图的布置。德尔福侧重布局驾驶脑、信息传递和控制系统。它们的传统擅长领域是借助车体本身感知能力，获得行车信息，将其通过逻辑演算法转化为车辆行驶控制信号。通过这种方式，传统车企采购其系统部件研发整车，基本能够实现3级及以下级别的驾驶。

　　另一类是拥有人工智慧演算法技术，或掌握电子地图，以及大数据收集处理能力的高科技或互联网公司，如英特尔、谷歌、百度等。英特尔广泛布局了车载晶片、视觉技术、深度学习技术、物联网等相关软件、硬体，以及信息安全等相关领域，致力于补齐自动驾驶中所需要的GPU、5G、PFGA等关键技术，为后续端到端的方案提供了重要支撑。在这些技术领域，英特尔等企业最近几年进行了大量的投资布局。

　　决策层技术所需的大容量数据传递与计算的硬体基础，已经在英特尔等极少数企业初步具备。这些企业的主旨是通过自动驾驶的计算平台、5G网络或高精度地图作为切入自动驾驶的入口。事实上，一般的互联网企业在技术方面所擅长的主要还是网联技术，而在真正实现自动驾驶的核心技术——“驾驶脑”的演算法方面，一般互联网企业未必具有优势。

　　拥有如上两类技术的高科技企业，前者如英特尔、博世，后者如谷歌，皆有志于以决策能力的突破为核心，为车企提供智能驾驶解决方案。

　　《智能汽车创新发展战略（徵求意见稿）》按照智能化程度将智能汽车划分为5个等级，并指出“中高级别”为“3级及以上”，“高级别”为“4级及以上”。自主与网联相结合将成为发展高阶自动驾驶的主流模式。

　　目前，无论是传统车企，还是新造车企业，它们作为汽车产业漫长价值链的集成者，均不具备全面的技术资源禀赋。一般来说，部分优秀传统车企的技术基础及整合能力，要远远强于多数初创的、带有互联网创业公司光环的行业新进入者。新进入者的优势可能首先在于其“互联网造车”的理念，在快速集成和新技术应用上达到匹敌传统车企，甚至胜过一筹的水准。如特斯拉宣称，推出一步到位备齐智能驾驶硬体的新车，之后将通过机器不断地学习，将新的经验和技能借助云平台分享到所有售出的新车上。这种理念符合人工智慧产品与人类相似的不断学习与更新的特质。然而，理念虽然到位，但同样将面对由低级智能驾驶到高级智能驾驶的不断进化之路。

　　观察智能驾驶的技术层级，可以将智能驾驶大致区分为两类：一类是目前侧重依赖自主式技术，即基于车体本身装置，已经基本可以达到单车智能驾驶，及中低级的智能驾驶；一类是将灵魂插上车联网之翼，在单车智能驾驶初步实现的基础上，借助“驾驶脑”技术的升级整合来自高精度地图、云计算、大数据等云端能力资源，以及持续机器学习和深度神经网络技术，最终将单车智能驾驶变为智能网联式自动驾驶，实现高阶智能驾驶的突破。

　　传统车企、新晋车企谁主沉浮？

　　感知层和决策层的共性基础是车载晶片技术，涉及的企业有高通、恩智浦、英特尔、博世，以及来自国内的四维图新等。在这些领域，近年频频发生巨额并购事件，如高通收购恩智浦、英特尔收购Altera等，涉及收购金额均达上百亿美元。其中，高通、英特尔、英伟达已经相继推出各自的自动驾驶平台。可以说自动驾驶的硬体基础已经具备，低阶的智能驾驶的普及只是时间问题，而更高阶的智能驾驶技术的突破则取决于整车制造企业与感知层、决策层供应商的协作。

　　在智能驾驶研发能力方面，传统车企与新造车企业各有其独到的优势与不足。

　　从商业模式来看，传统车企的优势在于拥有研发并制造一款整车的成熟流程模式与技术积淀。它们掌握外界难以获取的车辆信息（安全性数据、车辆使用工况数据等等），拥有与产业链上下游协同工作的经验。可以说，优秀的传统车企本身就是一个优秀的整合者，它们天然具有打造一款成熟新车的基因。

　　新造车企业的优势在于其互联网思维，拥有开放、创新、迭代的基因，在打造智能汽车的灵魂方面具有天然的优势。如前所述，决策层能力的养成不仅需要初阶能力，而且需要通过深度学习实现不断升级。对于新进入的造车企业而言，尤其是部分高科技企业，可能自然而然地将核心能力的构筑焦点放在感知层与决策层，从而更容易掌握“驾驶脑”的深度学习能力。

　　从资本运作来看，部分传统车企在其特定市场已经具有领先优势，已经积累或者可以调动起雄厚的资金投入。不足之处是传统市场领域更多体现为一片片红海，多数车企利润微薄，自身造血功能较弱，使得其借助自身资金积累进行创新的难度较大。

　　新造车企业则可借助新造车理念，短期内聚拢起大量资本，并在后期不断引入新的产业资本。不足之处在于，新进入车企难以分摊成本，获得盈利的周期较长。

　　传统车企与新进入车企之间的竞争客观存在，某些原本就竞争力不足，加之因循守旧的传统车企，将可能受到颠覆性的冲击。但是站在行业整体看，汽车产业的传统优秀车企，在这场长期的胶着战中，将面临自我更新、自我完善的新机遇，极有可能借助其已经具有的技术与管理优势，在这场颠覆性的挑战中获得重生。

　　因为，传统车企是可以掌握新造车理念的，它们的误区恰恰是自满于原有产品开发、推出的路径，在新模式的寻找上不得要领，即使推出新车型也是在模式上墨守成规。这可能才是众多传统车企陷入类似于诺基亚困境的根源。

　　作为一个新整合者，新造车企业面对庞大的汽车产业链体系，需要一个漫长的学习过程，它们可能一进入这个行业就被淹没，众多投资机构也随之血本无归。即使优秀如特斯拉，也需要依靠资本市场多年不断地充血维持，而且迄今也未能坐实盈利。在这样的背景下，新造车企业提出了“敬畏传统、另起跑道”的口号。

　　然而，另起的跑道又加入另一个慢热的因素：新能源动力。受制于基础设施建设以及电池技术提升、成本降低速度的制约，智能汽车借助纯电动概念发力，更是困难重重。感知层与决策层，是可以同时面向传统能源与新能源汽车的。事实上，传统汽车动力系统目前在行车信号反应速度上已经足够成熟，再结合大规模的成本摊销优势，在很长时期内可以保持相对竞争优势。这一优势地位，在基本可预见的时间长度内，参照徵求意见稿的战略目标预期，应该可以持续到2025年。而且，即使在2025年之前的这一段时期，传统汽车企业已经开始在传统能源与纯电动两个领域发力智能网联化。

　　麦肯锡给出的无人驾驶在新车销售市场的份额预测显示，理想情况下，部分自动驾驶可以在2025 年达到10%的份额，完全自动驾驶可以在2030 年达到15%市场份额。在未来的10年至15年内，仍将是部分自动驾驶占主流的需求生命周期，在这一时期，传统车企仍将在更广泛的细分市场占据足够的竞争优势。

　　当然，国内汽车消费主体的变迁，将使汽车制造智能网联化突飞猛进。这在某种意义上也意味着新一代造车企业的机会来临。据JD.POWER的研究显示，国内汽车消费主力正从60后、70后转为80后、90后。相较于上一代，新一代消费者对汽车智能化配置的关注度明显提升。

　　如此看来，在智能汽车制造领域，5年之内看传统车企，5年之后看传统车企及新晋车企中的优质企业，这应该是一个相对稳妥的判断。

　　事实上，如何在全新智能驾驶理念（硬体一步到位，在感知层与决策层不断更新迭代）下造车，部分传统车企已经有了全新认识，并走在了行业前列。如丰田在2018年1月9日的CES展会上发布了e-Palette多功能出行平台，并宣布从一家汽车公司转型为一家移动出行公司，丰田的竞争对手也将转变为谷歌、苹果和Facebook等科技类巨头。

　　百舸争流的新生态

　　在新造车势力中，特斯拉无疑最具代表性，其智能驾驶+纯电动硬体一次性到位的生产模式，已成为这类车企发展的共性趋势。

　　2016年10月，特斯拉发布了Autopilot2.0，表示所有新车都将具备完全自动驾驶的硬体基础。汽车在交付给用户的同时，特斯拉不断累积大量用户实际道路行驶的经验数据，通过机器深度学习，支持未来智能系统的进一步升级。

　　特斯拉模式沿袭的是苹果手机空中升级（OTA，Online Travel Agency）的模式，体现了典型的互联网思维。如果这种模式将智能汽车赋予“类生命”的性质，即通过不断学习、不断以更成熟的方式适应自身所不能完全掌控的外部世界，这应当是相对现实的做法。但特斯拉曾经的承诺是，可以在2019年或之前升级为全自动驾驶。这种承诺的实现有其极大的不确定性。

　　咨询公司Navigant发布了最新一项报告，这项报告按照战略与执行度两个维度，对具有代表性的19家无人驾驶汽车企业进行了排名。具体评价标准包括目标、市场化策略、合作伙伴、量产策略、技术、销售、产品质量与组合、市场份额和可靠性等。这19家企业被分为领导者、竞争者、挑战者和追随者四类。按所属类别与先后次序排名如下：

　　领导者：通用、福特、Waymo（谷歌旗下自动驾驶汽车项目）、大众、戴姆勒-博世、雷诺日产联盟、安波福、宝马-英特尔-FCA；竞争者：沃尔沃-Autoliv-爱立信-Zenuity、PSA、Navya、百度-北汽、捷豹路虎、丰田、现代；挑战者：Uber、特斯拉、本田和苹果。

　　目前看来，在通往完全自动驾驶之路上，特斯拉仍面临艰难的求索之旅。2015年特斯拉推出带有驾驶辅助功能的Autopilot，最初版本采用了以色列Mobileye公司的硬体。2016年发生的一场致命的自动驾驶系统事故后结束合作，特斯拉开始独立构建第二版Autopilot。但目前看来，在推出第二版本之后的一年多里，自动驾驶仪仍然缺乏一些原始的功能，而且用户反馈系统存在大量不可预测行为。

　　与此同时，一些立足于为整车企业提供整体解决方案的公司，如谷歌、英特尔，以及诸多整车企业却表现亮眼。

　　通用并收购了自动驾驶初创企业Cruise Automation，并计划在2019年引入其Supercruis技术。Supercruis依靠高精度地图（采购自地图供应商）作为数据基础，结合各类传感器及定位计算设备，获得路况实时预知能力。进入2018年，通用汽车最新申请已获联邦政府批准，将在2019年量产并推出一款没有方向盘和制动踏板的无人驾驶汽车。

　　戴姆勒与一级汽车供应商博世结盟，开发完全无人驾驶技术。计划在2018年推出一款高级辅助驾驶车型。丰田于2016年创立了丰田互联，计划藉以实现未来车辆的互联化、智能化。

　　面向智能驾驶领域，谷歌与百度采用相类似的“硬体外包+软件自主”轻资产路线。2017年11月，谷歌的无人驾驶汽车项目Waymo宣布将开始对无人驾驶汽车进行测试。Waymo的模式是开发整套解决方案，已与菲亚特克莱斯勒签署了几项小型协议，为600辆Pacifica皮卡提供Waymo的专有传感器和内置硬体。预测谷歌未来将采取把自己的无人驾驶系统和软件技术通过授权给车企的方式推向市场。谷歌无人驾驶技术立足两个方面优势：一是扎根于各城市街道的精密Google Maps地图数据，可以每日模拟数百英里的路程；二是谷歌一直在持续进行的复杂城市道路的实际路试。

　　国内传统车企采取的是与互联网科技企业战略合作、协同开发的方式，如长安、上汽与阿里合作等等。相对于通用、特斯拉等企业倾向于建立自己的体系、单打独斗发展整车开发与产品制造能力，国内的企业显然更加具有开放与合作精神。新进入者蔚来也计划请江淮等传统企业代工的方式造车。相形之下，中国的智能驾驶之路更像是在精细分工下，各展所长的“群众运动”。这种方式使得传统与创新更相容，展示中国包容与合作的传统智慧，必将展现出更为持久的生命力。

　　迄今为止，国内车商更多的是发挥国内的互联网技术积淀，推进的是“网联”技术而非“自动驾驶”。如上汽集团目前重点布局高精度定位、导航和地图领域，以及车载服务信息等；与阿里巴巴合资成立斑马网络，为上海汽车注入互联网基因。上汽还于2014年底在硅谷建立了投资公司，并先后于2016年和2017年在加州和以色列建立了创新中心。

　　相对而言，在自动驾驶核心技术方面，无论是硬体还是软件，无论是技术水准还是资本投入，我国相对欧美日韩均还有不少差距。但在这一新的生态领域，渐进式的智能驾驶技术升级路径，为无论是传统车企还是新进入车企，无论是“智能”车企还是“网联”产业链车企，都提供了广阔的生存空间。

　　参照手机行业开源与自主整合的两种模式来看，安卓系统诞生于2008年，落后于苹果的iso系统。但其市场份额从2009年的4%迅速提升到2015年的81%。由此可见，“群众运动”模式在智能化领域的生命力。而开放、共用正是互联网精神的体现。

　　资本市场如何面对？

　　在传统的汽车企业中，有两类企业值得关注。一是现有各细分市场领域的优秀企业，包括部分实力雄厚、在最近几年崭露头角的大型国企，以及业绩表现优异、展现出持久生命力的民营造车企业。其中，部分民营企业自2016年以来已经步入明显的上升通道，这些企业几乎全部已经规划生产智能驾驶及新能源汽车，其中将涌现出未来的明星，投资这类企业在未来几年中将相对比较稳健。

　　二是部分企业在诸多传统商用车、乘用车领域占据领先者地位，但是受制于市场的激烈竞争，难以依靠自身产品的利润支撑资金需求体量庞大的产品创新。该类企业今后几年将面临艰巨的内部改革及资产重组任务。对于该类企业，机构投资者深度介入，以资金实力支撑其最新生长点或协助处理不良资产将可能会发现意想不到的机会。

　　对于新造车势力的企业则要慎重选取，进行战略性投资。这类企业一般需要数十亿元乃至上百亿元的巨额资金。但是即使如此，设计出相对成熟的新车，进而获得盈利，仍旧要等待一个较长的周期，投资回报的取得往往需要依靠资本市场的长期运作。投资这类企业一般有更大的风险，当然也可能会有意外的惊喜，风险往往意味着更为可观的增值空间。

　　【华发网根据21世纪经济报道、新浪、每日经济新闻、中国工商报采编】（版权所有，文章观点不代表华发网官方立场）