當我們還在感慨駕駛是一件費心費力的事情時，無人駕駛技術的進步已經逐步開始了解放我們的雙手到大腦的發展，在 O'Reilly 和 Intel人工智能 2018 北京大會上，營長與前百度硅谷研發中心創始核心成員李力耘博士聊了聊，李力耘表示目前無人駕駛技術上最亟待解決的技術是：是傳感器的能力跟它的價值的平衡、無人駕駛的規劃控制兩大問題。
 
　　無人駕駛發展的價值
 
　　無人駕駛技術的發展，對人類來說不僅僅是解放了雙手，還解放了大腦。我們的注意力不需要集中在駕駛上，這將為經濟效益和社會效益帶來極大進步。
 
　　無疑在北京和美國硅谷這種交通環境下，開車對我們來說并不是一種享受，它需要花費很多的時間和精力，如果無人駕駛技術得到普及，可以把開車的時間解放出來，可以在車上查查郵件，看看新聞，甚至休息一下。另外，無人駕駛對經濟的生態也會帶來一些變化，例如無人產業鏈或許就會改變商圈的選址。
 
　　數據顯示，人類開車大概每百萬公里的量級就會出現一次致命事故，無人駕駛發展至今，已經行駛上千萬公里，發生了 Uber 的事故，相對來講，無人駕駛反倒是比人類駕駛安全系數更高。
 
　　無人駕駛取代司機是一個漫長的過程，可以看到，無人駕駛的測試是配備有司機的。如果無人駕駛技術得到普及，可以做整體全局上的智能城市的優化，比如說大家可以有一個集中的調度的系統，來優化去同樣目的地人群，并提倡共享出行。
 
　　無人駕駛技術不僅僅解放了人類的精力和效率，最終的方向是建立智慧城市，智能交通的規劃，隨著這種統籌的發展，也許司機的比例逐漸減少，但最終取代司機的這一天，可能還有很長的路要走。
 
　　國內的測試環境更具挑戰
 
　　李力耘認為，美國現代的無人駕駛技術，還是遠遠領先于國內的，從加州交管局的匯報的數據可以看到，國內頂尖的 Apollo 與 Google Waymo 和 Uber 相比還是有一定差距的。
 
　　另外一點， 無人駕駛的人才在美國硅谷比較多 ，這是一個非常重要的一個差別，Google Waymo、Uber 等都積累了很多無人駕駛的人才，國內在這方面仍處于剛剛開始積累的階段。
 
　　國內的測試環境更具有挑戰，政府提供了很多的支持，無論是交管法規，還是技術設施，都給予很多的支持，加上中國人對新事物的接受程度很快，像這些移動支付，O2O 這種都是美國沒見過的模式，國內很快接受了，在這方面有很大的優勢。
 
　　所以，在這種落地跟轉化上中國的優勢很大，美國是技術上的比中國積累的深厚，另外人才方面，隨著中國人才漸漸的積累和爆發，最終差距不會很大。
 
　　亟待解決的兩大技術
 
　　無人駕駛技術目前最亟待解決的技術有兩個部分：
 
　　第一，是傳感器的能力跟它的價值的平衡問題
 
　　據法國權威市場分析機構 Yole Développement 的統計，智能駕駛主要通過攝像頭(長距攝像頭、環繞攝像頭和立體攝像頭)和雷達(超聲波雷達、毫米波雷達、激光雷達)實現感知的;當前最先進的智能汽車采用了 17 個傳感器(僅指應用于自動駕駛功能)，預計 2030 年將達到 29 個傳感器。
 
　　舉個例子來說，激光雷達技術并不是「原子彈科技」，這項技術只是需要更多的沉淀，更多的精力來把它做的更好、更精。從技術上來說是存在成本降低的可能性。
 
　　現在每一個激光雷達廠商都說，只要給我多大量，我就能把成本做下來，所以只要技術方案定下來，降成本是一定可以降的，它的更多挑戰是怎么把這個雷達給沉淀更加穩定，更加精準、更加適合無人車的使用。
 
　　第二，無人駕駛的規劃控制
 
　　無人駕駛技術在正常行駛的方面已經解決的很好，但是遇到一些異常情況，如出現一些行人不守交規，或者是一些極端情況的時候，我們怎么把長遠的問題，通過算法處理好，這是一個挑戰。
 
　　或許無人駕駛測試幾百萬公里級別，才出現一次 Uber 事故的場景，無人車測試的時候也會盡量避免這樣的事情，而在這個領域里面，規劃控制和模擬器是可以發力的一個點。
 
　　用模擬器和人工智能去檢測一些車的極限能力，或者是在一些極端情況車輛的反應情況，這些場景往往不太能通過采集數據，或者通過正常的手段來進行學習跟測試的。
 
　　對人工智能期待過高
 
　　很多人都覺得人工智能不夠“智能”，這是因為大家對人工智能的期待過高，從無人車的角度，人腦是一個神經網絡，是經過了很多年迭代的，就是說你生下來的時候是一個設計好的網絡，這個網絡叫做基因跟生物學上的大腦。
 
　　除此之外，比如說你長到 16 歲開始開車，其實你的大腦的感知已經訓練了十幾年了，你對這個世界的理解，不是說像無人車這樣，弄很多圖片，然后訓練，人的大腦的感知能力是非常強大，所以，人工智能要真的能達到這個人的感知能力，還有很長的路要走。
 
　　人工智能現在隨著計算機視覺發展，在感知和預測上都有顯而易見的應用，但是在決策規劃上，應用并沒有這么直接。隨著人工智能的發展，決策規劃也已經向有數據驅動的方向開始轉變。
 
　　通過采集人開車的數據，和機器開車數據的區別，來訓練我們的算法。 讓我們的算法開車越來越像人的行為，這是人工智能開始滲透到決策規劃的一個方向，未來有一天人工智能也會成為決策規劃上一個主流的算法。
 
　　各個城市關于無人駕駛的法規剛剛出臺，目前還沒有那么健全，但這也是擁抱無人駕駛技術變化的一個很好的體現。另外在這些法規的督促下，更合法又有效去的去提高整個系統的穩定性和能力，然后把這個系統做的更好。
 
　　很多人將無人駕駛技術發展看作是技術與法律的博弈，其實這更像是一個互相發展、互相適應的過程。