|
|
点击标题下“武理工国家水运安全中心”快速关注
人生若只如初见“皇家”理工
国家水运安全中心 (WTSC)
点击阅读原文，一起玩耍
编辑：武汉理工大学智能交通系统研究中心
国家水运安全工程技术研究中心
来源：科学网、交通部、教育部、科技部、国家自然科学基金委，中国交通新闻网，智能交通，啸谈阡陌，车云网，青塔网，搜狐网易科技，新浪科技，央视网
内容提要
微信论科教
《经济学人》无人驾驶报告: 2030年，“乘客经济”规模7万亿美元无人驾驶推进时间表及五大技术领域关键节点ofo被迫抵押借款17.7亿，为何滴滴不肯为阿里的投资签字？Sci-Hub背后的“盗版女王”：只要人身安全，就会坚持下去中国各地AI行业政策汇总及解读
科学网、科技网、交通新闻网
历史性的一步！中国"无人汽车"在上海正式上路汽车业巨头纷纷入局 保时捷正在研发无人驾驶飞机中国医疗AI公司遇“C轮死”魔咒：2018 如何破局自动驾驶汽车如何改变一座城？
凤凰科技网、网易科技等
连续4年提案，李彦宏称AI中美竞赛优势在数据中国研发"超级高铁"：理论时速可达1000公里投资28亿美元，丰田等日企成立自动驾驶研究公司
交通期刊最新论文
Transportation Research Part A-F、AAP，中国公路学报、交通运输工程学报、交通信息与安全
微信论科教
1
《经济学人》无人驾驶报告: 2030年，“乘客经济”规模7万亿美元
重新发明轮子
每天，约有1千万人使用 Uber。这家公司正让叫车服务在全球82个国家、600多个城市变得越来越常见。
但是，在匹兹堡寒冷的冬天早上，跑在路上的那辆沃尔沃XC90并不是一辆普通的Uber用车：
座位之间的触屏正显示着车辆周围的情况，比如行人、车辆和骑自行车的人。点击触屏并告知你的目的地，沃尔沃会自动出发，没有司机（坐在驾驶员座位上的是实验人员，不是司机）。这是一辆自动驾驶汽车。
汽车甚至知道匹兹堡当地的驾驶习惯——「匹兹堡左」：即使绿灯已经亮了，汽车仍然会礼貌地让对面汽车左拐。
自动驾驶汽车与人类司机最大的区别在于，它并没有努力躲开路面上臭名昭著的坑，时而颠簸。测试员有时会接管车辆，比如指引汽车通过最近道路标志线有变的施工地点。
虽然自动驾驶汽车并未完全准备好取消人类监督。但近些年来，自动驾驶技术进展迅速。如今，已经可以在几个美国城市道路上看到这些汽车。
在匹兹堡和凤凰城，Uber的自动驾驶汽车正载着测试员运行着。Waymo更进一步，在凤凰城的一个郊区Chandler测试驾驶座上都没有人的小型货车。
公司计划在今年提供商业叫车服务。而美国最大的汽车公司通用汽车希望于2019年用雪佛兰Bolt提供自动驾驶汽车服务，这些车甚至没有方向盘和脚踏板。
在硅谷和匹兹堡这两个主要自动驾驶中心，也可以见到科技巨头、创业公司和汽车制造商们运行的自动驾驶汽车。
在世界其他地方，自动驾驶交通工具也在大学校园、商业园区运行或沿着特定公交车道提供服务。就连1月份的CES都被自动驾驶车辆抢尽了风头。突然，似乎每个人都开始随大流了。
计算机视觉和其他机器学习系统近期取得的进展是一个原因。从芯片制造商到软件公司，科技人士都认为自动驾驶会是一个利润丰厚的新兴市场。
Uber 和其他叫车服务的兴起让汽车行业认知发生了巨大变化。汽车制造商意识到需要认真对待自动驾驶汽车，因为它们会重塑整个产业。
自动驾驶技术和叫车服务的结合，以及电动汽车转向也会改变许多人拥有自己汽车的所有权逻辑。发达国家的叫车服务费用约为每英里 2.5 美元，而自己开车每英里成本为 1.2 美元（见图表）。
但是，司机成本占了叫车服务成本的 60%。投资银行 UBS 预测，自动化、竞争和电动化（虽然购买不便宜，但是运营起来会便宜不少）会削减掉 70% 的叫车服务成本，降到每英里 0.7 美元。
所以，一个典型美国家庭每年里程约为 1 万英里，如果使用自动驾驶汽车的出租车服务，每年可以节省 5000 美元。另外也有一些其他好处，比如喝多了，你的孩子也能帮忙开车。
一旦汽车变成自动驾驶汽车，汽车所有权也会发生实质变化。UBS 预测，2025 年后，自动驾驶汽车会迅速起飞，到 2035 年，80% 的人会使用它们。
BCG 预测，到 2030 年，美国公路四分之一的乘客周转量都会变成共享的自动驾驶电动车服务，城市汽车数量会降低 60%，尾气排放量降低 80%，交通事故降低 90%。
尽管一些人希望拥有自己的车，但是一半的自动驾驶汽车将用于叫车服务。全球看，自动驾驶汽车和叫车服务融合带来的「乘客经济」规模将达 7 万亿美元，一家咨询公司 Strategy Analytics 说。
汽车制造商、科技巨头、创业公司和叫车服务公司已经开始竞争。汽车制造商虽然懂造车，但是对复杂的软件所知甚少。技术公司知道机器学习和计算机视觉，但是不懂造车。叫车服务公司的应用程序装在数以百万的用户手机当中，显然提供了切入市场的路径。所以，我们就看到了图表中各种混搭风格的合众连横。（见图）。
英特尔买下了 Mobileye。通用汽车买下了 Cruise, 成立了 Maven 并且投了 Lyft 5 亿美元。福特解雇了自己的 CEO，部分也是考虑到公司在自动驾驶领域的落后。
现在，公司投了 10 亿给 Argo，也与 Lyft 联合起来。德尔福收购了 nuTonomy 并更名 Aptive。Uber 也同意从沃尔沃购买 24，000 量自动驾驶汽车，并与戴姆勒合作。
戴姆勒已经收购了 Uber 在欧洲和中东的竞争对手，也拥有自己的叫车服务。欧洲最大的汽车制造商大众则与 Aurora 达成交易，等等。
总之，技术板块与汽车制造板块正在彼此撞击，引发地震。这一变革既会改变其这些行业，余震更会产生深远影响：自动驾驶汽车会成为像智能手机一样的变革之物。
手机重塑了 20 世纪的世界，无论是在好的方面还是坏的方面。自动驾驶汽车也会改变人类的生活、工作与娱乐。
在城市规划中，自动驾驶汽车会是一个解决许多难题的大机遇。如果在 20 世纪，汽车赋予人类行动自由，那么 21 世纪，自动驾驶汽车会赋予人类独立于汽车的自由。
但是，正如汽车带来了负面效应，自动驾驶汽车也将引发关于安全、网络安全、责任与公平的担忧。
本期《经济学人》的专题报告会假设通往全自动驾驶的技术障碍都会被克服。文章将讨论自动驾驶汽车对以下各个方面的影响：个人出行、汽车产权以及汽车制造，也会讨论更为广泛的给社会经济和文化造成的连锁影响。
我们的日常生活如何被重塑？自动驾驶汽车会重塑城市吗？二十世纪汽车崛起引发的教训，有哪些值得 21 世纪的自动驾驶汽车吸取？
出售的是乘车服务，而不是车辆本身
如果想购买一辆属于自己的自动驾驶汽车，估计要等下一个十年了。
自动驾驶汽车首先会出售给出租车队运营方，而不是个人。主要原因有两个：
首先，激光雷达传感器仍然很贵，会比车辆其他部分成本的总和还贵。对于车队来说，价格贵不是个太大的问题，因为车辆在整天的运营过程中会有收益。
第二，如果运营地理区间限定在精细地图所涉范围内 (比如城市中心)，在保持自动驾驶车辆的安全和可靠性方面，车队会更加适合。
所以，你的首次自动驾驶体验，可能来自叫车应用，而不是自行购买的车。
目前，Waymo，Uber、Voyage、Navya 等都在尝试运行自动驾驶汽车的出租车服务。
BCG 的 Nikolaus Lang 预测，大规模的部署最有可能始于部分城市地区中有地理围栏的出租车服务，比如新加坡或迪拜，接下来几年会扩展到其他地方。
要想自动驾驶汽车便宜到个人买得起，并能在预定好的、有地理围栏的区域内运行，估计是许多年以后的事情了。
而与此同时，便宜的出租车服务或许会让许多都市人放弃汽车所有权。自动驾驶技术和叫车服务的结合，让许多汽车制造商的「自身商业模式面临最为深刻的挑战。」一份近期的 BCG 报告指出。
这也是我们看到汽车制造商正涌进叫车服务领域，推进自己的自动驾驶项目的原因。
未来，汽车的所有权只是一个可选项，出售的是搭乘服务而不是汽车本身。
这一变革给汽车制造商们带来巨大机遇。
如今，全球汽车制造市场规模约为 2 万亿美元，而个人出行市场规模则高达 10 万亿美元。
不过，这也让这些汽车制造商们面临新的竞争对手，比如科技公司和叫车服务公司。一些汽车制造商们推出了自己的出行服务，而其他公司更愿意扮演车队管理人（fleet managers）的角色，为出行服务运营商们提供「产能」，并根据公里数收费。
还有一些汽车制造商们甚至打造「白标（white label）」车队，它可以包装成某个城市或叫车服务网络的自动驾驶服务。
自动驾驶汽车的出租车服务预计产生的收益会吸引到机构投资人。
因此，将自身转变为汽车资产管理者会是汽车制造商们一个合乎逻辑的选择。而事实上，这些制造商们的融资部门也已经涉入了车队管理领域。
对于用户来说，定价模式也会发生变化。
Uber 已经在一些城市尝试类似通信行业的月付计划，以某个固定价格享受一定次数或里程数的出行服务，就像以一定价格享受一定量的电话、短信和数据流量服务。
目前，全球汽车销售量约为 8 亿辆，而自动驾驶汽车会给这一销量带来巨大影响。由于 95% 的时间都处在未被使用的状态下，将这一情况转变为共享出行服务会极大减少路上的车辆数量。
UBS 预测了到 2030 年，全球车队的规模情况（见下图）。但是，如果自动驾驶车队在 50% 的时候都处在使用中（而不是 5%），那么这些车的更新频率会更高。
因此，除非汽车的「生命周期」能被大幅延长，否则，每年所需新车数量会呈上升趋势。
但是，特斯拉的量产问题已经表明，在大量生产汽车的同时，确保汽车可靠并不是件容易的事情。
这些汽车制造商们多年来拥有的核心技术就是优异的制造技术，所以，即使在自动驾驶汽车的时代，一家汽车制造商仍有大买卖可以做——只不过与今天的生意有所不同：
做了 100 多年的硬件，如今也需要严肃对待软件和服务了。而这意味着新的人才、收购和合作。
自动驾驶汽车也加速了向电动汽车的转变，而电动汽车所需的组建和组装线工人更少。
发生变化的不仅仅是汽车制造商，还有汽车本身。
自动驾驶汽车看起来和普通汽车无异。但是，如果不需要方向盘和脚踏板，自动驾驶汽车的外形和大小可以有更多的想象空间。
大众公司的 Sedric 和 奔驰的 F015 呈仓状，乘客可以面对面坐着。
未来，自动驾驶汽车或许应该有一些隔离的空间，这样才能鼓励人们与陌生人共享出行服务，而家庭成员出行可以订阅不同设计的车辆——家人可以坐在一起的那种。
不过，所有这些对于汽车经销商来说，都是坏消息。
如今，很多经销商已经很难赚到钱了，它们主要是通过汽车金融和服务中获取利润，因此即使汽车产权的微小变化也会给它们带来重创。
汽车修理厂和零部件商也会受到影响。如果自动驾驶车辆降低了汽车事故量，一些汽车部件供应商们会将自动驾驶汽车视为未来盈利的威胁因素。
而保险商们也会因所有权和事故数量的降低而受到影响。医疗保险和个人伤害赔偿案件代理律师也会受到波及。
不过，最直接受到自动驾驶服务影响的是那些开出租车、送货车和卡车的人们。
我们已经可以看到，接下来几十年，自动驾驶汽车将引发汽车产业及其相关产业巨变。但其后续影响去不会仅仅止步于此。
就像若干年前诞生的汽车一样，自动驾驶汽车也将对文化和社会产生深远影响，而影响最明显的地方就是城市。
2
无人驾驶推进时间表及五大技术领域关键节点
“汽车技术发展到如今，几乎没有人质疑无人驾驶会成为汽车行业变革的巨大浪潮，然而对于各项技术落地的时间点，各大车企、互联网公司、研究机构、通讯公司、科技巨头等众说纷纭，本文援引莫尼塔财新智库的一篇研究，系统梳理了无人驾驶各关键技术节点以及其成熟时间。”
1）汽车电子沿着两横三纵的技术架构，逐步实现成熟的智能化和网联化：2016年-2018年主要是三大传感器的融合使用；2017年-2019年主要是高精度地图的成熟；2019年-2022年是车载通讯模块、互联网终端、通信服务的成熟；2022年-2025年主要是决策芯片和算法的成熟。
2）2016-2018—三大传感器融合：国内毫米波雷达已经开始出货；车载视觉系统硬件已经达到消费级水平，进入软件成熟期；激光雷达成本不断下降，加速ADAS和无人驾驶的普及进程。
3）2017-2019—高精度地图的成熟：传统地图无法满足自动驾驶的要求，高精度地图是L3、L4级别最为关键的技术；当前高精度地图参与者主要有图商、自动智能驾驶科技公司、ADAS方案提供商、传统车企四类，其优劣势各不相同，硬件软件逐步融合。
4）2019-2022—车载通讯模块的成熟：LTE-V在延时、频谱带宽、可靠性、组网成本、演进路线等方面都具有优势，未来的发展趋势大概率是使用LTE-V标准；目前布局的主要是半导体厂商和汽车厂商，但国内很多公司都进入了产业链，大唐电信也发布了全球第一台LTE-V车联网设备，有望在车载通讯模块爆发之际获得高速成长。
5）2022-2025—算法和决策芯片的成熟：各大厂商都在用不同的芯片设计支持不同的算法，Google自己已经开发了TPU，用于CNN加速，地平线也在开发BPU，Intel收购Mobileye打造芯片算法一体化，未来或是FPGA支持下的深度学习算法来实现自动驾驶。
1. 汽车电子发展时间表
1.1 汽车电子沿着两横三纵技术架构走向成熟
智能网联汽车是搭载先进的车载传感器、控制器、执行器等装置，融合现代通信与网络技术，实现车与X（人、车、路、后台等）智能信息交换共享，具备复杂的环境感知、智能决策、协同控制和执行等功能，可实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车。按照技术应用和应用场景，组成了两横三纵的技术架构。
1.2 汽车电子时间发展表—智能化与网联化协同发展
汽车电子的发展有两个维度，智能化和网联化，沿着两横三纵的技术架构，逐步实现成熟的智能化和网联化。
2016年-2018年主要是三大传感器的融合使用，传感器和视觉解决方案的融合促进实现自适应巡航、自动紧急制动等部分自动驾驶（PA）功能，以及辅助网联信息交互；2017年-2019年主要是高精度地图的成熟，实时路况的更新和更丰富的路况信息加速实现车道内自动驾驶、全自动泊车等有条件自动驾驶功能，以及部分网联信息协同感知；
2019年-2022年是车载通讯模块、互联网终端、通信服务的成熟，5G网络建设的部署完成和商业化，V2X信息交互低延迟要求共同推动网联化的加速，实现更复杂路况（近郊）的全自动驾驶；2022年-2025年主要是决策芯片和算法的成熟，随着人工智能嵌入式落地智能终端，FGPA通用架构向ASIC专用架构的转变，算法和芯片设计的协同发展，实现全区域的无人驾驶等高级（HA）/完全自动驾驶（FA）功能和网联协同决策控制的功能。
1.3 各国陆续出台政策推动ADAS的普及
欧盟委员会考虑2017年将19项安全技术纳入新车的标准配置，并将强制执行，自动紧急制动和车道偏离警告成为标配；国内2017年速度辅助系统、自动紧急制动、车道偏离预警/车道偏离辅助的加分要求已设定为系统装机量达到100%。各国政策陆续出台，要求汽车逐步配备汽车电子相关组建，成为汽车电子发展最大的推动力。
1.4 国外谷歌和特斯拉两种发展路径加速发展
加州车管局（DMV）公开了自动驾驶项目的脱离测试数据，基本衡量了目前主要自动驾驶项目在加州境内在不同天气环境，不同的路段进行测试的进展，谷歌的性能明显优于其他厂商。
谷歌和特斯拉在无人驾驶领域采取了两种不同的有代表性的发展路径，谷歌利用地图和深度学习实时建模来实现自动驾驶；特斯拉依赖于传统的传感器的融合实现数据搜集识别、处理分析、完成自动驾驶功能。
从自动驾驶精度来看，谷歌的没有明确的数据，但其软件层面的可以检测和理解手势之类的信号并作出反应；mobileye的FCW（前向碰撞预警）的算法识别精度达到99.99%；特斯拉的算法处理水平很高，奔驰的路测车有着比特斯拉多一倍的传感器，但是精度远不及特斯拉。
谷歌的自动驾驶技术发展可以分为两段，以waymo成为独立事业部为转折点：第一阶段，主要突出软件领域和技术突破，采用自有的高精度地图和Velodyne提供的64线激光雷达方案，配备谷歌chauffeur软件系统，最为突出的是展示的无人驾驶原型车中直接抛弃了传统车的刹车、方向盘、油门等设备，仅用一个启动键实现无人驾驶，而硬件制造原型车都是来源传统车企，如2014年展示的谷歌第二代车型就是从白色雷克萨斯RX 450H混合动力SUV改造而来。
2016年11月，waymo成为独立事业部后，开始采用硬件和软件并行的方案，采用自己研发的激光雷达，传统传感器和8个视觉模块相互融合，展示的无人车使用了三个不同探测距离的激光雷达，自主技术研发将激光雷达成本降低九成。未来技术商业化首先落地在货运（有个固定场景的低速共享市场）和共享车服务的应用。
2016年11月，特斯拉Autopilot2.0 发布，该系统将包含8个摄像头，覆盖360度可视范围，对周围环境的监控距离最远可达 250 米；车辆配备的12 个超声波传感器完善了视觉系统，探测和传感硬、软物体的距离接近上一代系统的两倍。增强版前置雷达通过冗余波长提供周围更丰富的数据，雷达波可以穿越大雨、雾、灰尘，甚至前方车辆。另外，Autopilot2.0使用的处理芯片NVIDIA Drive PX 2的处理性能为原来Mobileye Q3的40倍。
1.5 国内科技公司和传统车企合作打造自动驾驶，精度提升速度快
通过863计划实施和国家自然科学基金委项目支持，清华大学、国防科技大学、北京理工大学等部分高校、院士团队、汽车企业在环境感知、人的行为认知及决策、基于车载和基于车路通信的驾驶辅助系统的研究开发取得了积极进展，并开发出无人驾驶汽车演示样车。清华大学等高校联合企业开发的自适应巡航控制系统、行驶车道偏离预警系统、行驶前向预警系统等具有先进驾驶辅助系统（ADAS）功能样机，正在逐步进入产业化阶段。
2. 2016-2018—三大传感器融合
2.1 毫米波雷达国内开始出货
毫米波雷达的主流方向是24GHz和77GHz，24GHz主要应用于汽车后方，77GHz主要应用于前方和侧向。未来毫米波雷达会逐渐向77GHz频段（76-81GHz）统一，其中76-77GHz主要用于长距离毫米波雷达，77-81GHz主要用于中短距离毫米波雷达（已有欧盟、CEPT成员国、新加坡、美国FCC委员会、加拿大工业部等进行相关规划）。
随着配备从高端车型向中低端车型下沉的趋势，目前毫米波雷达已经逐渐普及，一般配备情况是“1长+6短”（如奔驰S级）、“1长+4短”（如奥迪A4）、“1长+2短”（如别克威朗）。
MMIC由国外公司掌控，特别是77GHz的MMIC，只掌握在英飞凌、ST、飞思卡尔等极少数国外芯片厂商手中，国内处于初始研发阶段，主要在24GHz雷达方面，华域汽车、杭州智波、芜湖森思泰克等企业在已有部分积累。
雷达天线高频PCB板技术也掌握在国外厂商手中，Schweizer占据全球30%市场份额，在77GHz方面优势明显，PCB使用的层压板材则主要由Rogers、Isola等公司提供。国内高频PCB板厂商暂无技术储备，根据图纸代加工，元器件仍需国外进口，沪电股份已就24GHz和77GHz高频雷达用PCB产品与Schweizer开展合作。
目前中国市场中高端汽车装配的毫米波雷达传感器全部依赖进口，华域汽车已经能生产24GHz毫米波雷达，主要完成BSD盲点侦测、LCA车道切换辅助等功能，解决产品形态的导入。国内第二阶段的研发将同样针对24GHz产品，目标是降低成本，预计产品2017年底出现。
2.2 车载视觉系统硬件成熟，软件逐步升级
车载视觉系统包括车载图像感光芯片、专用图像处理ISP芯片、车载光学镜头、车载视觉系统。
借由镜头采集图像后，由摄像头内的感光组件电路及控制组件对图像进行处理并转化为电脑能处理的数字信号，从而实现感知车辆周边的路况情况、前向碰撞预警、道偏移报警和行人检测等功能。
硬件方面，车载摄像头主要由CMOS镜头（包括lens和光感芯片等），芯片，其他物料（内存，sim卡，外壳）组成。
软件方面，以mobileye为例，主要体现在芯片的升级和处理平台的升级，工作频率从122Mhz提升到332Mhz，访问方式的改变使速率提升一倍，图像由640*480彩色像素提升为2048*2048（Input）和4096*2048（output）等。
从市场竞争格局来看，除了极少数厂商具备垂直一体化的能力，绝大部分厂商都将业务集中于产业中的某个或者某几个环节。光学镜片主要是台湾的厂商在主导，大陆厂商在红外截止滤光片上有一定优势，图像传感器主要是欧美和韩国厂商为主，模组环节大陆、韩国、台湾、日本厂商份额居前，国内厂商成长迅速。
目前汽车零部件提供商巨头的摄像头传感器都已与整车厂合作量产，同时加大研发投入，注重芯片和算法的提升。国内未来摄像头的发展主要体现在专用图像处理芯片与复杂图像处理技术突破，基本实现自主研制，最终实现车载视觉与其他感知系统融合产品的大规模应用。
2.3 激光雷达成本逐步下降
激光雷达是一种集激光、全球定位系统与惯性导航系统三大技术于一身的综合光探测与测量系统，其工作原理是通过透镜、激光发射及接收装置，基于激光飞行时间（TOF：time of fly）原理获得目标物体位置、移动速度等特征数据，并且获得的数据本身就是三维数据，不需要通过大量运算和处理才生成目标三维图像，激光测距有非常高的精度。所以，激光三维成像雷达是目前能获取大范围三维场景图像效率最高的传感器，也是目前能获取三维场景精度最高的传感器。
激光雷达组件主要包括激光器，传感器（收发器），光学镜片，如上图所示这套发射/接收组件和旋转镜面结合在一起，镜面不只反射二极管发出去的光，而且也能把反射回来的光再反射给接收器。通过旋转镜面，能够实现360度的视角。
国内公司在多线激光雷达上较国外高水平企业还有较大差距。国内的激光雷达产品多用于服务机器人、地形测绘、建筑测量等领域，但是国内企业尚未研制出可用于ADAS及无人驾驶系统的3D激光雷达产品，主要还是处在探索研发阶段。
《中国制造2025》重点技术路线图显示，国内将逐步实现测距激光雷达相关硬件的自主研制，突破厘米级实时测距关键技术、样机生产与测试，实现低成本、小型化。到2025年左右，实现多线激光雷达软硬件技术自主化，掌握与其他车载传感器融合关键技术，实现大规模车载应用，支撑HA级整车产品需求。
3. 2017-2020—高精度地图的成熟
高精度地图在L3、L4级别的自动驾驶阶段属于最为关键技术，高精度地图的成熟可以减少汽车对雷达等感知设备的依赖程度，在降低成本的同时提升自动驾驶技术的可靠性，同时也是V2X与自动驾驶技术融合的载体，统一的标准有助于技术的应用和发展。
3.1 传统地图无法满足自动驾驶，高精度地图是L3、L4级别最为关键技术
相比于传统地图，高精度一方面绝对坐标精度更高，如HERE指出其下一代绘图应用将精确到厘米级；另一方面所含有的道路交通信息元素更丰富和细致。
具体而言，高精度地图分为三个图层：活动层、动态层、分析层：
1） 活动层与传统地图相比增加了高精度道路级别的数据（道路形状、坡度、曲率、铺设、方向等）、车道属性相关数据（车道线类型、车道宽度等），及高架物体、防护栏、树、道路边缘类型、路边地标等大量目标数据；
2） 动态层将实时更新来自其他车辆传感器、道路传感器等检测到的交通数据，实时更新和补充，进入网联化第二阶段—协同感知；
3） 分析层通过实时大数据分析人类驾驶记录帮助训练无人驾驶车，进入网联化第三阶段—协同决策和控制。
目前ADAS地图具备了活动层信息， 精度为1-5m 。如宝马ASR(Adaptive Speed Recommendation)在减速的区域，会提前50-300米提醒用户减速，提前具体会依据目前车速、汽车刹车速度及司机反映时间调整；在转弯的路段，会考虑路宽、车道数目、整个路况等，计算合理的汽车速度。
目前高精度地图主要是ADAS级，实现L2/L3级自动驾驶，未来随着5G带来的车联网的数据处理便利和计算机视觉、3D建模技术的成熟，基于深度学习的环境感知技术以及端闭环实时更新云技术的发展，高精度地图会逐步向HAD级发展，我们预期2018年5G标准确立和人工智能爆发进入成熟期，高精度地图会逐渐成熟，成为支撑智能驾驶网联化的关键技术之一。
高精度地图的采集和处理有多种的技术方案，一般而言，主流图商和高科技公司如谷歌、百度采用专业化采集的方式，使用激光雷达和摄像头进行高精度的数据和城区全区域覆盖的采集，而传统车企和ADAS方案商会使众包模式以及UGC实时更新方式来采集数据。
不同的方式在成本和实时更新，数据精度和区域覆盖上各有优缺点，目前的趋势必将是图商和传统车企、ADAS方案商的战略合作，科技公司产品的商业化落地，这都会促进采集方式的整合，推动行业的发展。
3.2 高精度地图产业链和主要参与
高精度地图，除了提供道路信息，还提供实时路况信息和3D建模，参与汽车路径规划，在ADAS交互与决策中，起着非常重要的作用。
高精度地图参与者主要有图商、自动智能驾驶科技公司、ADAS方案提供商、传统车企四类，采用的方式和方案优劣势各不相同，图商有着先天优势的基因：绘图基础深厚，地图精度和覆盖率有保障，技术积累足。传统车企和ADAS方案商采用众包方案，数据量大且实时更新。
3.3 国外发展趋势：硬件和软件的融合
图商布局
以海外图商代表公司HERE为例，HERE核心业务为通过其丰富的地图数据和核心的位置平台为汽车、消费者和企业客户提供位置服务和解决方案，其地图数据覆盖约200个国家，超过4,600万公里。
通过不断的和传统车企，科技公司以及数据信息流入口（传感器厂商）展开合作，产业链生态布局也向上渗透到数据输入端的传感器和算法芯片等领域，目标成为无人驾驶技术方案提供商。HERE的战略布局正是汽车电子自动驾驶领域的一个趋势：硬件和软件的融合。
其他公司布局情况
除了图商外，其他参与者近些年来布局频繁。从数据采集方式来看，谷歌和苹果的特点是：更易直接实时更新、覆盖面更广，更精准。但无人驾驶领域需要庞大的输入数据，使得特斯拉（OTA空中更新）和uber(otter和沃尔沃货车运营)在无人驾驶测试和高精度地图上有着更易延伸和拓展的优势。
数据收集只是高精度地图作为基础支撑技术的一部分，对车辆周边环境的数据计算和处理时，谷歌一直走在高精度地图的实时建模和算法优化最前沿，其基于城市规划和路径优化规划的算法方案使谷歌在地图技术提供上依然具有较大的优势。
3.4 高精度地图的成熟
按照《中国制造2025》技术发展路线图来看，在2020之前提供适用于PA级智能网联汽车的高精度地图，且地图精度达亚米级；在2025年左右提供适用于CA级智能网联汽车地图，范围覆盖全国主要高速公路；在2030年左右，实现高精度地图生产自动化及标准化，满足无人驾驶需求，范围覆盖全国主要道路。
随着人工智能深化和5G 2018年标准锁定，高精度地图在智能化和网联化自动驾驶领域的应用会越来越成熟。
3
ofo被迫抵押借款17.7亿，为何滴滴不肯为阿里的投资签字？
3月4日，AI财经社查询工商信息得知，ofo创始人戴威已通过动产抵押的方式，先后两次将其资产共享单车作为质押物，换取了阿里巴巴共计17.7亿元人民币的融资。
AI财经社从一位相关知情人处确认了这笔交易。该人士表示，ofo后续的融资仍在谈判中，“阿里最近频繁布局线下入口，因此在这笔交易中还是比较主动的。”
AI财经社了解到，由于ofo的主要股东之一滴滴拒绝签字，阿里和ofo的投资事宜一直处于搁浅状态，因此，阿里方面只能通过贷款方式驰援。
一、为什么要抵押借钱？
通过抵押动产向巨头借钱，在科技圈近年来不多见，唯一有印象的一次是锤子。而锤子抵押股权借钱，有两个原因，一个是真的差钱了；第二个是“古典”的股权融资，难以实现。
2016年6月，企业信用信息公示系统显示，锤子科技股权出质信息变更，锤子科技CEO罗永浩将名下205.38176万股的锤子科技股权抵押给阿里巴巴（中国）网络技术有限公司。后来，锤子早期投资人郑刚出来炮轰阿里的事情大家应该还有印象，反正锤子在那段时间资金链很紧张，罗永浩后来出来承认了，还说已在演练公司破产后的程序了，当时已到了万分危急的时刻，可以说不到最后关头，企业是万万不会抵押借钱的。
ofo和锤子，与“古典互联网公司”不同，都有重资产的属性，一旦遇到资金问题，就会很急。这给一些重资产的互联网公司提了个醒：不能像互联网公司一样花钱和管钱。
为什么要抵押借钱，而不是传统的出让股权融资呢？雷帝触网的报道是“阿里巴巴投资部人员当初的确答应投资锤子科技，这项决定获得阿里巴巴董事局主席马云的通过，但被阿里巴巴的CFO给否决了，导致事情过去几个月，没有成功。”只能说，这个CFO，即蔡崇信的后继者武卫还是很厉害的，可以否决马云，这也说明阿里的制度比较完善。
这一次，按照“AI财经社”的报道，又是因为签字问题，不过不签字的成了滴滴。
一位接近交易的核心人士对36kr的爆料是：
“ofo之所以采用抵押动产的方式进行融资，主要因为可以绕开ofo的股东滴滴——不需要滴滴签字。”
二、为什么滴滴不签字？
滴滴和ofo不怎么对付，此前就有征兆了。
今年1月初，滴滴上线了自己的共享单车平台和自有共享单车品牌青桔，同时“复活”了小蓝车，已在佛山、成都等地陆续上线了。滴滴为什么在投资ofo后还要做自己的共享单车？在共享单车市场战局混乱、烧钱激烈的前提下，再做自己的共享单车，似乎不是明智的选择。
对于滴滴来说，投资一家公司且深度合作，不操心还省时间，是上策；
如果共享单车遇到麻烦，滴滴抄底整合，捡便宜买过来，但整合成本高，则是中策；
自己烧钱做共享单车，本身有风险，同时与已投资和托管的两个品牌有竞争，也影响了未来与第三方共享单车的合作，看上去是下策。
这么做显然是不得已而为之，有几说：
1、程维对现在市场上共享单车的状态，特别是要押金这个不满意，所以青桔出来就强调免押金。
接受《财经》宋玮采访时，程维表过态。宋玮问程维，“一项新业务，自己做还是投资，判断标准是什么？”程维的回答是：“有人做好了我们就合作，没人做好我们就自己做，这是我们的原则。”如果这项业务对滴滴很重要？程维的回答很霸气：“那就买下来。”
“没人做好我们就自己做”，嗯。
2、共享单车作为公共交通设施之一，对于立志要做好智能出行和智慧交通的滴滴来说很重要，程维不希望共享单车失控。
此前有消息说，ofo和摩拜单车要合并，合并后，滴滴的位置在哪里？程维的野心肯定是不甘于受制于任何人或者巨头的。如果自己不布局共享单车就很被动，所以要上双保险。滴滴在共享单车的不断投入，就是未来谈判的砝码，如果ofo与摩拜单车合并，滴滴掌握话语权固然是好事；如果不能，滴滴有竞赛的资本，程维可以“尔要战,便战”。因此做自有共享单车看上去是下策，实际上是上上策。
3、为什么不给阿里投资ofo签字呢？可能是竞争。
在滴滴和快的合并后，虽然阿里还持有一定股份（在去年底的40亿美元融资前，是6%）不过事实上，滴滴已算腾讯系。百度也持有滴滴一点股份，因为投资Uber，后来滴滴又合并了中国优步。说白了，滴滴在阿里那边已经不受控了。
去年底蚂蚁投资哈罗单车，说明大家都在找备胎。如果这次滴滴真的拒绝签字，可以说：在共享单车这个事情上，滴滴可能与阿里系真的成了直接对手，摆到明面了。
如果滴滴最终目的是全资拿下ofo，而且对目前对方的报价不满意，就可以通过拒绝签字的方式来给ofo融资增加门槛，最终给自己拿下它创造更好的条件。当然，这有点阴谋论了，看看就好。
最后再说说共享单车市场的未来：
尽管还有小蓝车、青桔、哈罗单车等等品牌，但市场上的双强格局已定，如果合并市场基本就game over了，就像今天的出行市场，滴滴拿走大头，还有一个老二，被易到让给了首汽约车。余下玩家争夺大概10%甚至更少的市场。如果不合并，两虎相争必有一伤，最终是阿里撑着ofo赢还是腾讯推着摩拜胜，今年就会有答案。
而对于我们吃瓜群众来说，可以预见的是共享单车2018年会回到理性竞争时代，大家烧钱都会谨慎很多，免费骑还给你发红包，是不可能了——就在前几天，摩拜单车和ofo的月卡价格不约而同地恢复到了20元的正常价格。
4
Sci-Hub背后的“盗版女王”：只要人身安全，就会坚持下去
所有有志于从事学术研究的人都无法避开学术期刊。但绝大多数学刊都是付费阅读的，而且价格一直在大幅增长。
业内不少人士认为，由于大多数科学研究都是由政府用税金资助的，付费学刊让科学成为了一个需要纳税人与科学家双重付费的产品。
可是，如果你不想为一篇论文付费，那么你的合法选择其实不多：你可以求论文作者给你一份（这是个灰色地带），试图在免费的开放获取学刊中找到这篇论文，或者在开放获取文库（比如 Arxiv.org）中查看作者是否上传过预印版。但这些依然不是长久之计。
许多人有所不知的是，把所有学刊的订阅费加在一起，一所大学每年要向出版集团支付 50 万到 200 万美元。
就连财大气粗的哈佛大学，在 2012 年也曾表示他们已经难以承担越来越贵的学刊，尤其是两个在 6 年里涨价 145% 的出版集团。德国康斯坦茨大学（University of Konstanz）甚至因为价格在 5 年里增长了 30%，在 2014 年全面停止订阅 Elsevier 的学刊。
这些学术出版集团之所以可以大肆涨价，是因为该行业已经实现了寡头垄断。
据研究显示，全球一半以上的研究成果都是由 5 大集团出版的：Reed-Elsevier（里德-爱思唯尔），Wiley-Blackwell，Springer（施普林格），Taylor & Francis（泰勒弗朗西斯），以及根据采取标准的不同，American Chemical Society（美国化学学会）或 Sage Publishing（塞奇出版公司）。
要知道，在 1973 年，仅有 20% 的研究论文是由前五名出版公司所出版的；社会科学领域甚至只有 10% 出版于这“5 大”。如今，几乎所有学术领域都至少有一半的研究成果出版于 5 大出版集团，而一些领域，比如心理学，甚至有 71% 的论文发表于 5 大集团的学刊中。
与一切垄断一样，这种权利给这几大出版集团们带来了大量的利润：Elsevier 的市值已涨到 350 亿美元，其科学出版业务的净利润率更是高达 39%。相比之下，Facebook 与谷歌等科技巨头的净利润率仅有 20% 左右，利润极高的苹果公司也只有 30% 出头。
不过，有垄断的地方，就有反抗者，如果反抗者拥有力挽狂澜的能力，他/她又无疑会成为既得利益者们的公敌。
如今，有一个人正在遭受全球各大学术出版集团的敌视与攻击，她被这些机构视为小人，却又被认为是一名“侠盗”。
她创办了全球最大的盗版学术论文网站 Sci-Hub，她的名字叫做 Alexandra Elbakyan。
出版商视她为死敌
在俄罗斯国立高等经济学院里一间其貌不扬的宿舍中，住着四名学生与一只猫。而这间宿舍却又十分与众不同，因为与学生们同处一室的还有一台装有 13 个硬盘的服务器。
就是这么一个不起眼的服务器，内含超过 6400 万篇全球任何人都可以免费下载的研究论文，支撑着 Sci-Hub 的运作。
在 2015 年 6 月，Elbakyan 因为 Sci-Hub 收到了一封来自全球最大的学术出版集团 Elsevier（爱思唯尔）的邮件。这封邮件的抬头就是“YOU HAVE BEEN SUED”（你已被告）。
对于拥有超过 2500 个几乎覆盖了所有学术领域的学刊的 Elsevier 来说，断人财路的 Sci-Hub 是比其他竞争对手还要可恨的死敌：读者需要为每篇属于 Elsevier 的论文支付 31.5 美元才能阅读，而 Sci-Hub 则完全免费。但对于志在通过一切手段推动科学成果的分享与发展的 Elbakyan 来说，这封电邮几乎没有给她带来任何影响。毕竟，她人在哈萨克斯坦，而这场官司则是在美国。
2015 年的这场官司最大的后果，就是为 Elbakyan 与她的网站带来无以伦比的人气。这些人气，使 Sci-Hub 这个仅成立了 6 年的网站成为了全球最大的开放获取（Open Access）学术资源网站：它 6450 万篇论文代表了全球所有被发表的研究中的 2/3，并向所有人免费开放。
但是，与 Sci-Hub 的人气随之即来的则是全球各大学术出版集团的持久战。针对这个死敌，这些集团开始调集一切资源，利用法律武器来压迫网络供应商，支付处理公司，域名管理公司等一切与 Sci-Hub 有业务往来的公司，试图把它杀死。
在这场卷席了全球大量的科学家，维权人士，媒体，以及出版方的学术研究所有权的争议中，人们几乎没有听到来自 Elbakyan 的声音。作为当下全球最大的侵权案的当事人，几乎没有人知道她是谁。
Sci-Hub 的前世今生
在 Elbakyan 成为全球最大的“侵权者”之前，她曾是一位编程能力极强的科学家。当时还是俄罗斯科学院的一名研究生的她，遇到了全球所有学生在做研究时都会面临的一个难关：“付费墙”。“我是在 2009 年首次接触到研究论文的分配和共享”，Elbakyan 曾透露。
而 Sci-Hub 的前身正是出自于她在大学期间，为了绕开付费墙而编写的一个利用麻省理工的订阅权来下载神经科学电子书的脚本。她经常在俄罗斯的一个生物学论坛上分享这些电子书。这一举动为 Sci-Hub 日后的诞生打下了坚固的基础。
“Sci-Hub 是作为对我之前人工操作所进行的一个自动化处理而诞生的”，Elbakyan 说道。而“任何人都可以一键下载他们想要的论文”这一期望则成为了 Sci-Hub 成长的养分：该论坛的用户立即爱上了这款方便利民的工具，并开始向外部安利它。
实际上，最初的 Sci-Hub 是个十分低效网站：没有中央数据库的 Sci-Hub 需要为每个用户的每个请求重新下载一份论文；如果某个高校的订阅账户下载不了这份论文，用户还需要换个高校再次尝试。
在 2012 年，Elbakyan 与付费书籍盗版网站 LibGen 达成了合作关系，将 Sci-Hub 所下载的所有论文都上传到 LibGen 的服务器中，为 Sci-Hub 的扩张攒下了大量的弹药。在 2013 年，Sci-Hub 在中国的人气迎来爆炸式的增长时，Elbakyan 直接将 LibGen 变成了 Sci-Hub 的数据库：先在 LibGen 里面搜索用户想要的论文是否存在，如果存在，就直接从 LibGen 中下载。
就这样，Sci-Hub 一直以与 LibGen 共存的状态运营着，直到后者因为一名网管因为癌症去世而被关闭。失去了数据库的 Elbakyan 这次选择自己干。她通过众筹捐款拿到足够购买大量硬盘的钱，建立起了自己的数据库，并反向复制了 LibGen 里面 2100 多万篇论文。其中，有 100 多万篇论文来自于 Sci-Hub。
Elbakyan 一直不肯透露她是如何收集到如此海量的论文的，仅表示其中绝大多数来自于利用图书馆与高校的订阅账号，并且手上有着“大约 400 多个高校”的账号。
有些人认为，Elbakyan 手上的大多数账号都属于被高校人员泄露，或是从他们手上骗取得来的。美国马凯特大学（Marquette University）的一名行政人员甚至表示，他曾见到过来自 Sci-Hub 的钓鱼邮件。
对此，Elbakyan 声色俱厉的进行了否认，表示许多高校学者甚至主动将账号提供给她用。这也可以解释她之前曾表示的，Sci-Hub 可以“直接从出版商那里下载一些论文”。
传统出版商的反击
现在来看，2013 年似乎是 Sci-Hub 和 Elbakyan 的首个转折点。一方面，Sci-Hub 在中国人气的暴增使它迅速扩大，另一方面，Elbakyan 也首次迎来了出版集团的挑战。
Elsevier 向 Paypal，也就是 Sci-Hub 收取捐赠的支付处理公司提出了抗议。据 Elsevier 后来的当庭供词显示，他们已得知 Sci-Hub 曾向学生购买他们的高校账号，用来下载付费学术论文内容。此外，Elbakyan 还曾经通过 Paypal 收取多笔资金，用来购买将自己伪装成学生的代理服务器。当 Paypal 收到抗议后，他们主动关闭了 Elbakyan 的账户。
紧接着，Elsevier 也开始向网络供应商和其他支付处理公司施展压力。除了主动向各公司施压，Elsevier 还一直在寻求法律武器。他们与美国出版商协会（AAP）在美国国会进行了大量的游说。希望国会通过可以让出版公司更轻易地要求网络供应商、搜索引擎、DNS 服务等公司屏蔽指定网站，或者要求广告公司和支付处理公司停止与盗版者业务来往的法案。从出版公司的角度来看，增加自己执行版权法的能力来维护自己版权是天经地义的。
可惜，面对社会各界对于网络中立的要求，Elsevier 所求的法案并没有通过。
但是，无法从律法方面得到的，却还可以通过执法先例获取：在 2015 年，Elsevier 作为英国出版商协会的一员，与美国出版商协会和美国化学学会（ACS）成功的让法庭签发针对 6、7 家盗版网站的禁令，要求网络供应商向用户屏蔽这些网站。
对于 Elsevier“赶尽杀绝”的态度，由出版集团成立的“合理分享联盟”（Coalition for Responsible Sharing）的发言人表示，大型出版商们并不反对开放获取，因为“每个成员都有自己的开放获取学刊，并且允许科学家们向开放获取网站上传没有经过同行审批过得预印本”。
“联盟”的发言人表示，面临着大肆侵权，出版商们已经十分耐心了。
开始接受比特币捐赠
如今，Sci-Hub 越来越广的读者范围，也意味着 Elbakyan 所受到的敌视越来越凶。不过，当 Elsevier 剑指 Sci-Hub 之时，这个网站已经不再是 Elbakyan 的兼职项目了。
它已经成为她的使命。
Elbakyan 坚信，科学需要成果分享。毕竟，科学史上最伟大的发现都是“站在巨人的肩膀上”，从他人所分享的成果中得来的。对她来说，科学只能在一种环境里兴旺：当科学家们把他们的成功大声的向他人喊出来。
她发现：“通过 LibGen，我看到了收集上千万篇学术论文的可能。所以为什么我不能把目前交叉参考数据库中所有的论文都下载一遍呢？”
所幸的是，虽然她失去了 PayPal，但是她却恰好迎来了另一种网络支付手段的崛起：比特币（避开中央“强权”的控制也正是比特币的功能之一）。信息安全专业出身的 Elbakyan，同样继承了俄罗斯黑客的超强战斗力，她选择了启用比特币来躲避监管：因为诉讼，Sci-Hub.org 的域名在 2015 年 10 月被迫关闭，但现在仍可以通过 sci-hub.io 访问网站服务，同时 Sci-Hub 接受比特币捐赠。
除此之外，她还曾将 Sci-Hub 的数据库复制了多个备份，并且从头重写了 Sci-Hub 的代码：用户也不再需要手动在新版的 Sci-Hub 上搜索论文，他们可以直接将 Sci-Hub 指向所需的论文，然后它会自动切换大学代理服务器来寻找可以下载所需论文的那一个，并自动下载。
面对财大气粗、影响力深厚、律师团庞大的 Elsevier 的诉讼，Elbakyan 表示她没有一丝打赢这场官司的可能。所以她不需要去和 Elsevier 斗，仅需要在远处冷眼观望。毕竟，Elsevier 的案子是场民事诉讼，为此从他国向美国引渡当事人是非法的。
不过后来，Elbakyan 想出来了一个更好的方式绕开高校屏蔽 IP 的手段。据 Elsevier 技术人员的证词，Sci-Hub 不再直接使用高校的代理服务器从 Elsevier 下载论文，而是仅用它们来获得授权密匙。
获得密匙后，Sci-Hub 会使用一个不同的 IP 地址下载论文，大幅度减少 Sci-Hub 手上高校账户被识别的可能。直到开庭，Elsevier 还没有想出一个好的办法来解决这个问题。不过，找到 Sci-Hub 另外一个痛点的他们也不需要技术手段了。
法律+釜底抽薪的双重打击
2015 年 6 月，Elsevier 赢得诉讼，Elbakyan 被判需向其支付 1500 万美元的罚金。
一周后，她发现美国化学学会（ACS）也对她发起了诉讼。ACS 是 Sci-Hub 覆盖率最大的学刊：其 98.8% 的论文都能在 Sci-Hub 上找到。2015 年 11 月，ACS 被判赢得 480 万美元的罚金。
其实对 Elbakyan 来说，罚金并不重要；因为不论是 1500 万，还是 480 万，在他国居住的 Elbakyan 都支付不起，也不需要支付。
但是，这两场诉讼却对 Sci-Hub 造成了巨大的影响：Elsevier 一案让 Elbakyan 失去了 Sci-Hub.org 以及 Sci-Hub 推特账号的所有权，ACS 一案则让“任何互联网搜索引擎，网页寄存服务商，网络供应商，以及域名注册商禁止一切可以让 Sci-Hub 运营的行为。”
法律的大棒打下来了。
对于这一判决，电子前沿基金会（EFF）等科技法律组织立刻发表了异议，表示这给版权所有方太大权力。成员包括谷歌，优步，微软等科技巨头的美国计算机及通信行业协会（CCIA）甚至递交了一份“法庭之友”（amicus brief），反对 ACS 一案的禁令。
在 ACS 结案后，多个 Sci-Hub 域名（.ac, .io, .cc，.bz）都被屏蔽了。Elbakyan 甚至需要在推特上公开告诉用户如何绕开域名屏蔽。
但是她表示，Sci-Hub 的命硬着呢：她手上有大量的域名，并且对其数据库进行了多个备份。就算所有的搜索引擎都对 Sci-Hub 进行屏蔽也没关系，因为只有 25% 的 Sci-Hub 用户来自于搜索引擎的引导。
Sci-Hub 往往被成为“科学界的 Pirate Bay”（注：全球最大的 BT 种子网站），而 Pirate Bay 则在被警察突袭两次后最终倒闭。
对此，Elbakyan 表示，“只要我不出事，我就会将 Sci-Hub 坚持下去”。而就算她因不可抗拒的原因无法继续下去，“这个项目的主要资源，即科学论文，已经被公布在网上了。”
至于出版商们，他们似乎已经将目光越过了盗版方，直接对科学家们“下手”。从 2015 年期，包括 ACS 与 Elsevier 在内的绝大多数出版商都发表了一份“论文分享自愿原则”，告知在他们在期刊上发表论文的科学家们如何可以分享研究成果。
乍眼一看，这些原则十分利于提高科研成果的分享与交流。但进一步的细读显示，这些原则只提到了科学家们如何可以在研究小组范围内分享论文，而非广大的科学社区。甚至 Peerj、Arxiv以及 bioRxiv 等大型开放获取文库都没有被提到一丝一毫。
不过，机关算尽的出版商们最终很可能得不偿失，因为他们的措施并没有解决这个问题最核心的所在：科学家们对付费墙将他们成果隐藏起来的失望与愤怒。
在另一边，拥有群众大势的 Sci-Hub 很可能获得公众与科学社区更大的欢迎。虽然 Elbakyan 目前处于法律的另一面，但是谁能保证，失望之极的科学家们不会有一天直接把他们自己的账户直接交给 Sci-Hub 的“盗版女王”呢？
5
中国各地AI行业政策汇总及解读
随着人工智能的快速发展，国家相继出台一系列政策支持中国人工智能的发展，推动中国人工智能步入新阶段。2017年7月20日，国务院印发了《新一代人工智能发展规划》。
规划中提到分三步走：
第一步，到2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径，有力支撑进入创新型国家行列和实现全面建成小康社会的奋斗目标。
第二步，到2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能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。
第三步，到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。
2017年12月，《促进新一代人工智能产业发展三年行动计划(2018-2020年)》的发布，它作为对7月发布的《新一代人工智能发展规划》的补充，详细规划了人工智能在未来三年的重点发展方向和目标，每个方向的目标都做了非常细致的量化，足以看出国家对人工智能产业化的重视。
具体政策如下：
随着互联网的快速发展，给全球互联网科技企业带来了丰厚的营收，而基础研究的进步使得人工智能的商业化得到了很好的支撑，众多创业公司涌现，人工智能的广阔应用前景是对资本的最大吸引力。
在中国各省市中，专业针对人工智能产业发布相关政策的省市有上海市、北京市、浙江省、安徽省、贵州省和江西省。整体来看，北京市规划目标与国家目标一致，其他省市规划目标要滞后于国家规划。
截止2017年12月中国各省市人工智能政策如下：
中国发展人工智能的优势
中国在人工智能领域可能具备显著且持久的优势。比如：在中国，有更多的数据用于实现和优化各类有价值的应用，并且采集、分享这些数据的障碍很少。此外，政府具有更强大的推动创新应用的组织动员能力。
1. 中国产生的数据量大
众所周知，相比于世界上其他国家，中国有更多的人口，这会直接或间接生成大量数据，而且随着中国工业化、城镇化和网络化的提高，这种优势还会继续增加。在美国，谷歌等公司研发了很多基于文字指令或口头语言进行控制的新产品。
通过用机器学习算法对大量英语文本和语音消息进行分析，能够大大提高应用程序的指令接受范围和精确度。在美国约有2亿人使用短信发送服务，占美国总人口的60%（不同于中国，美国人很少发语音消息）。在中国，仅微信就有超过6.5亿的活跃用户，而微信还只是诸多常用消息业务中的其中之一。
腾讯拥有的可用数据量高达谷歌的3倍多，因此在研发可直接理解书面和口头自然语言的应用方面，明显比谷歌更具优势（谷歌仅占美国2/3的市场）。
中国人口是美国的4倍多，中国在这方面将获得的优势不仅仅体现在人们从手机和计算机上发送的文本信息量。实际上，人们的很多活动都将产生大量数据。
共享单车使用数据、生日派对快照、诊断用医疗扫描、汽车事故数据、银行存取款、农田卫星图像等，所有这些数据都将推动人工智能应用的发展。
2. 中国有着对个人数据共享的文化认同
相比于许多其他国家，中国拥有的另一个长期优势是对个人数据共享的文化认同。在美国和欧洲，法律严格限制对个人信息的采集，限制个人数据的保留时间，并对数据共享人员作出严格限定。的确，这有助保护个人隐私，但同时也限制了通过机器学习构建人工智能应用的技术创新活动。
比如，在美国，个人医疗信息为个人所有，未经许可，不可被雇主、保险公司，甚至自己的家人共享使用。这在人工智能诊断研究方面构成巨大障碍，因为研究人员很难或无法获得足够数据，开展算法研究。
另外，这也给对潜在恐怖分子的追踪（这也是美国重要的人工智能研究领域之一）带来重重困难，因为美国政府明确禁止在美国境内采集或追踪个人信息，除非有法庭指令，而获得该指令并非易事。
即使在美国政府内部，不同部门之间也是严格限制数据共享的。比如，除非在极特定的情况下，负责助学贷款的政府机构不可查看个人纳税申报单。美国非法移民可以在公立学校上学，不用担心被驱逐出境，因为美国联邦法规定，学校不可以从移民署官员那里查询学生的公民身份。
3. 中国的政治结构适于开展那些在其他国家难以或无法开展的“重大实验项目”
比如，在各类道路和高速公路上开辟出专用通道之前，无人驾驶汽车的诸多经济优势，无法完全实现。
在人类司机和自动驾驶共存的道路上，安全跟车距离等参数要求只能保持在较低水平，以适应人类司机较慢的反应时间及其他局限性。现在，一条高速公路处于最大通行量时（即各车连续按限速行进），由于安全距离的限制，在任何时间点实际只有约15%的路面被汽车占用。
而如果从政策上为无人驾驶汽车专门开辟出道路，即禁止人工司机在某个车道或道路驾驶，安全车距就有可能大为缩短，这样在高峰时刻，有望使现有道路容量提高3倍以上。
在多数西方国家，要想达成政治共识，不让人工司机在某些道路或城市行驶，几乎是不可能的。但是，中国的规划管理相比更为集中，因此更容易指定特定空间开展重大实验项目。例如，上海以西的芜湖市有望成为世界上首个开辟人工司机禁行的全自动驾驶道路的城市，在美国这种举动是不可想象的。
在这种模式下，中国可以针对重点领域开展更大型、更长期的投资，比如中国当前正在大力发展高铁和太阳能，中国也可以将某些城市指定为特定技术的“卓越中心”。例如，美丽的山城贵阳被选为大数据、云计算和技术型初创公司的聚集中心，产业的要素聚集效应有力促进了大数据产业的快速发展。
对中国发展人工智能的建议
随着对新型人工智能技术的深入了解，中国政府正处于加速人工智能发展的关键时期。中国政府或许可以增加投入或启动新计划，从以下几个方面促进这项重大技术的发展。
1. 在实用人工智能工具和相关培训方面加大投入
开发出实用的软件工具和开展初级人工智能工程师培训计划，对于未来人工智能产业的发展将发挥重要作用。在未来5~10年，我们有可能看到类似HTML网站开发所经历的转型。起初，HTML网站开发需要熟练程序员的参与，如今得益于易用工具和网站主机服务，HTML网站开发的门槛已大大降低。
当前，中国有多家世界级人工智能研究中心（如清华大学），政府可以鼓励中文人工智能软件工具的开发，并在全国各技术院校设立指导课程。另外，相关在线教育培训也可并行开展。
2. 制定国家数据保护策略
应认识到数据是一项重要战略资产，需要收集、保护和使用，而不仅将焦点聚集在软件研发上。通常，我们总是在了解其用处后才去保存数据。
相反，为了推进人工智能发展，重要的一点是，要将数据更多地视作一项自然资源加以保护，以备将来之需。广泛收集越多可用的数据，基于该数据开发出来的人工智能应用会越实用。
3. 实施数据汇聚和共享计划
在美国，道路起初往往为私人所有并运作，后来才被政府连通，供大众免费使用。同样，将数据汇聚起来并使之共享，未来数据价值就会大大提高。个体公司自然希望保护自己的数据，以提升自己的商业利益。
但在人工智能发展中，如果社会能将这些私有信息汇聚起来并扩大其可用范围，其价值将是非常显著的。这也并不是说所有专有信息都须贡献出来，让竞争对手也可免费使用，而是政府可对某些能让公众受益的战略型数据进行组织。
这些数据可以从私人公司那里购买，或制定相关规则，确保私人组织持有的有价值数据采用标准化格式，以方便该数据与其他数据源的汇聚。
比如，现在美国要求所有医疗保健组织按标准电子格式保存病历，以便为个人患者在更换医生或转院时提供方便。
4. 开展公共基础设施优化改造，加快某些人工智能应用的部署
在许多地区，人工智能价值的充分发挥，取决于对现有公共空间或设施的建设。比如，行人可能不愿意与送货机器人共享人行道，这就会限制送货机器人的发展与使用，因此有必要为这些机器人指定专用通道；再比如，要求送货机器人在出行高峰时间的拥挤空间（如，火车站等）完成自主导航，或者要求机器人操作适用于人眼和人手操作的购票机器，不仅可能影响公众的日常活动，而且无疑将大大增加其功能设计的复杂性，并且限制了这些机器人的使用。
未来，城市中高层建筑可能需要配置独立的自动机器入口，包括配置有标准无线协议的专用电梯，以方便这些智能化机器很方便地进出电梯并到达目的地。
人工智能的发展确实将在未来国际战略优势对比中扮演重要角色，但更重要的是它将成为一种通用型经济力量。人工智能终将像汽油发动机、个人电脑、无线网络和智能手机等发明一样具有实用价值，并被广泛使用。
各国技术竞争也将促进该项技术向更有利于惠泽全人类、增加人类财富和减少贫困，并为个人提供新发展机会的方向发展。在此过程中，采取切实可行的战略路径，对于创造中国人工智能的美好未来将发挥重要作用。
科学网、科技网、交通新闻网
6
历史性的一步！中国"无人汽车"在上海正式上路
无人驾驶汽车如何上路一直备受关注，3月1日，上海发放全国首批智能网联汽车开放道路测试号牌，这标志着无人驾驶汽车正式走出封闭园区，进入上路测试阶段。那么车辆要具备哪些条件，才能申请无人驾驶道路测试？万一发生交通事故，又如何认定责任呢？跟着小编一起来了解一下吧!
上海明确“无人汽车”上路条件测试出车祸司机需担责
上海市公布的办法明确，测试主体必须建立测试车辆远程数据监控平台，同时按要求接入第三方机构数据平台，并为测试车辆购买相应保险，测试驾驶人应具有50个小时以上自动驾驶操作经验，其中40个小时以上为申请测试项目，测试车辆必须在第三方指定的封闭测试区内，在规定的有效试验次数内达到相应要求。对于交通事故的责任认定、处理，办法将遵循现行道路交通安全法律法规，所有违法行为由发生地公安机关交通管理部门进行处理。
上海：“无人驾驶”车正式上路
无人驾驶车辆上路测试在上海博园路进行，这段道路行人不多，但车辆密集，不时有大型货车开过，对初次上路的智能汽车来说，考验不小。
石飞是上车的测试员。此前一年多，他对智能座驾的测试，还限于封闭的测试园区，但现在，获得资质的无人驾驶车，终于可以光明正大开上马路了。
测试开始，全程几乎都是车在自主驾驶，遇到红灯，车会自己停下，掉头时，车会自动等后续车辆通过后再启动。石飞没有过多干预，不过，车辆的刹车频率有点高，有时周边并没有车辆，智能汽车也会频频点刹。
把智能汽车设计得如此敏感，更多是出于安全考虑。像上汽这辆车，安全设定范围为3米，在此范围内，只要传感器感知到有物体靠近，就会自动减速或刹车。
为了配合无人驾驶车上路，目前的开放路段已完成对红绿灯的智能化改造，智能车辆经过时，能自动知道前方是否有红灯。
新兴产业要发力行政审批要提速
就在28天前，工信部部长苗圩曾建议，给无人驾驶汽车上路留出空间和发展余地。时间仅仅过去了一个月，上海就推出了智能网联汽车的开放道路测试号牌，我们为这样的速度点赞，更为这样跟紧市场的作法点赞。新时代下，新兴产业层出不穷，但若想持续发力，我们的行政审批速度一样需要换挡提速，双管齐下，才能事半功倍。
7
汽车业巨头纷纷入局 保时捷正在研发无人驾驶飞机
你可能不得不从一份你从未想过保时捷（Porsche）会做的事项清单中划掉一件。
Automobilwoche声称保时捷正在开发无人驾驶飞机，并即将展示其第一款设计草图。虽然目前还没有太多的东西可以展示，但你无需飞行员的驾驶执照就能操控这架机器，就像其他正在开发的无人机一样，很大一部分飞行控制将是自动化的。
虽然目前还不清楚保时捷是否准备好确认细节，但其显然对这一想法持开放态度。该公司的销售主管Detlev von Platen说，他“至少要花半个小时”才能从保时捷在Zuffenhausen的工厂开车到斯图加特的机场，但驾驶一架飞机只用“三分半钟”就够了。
对于保时捷来说，这似乎有些奇怪，不仅要涉足飞行汽车，而且要不干涉汽车。对于那些热衷开车的人来说，这难道不是一件令人非常厌恶的事吗？然而，在客运无人机领域，其可能会感受到压力而去做一些事。其竞争对手戴姆勒（Daimler）支持Volocopter的无人机，而沃尔沃的母公司吉利最近收购了Terrafugia。就连保时捷的所有者大众也开始涉足这一领域：其意大利设计部门与Airbus公司合作推出了Pop.Up飞行汽车概念车。如果保时捷不探索无人驾驶飞机，那么随着交通运输领域从人类驾驶的汽车转向各种无人驾驶交通工具，其可能会错失良机。
8
中国医疗AI公司遇“C轮死”魔咒：2018 如何破局
在2017年那场史诗级的围棋对决中，人类战力最强的棋手柯洁以0∶3败于阿尔法狗，人类终被自己的模仿品——人工智能（AI）超越。接下来，它会在哪个领域战胜人类？猜测落在医疗上。
人工智能在多个医疗细分领域曾与人类医生交手，2016年5月至今，比分结果是AI 6胜、3平、2负。医生已然落于下风。
2017年岁末，斯坦福大学教授吴恩达领导的机器学习小组开发出一种名为CheXnet的算法，能够更敏锐地捕捉胸部X光片中的肺炎迹象，在诊断肺炎的比拼中，也一举击败四名放射科医师。
这些火种足以让产业界信心爆棚。谷歌、IBM、英特尔等国际巨头和国内的“BATK”（百度、阿里、腾讯、科大讯飞），都加紧布局，一大批初创公司也喷涌而出。
人口老龄化加剧、慢性病患者群体增长、优质医疗资源紧缺、公共医疗费用攀升等多重压力，使AI入医疗被寄望成为这一全球性压力的泄压阀。泄出的压力也正是机遇的源头。尤其在中国，人口数量成为优势，医疗数据的基础大，可以给医疗AI提供充沛的燃料。业内的普遍看法是，在该领域，国内企业有弯道超车的机会。
然而，AI的泡沫已然吹起，医疗能否独善其身？这将取决于研究成果能否尽快进入临床，并获得大范围应用，给医疗带来切实改进，以撑起领域公司的估值，冲破“C轮死”的魔咒。
向医生的主场渗透
击败四名放射科医师，CheXnet只经历了一个月的诊断学习。
AI已经在预测中风和心脏病发作、预测婴儿自闭症的风险上表现出明显优势；在外科手术和阿尔茨海默病预测中略胜一筹；在治疗脑肿瘤、先天性白内障诊断和皮肤癌诊断上，跟人类医生打平。“这些示范性的案例，就是一轮又一轮大额度融资的信心来源。”亿欧智库医疗产业分析师尚鞅告诉《财经》记者。过去一年，资本对医疗AI的热情展露得非常明显，因为落地的可能性被印证了。
此前的人机对战都在研发阶段，直到一年前，美国批准了第一个用于临床的医疗AI产品，它可以分析心脏核磁共振图像，准确度可与有经验的医生相媲美。进入临床，是AI向产业化迈进的一大步。
2017年，国内医疗AI行业公布的融资事件近30起，融资总额超过18亿元。融资额最高的一笔是AI医学影像公司汇医慧影数亿元B轮融资。
“能够在如此短时间内让投资界集体高潮，一定是出现了商机。”易凯资本有限公司健康产业组联席负责人李钢分析。
就医，最核心的部分是诊断。替代医生诊断，是医疗AI的一个终极目标。现阶段的小目标是，能够让AI为医生的诊断及治疗方案提供建议，辅助诊疗。
AI辅助医生做事，先从那些繁琐的、重复性工作起步，提升诊疗效率。企业和研究团队分头趟开两条路：一条基于自然语言处理，根据病历和症状诊断疾病；一条基于计算机视觉，通过识别医学影像诊断疾病。
IBM公司开发的“沃森”（Watson），是第一条路径代表。它四年学习了200本肿瘤教科书、290种医学期刊和超过1500万份的文献后，尝试在14个国家的多个肿瘤治疗中心临床应用。在输入患者的年龄、性别、体重等基本情况和癌症分期、局部复发、化疗方案、病理分期、癌症转移等具体内容后，短短十多秒，沃森就会给出治疗方案，在肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌等方面为医生提供诊断建议。
肿瘤医生的智能助手沃森落地中国非常迅速，其国内代理商——百洋智能科技在去年5月曾透露，一年内将有150家地市级的三级综合医院引进沃森。然而，沃森面临的问题是，虽然速度快，但给出的解决方案可能还不是最好的。
第二条路径，AI可将复杂、高维度的医学影像数据，降维使其更易处理，因而可以快速、准确地从医学影像中发现病症的信息，辅助医生诊断。
医学影像在医疗数据总量中占比约80%，包括CT、核磁、超声、病理、内窥镜、眼底等，因而，医学影像的计算机处理向来是一个庞大的产业。
全球知名风投调研机构CB Insights对美国106家医疗AI初创企业分析显示，影像和诊断成为资本热涌的重点领域。IBM和阿尔法狗的开发者DeepMind都在推进AI医学影像的应用，阿里、腾讯也不甘人后。
实际上，AI的触角已无处不在。运用语音识别和自然语言理解，医生在诊疗过程中即可完成病历编写，能提高医生工作效率，美国大概有72%的医院已经实现用语音收集医疗信息，科大讯飞、云知声等均有此项业务。
一些初创公司，还喜欢挤入慢性病管理，即运用人工智能算法，对慢性病患者进行实时健康监测及干预，甚至据此生成健康管理建议，主要针对糖尿病、心血管病等需要即时干预的慢性病患者。
而一年多前，很多一线医生还不知道AI这个字母组合是什么意思。“在过去的12个月，关于医疗AI的各种信息，很多一线医生都在听和看，这是一个很好的趋势。”上海长征医院眼科主任医师魏锐利对《财经》记者说。
2017年11月，由独角兽工作室等联合发布的《医疗人工智能医生认知情况调研报告》显示，77%的医生至少听说过一种医疗人工智能应用。
催逼AI箭上弦，本质上还是好医生稀缺。蓝驰创投合伙人陈维广，在投了春雨医生之后，他多次接到朋友的请求，让帮忙找好医生。对医疗的需求提升，是全球普适的驱动因素，而人口老龄化就是那块巨大的背景板。
像一副摆好的多米诺骨牌，全球人口老龄化加速，老龄化社会之后就是医疗资源匮乏。美国人口普查局报告显示，至2015年，全球65岁及以上人口超过6亿。这一年，中国65岁及以上人口约1.44亿。
英特尔医疗与生命科学部亚太区总经理李亚东介绍，目前全球约30%的医疗资源为65岁以上的人群所占用，50%的医疗资源为55岁以上的人群占用。
国内对AI最现实的期待是，纾解三甲医院爆满的困境，协助提升县乡镇的医疗水平，以免漏诊、误诊。
依然是数据为王
一个十分明显的趋势是，AI往医学影像领域扎堆。
动脉网数据显示，国内83家医疗AI企业中，一半涉足医学影像。“（这一领域）正处于黄金期，除提高效率之外，它能找到人力无法找到的病征，今后完全取代医生读片是完全可能的。”海银资本创始合伙人王煜全向《财经》记者分析。
技术驱动因素之外，还有一个重要的底层逻辑在运行。“离开临床数据，AI没法思考。”北京大学肿瘤医院信息部主任衡反修在很多会议上强调这一金句。
AI的开发很像教孩子，需要花时间训练它，给它喂大量数据，同时告诉它什么是错的，什么是对的。通过这种有监督的学习，AI才能成长。
就像早期阿尔法狗的训练一样，医疗AI的训练也得有“棋谱”——以医学影像为例，就是大量由医生标注出重要信息的影像数据集。不过，围棋有统一规则，而人的病例复杂得多，因此，获得高质量的、经标注的影像大数据集，需要大投入。
万里云医疗信息科技（北京）有限公司CEO黄家祥认识一位AI医疗创业公司的创始人，刚融到几千万元投资时十分开心，但不到一年就发现，差不多一半的资金得用在数据标注上。
相对于基因、病理等的数据，获取医学影像数据更容易一些，且本身就是结构数字化的，加之原来就有一些公开的标注数据集，所以一大批创业公司才蜂拥进入影像领域。
基于同样的逻辑，在AI医疗技术的开发中，最重要的不是AI技术哪家强，而是看谁能与医院建立良好合作，因为医院手中既有医疗数据，又有能对数据进行标注的医生资源。
实际上，中国的医疗大数据一直存在应用障碍，信息孤岛现象明显，国内95%医院的电子病历还未全院流通。换句话说，医疗大数据的地基尚未打好。
在医疗过程中，很多最基本的医疗术语尚不能统一，如阑尾炎和盲肠炎或食管癌和食道癌，说的是一个病，但录入数据库后，计算机会把它分成两种病。
医疗数据不准确、不完整，增加数据挖掘难度的同时，也降低了数据本身的价值。河南省安阳市肿瘤医院每年完成2200台－2500台的食管癌手术，稳居世界第一。但该院院长徐瑞平教授坦陈，“我们做了这么多手术，在国内食管癌的（学术）地位并不高。”原因就是数据质量不高，后期对病人的随访不够，导致数据不完整。
要想让AI深入，就需要协调电子病历、化验和影像系统、医生记录和医疗保险索赔材料等多方的大数据，这明显是个难上加难的任务。
即使在先行者美国，也有同样困境。《数字美国》报告显示，美国有近四分之一的医院和超过40%的医生尚未采用电子健康记录系统。即便有电子记录系统，也没有与病人或其他提供者无缝共享数据，因为这些系统无法互通操作,病人需要反复讲述他们的病史。
况且，医疗AI在全球都面临着一些独特的高难度障碍：医疗数据的敏感性和严格的保护隐私规定，限制了AI医疗所要求的高质量聚合数据的收集。如美国医院对患者隐私有很多保护，医院数据不能轻易开放给AI公司。
嘉御基金的创始人卫哲注意到一个趋势，很多国外从事医疗行业的公司在寻找中国的合作伙伴，因为中国人口同样众多，隐私的保护却没有那么严格，有机会让医疗数据迅速地集中起来。
真正决定中国产生后发优势的，依然是数据够大。李钢观察到，现阶段中国医疗AI产业对美国风向的跟从效应明显。但未来，人口与数据的优势将可能使中国企业狂飙。
还没有看上去那么美
AI公司多数都在帮医生做科研，或在提高诊断效率方面做尝试，真正深入到临床流程的很少。对AI将会在多大程度上替代医生，业界有两种不同态度：AI工程师雄心勃勃，认为阿尔法狗的胜利就是最好的证据；医生们则疑虑重重，至少还不担心自己的饭碗会被AI抢走。
《医疗人工智能医生认知情况调研报告》显示，外科和影像科医生对AI的知晓率高于平均水平，但对AI的整体满意度也低于平均水平。不满意主要集中在AI未能减少医生的工作量，其次是对原理的质疑以及准确率不高。
很多使用过阅片AI的影像科医生，没有体会到工作量降低。魏锐利表示，AI分析过的影像，医生还得重新复核一遍。因为担心漏诊，也就是提示有患病可能的影像，没有被识别出来。
所有医疗影像AI公司都会宣称自己的产品比医生阅片速度快得多，准确率要高，但没有谁敢说能够杜绝漏诊问题。这让医生难以完全信赖阅片AI。一旦医生觉得有风险，他就得审核AI看过的所有图像。
漏诊的产生，问题很可能出在训练数据上。黄家祥介绍，很多AI创业公司都是靠公开的数据源起步的，训练的数据量非常有限；还有些公司跟一两家医院合作，把服务器放到医院去训练，也能训练出一个AI模型来，而且对于单一病种，测试效果可能也不错。但如果换了另外一个不同的数据集来测试，很可能就“水土不服”了。
一些AI创业公司会辩解称，自家的AI产品与医生相比，降低了漏诊率。对这种说法，Wision AI的联合创始人刘敬家不以为然，中国目前没有关于医生漏诊的准确数据，如何得出AI的漏诊率比医生低的结论？
“目前来讲，AI所取得的成果还远远没达到预想的目标。”魏锐利说。放眼看，大多数公司的AI产品还处于研发阶段。
华盖医疗基金董事总经理施国敏曾撰文称，人们脑补的人工智能替代医生，哪怕仅仅是辅助，在产品层面也尚未出现。
现阶段的AI都是弱人工智能，其主流的深度学习方法存在一个明显的缺陷，即它的过程无法描述。换句话说，AI算法的整个过程犹如一个专用的、无法打开的“技术黑箱”，所谓可用不可见。它既没有普遍的适应性，也无法拆解出具体的智能化业务规则，而且高度依赖于参与训练的海量数据。
深度学习的特点是有问必答，只要有数据输入，就有结果输出。但刘敬家分析，如果没有金标准对结果进行校验，很可能输出错误的结果，而且很容易蒙蔽人。
医学是注重证据的学科。顶级医学期刊《新英格兰医学杂志》去年发表文章，对深度学习在医学预测领域的应用进行了分析，认为那些没有探明的医学逻辑支撑，妄想通过堆砌更多维度的数据而有所发现的行为，最终会陷于蝴蝶效应的困境之中。也就是初始条件的微小变化，都可能累计出结果的巨大变化。
“技术黑箱”中仅有数学公式推导，却没有明确的理论解释其决策过程。
医生们担心，这种思维用于简单的类似于医学影像标准等的工作尚无大碍，一旦涉及更为复杂的医疗决策辅助，甚至医疗方案的整体评估建议，不考虑决策过程完全以结果为导向去辅助医护人员，会让医护人员陷于被动，甚至暴露在难以控制的决策风险中。
美国医疗媒体STAT在2017年10月连发两篇调查报道，分析沃森的“超级功能”中存在的技术缺陷，并指出美国现有法律框架对于医疗AI监管的疏忽之处。
美国一些医生和消费者团体认为，正是因为AI算法具备“技术黑箱”的特点，监管方需要对像沃森这样的医疗AI辅助诊断系统进行更加仔细的检查和监管。
这个新兴领域排头兵，在中国还将面临政府部门从不同的角度和方面来管制医疗健康领域，往往出现政策之间的不协调，或者部门之间的利益冲突和权力冲突，使得这些创新创业者难以应付。中欧国际工商学院卫生管理与政策中心主任蔡江南为《财经》撰文称，由于缺乏对于制度和政策的了解，许多创新和创业项目往往包含了制度风险和政策风险，一旦政策执行过程中出现橡皮筋的上下波动，这些项目就可能夭折。
“C轮死”魔咒
活过2018年，是很多医疗AI公司的决心。
融资青黄不接、技术迭代的瓶颈，以及商业模式断裂，哪一条都有可能拖垮靠技术吃饭的初创企业。
李钢观察到，当细分行业龙头融资纷纷达到亿元级别后，其中领先企业融资最困难的阶段就近在眼前了。
这是因为，对风险偏好较高的风险投资者而言，细分行业龙头需要的融资额已经超过他们能够投资的体量；而对于较大体量的私募基金而言，这些行业龙头依然处于商业化的探索阶段，没有亮眼的财务数字却顶着极高的估值，实在无法下手。由于亿元级别的融资相当于B轮融资，因此，这个规律被称为“ C轮死”魔咒。
现在，AI医疗影像行业的头部企业，已经进入C轮的那道缺口之中。
黄家祥也认为，2018年对于很多医疗AI公司来说都是一个巨大的挑战，“可能会淘汰掉一批，不光是融资层面的，还包括一些成长不上去的”。
亲身遇到的案例，也加深了黄家祥这一判断。一个人工智能团队用了约两周时间，从一个公开的数据源，训练出一个初步的AI产品，这一团队找到万里云求助一些脱敏的测试数据，黄家祥提供了一部分数据，对方测出了90%的准确率。
看上去技术门槛似乎并不高，帮助了一些创业企业在短时间内取得一定的成果。然而，“没法实现商业价值，就只是一个基础的研究成果，只能用来秀一秀。”黄家祥十分笃定，这让很多人错误地判断了形势，第一步好迈，但往后走还有没有资源支撑更加重要。
医疗AI跟阿尔法狗一样，需要不停迭代升级。这意味着，要不停用数据去训练AI，并且有医生持续地参与，在真实的应用场景中去支撑AI的持续成长。
一位医疗AI公司创始人对《财经》记者说，一些公司遇到技术迭代的瓶颈，卡住了，“干脆不继续推进，保持低投入、不推广，等着被收购”。
市场集中进程在快速完成，是接受《财经》记者采访的多位资本分析师都认同的医疗AI趋势。“谷歌、腾讯等巨头对初创企业甚至中型公司形成的压制会越来越明显，在接下来的一年，竞争会非常激烈。”王煜全分析称。
巨头的动作有迹可循。2017年8月才发布的腾讯觅影，后发制人地进入“国家队”，在科技部公布的“首批国家人工智能开放创新平台名单”中，明确“依靠腾讯公司建设医疗影像国家新一代人工智能开放创新平台”，从发布成立到进入“国家队”的这三个月里，腾讯觅影就与十多家三甲医院建立了联合实验室，筛查目标病种也从早期食管癌拓展到肺癌、乳腺癌等多病种。
巨头们从观望转变为全面投入，小公司们要不杀出一条血路，要不坐等被收购或挤死。“很多初创公司从创立之际就是坐等巨头开个好价的，‘大鱼吃小鱼’接下来会频繁发生。”尚鞅如此解读2018年的医疗AI市场。
另一方面，管理也随着市场发展开始“划车道”。2018年8月1日，新版《医疗器械分类目录》将开始实行，其中新增了与AI辅助诊断相对应的类别。
按照分类规定，申报二类医疗器械，诊断软件通过算法，提供诊断建议，仅有辅助诊断功能，可不直接给出诊断结论；如果对病变部位进行自动识别，并提供明确诊断提示，则按照第三类医疗器械管理。
医疗AI公司想走医院采购这条路，必须通过相应的认证。这就需要公司获得大量真实的临床应用数据，为申报提早准备。
多数医疗AI公司还处于打磨产品阶段，商业模式并不清晰，与医院的合作多为提供产品试用，收不到钱。阿里健康副总裁柯研告诉《财经》记者，现在市面上的很多AI公司单纯融资，无论估值多高，没有收入来源和场景，商业模式是断的，“再过三年没有商业模式，会走向边缘”。
在医疗人工智能领域，最核心的要素是场景。场景大于数据，数据大于算法。至于未来谁埋单，柯研说，“我们相信，只要有场景，最后一定会有人心甘情愿付这个钱。”
国内的医疗AI公司，主要与大城市的三甲医院合作，但优质医疗从业者密集的三甲医院，没有迫切需求。真正需要AI缓解的，是资源紧张的中小型医院，这部分市场潜力还远远没有开发出来。
放眼整个行业，一个逐渐清晰的场景就是，影像AI会率先支撑基层医疗。基层医院用影像AI筛查以后，发现一些有问题或者看不准的病例，再交由上级医院的医生来确诊。
再看远些，医疗AI技术如果能够突破应用关，将顶级医生的诊断能力标准化后，交给基层医院，为基层医生提供辅助诊断，会在很大程度上改善医疗资源的紧张状况。
麦肯锡全球研究所预测，大面积使用人工智能诊断疾病可能不会太快发生，即使早已入局的巨头们，也不过是入门级水平，这并不妨碍AI会成功渗入，成为医疗的底层技术，就像之前的IT技术一样。
人工智能和人类医生比谁更聪明，可能还会持续。《新英格兰医学杂志》认为，这种争论没有意义，如何让人工智能和人类医生一起，实现任何单一方都无法提供的临床效果，才是关键。
行业的狂欢和泡沫，是任何一个新技术浪潮的必经之路。最后胜出的，是那些创造了真实价值的技术和产品。
9
自动驾驶汽车如何改变一座城？
亚利桑那州的坦佩，现在是晚上六点钟，天已经黑了下来，一条五车道的马路上人头攒动，异常拥挤，我就置身其中。之所以大家都挤在这，是因为一队左转向的车辆占据了车道。而这些车辆都是自动驾驶的车辆，专门划出了一条道路供它们试验行驶。
这时候，一辆 SUV 停了下来，等待着交通信号灯的指示。驾驶室的车窗摇了下来，方便夜晚的凉气流进去。坐在驾驶室的男性就像大多司机一样，看起来很无聊。但他却不是真正的司机。他开的这辆沃尔沃，是自动驾驶。是 Uber 正在进行的自动驾驶车队项目。
这名男性的手就随意的放在大腿上，虽说坐在驾驶室，但其实也和路边等着车辆驶离的行人没什么两样。5 年或者 25 年后，大多数人都有能搭乘这种车辆去往他们想去的地方。这种情况可能会让人们免去驾车的风险和负担，当然也有可能会给人们带来新的负担。无论未来会怎样，但在当前来看，自动驾驶汽车的时代还太过于抽象，一切还只存在于人们的假设之中，大公司的概念展示，科技大佬的预测，离真正进入寻常百姓家尚有时日。
不过，与 Uber 这样咫尺的相对，我还是被这个有可能在未来出现的场景所深深的震撼。这并不是一个实验场地，或者一段宣传视频。它也不是在旧金山或者硅谷。这次测试是在爱车的美国一处远离城市中心的地方进行。
当前，极少有人对自动驾驶表达出异样的感觉。除了描绘出自动驾驶对科技，生态、健康以及对城镇所产生的影响以外，我们也需要畅想一下未来城市生活的模样。褪去了最初的惊讶，变得习以为常之后，自动驾驶汽车会改变一些很根本但却很容易就会被忽略的事情，那就是日常城市生活的面貌。
在自动驾驶领域，Uber 是一个后来者；Google 自动驾驶业务部门 Waymo，甚至是特斯拉都是它市场上强劲的对手，具有很大的威胁。但 Uber 迎头赶了上来。
在于加州就测试许可无法达成一致意见后，它将自动驾驶车队搬到了坦佩。这并不是第一例在这个级别城市进行该技术测试的公司。Google 在将自动驾驶部门搬到加州中央谷之前，在山景城进行了多年的自动驾驶测试。Uber 也在匹兹堡继续拧无人驾驶车队的测试，在那里，Uber 吸引了卡内基梅隆大学的顶级计算机视觉和机器人研究人员帮助公司实现汽车的自动驾驶。
亚利桑那州州长 Doug Ducey 对共享汽车非常支持，尤其是对 Uber 。当 Doug Ducey 对 Uber 在亚利桑那打开方便之门的时候，Uber 欣然接受了他的邀请。
Uber 告诉笔者，真实世界的操作对自动驾驶项目的成功极为重要。坦佩的司机将帮助公司发现该项技术在哪些方面还有进一步改进的空间，尤其是事关乘车人利益和担忧的地方。
Uber 事实上并不直接称他们为司机，而是称他们为「实验员」或「操作员」。这些实验员有一部分以前就是 Uber 的司机，公司要求所有的员工只有通过为期三周的培训后才有资格坐上自动驾驶汽车的驾驶座上。实验员工作的积极性很高，现在我要在大街上亲自寻找一个自动驾驶的实验员。操作员和自动驾驶联系起来会让人感觉很惊讶，但这种叫法不无道理：难道每个人不都是操作员？起码大部分时间都是。计算机做着自己的工作，而人类在旁边时刻关注着。
在我前面一辆自动驾驶汽车乘客的位置上，合作实验员拿了一台笔记本，正在对路况进行可视化处理，路况由汽车顶部的激光雷达进行实时采集，采用遥感激光进行指导，并由车载计算机对数据进行加工。如同一个集会的领导人员，在需要的时候，及时采取相应的行动。屏幕上几乎一片空白，只有在遇到车辆和及其它障碍物时才会变红，提示前方可能会有威胁。
自动驾驶汽车还是一个全新的，尚未正式推出的产品，因此，它的任何一个错误都受到公众严厉地抨击。
今年三月份，在坦佩，Uber 一辆自动驾驶汽车发生交通事故，与其它车辆相撞，尽管并没有人在事故中受到严重伤害，责任也并不属于自动驾驶汽车，但这件事还是受到了广泛的报道。就在上周，拉斯维加斯一辆自动驾驶通勤汽车在投入使用的第一天就发生了事故，一辆卡车在倒车的时候，轻微碰到了停在那里的自动驾驶汽车。即使是这样，一些媒体仍将这次事件报道称相撞事故。
这种反响可谓是毫无帮助。「电车难题」只是一种哲学的思考，而不应该看成是机器人杀人犯的道德指南。站在一辆由计算机控制运行的巨型卡车旁边，这个问题似乎更加的复杂——并不仅仅是我自己身处危险的境地。回过头看一下笔记本电脑的屏幕，不仅让我想起电视或电影上被伪造的图片。而现在，一台笔记本电脑正控制着一台真实的车辆通过真实的街道，而路边还有像我一样真实的行人。
Uber 无人驾驶汽车外观设计很有吸引力，在一定程度上降低了它的威胁性。暗灰的颜色，后门上绘以低调抽象的城市网格图案。「Uber」几个字母被镌刻在后挡泥板附近，看起来像是后加上去的。甚至激光雷达看上去都很美观，白色圆材，上面一个黑色的装置，形成鲜明的对比。沃尔沃 SUV 硬朗、大气的设计又使其增色不少，安全性就更不用说了，这绝对是沃尔沃的品牌价值所在。
此时，太阳高悬，湛蓝的天空，在低矮的建筑物和棕榈树下，天空的景色一览无余。光线有着强烈的对比，让每一个时辰都犹如置身梦幻。一辆 Uber 驶过街道，一束亮光划过。让每个人为之侧目。
坦佩郊区道路的设计是美国这个汽车大国的一个缩影。宽大的街道，四车道、五车道、甚至是六车道。是测试无人驾驶汽车再合适不过的地方。在纽约、旧金山、匹兹堡，人们步行、乘火车、公交、或骑自行车，都各司其道。在坦佩，虽然街上留出了自行车车道，人们仍然骑着自行车在人行道上飞驰。为什么会这样呢？凤凰城地铁面积超过 9000 平方英里，一年中，大部分时间都炽热无比。行人走在铺满柏油的道路上如同一个冒险的旅行。但这却是汽车的天堂。
Uber 自动驾驶的宏愿放大了汽车的作用，变成了一个无所畏惧，所向披靡的航船。但事实上并不仅限于此。在过去一年，Uber 可谓是麻烦不断，性骚扰的指控、企业盗窃、欺瞒执法、打破联盟，让 Uber 饱受诟病。但在坦佩的街道上，它的沃尔沃汽车根本不像是贪婪的资本家所为，倒像是一个人畜无害的老奶奶。它们缓慢地移动着，就像每天固定，顺时针绕着亚利桑那州立大学校园跑的卡车一样。自动驾驶汽车又如此众多，站在路边，让人觉得实在看一场自动驾驶汽车的展览。
第二天，我坐在 P.F. Chang’s（美国最大的中餐连锁店）吃午餐，看着外面密尔大道和 University Drive 的交叉路口。道路两边有众多的餐饮店，是自动驾驶汽车完美的测试场地。
「你想过要试一试 Uber 的自动驾驶汽车吗？」我问一位服务生，她看起来和外面的本科生的年纪差不多。
「没有，」她立即答道。「我害怕。」
我向她解释说，现在车上配的都有司机，然后她的态度稍微有所改变。「这样的话，可能我会试一试。」
她开始给我讲特斯拉在亚利桑那州斯科特斯德达成的新交易。埃隆 · 马斯克可能会将特斯拉变成像 Uber 这样的汽车服务商，但我不认为这就是她提出这件事的原因。特斯拉、Uber、Waymo 以及其它类似的公司对于那些对自动驾驶不甚了解的人来说，无异于一团浆糊。
我明白她的意思。一辆又一辆灰色的 Uber 自动驾驶汽车通过街角，从密尔大道右转到 University 大道，日复一日，总是如此。有时是几辆车同时出现，一辆接着一辆。同步打着转向灯，让自动驾驶汽车看起来像退化的机器人，而不像是未来的产物。
只需乘上一辆一切问题就迎刃而解了。服务生拿了账单和签饼（内有预测运势的小纸条，经常见于中餐馆）过来，我把它敲开。「不就得将来会有好事发生。」
这让我心情大好。我用 Google 搜索了一下。三月份，当 Uber 来到坦佩的时候，当地的新闻报道称，如果骑自行的人在测试区向 Uber 摆手，他们就可以搭乘自动驾驶汽车。我立即决定要试一下。然后我就站到拐角前的路边，这样我就能看到所有转向的自动驾驶汽车。我第一摆手花了很长的时间，但其仍然认为是一个好兆头。坦佩十一月份的气温达到了 85 华氏度（约 29 摄氏度），我被热的难受。但随后就被泼了一头冷水：我的手机 app 提醒，马克已搭乘一辆现代汽车。
我取消了订单，不再站在原地等车，转过街角走到公交站台的座椅上想要再试一次。可能我需要选择 Uber 选项吧，我这样猜到。在我摆手等着的过程中，又有两辆沃尔沃从我面前经过。我试着摆手让它们停下来，但好像没有用。对两位试验员来说，我可能就只是一个激光雷达的光点；一个需要避开的障碍物，然后我用「电车难题」挑战了一下计算机。这时我的手机响了起来；一辆 Samir 朝我驶了过来。我再次取消。Uber 警告我称，我可能面临处罚，因为司机已经在行使过程中了。在我身后，一辆洒水车正向鲜嫩的羊茅草上浇着水，而这种草一般都是生长在沙漠中，是很耐旱的植物。
Uber 自动驾驶汽车一辆接着一辆从我身边疾驰而过，我发现，没有一辆车上载有乘客。只有实验员在做着一些可能未来会实现的测试。或者只是一次成本高昂的品牌营销活动。抑或两者兼有。
后来，Uber 发言人表示，自动驾驶还只处在起步阶段。乘客还不能叫到一辆自动驾驶的 Uber 汽车，但如果条件允许，可能会有机会给乘客安排一辆自动驾驶汽车。除了要测试自动驾驶汽车在现实世界的应用场景进行测试，实验员也需要评估乘客对这一技术的态度。但至少对我来说，不会有任何感觉。
最终，几乎是在强迫地情况下，Uber 高科技集团的接待人员同意给我安排一辆自动驾驶汽车，这种情况下，我才有机会向他们反馈我这次极为糟糕的搭乘体验。但是，在我离开那座小镇的时候，自动驾驶汽车的存在还只是供大家娱乐使用。真正的使用恐怕还要在等上一段时间。
我放弃了体验，回到了旅馆中。这是这个地方为数不多装修成中世纪风格的旅馆。巨大的霓虹灯装饰，上面写着「旅馆」和「泳池」的字样，仿佛回到了 20 世界五六十年代的美国公路边的场景。
现在，汽车体现的是一种科技和自由。有了汽车，理论上来说，我们可以到达世界上的任何地方。这就是为什么汽车成了一种自我表现的方式：如何去往某地是一种选择，汽车的款式、颜色传递出的是一种风格。Uber 提供的暗灰色的沃尔沃，尽管看起来很有个性，却预示着这种吸引力的终结。使用一辆车，还需要向公司提出申请，这种汽车怎么会有所谓的自由呢？
相反，汽车将会沦落为城市的背景。它们讲成为城市的基础设施，很重要但除非出故障并不被大家所在意。就像没有人会思考电梯间的制造商或者和地铁的铁轨一样，也没有人会在乎谁开的是什么车。等电梯或者等火车可能是一件很烦人的事情，但这种问题主要靠运气，普通人是无法对其有任何影响的。由于选择上都是大同小异，操作和保养汽车的热情也就会降低，无论公司如何选择汽车的外观，以及汽车的运行范围，人们会逐渐培养出一种新的忍耐性。
自动驾驶所带来的这种结果很明显，但直到我在坦佩，荒凉空旷的沙漠中看到汽车的时候，我才意识到这一点。美国很多城市都被道路所占据，路上挤满了车辆。如果这些地方都交由少数几个科技公司，这种文化现象会发生巨大的改变。不仅是在大的方面，很多小的方面也会发生很多变化，比如，把车停在中线上，站在路边等车，观测汽车不同的颜色和款式。这些微小的方面将会渐渐的改变人们日常生活的面貌。
在美国，汽车无论什么时候总会占有一席之地，这是毋庸置疑的。但现在，汽车束缚了开车的人。道路一直都是属于人们，虽然人们都是坐在汽车内的。当这种组合破碎的时候，道路将会变的更加的安全，卫生，也会更加的畅通。但城市里的生活会发生永久性的改变。
凤凰科技网、网易科技等
10
连续4年提案，李彦宏称AI中美竞赛优势在数据
全国政协委员、百度董事长李彦宏已经是第四年提交与人工智能相关的提案了。
从2015年的“中国大脑”计划，到2016年希望“加快制定和完善无人驾驶汽车相关政策法规”，再到2017年的三项提案全部聚焦在人工智能，今年李彦宏带来的四项提案中，有两项与人工智能相关——希望国家出台政策鼓励人工智能的开放平台和关于无人驾驶。
另外两项提案中，一个和雄安新区相关，他希望雄安在吸引人才上有更多特殊政策上的优势，例如税收上更具灵活性；另一个和控烟相关，在更多城市推广出台更加激进的控烟政策。
3月2日晚，李彦宏在百度科技园内接受第一财经记者采访时表示，此前五年，自己的提案主要聚焦在一些特别具体的问题，并给出自认为合理、具体的解决方案，希望在“术”的层面对国家有所帮助，但今后的五年，会会逐步把“镜头”往远拉一拉，提一些相对比较宏观的东西，甚至提一些不一定有特别清晰解决方案的提案，关注的领域也不一定完全都是计算机、IT、互联网这些领域，“也可能跨度更大一点。”
此外，李彦宏还对百度当前最核心的人工智能战略、自动驾驶竞争、是否回国上市、以及新零售的布局等问题作出回应。
他对第一财经记者表示，“任何时候政策允许百度回来的话，肯定是希望能够尽早的回来在国内的股市来。”
而在中美竞争激烈的无人驾驶领域，李彦宏对记者提出一个观点：十年前谷歌用安卓来应对IOS、应对iPhone，今天百度用Apollo来应对谷歌的Waymo（谷歌母公司Alphabet旗下自动驾驶公司）。
人口红利没了， AI机会来了
李彦宏今年的四项提案中，有两项和百度的业务紧密相关。
第一个是希望国家出台政策鼓励人工智能的开放平台。他对第一财经记者说，开放平台这件事百度做了很多年了，也积累了一些经验，Apollo自动驾驶是比较大的开放平台，深度学习也开源了paddlepaddle，DuerOS也是一个开放平台。人工智能时代，开放平台的影响力会越来越大，因为没有一家有足够多的数据，所以只有把更多的数据汇集在一起，算法也好、技术也好，才能够展现出来更大的影响力。因此一方面百度在积极做开源和开放的平台，另外一方面认为国家应该鼓励所有的公司尤其是大公司来开放人工智能技术方面的平台。
特别是最近一年多，各个主流科技公司在人工智能上投入都不小，还有一些相对较小的公司在某些垂直领域扎得很深。李彦宏认为，如果大家把某些技术开放出来，对于其他的企业是有帮助的。“可能不是每个企业都愿意免费把自己的技术都打开让每个人去用，这就需要在国家层面出台一些政策来鼓励大家做这个事情。”
第二个提案是有关无人驾驶。2016年，李彦宏曾提出了“加快制定和完善无人驾驶汽车相关政策法规，抢占产业发展制高点”的提案，2017年百度收到全球第一张开给无人车的罚单，到了今年，李彦宏说感受更加深刻了。
他以美国市场为例，真正做无人驾驶的运营都是在亚利桑那州，因为该州给了相关政策配套，对于无人驾驶的保障最完善也最鼓励的。截至目前，美国已经有20多个州都推出了自动驾驶相关的法律法规，中国只有北京市、上海市推出了相关测试的规定，但这还不够。
李彦宏认为，汽车是一个包含很多环节的大产业，“比如说自动驾驶高精地图，什么人可以采集，什么人不可以采集，一个无人驾驶的汽车被黑客攻击了变成一个武器怎么办？其实涉及到各种各样的情况。也包括比如政府层面不需要去造车，不需要去发明自动驾驶的技术，但是在道路上，在基础设施的建设上，它能不能做什么东西，使得自动驾驶的技术开发的难度进一步降低等等，就是在各个层面政府都是可以发挥他们的作用。”
第三个提案有关雄安。去年百度Apollo首届理事会雄安召开，百度还与河北雄安新区管委会签署了战略合作协议，双方将在智能出行、对话式AI应用、云基础设施等多个领域展开深度合作，共同打造智能城市。
“我们非常想发挥作用。”李彦宏说，目前从宏观的角度，雄安什么样的政策优势是真正吸引人的优势？很可能在税收方面，尤其是个人所得税上有更大的灵活性。
第四是有关于控制吸烟相关的法律和法规。李彦宏提到，自己很久以前写过一个博客，那时候中国网民是1亿多人，中国烟民是3亿，当时他想：“什么时候这两个数字倒过来就好了。”现在，中国网民网民规模达7.72亿，远超过了中国烟民的人数，但不好的一面是烟民的数量并没有下降，还是3亿多。李彦宏希望，严格的控烟政策从北京、上海推广到全国城市实施。
AI中美竞赛：中国优势在数据
人工智能被视作是中国弯道超车的机会。在追赶的路上，人工智能的中美差距究竟有多大？
李彦宏对第一财经记者坦言，中国在人工智能这个领域应该说是第二，第一确实是美国，但是如果说其他国家和中国人工智能水平来比的话，中国有明显优势。
就中美对比来看，李彦宏认为，美国人工智能在人才、基础理论的研究有优势，算法的创新绝大多数在美国发生的。而且美国公司，尤其是互联网公司对人工智能的重视程度也普遍于中国互联网公司更高，所以他们的投入也更坚决、更大……这些都是美国在人工智能方面的优势。
但是中国也有自己的优势，一个体现在于，人工智能对数据比较依赖的，中国有一个得天独厚的优势，我们有7亿多的网民说的都是中文，文化都是中国的文化，法律也是符合同样的法律，而美国不仅是一个移民国家，各个州的法律也都很不一样，因此中国市场产生的数据本身都是可比的，7亿多人产生的数据和谐、统一，这些数据用来训练机器学习，训练人工智能的模型，可以训练出来非常有价值的结果，这是在数据上的优势。
在政策上，李彦宏认为，即使在相关法律还不够健全的情况下，它的总体态度也是鼓励创新的。就像去年他把无人车开到五环上，相关部门虽然做出了处罚，但整体对创新的事有一定的包容程度。
此外，李彦宏认为，中国在传统产业相对比较落后的情况下，对于新技术的接受程度或者是抗拒程度比美国要低，接受程度要比美国要高一些。美国电子商务是一个明显的例子，美国每个线下都搞一个电子商务系统，中国线下基本都让线上来做，效率更高一些。”人工智能是同样的，我们跟首钢说检测完全可以用人工智能来替代，他觉得这个挺好，我们做不了，你们来做好了；我们跟大兴的农民对桃子进行的分拣，我们说机器可以做，对方说你要能做就去做。传统的产业不管是农业也好，工业也好，还是服务业也好，他们普遍可以更加开放一些，这方面中国也是有自己的优势。”
不过，人工智能变现确实是个问题，无论像百度这样的巨头，还是AI领域的初创型公司，短期内靠在一个新的领域，比如如无人车，要想收到足够多的钱来支撑自己的研发，几乎是不可能的。
李彦宏坦言，对于百度而言，就是在靠在其他领域挣到的钱来补新的业务，对于创业型公司而言就要靠融资能力。“现在几乎看不到一个人工智能公司靠自己的技术卖出去钱来养活自己。”
他相信，假以时日人工智能是能够挣到很多钱的，但不是现在着急挣钱就能马上实现货币化。特别是不少人工智能的商业模式是to B业务，要想获得企业的认可你，一定要给企业带来的价值比它付出的钱更多，这条路才能跑得通。
“目前来说，一方面人工智能的价值在很多时候还不是那么明确，另外一方面因为产业发展的初期，竞争非常激烈，你说挣不到钱，他说我只出一半钱，或者我免费给你干，只要把数据收集到就行。竞争也很激烈，这个市场目前来说确实没有那么大，但是之所以大家这么有激情去做这个事，是因为它未来会变成一个很大的市场，也会对人们的生活，几乎对每个产业产生非常大的影响。”李彦宏说。
在中美竞争激烈的无人驾驶领域，李彦宏对记者提出一个观点：谷歌十年前谷歌用安卓来应对IOS、应对iPhone，今天百度用Apollo来应对谷歌的waymo（谷歌母公司Alphabet旗下自动驾驶公司）。
他评价，谷歌现在做的waymo能有点像当年的iPhone，从端到端的解决方案，从操作系统到服务等等所有都是谷歌自己做。这对于汽车工业界是一个炸弹，后来出现了传统汽车公司去花几亿美金甚至十几亿美金去买一两年的20几人的小公司，因为大家都慌了。
李彦宏说，百度要用用开放的生态来应对封闭尤其在人工智能时代，让大家共享这些原代码，共享数据，用了不到一年的时间，百度就有了包括整车厂商、汽车零部件制造商等90多家合作伙伴 。
他对第一财经记者举例，对于自动驾驶来说或者是阿罗波平台，汽车厂商是否贡献数据，是由这些合作伙伴自己决定的，如果决定不想共享自己的数据，没有问题，就用阿波罗的原代码就可以。但是如果决定贡献数据，百度双倍返还给车厂别人贡献出的数据，这样很多车厂有了把自己数据贡献出来的动力，百度也能够看到更多的市场上的需求，这是阿罗波的体系。
这有点类似像百度搜索和电商企业的合作。李彦宏说，过去电商们也不愿意把自己的数据给百度，因为总觉得这个东西是机密。但是随着人口红利的消失，电商也希望把别人的用户精准去触达，只有把数据开放出来，才能更好的去做匹配，从而提升了转化率，实现更多收益。例如，在去年第三季度财报发布时，百度曾透露，自从7月初应用了信息流动态广告以来，某电商通过这一服务获得了超过一倍的投资回报率。
一直希望百度回国上市
除了外界最关心的人工智能，李彦宏还回答了关于是否回国上市、以及对于新零售的布局等问题。
为了留住下一批BAT，资本市场对互联网、智能制造、生物医药和生态环保等领域高新技术企业正在展现出更加包容的态度。不久前，富士康IPO“特事特批”与360借壳上市可以看作是新股发行制度变革的先声。
百度是否有计划将一些新的业务放在国内上市？
李彦宏的回答是：“我们一直希望百度能够整体在国内上市。”因为百度主要用户、主要市场、主要股东都在中国，如果百度也在中国上市的话，这是最理想的情况。当年百度之所以去美国去上市，是因为中国当时的政策不允许，百度VIE的结构从中国的法律来看是一个外资公司，一直到今天仍然存在着比较大的政策的障碍。“任何时候政策允许百度回来的话，我们肯定是希望能够尽早的回来在国内的股市来上。”
过去一年新零售疯狂的线下并购潮，以阿里巴巴54亿元入股居然之家收官，但这可能只是2018年新零售领域更大规模并购的一个序幕而已。仅仅粗略统计一下2017年至今，阿里巴巴与腾讯两家公司的线下商业投资，总投资额至少在1000亿元以上。
作为人工智能一个广泛的应用场景，接下来百度是否也有布局新零售的计划？
李彦宏对第一财经表示，在百度平台上，有各行各业的客户从中获取他们潜在的客户、生意，其实百度是一个很大的流量的平台。在PC时代，百度可以说是互联网的入口；到了移动时代发生了一些变化，APP生态的分发效率低，对技术的依赖不强。他认为，在整个移动互联网时代计算机科学没有发生翻天覆地的变化，技术进步是比较慢的，这就是为什么移动互联网时代人口红利非常重要。当人口红利已经没有了，未来要增长靠什么？靠技术来推动，尤其是人工智能技术的演进，在未来几年甚至几十年都会是一个推动产业前进的主要动力，而这些东西又是百度所擅长的。
“我们可能经历过起起伏伏，但是人工智能时代是属于百度的时代，我们有了一个真正施展的空间。”李彦宏说，至于说是新零售还是新的服务，还是其他的什么领域，对百度来说都是很好的机会。
他对记者举了个例子，百度在去年“双十一”公布了一个数字，百度在电商领域的收入同比涨了120%，“百度应该说电商也好、新零售也好，或者整个大的零售也好，是发展当中的受益者，甚至是最大的受益者之一。”
在采访的最后，他还建言创业者，创业最重要的还是找准属于自己的机会，发现自己既擅长又喜欢的事。“因为你擅长了，你可以做得比别人好，因为你喜欢了，你不会因为有挫折、有困难就会放弃，很多的这种创业都是需要长期坚持才能够做成功的，极少的情况做一年两年就成了。”他表示，即使今天非常非常成功的公司，历史可能在五年甚至更长的时间，几乎极少能够看到泡沫时期曾经出现过成立两年多就上市的互联网公司。“今天市场在逐步走向成熟，大家没有那么强的投机性。况且就算你上市了，你成功了，也不一定，最后业务挣不到钱了，慢慢萎缩，你的股票就无法支撑。”李彦宏说。
11
中国研发"超级高铁"：理论时速可达1000公里
科技狂人马斯克倡导的“超环高铁”已经在美国得到认可，正在进行可行性方案研究，超环高铁利用了低真空管道和磁悬浮技术，速度将接近飞机的1000公里时速。这种高铁不仅可以修筑在地表，也可以开挖地下隧道。在中国，这项实验也正在进行中。《经济半小时》记者在成都的一间实验室里，看到中国科学家正在为之努力。
中国公布高温超导磁悬浮技术
成都西南交通大学搭建的，全球首个真空管道超高速磁悬浮列车环形实验线平台，是国内第一个载人高温超导磁悬浮环形实验线。线路总长45米，设计载重300公斤，最大载重可达1吨，悬浮净高大于20毫米，是目前国际上同等载重能力，截面最小、永磁材料用量最少的超导悬浮系统，可进行0-50km/h的实际动态运行实验，别小看这些复杂的机器设备，在真空管道理想状态下，这项技术上的创新，可将列车理论时速提高到一千公里以上的更高速度，换句话说，眼前的这堆实验设备，搭建的将是人类目前能触摸到的未来超级高铁的雏形。
西南交通大学牵引动力国家重点实验室博士副教授邓自刚：很多指标都是国际领先的。我们核心的东西，它的实际载重能力，能够悬浮一吨重。我们这个轨道的截面积，是现在全世界最小的，就是它的宽度只有120毫米，厚度只有25毫米，它用的永磁材料特别少。
中国科学家推出的这项高温超导磁悬浮技术，一经公布，就引起了世界最大的电子电气工程师协会——美国IEEE协会的关注，他们用两个整版的文字报道了中国人的这项科研成果，英国BBC、美国CNN、欧洲公共电视台等媒体，纷纷赶赴西南交通大学展开实地调查报道。这一项科技技术的诞生，可能没有引起民众的过多关注，但在世界众多科学家的眼里，中国人这次干出了几乎是一件革命性的技术创造。
邓自刚：当时它的标题叫超级管道，然后下面还有评语，它觉得这个颠覆性技术，可能对未来人们的出行方式，或者航天应用，各方面应该都会有革命性的意义。
这个被世界多位科学家称为颠覆性技术的“超级管道”，是如何能够悬浮在轨道上行驶的呢？37岁的项目负责人邓自刚告诉记者，几十年来，西南交大、国内科研院所和众多制造企业的专家，不断地接力式研发实验，才诞生出今天的成果。
磁悬浮技术是上世纪二十年代德国人最早提出的，距今差不多已有百年历史。此后几十年，德国在常导磁悬浮、日本在低温超导磁悬浮方面一直保持着技术领先;中国从上世纪八十年代中期开始追赶，但是想要追上六十年的技术差距，无疑是一个巨大的难题。
如果要完成磁悬浮列车的研究制造，我们需要提前去迈过很多门槛，比如高温超导材料从哪里来？特殊的轨道如何建设？车体究竟该怎样设计等一系列的问题，从无到有的这场挑战，中国的科学家又是否能研发成功呢？
高温超导磁悬浮中的超导指的是一种超导材料，具有零电阻效应，也就是说，电流流经导体时不发生热损耗，可以毫无阻力地在导线中形成强大电流，从而产生超强磁场。超导磁悬浮，就是利用超导体的抗磁性，实现磁悬浮。而所谓高温超导，是指零下196摄氏度的液氮环境中，超导所具有的特性;低温超导是指在零下269摄氏度的液氦环境中，超导所具有的特性。
与低温超导和常温超导相比，高温超导有一个最大特点：它有自稳定性，换句话说，把高温超导体放在永磁轨道上后，既能悬浮、又能悬挂，不管运动还是静止，都能悬浮;而且在永磁轨道上，高温超导体还提供稳定的导向力和悬浮力，也就是不会上下左右摇晃，像钉子一样牢牢地扎在永磁轨道上面。
超导层厚度仅为头发丝的百分之一
可以悬浮又可以悬挂，看起来有点像变魔术。这其中的秘密在哪里呢？邓自刚介绍，首先是铺设在轨道上的永磁材料。其实高性能的永磁材料，国外已经研制生产多年，但这些产品技术曾经对我国长期封锁，不要说买不到，就是想去参观都不行。唯一的办法，就是中国人自己造。磁悬浮实验室在成都，但磁悬浮的材料，却在杭州一家企业默默地研发生产。
研制高性能的永磁材料，尤其用于高温超导磁悬浮轨道上的永磁体，首先需要将十几种原料、包括多种稀土材料熔合、均匀分布。
杭州永磁集团有限公司副总裁冒守栋告诉《经济半小时》记者，这个过程好比揉面，很难，但是对磁钢的性能很关键。
在对十几种原料进行精密排布后，就需要用电流给磁钢充磁，这也是危险性比较高的环节。如果充磁充不好，容易造成它性能不稳定，有些时候控制不住，磁钢容易飞到天花板上去。
经过反复试验，高性能永磁材料总算成功研制成功，但接下来又一个难题出现了：那就是怎样把永磁体拼接在一起形成磁悬浮导轨？由于永磁体之间相排斥的磁力很大，一小块可产生300多公斤的推力，一不小心就可能跑偏。那么，有什么方法能有效解决拼接、组合难题呢？
杭州永磁集团有限公司副总裁冒守栋：要靠一系列设计的工装，通过机械的方式，一点一点把它固定好，一个磁钢固定好，再装下一个磁钢。
西南交通大学牵引动力国家重点实验室博士邓自刚：当时也是前期做了很充分的一种设计，设计了夹具之后，然后现场又不断地摸索，不断地改进，最后找到了一种比较优的方式，我们最后84块永磁轨道，安装只花了一天的时间。
永磁导轨材料的难题得到解决之后，邓自刚的团队开始面临第二道难题的考验，这就是世界制造磁悬浮列车最为核心的高温超导材料。
邓自刚：我们的超导材料，就装在我们车子四个角，这块黑色的盖板里面。这个超导材料，它就替代了咱们汽车的四个轮子。这个超导材料，在我们液氮低温的环境里面，它就可以实现悬浮。
本世纪第一个10年，全球只有3家第二代高温超导材料供应商，2家在美国，以昂贵的价格向全世界销售，另一家企业在日本，但禁止出口。如果材料只能靠进口，我国发展高温超导产业就会被“卡脖子”。经过多方寻找，邓自刚把目光锁定在上海超导科技公司。
上海超导科技股份有限公司超导材料事业部副总经理吴祥：为什么我们做这个事情？也是有一个情怀在。因为以前我们去参加国际会议，大家来报道的超导材料，都是别人做的，一说到中国的超导，提问的就非常的少，就是有一种感觉，就是中国没有人做出来这个东西。我们的想法就是，不管怎么样，一定要把这个做出来，就是为了争这口气。
2011年，上海超导科技公司正式成立并开始研发。他们遇到的第一个难关，就是怎样将不同的涂层和超导带材紧密连在一起。超导带材是由好几层不同原料加工涂抹在一起的，超导层位于中间核心层，外面主要分为机带、隔离层、缓冲层等七、八层，之所以加这么多层，主要起保护、缓冲作用，相当于给中间层的超导带材，穿了一套防护铠甲，让超导带材的性能保持稳定性和一致性。但这几层原料都不同、涂抹的厚度，需要非常薄、非常均匀。工艺难度极大。
上海交通大学国家能源智能电网(上海)研发中心电气工程系特别研究员赵跃：它是在一个50微米厚的，不锈钢带材上，所镀着的超导薄膜，50微米厚的是一个什么概念？就是我们大概头发丝一样的厚度，但是它们中间所起到的，最重要的超导层厚度，仅为头发丝厚度的大概1%左右。
上海超导科技股份有限公司超导材料事业部副总经理吴祥：超导层其实说白了，是我们现在最难镀的，因为它的工艺很特殊，我们用的是激光附着沉积来镀膜。
但最艰难的，是将超导带材连接在一起的技术，尽管现在超导带材长度已从最初的百米级做到现在公里级长度，但受限于现有技术，世界上还没有不做接头的超导带材。超导带材一有接头，就会有电阻。如何把电阻降到最低值，不仅是中国人的难题，也是世界各国企业面对的难题。
吴祥：我们公司研制了一个超导接头技术，它的电阻能够达到两纳欧姆左右，现在国际上大家正常能够做到几十纳欧姆左右。两纳欧姆算是目前比较低的了。
经过3年多的努力，世界先进水平范围内的超导材料，终于在中国上海研制成功。
赵跃：我们同样的一个条件，和国际的一些同类产品进行比较，它的性能、载电流能力提高了25%，在这个条件下，我们绝对领先。
这种性能先进的超导材料应用前景广阔，不仅用于磁悬浮交通、还运用到超导电缆、新能源汽车无线电充电系统、甚至国防军事上，比如导弹新的发射技术——冷发射。
赵跃：传统的导弹方式是点火发射，在一开始导弹点火的过程中，会产生大量的热，被敌方侦查到，这样会对导弹采取一定的措施。如果我们采用超导储能装置，在短时间把巨大的能量，迅速地释放出去，可以把这个武器抛射到空中，达到一定的高度再点火，敌人就很难发现，这是一个非常热门的技术，各个发达国家都在研究。
材料和轨道这两道难关通过了，西南交大实验室里的邓自刚，开始面对最后的难题，磁悬浮的实验车。
和其他材料研发的模式一样，磁悬浮实验车的研发工作，从成都转移到了中车唐山机车公司。怎么让车悬浮起来，还能保持磁悬浮车无论转弯，还是上下坡，都能安全、平稳运行、没有噪音呢？中车唐山机车公司的科研人员接过了研发的接力棒。
中国中车唐山机车车辆有限公司博士高级工程师吴会超：我们每个转向架，相当于蜈蚣的一排腿，我们转弯的时候，就过弯道的时候，每个模块，都可以灵活进行转动，这样的话，我们悬浮车过整个的小弯道，是非常灵活的。
2014年，真空高温超导磁悬浮实验线，在西南交大的成都实验室里顺利搭建完成。西南交大几代学者，通过不懈努力，在磁悬浮领域创下一个又一个研制奇迹。与此同时，他们在科研理论上的贡献，也获得了国际国内的巨大反响。2016年，邓自刚的大学老师王家素、王素玉老师，将自己毕生研究的心血，撰写下来，在德国出版发行。此时，距德国学者提出磁悬浮技术将近百年，这是中国学者在磁悬浮发源地德国，第一次用英文出版发行的超导专著。
西南交通大学牵引动力国家重点实验室博士邓自刚：这两本书就体现了一个，高温超导磁悬浮技术，从领先到被追赶，到再次领先的一个过程。
西南交大在高温超导磁悬浮方面的研究成果，也强烈吸引着国外同行。邓自刚告诉记者，几个月后，也就是2018年7月，有几名巴西学者会来西南交大留学。
西南交通大学首席教授牵引动力国家重点实验室主任张卫华：随着我们今年时速400公里、400公里+，这样一个试验平台的完成，我们速度也可以做到最高。接下来我们还做时速1500公里，所以说我觉得我们在国际上，应该无论高温超导磁浮，还是真空管道，都是走在前面的。
目前中国、德国、日本、美国、巴西等国正加大力度推进超导磁悬浮车的实用化进程。美国Hyperloop one公司在内华达沙漠搭建了500m长的真空管道试验线，并于2017年实现了310km/h的最高时速。在国内，中车青岛四方机车公司，2016年10月正式启动，研制时速600公里的高速磁浮列车项目。2017年8月，中国航天科工集团宣布，人类第五种交通工具“高速飞行列车”项目已开展研究论证，时速最高可达4000公里，相比现在京沪高铁运行的最高时速350公里，要快出10倍!
半小时观察
在科技研发最关键的时刻，我们的镜头能记录的都是过程中的艰辛和枯燥。但正如西南交大校长所说，今天这个时代就是一个创造奇迹的时代。中国的高铁今天已经走在了世界的最前面，而下一代革命性的技术研发，中国科学家也没有丝毫的松懈，也许在不久的将来，你我坐上时速上千公里的高铁时，我们会回想起今天这些科学家们的艰苦努力，过程就是这样的枯燥，但最终汇集在一起的就是中国制造的奇迹。
12
投资28亿美元，丰田等日企成立自动驾驶研究公司
丰田在今年CES上推出概念汽车。
据外媒报道，丰田汽车公司在自动驾驶汽车领域有着雄心壮志，因此要建立一家新公司来加速其技术发展。丰田已经和日本实体公司爱信精机公司(Aisin Seiki) 及日本株式会社电装公司(Denso Corporation，世界汽车零部件系统的顶级供货商之一）展开合作建立丰田研究前沿开发协会（Toyota Research Institute-Advanced Development）。虽然这三家企业仍在摸索如何在合资中进行协作，但他们都有一个共同而清晰的目标：为丰田自动驾驶开发出先进的软件。
这三家公司将投资28亿美元，新公司的总部已经选好，就设在东京。一旦建筑完工，他们计划在总部配备1000名员工，这1000名员工有新聘用的也有投资公司的员工。
新公司的首席执行官詹姆斯·库夫纳（James Kuffner）在一则声明中这样说道：
“丰田汽车自动驾驶项目成功的关键就是要开发高质量的软件。新公司的使命就是以一种更为高效和革新性的方式来加速软件的开发，我们会聘请世界级的工程师来提高丰田的研发能力。我们将在全球发布招聘，我也很激动能担任这份领导工作。”
丰田汽车研究所在相当长的一段时间里一直在发展自动驾驶技术，在今年早些时候的国际消费电子展（CES）上还推出了Level 3版本的自主驾驶系统。Level 3系统能够使用传感器（如激光雷达）来监控环境，但司机仍需坐在驾驶位上关注着路面状况。这家新公司可能会让丰田实现技术超越从而加速实现完全自动驾驶的目标。
交通期刊最新论文
13
(1) Transportation Research Part A: Policy and Practice, Volume 110, (April 2018). 第1篇.
Determinants of job satisfaction and performance of seafarers, Pages 1-12
(2)Transportation Research part B: Methodological, Volume 110, (April 2018).第1篇.
Day-to-day modal choice with a Pareto improvement or zero-sum revenue scheme, Pages 1-25
(3)Transportation Research Part C: Emerging Technologies, Volume 89, (April 2018). 第1篇
Effects of demurrage and detention regimes on dry-port-based inland container transport, Pages 1-18
(4)Transportation Research Part D: Transport and Environment, Volume 62, (July 2018). 第1篇
Greenhouse gas emission benefits of vehicle lightweighting: Monte Carlo probabalistic analysis of the multi material lightweight vehicle glider, Pages 1-10
(5)Transportation Research Part E: Logistics and Transportation Review, Volume 113, ( May 2018). 第2篇
Impacts of pavement deterioration and maintenance cost on Pareto-efficient contracts for highway franchising. Pages 1-21
(6)Transportation Research Part F:
Traffic Psychology and Behaviour, Volume 54, (April 2018). 第1篇
How do public transport users adjust their travel behaviour if public transport ceases? A qualitative study, Pages 1-14
(7)Accident Analysis & Prevention, Volume 113, ( April 2018). 第1篇
The potential of clustering methods to define intersection test scenarios: Assessing real-life performance of AEB, Pages 1-11
武理工国家水运安全中心
长按 识别 关注
点击上方“公众号” 可以订阅哦！ 谢谢 |
|
发表于 2018-4-25 14:20:45
收藏