隨著深度學(xué)習(xí)技術(shù)的突飛猛進(jìn)，人工智能技術(shù)也得到了爆發(fā)式的發(fā)展，而就在這樣的背景下，人工智能技術(shù)正在走向汽車， 無(wú)人駕駛開始成為如今創(chuàng)投圈內(nèi)最為耀眼的明星。

如今，人工智能技術(shù)似乎已經(jīng)被神化，在很多人的印象中，只要與 AI 沾上關(guān)系的事物都能瞬間質(zhì)變成成一個(gè)非常完美成熟的產(chǎn)品。然而，在 2018GMIC 峰會(huì)中，北京航空航天大學(xué)交通科學(xué)與工程學(xué)院余貴珍教授卻就無(wú)人駕駛這個(gè)具體的場(chǎng)景為大家提了一個(gè)醒——人工智能并不是無(wú)人駕駛的萬(wàn)能藥。

無(wú)人駕駛面臨的挑戰(zhàn)

余貴珍表示盡管目前市面上有包括整車廠商、IT 公司巨頭以及創(chuàng)業(yè)企業(yè)都在做布局自動(dòng)駕駛，但是都還沒(méi)有商業(yè)化，而且還出現(xiàn)了諸如 Uber 撞死行人的事故，從整體而言，目前大家都拿不出準(zhǔn)確的數(shù)據(jù)來(lái)證明無(wú)人駕駛在安全性上優(yōu)于人類。

無(wú)人駕駛真要大批量的上市，必然還有很長(zhǎng)的路要有。余貴珍認(rèn)為，至少有三道門檻需要跨越：

第一個(gè)是無(wú)人駕駛是否容許上路（即是否有路權(quán)）。這里主要是法律門檻，目前已經(jīng)有很多無(wú)人車團(tuán)隊(duì)拿到了上路測(cè)試的牌照，但是這僅僅是測(cè)試，不是商用。從試用到商用還有很長(zhǎng)的路要走。

第二個(gè)挑戰(zhàn)是自動(dòng)駕駛有沒(méi)有能力上路。路上的環(huán)境很復(fù)雜，比如下雨、下雪，基本上人開車都看不見(jiàn)，真正的無(wú)人駕駛能適應(yīng)這些情況嗎？

第三個(gè)挑戰(zhàn)在于消費(fèi)者是否真的敢坐無(wú)人駕駛汽車。由于目前無(wú)人駕駛在安全性上依然有著很大的不確定性，相信很多人對(duì)坐自動(dòng)駕駛汽車是會(huì)有心理負(fù)擔(dān)的。

然而，這三大挑戰(zhàn)是否能用人工智能手段加以克服呢？

首先，余貴珍認(rèn)為我們必須承認(rèn)人工智能技術(shù)的確有效地促進(jìn)了無(wú)人駕駛技術(shù)的發(fā)展。“通過(guò)深度學(xué)習(xí)，特別是卷積神經(jīng)網(wǎng)絡(luò)，利用攝像頭來(lái)做環(huán)境感知，大家已經(jīng)有信心達(dá)到 99% 了。”

不過(guò)，盡管如此，在余貴珍看來(lái)我們依然不能神化人工智能技術(shù)，“人工智能實(shí)際上就是一個(gè)算法，就是一個(gè)比原來(lái)機(jī)器學(xué)習(xí)更高級(jí)的算法罷了，所以我們不要把人工智能想成什么都能解決。”“人工智能絕對(duì)不是無(wú)人駕駛的萬(wàn)能鑰匙，不要試圖用人工智能 2.0 來(lái)解決無(wú)人駕駛所有的問(wèn)題。”

總之無(wú)人駕駛想要真正上路，還有很長(zhǎng)的路要走。不過(guò)，無(wú)人駕駛真正落地或許會(huì)更早：

無(wú)人駕駛可以先在特定場(chǎng)景中商用

“無(wú)人駕駛的落地面臨諸多問(wèn)題，但無(wú)人駕駛是不是沒(méi)有意義？我覺(jué)得也不是。特定區(qū)域的無(wú)人駕駛有大量的機(jī)會(huì)。”余貴珍認(rèn)為像旅游觀光車、碼頭集裝箱卡車、露天礦區(qū)、軍事演習(xí)、危險(xiǎn)環(huán)境運(yùn)輸、汽車測(cè)試等特定場(chǎng)景都適合采用無(wú)人駕駛技術(shù)。

“特定區(qū)域無(wú)人駕駛具有多個(gè)優(yōu)勢(shì)，第一，特定區(qū)域沒(méi)有法律限制，第二個(gè)，固定線路相對(duì)低速，技術(shù)障礙也沒(méi)有那么高。特定區(qū)域的無(wú)人駕駛因?yàn)闆](méi)有司機(jī)沒(méi)有乘客，不僅安全，更代替了司機(jī)，可以產(chǎn)生經(jīng)濟(jì)效應(yīng)。”余貴珍如是說(shuō)。

另外，余貴珍還對(duì)無(wú)人駕駛技術(shù)落地的路線圖提出了自己的建議：

“利用人工智能技術(shù)先在某一點(diǎn)上做出突破。”余貴珍認(rèn)為這種漸近式的方法才是無(wú)人駕駛落地的正確方法。“舉個(gè)例子，如果你用傳統(tǒng)的算法來(lái)解決紅綠燈的識(shí)別那是很難的，那可以試著應(yīng)用神經(jīng)網(wǎng)絡(luò)解決這個(gè)問(wèn)題。”

另外，余貴珍表示目前人工智能中常用的卷積神經(jīng)網(wǎng)絡(luò)雖然計(jì)算效率高，但其也存在著占用太多資源的缺陷。而為了解決這個(gè)問(wèn)題，余貴珍同樣認(rèn)為應(yīng)該“將人工神經(jīng)網(wǎng)絡(luò)跟傳統(tǒng)的算法結(jié)合起來(lái)。”

北航教授：人工智能不是無(wú)人駕駛的萬(wàn)能藥最先出現(xiàn)在動(dòng)點(diǎn)科技。

電池金屬供給缺口凸顯 或?qū)⒎啪忞妱?dòng)車電池供貨量

隨著汽車行業(yè)的電動(dòng)化轉(zhuǎn)型，許多企業(yè)致力于打造電動(dòng)車充電站網(wǎng)絡(luò)，旨在提升電動(dòng)車普及率，進(jìn)而再度提升了上述電池金屬的需求量。然而，由于銅、鎳等金屬供貨量受限，電動(dòng)車的產(chǎn)量或?qū)㈦S之放緩。

外媒報(bào)道，穆迪投資者服務(wù)公司（Moody’s Investors Service）在發(fā)給客戶的便條中寫道，鈷、銅、鋰、鎳等金屬存在供貨短缺，或?qū)⒎啪忞妱?dòng)車車載電池的產(chǎn)量。

隨著特斯拉等車企產(chǎn)量的提升，其車載電池金屬的需求量也隨之增長(zhǎng)。此外，隨著汽車行業(yè)的電動(dòng)化轉(zhuǎn)型，許多企業(yè)致力于打造電動(dòng)車充電站網(wǎng)絡(luò)，旨在提升電動(dòng)車普及率，進(jìn)而再度提升了上述電池金屬的需求量。然而，由于銅、鎳等金屬供貨量受限，電動(dòng)車的產(chǎn)量或?qū)㈦S之放緩。

目前，精煉銅鎳金屬（refined copper and nickel）的供貨缺口將拉大，而鈷的供貨需求或?qū)⒂诿髂觑@現(xiàn)。若電動(dòng)車產(chǎn)量低于預(yù)期，2019年以后，鋰金屬或?qū)⒊霈F(xiàn)供給過(guò)剩（oversupply）的情況。

目前需要礦業(yè)投資新礦，從而滿足不斷上漲的需求，但目前的開采經(jīng)費(fèi)卻相對(duì)較少，因?yàn)闃I(yè)內(nèi)還在為四年前錯(cuò)估形勢(shì)而導(dǎo)致的并購(gòu)熱買單，各大礦業(yè)公司致力于實(shí)現(xiàn)收支平衡。

在大多數(shù)情況下，鈷金屬是銅或鎳的伴生物，其產(chǎn)量增幅在很大程度上取決于銅、鎳新礦的開采情況。

金屬價(jià)格攀升將使礦商受益，但會(huì)引起市場(chǎng)價(jià)格波動(dòng)。電池是電動(dòng)車最為昂貴的部件，持續(xù)上漲的電池金屬價(jià)格迫將使汽車業(yè)探尋新的替代性電池材料。