9 月 7 日，搜狐科技《AI 十二谈》第二期直播圆满举行。作为受邀嘉宾，清华大学人工智能研究院视觉智能研究中心主任邓志东教授在交流中明确提到，辅助驾驶不是自动驾驶，消费者应该明确认识到，全球还没有实现车规量产、大规模商业化落地的 L3、L4 级自动驾驶汽车，目前所有的智能汽车都是辅助驾驶。
今年 5 月，国际汽车工程师学会与国际标准化组织发布的新版自动驾驶分级（SAE J3016）明确提到，L0-L2 称为辅助驾驶，L3、L4、L5 称为自动驾驶，其中 L3 是人机共驾。
邓志东表示，区分辅助驾驶和自动驾驶的关键是看驾控主体，是人还是机器，这同时也是法律责任的主体。辅助驾驶出了事故主要是人的责任，L4 和 L5 如果出了安全事故，法律的责任主体是机器，但具体是属于主机厂，还是自动驾驶技术解决方案提供商、出行运营商等，最终需要由法律来规范。
邓志东还分析了带有辅助驾驶功能的汽车追尾不规则车辆、慢速作业或者是接近静态物体，从而导致事故频发的原因。他解释到，辅助驾驶无法识别不规则车辆，主要是大量的训练样本是正面的，侧面样本训练太少，由此产生较大的漏检或误检。
对于慢速或者静止物体，人看起来很容易判断，因为人有全局的知觉与知识推理能力，能够看到它们与大范围静止参照物之间的相对关系，使用了安全可靠的、不会违背常识的语义。但对智能驾驶汽车来说，都是相对运动状态，这就需要估计前方障碍物的运动学参数，比如相对速度、相对距离与相对方位角等。
“现在用机器学习算法去估计运动学参数，是非常不准确的，存在随机噪声的不确定性影响，没有使用语义，深度学习模型的推断有可能违背常识，还有各种环境适应性的问题和边缘事件等，无法达到人的水平。”邓志东表示，深度学习算法没有知识推理能力，但现在下一代人工智能算法还没有根本性的突破。
邓志东认为，自动驾驶发展存在严重短板，人工智能尤其是视觉智能存在较大缺陷，感知是个巨大瓶颈。解决这个问题的根本途径就是发展下一代人工智能技术，把知识驱动、数据驱动结合起来。
对于业内争议的自动驾驶感知两大技术路线（摄像头主导和激光雷达主导），谁更能保证安全的问题，邓志东表示，这需要通过落地实践来检验，需要考虑哪种方案落地更安全，而且成本更便宜。但他认为，成本不是自动驾驶发展真正大的问题，如果能够做到车规量产，第三代全固态激光雷达做到 300 美元-500 美元也是完全可能的。
邓志东认为，自动驾驶最终会走向多传感器融合，既有激光雷达的主动视觉，也有摄像头的被动视觉。从某种意义上来说，增加了冗余备份，理论上增加了安全性。
“为什么是理论上？多传感器一定要解决信息融合的问题，而信息融合往往是自动驾驶最核心的关键技术之一，这是一个战略高科技，搞了八、九十年，还没有真正完全解决。”邓志东表示。
对于自动驾驶的安全性来说，邓志东认为，感知是基础，但安全性也不完全是感知的问题，还包括规划、决策的安全性问题。自动驾驶、无人驾驶是一个复杂的工程大系统，涉及的子系统很多，但每个子系统都不能有短板，任何短板都会产生安全性问题。
同时，他认为，真正的自动驾驶车辆要实现大规模商业化落地，是需要经过各种各样的车规标准的检测才能拿到生产与上路运营许可证的，而车规要求是极其苛刻的。满足车规要求，真正商业化量产，在安全上基本应该没问题。“如果真正的自动驾驶车辆实现商业化，安全就应该没有太大问题，否则就不应该出厂，不应该上路，不应该交到消费者手上去。”
那么，相比人类驾驶，自动驾驶真的会更安全吗？邓志东表示，这可能得分情况来看，如果跟正常人的正常驾驶比，人肯定是比机器更安全，因为人有认知能力；如果跟正常人的非正常驾驶（如酒后驾驶、疲劳驾驶、斗气开车）比，机器比人要强。
目前，自动驾驶行业可以说是黄金赛道，新老车企、跨界的互联网企业、ICT 企业，还有上游的关键零部件、人工智能芯片、操作系统等赛道企业都大量涌入。邓志东表示，这肯定会导致行业出现浮躁。
但这并不影响他对自动驾驶产业落地的乐观态度。“无论是资金、人才，都聚集到这个赛道里面，肯定会有很大的创新驱动力将产业继续往前推进。”邓志东认为，更多的玩家进来肯定是利大于弊，可以促进产业更快落地，也说明大家都看好自动驾驶产业的发展。
不过，邓志东表示，目前技术上国内外自动驾驶的差距比较明显，例如特斯拉、Waymo 与 Mobileye 都有一些杀手锏关键技术，值得国内同行高度关注。但他称，国内在商业模式创新方面更有优势，低速、高速，园区、港口、矿山，物流、配送都有企业在做，产业生态优势明显，相关企业非常多、非常全，同时政府对自动驾驶的支持力度也非常大。
对于自动驾驶未来的落地前景，邓志东表示对 L4 比较乐观，尤其是在慢速、低速，或者高速在特定条件、限定区域、限定功能，特别是在建设一些特定路段（如专用车道、智慧道路）的情况下，未来有望迎来产业落地。但对 L5 级自动驾驶的落地，他表示遥遥无期。
“人工智能还没有发展到认知智能的阶段，现在还是感知智能，主要使用数据驱动的方法，除非人工智能有巨大的突破，否则很难做到真正的 L5。”邓志东表示。