接下来简单分享一下我们说中国式自主研发，到底它的关键点跟我们自己的一个分解是怎样的。做自动驾驶有这么多核心的东西，你规避不开，一定要去深耕，一定要去沉淀。比如芯片一定要有，没有不要搞AI。第二，自主研发措施打通任督二脉，把数据，也就是代表场景跟车，跟算法连接起来，这是真正自动驾驶是一个框架性的东西。海量中国场景大数据，不管你再怎么海量，世界天天变，所以这个东西是一个永恒的难题。我逐一分解一下，我们海量大数据场景，这个场景要在公开的任意的，不能是限定场景。我们经常有朋友开车，在硅谷开得好好的，车一旦开到中国，发现什么都不行了，就是因为场景变了，一切都变了。所以，场景是一切的源泉，而场景体现在大数据里边，而这个场景是要不加限制的，只要用户开过的地方，你都要去开，去搜集。拿这个数据到云端经过组织之后，把它进行AI的一个创新，肯定是创新的一个你要识别，所有的东西你要做预测，你要更多接下来我会讲一下，然后把这个算法弄到车载上，不要再仅仅在云端控制这个车辆。弄到车载上，你要在车上能算得动，你才有产品。这个东西形成闭环就是最关键的一个框架，形成闭环之后，让这个算法通过数据进行生长，让这个算法在车上得到验证，再回来一些你解决不到的问题重新增长这个算法。这是一个框架跟智能它得以演进的一个东西。解决中国的自动驾驶一定要让这个框架转起来，要让这个智能可演进，因为没有人可以一步解决所有。

AI我总结了大家认为对AI的定义，每个人有不同的理解。那在车上，我们需要AI的六维感知，第一维感知，你得知道自己是怎么动的，怎么运转，车辆动力学。第二维你要知道周围是什么问题，物体。第三维你要知道物体精准的在什么地方。第四维你要知道互相之间它的这个预测，它未来。因为人驾驶，人的反应弧其实是很长的，反应弧比如是400毫秒，很长，甚至比算法要长。但是人能够驾驶很好，因为人对未来有预测，他是基于预测在开车，而我们算法它总是基于历史，过去看到的传感器看到再算，算完决策，这个反应弧你是基于过去在做预测。所以，我们为了弥补这种延时，要对每个车辆的轨迹，每个账号的轨迹进行预测，所以这第四维时间维度。第五维你要理解车辆之间它不是孤立的，它是有相互影响的，它是有事件的。你加塞了，别人可能不让你加塞，别人可能会换道，你到底怎么想，你才能做出最好的一个决策。第五维，你做了一个决策，每个人开车不一样，有的人就是我尽快走，有人就是说我要安全第一，有人我要舒适第一。所以，你做决策要理解你基于什么样一种规则做的决策，这是第六维。六维感知之后才能真正的做到自动驾驶，我们现在的AI其实最多到了第二维或者到第2.5维。从2012年突破大数据的深度学习，它给大家提供了一个很好的水平线，就一下大家都水涨船高，在一个水平线上了，能够识别上千物体、上万物体的98%的精度比如说，所以这是二维。到第三维，我们需要高精定位，高精地图在量产车上量产方案做，现在是一个全世界都没有完全解决的问题。所以，我们现在在二跟三之间，但我们同时可以在研究界以及算法界可以做第四维、第五维的一些突破，一些预言，但是真正落到产品上还需要一些的实践跟积累。所以，自动驾驶真正做起来，它是结合传统经典算法，结合对scenarios的理解，有很多 scenarios，有很多场景。再结合AI做了各种各样的复杂流水，所以为什么你看各个自动驾驶公司，有些人说我三个月车都可以开了，那你接下来这两年你在干吗？我在解决各种 scenarios，没完没了的scenarios，且我这个车只要一换城市，我原先在广州开，我换到深圳发现这个什么东西都变了，我要重新再搞一下，这就是自动驾驶的难处了。

另外，车它不是一台手机，它也不是一个电脑，安全要第一，要做到安全是很复杂的，这个车本身有控制单元，有感知单元，现在又有芯片，各种各样的东西加到一起。为了解决这个问题，我们是说在传感器上面做了一些冗余，在我们的控制单元上，在我们的急刹车上都做了一些冗余，把整个安全的以及智能分成了四个层次的框架系统，一层一层往上去涨。那我的一个基本的原则就是任何高级的智能都是不能以牺牲性命关天的安全性为原则。比如说Uber前几个月发生了一些车祸，就是AEB没有启发，那这种情况下，我不管整个车有多智能，我是不会去用的，因为我AEB是我性命攸关的。所以我们在设计我们的系统上会第一步保证我这传统一百年造车留下的精华不要被损害。第一层。第二层我有一个冗余。第三层、第四层我再说高级的智能，如果高级的智能做不到，我就回到下面的一些智能上去，保证人的性命安全，比这个智能的fancy的未来更重要。

最后很快我想跟大家分享一下我们的产品的智能演进。我说过，要解决自动驾驶问题，我不相信有一家厂商可以站出来说我落后的都解决了，这是不科学的，这个问题有它的科学性。所以它一定有一个演进的道路。我们把自动驾驶分成了，中国人驾驶他的焦虑痛点跟外国人不一样，比如说外国人很少有这个停车焦虑，停车场都很多。但是中国人停车焦虑是很大的，所以我们第一步先从这个停车焦虑开始解决，从耳朵，就是先用超声波，基于超声波的泊位像蝙蝠探测一样，你要有前后、左右有车辆才能去检测，这个超声波也是现在市场上大部分的停车系统用的这个技术框架。我们在此基础上加了视觉，你这个车场空空的，超声波探测不出来任何车位这是很傻的，这是人不能理解的。所以加上视觉，让他能够看到各种停车位。最后再加上语音，让人可以跟它交互，再到一些记忆性的东西，一步一步的去演进它的智能。对于自动驾驶来讲，驾驶焦虑，比如说春运的时候长途开高速公路的焦虑，比如说每天上下班，在一线城市每个人平均50分钟、一个小时的堵车，上下早晚高峰的焦虑。这种焦虑已经使得人这个车的生存空间变成了人除了家、除了公司之外非常重要的一个生存空间，所以我们有自己发挥的这个空间。那我们解决完驾驶焦虑之后，会从先说高速自动驾驶开始去做，L2、L3的比如说人，L2就是人可以不允许脱手，你手要实时在上面，L3你可以允许脱手了，你这样长途跋涉的时候，人的这个焦虑性、疲劳性可以得到更大程度的改善。再到拥堵情况下，车可以自己的跟停，然后handle一些换道，handle一些别人的加塞的问题，解决早晚驾驶高峰的焦虑。再到未来以后，城市十字路口怎么去过，现在也是一个永恒的难题，怎么上下高速，是真正做到从A点到B点的一个自动驾驶的关键技术门槛。再到最后，其实就算这些技术问题都解决了，自动驾驶问题也没有完全解决，因为人的驾驶习惯，用户体验是我们最重要解决的问题，每个人他驾驶的习惯不一样，有人喜欢用激进型的，有人喜欢平稳型的，所以最后我们要解决个性化的驾驶问题，这是我们的一个演进之路，粗框架的。