實際上，人工智能應(yīng)用的路還非常漫長、任務(wù)還非常艱巨。目前，比較實用的，大家看得見、摸得著而且能夠產(chǎn)生結(jié)果的就是機器學習，通過機器學習去仿真、研究、模擬人的一系列內(nèi)容，達到了這個目的才叫人工智能。但是有機器學習是不是就能解決問題了？實際上，還不能有效地解決問題，還需要進一步推進，也就是說僅僅機器學習還不夠，還需要深度學習。
車輛識別不是一件簡單的事情。因為車輛有很多形態(tài)的變化，第一，汽車有不同的角度、不同的方向。第二，汽車會快速移動，增加了辨識的難度。第三，當多輛車在一塊時，混雜的交通環(huán)境，混雜的車流情況下，也要能夠快速、準確、有效地進行辨識。要把人工智能真正地應(yīng)用到交通領(lǐng)域，遠比我們想象的困難得多，人工智能實現(xiàn)智能駕駛尚具有挑戰(zhàn)性。
特斯拉在智能駕駛領(lǐng)域發(fā)生過交通事故，造成司機當場死亡。如果發(fā)生事故的這兩輛汽車具備了我們今天談到的車路協(xié)同系統(tǒng)，如果車跟車的通信、車跟路的通信能夠?qū)崿F(xiàn)，那么這場交通事故就可以避免。
從嚴格意義上講，如果一個系統(tǒng)要具有人工智能，就應(yīng)該具備三個條件。第一，系統(tǒng)能夠像人一樣感知環(huán)境、感知社會。人類通過眼睛一看就知道了，但是機器設(shè)備未必能行。第二，系統(tǒng)能夠像人一樣進行思考。第三，系統(tǒng)要能模仿人一樣的動作。如果能夠達到這三個條件，才算是真正意義上的人工智能。
但是目前我們看到的很多關(guān)于人工智能的介紹，距離這三點還很遠，還有很多工作要做。
目前，巡航控制已經(jīng)應(yīng)用到一些新車上了，ACC已經(jīng)得到體現(xiàn)了，但是ACC還只是實現(xiàn)車輛自身的巡航，前車做任何動作是不知道的，只能通過距離和對速度的判斷，來識別前車可能做什么事情。
基于車路協(xié)同也好、自動駕駛也好，未來，我希望前車或者周邊車輛所做任何動作之后，車輛要把信息傳出去，而不再是讓其他車輛去猜測。于是在這種情況下，有了CACC，以及加上人工智能以后的AIACC。因此，我們說人工智能和車路協(xié)同是可以完全結(jié)合起來的。
車路協(xié)同主要是提供一個平臺，讓所有的交通主體，人、車、路在這個平臺上都可以實時地、全方位地交互信息。在這個基礎(chǔ)上，為交通出行的駕駛安全和交通管理提供一個新的平臺。車聯(lián)網(wǎng)、網(wǎng)聯(lián)車和車路協(xié)同實際上是殊途同歸的，但是車路協(xié)同更多的是強調(diào)交通整體集成功能的實現(xiàn)。
此外，還有兩個方面的改進。第一，駕駛安全。在傳統(tǒng)的安全措施之上，我們提供了V2V平臺，這就使得所有車輛之間的信息，包括操作信息可以共享，改變了原來的安全模式，比如安全帶、安全氣囊這些被動式的安全模式，目前的ADAS則屬于主動式的安全模式，因為出現(xiàn)事故之前可以主動避障，但是還不是多機協(xié)作的，而到了CDAS階段，就能夠?qū)崿F(xiàn)多輛車的協(xié)作。
交通控制方面也會發(fā)生革命性的變化。在一個新的平臺，你可以知道所有車輛在道路上行使的位置、速度、加速度、方向，以便更好地調(diào)整駕駛。
目前，自動駕駛主要有兩條技術(shù)路線。第一，靠車載傳感器來探測車輛周邊的交通信息，實現(xiàn)自動駕駛。第二，不完全依靠于傳感器，而是使用高精度地圖，加上高精度的定位技術(shù)，再結(jié)合近距離的傳感器，實現(xiàn)自動駕駛，這也是目前自動駕駛領(lǐng)域最常用的方法。目前，一些自動駕駛汽車公司基本上是走這條技術(shù)路線。
車路協(xié)同的平臺完全可以給自動駕駛車輛提供周邊的交通環(huán)境，比如局部的交通道路信息，還可以做到高精度。利用傳感器探測周邊的環(huán)境，路側(cè)設(shè)備探測比移動過程中探測，精度與可靠性都高很多，而且靠基礎(chǔ)設(shè)施的建設(shè)，可以大幅度降低車輛成本。車載設(shè)備和路側(cè)設(shè)備之間交互信息以后，能夠助力實現(xiàn)真正意義上的自動駕駛。總之，有了車路協(xié)同系統(tǒng)之后，汽車可以利用這些產(chǎn)品和系統(tǒng)，讓交通出行更快地進入新時代。
