马化腾的腾讯和阿里一样更看重数据服务，强调车路协同，需要市政建设达到车联网的要求，在高精地图的投资以及用17.8亿美元换取特斯拉的5%股权，有借壳生蛋的意思。

已有样车的阿里更强调车路协同，数据服务将成为智能驾驶的基础架构而存在，将催生自动驾驶的新企业充实自动驾驶的上下游链条。

百度开放了Apollo，手握国内超过一半的智能驾驶牌照，开放代码超过了20万行，参与开发的人员超过2000，Alphabet孵化了Waymo，孵化了美国的智能驾驶行业。

1、百度软件升级两年间迭代了6个版本，在营收乏力的情况下，继续大力投入自动驾驶，百度每年在智能驾驶方面的花费上亿美元；

2、在智能驾驶落地方面，根据百度的路线图，在限定区域测试L4级别智能驾驶；

3、在2021年实现高速和城市完全智能驾驶，即L5级别智能驾驶。

如此一来，百度可能会成为最早实现L5级别智能驾驶的服务提供商，因为Waymo明确表示，L5的智能驾驶可能很难实现。

相比百度把宝押在自动驾驶上， 腾讯和阿里则轻松得多，一个在电商领域如火如荼，一个在社交和游戏领域独领风骚。

腾讯和阿里会更在中场核心构筑壁垒，在自动驾驶领域的投入更看长线， 软硬融合是壁垒的基础，是智能驾驶的竞争中场的关键元素，智能驾驶要落地，必须拥有完善的软硬基础设施和大数据支撑。

智能驾驶相对复杂，需要应对的方面太多，从技术到伦理甚至法规，方方面面都要有所考虑，影响学习曲线的因素过于复杂，制约了智能驾驶领域研究的投入，在没有找到合适的研究工具之前，传统车厂对智能驾驶的态度观望大于行动。

作为行业标杆的奔驰，早在其S级系轿车里，提供了夜晚驾驶辅助，通过不大的中控屏幕，提供红外摄影的图像，如果出现人或者动物会提醒，还有刹车辅助系统，一时间也被其他车厂效仿。

1、高成本和高复杂度阻碍了像奔驰这样的车厂花大力气研究和推广，智能驾驶的门槛太高，软硬协同以及云计算服务，传统车企是空白；

2、机器学习、深度学习、神经网络计算最近才发展到实用阶段；

3、传统车企不在IT的前沿，无法充分利用计算资源实现自动驾驶的概念，让有IT背景的厂商有机可乘。

外行改变内行的百度则让智能驾驶在华夏开花结果，特斯拉给智能驾驶打了广告，Waymo给智能驾驶展示了美好的前景，使得内行跟着外行走。

奔驰和宝马都有自己抱团的产业链，宝马要在2020年试验L4级别的智能驾驶，大众智能驾驶的研发工程师已经在达到了4000人之多，通用和福特通过收购实现了对智能驾驶领域的切入，通用的Cruise水平还不错。

宝马甚至把一台R1200GS摩托车通过智能驾驶赋能，跑了几圈大秀肌肉，不知是为了应对质疑还是为了嘲笑现在的智能驾驶对手，这台没有特别改装的摩托车，其智能驾驶技术难度要比汽车高。

智能驾驶的成败系基础大数据，传统车企和智能驾驶新贵开始在技术上对接了，注重绘制高精度地图，反馈驾驶过程中控制行为，碰到什么新场景，是否学会了，由此积累必要的基础数据。

百度为了打造Apollo生态，与开发人员或新创企业进行数据交换共享，大幅度加快Apollo生态成熟步伐，还将开发针对日本的系统，人的习惯，交通状况的差异，都需要纳入软件和云数据服务中，从而提高智能驾驶精度。

拥有智能驾驶能力的实验车速度还不能太高，很少超过60公里时速，无法实现全自主的L5级别驾驶，试验和对软件算法的规划，需要更多时间完善，多数车企的落地测试车辆不到100辆。

智能驾驶汽车需要有超过100亿公里的行驶数据集，才有可能被认为能够在道路上行驶，Waymo车队在2018年达到600辆，行驶里程已超过60亿公里，马斯克有超过20万辆车智能驾驶车辆提供驾驶数据。

Waymo认为那不算数，不是L3级别的智能驾驶不是真的智能驾驶，预计2020年特斯拉能提供L3级别的智能驾驶，问题是，特斯拉的方案与L3级别的智能驾驶相比，还有物理鸿沟。

Waymo在智能驾驶汽车上路测试中，其脱离率达到了17000公里/次的水平，华夏平均每辆车行驶里程大约为15000公里，几乎等于平均一年一次。

Waymo大举进军出行服务，并将购入6.3万辆车进行试运营，到2020年，将有大约2万辆智能驾驶汽车供出租用，马斯克只能表示沉默，特斯拉还没法做出应对。

虽然表面上是技术取向之争，实际上是数据后台算力之争，特斯拉没有Alphabet的数据处理和传输优势，不具备大规模云计算和AI算力输出服务，迫使特斯拉把用户当成免费测试员，数据虽饱满，但并不利于算法升级和迭代。

特斯拉L2级别的智能驾驶还是有代差，不足以对Waymo形成挑战，比如红绿灯的识别、对警察意图的识别，曾经，特斯拉一辆车看不懂警察手势，跟警车撞在了一块，让特斯拉闹了笑话。

经过十年发展的Waymo算是堪用了，它在智能驾驶和出行服务方面架了一座桥，也铸了一道壁垒，硬件和软件还有可追的可能性，高达2000万公里的实验数据，大多数厂商得想其他办法完成。

采用LiDAR系统的成本太高，很难进入家庭轿车，马斯克坚持采用模拟人眼感知的方式获得智能驾驶的数据，成本很低，能够商用，很难超越人类本身的驾驶能力，是特斯拉方案的大缺陷。

基于云端数据服务辅以LiDAR雷达的，具备大幅度超越人类驾驶的潜力，意味着智能驾驶汽车构筑的交通系统，会比目前的交通系统高出一个段位。

传统车企或多或少忽略或不具备云技术处理，制约了其在智能驾驶领域的投入，没有数据思想总观全局，无法实现智能驾驶的发展和演进，如同数据天然具有演进产品的价值，在智能驾驶领域表现得淋漓尽致。

传统车企上行，互联网车企下移，智能驾驶在中场碰撞，一台符合上路标准的智能驾驶汽车，造价高达15万美元以上，主要是LiDAR雷达够贵。

一台64线主雷达将达到8万美元，还需要两个辅助LiDAR雷达，加上专用计算服务器以及其他费用，成本无法降低，马斯克坚持不用LiDAR，使得特斯拉的Autopilot的价格也比较便宜，大约在6000美元左右，目前无法实现L3级别的自动驾驶。

逐渐普及的L2级别的智能驾驶难度没有那么高，汽配大厂博世就有解决方案，国内拥有L2级别智能驾驶的汽车，有的直接用了博世的方案。

智能驾驶的平台承担一个数据的中枢作用，不仅需要接受外界的数据，还要对自身产生的数据进行处理和判断，以对汽车做出控制，几乎所有的智能驾驶汽车，一没有考虑乘坐的人的感受，没有考虑到极端天气下各种情况的应对。

如果智能驾驶不能很好服务于人的感受，再好的技术将不会得到市场的青睐，特斯拉的摄像头因为雨雪天气容易失效的问题，而且还有对标识的识别问题，远比高速上跑一通复杂，在面对极端天气，出现意外的处理上没看到案例。

智能驾驶汽车的乘坐体验不好，如刹车太硬，加速很难符合心理预期，容易晕车，给未来的智能驾驶发展提供了方向，智能驾驶平台不仅要对接云数据，处理好传感器数据和控制汽车，也要把人的感受作为最主要的考量因素。

如宝马讲究驾驶乐趣，保时捷推背感的营销策略，智能驾驶还做不到这些细节体验的提高，限制了传统车企对此的兴趣，将有更黑的科技弥补智能驾驶的不足。

百度人工智能发展前景大好，百度开放智能驾驶出租车项目，株洲已经通过标志线导航实现了智能驾驶公交，目前还没看到对乘坐舒适性的负面评价，Waymo提供Waymo One服务作为尝试。

要做到L4级以上的智能驾驶，现在的数据集还不能完全支持，城市里开放无人驾驶出租车还有困难，一切都卡在了数据上。

以IT技术为代表的Alphabet和百度，通过算法和软件以及云端的数据服务，在虚拟世界重构了一个与现实高度重合的交通空间。

通过计算模拟实现智能驾驶技术的升级和迭代，主要目的是以汽车为载体，把软件和服务作为核心和未来盈利来源，提供的是软硬系统和数据服务。

以传统汽车为代表，以整车为模型的思考方式，从整体上把汽车改造成符合智能驾驶要求和规范的平台，应对IT行业对汽车这个平台侵蚀，找IT企业合作，强调的是汽车本身，忽略了汽车的出行服务本质。

1、传统产业和服务产业对汽车行业完全不同的理解，IT厂商切入是以服务为目标；

2、传统汽车厂还是以产品为核心，将给智能驾驶领域带来两种不同技术路线的冲撞和纠缠；

3、IT技术厂商嗅到了服务的价值和不可替代性，传统车企的产品竞争很难通过产品竞争获得绝对的市场占有率；

4、服务和产品的巨大差异，让IT技术厂商捕捉到以出行服务为方向，向产品端渗透的商机。

华夏出行服务的市场规模在2019年将达到260亿美元左右，还将以每年30%以上的复合增长率高速成长，到2030年的时候，中国出行服务市场将达到5640亿美元，45%以上的人会用到共享汽车。

汽车业的以产品为中心的好日子到头了，以服务为中心的模式将大幅成长，中国轿车产销在2018年历史性下滑，结束长达28年的增长。

将有接近一半的人可能就不会购买属于自己的汽车，汽车这种私有性特别强的物品也将成为公共交通网络的一部分，它的价值将在高效率的公众服务中尽情体现。

出行方式多变，共享汽车服务高速发展，数据的价值堪比石油，在出行服务逐渐风行，技术逐渐有富裕能够输出的时候，以智能驾驶为主题的比赛如火如荼。

2018年，仅与互联网相关的数字经济在我国已经占到GDP的1/3，数据石油与传统的石油在汽车上相遇，是科技发展不可避免的宿命。

传统车企除了宣布参与自动驾驶的竞赛外，还通过布局出行服务参与到这样的商业盛宴，丰田其实拉了软银作背书，潜台词对基于网络的服务商还不大信任，就连冥顽不化的丰田都开始对自动驾驶和出行服务感兴趣。

对传统车企疯狂反击的奇瑞，涵盖智造、智云、智驾、智赢、智行五大的方面，搅扰了传统车企的好梦，如梦初醒纷纷偷袭网络巨头的老巢，只是大潮之下，无法左右自己的格局，在新的技术面前， 汽车迟早会成为配角。

无可奈何花落去，十年河东转河西，在数据面前，汽车作为配角，只能给数据打工了，李彦宏押注人工智能与开发智能驾驶珠联璧合。

百度提供的是智能驾驶的整体解决方案，构筑了智能驾驶的生态系统，融合了服务、软件、车机和主机的方方面面，云计算、AI算力输出是百度这个平台的核心内容。

在小度OS方面切入小程序已经可以在百度的车机OS上运行，百度的Apollo 平台强调汽车本身的计算能力，辅以高精度地图，完成智能驾驶的所有功能。

阿里除了提供车载的AliOS之外，更强调车路协同，从运控平台、智能感知基站、协同计算系统三个层面，更像一个基础设施的构建，并且极度需要5G的配合，与华为的思路相辅相成。

腾讯投资高精地图的Momenta，除了与阿里和百度相近的云数据服务外，还提供模拟仿真，是自动驾数据集训练的关键步骤之一，不是自己孵化技术，更注重此领域的外围投资。

作为车厂，没有更好的选择，智能驾驶的数据化决定了它们的从属地位，用这三家的车机系统，在生产数据的层面就必须与他们各自的云数据发生勾连，装载其系统的汽车成为他们的数据发生器。

传统车企和智能驾驶服务提供商在数据和软硬系统的中场开始碰撞，谁先找到智能驾驶的强需求谁就赢，人在最需要的地方才会发光，技术同样如此。

目前西安到乌鲁木齐的物流需求最为紧俏，准备在这一段投入智能驾驶物流车，主要是减少司机降低成本之用，用了这个系统，可以减少一个司机，提高物流运力。

在过去的二十年内，智能驾驶将被认为是科技史上的革新，是借助于IT基础设施完成的科技之科技，它的应用市场范围大，如果融合5G技术，全球的市场规模将达到5万亿美元之多。

最近5年，全球关于智能驾驶的投资达到了120亿美元，新成立了超过460家企业，华夏智能驾驶企业如火如荼。

在资本刺激下，智能驾驶已经开始呈现高烧状态，有些甚至被烧晕了，有两家融资规模比较大的公司因为内讧而元气大伤，有一家甚至因为创始人的纷争关门。

在一些细分领域比如高精地图方面同样火热，BAT各有入股投资，争取智能驾驶中场的那一亩三分地，国内具有导航测绘甲级资质的企业也瞬间热起来，BAT三家都是接近系统级布局。

在细分市场卡位，就像足球的中场，有好几个位置，未必各个都强，但是卡位精准则有田忌赛马、出其不意的效果，BAT具有点面的布局能力，其他后来者可能就要从细节挖掘机会，这将带动一大批细分领域的领军厂商，商业动量不可限量。

世界上只有一种真正的英雄主义，那就是在认清生活的真相后依然热爱生活，认清竞争的本质依然热爱竞争，也是英雄主义，智能驾驶在这样的竞争中一定会更好。

1、定制的基于硬件的神经网络加速器在数据吞吐量和能源效率可以超过通用处理器；

2、定制加速器与网络训练方法的联合，增加了网络部署的可行性；

3、通用处理器，跟不上时代的步伐，快速发展的人工智能数据结构和算法使得可编程芯片系统成为实验的热点。

国内外高科技公司纷纷布局人工智能、国务院出台《新一代人工智能发展规划》等表明，人工智能发展迎来了新纪元，云计算、大数据、物联网、互联网、智能识别、知识管理和创新突飞猛进。

当教育信息化基础设施尚在普及完善、互联网+教育尚在互相催化融合时，人工智能作为信息技术的更高发展阶段，毫无疑问会深层次推动教育教学改革与创新发展，进而给未来教育带来机遇和挑战。

正如机器取代简单的重复体力劳动一样，人工智能将取代简单的重复脑力劳动，司机、翻译、客服、快递员、裁判员等都可能成为消失的职业，传统社会就业体系和职业形态也将因此发生深刻变化。

适应和应对这种变化与趋势，教育必须回归人性本质，必须褪去工业社会的功利烙印，当人工智能成为人的记忆外存和思维助手时，学生简单地摄取和掌握知识以获取挣钱谋生技能的育人目标将不再重要。

教育应更加侧重培养学生的爱心、同理心、批判性思维、创造力、协作力，帮助学生在新的社会就业体系和人生价值坐标系中准确定位自己。

校园环境信息化将向更高层次的智慧校园迈进，各种智能感知设备和技术无处不在，教育目标、教育理念的改变将加速推动培养模式、教材内容、教学方法、评价体系、教育治理乃至整个教育体系的改革创新。

校长、教师、学生不知不觉已经镶嵌到有形的校园物理空间和无形的虚拟数据空间中，当学生踏进校园就可以完成签到，离开校园自动告知家人，进入教室多媒体设备已经开启，身体不适发出报警求助，上课开小差收到友情提醒，练习测验后生成学情分析报告。

校园物理环境、教室教学环境、网络学习环境已经充分融合，实现了从环境的数据化到数据的环境化、从教学的数据化到数据的教学化、从人格的数据化到数据的人格化转变。

校园看上去还是那个校园，却充满了人类的温度和智慧，创意工作者、人际连接者、复杂模式的判断者，这三类人是最不可能被人工智能替代的。

教师必须适应变化的教学政策和教学环境，面向不同性格特点和需求的学生，处理多样化的教育教学问题，人工智能不能轻易取代教师这个职业。

1、人工智能可以改变教师的角色和作用，教师可以从低附加值的简单重复工作中自我解放，更加专注于构建和谐稳固的师生关系和促进学生全面长远发展；

2、教师就不再仅仅是知识的传授者，而是满足学生个性化需求的教学服务提供者、设计实施定制化学习方案的成长咨询顾问；

3、智慧人工智能教育学习系统能够实时动态地检测学生的知识状态，不断分析学生的学习问题，像名师一样快速精准定位到学生的薄弱知识点；

4、算法会分析学生每一道题目的做题情况，智能给出下一道题目，用极少的题目即可深度剖析学生的知识状态，精准定位到学生的知识薄弱点；

5、系统会根据孩子每道题的做题状态，智能推出下一道题目，当系统认为孩子是猜对题目，或不小心做错的时候，会连续给到相似的题目，来判断孩子的知识点掌握情况，直到系统能够判断学生的知识状态为止。

百度人工智能发展前景大好，随着认知科学、脑科学和学习科学的快速发展，人机协同增强智能、群体集成智能成为人工智能发展的新方向。

人工智能从知识关联和群体分层方面分析学生知识掌握情况、推送学习建议，从大脑思考方式、个体性格特点、所处环境特征等方面，为每个学生提供个性化、定制化的学习内容、方法，激发学生深层次的学习欲望。

人工智能不断演进，去往何处尚未可知，能否为人类所驾驭亦引发伦理担忧，对未来教育发展提供机遇的同时也带来一系列挑战。

人工智能绝非万能，涉及成人育人的教育领域绝不能盲从，要避免过度依赖和隐私泄露，需要教育避免过度依赖人工智能，对一道题解法的误判也许只影响一时，对一个人成长的误判则可能影响一生。

教师的高阶脑力活动和教学经验，学生的学习能力和逻辑思维习惯，绝非天生具有，往往需要低阶脑力劳动甚至体力劳动的重复训练和积累。

信息茧时代，过度依赖人工智能导致眼高手低、好高骛远，知其然不知其所以然，师生变相成为人工智能的助手和附庸，教师失去应用的教学能力和职业素养，学生失去独立思考的能力和健全的心智。

人工智能的技术基础和前提是海量的数据积累和训练挖掘，师生的社会属性数据和教学行为数据体量越大、维度越丰富、时间跨度越长。

人工智能所提供的教学服务就越精确、学习建议就越科学、知识内容就越合理，产生的教育质量和效益就越显著，与之相伴的是师生隐私泄露的风险在急剧增加。

人工智能可以为未来教育插上腾飞的翅膀，但绝不能以牺牲师生隐私为代价，必须保证师生对所收集数据的知情权、选择权、访问权、所有权和控制权，必须保证数据安全。

百度人工智能发展前景大好，智慧城市，智慧医疗，智慧金融，特别是智慧农业的新业态红红火火，成为农业领域的一大热点，休闲农业、互联网+农业、众筹农业、智慧农业等各种新词多了去了。

有钱大家赚，有人赚的盘满钵满，有人跟风投资，捯饬的铩羽而归，还有人玩弄概念，更是漫天炒作，真的是花花世界无奇不有。