汽车产业变革下半场，智能汽车如何开新局******
“智能汽车是汽车产业的变革性技术，已引起世界各国的激烈角逐，中国发展智能汽车也已形成共识。我们的顶层规划以及产业政策日趋完善，技术研发逐渐进入商业化创新阶段。”在近日举行的全球智能汽车产业峰会（GIV2022）上，中国工程院院士、清华大学教授、汽车安全与节能国家重点实验室主任李克强的演讲直奔主题。
如果说新能源汽车是汽车产业变革的上半场，那么下半场就是智能汽车。本次会议围绕“全球视角下的智能汽车发展之路”，相关院士专家、企业代表聚焦操作系统、顶层设计等话题展开了观点交锋。
迈过芯片这道坎是必答题
“汽车智能化是一项十分复杂的系统工程，需要智能汽车、智能交通、智慧城市的协同创新。”中国电动汽车百人会理事长陈清泰说，智能汽车的价值链、供应链正在加速重构，未来汽车对传统汽车的颠覆性，使传统零部件体系的50%以上都面临重构。
有机构预测，到2030年，芯片将占高端汽车物料成本的20%以上，软件成本占整车成本的比例，则将从目前的15%跃升至60%。
近年来，在“缺芯”倒逼下，我国汽车芯片设计有了快速进步。不过，中国电动汽车百人会副理事长兼秘书长张永伟坦言，如何迈过芯片这道坎，仍然是必须要解决的问题。
“我们必须看到我们所面临的一系列严峻挑战。”张永伟举例说，比如进口依赖、产业链技术短板、严格的检测认证以及人才短缺等问题。基于此，他提出应提升全产业链技术，建立汽车芯片标准、检测认证体系，加快国产芯片“上车”应用，加大政策支持等。
打造国产主流CPU架构
有报道称，美国太空探索技术公司创始人马斯克将推出汽车芯片，使汽车成为“四个轮子上的移动巨型计算机”。中央处理器（CPU）是汽车产业发展的关键技术之一，CPU架构也是芯片产业链的龙头，其不仅决定了CPU本身的性能，也在很大程度上引领整个芯片产业发展和生态建设。
“这几年国产CPU发展得很快，现在国内市场上已有六七种CPU架构并存，但这并非长久之计。”中国工程院院士、中国科学院计算技术研究所研究员倪光南直言，多种国产CPU架构并存，未来可能会造成资源分散、低水平重复等问题。
“这种状况如果不加以改进，若干年后，我国将缺乏能在全球市场上与X86、RAM两家竞争的自主CPU架构，从而在主流CPU方面仍将受制于人。”在倪光南看来，面向未来主流CPU市场，要聚焦开源绿色架构，发展中国芯片产业。尤其是在智能网联汽车等新兴领域，可通过充分发挥我国举国体制、超大规模市场优势和人才优势，共建绿色产业生态，增强绿色产业链、供应链自主控制能力。此外，还要通过加大对开源数据的贡献，增大国际话语权和主导权。
探寻智能网联汽车“中国方案”
在探讨中国智能汽车发展的具体问题时，针对如何加强顶层设计，陈清泰坦言，要动员多方力量，共同做好智能网联汽车的顶层布局，例如如何按照车路协同的思路对道路基础设施进行智能化改造，如何建立面向智能汽车的数据监管系统，怎样打破部门分割、形成高效协同的推进体制，都是当前非常迫切需要推进的任务。
“未来中国要发展智能汽车，就应该从一体化的架构体系构建和关键技术突破方面作出积极探索。”李克强剖析，考虑到智能网联汽车的技术特征及社会属性，我们难以采用国际上的单车智能发展路径，需要探索“中国方案”，要充分融合智能化和网联化的技术路线，探索适合我国智能汽车的发展方案。
智能网联汽车如何迈向高质量发展？李克强认为，要加强顶层设计谋划，抢抓智能网联汽车网联化、智能化的窗口期，加强产业顶层战略布局，并积极践行“中国方案”，成为全球技术趋势的引领者。
向善而生的AI助盲，让AI多一点，障碍少一点******
有人说，盲人与世界之间，相差的只是一个黎明。在浪潮信息研发人员的心中，失去视力的盲人不会陷入永夜，科技的进步正在力图给每一个人以光明未来。
AI助盲在人工智能赛道上一直是最热门的话题之一。以前，让失明者重见光明依靠的是医学的进步或“奇迹”。而随着以“机器视觉+自然语言理解”为代表的多模态智能技术的爆发式突破，更多的失明者正在借助AI提供的感知、理解与交互能力，以另一种方式重新“看见世界”。
新契机：多模态算法或将造福数以亿计失明者
科学实验表明，在人类获取的外界信息中，来自视觉的占比高达70%~80%，因此基于AI构建机器视觉系统，帮助视障患者拥有对外界环境的视觉感知与视觉理解能力，无疑是最直接有效的解决方案。
一个优秀的AI助盲技术，需要通过智能传感、智能用户意图推理和智能信息呈现的系统化发展，才能构建信息无障碍的交互界面。仅仅依靠“一枝独秀”超越人类水平的单模态人工智能比如计算机视觉技术还远远不够，以“机器视觉+自然语言理解”为代表的多模态算法的突破才是正确的新方向和新契机。
多个模态的交互可以提升AI的感知、理解与交互能力，也为AI理解并帮助残障人士带来了更多可能。浪潮信息研发人员介绍说，多模态算法在AI助盲领域的应用一旦成熟，将能够造福数以亿计的失明者。据世卫组织统计，全球至少22亿人视力受损或失明，而我国是世界上盲人最多的国家，占世界盲人总数的18%-20%，每年新增的盲人数量甚至高达45万。
大挑战：如何看到盲人“眼中”的千人千面
AI助盲看似简单，但多模态算法依然面临重大挑战。
多模态智能算法，营造的是沉浸式人机交互体验。在该领域，盲人视觉问答任务成为学术界研究AI助盲的起点和核心研究方向之一，这项研究已经吸引了全球数以万计的视障患者参与，这些患者们上传自己拍摄的图像数据和相匹配的文本问题，形成了最真实的模型训练数据集。
但是在现有技术条件下，盲人视觉问答任务的精度提升面临巨大挑战：一方面是盲人上传的问题类型很复杂，比如说分辨冰箱里的肉类、咨询药品的服用说明、挑选独特颜色的衬衣、介绍书籍内容等等。
另一方面，由于盲人的特殊性，很难提取面前物体的有效特征。比如盲人在拍照时，经常会产生虚焦的情况，可能上传的照片是模糊的或者没有拍全，或者没拍到关键信息，这就给AI推理增加了难度。
为推动相关研究，来自卡内基梅隆大学等机构的学者们共同构建了一个盲人视觉数据库“VizWiz”，并发起全球多模态视觉问答挑战赛。挑战赛是给定一张盲人拍摄的图片和问题，然后要求给出相应的答案，解决盲人的求助。
另外，盲人的视觉问答还会遭遇到噪声干扰的衍生问题。比如说，盲人逛超市，由于商品外观触感相似，很容易犯错，他可能会拿起一瓶醋却询问酱油的成分表，拿起酸奶却询问牛奶的保质期等等。这种噪声干扰往往会导致现有AI模型失效，没法给出有效信息。
最后，针对不同盲人患者的个性化交互服务以及算法自有的反馈闭环机制，同样也是现阶段的研发难点。
多解法：浪潮信息AI助盲靶向消灭痛点
AI助盲哪怕形式百变，无一例外都是消灭痛点，逐光而行。浪潮信息多模态算法研发团队正在推动多个领域的AI助盲研究，只为帮助盲人“看”到愈发精彩的世界。
在VizWiz官网上公布的2万份求助中，盲人最多的提问就是想知道他们面前的是什么东西，很多情况下这些物品没法靠触觉或嗅觉来做出判断，例如 “这本书书名是什么？”为此研发团队在双流多模态锚点对齐模型的基础上，提出了自监督旋转多模态模型，通过自动修正图像角度及字符语义增强，结合光学字符检测识别技术解决“是什么”的问题。
盲人所拍摄图片模糊、有效信息少？研发团队提出了答案驱动视觉定位与大模型图文匹配结合的算法，并提出多阶段交叉训练策略，具备更充分的常识能力，低质量图像、残缺的信息，依然能够精准的解答用户的求助。
目前浪潮信息研发团队在盲人视觉问答任务VizWiz-VQA上算法精度已领先人类表现9.5个百分点，在AI助盲领域斩获世界冠军两项、亚军两项。
真实场景中的盲人在口述时往往会有口误、歧义、修辞等噪声。为此，研发团队首次提出视觉定位文本去噪推理任务FREC，FREC提供3万图片和超过25万的文本标注，囊括了口误、歧义、主观偏差等多种噪声，还提供噪声纠错、含噪证据等可解释标签。同时，该团队还构建了首个可解释去噪视觉定位模型FCTR，噪声文本描述条件下精度较传统模型提升11个百分点。上述研究成果已发表于ACM Multimedia 2022会议，该会议为国际多媒体领域最顶级会议、也是该领域唯一CCF推荐A类国际会议。
在智能交互研究方面上，浪潮信息研发团队构建了可解释智能体视觉交互问答任务AI-VQA，同时给出首个智能体交互行为理解算法模型ARE。该研究成果已发表于ACM Multimedia 2022会议。该研究项目的底层技术未来可广泛应用于AI医疗诊断、故事续写、剧情推理、危情告警、智能政务等多模态交互推理场景。
眼球虽然对温度并不敏感，但浪潮信息的研发团队，却在努力让盲人能“看”到科技的温度，也希望吸引更多人一起推动人工智能技术在AI助盲、AI反诈、AI诊疗、AI灾情预警等更多场景中的落地。有AI无碍，跨越山海。科技的伟大之处不仅仅在于改变世界，更重要的是如何造福人类，让更多的不可能变成可能。当科技成为人的延伸，当AI充满人性光辉，我们终将在瞬息万变的科技浪潮中感受到更加细腻温柔的善意，见证着更加光明宏大的远方。
