2017北京车联网与智能驾驶论坛于9月6-7日在北京昌平小汤山佐智自动驾驶园召开。会上，兴民智通COO张人杰做了题为《基于AI和生物鉴权技术的新一代车联网》的演讲。
张人杰：各位朋友大家好，我是佐思的老朋友，非常感谢余总的邀请，有幸跟各位朋友一起交流我们在车联网的进展。兴民智通在前些年大家可能会认为我们是行业里的新兵，但是经过这几年产业结构的调整，包括并购和自建开发，可以看到我们整个车联网相关的产业链已经开始完成了比较成熟的布局。我也是在两个月前正式加盟兴民智通。
兴民智通集团分为两大事业群，第一大事业群是传统的钢圈业务，它属于汽车的基础零配件，钢圈主要用于重卡等中大型车，我们在全国市场占有率第一名，是中国最大的钢圈企业集团，同时钢圈还远销到欧美包括东南亚等地方。除此之外2016年开始入资从事铝圈相关业务，主要针对乘用车。
另一个事业群是智能汽车事业群，也就是我负责的事业群，目前包含了收购以及自建的多个公司和企业实体。我们在北京控股了一家公司叫做九五智驾，是业内非常知名的车联网企业，从事手机互联和大数据运营和分析以及人工智能呼叫中心等业务，今天我会着重介绍九五智驾的生物鉴权、虚拟钥匙和呼叫中心智能化技术。九五智驾最大的业务来源于对国外车厂TSP服务的支撑，奔驰、宝马、捷豹陆虎等十几家国际车厂都是由九五智驾承接TSP服务的，是国内最大的独立TSP。
英泰斯特是我们在武汉的控股子公司，从8月份开始已经是全资子公司。英泰斯特的发展另辟蹊径，走的是一条新能源为主的路，新能源汽车车联网终端TBOX市场占有率超过40%，这块是我们非常大的亮点，同时数据平台也是在所有的新能源车企业里占有率第一。另外FOTA平台也是研发重点之一，英泰斯特的FOTA平台也是目前业界唯一一个能够做到软硬结合的既包含终端硬件又包含交互软件的智能空中升级平台，已经在国内多个车厂实施。通用等国际车厂，已经宣布在未来的每一辆车都会有OTA功能，所以这块也是我们未来为车厂服务的一个重要方向。
再谈谈V2X，我们在国内是V2X相关业务布局最早的几家企业之一。原先我们一直做DSRC的支持，现在随着国家政策的偏移，我们也会向C-V2X走。2019年，等到高通的9150这类芯片成熟以后，我们会把相关技术做到我们的V2X终端设备里去，同时也会考虑把V2X相关的模块做到TBOX里去，大家会在2019年看到国内第一个装载了V2X技术的TBOX面世，由英泰斯特打造。还有道路测试，大家知道佐智汽车也在做自动驾驶测试，而我们更关注新车的道路测试部分。目前80%到90%的道路测试工作是由我们完成的，因此我们掌握了大量新车上路之前的数据。接下来是汽车总线的诊断这些，我们都有相应的设备。
在深圳我们参股了一家公司叫做广联赛讯，除了原始股东以外，我们是最大的企业股东。主要是做后市场产品，包括智能观后镜等，后市场的TSP和大数据运营，流量管理（可以从移动联通电信部门批发相应的流量，形成一个流量池，流量池可以分发给不同的用户，这样的结果就是用户可以用更低的成本享受网络接入）。还有金融服务，车联网很大程度依赖于线上线下的结合，对于车联网金融主要是有一些借贷，比如购买一辆新车，用什么样的方式来制定适合个人的金融方案，目前我们维持了几亿元人民币的金融借贷池。如果你想购买新车，我们可以给你分配相应的金融方案，你可以贷款，从我们的池子里获得相应的支持；还有UBI保险，昨天我还在跟人保谈关于下一代的UBI保险合作。UBI在业界一直落不了地，原因在于很多实际的模型非常难设计，而我们在这块的研发已经有了很多实质性的进展。
我们在上海成立了智能网联汽车研究院，主要业务是智能座舱和新一代车联网技术，智能座舱是作为车联网的载体存在，车联网如果离开了智能座舱，有一点空中楼阁的感觉，落不了地，你不知道你的服务怎么样能够在一个载体上运行，这是非常困难的事情。所以我们在上海成立研究院，主要的目的就是要把智能座舱和车联网的服务结合起来。大家可以看到现在整个汽车行业的三大方向，他们之间都是互联互通、互相渗透。无人驾驶里要用到V2X等等技术，在某种意义也是属于智能网联的。
现在车联网已在逐步演化。第一代车联网以通信、导航、实时路况、紧急救援为主的Telematics服务，实际上现在这个模式已经逐渐的淡出了大家的视野。第一代车联网经常被用户诟病的就是用户体验，导致提供的服务被使用频率较低。
第二代车联网是现在主流的厂商都在走的方向，以T－BOX终端作为数据输入源，而数据平台就是运营的基础。如果离开了数据平台，所有数据分析都无从谈起。融合了包括车队管理、礼宾服务、UBI保险、汽车金融、维修保养后市场服务等运营数据的车联网，可以定义成第二代的车联网。
第三代车联网，我们必须要把人工智能相关的东西加进去。我本人不太喜欢谈人工智能，它的确会改变世界，但是没有那么快，而且人工智能必须要和垂直的领域整合才能落地。比如到了我们的汽车领域里，它和我们的车联网领域怎么做一个深度的整合，如果它不能跟我们的车联网领域深度整合，所谓的人工智能对我们就毫无用处。
我们在车联网里最有可能用到人工智能的方向就是数据分析。我们通过各种终端采集包括自动驾驶各种传感器传进来的数据，然后你要知道这些数据怎么处理，对于数据的处理分成很多范畴，比如怎么分类，怎么清洗，怎么存储，用什么样的模型解析，我们可以把机器学习的东西做进去，机器学习会成为数据分析的一个驱动力。
接着是人机交互，为什么这么多公司做各种智能音箱？因为他们觉得语音是一个入口。语音是不是一定是物联网的入口我不敢说，但是在汽车里语音是一个直接的入口，如果把基于自然语言处理和理解的一些语音交互做进去，对用户体验是有提升的。接下来手势、虹膜、人脸识别等生物鉴权的方式，这些可以提高车联网接入的安全性，特别是现在提倡的分时租赁、共享出行，对接入安全性要求非常高。怎么鉴别是不是合法的使用者？这个时候就可以把生物鉴权技术加进去。V2X技术落地以后一定会被广泛实施，也一定会成为爆点，既要做新车的加装，同时要做存量车的改造，所以V2X相关设备会成为我们车联网里一个可以放量的方向，所有这些都是我们第三代车联网关注的点。
谈车联网不能离开通信，我是做通信出身的，虽然各国政府对5G都抱着跟随的态度，但5G到来之前我们就要知道它能给我们带来哪些东西？主要是两个层面，第一个就是通讯标准方面，可以引入像C-V2X的标准，更适合完成高带宽情况下的V2X通信。接下来是为物联网优化的LTE方式，而物联网落到汽车领域就是车联网。不管我们在什么领域工作，做哪种物联网，技术都是相通的，把车联网技术做好了，放到任何一个物联网行业都可以做，无非是系统、应用和通信。第二个是带宽，整个带宽的提高是5G和现有4G、3G变化比较大的地方，还有吞吐量和时延连接密度、传输能力和网络效能都会发生很大变化。有了5G我们才可以谈怎么做第三代的车联网。
车联网商业化运作的很多地方是和自动驾驶有重叠的部分。首先是传感器部分，作为汽车的输入设备，就像键盘一样，激光雷达、毫米波雷达、摄像头这些东西已经是热点，未来的车都会装载自动驾驶系统，因此传感器部分的体量肯定会很大。还有硬件终端，我们一直在谈智能座舱的概念，像虚拟仪表、HUD、智能后视镜、行车记录仪，还有安全信息网关等等，这些东西都会成为车联网硬件终端。
接下来涉及到车联网的核心部分，就是数据平台。大家经常在很多场合谈到车厂为什么不愿意跟互联网公司合作，其实就是一个数据的博弈。所以数据平台的归属是车厂还是互联网公司？或者是我们在座的车联网公司？数据在谁手上谁就掌握着话语权，数据平台会涉及数据的清洗、分类、存储、分析，以及提供各种数据接口。谈到这里，兴民智通有这方面的优势，因为我们承接了新能源车绝对大多企业的数据平台部分，这块非常有价值。因为有平台，终端才有入口，没有平台终端进不来，车联网公司能不能做到最后，就看他有没有数据平台的控制权。
接下来是监控平台，现在国家对所有的新能源车做了三级管理：国家、政府、企业，要求每个车厂需要把相应的车辆数据传发到政府平台，也就是每个市、每个县都要有自己的平台，最终转发到国家平台，每个车辆数据都暴露在国家平台，受到政府监控。有了监控平台，我们对一系列的骗补骗保都可以有效的防护。
运营平台即数据变现，主要是怎么对已经掌握的数据进行有效的运营变现。变现是非常困难的，需要把相应的每个点都做好，比如流量管理，比如金融服务，分时租赁，车队管理，维修保养，如果顺应现在互联网的发展趋势，像分时租赁、共享出行是非常核心的点，但是这些点到底能不能赚钱，为大家产生效益，其实还是取决于如何去正确有效地运营。
如今的社会大家已经离不开手机，而车联网服务最终和用户直接接触的部分就是手机APP，我们从第一代的车联网系统就有了手机APP，但是用户体验不佳。很多系统，一个打开车门的操作，可能需要几分钟，这种等待对于大部分的用户是不能接受的。我们一方面要提高对汽车远程控制的效率，另一方面要增加进场通信能力，比如虚拟钥匙，可以利用蓝牙控制，像我们九五智驾做的虚拟钥匙APP解决方案，用手机就可以解锁汽车，而同时可以把生物鉴权相关的技术应用到接入访问控制。
人工智能与车联网的垂直整合从三个点去看。
第一个点是数据，数据的分类和存储以及训练数据的产生和导入，是人工智能的数据部分；第二个点是特征，这里要提一提数据挖掘，数据挖掘这个词很早，九十年代就出来了，数据挖掘就是怎么样从数据库系统里进行有效的分析，从而导出有效的模型能够为我们服务，数据挖掘是人工智能在数据库应用中非常重要的点。接下来是自然语言处理和理解，从NLP到NLU。还有图像识别，在人工智能领域支撑了大半个江山，现在已经成为行业的热点。
我记得90年代时，计算机专业中模式识别是属于冷门专业，当时没有多少人会选择这个专业，但是现在一下子成了香饽饽，因为跟人工智能结合了起来。图像识别是最能和汽车领域结合起来的，比如要做自动驾驶，首先要识别物体，知道是猫还是人，但是图象识别是很容易被干扰的。我们现在做自动驾驶，如果在高速公路上，忽然跑过去在车前面举一个STOP标志，车马上会停下来，很容易就会出现事故，所以单纯的图像识别是不可靠的。自动驾驶并没有人类智能，只是单纯的图像识别没有意义，人类的思考不仅仅是通过特征完成的，人有非常复杂的逻辑思维能力。
第三个点是模型，说得最多的就是机器学习，还有很多分支，包括深度学习等。机器学习最基本的做法是使用算法来解析数据和学习，它可以把历史的数据、传统的数据作为训练的数据导入到系统中，所以机器学习会被干扰。比如做一个道路状态的预测，前面这辆车故意用一个假的数据告诉后面的车这个地方没有坑，这样的历史数据如果一直在学习，最后的结果就是后面的车不管有没有坑，直接就过去。像阿尔法狗为什么在第三场会输掉，原因可能就是有干扰出现了。机器学习很容易被干扰，最近有一篇获奖的论文提到了怎么对机器学习进行干扰，一旦干扰以后整个识别率只能达到40%左右，如果自动驾驶的时候遇到这种情况怎么办？
我们来看人工智能怎么与车联网结合。最近经常提的一个词就是数据清洗，人类为什么能够在杂乱无章的知识中获取有效的知识？原因在于我们人脑有一个鉴别的过程，能对数据进行快速清洗，比如从一百个东西中最终记住的就是有效的东西，因为人脑天然能对数据进行清洗，而我们的计算机通常做不了，只是无意识地存储。数据清洗会成为对车联网获得有效数据一个非常关键的点。如果一辆车上装满了摄像头，满大街的去收集周围信息，收集到的数据都是有效的吗？必须要做清洗。基于特征方面来讲，主要是驾驶行为分析，还有包括基于自然语言处理和理解以及手势识别等的人机交互、人脸识别等生物鉴权机制。在模型方面，我们通过历史数据对汽车零配件的未来预期寿命进行计算预测，这个时候会产生很多其他的附加值，甚至可以推荐到某指定的4S店进行更换。这样就可以给整车厂或商家带来更多的潜在售后价值。再比如用于物流车队管理的时候，怎么对物流的路线进行优化，因为对于历史数据进行学习之后，会重新的分析出一种新的物流路线。传统的做法没有任何机器学习的模型，都是用路径选择最短或者按权重计算选择的，但是现在通对机器学习对车辆既往历史数据后会分析出优化后的路线，效果会更好。
接下来是车联网专有场景机器学习的加速芯片。最近可以看到有很多初创公司声称自己是类脑神经元芯片，我是不认可的，神经元的工作原理到现在也没有被完全破解，更何况新片化。而实际上更多的都是类似于谷歌的TPU专属芯片。大家可以把这些芯片化过程看成是一种ASIC加速，比如计算原来放在GPU、CPU里做，现在通过ASIC实现，用ASIC的模型完成同步或者异步数据计算和交互。目前这种方式已经被谷歌的TPU验证过，证明是有效的，它在特定场景计算效率优于GPU，缺点就是针对特定的场景必须要重新设计芯片。车联网里面如果真的能够找到一些特定的场景，我们也完全可以设计相应的芯片用于加速计算。
基于机器学习的大数据分析方面。这是一个典型的车联网数据平台，大家看蓝色的部分，基本上可以看到包括新能源车和传统车的典型数据平台应用案例。这个里面包括了负载均衡和通信网关以及实时控制通信引擎等等，核心还是数据分析。有了数据库以后，就要对数据库里面的数据进行分析，数据库里面主要包括车辆的基本信息和用户的基本信息两大块，怎么把这两大块数据进行有效的大数据分析，大数据是人工智能的基础。大数据分析利用机器学习就可以实现零配件更换预测、道路状况预测等等各种场景的应用，而具体有哪些场景可以做，依赖于我们从业者不断的挖掘，我们要找到更多的可以适用于大数据分析的模型。
再谈谈基于机器学习和高精度定位的自动驾驶封闭场地高精度地图测绘与路径优化。自动驾驶有一个非常关键的要素，就是要有高精度的地图。比如说我们现在所在的农庄，需要高精度地图把每个点的位置信息精确的反映出来，而测绘的基础就是高精度的定位。差分GPS，就是一种非常有效的定位技术，有效为什么一直没有商用？原因在于它的商业成本比较高，所以在现阶段仍然只适合做封闭场地的高精度定位，因为它需要车上装载相应的设备，路边装相应的设备，成本比较高。我们利用差分GPS，最终的定位精度可以达到厘米级，而基于此我们就可以做高精度地图的测绘。而路径优化，不管是物流车的物流线路优化还是自动驾驶的园区路径的优化，通过机器学习模型对历史数据学习从而迭代计算出最优化的路径。
车联网服务模式的变革，是我加盟兴民智通以后主导的大方向。九五智驾在两到三个月以后会推出全世界第一个人工智能加上呼叫中心双通道的TSP服务。我们知道车联网主要分为iCALL、bCALL、eCALL。eCALL是应急呼叫，iCALL是信息呼叫，仍然使用人工呼叫中心维护，但是对于我们的iCALL，比如你把导航路线下发，信息类的请求，可以采用人工智能应答。
再说说车联网的网络语音服务，车联网是被动的服务，需要按一个键，但是有的时候需要更加贴心的主动语音服务。比如当你启动这个车辆时，车联网会提示你是否需要导航；当你马上到某个餐馆的时候，问你是不是要吃饭，会提供更加人性化的关怀。把车联网变成一个智能助手，让车联网更加人性化的给你提供服务，就是我们要考虑的范畴。
基于生物鉴权的车联网访问授权，在以前不被关注。因为如果我是用自己的车，用不用人脸识别真的无所谓。但是对于分时租赁和共享出行来说，需要对用户做鉴权，比如可以把身份证和脸一起让系统处理做一个注册，但是人脸识别会受到各种干扰，要准确在各种场合把一张脸识别出来非常困难。相对来说人的鉴别能力更强，所以我们可以把生物鉴权部分交给呼叫中心来完成。九五智驾马上就会推出完整的人工智能生物鉴权方案，第一次鉴权由呼叫中心完成，而之后的使用，如果每次都要通过呼叫中心会很麻烦，所以我们在第二次以后的使用会把人工智能识别加进去，也就是说生物鉴权充分地利用了人工智能和呼叫中心结合起来的方式。
那么基于生物鉴权的车联网有什么应用场景？分时租赁，蓝牙钥匙等，大多数情况下蓝牙钥匙是通过手机。现在一些车厂已经推出刷脸解锁，不管是用蓝牙鉴权的方式还是刷脸方式，都可以增加车辆使用的接入安全性。
对于我们兴民智通来讲，在做的事情就是把现在旗下的各个子公司加上研究院的技术形成一个大的车联网平台，里面包括了数据平台部分，包括运营部分，包括生物鉴权、人工智能、机器学习部分，同时也包括了传统呼叫中心部分的服务。要把这些点全部结合起来做好，才能保持在车联网行业里盈利。车联网做了这么多年，很多企业在这里都摔了跟头，也消失了很多，记得在2015年时，每家公司注册都写某某车联网公司，这两年没有人注册了，因为智能驾驶取代车联网站在了风口。但是智能驾驶也很危险，这是一个行业还没有盈利就已经成为红海的行业。这是一个很奇怪的现象，以前一个东西赚钱了大家才冲过去，最后就成为红海；但是现在还没有赚钱大家就让它变成红海。而在车联网的红海里我们怎么去找到属于自己的救生圈，并且最后活下来，就是我们车联网企业要做的事情。
提问：九五智驾是控股子公司？
张人杰：对，我们集团控股。
提问：刚才介绍有差分定位？
张人杰：对，我们是厘米级的差分GPS定位，主要是为自动驾驶封闭场地做高精度地图测绘用的。
提问：厘米级的差分GPS定位延时是多少？
张人杰：延时可以满足目前测绘的使用，现在主要的应用是封闭场地测绘。
提问：差分GPS定位可以达到厘米级甚至毫米级，但是毫米级的就做不到实时。
张人杰：对，实际应用就是车装载了设备以后，低速行驶在封闭园区里。
提问：分时租赁生物鉴权的技术，有没有做出来？
张人杰：已经在开发中，生物鉴权是全新的热点技术。
提问：非常感谢张总的分享。我想问一个问题，车联网最近这几年都很热，13、14年有很多初创公司也在谈大数据、车联网和汽车保险，您也提到了这些声音现在都不太见到，今天我们是车联网以及智能驾驶论坛，对于进这个产业的公司，50人以下的，您是不是有更好的建议？还是坚持平台战略？关于生态链和新的商业运营模式，50人以下的公司应该是用什么样的方式进入？是配合您的平台战略还是让开大路，走两厢。
张人杰：我个人认为如果公司规模比较小，刚进入这个行业，我们应该找一些点，把这些点做深，做透。比如刚才我说的生物鉴权，也是一个点，如果小公司可以把点做到极致，你就可以存活，把自己作为点插到更大的合作伙伴的面里头，就有活下去的机会。如果每个人都做面，就很难生存。比如如果我去做自动驾驶，我不会去做一个完整的平台，那样我肯定活不下来，但是我会去做擅长的地方，像我做操作系统二十多年，可以考虑基于某一种操作系统做重新的改造，做自动驾驶系统的操作系统平台部分，与其他自动驾驶系统的合作伙伴合作，这样还是有活下去的机会。做车联网也是一样，抓住其中的一个点，比如UBI，比如提取数据、清洗数据，哪怕只是专门做数据清洗的，也都有成功的机会，所以我建议小企业还是要更加专注。