中国工程院院士张亚勤：无人驾驶将迎来“DeepSeek时刻”｜院士上封面
封面新闻记者 边雪
过去数十年，从沟通、消费、娱乐到生产、交通、商业往来，无不深深烙刻上数字化的印记。在中国工程院院士，清华大学智能产业研究院（AIR）院长张亚勤眼中，数字世界正逐步与物理世界、生物世界走向融合，无尽前沿之门从未关闭。“AI在五年之内会证明一个公式或猜想，再过五年会发明一个，不一定发明到薛定谔方程这样的，但会发明人类可能没有的。”
从百度Apollo到清华大学智能产业研究院院长，张亚勤的职业生涯始终与无人驾驶的进化轨迹交织。在他看来，这场技术革命不仅是中国的“换道超车”机遇，更是人类迈向智能社会的关键一跃。
“无人驾驶的ChatGPT时刻什么时候来临？如果Waymo在美国顺利，百度在中国在武汉做得顺利的话，包括文远、小马顺利的话，今年就可以达到我们的ChatGPT时刻。”近日，张亚勤在接受封面新闻记者采访时表示，但无人驾驶要规模化还需要更长的时间。“10%的新车在2030年就会有L4的能力，那时候DeepSeek时刻就来临了。”
无人驾驶：安全性与成本的双重革命
“没有人工智能就没有无人驾驶，AI是无人驾驶里面最关键的技术，它有很多挑战，安全性、实时性等等，集成了不同的问题，解决了无人驾驶，特别在复杂城市里面大规模无人驾驶，很多问题迎刃而解。”中国工程院院士、清华大学智能产业研究院（AIR）院长张亚勤告诉封面新闻记者。
无人驾驶的安全性已显著超越人类驾驶，张亚勤援引Waymo和百度萝卜快跑的运营数据指出，无人车在复杂城市路况下的平均事故率，仅为人类驾驶的1/14，且随着端到端大模型技术的应用，这一差距有望进一步拉大。
他特别强调，安全性的底层逻辑在于“机器的感知与决策能力不受情绪、疲劳等因素干扰”，而多模态传感器（如激光雷达、4D雷达）与轻地图导航技术的结合，为这一目标提供了支撑。
近日，方舟投资公司（ARK Invest ）发布了2025年度报告（Big Ideas 2025），到2030年，无人驾驶汽车市场规模有望达到10万亿美元，届时全球无人驾驶汽车的数量将达到大约5000万辆，将彻底改变物流和出行等行业，催生万亿美元级别的新市场。
在张亚勤看来，这一变革将重塑交通经济：“无人驾驶不仅是技术革命，更是社会效率的革命。当出行成本低于地铁和公交时，城市交通生态将被彻底颠覆。”
多模态、端到端与车路协同，针对业界争议的技术路径，张亚勤明确主张“实用主义优先”。“我不赞同‘纯视觉派’的极端立场，主张激光雷达、视觉与高精度地图的互补应用，尤其肯定中国企业在传感器成本控制上的突破（如禾赛科技将激光雷达价格降至百美元级）。”
而端到端模型，张亚勤支持基于大模型的端到端自动驾驶架构，但强调需辅以规则兜底，避免“算法黑箱”风险。“大模型出来之后，特别生成式AI出来之后，对于整个无人驾驶是很大的推动。不管安全也好，智能也好。”张亚勤说。
单车智能为主：L4级无人驾驶必须实现完全自主，车路协同仅作为冗余补充，“依赖路端基础设施的无人驾驶不具备普适性”。
中国无人驾驶技术全球化步伐迅猛
中国在无人驾驶政策领域的突破令全球瞩目。北京亦庄500平方公里全域开放测试、武汉1700万人口城市实现无人车商业化运营……在张亚勤看来，无人驾驶方面，中国在技术和落地层面，都处于全球的领先地位。
中国无人驾驶企业的全球化步伐迅猛，国内企业去年有很大的进展，地平线、文远（知行）和小马（智行）成功上市，萝卜快跑在武汉全域做无人驾驶，成为无人驾驶行业商用的里程碑；地平线、毫末智行等供应链企业推动国产。
“百度Apollo开源平台已吸引全球100多个国家的开发者，其架构设计被广泛借鉴。”张亚勤指出，这是中国对全球无人驾驶技术的系统性贡献。
产学研融合：AIR的“双引擎”模式
作为清华大学智能产业研究院（AIR）院长，张亚勤还分享了研究院的独特路径：“无人驾驶和具身智能是一个重要方面，产业是很重要的部分，我们产业的合作很多，一方面把无人驾驶和具身智能的仿真平台和大模型用到智驾上面，目前也在快速地进展。”
近年来，各行各业大模型层出不穷，人工智能技术正以超出预期的速度进化，而随着大模型与更多实际场景相结合，相关应用也在悄然渗透进我们生产生活的方方面面，而相关技术又怎样赋能无人驾驶领域？
在张亚勤看来，生成式AI（如大语言模型）为无人驾驶带来三大突破：通过合成数据缓解训练数据不足；提升对极端场景（corner case）的泛化能力；赋予车辆“常识推理”能力，例如理解交警手势或临时路。张亚勤坦言：“完全解决长尾问题仍需时日，机器对人性化驾驶的模仿仍是技术难点”。
“现在AI、人脑的区别依然很大。人类大脑经过几十万年的进化，效率十分高，比如860亿个神经元，百万亿级的突触，只有不到3斤重，消耗20瓦的能耗。”张亚勤提到，再看前沿大模型，基本上万亿级的参数，需要超高的算力和能耗。如果把大脑作为一个参数权重，大模型还差100倍，整个效率和架构需要大幅度颠覆。
