中國已然成為世界上最大的機動車生產國和最大的汽車銷售市場，將來還有非常大的發展空間，在智能汽車領域也必將是如此。

智能汽車的終極目標，就是在完全真實的交通環境下，實現智能車的自主駕駛。這種場景不但變革人類出行方式，而且將重塑整個城市和社會形態。

相當程度上，這是整個社會的一場廣泛而深刻的革命，我們需要新的思路和新的技術。

智能網聯下的平行駕駛與平行交通

大家現在都很強調CPS(Cyber-Physical Systems)，我的觀點是要跳出CPS，邁向CPSS(Cyber-Physical-Social Systems)，以后每個人開車不僅僅是在物理世界，還同時在心理世界和人工世界。未來一定是平行交通、平行道路、平行出行。物理的汽車跟軟件定義的汽車要平行起來，物理的公路要跟軟件定義的公路結合起來。這就是基于ACP(Artificial societies+Computational experiments+Parallel execution)方法的平行駕駛。

現在汽車公司賣汽車的時候總要給你一個手冊，以后就給你一個可視化的軟件來定義汽車，就在你手機或直接在汽車內部顯示屏上，隨便可以打開，三維可視化的軟件車同物理車由IoT時時刻刻聯在一起。

你在路上開，軟件定義的汽車也在路上開。因為有了軟件定義的車跟物理的車聯在一起，就可以同時開在三個世界了——物理世界的車、心理世界的車和人工世界的車。這相當于你開車的時候，有許多軟件定義的機器人在為你服務，有的監控車輛行駛的狀態，有的幫你訂餐館、旅館等，你開車就容易了，甚至可以在車里看書、聊天、線上會議等等。這就是CPSS空間里的平行駕駛：目標不是100%安全，而是300%的安全，路安、心安、理安。

直面智能汽車的工程和社會復雜性

車不但在開的時候產生數據，開完了繼續產生數據，做機器學習、平行學習，并且監控你的車況、更新交通法規、學習動態時空環境，確保接下來開得更優。其中有一連串的技術支持，所以遠端智能跟當地智能要結合，遠端可以復雜，當地智能操作必須簡單。當然，安全是第一位的。研究智能汽車面臨很大的工程復雜性和社會復雜性，會帶來巨大的建模鴻溝，我們怎么克服?這個鴻溝要靠數據填，要把小數據導成大數據，把大數據提煉成為精準知識即小規則，然后再指導車的駕駛。對于汽車來說，物理汽車跟軟件定義的汽車一起開，開的過程中產生數據，通過計算實驗，再變成駕駛的大數據、小智能、精準知識，從而產生嶄新的職業。將來會有學習工程師、培訓工程師、實驗工程師、決策工程師。我們就是把司機換了一個地方，以前在車上開，現在是在辦公室開。

平行汽車會自主學習且越“老”越貴

現在的車越“老”越便宜，以后的車，則越“老”越貴。因為它內部包含一批軟件定義的車、軟件駕駛員、軟件服務員。甚至物理的車報廢了，這批軟件定義的車永遠在，而且跟你的駕駛行為連在一起，它向你學習。

開始買的時候車都一樣，但開了兩年，就真正成為你的車了，也成為某個城市里的車了，甚至跟你鄰居的車都不一樣。

因為這里引入了Social的因素，也是整個系統中最不確定、多樣、復雜的因素，也是我們為什么認為，只有基于CPSS的平行駕駛，才能把自主駕駛L0級—L5級真正統一起來，把交通的智能化和汽車的智能化統一起來。

我們相信平行駕駛和平行交通，是解決未來出行多種難題的一種有效方式。

(新媒體責編：wb001)