在高级辅助驾驶功能出现之后，有的司机会出现过度依赖的现象。因此，在人和车互动的过程中，如何让车去更好地理解司机的状态？如何让汽车更懂中国人？我分析如下：
　　第一层面，更懂路上的中国人。
　　其实我们路上有这样那样的行为。开远光灯也好，人车混流也好，需要调整的是人的行为、人的素养，还有人制定的政策和法规。
　　举个例子，在美国车跟车之间的距离是比较远的，但在中国驾驶场景当中，在等红灯的时候，车跟车的距离非常之近，而且哪怕是在非常近的时候都可能有车加塞进来，这类环境对智能的要求，就已经超出了普通的物体检测的要求。智能车学的，是人的行为、人的素养，学的是人制定的政策和法规。
　　其他要素，包括中文路牌、有“中国特色”的路牌，密集交通，甚至国内一些特色天气下的处理等等，都给我们更懂“路上的”中国人提出了机遇和挑战。
　　第二层面，更懂车里的中国人。我也把它分为以下两个层次讨论：
　　一、更懂中国人，最简单的就是要求智能车听得懂中国话，认得出中国人，符合中国的驾驶习惯。
　　二、懂你。懂在车里的这一个中国人，即这一个中国司机我们要懂他。为了实现这一目的，首先我们需要人脸识别，知道开车的是谁，他有什么样的用户画像。然后我们需要对用户的情绪状态有所感知，为什么有感知呢？因为情绪信号对我们调整车的用户体验起着关键作用。
　　智能感知是提升用户体验的基础。有很多辅助驾驶功能，都包括车道线辅助、紧急刹车、盲点检测等等。我们希望能让人工智能技术真正提升用户体验和车辆安全性，比如用智能的感知与决策把这些独立的辅助驾驶功能有机结合起来，这部车才是一不真正的智能车，才能够真正提高用户的体验。
　　我举个例子，诠释对车外的一些感知，比如说，对场景的识别、事件识别和预测。一个司机在路上看到一辆校车停在路边，车门打开了，他会知道可能有小朋友从车里跑出来。这才是我们乐于看到的智能感知也能做到的一件事情。
　　另外，跟车外的智能感知比起来，车内的感知显得更重要。包括对乘客、司机的识别，以及我刚才说的对注意力、情绪的识别。
　　我们能不能在人车互动的过程中，让车去更好地理解司机的状态？不光是他的注意力，还要包括他的疲劳度、情绪指数，做一个正向的反馈循环，来提升用户的体验，这个是我们的近期愿景。
　　所以，我们核心就是要把这些功能智能化，然后提升用户体验。它的基础就是智能感知。
　　我从数据、人工智能平台、量产车这三个方面，来跟大家分别探讨一下。
　　第一，数据为王。
　　目前，中国用户的真实数据，不管是从真实度、成本效率上，还是从对场景的覆盖度、数据量上，都大大优于仿真和自有车队的数据体量。在人工智能尤其是深度学习的大环境下，谁坐拥了数据，谁就有可能坐拥最先进、最完善的技术体系。这也是整车厂商的一大优势。我们从大量的用户数据中搜集用户的反馈，以此不停地调教和更新我们的智能车系统。
　　第二，我们有了数据以后，会如何去做？我们搭建人工智能平台，用大量的数据去训练多个深度学习模型。
　　这里有一个挺有意思的例子，有一次，在我从加州回来的路上，因为天气很好，刚好前面是一辆油罐车，由于车很干净，它把后面的车，包括我自己的车倒影在车的油罐上面去了。
　　如果对这个场景没有一个特殊的理解和处理，很多世界上最好的计算机视觉算法，都有可能误认为倒影是真实的车道线与车辆。
　　还有一个案例，比如一张图里是一个披着cosplay衣服的行人走在路上，人类司机都可以轻易完成识别：是一个行人。但基于计算机视觉，由于此人穿了一件cosplay的衣服，算法就不一定能成功检测到是一个人。
　　这就对我们人工智能学习平台提出了问题——当样本不常见、频次低的时候，如何快速学习？如今有很多类似的方法、技术已经被研发出来了，比如微软的custom vision，我本人也曾参与custom vision的核心研究工作。将来会针对小鹏汽车的特殊场景定制和打造可以快速迭代、应对小样本学习的人工智能学习平台。
　　第三、我们有了数据，有了人工智能训练平台，还需要有一个独特的场景，就是量产车场景。小鹏汽车有一个全球化的企业布局，在硅谷、广州、北京、上海、肇庆、郑州等地都有研发和生产中心，在单车研发上投入很多。此外，我们现在也跟世界上最好的芯片厂商有紧密的合作，签署了战略合作协议，将会搭载世界上算力最强的人工智能芯片之一，这样也保证我们最新的算法能够在车上“跑”起来，能够把用户的一些行为实时反馈回来。
　　小鹏汽车有了这样一个闭环的智能进化能力之后，就可以做到人车共存，不仅车会更懂路上的中国人，还会更懂车里的中国人。
　　（作者系我区企业小鹏汽车首席科学家，此文根据其在“钛媒体 2018T-EDGE 科技生活节”上的发言整理）