过去做形象思维的形式化，本身机器没有人的情感，所以下棋的时候非常冷静。但是另外一方面把过去各个棋手的棋局逐一进行冷静的分析，把它变成一种模型，那么这种模型我们就称它是一种新的形式化的东西。

　　我们在研究智能驾驶，那么“智能”本质的核心是什么呢？过去有多种不同的智能驾驶的理论。这种理论是基于不同模型得出的，有的是经过对这种路况进行分析，然后判断怎么进行下面的操作，这就是感知、认知和行为，这三个点之间是套什么样的模型来进行处理。我们现在在做的一个方向就是我们对驾驶的行为、驾驶的认知和感知。那么这个是必须建立在海量数据的基础上。我们在对一辆车，比如说一个马路周边的一个行为进行判断的时候，我们要把两个状态把它进行关联的。第一个状态是说我现在这个车处于什么样的位置。就像刚刚下棋一样，我现在处于什么样的状态，接下来该如何走，一个是静的，一个是动的。那么静的在我们智能驾驶里边，所反映出来就是我现在旁边有障碍物、我旁边有什么样的车、他们离我多远的距离，对我产生的这个威胁性有多大，对我下面的角色会带来什么样的影响？这个是我进行的一个叫驾驶态势的模型化。

　　第二点是我们下面一步应该如何来规划我们的布景，就跟下围棋一样，下一步子应该怎么下？通过这两种方式进行了配对。那么一个静态模型和一个动态结果处理方式，形成的这个配对以后使得我们机器有这样一个模型来进行这个分析。

　　所谓的智能驾驶，其实我们就是用人工智能来代替驾驶员的感知、认知、行为。那么最简单的方式是什么呢？不是由程序，由我们的程序员写一段代码，告诉这辆车是怎么来开的。刚才也提到了，现在有很多的车企都在做智能驾驶。我问大家一个问题，你和你的老公，男朋友，女朋友也好，另外一个人开车的时候，你会发现两个人的驾驶行为是不一样，对安全的感知不同。比如说开车很猛，跟前车的距离离得很近，但是我老婆坐在旁边的时候，她觉得很紧张，你为什么开这么近，离远一点，觉得不安全。反过来它开的时候，你会觉得为什么开的这么远，这么慢。其实开车是一种个人的行为。驾驶员的行为，在什么样的状态下，让一个人特别舒服又安全，它是因人而异的，所以最好的方式就是让驾驶员训练我们的人工引擎，通过它的学习，让人工智能的引擎能够知道它在某一个态势下，某一个状态下，它是如何来进行反应的。那么这样的话，在未来如果我们让我们的人工智能开这辆车的时候，就会根据在过去所学习到的东西，把现在的状态和过去积累下来的记忆联动起来，获得：我如果是这个司机的话，应该怎么来开，到底是开的更快一些，还是更慢一些？应该换道还是维持在本地开就可以了。

　　我们认为最理想的是去做一套自动驾驶的算法。并不是由一个车企把一套算法已经测试得很完美，或者说在安全系数非常高的情况下，才去做这个自动驾驶，才去把这个功能装在车上给用户。在过去宝马CEO曾经嘲笑过马斯克——特斯拉CEO，说特斯拉搞的自动驾驶就是玩具，但是我们宝马是用测试车做测试，测试完了之后提供给用户。特斯拉上装备了自动驾驶的组件，在硬件上已经满足相关需求，但没有把功能开放，因为在2014年10月份到2015年功能开放之间的过程中，不断的修正，不断的进行自学习，通过自学习以后，能够应用在实际的场景。一百辆测试车能够覆盖这种场景吗？做不到的。但是如果几万个车主帮你进行暗地学习和测试的时候，能够覆盖的量，能够覆盖的路况，能够实际学习到的实际产生的行为是非常大的数据。实际上我们觉得只要我们的大脑在背后能够偷偷的进行自学习的时候，就能把我们的汽车变为一台轮式机器人。

　　美国的运输署的高速公路安全局分为五个级别，我们在第二个级别，多功能的自动驾驶慢慢向第三个级别研发。我们今天提供的汽车也许只有辅助安全驾驶这样的一些功能，但是未来，希望我们的软件能够把它迭代成为受限自动驾驶的状态。