9月1日，百度创始人、董事长兼首席执行官李彦宏在2022世界人工智能大会（WAIC）上表示，“L2之后率先进入商用的很可能是L4，而不是L3。”
李彦宏进一步解释说，因为L2和L4的事故责任界定都是清楚的，L2出了事儿，责任在司机，这就是为什么主机厂商不管认为自己的自动驾驶能力有多强，永远都会说司机仍然要为事故负责。L4的责任界定也是清楚的，就是没有司机了，运营商要为事故负责。L4和L5的区别是L4是限定范围的无人驾驶，L5是不限定范围的无人驾驶。L3就不一样了，司机在需要的时候进行接管，这就使得事故责任很难界定。因此，他认为L3的普及需要更长的时间。
另外，从实践来看，自动驾驶的技术进步的速度是超预期的，当我们希望在一个城市的某一地区获得自动驾驶运营资质的时候，技术上一般只要20天左右的准备时间就可以了，因为技术的通用性已经很好，我们的自动驾驶不是通过对特定区域的过渡拟合来实现的。
以下为李彦宏演讲全文：
尊敬的各位领导，各位嘉宾，大家好！
很高兴再次来到上海，参加2022年WAIC世界人工智能大会。WAIC已连续举办了四届，其全球影响力和“引力场效应”日益提升，上海人工智能产业规模实现倍增，世界级产业集群建设迈开坚实步伐。新一届大会的举办，将助推上海人工智能发展实现新的跨越。
过去一年，无论是在技术层面还是在商业应用层面，人工智能都有了巨大的进展，有些甚至是方向性的改变。
刚才大家看到的AI作画，是过去一年技术层面进展的一个代表。之所以说有方向性的改变，这里指的是AI从理解语言，理解文字，理解图片和视频，走向了生成内容，希加加的AI作画，是通过文字描述自动生成各类风格的图片作品，百度的AI 数字人度晓晓，今年挑战写高考作文，40秒写了 40 篇，得分可以排在总考生前 25%。这是通过文字描述的题目自动生成文章故事的例子。今天百度APP里有些视频内容，是AI把百家号的图文内容自动转换成视频的结果。这些都是 AIGC，即人工智能自动生成内容。
AIGC 背后的技术就是所谓的预训练大模型，在座的很多都是人工智能方面的技术大牛，相信在后续的发言中会多次涉及这项技术。我想说的是，AIGC 将颠覆现有内容生产模式，可以实现以十分之一的成本，以百倍千倍的生产速度，创造出有独特价值和独立视角的内容。
当然，更让人兴奋的是商业应用层面的进展。人工智能火了这么多年，商业应该始终是其中的一个软肋，而缺乏好的商业前景，会让创业公司增长停滞，巨额亏损，融资上市困难，而大公司也会越来越不接地气，要么逐渐变成纯研究部门，要么逐渐成为其他业务的一个附庸。
说到商业应用，进展最明显的还是在自动驾驶领域。今年6月，GM支持的Cruise在美国旧金山开启了全无人自动驾驶的商业运营，虽然中间也有各种磕磕绊绊，但他们还是坚持下来了，并且在不断扩大运营范围。在中国，百度的萝卜快跑7月份累计订单量超过了100万单，运营范围遍及北京、上海等10多个城市，本月初，重庆和武汉分别开放了萝卜快跑的全无人商业化运营，为我国无人驾驶的商业化和规模化扩张提供了国际领先的政策环境。
在我看来，这里也涉及到方向性的改变。以前大家认为，无人驾驶离我们还很远，连图灵奖获得者斯发斯基都认为，实现完全无人驾驶可能需要几十年。因此人们把希望更多地寄托在L2+这样的渐进式路线上，认为自动驾驶的技术路线是先实现L2，再实现L3，最后是L4，L5。国家相关部门的政策配套也是先L2，再L3，然后才考虑L4。其实L2之后率先进入商用的很可能是L4，而不是L3。因为L2和L4的事故责任界定都是清楚的，L2出了事儿，责任在司机，这就是为什么主机厂商不管认为自己的自动驾驶能力有多强，永远都会说司机仍然要为事故负责。L4的责任界定也是清楚的，就是没有司机了，运营商要为事故负责。L4和L5的区别是L4是限定范围的无人驾驶，L5是不限定范围的无人驾驶。L3就不一样了，司机在需要的时候进行接管，这就使得事故责任很难界定，因此，我认为L3的普及需要更长的时间。
另外，从我们实践来看，自动驾驶的技术进步的速度是超预期的，当我们希望在一个城市的某一地区获得自动驾驶运营资质的时候，技术上一般只要20天左右的准备时间就可以了，因为技术的通用性已经很好，我们的自动驾驶不是通过对特定区域的过渡拟合来实现的。
今天，超过10个城市的市民可以体验到萝卜快跑的自动驾驶服务了，自动驾驶离我们已经很近。公众对自动驾驶的信任和欢迎程度也在提升。有调查显示，83%的中国人接受自动驾驶技术，中国消费者对汽车网联化、智能化的需求，以及欢迎程度、容忍程度等都比较高。
当然，车厂也在主动拥抱自动驾驶。很多汽车主机厂意识到，从零开始做自动驾驶研发，既不经济又不高效，且没有竞争力，更愿意和我们合作。目前，与Apollo合作的国内外主流车厂有30多家。百度旗下的集度汽车，也是Apollo的合作伙伴。今年6月，集度发布了首款机器人概念车robo-01，量产车型将于2023年上市。它是一款可以自由移动、自然交流、自我成长的智能汽车，体现了汽车的“智能觉醒”。
除了自动驾驶，过去一年我们还在多个领域看到了人工智能的商业化进展。最明显的是在基础设施的智能化改造方面。
首先是智能交通。目前，中国公路交通网络，还不能通过实时的信号灯调节和车路协同，来提升通行效率和降低事故发生率，城市拥堵让很多人在路上浪费了大量的时间。各地为了缓解交通拥堵，不得不实施对汽车的限购限行政策，这遏制了本来应该有的消费需求，也不能根本解决问题。根据我们在各地的实践，通过对交通网络的智能化改造，可以让通行效率提升15%-30%，这意味着GDP大约每年2.4%-4.8%的增长。目前，百度的智能交通方案已经在全国50多个城市落地实践。就在前几天，交通部正式将百度列为交通强国的试点单位，在高精地图、智能汽车、智能道路、云平台、智能交通产业生态发展等方面开展试点。
可以预见，随着通行效率的提升，对汽车的限购限行政策将走进历史，为城市疫情之后的经济增长注入新的活力。
其次是能源水利基础设施的智能化。中国在能源、水利、水务、供热等领域建立起了强大的基础设施物理网络，但是过去的建设，重硬件、轻软件，智能化水平不高。今年全国大面积高温天气，用电负荷屡创新高，整个电网系统都绷得很紧，哪怕一个小故障，都很容易导致大规模停电。现在，中国很多省级电网都使用了百度智能云的AI巡检，能7×24小时不间断巡视，巡检效率提升了6-10倍，有效保障了供电安全。我们认为，下一步应该加强水利电力系统资源调配的顶层设计，加快这些基础设施的智能化改造，用AI实现高效实时的资源调度。
另外，在工业互联网领域，凭借云智一体的独特优势，百度智能云打造了一个AI+工业互联网平台“开物”，入选了国家“双跨平台”。开物正在帮助中国企业在质量管理、安全生产、能耗优化、物流调度等主要场景中降本增效，提升创新能力，助力中国从“制造大国”向“制造强国”转变。比如，在质量管理环节，一家车厂完成车灯 22 个点位质检，只需要1秒钟；在能耗优化环节，我们用AI帮助某火电厂优化空冷岛设备能耗，实现了1度电降低 1.55克标煤。如果按全国 1000 台空冷机组折算，1 年碳减排潜力可达 600 万吨，助力国家“双碳”目标的达成。
AI在这些领域的商业化应用，需要针对每个行业进行端到端的技术调优。百度在人工智能领域已经摸爬滚打整10年了。这10年，我们累计研发投入超过1000亿，每年研发占比都超过15%，去年更是达到23%，这在全球大型科技互联网公司中都是凤毛麟角的。这样压强式、马拉松式的投入，使得我们在人工智能的各个层面都有领先的自研技术，从最底层高端芯片昆仑，到飞桨深度学习框架，再到预训练大模型，（我们最近推出了金融、电力、航天等行业的大模型）最后才能实现在应用领域效率的大幅度提升。
当然，我们也意识到，实体经济的很多领域数字化改造尚未完成， 而数字化本身并未能够带来效率的明显提升，智能化的渗透尚需时日，智能化对实体经济的巨大拉升作用还没有成为广泛共识。因此人工智能的商业化还需在黑暗中摸索一段时间。但一个新事物，从“无人看好”到“无人能及”，决胜往往就在“坚持”二字。科技创新，尤其如此。
