就智能技术而言，复杂交通和移动互联环境下多传感器融合的感知技术和车云一体化的决策控制技术是最关键的。实际上，感知和决策是智能网联汽车的永恒主题，当前业界围绕智能网联汽车进行开发的主要就是感知和决策技术。利用人工智能、大数据、云计算等技术，实现人、信息和物理系统融为一体，进而基于这些技术提升汽车智能系统解决复杂环境感知和多目标协同控制问题的能力，这是世界范围内智能网联汽车技术的攻关方向，也是目前公认的最难技术。此外，中国还需要研发适应自动驾驶需求的控制执行技术。

感知决策和控制执行是推进智能网联汽车产业化发展所必须攻克的两类技术，而中国要解决这些技术问题，必须构建创新的机制和平台。因为与过去的汽车技术不同，智能网联汽车技术既是高新技术的载体，又是交叉技术的融合，既包括竞争性的产品技术，又涵盖基础设施的相关技术，是一个高度复杂的技术集合。所以，智能网联汽车技术研发必须在系统科学的整体规划的基础上，建立一种高效协作的创新机制，针对发展上述核心技术所需的基础技术、前沿技术、共性技术和交叉技术，分别组织相关各方力量，协同攻关、重点突破。

赵福全：智能网联汽车最核心的功能还是让车辆无需人为操作就能得到有效控制，而且最终车辆的自我控制将在各种工况下都超越人为控制的水平，从而保证车辆更安全、更节能、更环保地运行。正因如此，智能网联汽车既需要很强的感知能力，也需要类似人类大脑机能的判断能力，能够准确感知周围的情景并做出准确判断，之后做出决策并准确执行。

而感知和判断技术，原本并不是传统汽车产业关注的重点，可能更是IT公司以及其他一些高科技公司擅长的领域。那么，汽车企业应该怎样获取这些核心技术呢？

李克强：过去感知技术和决策技术确实主要是在ICT(信息通信技术)领域进行研究的，无论是基础理论还是共性技术的研究也都由该领域主导。但是，将感知和决策技术应用于某类具体对象上，尤其是应用在像汽车这样复杂的对象上，就一定需要充分理解和掌握对象本身的技术和特点。如果不了解应用对象及其边界条件，再先进的感知和决策技术也很难获得良好的效果。比如，当前感知、决策技术领域最热门的研究方向就是新一代人工智能技术，而人工智能需要有效的训练模型，如果车辆训练模型不正确，再好的人工智能技术也无法在智能网联汽车上发挥作用。所谓基于模型的决策，做好决策的前提是先要了解这个模型。

从这个意义上讲，汽车企业大可不必担心自己被边缘化。当然，汽车企业必须采取开放包容的态度，积极吸收和学习来自ICT产业的先进感知技术和决策技术，将其有效应用于智能网联汽车上。实际上，这种借鉴其他领域核心技术的情况在汽车产业越来越普遍，例如深度学习最先也是在信息技术领域产生的，现在我们也在尝试应用；又如最新的激光雷达传感技术，包括64线升级为128线雷达、机械式雷达升级为固态雷达以及360度旋转式扫描等，也都是从其他领域引入汽车的。