自動駕駛是百度近年來大力發展的方向之一，目前我國自動駕駛已進入落地關鍵期，現需要突破與技術、產業發展不相適應的政策瓶頸。

智能交通是李彥宏連續七年關注的議題，針對碳排放高、擁堵嚴重等交通問題，李彥宏建議對車進行電動化和智能化升級、建立智能交通助力碳減排效益評估標準以及個人碳積分激勵制度試點。

綠色AI則是第一次出現在李彥宏的提案中。十四五是我國加快推動綠色低碳發展的關鍵期，綠色AI相關技術未來必將成為減碳的主要貢獻力。

加快自動駕駛無人化政策創新

2021年國家部署一系列創新政策工作，如公安部啟動《道路交通安全法》修訂，工信部、交通部等也圍繞產品準入、應用試點等出臺政策。地方政府探索自動駕駛“中國模式”的積極性更高、步伐更快。

如北京開放全國首個自動駕駛出行服務商業化試點；深圳嘗試地方立法在智能網聯汽車準入管理、事故責任認定等領域開展探索；廣州啟動智能網聯汽車與人類駕駛汽車混行試點等。受益于良好的創新政策環境，自動駕駛出租車、公交車、無人配送車等自動駕駛車輛開始進入老百姓的日常生活。

如百度已在北上廣深等8個城市向市民提供自動駕駛出行服務，累計接待乘客超過50萬次。我國自動駕駛已進入落地關鍵期，技術已并跑乃至領跑全球，但我國高等級自動駕駛汽車發展仍面臨諸多問題，需要進一步突破與技術、產業發展不相適應的政策瓶頸，激發自動駕駛領域創新能力。對此，李彥宏提出了如下建議：

一是引導并支持地方政府出臺政策，明確支持無安全員的無人車上路，打造全無人自動駕駛汽車的載人運營政策先行區。

二是加快《道路交通安全法》的修訂和發布實施，從國家層面為加快自動駕駛汽車規模化商用、無人化奠定法律基礎。

三是適度超前建設智能交通基礎設施，發揮5G的遠程控制優勢，通過車路協同促進交通效率和安全性的大幅提升，帶動汽車產業向智能化和網聯化的轉型升級，讓真正無人的智能網聯汽車盡早行駛在中國道路上。

促進智能交通普及，緩解道路擁堵

交通運輸業二氧化碳排放約占全國總量的9%，其中道路交通排放占比超80%。智能交通為緩解交通運輸碳排放提供了新的有效路徑，車的電動化和智能化、路的網聯化、行的共享化是核心著力點。根據國際數據公司（IDC）統計，無人駕駛和運營、智能信控、智慧停車、MaaS一站式出行服務等智能交通技術對節能減排貢獻度均超過40%。

李彥宏的建議如下：

一是車的電動化和智能化。加快智能網聯汽車普及，推動高等級自動駕駛汽車規模化應用，能讓每個人出行更安全，改善城市擁堵問題。二是路的網聯化。通過發展車路協同、智能信控、智慧停車等技術，提高道路交通運輸效率，減少碳排放，并緩解城市限購限行壓力。經測算，以車路協同為基礎的智能交通，能夠提升15%-30%的道路通行效率。如在保定，百度通過對100多個路口部署智能信控系統等進行區域交通治理。車輛行程時間平均縮短20%，每個路口平均碳減排量達138.6噸/年。三是行的共享化。通過MaaS一站式出行服務、綠色出行個人碳積分體系等方式，鼓勵人們更多使用公共交通。

近年來，在智能交通領域，國家已加速出臺相關政策，各地方政府也積極推進落地。但部分地區仍存在建設缺乏協同、碳減排效益評估缺少統一標準等情況，制約了智能交通助力碳減排的全面發揮。因此建議：

一是加快推廣智能交通運營商模式。支持和鼓勵地方政府發揮主導作用，統籌智能交通項目規劃建設和運營，推動一次性集成商向持續性運營商模式轉型。引導政府主管的國有企業或平臺公司加速構建智能交通運營商功能或成立專門公司，支持科技企業以技術和運營經驗等賦能智能交通運營商。鼓勵地方適度超前部署智能交通新型基礎設施，加強車聯網先導區和“雙智試點”覆蓋區域，通過規模化探索應用價值。

二是建立智能交通助力碳減排效益評估標準。聯合行業協會、高校、科研機構和領軍企業，加快開展碳減排效益評估標準研究，制定智能交通助力碳減排的量化計算規則，讓原本難以評價的智能交通助力碳減排效益，變得可量化、可統計、可評估，探索自動駕駛運營商等新主體的碳減排效果評估，認定其減碳價值。

三是開展個人碳積分激勵制度試點。支持地方政府出臺激勵政策，構建公眾碳排放相關數據平臺，探索個人綠色出行碳積分與公共服務優惠政策掛鉤機制，提升公眾綠色低碳出行獲得感。

加快發展綠色AI，引導算力算法低碳發展

算力算法是數字經濟時代的重要生產力。“3060雙碳”目標引領下，需要持續提升能效，發展對環境更友好的綠色AI。一方面是發展綠色算力。數據中心是算力的重要載體。

據中國信通院測算，2020年，我國數據中心年均運行PUE為1.56，距國家設定的2023年底新建大型數據中心PUE降到1.3以下的目標還有一定差距。地方政府正在加強對數據中心的節能審查，不少頭部科技企業通過使用綠電、利用技術優化流程，降低數據中心能耗。

百度陽泉中心首次將人工智能技術引入數據中心，基于百度自研的飛槳深度學習框架，建立數據中心深度學習模型，實現系統冷源部分AI調優，能效最高單體數據中心年均PUE低至1.08。

另一方面是發展更綠色的算法。當前，超大規模預訓練模型成為深度學習的重要演進方向之一，但能耗也隨之增加。需要優化策略和參數設置，構建綠色集約的大模型，提升基礎設施能效比。

人工智能等技術為全社會低碳轉型開辟了新的路徑。綠色AI相關的技術減碳貢獻將逐年提升，綠色算力和算法應用于工業、能源、建筑、金融等各行各業，具有巨大潛力。

“ 十四五”是我國加快推動綠色低碳發展的關鍵期，國家陸續做出系列重大部署，如近期全面啟動“東數西算”工程。綠色AI發展潛力大、應用廣，但也面臨數據中心使用綠電仍面臨能耗雙控考核、綠色算法衡量標準體系尚未建立、缺少健全的碳排放統計核算體系等情況。李彥宏建議加強政策引導，完善標準體系，具體如下：

一是探索碳排放雙控在數據中心率先落地。根據國家信息中心測算，數據中心僅用約占全社會2%的用電量，支撐了占全國GDP約36.2%的數字經濟規模。建議有關部門支持有條件的地區加大政策創新力度，對數據中心使用綠電部分的額度不計入能耗考核。

二是建立兼顧性能和能耗的綠色算法度量標準，倡導領軍人工智能企業構建能效高、性能優的預訓練大模型，并向行業開放。

三是加快完善碳排放統計核算體系，開啟國家核證自愿減排量簽發。加快建立科技減排的方法庫和行業標準，強化綠色AI在降低碳排放領域的技術供給。