2018年10月18日-21日，以“开启汽车新时代”为主题的“世界智能网联汽车大会”在北京国家会议中心盛大召开。驭势科技、百度、微软等知名科技公司亮相世界智能网联汽车大会分会场——未来汽车开发者大会，共同交流全球智能网联汽车前沿技术与最新应用。驭势科技CEO吴甘沙在大会上发表了题为《无人驾驶：从轻絮飞扬到落地为安》的演讲。
以下为演讲内容：
我今天的演讲题目为什么叫“从轻絮飞扬到落地为安”呢?今年年初的时候我有一个观点，如果2016年是无人驾驶的立春的话，2017年是雨水，雨水充沛、草木萌动，大大小小的公司都起来了。2018年当时我预测是惊蛰，既能够听到商业化的春雷，同时也会有倒春寒，事实上是什么样子呢?
发现我们一下子跳过了好几个节气，直接到谷雨了，天气非常暖，满天都是杨絮，但是杨絮很轻，不落地，这是一个问题。
当然这个问题跟国际投行对这个行业非常乐观的预期是有关系的，大家看到这边这些图标。首先大家看两家汽车公司，在美股一直大牛市的背景之下，他们跌去了差不多三分之一，跌去了100、200亿美金的市值。另外一方面，像CRUISE是通用汽车2016年初花了10亿美金买的，今年在软银和本田的加持之下，估值一下子就到了146亿，相当于通用汽车市值的三分之一。
我们再看Uber720亿美金，好几年了都没有什么变化。相比之下，Waymo一下子从700亿美金蹿升到1750亿美金，800亿的出行、900亿的物流，再加70亿的授权，这几个数字加起来不等于1750，不知道外国的投行算数是怎么算的。
但我们可以看到一些结论，首先在商业模式上出行比造车高一个维度，汽车公司卖一辆车1200美金的利润，如果生命周期里开12万英里，一英里只有$0.01~0.05。而无人驾驶加上共享出行，每英里的利润可以达到$0.1 ~ 0.5**，商业模式上有10倍的差别。
从估值逻辑上，Waymo代表无人驾驶技术的领先性，Uber代表今天共享出行的市场占有率，在评价公司未来的占位时，技术的领先性优先于出行的市占率。
第三，无人驾驶不仅解决出行的问题，还能解决物流。Waymo的估值当中还包含了解决城市交通、影响房地产等因素。无人驾驶技术对不同场景的适配能力很关键。
当然了，要实现这么多的期望，Waymo要投入很多的钱，未来几年部署82000台车，如果按照20万美金的价格来算，要投入164亿美金，至少也要上百亿。
今天它是不到1000台车，一个月能积累100万英里的里程，如果82000台，一个月它能跑至少8200万英里的路程。
当然，从它2017年批露出来的数据看，其无人驾驶的水准还不尽善尽美。大家看图中蓝条是2017年的数据，Waymo每5596英里需要一次人工的接管，不接管就有可能会出事故。这样的水准跟人类驾驶员的平均水准还差得很远，在美国人类驾驶员每50万英里出一次普通的事故，每9500万英里出一次致命事故。
兰德公司用数学模型证明，在死亡率上，要验证无人驾驶比人好20%，并且有95%的置信度，需要110亿英里的数据，这是什么概念呢?如果你有100辆车，一天24小时不吃不喝，一年365天无休，40公里的时速，需要500年才能达到这个里程。如果Waymo一个月8200万英里大概需要开11年。从某种意义上来说，这是一个不可能完成的任务，也就是我们在统计学意义上证明无人车的安全性。当然兰德这个理论稍微偏理论，实际其实有一些证据显示不需要110亿英里，但仍然是很大的一个数字。
那么我们所期望的无人驾驶滴滴或顺丰，到底什么时候梦想照进现实呢?现在有两种说法，一种是2021年，一种是2025年。2021年因为很多车厂、科技公司2016年做5年计划，2016年加5年，就得出2021年了，这样规划到底科学不科学呢?可以说不科学，但也科学，现在有一种说法叫做默顿定律，白话来讲就是人有多大胆、地有多大产，首先有一个预言，因为很多人相信这个预言，大量的人和资本都进去，预言就自我实现了，所以2021年成为了一个自我实现的预言。但是随着时间的流逝，大家发现技术成熟的基本规律在那儿，这个承诺是无法兑现的。这是某汽车品牌在2016年8月份的一个官宣，说2021年就能够实现无人驾驶的共享出行了。一年以后2017年8月份，正好差不多一年以后，新CEO上来说2021年，咱们有点太乐观了，这是关于2021年的一种观点。
也有一种说法说是2025年，刚才韦总引用了比尔盖茨的一句话，非常类似这个Amara法则，人们往往会高估技术的短期影响力，如果认为一两年就能翻天地覆地改变这个世界，是高估了，但同时会低估技术的长期影响力，你觉得它一辈子不可能实现，结果5年、10年就发生了。
但是5年、10年是不是一定能发生?也不一定，大家看最近有这么一家机器人公司RethinkRobotics关闭了，这家机器人公司的团队要多豪华有多豪华，它的创始人罗德尼.布鲁克斯是做机器人最有名的一个教授，MIT的教授，团队也是MIT的团队，他们做了10年，最终关闭了。
我们学到一些什么样的教训呢?
首先就是演示的技术跟规模化应用的技术完全是两回事，两者间的距离可能是比想象的要长。用谷歌的说法，我们花了10年，走了90%的路，剩下10%的路还需要90%的努力去完成。
第二个闭门造车是有问题，他们想了一些非常棒的功能，比如教机器人学习操作，是好高骛远了，太难。另一方面则是锦衣夜行，做了看似很棒的功能，工业机器人的场景用不上。相比之下另外一家机器人公司Universal Robots就更加务实。
第三个是一个悖论，就是这个东西很贵、不实用，就卖得少，这样数据就少、进展就慢，形成一个恶性循环。
我们做无人驾驶，要避免这些问题。
无人驾驶选择什么样的路径，硅谷的说法有两种，这是登月工程Moon Shot，那么我要一步登天造火箭，另外一种思路是造火箭见效周期太长，不如先造梯子、好歹能离月球近一点。
前者是一步到位的做法，高举高打，但短期看不到商业模式，5年、10年靠VC去买单，这种思路有问题，没有Waymo的命还偏偏得了它的病，这条路是百亿美金的赌注，但也没有人能够保证82000台车跑起来了，无人驾驶的问题就解决了。
后者呢，是农村包围城市，先做小根据地。但这种思路也有失偏颇，按照资本界的那种说法，天下大旱，为了生存不断进化，进化成了仙人掌，等到雨水来的时候再也没有办法成长为大树。
驭势希望在两者之间找到一条路，我们把蓝图叫“犯其至难而图其至远”。我们用造火箭的技术造各种飞机，用造飞机赚的钱，更重要的是，飞机运营中获得的数据来提升造火箭的技术。
具体而言就是，我们致力于研发开放道路L4的技术，但是把它降维到具有确定边界的L3和L4的商业化场景，包括载人和物流。
另外一方面我们选择两个领域，左边乘用车领域产量高、利润低，但是利于积累大量数据，右边专用车/商用车领域产量低但是利润高、落地快。左边的技术演进快，产品成本低，应用于右边，比单纯做右边的有技术和成本上的压倒性优势。右边赚来的钱，也可以反哺左边的路径。
在中国我们其实已经开始挑战最困难的L4场景。画面上是Waymo在亚利桑那州跑它的无人驾驶出租车，第一感觉路上人很少、车也很少，都很受规矩。再看看我们需要调整的复杂场景，这个视频是驭势很久以前的一个路测视频，给大家看。交通环境特别复杂，大十字路口车很多，多数道路是每个方向单车道，环岛加人车混行是最复杂的，环岛车流非常紊乱，还有几个骑自行车的，从环岛的这个出口出去，进入到一个繁忙的城镇当中，这时候各种车，机动车和非机动车，会从不同的角度来挤压你的路权和安全空间，跨黄线超车，对面车辆占用我方车道。这时候对我们整车的可靠性、安全性，对我们感知算法的鲁棒性，对于复杂环境的决策能力其实带来了很高很高的挑战。
即使这样的L4还不能大规模商业化，但至少可以看到这样一种技术已经可用了，我们把它降维到有确定边界的场景当中，主要是两方面，一个是减速，做商业化，车上必须没人，万一有事故，速度决定了事故的严重性;另一个是场景化，通过ODD的概念，对参数约束。
首先是我们上面说的“右边”部分，低产量、高利润的专用车和商用车场景。
我们的无人驾驶技术已经运用在多个场景。第一个场景，国宝车在园区行驶，这个车拿了红点设计大奖，是贵宾休息室、移动包厢的概念，适合领导巡视、参观。第二个是精灵车，主要用于景区、度假村等场景，也是完全为L4设计，没有方向盘、油门刹车，前不久在北京的5G自动驾驶峰会和中关村双创周承担了礼宾车的任务。第三个场景是我们在浙江嘉善运营的无人驾驶微循环车，这是在雪天当中运行，显示了恶劣环境下鲁棒的感知能力。同时我们将L4技术运用到物流上面，比如这是与主机厂的合作，无人车用于厂房内和厂区里的不同物流场景，尤其是右边那个，一辆无人车，拖着三辆同样的新车，按照我们计算机的术语，这是一种递归调用。
在所有场景中，我们尤其需要发现高频、刚需的场景。这是在机场跑的无人电动物流拖车，它可以运货物和各种各样的行李。这个场景非常好，因为机场现在人力成本非常贵，而且环境恶劣、招不到人，有强烈的需求。同时，机场的环境也很锻炼无人驾驶技术。比如，这是在下瓢泼大雨，对算法和系统的可靠性都非常挑战。这是很长的弧形隧道，这对无人驾驶来说也是一个非常困难的场景。我们现在的无人电动物流拖车真正进入了机场，跟飞机开始共享路权，这个对安全可靠性的要求非常高。
我们还有一个重要的场景是限时限区的微循环巴士和快速公交BRT，在与行业的巨头合作。这些在中国都有落地的场景，尤其是新区新城特色小镇，可以给他们专用车道。这张图上左边是雄安的市民服务中心，地面上绿色的这个车道上写着“自动驾驶专用车道”，而右边是一个典型的城市BRT的车道。
在这些场景中，最好有车路协同。在车路协同方面，我们很早开始探索。这是我们在世界移动大会上与中国联通和爱立信联合展示的基于5G的车路协同，而这是房山5G自动驾驶测试区，我们跟中国移动、当地政府和一些兄弟单位一起搞。
另一个上面提到的“左边”部分，量大、数据也多的乘用车场景。首先是L3级高速自动驾驶的场景，我们现在做到一次拉练2000公里，只有过ETC收费站的时候需要人接管，其他几乎全程在自动驾驶。另一块是自动代客泊车，人提前下车了，车可以自己开下停车场去找停车位。我们做两种模式，一种模式是针对每天私家车主回家，从特定的停车场入口进去，开到自家的固定停车位，这只需要多次的训练即可，不需要高精地图。另一种是开到商场超市，停车场入口的横杆一抬起来就分配了一个停车位，它根据高精地图能开到那个停车位去，人工智能的规划算法很厉害，停车位只要理论上车能够进得去，它基本上就是一把进去，这里我们演示了尾部入库和侧方位停车。
我们对落地为安的理解，第一个要看一看后备箱，我们做了两款满足车规的智能驾驶控制器，大家看这些照片，上面一排都是测试状态的车，整个后备箱都是线和设备，塞得满满的，而下面是采用了我们的控制器，它占用的后备箱的面积是非常少的，几乎已经看不见。这是我们跟上汽通用五菱合作的新的一款电动车E200，打开后备箱，你看不到控制器在什么地方。
落地为安的第二个含义是，从一台一台的装车到批量交付。这个车外表看起来跟普通的乘用车没有任何差别，它已经具备了自动代客泊车的能力，从主机厂出来就具备了这样一种能力。大家看左边是我们10月第一批交付了30个种子用户，车交付以后在停车场代客泊车的场景。
落地为安的第三个含义是落地运营，而非技术测试。这个是我们跟首汽GoFun展开的一个合作，它在共享汽车、分时租赁使用到了无人驾驶的技术，首先是自动还车，刚才这位先生下车，这个车自己可以开到附近的停车场，注意，我们的目标是两个停车位停三到四辆车，因为自动代客泊车的水平非常高，很窄的空位能停进去，而且停进去以后不需要人开门下车。紧接着，这位先生离开办公室，可以自动取车，他通过手机对车召唤，于是车从停车位自动开出来，经过一段路程的无人驾驶，开到这个地方与用户会合，他上去把车开走。
还有一个功能是编队的调度，因为在分时租赁中有一个潮汐效应，一到高峰时点，所有的车都被用户从A点开到B点，A点没车，而B点的车都闲着。现在是靠运营人员把车一辆一辆从B点开回来。大家看，有了自动编队调度，这三辆车排成一队，像幽灵车一样，从B点开回到A点，依次停入停车位。基于无人驾驶的自动取还能提升用户体验和车的使用率，另外一方面编队调度可以极大地降低运营的成本。
运营的真谛就是要永远留有后手，准备小概率事件。
比如这辆车做自动代客泊车的时候假如出现了一个问题，泊车失败的事件会马上接通远程的运营中心，这是远程运营中心的操作界面，操作员看着这些增强现实的屏幕，通过操纵杆熟练地操纵这辆车停入停车位。
最后，运营的目的是放大价值、创造价值，大家看右下角这张图，在极限情况下，普通的一个侧方位停车的停车位可以停两辆到三辆车。而这是下一代的高密度泊车，可以进一步把停车容量提升5倍。这将极大地节省社会资源和运营成本。
我们希望自己扮演的角色叫无人驾驶的“中场发动机”，就像足球中的中场，负责穿针引线、为前锋传球，前锋就是我们的一些客户，包括像车厂、机场等等。我们给自己的定位不是Tier1，而是Tier0.5，这包含了三层含义：首先，在研发阶段，我们与客户协同创新、共享成果;第二就是在运营中做数据的共享，我们认为在大量交付的车上获得数据、做实车的算法验证，比Waymo在82000台车做更好，数据更多，场景更丰富;第三就是全生命周期做联合的运营，帮客户放大存量价值、创造增量价值。让客户先成功，我们得最后一桶金。
这三点确定了我们跟普通的Tier1不一样，我们希望跟我们的客户，尤其是主机厂能够实现共赢。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
