十年后的北京只有100万辆私家車但会有200万辆无人驾驶出租车；

　　未来每天将会产生数亿单的网约无人驾驶出租车出行；

　　ADAS/自动驾驶/无人驾驶技术近两年的爆发是基於过去10年的“势能积聚”；

　　从“拿到驾照”到成为能认路的“司机”，再到“老司机”无人驾驶还需要提高人工智能在开放性和未知环境下的判断能力；

　　驭势科技要在2-3年内成为中国第一家同时实现辅助驾驶（高速）和无人驾驶（低速）商业化的公司；

　　2030年后，全天候全区域全速度无人驾驶将成为现实

　　这些都是驭势科技创始人、CEO吴甘沙给出的判断、预测和“小目标”。

　　2016年12月27日下午茬位于“宇宙中心”五道口中关村智造大街的公司总部，吴甘沙和媒体聊了聊智能驾驶、自动驾驶和无人驾驶吴甘沙通过主题为“智能駕驶：你所不知道的”100多页PPT（页页干货，无尿点！）把无人驾驶的过去、现在和未来以及相关黑科技浓缩成了一个半小时的演讲（确切的說是讲了一个故事犹如一部大片儿），极其烧脑问题！

　　都有啥爆料慢慢往下看！

　　无人驾驶的外因在于城市的变革

　　交通方式的改变推动了城市的变革。上世纪二三十年代出现了汽车同时无独有偶出现了电冰箱技术。这两项技术带来了一系列城市的变革最早的时候城市是一个个小社区，社区距离大小可以用一个小区来衡量步行可以达到的，而且每个小社区都有自己的杂货店所有的家庭主妇主要是和社区的杂货店产生交易，使得社区能够维持下去但是技术的出现，打破了原有的结构第一，大家的活动范围变大使得城市的某些大的区域出现了超市这样一个结构。有了电冰箱一次可以购买更多的东西杂货店的生意逐渐变少，超市成为了城市的重要的┅部分大家的活动范围变大，城市出现了中心和郊区家庭主妇不用忙于每天采购，她可以去工作

　　现在城市的发展又一次需要变革。现在堵车是城市主旋律堵车导致了路怒、违规驾驶、交通事故。全世界一年因为交通事故死亡140万人中国占到了1/5左右。交通事故不泹带来了生命财产的损失而且给社会带了了莫大的损失，因为医疗保险的成本全世界是万亿美元。交通事故使得路更堵了大家自己開车会发现百公里的油耗蹭蹭蹭上涨，又导致废气排放又导致雾霾。

　　另外一方面不仅开车难停车也变得很难。第一一辆车96%的时間是停着的，需要两个停车位；第二在美国有统计，发现商务区域一辆车行驶的里程中30% -35%是为了寻找停车位而不是A点到B点； 第三很多大城市15%-30% 的土地是用来停车的，导致房价贵而房价贵使得很多年轻人只能居住在远离城市中心的郊区，形成了上下班的潮汐效应大量时间浪费在路上。有数据说北京很多工薪阶层一天有2.5个小时在路上2.5个小时是我们生命的1/10，全中国算下来一天有10-20亿小时浪费在路上。这是什麼概念回到五六千年以前，古埃及人建造一座金字塔花了这么多时间而今天一天在路上就浪费这么多生产力。

　　网约车不能解决城市问题但无人驾驶网约车可以！

　　网约车能不能解决这些城市问题？

　　网约车是互联网+互联网本质是重构了信息不对称，建立了連接原来的搜索引擎就是建立人与信息的连接，电商是人和商品的连接社交网络是人和人的连接，分享经济是人和闲置资源的连接網约车就是建立了这样的链接。使得很多人能够更容易打到车；第二互联网使得交易成本大大降低，无论是时间还是金钱成本都变得更尛了；第三汇集了所有人，原来的服务只涉及到社会上层20%的人群互联网使得很多服务让屌丝也能享受高端专车服务。

　　但提出2个问題第一，互联网确实使得交易成本最小化改变生产关系。但它并没有本质上改变生产力交易成本降低了，很多商业模式所谓的羊毛絀在猪身上让狗埋单但是生产成本没有改变，生产成本是由劳动力和生产资料决定的对网约车来说，生产资料就是车和油而劳动力荿本是司机的成本，这些是无法改变的虽然早期，因为风险投资的补贴使大家感觉到网约车让大家受益了，打车变得更加便宜了但昰一旦补贴停止，就不会这样了第二，每个人感觉受益打车更容易，但是社会整体上的效益是不是最大化未必。比如说北京可能囿20-30万辆网约车，原来他们是不上路的而现在如果上下班时间都上路了，使得拥堵现象变得更加严重社会整体成本可能变大。所以我们嘚出的结论是网约车不能从根本上改变今天的这种状态

　　所以，互联网挖的坑要通过人工智能填补人工智能的实质是生产资料和劳動力的合二为一。 原来生产资料、生产工具和劳动力是分开的而现在生产工具本身起到了劳动力的作用，一辆出租车变成无人驾驶司機这个角色就不存在了，整个生产成本就会发生改变所以智能驾驶是解决堵车，事故排放、停车等诸多问题的终极方案。

　　大概通過10年的时间会发生一次质的改变今天北京有接近600万辆机动车，7万辆出租车和20万辆网约车10年后可能整个结构将发生巨大变化：只有100万辆私家车和200万辆无人驾驶出租车。这能解决什么问题呢一是打车难，2分钟之内能打到车；二是打车贵出租车的费用降到今天的1/3以下，因為司机不存在油钱也更加便宜了。因为今天出租车大量时间是空驶、在路上找乘客而未来全局的调度算法就能够保证就近乘车，油钱浪费的少所以出租车费会降到非常低，而所有刚才说到的问题都将成为过去时这里的商机是巨大的。今天的滴滴网络有几百万辆车這几百万辆车一天产生2100万单交易。2100万单是什么概念今天天猫和淘宝加起来一天是万单交易，也就是说中国No.1的电商是这么大的规模我们楿信未来如果无人驾驶出租车变得更加便宜更加方便，一天将会是以亿单作为单位来计算的所以是个巨大的市场。未来的这些车首先昰整整齐齐紧紧密密的在路上走，他们对道路的利用效率极大地提升交通事故极大地减少，能源使用效率提升为什么呢？大雁排成陈列飞翔头雁是最累的，其它的雁因为风阻变小会很轻松。同样头车能耗大，其他车小

　　未来城市的通行效率会提升。现在北京嘚平均时速是20多公里/小时因为有红绿灯。未来如果有车车车路的通讯每辆车会有特定的调度算法控制按照特定的次序速度去通行，在┿字路口根本不用停就能通过不用担心撞到其他车。车辆的平均时速会提高2到3倍以上今天我们绝大多数时间是停着的，未来无人驾驶絀租车大量时间是在路上跑即使要停车，一个小小的停车位就可以停进去今天停车很大是因为有很多新手，手潮车位要留有足够的涳间，开门下车未来无人驾驶车就不会有这样的问题。未来这些车收车后可以停到郊区，城市里面大量的停车空间都会被释放出来咜也会改变我们房价的走势。

　　达沃斯论坛以及波士顿咨询公司（BCG）对全世界很多城市决策层做的调研显示48%的人希望这样的技术在未來5年实现商业化，40%的人希望未来5-10年实现商业化所以城市决策者对这样的技术是非常期待的。这是外因

　　无人驾驶的内因在于汽车产業的变革

　　在1997年有个广为流传的段子。比尔盖茨在一个大会上说如果通用汽车像我们的计算机这样发展，一辆汽车今天只要25美元就能買到一加仑油可以跑1000英里。他的意思是说计算机产业摩尔定律指数式发展通用汽车马上就反唇相讥：如果汽车像计算机那样，它跑着跑着就崩溃了崩溃了重启还不行，必须重装引擎出了事故，安全气囊弹出来之前他还会出现一个对话框：Are you sure确认吗? 他是想表达汽车产业囷计算机产业是完全不同的不要用计算机产业的发展速度看汽车产业的发展。汽车产业有非常清晰的趋势这张表Y轴是后来者竞争成本，X轴是产业和技术的发展一开始后来者或模仿者的成本是非常低的。在1900年左右全美国一度有250家车厂。随着产业的发展整合后来者竞爭成本越来越高。随着兼并扩大产业纷纷规模化，后发的竞争成本居高不下

　　最近这5-10年主要是四大趋势。首先是新能源车新能源車从某种意义上说是一种新的种类的汽车。原来一辆车有3万多个零件价值链非常长。即使像行业领导者如丰田从采购零部件到最终卖絀去，要200-300天需要巨大的资金周转，意味着后来者是很难玩这个游戏的但是特斯拉改变了这一点，特斯拉是美国从1950年到现在唯一出现的┅家新的车厂他改变了这样一个格局。它的电动车的一辆车零件数不到1万个极大减少，价值链极具缩短第二个是共享化，如优步、滴滴等它改变了人们对于汽车的消费习惯，从买车变成买服务第三第四是智能化和网联化。

　　由故事到现实看汽车产业发展与人笁智能起步

　　非常巧的是，人工智能恰恰在最近几年得到了突破网联化如4G，5G尤其是2020年的5G对于车联网会是一个突破性的技术。所有这㈣个趋势合在一起带来了100年未遇的机遇我们相信在3-5年的时间里，会出现价值链的重新设计整个竞争规则得到改变。这个领域是非常大嘚市场德勤做的一项分析显示，如果把汽车产业和其他相关产业和在一起（如保险能源，金融交通，服务等）是2万亿美元的产业這么大的一个产业发生变革，一定会有非常大的商业机遇摩根斯坦利做了研究报告说智能驾驶真正普及后一年可能给美国带来1.3万亿美元嘚收益，高达美国GDP的8%燃油节省，交通拥堵减缓事故减少以及生产力的提升，也即路上的时间可以来做其他有意义的事情

　　未来的汽车和今天的汽车大不一样，更像一个商业的空间交通工具的属性会变得越来越弱，而商业空间的属性凸显未来无人驾驶出行的运营商，某种意义上来说拥有非常大的商业地产商业模式带来巨大的变化。在未来10-15年中所有与人和物相关的交通，包括出租车、停车、写芓楼、服务业还有物流，200多万辆出租车早上晚上送人中间可以送餐送货，还有金融业如车险，都会变化无人驾驶为未来揭开了一個商业化的变革。为什么是在2016年呢

　　无人驾驶十年“血泪史”

　　现代意义上的无人驾驶最早是从美国2005年的DARPA Grand Challenge大挑战赛上开始的。这些軍用的汽车在沙漠里做挑战。冠军获得者是来自于斯坦福这辆车的领导叫塞巴斯蒂安*特龙。他从卡耐基梅隆“叛逃”出来的一位科学镓憋着一股劲儿要战胜冠军热门卡耐基梅隆。这台车是大众的(|)车上面有很多广告，大家可以看到安卓2005安卓还没被谷歌买下。安卓的創始人安迪鲁宾对机器人狂热还有我的老东家Intel。斯坦福发现了自动驾驶不需要两侧后视镜这样两边车窗上也可以贴广告，于是2万美元賤卖这个广告位Intel本来押宝卡耐基梅隆，见这边不贵就买下双保险，不料歪打正着卡耐基梅隆本来是冠军热门，可惜下半场的时候掉鏈子了被斯坦福大学拿了冠军。

　　等到2007年DARPA又搞了一次城市挑战赛。这次卡耐基梅隆换了一辆通用的车终于拿到了冠军，不过也算昰惨胜：他们的投入远远超过了奖金200万美元为了夺冠，他们组成了 40个人的工程师和机师队伍同时专门有一辆大巴，备好各种零部件避免出现上次零部件换不上的问题。这里面真正干活的一个人是克里斯*厄姆森（Chris Urmson后来是谷歌无人驾驶的CTO，前不久刚刚离开）

　　中国2009姩也开始了智能车未来挑战赛，这里也有一个很有意思的故事当时国家自然科学基金要搞一个课题叫视听觉认知。大家想来想去认知這个东西太虚了，一定要找个可以具体的、可以物化的东西展示出来后来想到了无人车。那时候的无人车在做测试的时候科研工作者吔是非常苦逼的，比如举个牌子看车是不是能够识别出“禁行“标志。这和百度前不久让程序员去测试车如出一辙

　　2009年塞巴斯蒂安*特龙和谷歌创始人拉里佩奇勾搭上了，靠给拉里攒机器人勾搭上的他说服佩奇设立一个新部门，叫谷歌X他在谷歌X的第一个项目是谷歌街景，做完这个项目后他建议做无人驾驶，这是在2009年也就是中国智能车未来挑战赛那年，而且还把厄姆森挖来两大高手终于开始在┅起做，他一开始做还是以非常秘密的方式和谷歌苹果的做事方式一致，很多东西是秘密进行的这个车是他画出来的，丰田(|)改的在2009姩就开始做路试。谷歌很“狡猾”车晚上出来，白天不出来因为车顶上的激光雷达不怕天色暗，即使被人看见了他吹牛就说是谷歌采集街景的车。所以一开始大家都没注意一直到 2010年10月份，纽约时报的一位记者也是世界范围内报道人工智能最有名的一个记者，John Markoff通过層层走访终于把这件事挖掘出来了。谷歌无人驾驶车要雇佣司机司机又告诉他的高中同学，把消息泄露出来

　　在2012年，谷歌买了一镓创业公司510 Systems, 这家创业公司也在做无人驾驶，创业公司的头叫安东尼*莱万多斯基（Anthony Levandowski）大家都知道，后来他开了一家公司叫Otto16年被优步买叻。安东尼牛在哪里他也参加了2005年的DARPA大挑战赛，用一辆双轮摩托车参赛在沙漠里跑，竟然跑到终点了他本身是个技术奇才。后来谷謌从普锐斯演进到第二代雷克萨斯有大概二三十辆车。接着第三代考拉车也出来了之所以叫考拉是因为正面真像考拉，前面的雷达像栲拉的鼻子我六月份时去谷歌看了一下，停车场里有二三十辆考拉车

　　无人驾驶发展的另一条脉络，和这个以色列人有关系他叫Amnon Shashua，Mobileye的创始人兼CTO这哥们从MIT出来的。目前为止美国几大名校都出现了，斯坦福卡耐基梅隆，还有刚才的伯克利（安东尼）他1999年就创立叻Mobileye，一开始没好好干自己还在读博士后，他在斯坦福读博后恰好跟塞巴斯蒂安*特龙一个办公室他是大学教授，所以搞ADAS一开始是研究嘚方式，当时想能否用很低像素的摄像头识别行人这时就有高手指点他，如果搞行人车厂根本不在乎，车厂关心的是车道线检测你洳果把车道线检测做出来，车厂会非常喜欢你他就紧急找了一个博士生，做了一套算法这时通用汽车搞了一个竞标，要找到最牛的车噵线检测方法这哥们做了几个月，可能觉得自己的算法未必能脱颖而出就玩了一招阴的。他去找通用汽车说我这个算法不但能检测車道线，还能检测汽车其实他的算法当时还不是特别成熟，但是通用汽车觉得这是意外之喜就把标给取消了，把钱给了MobileyeMobileye是一家非常渏葩的公司，1999年成立到2014年上市中间融资10轮左右，AB，CD，EF，G都不够了主要靠投资方和车厂。06年后真正推出了产品产品形态就像这樣一个小小的东西，前面装个摄像头而面对乘客有个小小的显示屏，离前车太近了或者开车偏离了车道就给出警告其实2007年我的团队与匼作伙伴在英特尔也做了类似的一套系统，把行人检测、汽车检测都做出来了很可惜当时英特尔感兴趣的东西是In-Vehicle

　　ADAS系统到目前为止一姩已经有几百万套的销量，但是它在普通乘用车上可能不算最好的应用场景而在商用车上有很好的用途，像这样的大卡车、大客车有佷多盲区，司机看不见经常出现拐弯时撞上自行车。如果在商用车装上多种摄像头来进行驾驶辅助随时检测盲区状况，就能够帮助驾駛员更好地做安全形势决策比如检测到骑自行车的，就发出警告这样的场景ADAS使用是非常好的。

　　这是智能驾驶前寒武纪的历史

　　到2015年就出现了寒武纪爆发的征兆。当年4月我去和一个人工智能界的大牛聊他说无人驾驶不可能，太遥远但是到今天，他自己的单位僦是无人驾驶界重要的一个玩家他的亲人也变成一家无人驾驶创业公司的CEO。

　　2015年自动驾驶的三件大事

　　第一优步把卡耐基梅隆国镓机器人研究中心的40个人，包括主任5个主要科学家以及34个工程师全部挖走了。对于优步来说这个时间已经体现了它的战略眼光。听一個朋友说在某一个阶段，优步的成本是每赚1美元要在消费者端花60美分获取用户在司机端花1.2美元激励司机上街提供服务。对它来说成本朂大的部分在司机所以他发展无人驾驶一定是动机最强的一个公司。

　　第二特斯拉的Autopilot真正变成了第一个量产的辅助驾驶系统。它前媔有毫米波雷达能够对前方100-200米车辆进行监测。超声波雷达在车身周围形成一圈保护同时有摄像头，在封闭的结构化高速上实现长时间嘚自动驾驶不但具有顺着车道线开的功能，还有有半自动换道功能即打开转向灯，自动换道可以说，特斯拉无论是在人工智能史还昰汽车智能驾驶上都有很大贡献

　　在国内也有件大事。2015年底百度展示的一款和宝马合作推出的车百度和宝马最近撕了，当时还在蜜朤期这辆车身上反应了传统主机厂商和新晋互联网厂商的不同技术路线。顶上的激光雷达是百度装的延续了谷歌的技术，采用360度旋转嘚激光雷达但车厂不喜欢这样的激光雷达，这玩意儿顶那么高又难看，空气动力学不好车厂更喜欢在车身上挖洞，左边一个前面┅个，两侧两个挖四个洞，里面藏着四线或八线的激光雷达这辆车从某种意义上来说是个混合的系统。这辆车的demo可以说是百度的无人駕驶团队的自救行为在相当长时间内它并不受重视，而且这个demo刚完成后它的领导者倪凯离开了百度去了乐视，成为了乐视自动驾驶部門的副总裁一件事情带出两个大玩家。我觉得这几件事是2015年发生的比较重要的几件事

　　2016年自动驾驶起飞，负面信息起到正面作用

　　2016年新时代揭开了1月份CES各大车厂都在推出自己的无人驾驶方案或路线图。汽车力量极大的一次展现大概占了1/3的展示区。3月份出现AlphaGo虽嘫和汽车无关，但是它使人工智能成为热门话题恰恰在3月，通用汽车买下了创业公司Cruise Automation出现了一个惊人的数字：超过10亿美元的收购额，當然后来通用汽车CFO说只花了6亿美元这对于智能驾驶创业是个巨大的推动。我是今年2月份出来的我当时融资的时候，很多投资人对于这個方向还很不确信觉得挺遥远。但这些事情接着出现逐步改变了投资者的认知用《大话西游》里的一段做一个比喻：沙僧突然伏在地仩倾听，八戒问他干什么沙僧说前方有埋伏，八戒说看都看到了还听什么？这恰恰反映了这个时间点有些人觉得无人驾驶还要听，昰个未来的东西而有些人看到无人驾驶已经来了。

　　2016年无人驾驶之所以变得如此火一些负面信息也是起着非常重要的作用，不要觉嘚负面信息只起反面作用其实负面信息也帮助了无人驾驶变得更加广为人知。

　　第一个负面信息在2月底3月初Alpha Go和李世石下棋的前几天，谷歌自动驾驶汽车第一次出现全责车祸它以前也出现过不少车祸，基本都是因为太遵守交通规则不闯黄灯，被后车追尾这次是第┅次主动的交通事故，撞上了一个大巴当时一些媒体请我发表评论，我开玩笑说谷歌自动驾驶需要加入一些人工智能很简单，全世界嘚大巴车司机你都要让他们接着5月份，特斯拉那起车祸当时是一辆带着拖车的大卡车，横在这个路口左拐一辆特斯拉(|) 从这边高速开過来，当时司机据说是在玩哈利波特车上传感器没有识别出来这辆卡车。咣特斯拉从卡车底部钻了过去，司机当场身亡特别讽刺的昰这位司机是特斯拉车主社群中最热烈吹捧Autopilot的一位。这起车祸引起社会的大讨论

　　其实特斯拉还有不同的bug。这是它典型的一个 bug在自適应巡航跟前车时，如果再前面停着一辆车前车突然换道，特斯拉跟丢了却不能及时发现前面停着的那辆车，就撞上去了这是在特斯拉的车主手册中写好了的一个缺陷，大家用这个功能要特别注意据统计在中国出现了至少2起车祸可能是因为这个原因，其中一起车祸導致了死亡在今年一月份，特斯拉车主圈一直在流传这个消息为什么一直没有确认是因为它的行车数据已经被撞坏，当时是不是处在洎动驾驶模式下现在已无从确认，但是车祸的特征与这个缺陷相似

　　最近，nuTonomy和优步一直在争谁是世界上第一家无人驾驶出租车公司但这两家公司都出现了一些问题。nuTonomy在新加坡撞了货车优步最近闯了红灯结果还和加州车管所掐上了，结果车管所把他给禁了

　　还囿就是信息系统。这是今年出现的一个case出现了2个黑客，他们黑了一辆大切诺基他和车主说好了，我要远程把你黑掉车主欣然答应。嫼客远程把雨刷打开收音机打开，音量调到最高车主吓尿了，央求别玩了但收音机音量太高，远端的黑客听不见反而玩的更high了，結果把刹车搞失灵了把引擎给关了，车开到沟里智能车是个信息系统，信息系统方面的安全非常重要后来奇虎360攻破了一辆特斯拉，朂近腾讯的科恩实验室又攻破了一辆特斯拉这也就让大家越发意识到，未来的智能汽车在信息安全有多么重要

　　今年还出现了很多倫理道德方面的讨论。大家都知道那个电车难题大家如果看过哈佛的公开课，有一个课名叫《公正》教授叫麦克*桑德尔，他所讲的电車难题就是假设有一辆有轨电车开过来，在轨道末端有5个小孩你是扳道工，你可以把这辆电车扳到另一条轨道上而另外的那条轨道仩只有一个小孩，要不要扳如果从社会整体利益的角度出发，你应该扳因为原本要牺牲5个孩子，扳道了则只需要牺牲1个孩子；但如果從个人尊严和生命价值的角度来说一个孩子的无辜生命将要因此被牺牲掉。这个电车难题在被套用到无人驾驶之中就又衍生出了更多的蝂本比如，前面有5个人和1个人到底选谁撞？老人和小孩到底该选谁撞或戴头盔的骑车人和不戴头盔的骑车人该选谁撞等等。如果因為骑车人戴了头盔被撞后生存的几率更大，而选择了撞他这对于那些遵守交通法规的人而言是不公平的。

　　还有一种情况比如一個人得了心脏病要紧急送往医院，他的无人驾驶车是不是要超速违反交通规则呢还有，美国的马路边有很多的收停车费的表一般停车嘚头半个小时是免费的，半小时过后开始计费如果是无人驾驶的话，在一个地方停29分钟又跑到另一个地方停29分钟，来躲避缴费也是┅个道德伦理问题。

　　另外就是数据隐私的问题在特斯拉身上就发生过。一位特斯拉车主抱怨说车子明明标榜续航里程能达到三四百公里，怎么在两个地方之间开了几趟电就没了？特斯拉把他的行驶轨迹数据调了出来发现车主实际绕路了。虽然续航里程的问题得箌了回答但车主却认为自己的一举一动都被别人掌握着，特斯拉于是表示可以将整个行驶路径的首五分钟和末尾五分钟掐掉只记录中間的数据，当然车主只是得到了心理安慰隐私的问题并没有完全解决。

　　再有就是软件后门和监管的问题想象一下，未来政府是否會强制性的在你的车上装一个后门来控制这些无人驾驶车辆该怎么办？这些都涉及到伦理道德问题讨论是非常有价值的。

　　负面的消息实际上也带来了很多正面的影响第一，让大众对于无人驾驶有了一个比较全面的认知；第二从业者不再过度宣传，比如特斯拉的Autopilot這一名称就给消费者以误导让人们以为其可以做到完全的自动驾驶。原来特斯拉将这一功能的中文名称翻译成“自动驾驶”而现在他們则把名字改为了“自动辅助驾驶”，这样就能给车主一种相对合理的期望；第三从业者也开始变得理性，考虑最坏可能比如优步的無人驾驶出租车，车里还是坐了一个人以达到监控的目的而且要与乘车人签订协议，一旦出事儿责任将由乘车人自行负责。最后目湔日本、英国等国家已经出现了新的针对自动驾驶的险种。这些都是负面消息带来的正面效应

　　智能驾驶：进化之路

　　现在看智能駕驶，就应具备这五种形态第一种是驾驶辅助系统，也就是人开机器给予辅助；第二种则类似特斯拉的Autopilot，也就是辅助驾驶在封闭的結构化路况环境可以持续的自动驾驶，驾驶员仍然需要注意路面；第三种到2020年后，这种车可以从封闭的结构化环境开进大街小巷而司機可以做其他的事情，只要在发生情况时能够在几秒钟内重新接管即可；第四种，到2020年时还有一种情况就是限定场景的无人驾驶，完铨不需要驾驶员但限定区域、限定速度，谷歌的考拉车就是这样在城市区域，不超过40公里的时速最后一种就是全天候、全区域、全速度的无人驾驶，这种无人驾驶还需要很长时间才能实现所以智能驾驶主要包括这五种形式，第二、第三种只能称之为自动驾驶从某種意义上说这是一种人机共驾，而后面的两种则可被称为无人驾驶

　　智能驾驶的群体运动

　　自动驾驶也好无人驾驶也罢，其大规模商业化与其成本有直接关系为什么在2016年比较特殊？下半年各大激光雷达的制造商都放出了这样一个消息：激光雷达的价格会变得便宜起来。激光雷达就是大家刚刚看到的那个安装在车顶上的装置这个装置的售价在美国是7.5万美元一台，在国内是70万元人民币有消息说，未来3-5年这个装置的售价有可能会讲到500美元以下甚至是50美元以下。如果这样其大规模商业化的门槛就降低了。

　　另一方面我们看到的昰各大车企也都开始行动起来了比如大众就在进行有史以来最大规模的一次改革，其改革的重心一个是电动化另一个就是智能化。而潒福特这样的传统老牌车企现在也已经敢于挑战那些连谷歌都做不到的事情。一开始福特想和谷歌一起玩但因为后来谈崩了，所以福特开始自己玩福特在做连谷歌都做不到的事情——在雪地环境下进行自动驾驶，而谷歌只在加州、德克萨斯这种气候环境很好的地方进荇了路试通用则和Lyft建立了合作关系，一起做无人驾驶的出行服务还有英特尔、宝马和Mobileye搞在了一起。还有高通公司以前是移动互联网巨人，最近以380亿美元的价格收购了NXP大肆进入到汽车尤其是无人驾驶领域。

　　刚刚说到英特尔、宝马和Mobileye的合作而这边国际著名的一级零部件服务商德尔福也已经和Mobileye联手打造一站式自动驾驶解决方案。谷歌这个最早的无人驾驶推动者大家都以为他们会自己造车，然而他們最近“怂”了宣布要成为一个车厂的技术供应商，先是跟菲亚特克莱斯勒公司合作接着又和本田合作。所以大家可以看出这个领域可以用一句“贵圈真乱”来形容。苹果也在秘密的研究无人驾驶车最近宣布已经跟美国国家公路安全管理局进行了disclosure，要进行无人驾驶車的测试国内，百度是最早进入这个领域的腾讯也加入了，而360也在偷偷的进行着无人驾驶的实验乐视就不用说了，最近四维图新也昰比较高调可见国内的巨头都已经纷纷进入这一领域。这一系列的事情都发生在2016年是前面的势能积聚到一定程度后的一个大爆发。

　　智能驾驶背后的那些黑科技大家都觉得是一种很高深的东西，但到底能做些什么主要分几种情况。

　　第一是需要有基本的感知力车子需要感知那些它不能撞的东西，还要感知和其他物体之间的距离这是它最基本的功能，如果这一点实现了相当于你是一个拿到駕照的司机了。这个技术要怎么实现呢比如我们通过视觉来建立语义模型，车道线在哪里车子要在线内行驶，哪些是车子我需要跟著它，哪些是行人和自行车这些都是车不能撞的，还要识别交通标志和红绿灯这一切都需要通过机器视觉来实现，大家可以看到车道線识别车辆识别，行人识别等等不但要能识别还要能判断距离、相对速度。

　　另外一种思路就是用激光雷达刚刚我们说的用视觉，数据提取出来是一个语义模型而使用激光雷达获得的则是一个几何模型。其实在最早的这辆2005年获得冠军的车子上已经使用了激光雷达大家可以看到这个车子顶上有五个激光雷达，这些雷达来自于一个叫SICK的德国厂商每个激光雷达都能扫出一个平面，获得数据后判断出哪里有障碍物这个车装了5个，而且俯仰角度不一样所以就扫出了5个平面。这5个平面能让车子对环境有一个立体的感知等到2007年城市挑戰赛的时候，车顶上出现了另外一种激光雷达不停的转动，可以达到每秒5-12转而且有64线激光，比之前斯坦福的5线要多很多所以对环境嘚感知度就强很多了。这家公司叫Velodyne他家原来是做音箱的，但它的老板是个极客他从军方搞到了这种技术然后运用在了雷达上，而用这種雷达扫出来的环境精确度极高不管是汽车、树木、建筑物，甚至是篱笆墙都能够清晰准确的反映出来。这个可以说是无人驾驶历史仩的一个很大的突破当然，它的主要问题还是贵要70万人民币一台。虽然如此谷歌的一代无人车上还是装了这种雷达，不但装了还紦它顶的老高，这样它扫描起来周围的盲区会尽量减少。然后它的第二代和第三代都装了这种雷达当然第三代并没把雷达顶的很高，洇为车子的弧线很大所以车子的盲区本身并不大。百度的一代和二代车顶上都装了这种雷达，当然在百度车的两边还有两个16线激光雷達顶上配64线，两边是16线我们做的车上面也配了16线的激光雷达还有32线的激光雷达。

　　这是我们的三种车没有那么贵，但我们必须想辦法弥补感知功能上的缺陷马上想到的办法就是用视觉感知加上激光雷达。激光雷达的线数不多分辨率较低，而且因为使用的是单色噭光所以仅靠反射强度没办法把物体的纹理呈现出来。而视觉是彩色的我们这里举例，720P是720根线分辨率较高，所以我们现在也要研究噭光雷达与视觉融合的问题

　　现在主流车型选择的是用视觉加激光雷达和超声波的方式放在车上，比如特斯拉一个毫米波雷达，还囿超声波雷达绕车布置了一圈这几种传感器看起来还不算完美。

　　我们来还原一下特斯拉的这起车祸为什么这辆特斯拉没有看见这輛大车。首先视觉会受到光照条件的影响在这样的强逆光场景下，它对前面场景的感知就削弱了但恰恰在这种相对较暗的情况下，有車灯的存在反而能让视觉更好的检测出来前车。但在车祸发生时那辆Model S是迎着早上的晨曦行驶，所以出现了这种强逆光的情况还有一個情况就是，特斯拉配备的Mobileye是以前车的尾部作为基准的前车尾部是有很明确的特征的，车下方有阴影车灯、外轮廓都是对称的，所以能够让摄像头很好的感知到前方车辆然而悲剧的是，当时前方的车辆是横着的这样的形态是不符合Mobileye对于前车认知的算法的，也就导致車子没有识别出前车

　　另一方面，雷达也没有识别出前车来大家会问，你不是装了毫米波雷达吗视觉没有识别出来，为啥雷达也沒识别出来呢钢铁侠的回应是，雷达是远远的在路上看到了几个反射点但在这种高速行驶的情况下，车子是不会轻易刹车的因为这種情况下刹车不但会让乘员感觉不舒服，也不安全于是车子将前面的物体归类于路面上的一个交通标志牌。车子希望能在走得更近的时候进行更仔细的判断再有，这个车的底盘较高而雷达安装的位置较低，所以在车子靠近的时候就扫空了两个传感器都没有发现前方嘚车辆，才会造成这起悲剧

　　除了特斯拉现在采用的加强雷达方案，解决这个问题有两种思路：一个是改进摄像头另外一个是改进視觉范围。改进摄像头其实我们今天使用的摄像头还是比较原始的，但我们可以从自然界的生物当中学会很多东西比如昆虫的复眼，對环境感知度极强而且处理速度非常快。人眼的处理速度是每秒24帧画面而昆虫的复眼可以达到每秒240帧，所以当人抬手抓昆虫的时候在昆虫看来那就是慢动作有了好的眼力，脑子差一点也就没关系了比如蝗虫只需要用一个神经元就可以检测障碍物了，而不像人脑子那樣需要很多神经元去识别鹰可以在两三千米的高空看到地上的兔子或者是一条蛇。它的远视能力极强这是鹰眼的结构，它有两个中心凹而变色龙和兔子可以做到360度环视。还有西伯利亚哈士奇能很快得根据光照情况调整瞳孔和焦距在微光下可以分辨物体。所以我们能從自然界学到很多改善摄像头的方法于是我们就做了一个双目摄像头，用这个可以让车子看到的世界更立体大家可以看到，像这样的┅个车子或者是障碍物我们都可以感知他们的位置信息和距离信息，比如这辆车子刚刚出现的时候是暖色调渐行渐远后变成了冷色调。我们把它叫做视觉雷达相对于普通的毫米波雷达，视觉雷达的好处在于能够对障碍物的尺寸、形状进行感知另一方面，普通的毫米波雷达对移动的物体相对敏感对静态物体感知能力较弱。两者结合使用就是我们从生物界汲取的改进办法在感知行人方面，传统来讲┅般都比较困难有了这种双目摄像头以后，包括小狗都能很好的检测出来

　　另一个思路就是改进算法，比如像深度学习的算法通過这种算法，不论是远近、不同角度甚至这种奇形怪状的车，还有遮挡比如这个车，只要露出三分之一就能识别出来。如果在一个哽加复杂的城市环境下能够把行人的检测等一切都算进去。这个场景就要比高速要难很多了大家可以看到算法对车的侧面也有很好的檢测。

　　这就是目前的两个思路如果这两个都做到了，表示你已经拿到驾照了但接下来，你要变成一个能认路的司机光会开车，鈈会认路也不行这就要说道地图和定位了。怎么做我现在就把我们的工作给大家展示一下，这些看着似乎很高的科技一旦把逻辑捋順，一切就非常好理解了

　　定位第一步想到的就是用GPS，但对智能车而言普通的GPS是不够的它需要的是高精度的定位系统。我们称之为RTK能够做到厘米级别。普通的GPS能做到10米级的定位RTK能做到厘米级的定位，我们叫它为绝对定位也就是在任何一个时间点上都可以得到绝對的坐标。我们看这个我们从地库出来，绕着园区开故意走得弯弯扭扭的，绝大多数情况下它的轨迹都非常清晰到这边有一个毛刺，但在这个方向上情况就不行了信号跳跃的非常厉害。这和建筑物的遮挡、能收到的卫星数据有关也和与地面基站的联系有关。我们換一个时间另一个方向上的毛刺比较多了。

　　也就是说就算你有RTK，有厘米级的定位精度也是不够的，这就需要把高精度惯性导航加进去现在在很多无人车里都在用的惯性导航，叫光纤陀螺它的准确性确实很高，你可以用光纤陀螺盲开20分钟它的定位依然比较准確。它是做相对定位的就是通过相对位置的变化来把轨迹定位出来。但是这种光纤陀螺的价格太贵了因为它目前主要是应用在类似巡航导弹的高精度武器上的，也就是说如果GPS失效，光纤陀螺也还是可以进行定位的但价格太贵就没办法广泛使用，所以我们用双目摄像頭来取代光纤陀螺叫做视觉里程计。这里显示的是我们配备了双目摄像头的无人车绕园区行驶的情况以此将定位记录下来。这是如何實现的呢是通过很多视觉参考点在帧与帧之间产生的位移来定位。把这些数据积累起来就变成了这样的一个轨迹我们再来看一个更为現实的应用场景。在全宇宙最复杂的立交桥西直门立交桥在这种情况下，GPS一般是会被down掉这个时候就可以依靠视觉的方法把整个轨迹清晰地画出来。所以就要将绝对定位和相对定位结合使用。现在我们看看两者结合的状态还是绕着园区开，这个是规划出来的路径非瑺平滑，不会受毛刺的影响了

　　但这样也还不够。我们再给大家看一个场景这是我们在一个院子里开，GPS的情况也不好这时候我们鼡双目摄像头的视觉里程计就发现累积的误差非常大，这是什么原因呢后来我们发现视觉里程计提取的视觉特征点不是固定的，比如一些叶子为了消除累积偏差，我们在这些绿色点的位置树立了两块牌子作为确定的视觉参考物。车子在扫描到参照物马上对定位进行叻矫正。这是一个比较朴素的想法也就是每过一段距离就要设置一些固定的参照物协助车子定位，矫正偏差

　　但这也有一个问题，僦是在现实生活当中你不可能到处去立这样的牌子，这样该怎么办我们可以利用现有路面上的设施，也就是各种交通标志牌来帮助车孓进行定位我在地图里把这些交通标志牌的位置都预设好，等车辆上路以后在这个实时视频中，那些红色的框就是识别出的标志牌將其与地图中预设好的标志牌匹配，就进行定位

　　当然这种方式还是不完美，因为在很多地方交通标志牌的分布非常稀疏可能隔一兩公里才检测到一个。这种情况下我们就不能只靠检测三维空间的标志牌了，还有一种东西能够帮助车辆识别那就是地面上的车道线囷其他符号，相比稀疏的交通标志牌这是连续的、丰富的视觉特征，我们可以用其来帮助定位我们首先可以把地面的连续图像建立起數据库，当开车时我们可以把实时看到的路面特征和数据库里的图进行匹配，这样我们就能更好的定位了大家看，即使路面上有很多樹荫我们的算法还是能很好的匹配。这就是我们实际上路的情况这个移动的窗口是我们实时看到的画面，背景是地面图那条绿色轨跡就是匹配出来的定位轨迹。

　　我们通过将多种方法融合在一起从绝对定位到相对定位，从视觉参考物清除误差到三维空间中的交通标志作为参考物，到地面图像作为参考物使车辆能够完美的定位，让智能车能够认路

　　智能驾驶：认知因素

　　之前说，第一步偠先拿到驾照第二步是要做能认路的司机。而第三步就要能变成老司机了而老司机就不仅仅能做到感知了，而要从感知到认知进行跨樾

　　首先要从检测东西到理解世界。刚才说的都是检测一些不能撞的东西不管是啥东西，现在就要做到理解世界了特斯拉刚刚发咘的系统，已经不再仅仅是检测前面有台车了而是能够分辨出那是一辆客车、货车或者是一辆摩托车了。这样就可以把老司机的知识加進去了比如说，如果对方是货车那就要离它远一些

　　紧接着，不仅仅检测车辆还能识别车的朝向，建立它的3D模型

　　更甚者，鈈仅仅是要检测感兴趣、数据库里有的那几种物体还要能把画面中每一个像素所代表的语义都理解清楚。比如紫色的那块区域是路面橙色的是车道线，这些是人行道、树木、车辆、天空等等这个叫做语义分割。而且只是检测出整块路面还不够比如在双向路面上只有這一半的路面是可行驶的，因此则需要进一步把这一半的路面情况识别出来还有就是遇到车道线不清晰的情况，或者车道线被大雪覆盖嘚情况或者是完全为土路的情况，车子都要识别出来可行驶的区域

　　另外可能还要通过声音来判断路面是干还是湿，这样能帮助车輛选择更适当的控制方法

　　以上这些都是从检测物体到理解世界的第一个阶段。

　　下一步不仅要考虑安全还要兼顾舒适的驾乘感受，比如在这个视频里我们姜老师上路前在车顶上放了三样东西：一个硬币、一个打火机、一个盒子。车子在熙熙攘攘的车流中加速、減速、换道开了20多公里以后，这三样东西还是稳稳地放在那里说明开得很平滑。考虑舒适性需要对这个世界有更深的理解比如，车輛会懂得绕开坑洼不平的路面这需要依靠激光雷达或双目摄像头。

　　认知的第三个阶段非常重要从咏春木人桩到少林18铜人。大家都看过电影《叶问》电影里叶问是跟一个静止的木人桩练拳的，但是在无人驾驶车真正上路了以后你要面对的是十几个如狼似虎的人类駕驶员，这就好像是去闯少林十八铜人阵你要判断态势，去评估其他人或物体的动机预测他们的行为。比如前车上面掉下来一个桶，你要去判断它是很轻且有弹性还是很重的东西。如果是前者我不用紧急刹车或者换道，那样不安全只需要稍微刹一下车，掉下来嘚物体不重撞上也不会有什么问题。但如果是后者那就必须要刹车或者换道了。这可以通过一个循环神经网络（Recurrent

　　还有就是在有很哆行人的场景中如果按照传统的算法，只要看见有人就会刹车那车开起来就会一顿一顿的。如果我们能更好的判断每个人的动机和行動轨迹当行人的轨迹与车的行驶路线不相交，就无需刹车开起来的舒适感就会很好。

　　还有个有趣的工作在这种环岛的情况下，智能车什么时候并线进去会比较好需要一种算法能够判断其他人的行为，比如有的车看见并线的车会加速说明驾驶员比较猛，可以再等待一下；而有些车减速了说明驾驶员比较礼让或比较肉，可以迅速并线这可以通过强化学习或循环神经网络实现。

　　所以这就是苐三步从新司机到老司机的算法过渡。

　　未来一辆车在路上开其实和Alpha Go很相似Alpha Go是看到了当前棋局黑白子的态势，来判断下一步该怎么赱而无人驾驶车其实也是根据路面当前的态势来判断接下来应该怎么开。所以很多Alpha Go的算法都被应用到了无人驾驶方面

　　人工智能还沒有解决的问题：鲁棒性

　　下面要说的是人工智能还没有解决的问题，鲁棒性

　　汽车是一个非常复杂的系统，这是我们拿到的一个統计数据说奔驰的(|)轿车上的代码行数是一架波音787梦想客机代码行数的16倍，可见其复杂程度而一架客机软件的测试和验证成本可能接近整架飞机总成本的一半。所以在无人驾驶车上所应投入的测试力量再怎么大也不为过传统测试只是检测代码，更复杂的其实是数据以忣在其上的随机算法和机器学习。什么叫随机计算我们想象一下，同时出厂的两辆车所有东西都一模一样但交到两个不同用户手里使鼡一个月后，两辆车的行为就完全不一样了而机器学习则是指在大量的学习过程中总结出来的一些规律。如果这个数据不具有代表性或鈈完整你学到的规律就是假的。这是谷歌做的一个研究用深度学习算法去识别哑铃，为了去看所识别的特征是不是有道理就把这些特征可视化出来。结果发现它识别出来的每个哑铃都带着一条肉色的胳膊为什么呢？因为训练数据都是肉色的胳膊拿哑铃的所以它就認为哑铃都是带着肉色胳膊的。所以机器学习如果你给它的数据不对，是会出现问题的

　　理论上来说，机器学习无法避免犯错大镓看这个低风险的场景，要求人工智描述这个图片图片中一个男孩拿着一个牙刷，但却被认成一个棒球棍无伤大雅。但如果是在无人駕驶的过程中一旦识别错误就可能车毁人亡。

　　对于高风险应用人工智能系统要有一个可预期的置信度，就是判断此事的把握有多夶我们再以5月份特斯拉的车祸为例，当时钢铁侠给大家的辩解是你们这帮家伙别啰嗦了，我这些车子开1.3亿英里才死一个人在美国平均是9千万英里死一个人，在全世界则平均是6千万英里死一个人我已经比其他的车开得更安全了。但是我们要知道的是他的数据样本太尛了，没有足够的统计显著性只要第二天再死一个人，安全里程就降到6500万英里了到底要跑多少路才能证明自动驾驶比普通车更安全呢？兰德公司做了一个研究说如果你想要以95%的置信度证明自动驾驶比普通车安全，你需要跑100亿英里100亿英里是什么概念？就是一台车拼命跑500年也就是说任何一个车厂的新车上市以前，都不可能跑那么远那怎么办？有一种思路就是通过模拟仿真，再加上强化学习强化學习就用在了Alpha Go上。Alpha Go之所以那么厉害是因为它左右互搏，自己跟自己下了8千万局棋它一天下过的局数超过了一个职业棋手一生下过的局數。所以我们可以在模拟环境下让它得到提升

　　深度学习今天有个致命的缺陷，它是个黑盒子不可名状，不可解释它为什么好或為什么差。但黑盒子往往会出问题的看这个例子，左边的那一列图片和右边那一列图片从肉眼看来是没有任何区别的中间那一列代表兩列图片在像素级别的差异，这些差异不至于让我们人类对这两张图片做出不同的判断但是深度学习能够识别出来这张照片是校车，右媔那一张却不能判断为校车这就是深度学习的bug。还有一些可以欺骗深度学习的办法比如刻意的去制造一些在肉眼看来没有什么特殊意義的图片，但是深度学习却把它们误判为某些物体比如把这张毫无意义的图片识别成猎豹。这些似是而非的案例被称为“对抗案例”紟年最大的一个技术进展就是希望通过对抗性训练，来增强深度学习对“对抗案例”的处理能力

　　所以我认为在未来如果要将人工智能使用在无人驾驶领域，还需要提高其对开放性环境和unkown unknowns未知环境下的判断能力

　　智能驾驶：面向未来的设计

　　另外一个关于无人驾駛有意思的地方在于未来我们要重新设计车辆。这个是Rinspeed对未来车的想象他们的想象是，假设你开到一半觉得累了可以把方向盘挪到中間，把座椅放倒就像飞机商务舱一样，甚至可以把椅子转过来跟你的旅伴聊上一路。甚至可以两个人都把椅子转过去把后座变成电影屏幕。未来在车上会逐渐发生这样的变化事实上原型车已经做出来了，比如像这样这位女士开到一半不想开了，可以把方向盘直接茭给一旁的男士未来方向盘可以缩到座舱里，也就是说平常你可能看不到方向盘了等到你要自己开车的时候再把方向盘拿出来。这个應该是日产的一个(|)未来人与车的交互可能变成手势。这是奔驰概念车F015两排座椅可以变成对坐。而像谷歌的这辆车上则实现了很多的创意比如两侧的后视镜变成了摄像头，取消了前挡风玻璃上的雨刷因为雨刷原本是为了让驾驶员开车的时候视线更清楚，但现在不需要駕驶员了也就不需要雨刷了。包括今年年初CES上出现的这样的一款原型车灯它是很智能的，像眼睛一样可以跟着行人动，增加了车和囚的交互

　　这是我们马上要去展出的展车（这款车被吴甘沙称之为“城市移动包厢”）。在这辆车前面有一个LED屏幕比如说它发现前方有行人就会停下来，屏幕上就会显示出一个行走的小人等待行人通过。奔驰还做了一个蛮有趣的功能车子在遇到行人停车时会在地媔上投影出一个斑马线，协助行人通过

　　驭势科技：汽车人，准备出发！

　　我们希望能够在未来两三年内成为国内第一家实现自动駕驶辅助和无人驾驶商业化的公司我们这套系统实现了100公里时速的高速辅助驾驶。它的另一个亮点是带有自动超车的功能如果前车太禸，自主换道超过前车

　　我们另外一条产品线是纯无人驾驶。现在我们有2款车已经进行常态化测试马上会进入运营，我们的成本是競品类似原型车的1/5第一款车单排两座，非常适合最后三公里出行如地铁到小区或者小区到商业中心。现在这一段距离由黑车摩的或摩拜单车实现。现在这些工具要么有城市管理问题太乱不安全，要么就是利用率特别低比如分时租赁一天的平均使用时间是2个多小时，利用率不高因为都需要人去开，第一个用户停车的地方不一定在下一个用户的位置。而如果实现无人驾驶利用率非常高。我们在這个小车做了一个有意思的功能我们希望车不但是无人驾驶，而且是无人维护当它发现自己没电了，它会自己准确地找到带无线充电功能的停车位以非常准确的姿势停进去开始充电。

　　第2款是共享出行首先针对园区。它基于无人驾驶的理念做了重新设计两排座椅对着坐，没有驾驶员的座位没有方向盘刹车油门。这辆已经在我们园区常态化运行场景非常简单，就是用手机把车叫来告诉他去幾号楼，然后你上车它就走了，场景非常简单

　　未来几年中国无人车事业的发展将是波澜壮阔。这是第一个报道谷歌无人驾驶的记鍺 John Markoff4月份写了一篇报道我们的文章，说无人驾驶会解决中国的很多社会问题我们也试图在新品类中做原创的创新，我们把它叫做“城市迻动空间”或“城市自行包厢”它既不等同于高速汽车，也和微型电动车、低速电动车不一样是一种全新的自主交通工具。即将到来嘚CES 2017上我们会推出来这一品类的第一辆原型车它不是概念车，是即将可以量产的车我们的展位在LVCC北馆，也就是关于汽车技术的展馆期待与媒体朋友们在CES进一步交流。

　　只有“行之无拘无束”“心方驾驭未来”。

　　以上内容是《中国汽车要闻》根据现场录音整理出來的内容未经吴甘沙本人确认。

　　?本刊所有图片、文字及版式版权均为【中国汽车要闻】（China Business Update）所有未经授权许可，不得复制或用莋其它商业用途其他网站及平面媒体如需转载，须注明作者及出处