吴甘沙：中国无人驾驶的协同创新之路

来源：汽车商业评论

编者按：2019年5月11日上午，驭势科技联合创始人、董事长、CEO吴甘沙在出席主题为“勇气”的第十一届中国汽车蓝皮书论坛第二日会议时，并发表了题为“犯其至难而图其至远”演讲。

 

他认为，当前无人驾驶最重要的是安全，不能高估技术的短期影响力，也不能低估其期影响力；而现在的汽车巨头对于无人驾驶都在远交近攻，资本联姻，共创未来；对于中国来说无人驾驶大戏刚刚开始，其问题一定要在中国解决；最后，他提出了协同创新的解决方案。

 

下面是吴甘沙演讲的录音整理，内容未经本人审定，略有删节，题目为编者所加。

非常感谢“中国汽车蓝皮书论坛”的邀请，今天我对“勇气”的诠释就是苏轼的这句话，中国无人驾驶要“犯其至难而图其至远”，而做无人驾驶的方式，我今天想重点谈协同创新。

 

首先，跟大家分享一下我跟无人驾驶的渊源，那是在2005年，我当时在英特尔公司，也是阴差阳错地卷入到了第二届DARPA无人驾驶超级挑战赛当中，那是无人驾驶的一次“华山论剑”。

这两辆车上都有英特尔的LOGO，夺冠大热门是下面这辆车——卡耐基·梅隆大学队的，我们研究院又去支持了上面的这辆斯坦福大学队的赛车，支持这辆车的成本很低，只有2万美元，在这边车窗上贴了英特尔的LOGO。最后结果，这辆车成了大黑马，在最后杀出来夺得了冠军。所以我们这2万美元非常值。

 

这件事情对我的启示有两个：第一个启示，大家可以看，这个LOGO贴在什么地方？贴在左右两侧后视镜边上的窗上，一般有人驾驶的车是不能贴的，贴在这个地方意味着什么？意味着无人驾驶车是新物种，它的每个部分都将有新的功能，都将被重新设计。

 

第二个启示，另外一辆车为什么失败？因为它后半程没力气了。为什么没力气了？在13年以后，到了2018年才查出来原因，是它的引擎控制模块跟喷嘴之间的一个过滤器失效了。

 

大家看，无人驾驶哪怕再高级，这么一个基础的问题就会让你变得没用。所以，这让我感觉到对汽车行业有了深深的敬畏之情。

再看Uber，前段时间出现了一个事故。路透社马上就分析了，它为什么出事故：原来激光雷达从7个减到了1个，雷达从7个变成了10个，摄像头从20个变成了7个，极大地减少了车辆的传感能力，缺乏敬畏之心。

 

当然，最后的结论并不仅仅因为它把这些传感器减少了，还包括它把AEB这么一个基本的功能关掉了，如果说这个功能还在，这起车祸是可以避免的。

 

所以这里面我想分享的第一个认知，用老子的这句话“重为轻根，静为燥君”。

重为轻根，静为燥君

 

我们现在看到的很多东西用户体验、智能等等是轻，重的部分是什么？根本是什么？是安全。我们应该要有静气，要有定力，让它成为燥的主宰。

 

我们看在这个行业里面燥是什么样子？这是Uber上市以后，它的一些文档透露出来的。

 

大家看，在2016年1月，Uber预测，到2018年无人驾驶汽车就能够帮助它盈利了；

 

2016年5月，Uber预测，到2019年会有1.3万辆自动驾驶的出租车；

 

2016年8月，Uber花了六七亿美元收购了一家创业公司Otto，认为这个进程可以进一步加快，加快到2019年有7.5万辆无人驾驶的出租车，它并不只是说，还去做了。

 

2017年，Uber计划购买2.4万辆的沃尔沃，改装成无人驾驶车队。

 

现在看起来，这个预测是不是有点可笑。

我们看一下2018年的数据，左面这一列，是每开了多少英里有一次人工的干预，像谷歌是1.1万英里，很厉害； Uber是每开0.4英里要有一次干预，而其在加州一共测试的车辆是29辆，跟刚才说的2019年要实现7.5万辆是一个巨大的差距。

 

我们不仅仅看到Uber是过度乐观的，再看通用汽车，它在2017年底的时候，预测2018年一个月跑100万英里，一年跑1200万英里，实际上2018年它只跑了44万英里。

 

同样，行业的领头者Waymo在2018年10月说，终于可以把安全员拿掉了，变成了真正的无人驾驶，但是仅仅一个月以后，又说还是得把安全员放回车里。包括最近刚刚过去的5月8日，Waymo跟Lyft合作，说放10辆无人驾驶车在Lyft的网络里面，但是这10辆车还是要有安全员。

 

这后面反映了什么？用Waymo的这句话来讲，无人驾驶是这样一条非常非常漫长的道路，就是你好像已经走完了90%，但剩下的10%的道路还需要90%的努力去走完，它是一个短板效应的市场。

 

我们经常说，互联网是长板效应，一招鲜吃遍天，但是无人驾驶任何一块板短了都不行。

人们往往会高估技术的短期影响力

 

我的第二个认知，无论是无人驾驶还是很多其他的高科技VR、AR等等，人们往往会高估技术的短期影响力，认为它两年、三年征服这个世界，都会出现这样的乐观，这个我们要注意。

 

当然我们也不可否认，不能去低估它的长期影响力，因为毕竟有一天它发生的时候是颠覆性的。这样一种颠覆性，其实在行业的估值逻辑或者说游戏规则当中可以看得出来，华尔街是很聪明的，或者说他们是很势利的，他们看的是未来。

大家看这几家公司，上面黑色的部分是它在去年年底的市值，蓝色的部分是它2018年的收入，非常诡异的是，收入越高，市值反而越低。

 

像特斯拉，它才215亿美元的收入，有500多亿美元的市值，而福特1600多亿美元的收入，只有300亿美元左右的市值。

 

比较有趣的就是Uber，Uber不造一辆车，甚至不拥有一辆车，它只有113亿美元的收入，但有720亿美金的市值，这两天它刚刚上市，差不多就这么一个市值。

 

更让人难以理解的是Waymo，这家公司的收入是0，而投行给他一个估值是1750亿美元，其中关于出行的是800亿美元。为什么？这后面就是一个估值逻辑的变化。

 

通用汽车每卖一辆车净利润1500美元，如果这辆车在生命周期里面跑了15万英里，1500美元÷15万英里，1英里赚1美分，但是Waymo用无人驾驶去实现共享出行，1英里赚0.5美元，而且这个车不知疲倦，一天到晚跑，生命周期里面跑了50万英里。所以商业模式上，通用的车跑15万英里，1英里赚1美分，Waymo的车跑50万英里，1英里赚0.5美元，它们的差别是167倍。

现在出行领域有巨大的动机来去推动无人驾驶，这是我根据赛迪的数据做了修改，大家看滴滴出行2017年47.3亿单，每天2000万单，每单单价23元，司机分成本来是80%，但是还另外多出了8%来去激励司机接活，这么算起来一年要给司机1500亿元。

 

如果说通过无人驾驶来去实现，每单变成8元，比地铁贵那么一丢丢，这样促使一天能够达到1亿单，1亿单并不是特别了不起，大家知道中国一天有车出行是11亿次，1亿单就是10%左右，这样365亿单×8%，又不用跟司机分成，收入应该是3000亿元，而不是说给司机1500亿元，自己还要亏100亿元。

远交近攻，共创未来

 

所以大家可以看到，这样一种巨大的变革的吸引，导致了通用汽车2016年初花了10亿美元买了CRUISE，只有几十个人，本田去年又花27.5亿美元投了它，投完以后，它的估值达到146亿美元。

 

什么概念？通用汽车自己去年年底的时候只有479亿美元估值，本田是480亿美元估值，而这么一个小的无人驾驶部门已经达到146亿美元，最近它又变成190亿美元，190亿美元是什么概念？跟比亚迪的市值差不多，同时远远超过了吉利和长城。

 

丰田，一开始投了Uber，最近它又跟电装（DENSO）一起进一步投了Uber的自动驾驶部门，别看Uber数据不怎么样，但是它的自动驾驶部门估值也达到了72.5亿美元。

 

这后面看到的就是各家大厂的风云变幻，他们在玩他们的策略。

像这几家大厂，一开始福特和本田都想跟Waymo合作，但是Waymo太傲慢了。通用汽车一看跟Waymo合作不成，自己买了一家创业公司。大众一开始希望靠奥迪自己来去做，后来发现不行。福特跟Waymo合作不成，也花10亿美元投了一家创业公司。大众一开始跟一些创业公司接触，比如跟Moblieye合作，发现也无法深入合作，所以它又跟福特进行了深度结盟，而丰田的无人驾驶就绑定在Uber身上。

 

所有这些大公司都完成了布局。在完成这个布局的同时，它必须得对现有的业务进行整合，比如通用把好几款不赚钱的车型取消了，福特甚至把整个轿车系列基本上都取消了，只保留赚钱的SUV跟皮卡，然后把精力投入到无人驾驶上，本田最近也押宝在通用汽车CRUISE上面。

 

我这里总结，就是大公司+快公司，远交近攻，资本联姻，共创未来。

 

这是我的第三个认知，我们有远虑，也有近忧，要先计后战，通过远交近攻这种方式，可以先胜后战，我先要让自己成为不可战胜，然后再去打。

 

中国无人驾驶大戏才刚刚开始

 

第四个认知，是关于中国的。我认为中国的无人驾驶大戏才刚刚开始，暗流潜涌。在这个后面，我们看到的是巨大的市场，大家知道，截止到2017年，滴滴完成的共享出行次数是Uber的3倍，滴滴平台上的司机是Uber司机的7倍，这是一个巨大的市场，当然这个市场需要犯其至难，因为太难了。

这是Waymo在亚利桑那做无人驾驶服务，大家看这个感觉就是，道路上面很干净，人很少，车也很少，我们在国内跑无人驾驶，很显然道路的状况就复杂了很多。

 

不仅仅道路的基础设施更加复杂，参与交通的各种角色也更加复杂。我们从车里面看一下，这是一个十字路口，我在等交通灯，十字路口左转对于无人驾驶来说是一个非常凶险的动作。

 

走到一个直路上面，马上就是一个环岛，环岛是一个混合车流，有行人、有自行车、有汽车。进入到城区，道路就变得更加复杂了，大家可以看到各种汽车、非机动车从各个不同的角度来去挤压你的生存路径，这种驾驶技术在美国绝对是练不出来的，在中国一定要眼观六路、耳听八方，而且既要保证安全，同时也要足够激进，不然你就无法获得路权。

我们做算法的知道，一旦出现数量级的差异，你的算法必须得改。在中国永远有你没有看见过的场景，这是我在重庆拍的，大家看，五层的立交桥、100个入口出口，可能外国的车就转晕了，波浪形的道路，车直接从楼里面出来。所以我认为如果把中国的无人驾驶解决了，世界的无人驾驶就不再是个问题。

 

中国的无人驾驶一定要在中国解决

 

我的第五个认知，是中国的无人驾驶一定要在中国解决。

 

为什么呢？《网络安全法》要求重要数据不能出境，无人驾驶的很多数据是不能出境的，而且外资企业是不能进行测绘的，高精地图是碰不了的。

 

怎么办呢？必须得在中国进行研发。大众这个新闻说，中国供应商将帮助大众集团首先解决中国的自动驾驶问题，同时这个自动驾驶能力还会在全球进行推广。

“指鹿为马”和“草船借箭”，完成协同创新

 

最后一个认知，我们认为需要一个大格局，生态大格局的协同创新。为什么这么说呢？大家看Waymo，1.1万英里1次干预，一共开了2000万英里，好不好？很棒，但是它的能力跟人类比起来差了一大截。

 

2000万英里绝对不够，大家看我们刚才说人类9400万英里才出一次致命的事故，我到底要多少数据能够证明无人驾驶比人开的更安全呢？

兰德公司给出了一个数据叫110亿英里，这需要你要有100辆车不吃不喝不睡开500年。Waymo现在有接近1000辆车，一个月开100万英里，要开900年才能开得到。Waymo说要买8.2万辆车，每个月跑8200万英里，也要开11年。

 

就是说要证明这个算法是安全的要11年，万一算法变化了呢，更新了呢？再证明还得11年。

 

怎么办？我有一个非常朴素的想法，就是让1000万辆跑车这样的算法，这样一辆车只要跑1100英里。

 

怎么让这1000辆车跑这个算法呢？我们觉得有两个策略：第一个是“指鹿为马”，明明是L2的一个车，它是一个鹿，但是我可以跑马跑L4，明明是人在开，是鹿，我在后台可以跑我的L4的算法，是马。

 

这有什么好处？因为鹿是安全的，马是不确定的。所以我在安全的幌子下面去跑不安全的算法，去验证，这叫“指鹿为马”。另外一个是“草船借箭”，就是我要借大量这样的车，来去借到我的数据。

针对这两个策略，我们做了一套系统，这套系统是可以跟主机厂深度合作的平台，我们把它叫做永不停歇的数据循环，这个焦点不是在车上，是在数据上。把各个步骤分拆叫“DOLE”，我把它叫做“到来”。大家看这个虚线上面是车，下面是云。

 

首先，我把算法部署在车上叫Deploy，算法有两套，一套是主驾驶，是鹿，另外一套是影子驾驶，是马，它们跑下来，我比比两套算法，看看有什么不同。如果有不同我认为是高价值数据，我把它传回来，或者我对这个鹿也可以进行打分，驾驶得好不好，把数据传回来，这是第二步，Observe的过程。

 

第三个过程就是在云端了，首先是Learn，我对数据自动进行标注，标注以后自动进行模型训练，然后自动进行仿真和验证，变成可靠的算法，再部署进去，这是永不停歇的循环。

 

当然这个循环里面，有几种应用场景，其中有很多部件，比如这是数据分析平台，我们都会开放给主机厂合作伙伴，包括一个大的仿真系统，看着非常逼真，实际上是一套仿真系统，这是我们在嘉善自有的测试场，这个仿真系统里面可以模拟各种不同的天气条件、各种不同的交通状况、不同的路面条件、不同的交通流等等。

 

这样的仿真环境里面算法验证以后，我们就可以在这个测试场里面进行实车测试，实车测试完后，再把算法部署到影子模式当中。

 

我们现在和主机厂分享几种合作模式：

一种是影子模式，主驾驶系统人在开，无人驾驶系统在影子下面开。这是我们部署的一套系统，这辆车部署了自动代客泊车，人把车开到电梯口就下车了，用手机一键让它去泊车。

这套系统基于非常廉价的传感器，6个摄像头、10-11个超声波雷达。同时，它也可以一键招车，让它自己开出来。这中间的几百米就变成无人驾驶，而这套系统我们已经交付给50个种子用户，用了半年，零事故，97%的成功率。在这套系统里，中间有一段时间是人开的，只要是人开的时候，传感器和控制器就闲置，意味着我可以在后面开启影子模式。

 

这个影子模式就是模拟在路面上、在停车场里面不同状况，它可以通过影子模式进行训练。

 

这是一个广告，面向未来的自动驾驶优化体系，这是DOLE“到来“的第一种使用场景。

 

第二种使用场景，我们和一些主机厂合作的另外一种方式，大家看主驾驶系统是预设的自动驾驶系统，副驾驶系统是主机厂自有的模块。

 

这意味着什么呢？可以洋为中用，允许主机厂自主创新。比如我是一个合资公司，我可以把国外的模块拿过来放到这边，作为一个副驾驶。数据不能出去，但是算法可以拿进来，基于中国的数据进行验证，双系统可以进行配置，帮助主机厂进行创新。

第三种使用场景叫平行驾驶，主系统还是自动驾驶系统，而副系统变成了一个远程进行监控的操作员。这是一个使用场景，机场无人驾驶的物流拖车，在这个车上，我们真正实现了车上无人的运营。

大家看这个车上是没有人的，我们经常看到无人驾驶，结果车上还得坐着安全员。我们这个车真正实现了车上无人的运营，可以拖行李，拖货物。不是从飞机上运过来，靠近航站楼就完了，它可以自己开下航站楼，开到传送带。它不仅仅是可以在室外跑，也可以在室内跑。

 

真正实现无人驾驶的一个非常重要的关键，就是我有这套平行驾驶系统。在远程可以坐一个人，在这辆车碰到潜在风险的时候，他可以进行接管。这样我这个双系统形成了一种新的配置。

 

大家看我们有三种配置，一种配置是影子模式，主系统是人在开，副系统是我们的无人驾驶。第二种配置，主系统是我们的一套标准的无人驾驶系统，副系统变成了主机厂自有的算法模块。第三种配置，主系统是无人驾驶系统，副系统是远程的操作员。这是我们和主机厂进行协同创新的一个平台，草船借箭，1000万辆车需要很多很多主机厂一起来去做。

 

我们现在跟很多主机厂开展了合作，最终我们是希望真正用1000万辆车把无人驾驶跑起来，协同创新才能安全达阵。

 

最后做一个总结，我想我们蓝皮书论坛聚集的都是这个行业的先行者和开创者。我们非常期待以一种非常开放的心态，协同创新的心态，跟大家一起同行，一起共创。谢谢大家！

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”