飞步科技是如何在真实环境下落地无人驾驶货车的？
点击上方“黑智”，选择“置顶公众号”
黑智专注AI落地，探讨AI商业价值
更多创业内容请访问http://www.iheima.com/scope/79
文 | 李夜
2019年是人工智能继续落地的一年。一年半前，刚创立的飞步科技也不敢落后。
在上周媒体沟通会上，创始人何晓飞透露，去年双11，飞步科技与中国邮政EMS、德邦快递启动L4级别无人驾驶货车常态化试运营。截至今年2月，飞步科技无人驾驶货运运输里程达到3600km，运送6万多件快递。
他宣称，“飞步科技率先在真实环境下成功落地无人驾驶物流商用。”据何晓飞介绍，3600km运输里程、6万多件快递是飞步科技这半年成绩。创立第一年，团队的精力主要集中在技术方面；最近半年，重点放在商业化落地上。
作为AI领域的创业大牛，何晓飞对于无人驾驶有着自己的理解。他认为这一波整个人工智能，不是商业模式的创新，而是技术创新。场景当然重要，但场景未必为王。决定终局的绝对还是技术。“我们会一如既往加强飞步科技的算法+芯片这一技术路线。这是根本。我们要保证在技术上面占据绝对优势。
在商业落地上，我们会有一个阶段，有一些不同的目标。”据悉，接下来，飞步科技将坚持算法+芯片的技术思路，加大核心技术研发投入，用技术闭环生态驱动产研；将陆续增开、运营100条商用无人驾驶物流线路。
技术为王
算法+芯片的技术思路是飞步科技创立伊始便定下的章程。“算法+芯片”也是飞步科技决胜终局的凭借之一。
和通用芯片相比，专用芯片是专门为特定场景、数据设计打造的。比如飞步科技打造这款芯片，围绕无人驾驶、汽车，考虑到行人监测、车道线识别、车规级的安全性，防震、耐高温等等。传统芯片厂商在芯片设计上虽然很强，但在具体场景、人工智能、深度学习、机器学习方面，未必是他们的强项。
何晓飞说，“车载智能芯片，跟传统的CPU、GPU差别非常大，不太可能延用CPU+GPU的架构。我们要考虑算力和功耗，考虑到安全性，我们会通过算法+芯片这一个整体的软硬结合，在性能、功能、安全上，去设计芯片。”
在芯片设计上，飞步科技有清晰的三步走战略：第一代芯片针对L3打造，第二代芯片针对L3-L4打造，第三代芯片，针对L4-L5芯片打造。目前，第一代芯片对标Mobileye的Q4，去年9月芯片流片，12月，飞步科技拿到测试结果。
在会上，何晓飞并未太多透露测试数据。他只提到，这款芯片的功耗非常低，“比别家公开的功耗都低”，但算力比他们的都要高。公开资料显示，第一代芯片功耗是5瓦，算力为4.1Tops。在功能上，第一代芯片不只是支持视频，还支持激光雷达、毫米波雷达，支持现有所有的传感器。最终产品将于今年下半年推出。
据悉，飞步科技芯片团队组建于2018年2月。仅用7个月的时间，便已经完成流片了。这么快流片的原因，何晓飞归结为经验。
“在芯片行业，评估一个团队，会看团队的平均工作年龄。飞步芯片团队的平均工作年龄是18年，放到任何一个芯片公司，都可以说的上是一个相当有经验的团队。”他们主张“算法和芯片融合在一起设计”。“Mobileye，它的算法和芯片也是一个整体。”他们不赞成一个团队做算法，另一个团队搞芯片。何晓飞本人在AI领域也有近20年的积累，“我们能够从具体功能、算法，再到芯片设计，有一个通盘考虑。”
继续商业落地
最近半年，飞步科技的重点放在商业化落地上。
据何晓飞介绍，3600km是在复杂的道路环境、多样天气环境中跑出来的。无人驾驶货车按照道路最高限速行驶，最高时速可以达到90公里。“在纯粹的高速路段，或者说在封闭道路、港口等封闭场景，又或者是一些小的物流车，在20公里或40公里低速场景下，所积累的里程和我们所积累里程的性质是不一样的。”
他提到的“复杂的道路环境、多样天气环境”，以飞步科技已开的三条运营道路中的一条为例，这条道路全长23.6公里，有50多个路口、26个红绿灯。途经学校、商场、小区、省道、景区、社区、菜场等。运营以来，飞步科技的无人驾驶货车在雨天、雪天、雾天，夜天飞驰过。“我们从白天到晚上24小时，全天候地把无人驾驶技术完全打通了。”
从物流的角度来看，线路分为三种：末端配送三公里、100公里以内的短途运输、800-1000公里的省际长途。飞步科技选择的100条公路都是短途运输。和另外两种物流线路相比，短途运输既有高速省道，又有城市道路；从市场需求上讲，它的需求又是最高的。据德邦估算，一年下来，无人驾驶能够帮其节省开支达到上亿的规模。
今年，按照计划，飞步科技还会再加开100条线路。“我们走完了从技术到商业落地的完整过程，接下来，要推进到了一个比较稳定的运营阶段。在今天技术能够解决的范围内，我们可以有针对性的，针对一些城市的具体路况，选择一些相对比较容易商业落地的线路。线路一旦跑通之后，就可以长期运营下去。”
何晓飞表示，现阶段，飞步科技不是特别着急横向拓展，他们更关注具体路线，比如新拓展的100条的道路能够尽可能多地覆盖掉更多场景。“假设这100条路线能够覆盖掉全中国90%以上的场景，剩下的无非就是一个复制的过程。”
在真实场景下，无人驾驶货运落地要遇到各种各样复杂的问题。比如红绿灯，机器识别红绿灯非常困难。因为画面上，红绿灯的像素点非常少，一旦识别不出来，闯红灯或者绿灯不走，都会引起大麻烦。
比如激光雷达如何克服下雪天这一复杂天气，把雪除掉有两个思路：一个是激光雷达打到雪上，能够知道直接把雪去掉，另一个是激光雷达返回的数据显示有雪，在软件层面，把雪去掉。飞步科技采取的思路是不管它，“其实人下雪天开车，不会把雪去掉，再去做判断，人是在完整环境里做判断的，飞步科技在整个环境里，利用一些新技术解决雪、雨的问题。”
比如隧道，在隧道里，光线比较阴暗，没有参照物，没有GPS信号，定位非常难做，而且管道里的累计误差也是非常很大的，从技术上来看，这是一项非常大的挑战。飞步科技的解决方案是通过定位知道车即将进入到一个隧道。进入隧道之后，车载系统开始进入到一个紧急意外的处理模式。该模式会对隧道这一场景下，做一些针对性应对。
再比如在行驶过程中，突然飞来的石头或者闯红灯的行人，飞步科技首先会感知到具体发生的情况，是人闯红灯还是石头飞来。感知通过视频、激光雷达等传感器抓取，怎么利用这些数据？
有两种方式，第一，每一个传感器独立做决策，第二，系统把所有传感器获得的数据，放在一起来做决策。这两种方式，在何晓飞看来，各有利弊。“合在一起的好处是，所有数据在一起，数据更丰富，而且数据之间不会打架。但不好的一点是，你要考虑车的带宽，数据规模大，车内的通信系统的带宽就会呈指数增长。如果分开独立决策，带宽不再是问题，但每一个决策会打架。举一个极端例子，假设摄像头认为前面是一只狗，而激光雷达认为是一个人，就会打架。”但何晓飞没有透露飞步科技如何解决“打架”问题。
在采访中，何晓飞提到，飞步科技始终立足中国市场。“从终局来讲，我觉得中美没有什么太大差别。至于选择美国市场还是中国市场，大家可能在商业规划上有不同的考虑，而飞步科技是立足于中国市场的。”在无人驾驶领域，他倒觉得国内对无人驾驶的接受程度更高。至于盈利，他认为目前谈无人驾驶盈利，“早了一点”。
下附何晓飞简历：
何晓飞，前滴滴出行高级副总裁、滴滴研究院创始院长、大数据部门负责人、无人驾驶项目创始负责人，以及滴滴出行平台核心交易引擎负责人。浙江省智慧高速公路建设专家组专家。浙江大学教授、博导，国家杰出青年科学基金获得者，首届中组部青年拔尖人才支持计划入选者，国际模式识别学会会士（IAPR Fellow），前雅虎美国研究院研究科学家。2000年至今在国际顶级期刊和会议发表高水平论文200余篇，引用次数超过20000余次，多次担任AI领域顶级会议NIPS领域主席。
*本文系黑智原创，作者李夜。黑智，关注AI落地与AI商业价值。
黑智专访
纳人 姜海峰 众趣科技 高翔
拍拍赚科技 汤劲武 图森未来 陈默
投资人说
相关内容
微信扫码咨询专知VIP会员