AI 前線導讀：在努力的拓展技術和應用對外的邊界，盡快的把技術發展到為人類所用的過程中，有很多的技術的挑戰，自動駕駛行業尤其如此。自動駕駛技術發展至今也取得了很多進展，3 月 20 日北大 AI 公開課第五講，請到了馭勢科技創始人吳甘沙，他將會對自動駕駛行業現在的部署情況、AI 的發展技術趨勢等等進行深刻分析，并對行業的未來進行展望。

北京大學最受歡迎的 AI 公開課“人工智能前沿與產業趨勢”于 2019 年 2 月 20 日正式開課。本學期的課程邀請到了商湯科技副總裁沈徽、馭勢科技 CEO 吳甘沙、微軟亞洲研究院副院長周明、360 人工智能研究院院長顏水成、YC 中國創始人及 CEO、百度集團副董事長陸奇等 14 位來自產業界的大咖進行授課，AI 前線作為獨家合作媒體將全程跟進并對北大這 14 場公開課進行整理，敬請關注！

特邀講師：吳甘沙，馭勢科技聯合創始人、CEO，致力于研發最先進的自動駕駛技術，以改變這個世界的出行和物流。創業前為英特爾中國研究院院長、英特爾首席工程師，領導了英特爾的大數據技術戰略長期規劃，并為中國研究院確立 5G 通訊、智能計算和機器人三大方向。2000 年以來，他發表了 10 余篇學術論文，擁有 27 項美國專利，10 余項成為國際專利，還有 14 項待審中。

以下為 AI 前線獨家整理的吳甘沙老師課程內容（略有刪減）

人工智能發展簡述

今天的演講主要分成兩部分：前面一半是講 Why，也就是為什么要做這件事情？它的目標和意義何在？后半部分就是講 What 和 How，也就是到底做什么，怎么做？

首先想問問大家，2018 年有沒有感覺到難？可能絕大多數同學還沒有真正的經歷消費降級，如果有些同學在企業實習，可能會感覺到 2018 年的涼意。這一定程度上會讓我們思考：外面很不容易，我是不是應該老實一點？

我想跟大家分享我們對歷史的觀察，我們發現一個巧合：每 10 年會有一個經濟的周期。1988 年的時候，世界歷史上第一次出現一個黑色星期一；1998 年的時候，出現了亞洲金融危機；2008 年是全球金融危機；2018 年，無論你怎么去定義，反正大家都活的很不好；2019 年有種說法，說可能是前 10 年當中最差的一年，但是后 10 年當中最好的一年。

聽起來可能會讓人覺得很灰暗，但是我想用歷史跟大家說明：每一次經濟上出現問題的時候，都很巧合的、或者是必然的帶來了一次科技上的繁榮。

1988 年的經濟危機帶來了，無論是國外的 Google、Facebook、微軟，還是國內的 BAT 都崛起了；2008 年，全球金融危機之后，差不多在 2010 到 2012 年的時候，一些移動互聯網的公司和應用出現了，我們現在熟知的頭條、美團、滴滴、微信、小米，都是從那個時間點出現的。

雖然對經濟整體的預估還沒有看到好轉的跡象，但是從歷史去看未來，我們相信未來幾年是科技繁榮的一個孕育期。我們判斷：2016 年的人工智能在信息技術的發展史上會跟 20 年前的互聯網，以及 40 年前的 PC 并列成為三座高峰。

1976 年到 1996 年這 20 年是屬于 PC 的 20 年，它解決的是數字化的問題，或者說是生產資料數字化的問題；1996 年到 2016 年這 20 年，是屬于網絡化的，它解決了生產關系的問題，通過連接口創建連接，來解決生產關系的問題；2016 年到 2036 年，我們相信這未來智能化的 20 年，能夠解決生產力的問題。這 20 年過后到底是什么？沒人說的清楚。有的人說：下一個 20 年，可能是我們人類探索新疆界的 20 年。所以現在人們看到 SpaceX，看到很多的跟宇航相關的創業和探索；也有人說，下一個 20 年是我們人類變成新人類的 20 年，是人類跟機器第一次開始融合的 20 年。但究竟是什么，沒人知道。

那么還是先解決我們現在的問題：生產資料數字化了以后，通過網絡重構了生產關系，但是現在我們不滿足了，我們需要通過人工智能來提升生產力。但是人工智能是一種賦能技術，它本身并不是一個特別大的產業，比如有人去賣人工智能的工具，賣不了多少錢。人工智能一定是賦能，或者是依附在一個龐大的傳統產業身上，幫助這個產業重換生機，做生產力的革命性的提升。所以有這樣一個比喻：人工智能就像葡萄干，傳統產業像白面包，葡萄干和白面包融合在一起變成了一種新的產品——葡萄干面包，于是整個產業的價值得到了提升。

正因為如此，我們對人工智能產業要有一些認識。首先，我們現在做很多的產業，要么是 to B，要么是 to C，當然現在也有 to G（to government），也有 to VC（to Venture Capital）等等。大家注意到 to C 的行業有一個特性，叫做贏家通吃，或者叫做網絡效應，它會風卷殘云般把整個行業進行重構。重構完了以后，可能只有行業的老大老二活的還可以，老三就已經很慘，老四甚至可能已經沒了。

To B 的行業跟 to C 不一樣，它很難一家通吃。To B 的企業成長的速率慢，可是它的生命周期也長。但 to B 是不好做的，這是降維式的打擊，用穿越思維來說：你不小心穿越到清朝去了，你要去適應當時的生態，而不是說隨便帶著一把機關槍過去亂掃，這不能解決問題。

此外，要找到那些反人性的地方，因為真正反人性的地方才是需要人工智能的地方。但是大家要知道，反人性的地方，一定也是很艱苦的地方。如果說你抱著在空調間里面寫寫代碼就把問題解決的思路，你絕對做不好。

第四，很多傳統行業，其實現在還不具備條件進行人工智能化，因為它有些先天不足，比如它沒有數據。沒有數據，那么很多智能都做不起來，當然，也要找到那些有先天優勢的地方。還有，一定要管理好期望差，人工智能有一個特點：就是更多的融資沒辦法去改變技術本身成熟的規律和節奏，堆再多的錢進去也沒用。一個女人 9 個月懷胎生一個孩子，九個女人不可能一個月生出來。所以要管理這種期望差，不要覺得趕緊拿錢通過更加努力，就能夠把這個東西很快做出來，這是人工智能很難的地方。

自動駕駛的特殊性

說到無人駕駛，經常有些誤解認為無人車跟無人機感覺差不多，其實差別很大。不知道大家注意過沒有，無人機它的創業主體是極客，自己弄一個小團隊悶頭去做，找到一個小而美的市場就發展起來了。但是無人車完全不一樣，無人車的典型的創業配置是科學家，或者是已經工成名就的工程師再加上企業家一起創業，首先要有個很豪華的團隊。其次，要建立一個非常完整的體系，什么都不能缺，什么都得有，而且它的價值鏈很長，團隊必須要有非常強的生態的協作能力。此外，無人機空中的場景相對簡單，而無人車面臨的地面條件非常復雜，所以兩者完全不一樣。

無人駕駛和人臉識別也不一樣。人臉識別可能是這次人工智能浪潮中發展的起來最成功的應用之一，人臉識別如果識別率達到 90%，多少漏掉一點沒關系，但無人車只要漏掉一個障礙物就出事故了，這是它們之間的不同。如果放到算法里面，就是無人駕駛它既不能有 False Negative，也最好不要有 False Positive，比如說無人車在高速路上突然莫名其妙來一把剎車，那肯定是不行的。

另外，無人車在道路上，不是跟其他的靜態的物體在博弈，而是在跟司機博弈，這是一個非常動態的環節。我們開玩笑說：以前我們覺得做無人車，像葉問一樣，就是跟一個假人去練習就行了，結果發現是闖少林十八銅人陣，每個銅人都在跟你過招。

無人駕駛創業跟互聯網創業也是不一樣的?；ヂ摼W創業經常有一種說法叫長板效應，就是一家公司只要有一兩點非常厲害，一招鮮就可以吃遍天，其他的方面稍微弱一點沒關系。但是無人駕駛，它講究的是短板效應，只要任何一個地方出現短板，最終的產品就出不來。

為什么都要做無人駕駛？

接下來我們談一談：為什么現在大大小小的公司都進來做無人駕駛了？

先給大家看一組冷冰冰的數據：1900 年，美國有三百家車廠，整個 20 世紀，美國最后一家上市的汽車公司是福特，在 1956 年上市；最后一家創建并且活到了 2000 年的汽車公司是克萊斯勒，創立于 1925 年。也就是說 1925 年前，1900 年出現的三百家汽車公司，絕大多數都倒閉了，1925 年以后創建的汽車公司要么倒閉了，要么被吞并，所以大家可以看到這個行業它是很保守的。

但是，這個行業畢竟已經經歷了一百多年，最近這 5 年出現了一個新秩序的建立，我們把它叫做“新四化”。

第一個叫做電動化。以新能源驅動電機，再讓車跑起來，可能是電池驅動，也有可能是輕能源等等。第一臺電動車是一八三幾年發明的，也就是說，最早的汽車是電動車。一直到 1920 年以后石油的開發，包括內燃機技術成熟，才變成今天的這種發動機的汽車形態。所以，電動化從某種程度上是返祖的現象，它把造車的門檻降低了，大家最近看到新造車勢力，就是借著這一波趨勢崛起的。

第二個叫共享化。共享化是一種商業模式的變化，原來我們必須得擁有車，現在不在乎擁有，只在乎那一瞬間的使用，無論是通過分時租賃，還是通過網約車，它都在變成一種共享化。

第三、第四就是智能化和網聯化。

這四化帶來了什么樣的局面呢？用一個比喻叫：世界異種格斗技大賽。這是在日本舉辦的一種比賽，幾種不同的格斗技的人在一個舞臺上把規則打亂進行競技。套用在自動駕駛行業，原來都是汽車產業的人在競賽，現在智能化以后，科技公司進來了，運營商也進來了；電動化之后，突然一下子賣電池的在這個行業里面占據了一個統治性的地位。全行業變成一種混戰的局面，它帶來的變化比很多人想象的要大。

舉例來說，智能化以后，汽車的制造不用開模，靠 3D 打印很快就做出來了，制造的一些壁壘就被降低了；而網聯化以后，大型貨車尾部的大屏幕就可以解決后車盲區的問題。更加復雜的網聯技術還有諸如遠程駕駛這樣的功能，隨著 5G 的發展，也許這樣一種商業模式就崛起了，而且安全性、環保性也都更加提升了。如果把這樣的技術再進行推廣，未來十年、二十年以后，馬路上單個車道的流量就可以達到今天的三到四倍，電力也節省的更多。

但是，智能化、網聯化，還遠比不上無人駕駛帶來的沖擊。未來的無人車應該是什么樣子？它的外表跟今天的車不太一樣，它的外表會變得比較擬人化，希望在設計上給別人帶來不同的感覺，設計者都試圖給無人車一些賦予一些人性化的東西。

圖為馭勢科技在 2017 年推出的無人駕駛概念車——“城市移動包廂”

無人駕駛帶來的變革與意義

無人車行業我們認為是一個水大魚大的行業，水必須足夠大，才能夠養出大魚來。汽車是一個發生著巨大變化的行業，出行也是一樣。舉一個例子，大家就明白了：2017 年，某網約車平臺總共接單 74.3 億單，平均客單價是 23 塊錢，當時這個網約車平臺是將客單價的 80% 付給司機的，所以相當于 2017 年他們付給司機一千多億。

假設變成無人駕駛的話會出現什么情況呢？

可能每單的客單價變得特別便宜，只需要 8 塊錢，跟地鐵沒什么差別，一年的客單數可能會變成 365 億單，也就說一天變成了一億單，相乘起來，就有大約三千個億的收入。這三千個億，平臺不用跟司機去分賬，主要就是付出自己的一些折舊、運營的成本，它會對出行帶來巨大的變化。

其次，無人車會對物流帶來變化。大家不要小看物流，中國平均每個人，一年要為社會物流成本付出八千多塊錢，一年大概有 12 萬個億，相當于 GDP 的 16%，成本非常高。如果通過無人駕駛，物流的成本會降到今天的 1/3。干線的運輸會通過無人貨車進行，末端的配送就會通過小型的機器人執行。甚至在未來，移動的鞋店、生鮮超市、醫院、ATM 等等都會直接開到家門口，萬物都可以動起來了。這些都是無人駕駛帶來的很多新零售、新消費的空間。這是一個很大的舞臺。

另外無人駕駛的發展還有一個重大的意義。現在平均一年因為交通事故死亡人數高達 140 萬人，93.3% 的事故原因跟駕駛員的行為習慣相關，選擇無人駕駛可以減少 90% 以上的交通事故，一年可以拯救一百多萬人。為什么呢？因為無人車訓練出來，平均有一千億公里的經驗，相當于幾百萬年的駕齡，而且它不自私、不疲勞、不路怒、不酒駕、不超速、不加塞，它可以減少很多的交通事故，同時由于無人車的遠程網聯操作，未來車跟車、車跟路隨時是保持互聯的，每輛車按照特定的速度，特定的次序通過十字路口，車輛行駛的平均速度就可以得到極大的提升，對城市交通也能提供巨大的幫助。

一個普通城市的雙向四車道，加上兩個停車道，能夠怎么進行改變呢？第一，可以把中間的隔離帶可以去掉，因為無人車不會開到對方的車道里面去；第二，每個車道可以變得更窄，車和車之間可以挨的很近，因為無人車始終沿著車道的中央在開；第三個，停車道可以去掉，未來如果大量出行是靠無人車的共享出行，到達目的地也不用考慮找車位停車的問題，晚上這輛車可以開到五環以外停車，白天又開到城里來提供服務，停車以后還可以進一步折疊，下一輛車開過來，又可以和它串聯在一起，就像超市的購物車一樣，每輛車占用的停車面積占變得非常小，所以不用停車帶了，取而代之的是卸客帶（drop off line）。

隨著城市大量被汽車占用的空間得到釋放，人、物、空間相對移動起來了，同時車里的場景也越發豐富，旅途也顯得不再漫長。而這樣一系列行為可能帶來的直接好處就是房價的下降。

無人駕駛的發展困境 用戶與環境

有一個經典的“電車問題”：兩條鐵軌上，一邊綁著一個人，另一邊綁著五個人，這時候電車來了，給你一個機會，用扳道岔的方式去救人，這時候應該怎么選擇？不扳，死掉五個人，扳的話也會死掉一個人，應該怎么選？對于這個問題，現在有兩個比較主流的觀點：一個是覺得要保證整體的損失最小，只能犧牲少數拯救多數；另一類觀點認為，每個人的生命都是有尊嚴的，幾種觀點都顯得難以抉擇。

同樣的問題也出現在無人駕駛。假如無人車的剎車失靈，左邊是五個人，右邊是四個人，左邊的人是戴著頭盔的，右邊是不戴頭盔的，無人車系統到底會選擇誰去犧牲？這個問題一直在爭論，但是沒有一個標準答案。

那么我們應該怎么去解決這個問題？我們的一個普遍的回答是：怎么選擇是哲學家考慮的問題，而工程師思維要考慮的問題是怎么把剎車給修好，不要讓剎車失靈。

對于無人駕駛的發展，攔路虎很有可能是用戶和環境。有一組調查數據顯示：約 71% 的美國人是不信任無人駕駛車的。還有一個真實的案例：Waymo 無人車上路以后，遭到了路人持槍的威脅，扎輪胎、故意阻攔行駛等等，各種行為都有。還有另外一種反對的方式，比如某個新聞的報道稱：美國 10 萬的卡車司機不用擔心了，因為美國國會無人駕駛立法當中把卡車排除出去了。大家可以看到在各個不同的國家，針對這樣的一種新技術是有不同反應的。

麥肯錫做過一個調研：中國有 49% 的人非常喜歡無人駕駛，只有 2% 的人不想擁有，而美國和德國有 16% 的人喜歡，但是有 50% 的人不想擁有。中國看上去是大規模產業化的理想國，也面臨很多的困難，國外無人車 Waymo 的工作環境，是在路上人很少，車也很少的情況下進行的，而國內的無人車工作環境就復雜了很多，不僅車多人多，不規范駕駛的比例也高了很多，此外還有不少外賣、快遞的電動車經常突然出現造成干擾；而面對堵車、大規模的人員流動等情況，只要出現十倍以上的差別，算法一定會失效，中國的路況永遠會出現見所未見的情況。也正因如此，麥肯錫預測，中國的無人駕駛普及會比歐美國家晚 2-3 年。

技術和成本

先來看一組數據。以 Waymo 的無人車為例：平均每行駛 1.1 億英里會出現一次人工干預，行駛兩千萬英里還沒有一次死亡事件發生，而美國人類駕駛員的水平：平均每 25 萬英里會出一次險，每 50 萬英里警方就會收到一次事故的通知，每 150 萬英里會出現一次致傷的事故，每 94000 萬英里會發生一次致命的事故。

可以看到，即使是 Waymo 的技術，離現在人類的水平還有差距。那么到底要到什么程度才能證明是安全的呢？

特斯拉曾經出現了一起致命的事故之后，寫了篇博文給自己辯解。他們認為：特斯拉開了 1.3 億英里才死了一個人，而美國平均水平 9400 萬英里才死一個人，這不是比人開的好多了嗎？但是大家想一想，根據統計學的原理，特斯拉采用的數據樣本太小了，沒有置信度，一旦第二天再出現一起致死事故，1.3 億就要除以 2，變成 6500 萬了。

美國的蘭德公司調查顯示：如果要 95% 的置信度證明無人駕駛比人類駕駛安全 20%，則需要至少 110 億英里的數據。相當于 100 輛車不停的開，不吃不喝不睡，至少開 500 年，也就是說你要在統計學意義上證明安全度是很難的。

如果用 Waymo 來舉例的話，相當于現在有一千輛無人車，每個月要開 100 萬英里，一直開 900 年；如果要花費一兩百億美金，買 8.2 萬輛車，每月開 8200 萬英里，也至少要 11 年。

所以我想說：方向確定、路徑不確定的長賽道，是機會也是挑戰。今天的領先者今后未必還是領先者，因為賽道很長，什么都有可能發生。

我這里提供幾個思路。

首先是走場景化之路，抓主流大眾的需求來供應，與主機廠共舞。

跟車廠共舞是很不容易的事情，想象一下，車可能是我們消費品當中最耐用，生命周期最長的一種消費品，一輛車賣出去 10 年了，終于有一天壞了，想要更換部件，但是誰能保證這家公司能活 10 年？所以這句話雖然簡單但是很難做到。

主流大眾的需求是什么呢？首先是在高速公路上開車，長期在高速公路上駕駛容易讓司機昏昏欲睡，特別容易出事故，而這個場景完全可以通過無人駕駛來替代。

另一個場景就是停車。馭勢跟一家汽車廠商合作推出的一款車，車開到了電梯口，用戶可以直接下車，然后用一個手機 APP 給車輛設定一個停車位，或者讓它到這片區域里找一個空的停車位，這是今天可以實現的，車身上裝的傳感器和控制器的成本不到一萬塊錢。

還有一個場景是分時租賃。分時租賃的一個痛點，就是取還車很不方便。比如用戶的目的地離停車場還有 500 米的距離，但是用戶去停完車再走過來又很不方便，那么自動還車就可以在用戶離開之后，自動開回停車場，完成還車。另外，自動駕駛還可以解決汽車租賃的調度問題，A 點要用車但是沒車了，可以從 B 點調度一些車輛過來，通過算法可以讓車輛自行完成調度的過程。

這些都是主流的需求，創業也可以從這些場景入手，核心仍然是要去解決根本的問題。另外可以考慮的方向是下沉到垂直的細分場景，大公司不一定會在這些場景做的精細，比如外面、環衛清潔、礦車末端的配送、或者干線的物流等等。

但是要注意抓住幾點：第一，什么是真實的需求？不要自己認為能做，就把它當作需求了，客戶或許未必有這個需求；第二，經濟賬要算好，整個市場有多大？水大魚才能大，成本的賬要算得清楚；第三，技術一定要確保無人化。

第二個思路：草船借箭，借殼上市。

舉個例子，目前在測試的無人車從停車場開出來之后，就變成了有人駕駛，在人類駕駛的過程中，車上所有的傳感器都沒有閑置，仍然還在跑算法，這叫影子模式，把機器的算法跟人類駕駛的結果進行比較，如果是相同，那說明自動駕駛的水平良好，如果數據不同就把數據傳回來。所謂“草船借箭”就是借用戶的車去學習、獲取數據，“借殼上市”是說要借這個殼，把無人駕駛的算法真正用起來。當然要有“船”有“殼”，這就避免不了，要能夠跟主機廠共舞，要能夠解決數據的歸屬權問題。

第三個思路叫仿真世界的破碎虛空。

我們都知道，在真實世界里跑一億英里談何容易，要耗掉多少油，要消耗多少請司機的人工費用。但在仿真世界里面，只要云計算的算力足夠，就可以無限測試，而且這里要求仿真要足夠的真，開發者對這種場景是可控的，可以設計任意的復雜的環境。此外，這種環境是能夠產生無窮的新場景的，比如模擬建筑、地面、植物、天氣、光照條件等等，這是仿真世界要解決的。

最后，我想跟大家談一談 Innovation 和 Invention。

這兩者大家經?；鞛橐徽?，我有一個簡單的區分方法：Invention 就是從 Money 變成 Idea，要花很多錢，發現或者發明一個從來沒有存在過的一個 Idea；而 Innovation 剛好相反，把這個 Idea 再變成錢，真正要實現它產生價值。創業做的是得 Innovation；做學術研究，獲得技術突破是 Invention。

這兩者都是人生價值的體現，并不一定要創業，成為百萬富翁、億萬富翁，才是人生價值的實現。我覺得現在無人駕駛創業不容易，但是技術的突破，支撐著創業公司的發展。

我認為現在是個大機會時代，但是我們不要做機會主義者，機會主義者是這邊打一下，那邊賺點錢，必然會把所有的機會都丟了。有幾個要素一樣都不能少：

第一，算法要好，就好比是一個人的智商；第二，要有產品力，就相當于人的體格；第三，還要有客戶能力，相當于情商，要搞定那些大車場、大客戶；最后，要有學問，就相當于數據。這些要素不斷的形成一個正向的循環，四種能力缺一不可。如果你覺得自己只擅長算法，那就要找一個工程能力非常強的幫手，找一個客戶能力非常強的幫手，你們一起來創業，才有可能成功。