馭勢科技、微軟、百度等知名科技公司亮相世界智能網聯汽車大會，共同交流全球智能網聯汽車前沿技術與最新應用。馭勢科技CEO吳甘沙在大會上發表了題為《無人駕駛：從輕絮飛揚到落地為安》的演講。

以下為演講內容整理版：

我今天的演講題目為什么叫“從輕絮飛揚到落地為安”呢？今年年初的時候我有一個觀點，如果2016年是無人駕駛的立春的話，2017年是雨水，雨水充沛、草木萌動，大大小小的公司都起來了。2018年當時我預測是驚蟄，既能夠聽到商業化的春雷，同時也會有倒春寒，事實上是什么樣子呢？

發現我們一下子跳過了好幾個節氣，直接到谷雨了，天氣非常暖，滿天都是楊絮，但是楊絮很輕，不落地，這是一個問題。

當然這個問題跟國際投行對這個行業非常樂觀的預期是有關系的，大家看到這邊這些圖標。首先大家看兩家汽車公司，在美股一直大牛市的背景之下，他們跌去了差不多三分之一，跌去了100、200億美金的市值。另外一方面，像CRUISE是通用汽車2016年初花了10億美金買的，今年在軟銀和本田的加持之下，估值一下子就到了146億，相當于通用汽車市值的三分之一。

我們再看Uber720億美金，好幾年了都沒有什么變化。相比之下，Waymo一下子從700億美金躥升到1750億美金，800億的出行、900億的物流，再加70億的授權，這幾個數字加起來不等于1750，不知道外國的投行算數是怎么算的。

但我們可以看到一些結論，首先在商業模式上出行比造車高一個維度，汽車公司賣一輛車1200美金的利潤，如果生命周期里開12萬英里，一英里只有$0.01~0.05。而無人駕駛加上共享出行，每英里的利潤可以達到$0.1 ~0.5**，商業模式上有10倍的差別。

從估值邏輯上，Waymo代表無人駕駛技術的領先性，Uber代表今天共享出行的市場占有率，在評價公司未來的占位時，技術的領先性優先于出行的市占率。

第三，無人駕駛不僅解決出行的問題，還能解決物流。Waymo的估值當中還包含了解決城市交通、影響房地產等因素。無人駕駛技術對不同場景的適配能力很關鍵。

當然了，要實現這么多的期望，Waymo要投入很多的錢，未來幾年部署82000臺車，如果按照20萬美金的價格來算，要投入164億美金，至少也要上百億。今天它是不到1000臺車，一個月能積累100萬英里的里程，如果82000臺，一個月它能跑至少8200萬英里的路程。

當然，從它2017年批露出來的數據看，其無人駕駛的水準可能還不盡善盡美。大家看圖中藍條是2017年的數據，Waymo 每5596英里需要一次人工的接管，不接管就有可能會出事故。這樣的水準跟人類駕駛員的平均水準還差得很遠，在美國人類駕駛員每50萬英里出一次普通的事故，每9500萬英里出一次致命事故。

蘭德公司用數學模型證明，在死亡率上，要驗證無人駕駛比人好20%，并且有95%的置信度，需要110億英里的數據，這是什么概念呢？如果你有100輛車，一天24小時不吃不喝，一年365天無休，40公里的時速，需要500年才能達到這個里程。如果Waymo一個月8200萬英里大概需要開11年。從某種意義上來說，這是一個不可能完成的任務，也就是我們在統計學意義上證明無人車的安全性。當然蘭德這個理論稍微偏理論，實際其實有一些證據顯示不需要110億英里，但仍然是很大的一個數字。

那么我們所期望的無人駕駛滴滴或順豐，到底什么時候夢想照進現實呢？現在有兩種說法，一種是2021年，一種是2025年。2021年因為很多車廠、科技公司2016年做5年計劃，2016年加5年，就得出2021年了，這樣規劃到底科學不科學呢？

可以說不科學，但也科學，現在有一種說法叫做默頓定律，白話來講就是人有多大膽、地有多大產，首先有一個預言，因為很多人相信這個預言，大量的人和資本都進去，預言就自我實現了，所以2021年成為了一個自我實現的預言。但是隨著時間的流逝，大家發現技術成熟的基本規律在那兒，這個承諾是無法兌現的。這是某汽車品牌在2016年8月份的一個官宣，說2021年就能夠實現無人駕駛的共享出行了。一年以后2017年8月份，正好差不多一年以后，新CEO上來說2021年，咱們有點太樂觀了，這是關于2021年的一種觀點。

也有一種說法說是2025年，剛才韋總引用了比爾蓋茨的一句話，非常類似這個Amara法則，人們往往會高估技術的短期影響力，如果認為一兩年就能翻天地覆地改變這個世界，是高估了，但同時會低估技術的長期影響力，你覺得它一輩子不可能實現，結果5年、10年就發生了。

但是5年、10年是不是一定能發生？也不一定，大家看最近有這么一家機器人公司Rethink Robotics關閉了，這家機器人公司的團隊要多豪華有多豪華，它的創始人羅德尼.布魯克斯是做機器人最有名的一個教授，MIT的教授，團隊也是MIT的團隊，他們做了10年，最終關閉了。

我們學到一些什么樣的教訓呢？

首先就是演示的技術跟規模化應用的技術完全是兩回事，兩者間的距離可能是比想象的要長。用谷歌的說法，我們花了10年，走了90%的路，剩下10%的路還需要90%的努力去完成。

第二個閉門造車是有問題，他們想了一些非常棒的功能，比如教機器人學習操作，是好高騖遠了，太難。另一方面則是錦衣夜行，做了看似很棒的功能，工業機器人的場景用不上。相比之下另外一家機器人公司Universal Robots就更加務實。

第三個是一個悖論，就是這個東西很貴、不實用，就賣得少，這樣數據就少、進展就慢，形成一個惡性循環。

我們做無人駕駛，要避免這些問題。

無人駕駛選擇什么樣的路徑，硅谷的說法有兩種，這是登月工程Moon Shot，那么我要一步登天造火箭，另外一種思路是造火箭見效周期太長，不如先造梯子、好歹能離月球近一點。

前者是一步到位的做法，高舉高打，但短期看不到商業模式，5年、10年靠VC去買單，這種思路有問題，沒有Waymo的命還偏偏得了它的病，這條路是百億美金的賭注，但也沒有人能夠保證82000臺車跑起來了，無人駕駛的問題就解決了。

后者呢，是農村包圍城市，先做小根據地。但這種思路也有失偏頗，按照資本界的那種說法，天下大旱，為了生存不斷進化，進化成了仙人掌，等到雨水來的時候再也沒有辦法成長為大樹。

馭勢希望在兩者之間找到一條路，我們把藍圖叫“犯其至難而圖其至遠”。我們用造火箭的技術造各種飛機，用造飛機賺的錢，更重要的是，飛機運營中獲得的數據來提升造火箭的技術。

具體而言就是，我們致力于研發開放道路L4的技術，但是把它降維到具有確定邊界的L3和L4的商業化場景，包括載人和物流。

另外一方面我們選擇兩個領域，左邊乘用車領域產量高、利潤低，但是利于積累大量數據，右邊專用車/商用車領域產量低但是利潤高、落地快。左邊的技術演進快，產品成本低，應用于右邊，比單純做右邊的有技術和成本上的壓倒性優勢。右邊賺來的錢，也可以反哺左邊的路徑。

在中國我們其實已經開始挑戰最困難的L4場景。畫面上是Waymo在亞利桑那州跑它的無人駕駛出租車，第一感覺路上人很少、車也很少，都很受規矩。再看看我們需要調整的復雜場景，這個視頻是馭勢很久以前的一個路測視頻，給大家看。交通環境特別復雜，大十字路口車很多，多數道路是每個方向單車道，環島加人車混行是最復雜的，環島車流非常紊亂，還有幾個騎自行車的，從環島的這個出口出去，進入到一個繁忙的城鎮當中，這時候各種車，機動車和非機動車，會從不同的角度來擠壓你的路權和安全空間，跨黃線超車，對面車輛占用我方車道。這時候對我們整車的可靠性、安全性，對我們感知算法的魯棒性，對于復雜環境的決策能力其實帶來了很高很高的挑戰。

即使這樣的L4級自動駕駛暫時還不能大規模商業化，但至少可以看到這樣一種技術已經可用了，我們把它降維到有確定邊界的場景當中，主要是兩方面，一個是減速，做商業化，車上必須沒人，萬一有事故，速度決定了事故的嚴重性；另一個是場景化，通過ODD的概念，對參數約束。

首先是我們上面說的“右邊”部分，低產量、高利潤的專用車和商用車場景。我們的無人駕駛技術已經運用在多個場景：

第一個場景，這臺拿了紅點設計大獎的車在園區行駛，是貴賓休息室、城市移動包廂的概念，適合領導巡視、參觀。

第二個是無人駕駛擺渡車，主要用于景區、度假村等場景，也是完全為L4級自動駕駛設計，沒有方向盤、油門剎車，前不久在北京的5G自動駕駛峰會和中關村雙創周承擔了禮賓車的任務。

第三個場景是我們在浙江嘉善運營的無人駕駛微循環車，這是在雪天當中運行，顯示了惡劣環境下魯棒的感知能力。

同時我們將L4技術運用到物流上面，比如這是與主機廠的合作，無人車用于廠房內和廠區里的不同物流場景，尤其是右邊那個，一輛無人車，拖著三輛同樣的新車，按照我們計算機的術語，這是一種遞歸調用。

在所有場景中，我們尤其需要發現高頻、剛需的場景。這是我們在機場跑的無人電動物流拖車，它可以運貨物和各種各樣的行李。這個場景非常好，因為機場現在人力成本非常貴，而且環境惡劣、招不到人，有強烈的需求。同時，機場的環境也很鍛煉無人駕駛技術。比如，這是在下瓢潑大雨，對算法和系統的可靠性都非常挑戰。這是很長的弧形隧道，這對無人駕駛來說也是一個非常困難的場景。我們現在的無人電動物流拖車真正進入了機場，跟飛機開始共享路權，這個對安全可靠性的要求非常高。

我們還有一個重要的場景是限時限區的微循環巴士和快速公交BRT，在與行業的巨頭合作。這些在中國都有落地的場景，尤其是新區新城特色小鎮，可以給他們專用車道。這張圖上左邊是雄安的市民服務中心，地面上綠色的這個車道上寫著“自動駕駛專用車道”，而右邊是一個典型的城市BRT的車道。

在這些場景中，最好有車路協同。在車路協同方面，我們很早開始探索。這是我們在世界移動大會上與中國聯通和愛立信聯合展示的基于5G的車路協同，而這是房山5G自動駕駛測試區，我們跟中國移動、當地政府和一些兄弟單位一起搞。

另一個上面提到的“左邊”部分，量大、數據也多的乘用車場景。首先是L3級高速自動駕駛的場景，馭勢現在的技術已經做到一次拉練2000公里，只有過ETC收費站的時候需要人接管，其他幾乎全程在自動駕駛。

另一塊是自動代客泊車，人提前下車了，車可以自己開下停車場去找停車位。我們做兩種模式，一種模式是針對每天私家車主回家，從特定的停車場入口進去，開到自家的固定停車位，這只需要多次的訓練即可，不需要高精地圖。另一種是開到商場超市，停車場入口的橫桿一抬起來就分配了一個停車位，它根據高精地圖能開到那個停車位去，人工智能的規劃算法很厲害，停車位只要理論上車能夠進得去，它基本上就是一把進去，這里我們演示了尾部入庫和側方位停車。

我們對落地為安的理解，第一個要看一看后備箱，我們做了兩款滿足車規的智能駕駛控制器，大家看這些照片，上面一排都是測試狀態的車，整個后備箱都是線和設備，塞得滿滿的，而下面是采用了我們的控制器，它占用的后備箱的面積是非常少的，幾乎已經看不見。這是我們跟上汽通用五菱合作的新的一款無人駕駛汽車，打開后備箱，你看不到控制器在什么地方。

落地為安的第二個含義是，從一臺一臺的裝車到批量交付。這個車外表看起來跟普通的乘用車沒有任何差別，它已經具備了自動代客泊車的能力，從主機廠出來就具備了這樣一種能力。大家看左邊是我們10月第一批交付了30個種子用戶，車交付以后在停車場代客泊車的場景。

落地為安的第三個含義是落地運營，而非技術測試。這個是我們跟首汽GoFun展開的一個合作，它在共享汽車、分時租賃使用到了無人駕駛的技術，首先是自動還車，剛才這位先生下車，這個車自己可以開到附近的停車場，注意，我們的目標是兩個停車位停三到四輛車，因為自動代客泊車的水平非常高，很窄的空位能停進去，而且停進去以后不需要人開門下車。緊接著，這位先生離開辦公室，可以自動取車，他通過手機對車召喚，于是車從停車位自動開出來，經過一段路程的無人駕駛，開到這個地方與用戶會合，他上去把車開走。

還有一個功能是編隊的調度，因為在分時租賃中有一個潮汐效應，一到高峰時點，所有的車都被用戶從A點開到B點，A點沒車，而B點的車都閑著。現在是靠運營人員把車一輛一輛從B點開回來。大家看，有了自動編隊調度，這三輛車排成一隊，像幽靈車一樣，從B點開回到A點，依次停入停車位。基于無人駕駛的自動取還能提升用戶體驗和車的使用率，另外一方面編隊調度可以極大地降低運營的成本。

運營的真諦就是要永遠留有后手，準備小概率事件。比如這輛車做自動代客泊車的時候假如出現了一個問題，泊車失敗的事件會馬上接通遠程的運營中心，這是遠程運營中心的操作界面，操作員看著這些增強現實的屏幕，通過操縱桿熟練地操縱這輛車停入停車位。

最后，運營的目的是放大價值、創造價值，大家看右下角這張圖，在極限情況下，普通的一個側方位停車的停車位可以停兩輛到三輛車。而這是下一代的高密度泊車，可以進一步把停車容量提升5倍。這將極大地節省社會資源和運營成本。

我們希望自己扮演的角色叫無人駕駛的“中場發動機”，就像足球中的中場，負責穿針引線、為前鋒傳球，前鋒就是我們的一些客戶，包括像車廠、機場等等。

我們給自己的定位不是Tier1，而是Tier0.5，這包含了三層含義：首先，在研發階段，我們與客戶協同創新、共享成果；第二就是在運營中做數據的共享，我們認為在大量交付的車上獲得數據、做實車的算法驗證，比Waymo在82000臺車做更好，數據更多，場景更豐富；第三就是全生命周期做聯合的運營，幫客戶放大存量價值、創造增量價值。讓客戶先成功，我們得最后一桶金。

這三點確定了我們跟普通的Tier1不一樣，我們希望跟我們的客戶，尤其是主機廠能夠實現共贏。