馭勢科技吳甘沙：低速自動駕駛可以率先在6萬億的市場中「落地為安」

點擊上方「動點科技」藍色字體，關注我們的公眾號

了解創業圈與投資圈正在發生的事。

動點科技 | ID：technode

文/張林成

作為近來創投圈最受關注的新興領域之一，自動駕駛所帶來的話題討論一波接著一波，大家參與的熱情也持續高漲， 馭勢科技便是活躍在這其中的一員。這家由英特爾中國研究院前院長吳甘沙創辦的公司似乎要向人們證明，帶著過硬的技術在價值6萬億的市場中掘金是一件非常正確的事。近日，馭勢科技舉辦了一個小型媒體溝通會，吳甘沙接受了動點科技的採訪。

價值6萬億的自動駕駛

正如一開始所提到的，吳甘沙本是英特爾中國研究院院長，帶領團隊向人工智慧與機器人方向發力，但他發現趕對風口的創業公司往往比大公司崛起得更快，如是便萌生了離職的想法。2015年，吳甘沙初次接觸自動駕駛領域，被自動駕駛價值6萬億的巨大前景所吸引，為此決定離職，並放棄了手中一大筆即將變現的英特爾期權。

吳甘沙解釋稱這6萬億可以具體分為6個萬億——即有6個細分領域，每個細分領域價值都可達到萬億以上：

第一，就是整車市場本身。根據今年4月份由工業和信息化部、國家發改委和科技部三部門聯合發布的《汽車產業中長期發展規劃》，到2020年，我國一年新車銷量將達到3000萬台，其中將有超過50%的汽車擁有DA（駕駛輔助）、PA（部分自動駕駛）或CA（有條件自動駕駛）功能。

第二，出行也一個萬億美金的市場。這個可以從網約車的火爆看出端倪。據了解，2016年，僅滴滴平台日峰值訂單就超過了2000萬單，而與之形成對比的則是阿里巴巴一天的單數也只有3000萬到5000萬單，美團點評，吃喝玩樂住加起來一天也就1800萬單。

然而除了政策法規上的約束以外，網約車還有一些問題需要克服，首先就是人貴，網約車需要依靠司機去開車，因此，如今網約車基本和計程車差不多貴；其次是缺人，當所有司機都進駐這個平台之後，接下來新的司機從哪裡來？

而破除上述瓶頸的一個很好的嘗試便是共享，共享汽車、共享單車，讓用戶自己去開或騎車。但這也有問題，車是固定停在某一個地方的，如果用戶不在附近便是不可能使用得上的。因此，其資源利用率偏低。目前國內某領先的共享汽車每輛汽車每天使用率只有2小時左右，而共享單車每輛車每天也只能使用5-6次左右。

「那如何解決這些問題呢？我們認為只有無人駕駛計程車！沒有駕駛員，沒有『人貴』問題，可以無限複製，沒有『人缺』問題。因此，一天出到幾億單完全不是問題。」吳甘沙告訴動點科技。

第三，物流市場價值巨大。中國物流成本其實非常高，商品售價中很大一部分便是物流成本，如果通過無人駕駛做主幹端物流以及末端物流，便意味著商品價格將降下來。「我們做的測算顯示可以降低三分之一左右。」

第四，自動駕駛汽車就是移動的商業地產。未來，汽車作為交通工具的屬性將越來越低，而作為商業空間的屬性將越來越高，這就意味著放一個咖啡機就是移動星巴克，放一塊屏幕就是移動的萬達影城，放一套辦公設備就是移動寫字樓，當無人駕駛將每一條路每一輛車都變成商業地產的時候，想像空間就變得十分巨大了。比如分眾傳媒，僅僅只是在電梯上放了一塊屏幕，便成就了一家價值上千億的上市公司。

第五，是關於能源的。未來，我們可以像去油站加油一樣換電池，而這將推動分布式供電系統的形成，比如家家戶戶樓頂的太陽能電池板。當這些電無法併網的時候，可以將其運用於自動汽車，並將自動汽車當做是一個儲能單元，一旦城市供電不足時，便可以將這些電賣出去。

第六個就是社會效益。一份來自摩根士丹利的分析報告顯示，自動駕駛給美國帶來的效益將達到1.3萬億美金，相當於GDP的8%，其中1600百億來自燃料的節省，1500百億來自交通擁堵的減緩，5600百億來自交通事故的減少，4200百億來自運輸效率的提升：比如通過車輛之間以及車輛與道路設施之間的互聯互通，提高行駛安全性，汽車安全距離得以縮短，同樣距離的路段下可以容納更多的車，同時第一輛車衝破風阻之後，後面的車也將更加省電，節約能源。

吳甘沙表示這個世界上沒有第二個人工智慧技術能夠實現如此大的市場規模和社會效益。

前景很光明，道路很曲折

不過，吳甘沙也承認，自動駕駛汽車的前景雖好，但想要實現卻並不容易。這些阻礙涉及法律法規政策、基礎設施、技術、成本以及社會接受度等各個維度。

比如在政策方面，吳甘沙認為國內自動駕駛基礎法律，即允許自動駕駛汽車在某些時段某些路段上路還需要1到2年時間；無人駕駛基礎法律則預期還要有3-5年才能通過。

當然，最關鍵的還是技術本身，吳甘沙認為在開放城市環境下，想要實現真正的無人自動駕駛，至少還需要5-10年。「比如目前業內效果最好的谷歌無人車，其大概每5000英里需要一次人的干預，但與人相比還是不夠，美國駕駛員大概是165000英里才會出一次小事故，每9000萬英里才會出一次致命事故。」具體而言，吳甘沙認為通用場景下的無人駕駛還面臨技術上的3大挑戰：

1、如何處理真實複雜場景。傳統自動駕駛企業都會選擇在一個比較理想的實驗的環境下做測試，效果可能會很好，但是在真實複雜環境下可能就不行了。吳甘沙認為這就好比是練拳擊，僅僅跟木頭人練拳練得再好，也很難與真正與人搏鬥。

「這就意味著人工智慧首先要了解當前的態勢，即能夠判斷當前的危險程度是多大，然後，人工智慧還要預測對方的動機，以此做出危險程度最小的應對措施。」

2、人工智慧的魯棒性。魯棒性，即系統在異常和危險情況下能夠繼續正常運行的能力。智能駕駛涉及到用戶的生命財產安全，所以對魯棒性要求很高。

要解決自動駕駛的魯棒性問題，吳甘沙給出了一個他認為正確的方案，那就是融合當前所有的機器學習演算法：用深度學習獲得下意識的直覺；利用強化學習，不斷地適應環境，熟能生巧；學習開車或處理事故時的邏輯推理過程；儲存並學習如何運用背景知識，相當與人的經驗；最後還要有遷移學習的舉一反三能力。 其中只有深度學習依賴大數據。

一架飛機的軟體測試和驗證成本接近其總成本的一半，而一輛賓士S級轎車上的代碼量是波音787夢想客機代碼量的16倍。因此，吳甘沙認為對自動駕駛汽車軟體方面再怎麼重視也不為過。這裡的主要問題在於目前人工智慧所強烈依賴的大數據驅動的機器學習，諸如深度學習還有很多bug：

• 訓練集中度或偏差， 比如用人舉著啞鈴的圖片作為數據輸入，不斷訓練的結果是，機器可能會將這段舉著啞鈴的胳膊也當成識別啞鈴的關鍵特徵。在智能駕駛裡面，如果深度學習學習到的某種障礙物必須有某個特徵點才是障礙物的話，那極有可能造成車禍。

• 難以應對開放環境下的未知狀況。我們今天的深度學習是給出一個標註好的數據集，然後運行深度學習演算法從中學習規則。然而，我們很難甚至無法窮舉開放環境下的所有狀態，而一旦某些數據不在上述標註好的數據集里，那這對人工智慧而言就是完全未知的。同時，若沒有其他可替代的人工智慧工具的話，機器在面臨這些情況時便可能無法做出正確的判斷。

• 深度學習是一個黑盒模型，我們知道它起作用了，但不知為何起作用，不具備可解釋性 。比如，在人眼看起來是一樣的兩張照片，深度學習卻可能只認得出其中一張而認不出另外一張，只因為兩張圖片在像素級別有一些人眼根本分辨不出來的差別。另外，深度學習也很容易被欺騙，業內有專家會做一些毫無意義的雜亂圖片，但深度學習卻有可能將它們認定為有意義的東西。

也有人企圖通過生成性對抗網路等手段預防黑盒模型的缺陷，甚至已經有學者試圖理解深度學習起作用的原理，但到目前未知其還欠火候。

3、為智能駕駛系統給出一個可預期的置信度。對於自動駕駛而言，必須要有足夠多的數據才能證明它是不是安全的，足夠多的數據是多少？蘭德公司給的數據是100億英里，只有這麼多數據才能有95%的置信度。「然而，在新車上市之前，哪裡有車能跑這麼遠？」吳甘沙說到。

或許唯一的解決之道便是建立一個虛擬模擬系統。據了解，馭勢科技正在與一些公司合作，期望通過大數據快速建模，快速建立特定地區三維模型，並在模擬系統中模擬不同的光照、不同的天氣等。「通過這樣的模擬模擬器，我們就能更好地實現百億英里的測試。」吳甘沙還表示，「AlphaGo為什麼這麼厲害，他只研究了人類十幾萬棋局，但卻在模擬器中自己跟自己下了上億盤！」

雖然人們在通用場景下的無人駕駛已經有了一些可喜的嘗試，不過，在吳甘沙看來，通用場景下的自動駕駛時代還未到來。

馭勢科技吳甘沙

那麼，自動駕駛應該如何儘快落地？

既然自動駕駛還有這麼多難題需要解決，那是否就意味著自動駕駛還需很多年才能落地呢？其實不然。

吳甘沙認為人們往往會將最先進的技術、最成熟的技術以及最快商業落地的技術相混淆。「目前最成熟的是谷歌的技術，它從2009年便開始做了，但並不先進，因為其技術基礎是2009 年-2010年的。」吳甘沙透露他們正在與國外某研究機構合作，研製最先進的自動駕駛技術。他坦言，想要商業落地還需要幾年；有些技術雖然不夠先進，但卻能夠儘快落地。

吳甘沙認為目前能夠在2到3年內得以商業落地的自動駕駛只有兩個，一是高速公路上的2到3級自動駕駛技術，二是基於限定場景、增強環境+低速的自動駕駛技術。其中高速公路的國內方案由於技術仍然有大量需要完善的地方，其落地還需要相對更長的時間，而後者則更快。

因此，馭勢科技目前更加看好且大力推動的便是限定場景、增強環境（即去除不確定性）+低速條件下的自動駕駛。吳甘沙認為，在限定場景、增強環境下的低速自動駕駛，馭勢科技只需要1年便可以商業實現。

而這也似乎並非空穴來風，據介紹，馭勢科技目前已經在廣州白雲機場、杭州來福士購物中心等地開始了持續的技術驗證和試運營服務，大規模商業化運營指日可待。吳甘沙還提出了智能駕駛「落地為安」的一些思路，通過客戶需求和應用場景牽引功能的開發和軟硬體的組合優化，在兼顧安全性和成本的前提下，跨越從演示到部署運營的死亡之谷，建立商業閉環，實現從技術創新到客戶價值創造的躍遷。

- - - -- - - - END - - - -- - - -

如果你正在創業或者你是投資人對我們所報道的項目感興趣，關注我們並在後台回復關鍵字「報道」，與我們取得聯繫。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！