從自動駕駛到飛行汽車，未來交通將怎樣重新定義？

在解決未來空間位移這件事兒上，無人駕駛和飛行汽車哪一個會先到來？

未來的出行一定會從二維的空間走向更加立體的空間。

「現在覺得飛行汽車是未來感非常強的東西，可能花幾十年時間才能實現，但是我們目前已經有很多核心技術到位，我們也在突破一些技術。」Udacity 飛行汽車項目負責人 Jake Lussier 說。

的確，「飛行汽車」早已吸引了全球創新者的投入，比如谷歌創始人拉里佩奇，此外，很多大公司比如波音、空客等也都紛紛涉足。

不管是飛行汽車還是無人駕駛，不僅僅給我們提供了一種交通方式，更核心的一點，是打破了我們的人、物和空間的關係。本質上它其實解決的是我們的能耗問題，如果我們解決了這樣的問題，商業上會獲得更大的可能性。

同時，不要去限制自己對於的技術想像力，我們的技術總在去配置更優質的資源，適合當下的形態。相信在未來的自動駕駛和飛行汽車的時代，會出現更多的產品和更豐富的可能。

一個聽起來很「未來感」的概念，為什麼吸引了這麼多力量的投入？在解決未來空間位移這件事兒上，無人駕駛和飛行汽車哪一個會先到來？又會分別扮演什麼樣的角色？透過這些技術該如何理解未來交通的新格局？

以下是極客公園胡少陽、 Udacity 飛行汽車項目負責人 Jake Lussier，百度阿波羅產品負責人周達文、景馳科技 CTO 李岩，在極客公園 Rebuild 2018 科技商業峰會上的圓桌演講實錄（經過極客公園編輯，略有刪減）：

主持人：因為很久沒有來到成都，所以有一天我和我們的計程車師傅就聊天，我說成都現在最大的特色是什麼？師傅很不屑的看了我一眼，說堵車。

我們現在已經處在了全球最大速度的汽車迭代的環境中，我們依然有大量的需求，並沒有被解決。我們看到在科技圈裡面，近幾年會把自動駕駛成為我們最熱門討論的話題。我們今天處在了一個自動駕駛的時代，也瞄上了未來的飛行汽車。

剛才李岩和我們介紹了很多關於自動駕駛的背景，阿波羅剛剛發布了 3.0 版本，也是自動駕駛領域裡面最活躍的部分。自動駕駛到底對我們的城市和我們未來的生活方式有哪些改變？

周達文：無人駕駛車是比人類司機更為安全的駕駛工具。有數據顯示，有 94% 的交通事故是由人為錯誤造成的，人類司機，你在路上，大概一分鐘可以處理 100 到 1000 個這樣的信息量，但是自動駕駛車可以處理 3000 到 30000 個這樣的信息量，所以對於自動駕駛車，眼觀四路、耳聽八方的能力更強，並且可以減少擁堵。

當擁堵減少，我們的車流更加順暢，我們會發現城市的布局和我們城市的規劃建設也會有相應的改變。有了無人駕駛以後，你就不需要停車了，樓房旁邊會有非常好的綠化和休閑空間。這個可能會引起房價的動蕩。

當我們的無人駕駛車更加的普及，我們在車上的時候，會發現有更多的時間做更多的事情。

主持人：阿波羅作為這個平台方，提供了怎麼樣的能力呢？

周達文：7 月 4 號我們發布了阿波羅 3.0，第 5 個版本對我們來說有特別重要的意義，這是整個阿波羅歷史上的里程碑。3.0 開啟了量產時代，其中包括自動駕駛的小巴，就是大家熟悉的阿波龍小車，包括自主泊車，也包括了無人作業小車這樣的功能。不光給到合作夥伴方便，也提供了無人駕駛的相關配件，通過簡單的技術加工，更符合他們自己場景的無人駕駛，同時還提供了硬體開發平台和車輛認證平台，我們的硬體和車輛的提供者，可以更方便的藉助阿波羅，阿波羅的開發者可以更加輕鬆的部署到不同的硬體和軟體平台上。

主持人：我們很早的交流過了飛行汽車的問題。我知道你們跟阿波羅有合作，之前有提到說飛行汽車的存在，跟我們的自動駕駛的技術有很強的關聯性。能不能告訴我們，到底什麼是飛行汽車，以及現在的技術處在了什麼樣的階段？

Jake Lussier：一般我們說到飛行汽車的話，我們提的都是比如說用飛行器，這個飛行器可以解決我們每日的出行需求。現在我們使用飛機主要進行的是遠距離的出行，但是說到飛行汽車的話，我們所指的就是，比如說在臨近城市之間的出行，或者是城市內部的出行。

到底哪種飛行汽車可以符合我們的這個類別，實際上我們會有一系列，各種各樣的車型滿足我們的要求，比如說大型的無人機可以有一個大型的版本，可以承載人，或者是混合式的汽車。比如說他可推進器，有翅膀，可以進行水平的飛行。我們要根據他的功能來進行分類而不是通過外形進行分類。

高等級的飛行汽車的定義，會使用很多和無人駕駛汽車類似的技術。比如說會使用電力或者是按需的一些服務等等，而這些對於飛行汽車是非常重要的。你不需要擁有自己的飛行汽車，可能一輛汽車要 200 多萬美元，但是我們可以分享飛行汽車。

而且對於我們的這種飛行汽車而言，我們不需要再去培訓很多的飛行員，我們的飛行汽車可以自己就去開了。當然了，對於無人汽車，他有一些獨特的挑戰，飛行汽車業面臨著類似的挑戰，如果飛行汽車出現任何的故障，就會出現很大的事故。

所以無人汽車和飛行汽車有很多的相同點，也有很多的不同點。不管怎麼說，技術是非常重要的，我們也需要工程師來打造這些技術。

主持人：你覺得現在自動駕駛技術上最大的挑戰是什麼？

李岩：其實每個領域都有非常難的問題，等待大家去解決。我個人是做感知的，有一些偏見，我認為感知在這方面的挑戰是非常大的。

之前幾十年一直在做機器視覺，或者說人工智慧，最近幾年深度學習出現之後，在感知這方面有了一個質的突破，整個是一個數量級的提升。真正的看到一些產品的應用，但是我們感覺真正應用在無人駕駛車上的話，那麼感知還有一些不足之處。

因為目前我們認識的都是一些比較常見的類別的這種物體，比如說汽車，我們可以把車分為不同的種類，是卡車、SUV 還是小轎車，可以做到這種粒度。那麼行人的話，只是知道這是一個直立行走的人還是自行車，紅綠燈我們的識別也是不錯的。但是為了實現真正的自動駕駛或者是無人駕駛，我們需要在更細粒度的層次上，對物體進行識別。比如說我們不但需要知道這個行人他的姿態是什麼，我們還需要知道他當時這種意向是什麼，他下一個時刻是為了穿馬路，還是在原地環顧四周等待一下。一個騎自行車的人他招手的意思是什麼，非常細節的東西，對於人來說是一目了然的，但是對於車來說，很多時候是無法在語義層次上進行理解的。

現在機器學習也有一定的局限性，比如說通常稱之為弱 AI，也就是說需要大量的監督式學習，告訴機器人，這個是車，這個是人在舉著雙手。所以說這種訓練很可能是不完備的，我們機器學習的泛化能力比較有限，需要收集大量的數據，模型的訓練，才能夠達到比較好的準確率。

所以我認為在感知的這個角度，需要整個技術上的突破，比如說能否在語義層次上，對於人的一些行為做一些判斷，用少量的訓練數據，用半監督式的學習去進行改進模型，我覺得這個方面還是有很多值得改進的地方。

主持人：你覺得飛行汽車當下最難突破的點在哪裡？

Jake Lussier：最大的挑戰依然是我們硬體的革新，因為現在還需要一項技術，讓飛行汽車變得更好。這確實是一個系統化的挑戰，不管任何的技術來到我們的領域，我們需要整合起來，讓技術發展得更好。

此外飛行汽車還有一個挑戰可能是無人駕駛是沒有的，因為我們的這一個系統，我們的交通工具的設計是在開放的空間當中，我們可以有固定的機翼，這其實是一個特別大的挑戰，因為很多的飛行汽車都已經在設計了。但是他們有時候在整合的時候並不完全一樣，有各種不同的形式，形態是一個挑戰。對於飛行汽車的意識是更簡單的，因為飛行汽車在空中不會撞到太多的東西，但是還有更具有挑戰的方面。比如說像是去控制這個飛行汽車，如何才能夠讓它控制的更可靠，不管是有多大的風，還是天氣如何，我們都要有效的去控制它。對飛行汽車來講，控制可能會比較困難。

主持人：在你們看來，未來的自動駕駛競爭格局是什麼樣的，像現在的互聯網偏向寡頭的局面？你們怎樣看待這個問題？

周達文： 肯定未來會是一個多方競爭，或者是大家共贏的格局。這是一個非常巨大的行業，這個行業大到說不可能是一個公司去掌控，去控制他的所有的方向。包括就像剛才李岩說過的，我們需要有這個底層的車輛，然後我們需要有硬體、需要有演算法、雲服務、運營公司等等，所以我們堅信這件事情是一個大家共贏的局面，在去年，我們開放了百度的無人駕駛技術。

我們想著說既然將來是一個大家合作、共贏的局面，既然合作是主旋律，那麼總要有人往前邁出第一步，那麼阿波羅就邁出了第一步，把我們的東西開放給大家。

主持人：很多人都參與到了飛行汽車的創業中。我們很好奇，對於飛行汽車來說，他到底是有什麼樣的商業機會，同時說飛行汽車到底對這個世界造成了多大的一個改變，或者是顛覆？

Jake Lussier：其實跟無人駕駛差不多，我們有很多的商業機會，很多的公司都可以參與到我們的技術設計過程當中。比如說可以有主機廠，還有很多的飛機製造公司，他們有很多的經驗，他們所造的飛機非常的可靠，而且從來不會失效。

作為初創公司，我們確實需要和這些有經驗的公司合作，初創公司可能對於 AI 要更熟悉一些。對於商業模式的話，我覺得最高層的一個分類，可能會有一些公司去做運行模式，Uber 可能不會去做汽車製造的主機廠，但是他們其實是可以開放自己的一個運輸的平台，將他們的基礎設施以及客戶群開放給初創公司。

另外還有一些公司，會有整個建造的一個機會。我們的商業機會還需要去考慮的是，我們如何去招募，除了如何去招募客戶，更需要想的是自己還能走多遠。

主持人：我們剛才談到了飛行汽車的商業模式，站在現在去展望一下未來。首先來到自動駕駛這邊，想知道說現在對於創業公司來說，那麼你們怎麼去看自己的演進的方向，自動駕駛未來，你們會成為什麼樣的公司，提供哪一部分的服務？

李岩：無人駕駛其實是一個非常寬的研究話題，但更多的是技術上的攻堅，也就是說在 AI 的層次上，怎麼能用前沿的技術做一些系統的集成，能夠真正的把無人駕駛技術實現落地。

我覺得需要考慮幾個因素：

首先就是能否有一個好的數據平台，能夠大量的收集數據。然後用最準確的模型來進行對周圍世界的感知，那麼這裡邊對 AI 這方面的要求還是非常高的。

另外一個是計算平台，知道現在車上這種電源設備還是比較有限，那麼大量的計算平台是基於這種英偉達的 GPU 的平台，當技術成熟到一定的階段，我們更多的是考慮到功耗這個角度。所以很多的公司慢慢的會把重心轉移到硬體的平台，也就是說不同的感測器之間做高度的集成，低功耗、高效率來進行運營。

但這也是水漲船高，當計算資源提高了之後，自然而然從演算法工程師的角度，會考慮加裝更多的硬體。激光雷達也是多達 5 個或者是 6 個，毫米波雷達一般標配都是 5 個，所以這麼多的感測器，如何在時間和空間上進行同步，然後能夠對三維世界產生一個完整的感知，這個方面的技術和挑戰的吸引力也是非常大的。

另外我覺得從主機廠的合作角度，也希望有一個盡量的開放的平台，因為傳統的主機廠設計的都是為人設計的汽車，自動駕駛技術普及之後，我們需要一個為機器而設計的平台，在這個方面需要參考航空工業的一些經驗。需要考慮容錯措施，當軟體出現問題的時候，我們能不能回退到備用的設備商，主機廠也會有思考，這也是一個合作點。

我覺得一個真正的贏家，應該是能夠把這幾個方面進行完美的整合，能夠從產品的角度設計一套最有效的解決方案。

主持人：達文，因為你們是一個平台廠商，看的視野更廣，你們覺得中國的自動駕駛和造車的力量在參與的過程中，他們在未來的自動駕駛的時代，他們的比例或者是份額會佔到多少？

周達文：從平台上來看，三個推動力，一個關鍵點。

第一，數據的推動力。比如說老司機在路上看到過很多的場景，他可以處理很多場景。所以他的經驗積累起來，讓他可能了解更多的路況。對於無人駕駛來講，一輛車看到了，所有的車都能看到，我們把所有的路況、場景收集到我們的雲端，每次會把我們的演算法在上面不停的迭代、實驗，可以處理不同的場景。

第二是人才的力量，無人駕駛是一個非常新的行業，其實現在人才非常的緊缺，也導致這個人才非常的貴。百度阿波羅作為一個開放性的平台，我們覺得有這樣的義務，社會的責任感，幫助這個行業往前推進。跟很多的教育部門、高校聯合舉辦了阿波羅或者是無人駕駛相關的課程，我們剛剛設立了一個無人駕駛阿波羅相關的課程，在 7 月 4 號的時候已經發布了。

第三個力量是社會的支持和推動的力量，其實現在處在一個非常大的時代，這個大的時代非常的變革。為什麼現在覺得車更安全，是因為社會的力量推動了社會的交通建設、底層設施，包括保險、各方面為車這件事情做優化。像高速公路、紅綠燈這些事情在馬車時代是沒有的。無人駕駛開始展現他的社會價值的時候，整個社會會幫助無人駕駛更快的成長，包括社會對他的包容，包括對自己的建設來幫助無人駕駛。

最後有一個關鍵點，那就是安全。我們最開始做無人駕駛的時候，其實我們對這個行業不是很了解，我們跟車廠談，他們問我們怎麼做安全的，我們講了很多自己的想法，後面他們還是問你們是怎麼做安全的。我們後來做了一次安全的認證，最後終於知道車廠在跟我們談什麼，一百年的企業，他們有非常深厚的積累，我們希望跟他們攜手共進，同時非常注意安全。

主持人：如果未來無人駕駛想參與到飛行汽車之中，他們需要具備怎樣的技能？

Jake Lussier：實際上我們還是有很多的鴻溝，但我們相信我們的技術可以真正的改變這個世界。我們需要有足夠的知識和經驗的這些人來幫助我們，真正的來推廣這些技術，提升這些技術。

我們現在有一些無人駕駛的項目，像剛才周先生提到的阿波羅平台，告訴了我們很多的開源的項目。除此之外，有很多其他的無人駕駛相關的課程，比如說他們可能是 6 - 9 個月這樣的課，會告訴我們學校的學生，無人駕駛的技術到底是什麼樣子。而且我們也有飛行汽車這些課程，讓他們知道飛行資質是什麼樣子的，這個產業的增長非常快，而且會完全的變革。

本文由極客公園原創

轉載聯繫 zhuanzai@geekpark.net

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！