吴甘沙：中国的无人驾驶一定要在中国解决

版权声明：本文版权为网易汽车所有，转载请注明出处。

网易汽车5月11日报道

汽车产业变革时代已至，各种力量奋勇搏杀，希望在新时代抢占一席之地。2019第十一届中国汽车蓝皮书论坛将主题定为“勇气”，意在直面全球汽车产业的核心问题，同时也点明了参与者战斗下去的必要态度，5月10-11日，网易汽车直击蓝皮书论坛，探寻希望，见证“勇气”。

会上，驭势科技联合创始人、董事长、CEO吴甘沙做了主题为“犯其至难而图其致远 中国无人驾驶的协同创新之路”的演讲。

核心观点：

1、 无人驾驶是一个短板效应的市场，就算你走完了90%，但剩下的10%的道路还需要90%的努力去走完。

2、 中国的无人驾驶一定要在中国解决，中国的无人驾驶解决了，世界的无人驾驶就不再是个问题。

3、 用户体验、智能化等等是轻，安全是重，我们要有静气、有定力让安全成为躁的主宰。

4、 无人驾驶需要主机厂和各方一起来做，协同创新才能安全达阵。

每一个新生事物的诞生，都伴随着质疑与阵痛。

无人驾驶作为一个崭新的物种，它的出现证明了汽车行业未来发展的无限可能，也证明了人工智能技术在人们日常生活中的运用更加普遍。但是，不可否认的是，在无人驾驶背后，所支撑的是一套庞大的系统和产业。

“早在2016年，Uber就预测“到2018年无人驾驶汽车就能够帮助Uber盈利，2019年会有7.5万辆无人驾驶的出租车”，为此，Uber在花六七亿美元收购了一家创业公司Otto，以此来加快这一进程，然而，最终的事实证明，Uber的这一想法并未实现。

“重为轻根，静为躁君。无人驾驶是一条非常非常漫长的道路，就算你已经走完了90%，但剩下10%的道路还需要90%的努力去走完，它是一个短板效应的市场。”

在吴甘沙看来，伴随着无人驾驶技术的快速发展，越来越多的车企开始被这样一种巨大的变革所吸引，而想要做好，最好的方式就是协同创新。

“发展无人驾驶技术最好的方式总结起来就一句话，那就是大公司+快公司，远交近功，资本联姻，共创未来。我们现在跟很多主机厂开展了合作，因为协同创新才能安全达阵。”

而这其中重要的一点是，中国的无人驾驶一定要在中国解决。

“我们做算法的都知道，一旦出现数量级的差异，你的算法必须得改。在中国永远有你没有看见过的场景，所以我认为中国的无人驾驶解决了，世界的无人驾驶就不再是个问题。

以下为演讲实录：

非常感谢“中国汽车蓝皮书论坛”的邀请，今天我对“勇气”的诠释就是苏轼的这句话，叫中国无人驾驶要犯其至难而图其至远，而做无人驾驶的方式，我今天想重点谈协同创新。

首先跟大家分享一下我跟无人驾驶的渊源，那是在2005年，我当时在英特尔公司，也是阴差阳错的卷入到了这么一个大挑战赛——DARPA超级挑战赛（ Grand Challenge）当中，可以说是无人驾驶的第一次“华山论剑”。

这两辆车上有两个英特尔的LOGO，夺冠大热门是这辆车——卡耐基·梅隆，我们研究院又去支持了这辆车，支持这辆车的成本很低，就是2万美元，在这边车窗上贴了英特尔的LOGO。最后结果，这辆车成了大黑马，在最后杀出来夺得了冠军。所以我们这2万美元非常值。

这件事情对我的启示有两个：第一个，大家可以看，这个LOGO贴在什么地方？贴在左右两侧后视镜边上的窗上，一般有人驾驶的车是不能贴的，贴在这个地方意味着什么？意味着无人驾驶车是新物种，它的每个部分都将有新的功能、都将被重新设计。

第二个，另一辆车为什么失败？后半程没力气了。为什么没力气了？在13年以后，到了2018年才查出来原因，是它的引擎控制模块跟喷嘴之间的一个过滤器失效了。

大家看，无人驾驶哪怕再高级，这么一个基础的问题就会让你变得没用。所以，这让我感觉到对这个行业有了深深的敬畏之情。

再看Uber前段时间出现了一个事故，路透社马上就分析了为什么出事故：原来激光雷达从7个减到了1个，雷达从7个变成了10个，摄像头从20个变成了7个，极大地减少了车辆的传感能力，缺乏敬畏之心。

当然，最后的结论并不仅仅因为它把这些传感器减少了，还包括它把AEB这么一个基本的功能关掉了，如果说这个功能还在，这起车祸是可以避免的。

所以这里面我想分享的第一个认知，用老子的这句话“重为轻根，静为躁君”。

我们现在看到的很多东西用户体验、智能等等是轻，重的部分是什么？根本是什么？是安全。我们应该要有静气、要有定力让它成为躁的主宰。

我们看在这个行业里面躁是什么样子？这是Uber上市以后，它以前的一些文档透露出来的。

大家看，在2016年1月，Uber预测到2018年无人驾驶汽车就能够帮助它盈利了；

2016年5月，Uber预测，到2019年会有1.3万辆自动驾驶的出租车；

2016年8月，Uber花了六七亿美元收购了一家创业公司Otto，认为这个进程可以进一步的加快，加快到2019年有7.5万辆无人驾驶的出租车，这说明它不只是说，还去做了。

2017年，Uber计划购买2.4万辆的沃尔沃，改装成无人驾驶车队。

现在看起来大家觉得这个预测是不是有点可笑。

我们看一下2018年的数据，左面这一列，是每开了多少英里有一次人工的干预，像谷歌是1.1万英里，Uber是每开0.4英里要有一次干预，而其在加州一共测试的车辆是29辆，跟刚才说的2019年要实现7.5万辆是一个巨大的差距。

我们不仅仅看到Uber是过度乐观的，通用汽车在2017年底的时候，预测2018年一个月跑100万英里，一年跑1200万英里，实际上2018年它只跑了44万英里。

同样，行业的领头者Waymo在2018年10月说，终于可以把安全员拿掉了，变成了真正的无人驾驶，但是仅仅一个月以后，又说还是得把安全员放回车里。包括最近刚刚过去的5月8日，Waymo跟Lyft合作，说放10辆无人驾驶车在Lyft的网络里面，但是这10辆车还是要有安全员。

这后面反映了什么？用Waymo的这句话来讲，无人驾驶是这样一条非常非常漫长的道路，就是你好像已经走完了90%，但剩下的10%的道路还需要90%的努力去走完，它是一个短板效应的市场。

我们经常说，互联网是长板效应，一招鲜吃遍天，但是无人驾驶任何一块板短了都不行。

所以第二个认知，无论是无人驾驶还是很多其他的高科技VR、AR等等，人们往往会高估技术的短期影响力，认为它两年、三年征服这个世界，都会出现这样的乐观，这个我们要注意。

当然我们也不可否认，不能去低估它的长期影响力，因为毕竟有一天它发生的时候是颠覆性的。这样一种颠覆性，其实在行业的估值逻辑或者说游戏规则当中可以看得出来，华尔街是很聪明的，或者说他们是很势力的，他们看的是未来。

大家看这几家公司，上面黑色的部分是它在去年年底的市值，蓝色的部分是它2018年的收入，非常诡异的是，收入越高，市值反而越低。

像特斯拉，它才215亿美元的收入，有500多亿美元的市值，而福特1600多亿美元的收入，只有300亿美元左右的市值。

比较有趣的就是Uber，Uber不造一辆车、甚至不拥有一辆车，它只有113亿美元的收入，但有720亿美金的市值，这两天它刚刚上市，差不多就这么一个市值。

更让人难以理解的是Waymo，这家公司的收入是0，而投行给他一个估值是1750亿美元，其中关于出行的是800亿美元。为什么？这后面就是一个估值逻辑的变化。

通用汽车每卖一辆车净利润1500美元，如果这辆车在生命周期里面跑了15万英里，1500美元÷15万英里，1英里赚1美分，但是Waymo用无人驾驶去实现共享出行，1英里是赚0.5美元，而且这个车不知疲倦，一天到晚跑，生命周期里面跑了50万英里。所以商业模式上，一个是15万英里，1英里1美分，一个是50万英里1英里0.5美元，它们的差别是167倍。

现在出行领域有巨大的动机来去推动无人驾驶，这是我根据赛迪的数据做了修改，大家看滴滴出行2017年47.3亿单，每单客单价23元，司机分成本来是80%，但是还另外多出了8%来去激励司机接活，这么算起来一年要给司机1500亿元。

如果说通过无人驾驶来去实现，每单变成8元，比地铁贵那么一丢丢，这样促使一天能够达到1亿单，1亿单并不是特别了不起，大家知道中国一天有车出行是11亿次，1亿单就是10%左右，这样365亿单×8%，又不用跟司机分成，收入应该是3000亿元，而不是说给司机1500亿元，自己还要亏100亿元。

所以大家可以看到，这样一种巨大的变革的吸引，导致了通用汽车2016年初花了10亿美元买了CRUISE，只有几十个人，本田去年又花27.5亿美元投了它，投完以后它的估值达到146亿美金。

什么概念？通用汽车自己去年年底的时候只有479亿美元估值、本田是480亿美元估值，而这么一个小的无人驾驶部门已经达到146亿美元，最近它又变成190亿美元，190亿美元是什么概念？跟比亚迪的市值差不多，同时远远超过了吉利和长城。

丰田，一开始投了Uber，最近它又跟电装（DENSO）一起进一步投了Uber的自动驾驶部门，别看Uber数据不怎么样，但是它的自动驾驶部门估值也达到了72.5亿美元。

这后面看到的就是各家大厂的风云变幻，他们在玩他们的策略。

像这几家大厂，一开始福特和本田都想跟Waymo合作，但是它太傲慢了。通用汽车一看跟Waymo合作不成，自己买了一家创业公司。大众一开始希望靠奥迪自己来去做，后来发现不行。福特跟Waymo合作不成，也花10亿美元投了一家创业公司。大众一开始跟一些创业公司，跟Moblieye合作，发现也无法深入合作，所以它又跟福特进行了深度结盟。丰田的无人驾驶绑定在Uber身上。

所有这些大公司都完成了布局。在完成这个布局的同时，它必须得对现有的业务进行整合，比如通用它把好几款不卖钱、不赚钱的车型取消了，福特甚至把整个轿车系列基本上都取消了，只保留赚钱的SUV跟皮卡，然后把精力投入到无人驾驶上，本田最近也押宝在通用汽车CRUISE上面。

我这里总结，就是大公司+快公司，远交近功，资本联姻，共创未来。

第三个认知，我们有远虑又有近忧，先计后战，通过远交近攻这种方式，可以先胜后战，我先要让自己成为不可战胜，然后再去打。

第四个认知，我认为中国的大戏才刚刚开始，暗流潜涌。在这个后面我们看到的是巨大的市场，大家知道到2017年，滴滴完成的共享出行次数是Uber的3倍，滴滴平台上的司机是Uber司机的7倍，这是一个巨大的市场，当然这个市场需要犯其至难，因为太难了。

这是Waymo在亚利桑那做无人驾驶服务，大家看这个感觉就是，道路上面很干净、人也很少、车也很少，大家看我们在国内跑无人驾驶，很显然这个道路的状况就复杂了很多。

这个道路状况，不仅仅道路的基础设施更加复杂，参与交通的各种角色也更加复杂。我们从车里面看一下，这是一个十字路口，我在等交通灯，十字路口左转对于无人驾驶来说是一个非常凶险的动作。

走到一个直路上面，马上就是一个环岛，环岛是一个混合车流，有行人、有自行车、有车。进入到城区就变得更加复杂了，大家可以看到各种汽车、非机动车从各个不同的角度来去挤压你的生存路线，这种驾驶技术在美国绝对是练不出来的，在中国一定要眼观六路、耳听八方，而且既要保证安全，同时也要足够的激进，不然你就无法获得路权。

我们做算法的知道，一旦出现数量级的差异，你的算法必须得改。在中国永远有你没有看见过的场景，这是我在重庆拍的，大家看，五层的立交桥、100个入口出口，可能外国的车就转晕了，波浪形的道路，车直接从楼里面出来。所以我认为中国的无人驾驶解决了，世界的无人驾驶就不再是个问题。

第五个认知，中国的无人驾驶一定要在中国解决。

为什么呢？《网络安全法》要求重要数据不能出境，无人驾驶的很多数据是不能出境的，而且外资是不能进行测绘的，碰不了高精地图。

怎么办呢？必须得在中国进行研发。大众这个新闻说，中国供应商将帮助大众集团首先解决中国的自动驾驶问题，同时这个自动驾驶能力还会在全球进行推广。

第六个认知，我们认为需要一个大格局，生态大格局的协同创新。为什么这么说呢？大家看Waymo，1.1万英里1次干预，一共开了2000万英里，好不好？很棒，但是跟人类比起来差一大截，它的能力跟人类比起来差了一大截。

2000万英里绝对不够，大家看我们刚才说人类9400万英里才出一次致命的事故，我到底要多少数据能够证明无人驾驶比人开的更安全呢？

兰德公司给出了一个数据叫110亿英里，这需要你要有100辆车不吃不喝不睡开500年。Waymo现在有接近1000辆车，一个月开100万英里，要开900年才能开得到。假设买8.2万辆车，每个月跑8200万英里，要开11年。

就是说你这个算法证明你是安全的要11年，万一算法变化了呢、更新了呢？再证明还得11年。

怎么办？我觉得一个非常朴素的想法，就是让1000万辆跑车这样的算法，这样一辆车只要跑1100英里。

怎么让这1000辆台车跑这个算法呢？我们觉得有两个策略：第一个是“指鹿为马”，明明是L2的一个车，它是一个鹿，但是我可以跑马跑L4，明明是人在开，是鹿，我在后台可以跑我的L4的算法，是马。

这有什么好处？因为鹿是安全的，马是不确定的。所以我在安全的幌子下面去跑不安全的算法去验证，这叫指鹿为马。另外一个是“草船借箭”，就是我要借大量这样的车来去借到我的数据。

针对这个策略我们做了一套系统，这套系统是可以跟主机厂深度合作的平台，我们把它叫做永不停歇的数据循环，这个焦点不是在车上，是在数据上。把各个步骤分拆叫“DOLE”，大家看这个虚线上面是车、下面是云。

首先我把算法部署在车上叫Deploy，有两套，一套是主驾驶是鹿，另外一套是影子驾驶是马，他们跑下来，我两套算法比比，看看有什么不同，如果有不同我认为是高价值数据，我把它传回来，或者我对这个鹿也可以进行打分，驾驶的好不好，把数据传回来，这是第二个过程。

第三层是云端了，首先我对数据自动进行标注，标注以后自动对模型训练，然后我自动进行仿真和验证，变成可靠的算法，再部署进去，这是永不停歇的循环。

当然这个循环里面有很多部件，这是数据分析平台，我们都会开放给主机厂合作伙伴，包括一个大的仿真系统，看着非常逼真，实际上是一套仿真系统，这是我们在嘉善自有的测试场，这个仿真系统里面可以模拟各种不同的天气条件、各种不同的交通状况、不同的路面条件、不同的交通流等等。

这样的仿真环境里面算法验证以后，我们就可以在这个测试场里面进行实车测试，把这算算法部署到影子模型当中。

我们有几种场景：

一种是影子模式，主驾驶人在开，无人驾驶系统在影子下面开。这是我们部署的一套系统，这辆车部署了自动代客泊车，人把车开到电梯口就下车了，用手机一键让它去泊车。这套系统基于非常廉价的传感器，6个摄像头、10-11个超声波雷达。同时，它也可以一键招车，让它自己开出来。这中间的几百米就变成无人驾驶，而这套系统我们已经交付给50个种子用户，用了半年，零事故，97%的成功率。在这套系统大家看，中间有一段时间是人开的，只要是人开的时候，传感器和控制器就闲置，意味着我可以在后面开启影子模式。

这个影子模式就是模拟在路面上、在停车场里面不同状况，它可以通过影子模式进行训练。

这是一个广告，面向未来的自动驾驶优化提升，这是DOLE到来的第一种使用场景。第二种使用场景，我们和一些主机厂合作的另外一种方式，大家看主驾驶系统是预设的自动驾驶系统，副驾驶系统是主机厂自有的模块。

这意味着什么呢？可以洋为中用，允许主机厂自主创新。比如我是一个合资公司，我可以把国外的模块拿过来放到这边，作为一个副驾驶，数据不能出去，但是算法可以拿进来。基于中国的数据进行验证，双系统可以进行配置，帮助主机厂进行创新。

第三种叫平行驾驶，主系统还是我们自动驾驶系统，而副系统变成了一个远程进行监控的操作员。这是一个使用场景，机场无人佳士得物流拖车，我们真正实现了车上无人的运营。

大家看这个车上是没有人的，我们经常看到无人驾驶，结果车上还得坐人。我们这个真正实现了车上无人的运营，可以拖行李，拖货物。不是从飞机上运过来，靠近航站楼就完了，它可以自己开下航站楼，开到传送带。它不仅仅是可以在室外跑，也可以在室内跑。

真正实现无人驾驶的一个非常重要的关键，就是我有这套平行驾驶系统。在远程可以坐一个人，在这辆车碰到潜在风险的时候，他可以进行接管。这样这个双系统形成了一种新的配置。

大家看我们有三种配置，一种配置是影子模式，主系统是人在开，副系统是我们的无人驾驶。第二种配置，主系统是我们的一套标准的无人驾驶系统，副系统变成了主机厂自有的算法模块。第三种配置，主系统是无人驾驶系统，副系统是远程的操作员。这是我们和主机厂进行协同创新的一个平台，草船借箭，一千万辆车需要很多很多主机厂一起来去做。

我们现在跟很多主机厂开展了合作，最终我们是希望真正的在一千万辆车把这些东西跑起来。协同创新才能安全达阵。

最后做一个总结，我想我们蓝皮书论坛聚集的都是这个行业的先行者和开创者。我们非常期待以一种非常开放的心态，协同创新的心态，跟大家一起同行，一起共创。谢谢大家！