自動駕駛汽車一直處在炒作周期的怪異階段。一方面，十幾年來人們一直在看媒體的相關(guān)報道，卻沒有人能買到真正的自動駕駛汽車。另一方面，這項技術(shù)已經(jīng)取得了巨大的進步，從谷歌剝離出來的自動駕駛汽車公司W(wǎng)aymo開始在亞利桑那州的錢德勒(Chandler)提供自動駕駛汽車的共享服務(wù)，這也是迄今為止自動駕駛汽車發(fā)展最重要的里程碑。而很多傳統(tǒng)的汽車制造商表示大2020年才會開始銷售自動駕駛汽車，但他們將為現(xiàn)有車型提供越來越多的半自動駕駛汽車功能。這種多元的駕駛體驗加之Waymo的共享汽車業(yè)務(wù)，將使得自動駕駛汽車技術(shù)得以普及。部分人認為，2018年，自動駕駛汽車技術(shù)至少會在某些發(fā)達城市部署開來。
近日，在全球新興科技峰會上，瀾亭資本創(chuàng)始人劉炯攜手金沙江創(chuàng)投董事總經(jīng)理丁健，深鑒科技CEO姚頌、禾多科技創(chuàng)始人倪凱，馭勢科技聯(lián)合創(chuàng)始人吳甘沙及Quanergy聯(lián)合創(chuàng)始人&CEO Louay Eldada，就“自動駕駛的安全問題和技術(shù)應(yīng)用”展開討論。
以下是討論全文：
劉炯：非常歡迎各位嘉賓，參與到自動駕駛的討論環(huán)節(jié)。我們提到自動駕駛，可能我們第一個會去關(guān)注的就是關(guān)于安全的問題，因為離開了安全任何駕駛在人類面前可能都不足一提。
▲圖|劉炯(圖片來自新浪科技，下同)
當(dāng)今有兩種觀點：
觀點一，認為機器較人類在自動駕駛領(lǐng)域更有優(yōu)勢。主要理由首先覺得機器具有多傳感器融合，較人類具有更多的感知方式。機器也不會知道疲倦，以及機器永遠是一個理性的狀態(tài)。
觀點二，在一些極端的case下，人類比機器有更多的經(jīng)驗。
想請教在座的各位，怎么向普通大眾證明，自動駕駛時代自動駕駛技術(shù)比人類駕駛更有效、更安全的選擇，這個問題想首先請教吳總。
吳甘沙：其實從數(shù)學(xué)上來說，是很難證明的，因為它需要大量的數(shù)據(jù)樣本，大家知道2016年特斯拉出現(xiàn)車禍以后，Musk給自己辯解，我已經(jīng)開了1點幾億英里才死了一個人，美國的平均水平是9000萬英里會撞死人，我已經(jīng)比人開得安全了。從概率的角度上來說，這個數(shù)據(jù)樣本太小了，如果第二天再撞死一個人，就1.3億英里除以2，變成6500萬英里。
所以大家可以看到，今天的數(shù)據(jù)是完全不夠的。谷歌的640萬公里也是不夠的，蘭德公司有一個研究，說需要100億公里，一輛車連續(xù)不停跑500年，才有可能有足夠地數(shù)據(jù)樣本去證明，現(xiàn)在沒有任何人能夠去證明這點。
那怎么做?我覺得從設(shè)計心理學(xué)的角度來說，可以提3個方案。
1、在受控的環(huán)境里面去做試驗。因為大家知道在賓夕法尼亞大學(xué)和芝加哥大學(xué)他們做了一個研究，說我們?nèi)伺龅綑C器犯了一次錯誤以后就不原諒它，但是我們?nèi)朔噶艘淮五e誤，我相信我下次能夠去改正，能夠做的更好。所以實驗必須是受控的，我舉一些例子，比如是分時段，半夜里面讓無人駕駛的車出來，做夜間的小巴，或者做夜間車的調(diào)度。
2、我們有一個熟悉定律，就是體驗會導(dǎo)致好感，人們就會傾向于要接受，那兒這樣意味著就是我們要大量進行受控實驗，讓更多的老百姓去嘗試，去心理上接受它。
3、當(dāng)人還保留少量控制權(quán)的時候更能夠接受自動化，所以我們在人機交互上面要去設(shè)計好，要去讓無人駕駛車保留一點點人控制的能力。
倪凱：剛才甘沙說得非常對，無論是工程上還是技術(shù)上，他都說了很多的數(shù)字，包括舉例，我想補充一點就是從簡單場景開始。大家可以想象一下我們小孩的時候，我們怎么去學(xué)自行車、滑冰，一開始大家可能都是后面有人扶著然后我們在去學(xué)，然后到某一天，他可能慢慢的開始放手，你都不知道他放手了，最后發(fā)現(xiàn)，我這個已經(jīng)可以自己騎了，溜冰也是一樣的。其實我們L3.5也是這樣的想法，就是說有些技術(shù)可能是L4，但是你直接說我是L4，不僅是安全性是不負責(zé)任的，我覺得對用戶心理的沖擊也非常大。
▲圖|倪凱
劉炯：謝謝倪總，Louay Eldada，您覺得我們怎么向人來證明無人駕駛技術(shù)是一個安全的選擇?
Louay Eldada：如果你有最高級完善的系統(tǒng)，你可以證明它是一個很安全的系統(tǒng)，根本不需要什么證明。所以我覺得好的設(shè)計是一個前提，意味著你沒有做出什么妥協(xié)，比如你使用的傳感器數(shù)量沒有降低或者它的性能沒有做妥協(xié)。最終所有這些都夠便宜：這些傳感器在幾年的時間里，成本可能會進一步的降低，只要幾百美元而已。
有人出于安全的考慮對自動駕駛有顧慮。沒人希望在開上路的時候出事故。有些開車體驗很枯燥，比如開了6個小時，或者走走停停，這個過程體驗并不很好，人們就不會喜歡。
另外還有效率也很重要，我們有一些案例已經(jīng)證明，關(guān)于現(xiàn)實環(huán)境的自動駕駛，如果人們能夠感知到它的效率非常高的話，人們會非常樂意接受它。
劉炯：我還有第二個問題想請教各位，在實現(xiàn)我們所理想的自動駕駛最終極的形態(tài)之前，目前的主流觀點有兩個：觀點一，我們先給駕駛員提供一種更安全、更容易的輔助駕駛手段入手，從更低級別的輔助駕駛技術(shù)，逐步升級過渡到最終理想當(dāng)中的完全自動駕駛。這一觀點主要來自傳統(tǒng)車企。觀點二，認為自動駕駛可以一步到位實現(xiàn)L4級以上的自動駕駛場景。這些觀點可能更多是來自于創(chuàng)業(yè)公司以及一些互聯(lián)網(wǎng)造車公司，對這兩種技術(shù)演進的路徑，并達到最終理想當(dāng)中完全自動駕駛的終極形態(tài)，您更傾向于走哪一種?
倪凱：其實我剛才演講也提到了這個方面的觀點，我認為直接做L3，它在現(xiàn)金流、業(yè)務(wù)模式、工程經(jīng)驗的積累、數(shù)據(jù)積累上面是有一定的優(yōu)勢，在L4這件事情上，大家一般公認的L4至少是五年以后，樂觀地認為五年，不樂觀的認為7—10年都有。
我認為在這么長的時間跨度里，最大的問題是很可能會出現(xiàn)顛覆性的技術(shù)，讓現(xiàn)在的很多的工作白做了。大家可以想象一下我們7年之前或者是10年之前技術(shù)，沒人討論深度學(xué)習(xí)，大家也不會討論在車上做GPU以及運算相關(guān)的事情，現(xiàn)在慢慢不管是Mobileye還是傳統(tǒng)的公司，往后面L4、L5都會強調(diào)強大的并行計算能力，把一個平臺開放出來。
吳甘沙：我覺得與其說是技術(shù)路線之爭，不如說是商業(yè)路線之爭，因為傳統(tǒng)車廠，它的商業(yè)模式是賣私家車。私家車對成本敏感，同時它有大量的用戶基數(shù)，我試錯的成本太高，必須得一步一步這么過來。新興的互聯(lián)網(wǎng)廠商，它基因是運營，運營的話它在乎的不是車的成本，而是運營的成本，要把司機拿掉，所以它一下子要上無人駕駛，不然沒有優(yōu)勢。而且它是增量的車，一開始基數(shù)也比較小，敢于做試驗。所以這商業(yè)路線之爭。
▲圖|吳甘沙
我覺得技術(shù)路線上，雙方趨同。大家基本認為L3以后，即使是主流的車型，它也慢慢具備了激光雷達，具備了高精地圖，而這些東西是傳統(tǒng)互聯(lián)網(wǎng)廠商用的東西。
最近CES上大家看到，德爾福的樣車上有9個激光雷達、4個攝像頭、10個雷達。而通用汽車真正的無人駕駛，它有5個激光雷達，16個攝像頭，21個毫米波雷達。
你可以看到，即使是主流車廠、L3，L4以后也在往這個方向上走。所以我覺得技術(shù)路線會融合，在融合以后可能下一步需要的是更強的人工智能。我們剛才說，今天的人工智能還需要不停地跑、不停地去練。
未來的人工智能一定要具備舉一反三的能力，這個環(huán)境從來沒去過，它能夠適應(yīng)。比如去一個從來沒有去過的停車場，它能夠找到停車位，能夠找到出口。它要具備處理那些不確定性，未知輸入的能力，它具備學(xué)習(xí)、理解的能力。而這是傳統(tǒng)的基于激光雷達和高精地圖的技術(shù)方案并不存在。所以，未來雙方融合，同時往下一代的人工智能進發(fā)，這樣才能真正終極的解決無人駕駛的問題。
劉炯：我的下一個問題是關(guān)于激光雷達與視覺算法的技術(shù)之爭。
提到自動駕駛，我們第一個會想到激光雷達，但是目前激光雷達數(shù)據(jù)精度更高，但是也存在目前的量產(chǎn)成本高問題，短期之內(nèi)，商業(yè)化存在一定的困難。激光雷達與視覺+芯片的這樣一些技術(shù)方案，在您看來哪種是更適合現(xiàn)在的自動駕駛市場，以及你們認為未來的終極形態(tài)下，自動駕駛到底會采用怎么樣的解決方案?
姚頌：我覺得首先第一點是自動駕駛的視覺算法和雷達的典型的處理算法并不矛盾，大家在做這些點云的處理，很多時候也還在用CNN來做，對于從硬件計算平臺的本身來說，你的算法我們并不那么在乎。
▲圖|姚頌
所以從技術(shù)本身來講，我覺得兩條路都可以做，對于芯片來說不管哪種，都是巨大的信息輸入，要做一些處理。這是第一點，從硬件本身來說是沒有太多地區(qū)別。
第二，我是站雷達這條路的。我舉幾個例子，一方面剛才甘沙老師提到，要向大家證明自動駕駛是安全。所以，我想自動駕駛可能也是這樣一個過程，其實現(xiàn)在很多公司，我想已經(jīng)慢慢的開始往這條路上走，就是它會把一個技術(shù)慢慢的來使用。
比如說奧迪前段時間說的，它要推L3的一個系統(tǒng)，但是他們一開始會先發(fā)布L2，也就是說我人是要看著的，這樣不僅從安全性上它確實解決了很多問題，第二個就是說人還看著，它多多少少會建立起自信心，即使到有一天，其實我軟件版本沒有什么大的變化，我說我這是L3，大家也會更容易去相信這個機器，我覺得這個是一個很好的思路，就是說我們即使有一個更高端的，或者說更往上的系統(tǒng)，我們會把它降維來嘗試。
需要非常大的數(shù)據(jù)，要告訴大家，確實你的事故率，真的比人要低很多，如果只是低個2倍、3倍，可能大家都不會愿意，你可能要低一個數(shù)量級，甚至是低于兩個數(shù)量級，人家錯愿意。這樣的一種情況，我會覺得純粹依靠視覺，要做到這點非常困難，加上雷達也會做到L4以上，可能這個事情會更簡單一些，包括兩天前Bill Dally老師在我們公司，我們也一起聊到了這個事情。
最后他的看法是說，我用純視覺做這個L4，肯定也能做，但是他覺得用這個達到的技術(shù)水平，可能跟雷達做要差2—3年的水平，我是覺得雷達肯定是要做L4以上更加適用的方式。
當(dāng)然現(xiàn)在一些實際的問題是在于自動駕駛是一個很綜合性的系統(tǒng)，絕對不僅僅是一個Senser，包括Senser本身的形式，可能我們都不太確定。包括一些雷達的公司，原來大家是64線、128線這樣平行地掃，大家可以看到到今年，一些新的雷達，可能是垂直兩個方向掃，能夠得到一個密集的點云，但是它的視場角可能不是360度的，而是100度或者是120度，從Senser本身也在變化，大家在定義怎樣是真正適合量產(chǎn)的Senser。
再比如說在雷達里面，已經(jīng)有FPGA在做一些數(shù)據(jù)分析，未來我們的車?yán)锩?，還有兩塊很重要的成本，一塊是主芯片，這是英偉達最大的賣點，也是最大的故事。二是我在車內(nèi)如果數(shù)據(jù)量非常大的話，要做很多的高速互聯(lián)，包括我有幾十個Senser這樣的高速互聯(lián)，其實也是非常占成本的，那是不是我雷達里面的FPGA既做了普通的點云的處理，又做了一些數(shù)據(jù)處理，甚至到了L5，我們是不是必須要做到車聯(lián)網(wǎng)，我才真正地有可能做到L5，比如說我最多掃描做到150米、200米，但是我前方500米、1000米出現(xiàn)了怎樣的事情我是不知道的。
所以，這個里面的系統(tǒng)性的問題，其實還是很多，但是我覺得肯定用雷達會比純用視覺會更快一步。
劉炯：我們最后一位嘉賓，想問一下您現(xiàn)在特斯拉的交通事故，在上周在加州又發(fā)生了，究竟雷達解決方案和視覺加芯片哪個更好?
Louay Eldada：其實特斯拉一直在用我們現(xiàn)在雷達和芯片視覺的疊加方法，而且他們的解決方案其實也非常的好，他們的芯片非常的好，但是現(xiàn)實的問題是他們的這種雷達的分辨率越來越高，那么就會有問題，比如說分辨率越來越高的時候，lidar就是lidar，雷達就是雷達，這其實是有一些語義上的問題，究竟你稱呼它為雷達還是lidar，可能大家叫雷達更加舒服一些。
▲圖| Louay Eldada
我們也知道有視覺加上芯片這樣的解決方案，其實是要花很多的時間，還有很多的延時，我們畢竟首先要把3D的圖片進行解讀來反饋，而雷達它更加的直觀，它直接就可以去掃描整個精準(zhǔn)的3D圖形，那么我的芯片和視覺可能會要進行很長時間的加工，那么就是反饋時間更長，而雷達發(fā)射的反饋時間更短，也更加的有效率，它能夠很快的去捕捉現(xiàn)實環(huán)境中的一些物體，那從成本角度來，我們暫時還沒有仔細去分析。
我們在考慮一下生命周期的成本，我們可以再去考慮一下傳感器的成本，比如說我們說到雷達可能要花上幾百萬美元，那么還有一個承受度的問題，因為雷達的生命周期有承受度這個考慮點，包括我們的運輸，還有生產(chǎn)出產(chǎn)的成本，可能會更低一點。
劉炯：您覺得最佳的解決方案或者是最終的解決方案，作為自動駕駛會往什么方向走?
Louay Eldada：其實有不同的傳感器，其實你想問的是最佳的傳感器是哪個，那么就是雷達，因為雷達是最好的能夠解決3D高清晰路面的解決方案，就是雷達了。這種傳感器可以用來感知、定位、導(dǎo)航，但我們還是要看視頻的，因為我們要看路標(biāo)，我們還需要雷達，雷達會處理一些特殊的路況、工況，尤其是一些非常挑戰(zhàn)的工況。
比如有一些厚的濃霧，你可能沒有看得清楚。在這種濃霧的環(huán)境中，只有雷達能夠幫助你看清前方的道路和一些路況。我們其實需要一個打包的解決方案，我覺得這才是終極方案，把不同的解決方案集成起來。
劉炯：(to丁健)在自動駕駛時代，剛剛我們在場上討論的，在車本身的技術(shù)問題之外，還存在哪些大的機會?如果從投資的角度，怎么參與?
丁?。?/span>剛才也聽了很多在激動駕駛領(lǐng)域的前景和突破，但我們總體的判斷，站在投資的角度，我比較同意剛才Eldada先生引用的一個預(yù)測，要真正實現(xiàn)一個非常強的L5的自動駕駛，還需要很長的時間。
其中一個很重要的原因，因為它是直接跟人工智能總體發(fā)展水平一致。因為從人工智能本身角度來講，我們現(xiàn)在看到的還是一個識別的級別，而沒有真正到理解和意識的級別。對一個自動駕駛來講，對一個司機來講，不管你用什么樣的sensor而輸進來的data。那么你首先要做得，僅僅這個人坐在那只是在做一個感官的識別處理還是在做很多意識上的理解處理。
如果理解處理在開車過程中也是一個重要環(huán)節(jié)的話，那我們簡簡單單的依靠識別處理代替理解處理，我覺得這不是那么現(xiàn)實。我相信大家也正是因為理解到這一點，看到人工智能本身在理解領(lǐng)域，也就是在感知領(lǐng)域的突破，可能還需要10年、20年甚至更長時間的話，那我們就沒有辦法真正能預(yù)測我們的無人駕駛可以變得這樣的好。
回到你剛才的問題，它實際在發(fā)展的過程里，在各個領(lǐng)域都會出現(xiàn)很多的機會。像我們在研究登月的時候，會出現(xiàn)很多小的技術(shù)，會benefit很多其他的領(lǐng)域，這是一樣的道路。
剛才講到很多垂直領(lǐng)域、低速領(lǐng)域、專業(yè)場景都會用到，甚至在一些工廠，你仔細想一個無人車，實際就是一個移動的帶著四個輪子的robotics，可以把它理解成是一個robotics的發(fā)展。當(dāng)它上面再裝一些其他東西的時候，它可能就變成一個小robotics，在各種場景下都可以工作。
所以，無人駕駛的技術(shù)和robotics的技術(shù)和很多其他技術(shù)連接在一起的時候，它自然而然會形成非常多全新的各種各樣的商業(yè)機會和投資機會，還有改善的機會。
至于你說到它對勞動力市場的沖擊，我覺得這是一個非常大的話題。先說一個簡單的版本，近期的版本完全不用擔(dān)心，因為勞動力未來在人工智能整體發(fā)展的過程里產(chǎn)生新的工作，還是非常大量的。
但是，從中期和長期的角度講，這是一個很嚴(yán)重的問題或者很大的問題，曾經(jīng)陸奇說過一句，未來可能只需要5%的人口來做，就能滿足全人類基本的物質(zhì)需求，剩下95%的人就互相娛樂了?；蛘哒f用《未來簡史》的那句話講，就是產(chǎn)生了個無用階級的理念，這個確實是說跟現(xiàn)在的整體按勞分配的體制，會出現(xiàn)巨大的隔閡。
在這個過程里面，會經(jīng)歷非常大的變化，這個不是我們今天的個話題，我只是想把這個話題提在這里，沒有簡單地回答你的問題的答案，但是在近期，無人駕駛領(lǐng)域，我不會對它太做擔(dān)心。
劉炯：在我們討論環(huán)節(jié)的最后，我想請丁總簡單地來點評一下，目前在自動駕駛領(lǐng)域，中美之間所存在的競爭和合作的關(guān)系，以及機會。
丁健：確實就是說，其實在無人駕駛領(lǐng)域，國內(nèi)和國際的差距并不是那么多，其實有幾個方面，一個方面就是說Google確實在整個領(lǐng)域遙遙領(lǐng)先其他人，因為一個是動手早，一個是人才也比較密集。
除了它以外，中國的公司不管是在做的幾個公司，還是像百度做的阿波羅，和國內(nèi)的幾個企業(yè)做的聯(lián)盟，都在拼命地在這個方向進行很多地投入和實驗，在這個方面，我們在技術(shù)上面的差距沒有那么大，但是我們確實將來會遇到比較大的人才上的差距或者說短板，這個方面來講，大量地下一步怎么樣培訓(xùn)這方面的人才會是一個很重要的地方。
但是我們也有自己的優(yōu)勢，一個是政府在這個領(lǐng)域，確實力度非常大，無論是在政策方面、法律體制方面等等，我相信從黨和政府在過去這段時間，對共享經(jīng)濟的支持，對于移動互聯(lián)網(wǎng)的支持、互聯(lián)網(wǎng)金融的支持，這種容忍度，這是對于無人車駕駛下一步非常重要的一個地方。比如說怎么樣把一個環(huán)境專門給無人駕駛騰出來，現(xiàn)在很多城市都在做這樣的嘗試或者是有這樣的計劃。
另外，也很重要的是剛才看到我們的駕駛的車禍的數(shù)量之大，一方面是我們不幸的地方，但是另一方面可能壞事變好事的地方，就是讓政府也好，讓民眾也好，對這項新的技術(shù)，有一個更大的容忍度和更低的期待，你不需要做到跟美國那樣的死亡率，你給我把今天的死亡率降低個30%，我已經(jīng)很開心了，對于政府在這種情況下，我更早地愿意支持你，把無人車推到路上去。
所以我覺得在這點上來講，如果我能夠很好地把優(yōu)勢利用起來的話，我想中國在這個方面可以彌補我們在技術(shù)上差距，而且通過我們很強大的制造行業(yè)的力量，能夠真正在無人車領(lǐng)域領(lǐng)先世界，也不是不可能的。
丁?。?/span>時間關(guān)系，我們自動駕駛環(huán)節(jié)的討論環(huán)節(jié)到此結(jié)束，再次感謝各位嘉賓出席本輪環(huán)節(jié)，也忠心祝福各位企業(yè)家所在的企業(yè)，能夠在接下來給市場推出令人驚喜的自動駕駛的產(chǎn)品，謝謝!
