<mark id="oztn4"></mark>
0
雷鋒網按：回頭看，第一屆DARPA自動駕駛挑戰賽已經是十年前的事了。對比互聯網產業，十年前手機還沒有支付業務，而現在支付寶、微信已經全面改變了人們的消費習慣。反觀汽車產業，尤其是自動駕駛行業的發展卻慢如蝸牛，自動駕駛到底難在哪里？
雷鋒網新智駕近日與智行者CTO王肖展開對話。與多數投身自動駕駛賽道創業者不同的是，王肖出身汽車行業，在學生時代就深耕在自動駕駛領域，對技術研發和市場落地均有深刻理解。
王肖畢業于清華大學汽車工程系，曾作為核心人員參與 2012、2014 及 2015 年中國智能車未來挑戰賽，并獲得團隊冠軍，還曾參與起草中國智能網聯車輛技術路線圖，獲汽車工業科學技術進步一等獎、軍隊科技進步獎等多項獎勵。
智行者選擇兩條腿走路的商業模式——低速自動駕駛車“蝸”系列＋高速自動駕駛車“星驥”， 又于近期取得了北京市自動駕駛T3路測牌照，可見智行者在這一領域的步伐越來越快。
“自動駕駛十年”專題的深刻意義在于：窺見自動駕駛在過去十余年間的變遷，及創業者在資本寒冬對自動駕駛未來的思考。
從自動駕駛興起之時，到后來的Waymo、特斯拉以及傳統主機廠的不斷發展，再到當前國內諸多企業對自動駕駛開展的如火如荼。王肖認為，任何技術發展和應用應該遵循客觀規律，自動駕駛不僅要講好故事，更重要的是做到產品落地，然而想要落地，依賴的不僅僅是規模化量產，更多的是技術的成熟以及市場的認可。目前業界認定的自動駕駛發展路線主要有以下三種模式：
可以看出，在AI時代，有價值的大數據是通向成功的必要鑰匙?；诖?，模型訓練-OTA升級-模型應用-模型訓練整套閉環系統完全打通，由此帶來的大數據、模型和體系優勢是壓倒式的。
然而，Waymo 僅數千臺車輛，受制于安全性無法快速增長，同時為了安全考慮不會去特別復雜的場地運營，另外不具備全球數據采集渠道，這是同特斯拉相比最為致命的三點缺陷，歸根結底就是數據量以及多樣性。而且奧迪等傳統賣車模式缺乏數據手段作為支撐，同時其設計理念同特斯拉也有根本區別。
因此，最好的模式就是能夠將自動駕駛大腦嵌入至量產車型中，具備搜集數據的基本條件，而后通過建立OTA系統能夠快速驗證有效性，讓自動駕駛大腦訓練得越來越聰明。
回看自動駕駛發展的這十年，如同一個高冷女孩卻表現出親切的模樣，結果不可思議！
如今，500億資本助推，200+創業公司競賽，自動駕駛的宇宙已經大爆炸。據湯森路透的統計，在2017年時，全球的自動駕駛創業公司就達到了240家。
王肖表示，在全球玩家們的推波助瀾下，自動駕駛已成為產業鏈廠商傾注的重心所在，中美日歐等政府已經在不斷地為其產業化發展掃除障礙。
業界預計，2020年將是自動駕駛市場商業化起勢之年。2020-2025年，自動駕駛乘用車銷量的年化復合增速將超過80%；加上自動駕駛車輛銷售、自動駕駛出行服務市場，2020年和2030年國內總市場規模將分別達到約400億美元和5500億美元。
時光穿梭到2015年，一直在清華大學汽車工程系讀到博士的張德兆創辦了智行者。也就在那一年，張德兆找到同在清華讀博的王肖咨問道，有沒有興趣來做自動駕駛？
雖然王肖所在的團隊就曾多次拿到無人駕駛技術領域比賽的冠軍，但他認為產品化才是自動駕駛的最高夢想，而且時機已經到來。
同時，王肖也深刻意識到，2015年的中國汽車產業在在國外主機廠及Tier1的包圍下，很難找到新的突破點，而自動駕駛將是汽車產業一個嶄新的未來。
基于此契機，王肖與張德兆一起創立了智行者科技，兩人分別擔任CEO和CTO。一開始，二人就明確了公司發展的方向，把目光鎖定了L3及以上級別自動駕駛，因為這是智行者團隊在學校期間所擅長的領域。
在王肖看來，L3及以上才是真正的自動駕駛技術。智行者真正想做的是無人駕駛技術的大腦部分，也就是決策和規劃，公司定位于自動駕駛系統方案提供商，主要聚焦中央決策系統的開發和系統集成。
自動駕駛在技術上的競爭，主要聚焦于決策環節。事實上，區分一個系統是ADAS還是自動駕駛，也主要是看該系統是否有決策部分。無論谷歌，還是特斯拉，其核心競爭力，都還是體現在其決策算法方面。
王肖表示，自動駕駛的基礎是感知、定位及控制技術，核心及靈魂是決策規劃，也就是自動駕駛大腦。經常開車的人們都知道，現在的汽車基本都需要我們人為操作，而自動駕駛汽車控制層便是替代人為操作，根據獲取的信息數據，將做出的決策規劃落到實處，即實時操作。用簡潔語言描述，便是自動駕駛。這需要車輛的控制系統與決策系統相配合，并且能夠精確的按照需求，對汽車做出加速、減速、制動、轉向、變道以及超車等操作。
決策規劃是自動駕駛的關鍵部分之一，它首先融合多傳感信息，然后根據駕駛需求進行任務決策，接著在能避開可能存在的障礙物前提下，通過一些特定的約束條件，規劃出兩點間多條可選安全路徑，并在這些路徑中選取一條最優的路徑作為車輛行駛軌跡。
對于智行者來說，做無人汽車駕駛的“大腦”，一直是它給自己的定位。目前，智行者主要聚焦于自動駕駛智能車中央決策系統開發及大系統集成，特別是限定區域內的低速無人駕駛這一垂直應用領域的無人物流配送和無人作業車兩個方向。
自動駕駛涉及環境感知、規劃決策、執行控制三個方面。
其中，環境感知包括視覺感知、毫米波雷達感知、激光雷達感知等。后兩種感知方法主要用于障礙物檢測、深度感知、距離測量、目標測速等，而基于深度學習的視覺感知是自動駕駛感知的最主要方式。
相比于傳統的圖像處理算法，深度學習技術在自動駕駛領域中具有得天獨厚的優勢?；谏疃葘W習的視覺感知技術具有如下幾個優點：
可擴展性：支持多個目標類型的識別，可擴展性更強；
高精度：在檢測、識別等任務中均具有更高的準確率；
可靠性：在部分遮擋、模糊等條件下性能依舊可靠；
魯棒性：抗干擾性佳。
問題是，深度學習如何用于自動駕駛呢？
自動駕駛是需要汽車像人的大腦一樣來辨識一些車前出現的事物并做出決策。深度學習網絡相當于是人的大腦，對安裝在車前的攝像頭的圖像進行采集，并通過卷積神經網絡來提出圖像的特征，通過模型計算來得出幾個輸出量，比如加速、減速、剎車、方向盤的角度等信息。
但是，深度學習或者說人工智能技術現在是不能做到100%的，這個是至關重要的問題，這是現在深度學習一直無法實現應用的原因之一。因為任何一個駕駛者都不愿把生命交給一個無法100%的概率性事件上。
在很多時候，深度學習已經成為機器學習中不可否認的力量，也是任何數據建模工具庫中的一個重要工具。它的普及帶來了諸如TensorFlow和pytorch等必要的框架，這些，即便在深度學習之外也是非常有用的。深度學習這一段從失敗者成長為超級巨星故事，使研究者們重新審視了以前其他一些晦澀難懂的方法，如進化策略和強化學習。
但是，天下沒有免費的午餐，深度學習模型非常微妙，需要仔細并且有時非常昂貴的超參數搜索、優化及測試。此外，在許多情況下，從實際的角度來看，使用深度的學習是沒有意義的，因為簡單的模型效果更好。
王肖直言，行業對人工智能、自動駕駛宣傳的泡沫太大，似乎讓人覺得AI能解決一切問題，歸根結底，AI只是一種工具而已，但工具并不是無人駕駛研究的目的，我們的目標不是做一個基于深度學習的無人駕駛汽車，而是以產品為導向，綜合考慮成本、應用場景以及成熟可靠的技術。
自動駕駛發展至今，可以看出以深度學習為突破的人工智能時代大風口下，自動駕駛被給予了前所未有的關注，包括互聯網公司，傳統車廠，新興創業公司，有數據顯示，2018年全球無人駕駛汽車規模約達48.2億美元；到2021年，預計全球無人駕駛汽車市場規模將達70.3億美元。
自動駕駛的高光時刻，各路資本爭相競逐，熱度一次又一次霸占新聞頭條，那么自動駕駛的未來在哪里？
王肖直言，自動駕駛是人工智能的終極場景，沒有之一。
對于自動駕駛的理解需要回歸到汽車行業本身，汽車發展的趨勢電動化、智能化、網聯化、共享化。自動駕駛實際上是汽車在自動化水平上的智能化提升，驅動力在于汽車產業，準確說是汽車電子產業的優化升級。
但目前離真正的完全自動駕駛，仍然任重道遠。
舉例來看，感知與決策算法技術仍需加強，在技術的魯棒性足夠的情況下要實現100%的安全命題；以激光雷達為代表的核心傳感器的成本仍是商業化量產的最大阻礙；政策、法規以及車輛聯網基礎設施的建設等。
因此，現階段無人駕駛依舊是一門不夠成熟的生意，其商業化也只能在特定的場景之下，比如園區、港口等封閉場景。
王肖表示，即使到了自動駕駛的下一個十年，也就是2020年，自動駕駛也很難實現大規模商用，那時沒有資本加持的企業，約有一半以上的自動駕駛公司關閉。所以說，自誕生之初，智行者就選擇兩條腿走路的商業模式——低速自動駕駛車“蝸”系列＋高速自動駕駛車“星驥”。即首先落地安全性更高的低速車，逐步推出技術難度更高的高速車。目前無人掃地車（蝸小白）、無人物流車（蝸必達）及無人園區車（蝸來了）相繼落地。智行者被稱為“產品落地最快的無人駕駛創業公司”，其低速車產品已經陸續成型。去年11月份，智行者首批“蝸”系列量產產品也將正式下線。
王肖強調，無論資本是否寒冬，自動駕駛行業不能再單純以先進技術研發為驅動，而是要綜合考慮場景、落地及產品，以產品為導向，不單純依靠技術賺錢，要做產品驅動型公司。
有人會產生疑問，從科技公司向產品公司轉型，是否會受到缺少核心技術的質疑？
王肖告訴雷鋒網，自動駕駛全棧式開發模式未來會遇到很大瓶頸，智行者的策略是同各領域國內外最先進供應商一起合作成長，比如在高精度地圖領域與百度Apollo合作，依靠有資質的地圖公司采集數據，視覺跟地平線合作等。
以選擇與某一領域技術最好的公司合作，比如在高精度地圖領域與百度Apollo合作，依靠有資質的地圖公司采集數據。智行者定位為自動駕駛的產品驅動公司，技術、資源、場景，再加上公司的軟硬件一體最后做成一個產品，最終依靠產品實現盈利。
所以說，自動駕駛的未來發展一定是回歸現實，盡快實現公司的自我造血能力。王肖表示，智行者正在推動低速非載人車的商業化應用，提高公司的自我造血能力，與此同時，加快高速乘用車的布局。
當然，自動駕駛的重中之重依然還是安全問題，如果國內發生類似與Uber的撞人事故，對整個行業的打擊不可想象。
信任是成就自動駕駛的關鍵。王肖最后強調，自動駕駛的普及需要一個契機，滴滴、Uber的風靡，也是因為一種契機的出現，比如資本的支持、車輛保有量的增加、高精度定位、智能手機的普及等。只有先提高安全性的可靠技術以及建立廣泛測試信任，再做小范圍試點和推廣，確保安全性，才能不斷推動整個行業的發展，千萬不要辛辛苦苦幾十年，一朝回到解放前。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
