AutoX選擇專注在同城范圍內與生活息息相關的自動駕駛場景，如外賣配送、快遞送貨以及出行服務等，為此而部署了三款不同的車型，均專注在 L4級別的自動駕駛。并確立了長租和短租的盈利模式。

大約八個月前，也就是 2017 年的 9 月，肖健雄所創辦的自動駕駛公司 AutoX 成立不到一年的時間，就已經在對外公布的測試視頻中展現了不同天氣情況下依靠低成本攝像頭的自動駕駛解決方案。與此同時，肖健雄個人也以企業家身份獲得入選了當年 MIT Tech Review 評選的 35 Innovators Under 35。（這是由美國科技媒體 MIT Tech Review 自 1998 年創立的一項年度科技人物評選，旨在表彰全球 35 歲以內最杰出的 35 位創新人士）

一時間，這家公司風頭無兩，不少業內外人士都對 AutoX 飽有期待并持看好態度。

可自那以后，AutoX 就銷聲匿跡了。相較于業內其他自動駕駛創業公司的高調秀戰果，大小新聞頻頻曝光，AutoX 卻并沒有再對外發出聲響。

盡管自成立以來 AutoX 本身就籠罩著一層神秘的色彩，但長時間的沉寂仍不禁讓人發出疑問：

究竟這家公司走到什么程度了？

是在悶聲發大財，還是被后起之秀拍在了沙灘上？

是在商業和運營模式上走向了岔路正在求生，還是處于重大轉型的過程中苦于埋頭研發技術？

在我們的不斷追問下，肖健雄向機器之透露了公司的最新進展、解決方案的升級以及商業方面的新動向：

「過去的一年里，我們專注于技術的產品化，現在比較成熟，開始落地試運營了。我覺得我們是在做減法，不算是轉型。」肖健雄如是說。

從 LN 到 L4，鎖定無人車送貨場景

「我們公司的定位是平民化自動駕駛，但其實很多人對這個概念有所誤解。」

肖健雄解釋說，追求低廉的成本只是平民化自動駕駛的一個方面，公司更想傳達的內涵其實在于服務于每個人每天最基本的需求。

因此，AutoX 選擇專注在同城范圍內與生活息息相關的自動駕駛場景，如外賣配送、快遞送貨以及出行服務等，而碼頭、礦山等距離普通人生活相對較遠的駕駛場景則不是 AutoX 關注的重點。

沒錯，就是俗稱的「最后一公里」任務。

在他看來，這些普通人生活必然涉及的行業中的最大痛點是運力之爭。

「只有解決了運力問題，人們才能把時間花在更有意義的事情上，才能真正提升生活水平。」肖健雄強調。

這不難理解，人們無論在點外賣、上網購物、還是叫專車接送的過程中均面臨這一問題。如果沒有足夠的運力，這些日常任務自然會變得難以為繼。

為此，AutoX 部署了三款不同的車型。

第一款就是改裝自林肯 MKZ 的原型車，即在乘用車上部署自動駕駛技術，這也是業內不少公司瞄準的一個最常見的商業場景。

另外兩款則是針對送貨場景，分別為低速的無人送貨小車以及可以任意速度行駛的無人送貨貨車，這也是 AutoX 首次披露的具體應用場景。

AutoX 低速無人送貨車（左）以及 AutoX 全速無人送貨車（右）

據了解，AutoX 的低速無人送貨車長約一米，寬不足一米，并非基于現有的車型改裝而成，而是在與合作伙伴和供應商一起從零打造，可以在園區、住宅區等場景下完成較小物體的送貨任務。

而 AutoX 的全速無人送貨車則是基于微型面包車改裝而成，能夠完成較大物體的運送。

對于園區中的自動駕駛任務，很多人覺得難度根本不能與普通城區道路上行駛的自動駕駛汽車相比，但實際情況其實并不是如此：

實際上，園區場景下的路況就極度復雜，不僅有來往的行人，還有單車、摩托車的頻繁出現。肖健雄把低速無人送貨車的自動駕駛系統形容為一個「更聰明的腦子、但身體動得更慢」。

「這里的交通規則比普通路面上的更靈活，混合著結構化和非結構化的道路，所以有時甚至比在高速上行駛還要復雜，所以要更聰明一些。」他解釋道，「但好處就是園區里是低速行駛，在同樣的處理和反應速度下，不會有高速上的嚴重危及生命安全情況。」

此外，任何技術的產品化、商業化的同時，落地所產生的問題也與隨著而來，而這些問題又返回成為技術上的挑戰。

肖健雄舉了一個例子，如果送貨車停在園區某處等人取貨時，周圍有人倒車，無人車被卡住怎么辦？

「這就不止要做自動駕駛的 AI，還要做很多落地所需要的 AI。可以嘗試用人機交互的方法，讓車主可以把無人車挪開，但又不能挪得太遠以免撞到他人。」

他補充道：「我們還有后臺的調度系統、API，也提供手機 APP 以使用、調度這些車輛。這些都是我們過去幾個月里一直在忙的東西。」

肖健雄告稱，目前，AutoX 在送貨場景下的解決方案已經處于「Ready」狀態，已經有一些合作伙伴和客戶開始試用，并逐漸走向落地。

其實，在之前的采訪中，AutoX 的對外口徑還是其技術解決方案實現的是 L2、L2.5、L3 等級的自動駕駛水平。而這次在接受機器之能采訪時，肖健雄則表示，公司現在更專注在 L4 級別的自動駕駛上，公司持有的三款車型均是如此。

「我們想盡快面向市場，如果做 L2 的話，就要走與車廠、Tier1 合作的傳統道路，周期比較長，這對一個初創團隊來說不是特別合適。反而是做 L4 的商業模式會更快地完成落地。」肖健雄解釋道。

肖健雄表示，之所以決定聚焦在限定場景下的 L4 級自動駕駛，從某種意義上講就是希望最快速落地。

他笑著引用了一位投資人朋友的話——「大將軍趕路不追小兔」。

在 AutoX 的時間表里，送貨無人車在今年上半年可以達到幾十臺的量級水平，下半年則會達到幾百量級。值得一提的是，這些數量級并非公司內部測試車輛的數目，是試運營的車輛數量。

不過，AutoX 并未透露具體的合作伙伴，只表示公司的合作伙伴圍繞生活服務領域，聚集在電商、物流、外賣、新零售等領域。

如果具體到「怎樣賺錢」，AutoX 的盈利模式有兩種，分別為長租和短租。

短租就是按使用的次數和時長收費，長租就是包年、包月去做運營。如此一來，AutoX 的身份就不再局限于一家自動駕駛技術提供商，而是成為了一個運力平臺提供商。

對于 AutoX 來說，這個完整的新商業模式無疑是經歷了技術升級與行業探索后的升級版本。

而在融資信息和團隊規模上，AutoX 依然保持神秘。

從只言片語中，機器之能了解到，目前公司已經完成了 A 輪融資，而且公司的辦公地點也從車庫創業換到了一個很大的辦公大樓，團隊數目大大增加，管理趨于規模化。

不只攝像頭，構建有冗余的傳感器融合方案

「在這里要澄清一點，我們是以攝像頭為主，camera-first，其他傳感器為輔，并不意味著我們不用其他類型的傳感器。」

在去年三月發布的測試視頻中，AutoX 在改裝的林肯 MKZ 原型車上裝配了 7 個單目攝像頭，在下雨的天氣路況下，順利完成了無人車的行駛，展現了團隊在基于攝像頭的視覺技術上的實力。

而自今年 Uber 發生撞人事故之后，有冗余的多傳感器融合方案似乎成為了一種業內共識，相比之下，僅依賴攝像頭的低成本自動駕駛解決方案則成了眾矢之的。

肖健雄告訴機器之心，其實團隊從創始早期就一直有投入一定的資源把激光雷達融入其系統中。

他早年在普林斯頓大學視覺研發團隊做研究時，就首創把深度學習的方法擴展到三維點云上處理，發表了這個領域開創性的幾篇論文。

「只不過當年學校里比較窮，三維點云不是來自昂貴的激光雷達，而是用 RGBD 相機，但原理上沒有任何區別。」他回憶道，「做激光雷達比做相機的感知系統會容易很多，達到比較好的效果的技術門檻相對較低。」

其實，在早前接受采訪時，肖健雄也表示并不排斥激光雷達，當時他的觀點是，「在目前這個階段，攝像頭應該扮演傳感器中的主角」。

現在，AutoX 的技術解決方案則擁有三層防護。

第一層以攝像頭為主，第二層是激光雷達，第三層則視具體場景而定，高速場景會使用在金屬、汽車上表現較好的毫米波雷達，而在低速場景下，如園區等，則會選用人體檢測效果較好的超聲波雷達。

肖健雄介紹，AutoX 在激光雷達的使用上還要看具體場景。行駛速度較高的場景下會選擇相對高線速的激光雷達，例如 40 線，而行駛速度較低的場景下則會選取 16 線激光雷達產品，在速度低到一定程度時甚至會用 1 線的激光雷達，承擔一個提供冗余的任務。

在被問到是什么原因促使團隊真正開始決定在商用方案上添置激光雷達時，肖健雄答道：

「從我們基于攝像頭的系統研發告一段落，并且開始籌備產品落地，就開始把多傳感器融合加入到商用方案上。后來激光雷達降價了，而且我們只用一個，也不是非常貴，價格還是可以接受的。」

事實上，激光雷達的價格下降趨勢是肉眼可見的，今年 1 月，Velodyne 就宣布其 16 線激光雷達產品在全球范圍內價格下降一半，從此前的 8000 美元降至 4000 美元。與此同時，固態激光雷達的落地也在推進當中，一些廠商把量產計劃定在了今年。

在肖健雄看來，盡管從長遠來看，也許五年后，攝像頭就足夠了，可能不會再用激光雷達了。但在早期加上激光雷達會確保安全性。

「還有一個現在的社會現實，就是如果自動駕駛車頭頂上沒頂個『小包包』，用戶反而覺得不自然。」

除了加入激光雷達，AutoX 的攝像頭傳感器方案也有升級——在此前 7 個單目攝像頭的基礎上，為前向增加了一個新的攝像頭，旨在看得更遠。

肖健雄解釋，激光雷達存在的一個問題就是，在近距離時表現良好，但沒辦法看得太遠。

「許多廠商做廣告說他們的激光雷達可以看二百米，但其實真的就只是廣告而已。由于低分辨率，其實做物體檢測時，激光雷達的穩定檢測范圍很難超過 50 米。」

可是，當車速達到一定程度，發生異常事件時，系統的反應時間也相對較小，感知距離的局限性在這種情況下有害無利。例如，車速為 70 公里每小時的情況下，50 米開外發生異常事件，剎車反應時間也只有 2 秒。而這種情況下，其他傳感器獲取的信息量也十分有限。

「我們的解決方案在比較遠的距離基本依賴攝像頭，以便提早判斷一些事情的發生。」

當然，攝像頭與激光雷達的共存就勢必會提到傳感器融合的問題，涉及語義分析、語義切割、目標檢測等工作。在此基礎上，許多自動駕駛領域內的創業公司或是學術機構也會展開目標跟蹤、目標預測等工作。

肖健雄表示，AutoX 在這一步驟上的獨特之處在于，其解決方案不是在圖像頻域上完成的，而是把二維信息映射到三維世界里，再與激光雷達緊密融合，進而實現壁障等決策規劃任務。

當然，大量的計算處理離不開算力的支持。

目前，AutoX 在低速場景下使用了英特爾 8 核 i7 處理器以及英偉達移動版 GTX 1070，而在高速場景下則使用英特爾 12 核 i7 處理器以及 3 塊 GPU。接下來的幾個月，團隊計劃將 GPU 數目精簡到 2 塊，這也是未來的重要優化方向之一。

「我們不做芯片，專注于全套系統開發。我們有自己的計算平臺，也開發了自己的電路板。」肖健雄解釋道，「如果說 Apollo 平臺是 Android 安卓模式，各家主機廠可以拿它定制化到自己的車輛平臺上。那我們公司走的則是 iPhone 模式，我們是一整套的軟硬件集成解決方案，包括三維地圖、硬件傳感器、計算平臺、后臺監控、云端服務、也包括 APP、某個應用場景中的 API。