最近，2019第十一屆中國汽車藍皮書論壇的第二天，馭勢科技聯合創始人、董事長、CEO吳甘沙出席并發表演講，他分享了對當前無人駕駛的現狀發表了自己的看法，并對馭勢科技的無人駕駛發展思路進行了闡述。

非常感謝“中國汽車藍皮書論壇”的邀請，今天我對“勇氣”的詮釋就是蘇軾的這句話，叫中國無人駕駛要犯其至難而圖其至遠，而做無人駕駛的方式，我今天想重點談協同創新。

首先跟大家分享一下我跟無人駕駛的淵源，那是在2005年，我當時在英特爾公司，也是陰差陽錯的卷入到了這么一個大挑戰賽——DARPA超級挑戰賽（GrandChallenge）當中，可以說是無人駕駛的第一次“華山論劍”。

這兩輛車上有兩個英特爾的LOGO，奪冠大熱門是這輛車——卡耐基·梅隆，我們研究院又去支持了這輛車，支持這輛車的成本很低，就是2萬美元，在這邊車窗上貼了英特爾的LOGO。最后結果，這輛車成了大黑馬，在最后殺出來奪得了冠軍。所以我們這2萬美元非常值。

這件事情對我的啟示有兩個：第一個，大家可以看，這個LOGO貼在什么地方？貼在左右兩側后視鏡邊上的窗上，一般有人駕駛的車是不能貼的，貼在這個地方意味著什么？意味著無人駕駛車是新物種，它的每個部分都將有新的功能、都將被重新設計。

第二個，另一輛車為什么失敗？后半程沒力氣了。為什么沒力氣了？在13年以后，到了2018年才查出來原因，是它的引擎控制模塊跟噴嘴之間的一個過濾器失效了。

大家看，無人駕駛哪怕再高級，這么一個基礎的問題就會讓你變得沒用。所以，這讓我感覺到對這個行業有了深深的敬畏之情。

再看Uber前段時間出現了一個事故，路透社馬上就分析了為什么出事故：原來激光雷達從7個減到了1個，雷達從7個變成了10個，攝像頭從20個變成了7個，極大地減少了車輛的傳感能力，缺乏敬畏之心。

當然，最后的結論并不僅僅因為它把這些傳感器減少了，還包括它把AEB這么一個基本的功能關掉了，如果說這個功能還在，這起車禍是可以避免的。

所以這里面我想分享的第一個認知，用老子的這句話“重為輕根，靜為燥君”。

我們現在看到的很多東西用戶體驗、智能等等是輕，重的部分是什么？根本是什么？是安全。我們應該要有靜氣、要有定力讓它成為燥的主宰。

我們看在這個行業里面燥是什么樣子？這是Uber上市以后，它以前的一些文檔透露出來的。

大家看，在2016年1月，Uber預測到2018年無人駕駛汽車就能夠幫助它盈利了；

2016年5月，Uber預測，到2019年會有1.3萬輛自動駕駛的出租車；

2016年8月，Uber花了六七億美元收購了一家創業公司Otto，認為這個進程可以進一步的加快，加快到2019年有7.5萬輛無人駕駛的出租車，這說明它不只是說，還去做了。

2017年，Uber計劃購買2.4萬輛的沃爾沃，改裝成無人駕駛車隊。

現在看起來大家覺得這個預測是不是有點可笑。

我們看一下2018年的數據，左面這一列，是每開了多少英里有一次人工的干預，像谷歌是1.1萬英里，Uber是每開0.4英里要有一次干預，而其在加州一共測試的車輛是29輛，跟剛才說的2019年要實現7.5萬輛是一個巨大的差距。

我們不僅僅看到Uber是過度樂觀的，通用汽車在2017年底的時候，預測2018年一個月跑100萬英里，一年跑1200萬英里，實際上2018年它只跑了44萬英里。

同樣，行業的領頭者Waymo在2018年10月說，終于可以把安全員拿掉了，變成了真正的無人駕駛，但是僅僅一個月以后，又說還是得把安全員放回車里。包括最近剛剛過去的5月8日，Waymo跟Lyft合作，說放10輛無人駕駛車在Lyft的網絡里面，但是這10輛車還是要有安全員。

這后面反映了什么？用Waymo的這句話來講，無人駕駛是這樣一條非常非常漫長的道路，就是你好像已經走完了90%，但剩下的10%的道路還需要90%的努力去走完，它是一個短板效應的市場。

我們經常說，互聯網是長板效應，一招鮮吃遍天，但是無人駕駛任何一塊板短了都不行。

所以第二個認知，無論是無人駕駛還是很多其他的高科技VR、AR等等，人們往往會高估技術的短期影響力，認為它兩年、三年征服這個世界，都會出現這樣的樂觀，這個我們要注意。

當然我們也不可否認，不能去低估它的長期影響力，因為畢竟有一天它發生的時候是顛覆性的。這樣一種顛覆性，其實在行業的估值邏輯或者說游戲規則當中可以看得出來，華爾街是很聰明的，或者說他們是很勢力的，他們看的是未來。

大家看這幾家公司，上面黑色的部分是它在去年年底的市值，藍色的部分是它2018年的收入，非常詭異的是，收入越高，市值反而越低。

像特斯拉，它才215億美元的收入，有500多億美元的市值，而福特1600多億美元的收入，只有300億美元左右的市值。

比較有趣的就是Uber，Uber不造一輛車、甚至不擁有一輛車，它只有113億美元的收入，但有720億美金的市值，這兩天它剛剛上市，差不多就這么一個市值。

更讓人難以理解的是Waymo，這家公司的收入是0，而投行給他一個估值是1750億美元，其中關于出行的是800億美元。為什么？這后面就是一個估值邏輯的變化。

通用汽車每賣一輛車凈利潤1500美元，如果這輛車在生命周期里面跑了15萬英里，1500美元÷15萬英里，1英里賺1美分，但是Waymo用無人駕駛去實現共享出行，1英里是賺0.5美元，而且這個車不知疲倦，一天到晚跑，生命周期里面跑了50萬英里。所以商業模式上，一個是15萬英里，1英里1美分，一個是50萬英里1英里0.5美元，它們的差別是167倍。

現在出行領域有巨大的動機來去推動無人駕駛，這是我根據賽迪的數據做了修改，大家看滴滴出行2017年47.3億單，每單客單價23元，司機分成本來是80%，但是還另外多出了8%來去激勵司機接活，這么算起來一年要給司機1500億元。

如果說通過無人駕駛來去實現，每單變成8元，比地鐵貴那么一丟丟，這樣促使一天能夠達到1億單，1億單并不是特別了不起，大家知道中國一天有車出行是11億次，1億單就是10%左右，這樣365億單×8%，又不用跟司機分成，收入應該是3000億元，而不是說給司機1500億元，自己還要虧100億元。

所以大家可以看到，這樣一種巨大的變革的吸引，導致了通用汽車2016年初花了10億美元買了CRUISE，只有幾十個人，本田去年又花27.5億美元投了它，投完以后它的估值達到146億美金。

什么概念？通用汽車自己去年年底的時候只有479億美元估值、本田是480億美元估值，而這么一個小的無人駕駛部門已經達到146億美元，最近它又變成190億美元，190億美元是什么概念？跟比亞迪的市值差不多，同時遠遠超過了吉利和長城。

豐田，一開始投了Uber，最近它又跟電裝（DENSO）一起進一步投了Uber的自動駕駛部門，別看Uber數據不怎么樣，但是它的自動駕駛部門估值也達到了72.5億美元。

這后面看到的就是各家大廠的風云變幻，他們在玩他們的策略。

像這幾家大廠，一開始福特和本田都想跟Waymo合作，但是它太傲慢了。通用汽車一看跟Waymo合作不成，自己買了一家創業公司。大眾一開始希望靠奧迪自己來去做，后來發現不行。福特跟Waymo合作不成，也花10億美元投了一家創業公司。大眾一開始跟一些創業公司，跟Moblieye合作，發現也無法深入合作，所以它又跟福特進行了深度結盟。豐田的無人駕駛綁定在Uber身上。

所有這些大公司都完成了布局。在完成這個布局的同時，它必須得對現有的業務進行整合，比如通用它把好幾款不賣錢、不賺錢的車型取消了，福特甚至把整個轎車系列基本上都取消了，只保留賺錢的SUV跟皮卡，然后把精力投入到無人駕駛上，本田最近也押寶在通用汽車CRUISE上面。

我這里總結，就是大公司+快公司，遠交近功，資本聯姻，共創未來。

第三個認知，我們有遠慮又有近憂，先計后戰，通過遠交近攻這種方式，可以先勝后戰，我先要讓自己成為不可戰勝，然后再去打。

第四個認知，我認為中國的大戲才剛剛開始，暗流潛涌。在這個后面我們看到的是巨大的市場，大家知道到2017年，滴滴完成的共享出行次數是Uber的3倍，滴滴平臺上的司機是Uber司機的7倍，這是一個巨大的市場，當然這個市場需要犯其至難，因為太難了。

這是Waymo在亞利桑那做無人駕駛服務，大家看這個感覺就是，道路上面很干凈、人也很少、車也很少，大家看我們在國內跑無人駕駛，很顯然這個道路的狀況就復雜了很多。

這個道路狀況，不僅僅道路的基礎設施更加復雜，參與交通的各種角色也更加復雜。我們從車里面看一下，這是一個十字路口，我在等交通燈，十字路口左轉對于無人駕駛來說是一個非常兇險的動作。

走到一個直路上面，馬上就是一個環島，環島是一個混合車流，有行人、有自行車、有車。進入到城區就變得更加復雜了，大家可以看到各種汽車、非機動車從各個不同的角度來去擠壓你的生存路線，這種駕駛技術在美國絕對是練不出來的，在中國一定要眼觀六路、耳聽八方，而且既要保證安全，同時也要足夠的激進，不然你就無法獲得路權。

我們做算法的知道，一旦出現數量級的差異，你的算法必須得改。在中國永遠有你沒有看見過的場景，這是我在重慶拍的，大家看，五層的立交橋、100個入口出口，可能外國的車就轉暈了，波浪形的道路，車直接從樓里面出來。所以我認為中國的無人駕駛解決了，世界的無人駕駛就不再是個問題。

第五個認知，中國的無人駕駛一定要在中國解決。

為什么呢？《網絡安全法》要求重要數據不能出境，無人駕駛的很多數據是不能出境的，而且外資是不能進行測繪的，碰不了高精地圖。

怎么辦呢？必須得在中國進行研發。大眾這個新聞說，中國供應商將幫助大眾集團首先解決中國的自動駕駛問題，同時這個自動駕駛能力還會在全球進行推廣。

第六個認知，我們認為需要一個大格局，生態大格局的協同創新。為什么這么說呢？大家看Waymo，1.1萬英里1次干預，一共開了2000萬英里，好不好？很棒，但是跟人類比起來差一大截，它的能力跟人類比起來差了一大截。

2000萬英里絕對不夠，大家看我們剛才說人類9400萬英里才出一次致命的事故，我到底要多少數據能夠證明無人駕駛比人開的更安全呢？

蘭德公司給出了一個數據叫110億英里，這需要你要有100輛車不吃不喝不睡開500年。Waymo現在有接近1000輛車，一個月開100萬英里，要開900年才能開得到。假設買8.2萬輛車，每個月跑8200萬英里，要開11年。

就是說你這個算法證明你是安全的要11年，萬一算法變化了呢、更新了呢？再證明還得11年。

怎么辦？我覺得一個非常樸素的想法，就是讓1000萬輛跑車這樣的算法，這樣一輛車只要跑1100英里。

怎么讓這1000輛臺車跑這個算法呢？我們覺得有兩個策略：第一個是“指鹿為馬”，明明是L2的一個車，它是一個鹿，但是我可以跑馬跑L4，明明是人在開，是鹿，我在后臺可以跑我的L4的算法，是馬。

這有什么好處？因為鹿是安全的，馬是不確定的。所以我在安全的幌子下面去跑不安全的算法去驗證，這叫指鹿為馬。另外一個是“草船借箭”，就是我要借大量這樣的車來去借到我的數據。

針對這個策略我們做了一套系統，這套系統是可以跟主機廠深度合作的平臺，我們把它叫做永不停歇的數據循環，這個焦點不是在車上，是在數據上。把各個步驟分拆叫“DOLE”，大家看這個虛線上面是車、下面是云。

首先我把算法部署在車上叫Deploy，有兩套，一套是主駕駛是鹿，另外一套是影子駕駛是馬，他們跑下來，我兩套算法比比，看看有什么不同，如果有不同我認為是高價值數據，我把它傳回來，或者我對這個鹿也可以進行打分，駕駛的好不好，把數據傳回來，這是第二個過程。

第三層是云端了，首先我對數據自動進行標注，標注以后自動對模型訓練，然后我自動進行仿真和驗證，變成可靠的算法，再部署進去，這是永不停歇的循環。

這樣的仿真環境里面算法驗證以后，我們就可以在這個測試場里面進行實車測試，把這算法部署到影子模型當中。

我們有幾種場景：

一種是影子模式，主駕駛人在開，無人駕駛系統在影子下面開。這是我們部署的一套系統，這輛車部署了自動代客泊車，人把車開到電梯口就下車了，用手機一鍵讓它去泊車。這套系統基于非常廉價的傳感器，6個攝像頭、10-11個超聲波雷達。同時，它也可以一鍵招車，讓它自己開出來。這中間的幾百米就變成無人駕駛，而這套系統我們已經交付給50個種子用戶，用了半年，零事故。在這套系統大家看，中間有一段時間是人開的，只要是人開的時候，傳感器和控制器就閑置，意味著我可以在后面開啟影子模式。

這個影子模式就是模擬在路面上、在停車場里面不同狀況，它可以通過影子模式進行訓練。

這是一個廣告，面向未來的自動駕駛優化提升，這是DOLE到來的第一種使用場景。第二種使用場景，我們和一些主機廠合作的另外一種方式，大家看主駕駛系統是預設的自動駕駛系統，副駕駛系統是主機廠自有的模塊。

這意味著什么呢？可以洋為中用，允許主機廠自主創新。比如我是一個合資公司，我可以把國外的模塊拿過來放到這邊，作為一個副駕駛，數據不能出去，但是算法可以拿進來。基于中國的數據進行驗證，雙系統可以進行配置，幫助主機廠進行創新。

第三種叫平行駕駛，主系統還是我們自動駕駛系統，而副系統變成了一個遠程進行監控的操作員。這是一個使用場景，機場無人佳士得物流拖車，我們真正實現了車上無人的運營。

大家看這個車上是沒有人的，我們經常看到無人駕駛，結果車上還得坐人。我們這個真正實現了車上無人的運營，可以拖行李，拖貨物。不是從飛機上運過來，靠近航站樓就完了，它可以自己開下航站樓，開到傳送帶。它不僅僅是可以在室外跑，也可以在室內跑。

真正實現無人駕駛的一個非常重要的關鍵，就是我有這套平行駕駛系統。在遠程可以坐一個人，在這輛車碰到潛在風險的時候，他可以進行接管。這樣這個雙系統形成了一種新的配置。

大家看我們有三種配置，一種配置是影子模式，主系統是人在開，副系統是我們的無人駕駛。第二種配置，主系統是我們的一套標準的無人駕駛系統，副系統變成了主機廠自有的算法模塊。第三種配置，主系統是無人駕駛系統，副系統是遠程的操作員。這是我們和主機廠進行協同創新的一個平臺，草船借箭，一千萬輛車需要很多很多主機廠一起來去做。

我們現在跟很多主機廠開展了合作，最終我們是希望真正的在一千萬輛車把這些東西跑起來。協同創新才能安全達陣。

最后做一個總結，我想我們藍皮書論壇聚集的都是這個行業的先行者和開創者。我們非常期待以一種非常開放的心態，協同創新的心態，跟大家一起同行，一起共創。謝謝大家！