专访驭势科技CEO吴甘沙：未来自动驾驶挑战来自小概率事件

在过去两年时间里，自动驾驶技术在多个场景里有了落地，比如矿场无人车、码头港口的无人货运车、机场无人物流、创业园区里的无人接驳车、车库里的自动泊车等等。这些场景的落地，是否意味着自动驾驶规模化落地的时代已经到来？自动驾驶技术是否已经成为普通大众能承受的技术？未来自动驾驶的挑战在哪里？

带着这些问题，在2019世界人工智能大会期间，澎湃新闻（www.thepaper.cn）专访了驭势科技联合创始人兼CEO吴甘沙。在2016年创立驭势科技前，吴甘沙是英特尔中国研究院院长，是英特尔中国研究院的第一位“首席工程师”，也是第一位非美籍华人院长。

驭势科技成立于2016年2月，致力于用人工智能和大数据重构人和物的交通，为十亿级人群交付安全、舒适、高性价比的全栈智能驾驶技术方案、产品和服务。对于驭势科技的未来规划，吴甘沙称要在2020年，实现自动驾驶技术交付的规模化应用。

“在自动驾驶技术落地过程中，我们总结出了三条商业化落地的经验。首先是客户必须得真需要，这个技术真的能帮助他们解决业务痛点；第二是这个技术必须在法律和技术上可以实现的；第三它有商业价值，能为客户降本增效，也能为我们带来盈利。”在聊到自动驾驶技术如何实现商业化时，吴甘沙如此告诉澎湃新闻。

自动驾驶落地商业化的三条经验

成立三年多来，驭势科技在出行和物流两大领域里有所布局，并接连与上汽通用五菱、中国一汽、上汽大众、北汽、宇通客车、通用汽车、奇瑞新能源等多家汽车品牌，以及与广州白云机场、中国香港国际机场，中国移动、中国联通、中国电信等行业头部客户达成了合作。

可以看出，在自动驾驶的商业化过程中，驭势科技走的是单一场景下，实现特定需求的无人驾驶。这样的行业切入，也让驭势科技获得了上汽通用五菱、宇通汽车等客户。经过三年的应用落地，吴甘沙总结出了三条自动驾驶之所以能实现商业化的经验。

“首先是客户必须得真需要，这个技术真的能帮助他们解决业务痛点，而不是单纯地只是为秀技术，吸引眼球；第二是这个技术必须在法律和技术上可以实现的；第三它有商业价值，能为客户降本增效，也能为我们带来盈利。在我们最好的场景里，依据我们的计算，自动驾驶技术至少要取代掉三个以上的司机，才能同时去解决客户的管理成本的问题。要知道，在这些场景里，人的流动率是非常高的，而对人的培训又非常昂贵。”吴甘沙说。

如何降低自动驾驶成本

在自动驾驶领域里，除了有科技公司在投入外，传统汽车生产商也在积极拥抱新技术，纷纷与科技公司合作。这似乎已经成了自动驾驶领域里的一种大趋势。

“其实，整个行业发展到现在，那些一开始都觉得我自己什么都能做的公司，已经开始意识到，自动驾驶其实是一个非常庞大而复杂的系统，不可能一个人做下来。他们逐渐发现在这个行业里，应该做你最擅长的东西。所以你会发现，在自动驾驶技术逐步应用的过程中，技术和价值的流动不再是沿着传统汽车生产单一的链条在流动，而是变成网状结构。”吴甘沙说。

这样一来，未来的智能驾驶行业会变成网状结构，这就给了新创公司机会，它们都能够在网里面找到它的价值。也正是因为价值流动不再是单一流动，未来要想降低自动驾驶的成本，单靠一家公司来实现已变得不太可能。

“在垂直领域里，自动驾驶的成本一定是靠整个产业链才降下来的。那么降成本往往有以下几种方法，一种是和其他合作方合作，从而让部分硬件以低成本方式来提供；另一种是我们从客户那边拿到更多的意向订单，通过意向订单去引导我们的供应链。告诉他们，虽然现在只是几台的订单，但未来可能是几千台几万台的应用。”

自动驾驶的挑战：小概率事件

外界除了关心自动驾驶的成本和商业化落地外，对于自动驾驶的安全也格外关注。时不时爆出的自动驾驶安全事故，也让大众对于自动驾驶的安全打上问号。对于自动驾驶技术提供商来说，是否只要做更多的路测和拥有更智能的算法就能保证技术的安全性？未来自动驾驶的挑战又在哪里？

“自动驾驶其实是一个短板效应，也叫木桶效应。现在我们可以把自动驾驶的大脑做得非常好，但有两块不行，一块是眼睛，一块是小脑。”吴甘沙如此分析。

自动驾驶的眼睛指的是激光雷达，吴甘沙认为，目前激光雷达的成本寿命和可靠性，可能还没办法达到to C（针对消费者）的量产需求。而所谓小脑指的是自动驾驶的执行机构。“真正能够针对L4级功能的安全制动和转向，还有好几年才能出来。也就是说，就算你决策都对了，突然汽车的转向和制动出现了单点失效，那还是会出事。所以调整还是在整个产业链的成熟。”吴甘沙说。

在当下的人工智能算法下，自动驾驶系统只有学习过，或者说遇到过各种突发情况，才能在下一次发生同样的情况下，学会处理。这也为什么，许多公司都在努力让自动驾驶汽车增加实际路测里程的原因。

但对于驾车行驶来说，存在着长尾小概率事件。日常生活能遇到的驾驶问题，这是长尾的头部问题，自动驾驶现在或许已经可以处理。但长尾的尾部却是小概率的事件，是当下自动驾驶无法学习的无穷尽事件，这就给自动驾驶的安全问题打上了疑问。

要解决这个问题，吴甘沙认为有种方法。

“一是利用人工智能算法的提升。我希望未来的人工智能算法可以做到只要AI学习过一遍，就能对此前未遇到的问题，做出像人类一样举一反三，触类旁通的反应。二是未来需要解决自动驾驶的测试系统。希望可以依靠云端测试和实际路测，丰富自动驾驶系统的路测体系。这样才能更好地保障自动驾驶的安全问题。”吴甘沙表示。