吳甘沙：無人駕駛在路上

這位前英特爾中國研究院院長創立的自動駕駛系統服務公司——馭勢科技，目前將高度的自動駕駛和限定范圍內的無人駕駛當做目標。這家聚集群英的創業公司目標明確：要做自動駕駛汽車的大腦。

無人駕駛還要多久到來？心急的媒體說2017年。但是，中國自動駕駛的前沿探索者、馭勢科技CEO吳甘沙認為，無人駕駛不會這么快來到人們生活中間。這位前英特爾中國研究院院長創立的自動駕駛系統服務公司——馭勢科技，目前將高度的自動駕駛和限定范圍內的無人駕駛當做目標。這家聚集群英的創業公司目標明確：要做自動駕駛汽車的大腦。

離職創業

英特爾中國研究院院長吳甘沙于近期從英特爾離職創業、投身智能駕駛。“其創業的具體領域是局部時間和地域自動駕駛、人機和諧共駕。”他新創這家公司的重要股東是格林深瞳——一家專注于計算機視覺與人工智能的創業公司。

格靈深瞳聯合英特爾研究院院長吳甘沙、國家智能車未來挑戰賽冠軍團隊負責人姜巖等一同創辦了一家專注于自動駕駛領域的公司——馭勢科技。

馭勢要做的事情是為汽車品牌提供成熟的無人駕駛解決方案，一方面真正做到讓出行者無歧視，使得包括殘疾人在內的所有人都可以馭車出行，另一方面要減少車禍傷亡，提升道路通行能力，在保障出行安全的前提下，極大提高出行效率。

作為格靈深瞳的聯合創始人兼CTO趙勇代表格靈深瞳作為董事，而作為馭勢科技的兄弟公司，格靈深瞳也持續為其提供視覺感知方面的技術支持，確保馭勢始終擁有業界領先的無人駕駛視覺解決方案。

在馭勢里，吳甘沙與格靈深瞳分列第一、二大股東。之前吳甘沙在考慮創業方向時，最初想在機器人方向上創業，后來趙勇說服了他，說智能駕駛是一個現成的大市場，而格靈深瞳正想在這個方向上做深入布局與應用。吳遂應之，他曾判斷道，“未來汽車是家和工作場所之外的第三空間。毫無疑問它是任何信息技術和媒體的重要人口。”

“創業還是要借勢的。人工智能正在起勢，選擇人工智能、但又能變現大數據的積累，是最理想的。我當初想做的是個人服務性機器人，結果被趙勇拉上了自動駕駛之路，并且深深迷上了這個方向。”

除了吳甘沙、趙勇，馭勢的另外一個重要人物是姜巖。他此前的身份是北京理工大學機械與車輛學院教授、負責該學院的無人駕駛項目。

此外，馭勢科技的核心技術團隊里，還有吳甘沙從英特爾帶出來的兩個總監。

馭勢的英文名是UISEE。據吳甘沙介紹，這五個字母都對應一個英文單詞，本文就不一一解釋了，總之其含意是為了提高交通的效率，保護環境、安全，等等。吳甘沙特意強調，這個軟硬件結合的無人駕駛解決方案是為了創造“妙至毫巔”的駕駛體驗。

吳甘沙如此解讀這個技術團隊不同背景帶來的核心技術能力：

1、低成本地實現車對環境的視覺的完全感知。這是格林深瞳的技術積累。

2、低成本下實現自動駕駛的規劃與控制 ，這是姜巖的技術積累。

3、出色的軟硬件設計能力，能將芯片與軟件最高效耐用地整合在系統里，把硬件能力最大限度地利用起來，這是英特爾擅長的。

以格靈深瞳的技術為例。2015年9月，趙勇在接受科技媒體愛范兒采訪時曾說，“格靈深瞳現在正在做三款產品”，除了一款主要以銀行為客戶的安防監控設備，另外兩款都是與汽車視覺識別相關，比如可以識別行駛中的車輛，知道汽車的速度以及位置，而且還可以識別車牌號、車型，甚至生產年份。

格靈深瞳擁有這個技術積累，但如何讓它產品化、商業化，卻并不是那么簡單，一大原因是汽車這個產品與市場都相當復雜，只有成立獨立公司去研發及運作。

馭勢對格靈深瞳來說，即肩負這樣的使命。

與無人駕駛的區別

那么，馭勢這套技術解決方案與谷歌或百度的無人駕駛有何區別、何以競爭呢？吳甘沙從技術路線與模式兩個角度進行了解釋。

技術路線：谷歌或百度的無人車，其原型都是斯坦福的斯坦利機器人汽車，其運行離不開谷歌與百度的高精度地圖。

現在主流的自動駕駛方案主要基于三種感知技術形式——高精度的激光雷達、高精度GPS和高精度慣性導航，而這三套設備的售價分別為70萬人民幣、50-100萬人民幣、30萬人民幣。僅僅是感知設備就需要花費將近200萬人民幣，是低中端汽車售價的10到20倍，如此高成本的技術路線，想要實現自動駕駛的商業化就現階段而言根本不可能。

而馭勢的目標是不再讓汽車頭頂百萬人民幣的視覺感知設備，而是采用基于低成本感知的人工智能算法和雙目攝像頭打造更具商業價值的無人駕駛解決方案。

吳甘沙說，“馭勢的技術路線與特斯拉有點像，但在商業模式上又不一樣，我們自己并不造車。”

商業模式上，“馭勢初期的服務對象是車廠。就像今天的Intel inside一樣，會打上UISEE inside，以加強用戶對品牌的認知。當市占率到一定程度后，也許會進行商業模式的延伸，比如造出解決最后五公里的車，解決末端物流問題。”吳稱，“而谷歌更偏向于互聯網思維，它想打造一個Uber式的無人駕車交通系統。”

另外，吳甘沙還認為，在新事物的發展上，創業公司的勝算較大公司更大，這是他并不擔心谷歌百度蘋果等大公司也在做類似事的重要原因。他拋出他的“五論”來證明這一點：基因論（這不用多解釋，創業公司與大公因的基因本不同）、毒草論（一家大公司原有的主營業務會把公司的養料全吸走，大草周圍，寸草不生）、吃孩子論（主營業務受到新業務的威脅，勢必要去扼殺新業務。所以成功的新業務多半是從遠離主業務的地方長起來的，如微信之于QQ）、偽拼爹論（大公司的資源與優勢，換了一個新領域就不同了）、生孩子論（生孩子是一個女人懷胎九月，而不是九個女人懷胎一月，創業公司在特定領域里有資源集中優勢）。

除了馬不停蹄地確認融資（據說現在已基本確定新的投資方，盡管條件不是最優的，但在時間上能保證資金盡快到位。但他并不愿透露融資金額、更不用說估值了，據說是吸取了別的技術創業者教訓），他還希望今年6月份就能做出一個系統來，可以搭載在四輛車上（兩輛油車、兩輛新能源車）運行——由于大多數傳統油車并沒有開放線控，而智能駕駛必須靠線控進行，所以可以肯定的是，馭勢系統初期要主要搭載在已采用電子線控的比亞迪上。

造無人駕駛這么一個復雜系統怎么能做到這么快？肯定不會完美——吳承認。但他認為，“半個成品一定好于一個半成品，先把東西做出來再說。”這是互聯網公司如特斯拉有別于傳統汽車公司的思路。

“寶馬是傳統造車方式，三年憋大招，造出一個無人駕駛車來。而特斯拉是互聯網公司快速迭代，弄出半個成品出來，先拿出來讓別人來用，每個月就會推一個軟件版本。現在它借助推出的十萬輛車，就可以采集大量數據。所以寶馬只可能采集百萬公里級別，而特斯拉就會有十億公里級別的數據。”

吳甘沙高度頌揚機器在這個過程中的“學習能力”。

“我希望三年后（通過我們系統）能做到‘增強駕駛。機器能輔助或替代人的駕駛行為。有時是人在駕駛，機器也在駕駛，在這個過程中，機器始終在學習人的行為與判斷，如果機器與人的判斷不一致，那么系統會來查看這個記錄差異點在哪，進行深度學習。

“機器在一些單項能力——如速記、人臉識別上，已超過人類。但短期時間內，人工智能在綜合能力上不可能超過人類。人難能可貴之處在于能觸類旁通、舉一反三，在駕校學幾十個小時、上路幾百公里，就可以學會開車，但是，人一年也就開一萬公里，經驗止步于此，而且很多時候，好了傷疤忘了痛，并不能真的記住教訓、長記性。而機器就不一樣，如果有一萬輛車同時在跑、在進行記憶與學習，那么一萬輛車的一萬公里就是一億公里，這一億公里的數據上傳到云端“大腦”，機器是不會忘記的，并且“一瞬間”就學會了，它的知識是所有機器所掌握的知識的總和。也許機器在1000公里時還遠遠學不到什么，但是到一萬公里、5000萬公里、1億公里時，它掌握的信息與技能可能就會超過人。這就是人工智能注定會快速成長的原因。”

也就是在跟吳甘沙碰面那天，我看到一則新聞，就在剛剛，“特斯拉聘請前AMD首席架構師吉姆·凱勒擔任自動駕駛硬件工程副總裁。在特斯拉，凱勒并不一定專注于自主處理器的開發。特斯拉的Autopilot自動駕駛功能需要強大的處理能力。凱勒在硬件工程領域的經驗，尤其是關于低功耗設計的專業性將給特斯拉帶來價值。”

全球，從美國、中國到歐洲，傳統芯片廠商、傳統汽車廠商的大牛們如擋不住的細涓洪流，都在投向智能汽車、無人駕駛的研發中。這是一個顯而易見的誘惑與風口。這個市場是如此初期，以至于馭勢也好、谷歌百度無人駕駛也好、特斯拉或Mobileye也好，都來不及把彼此當確定的座標與對手。僅僅在十年之前，誰曾想到，中國汽車工業會迎來在某個層面上與歐美同行站在相似起跑線上的機會呢。

我們的優勢

自動駕駛跟大數據有千絲萬縷的聯系。咱們人只需要一點點數據就能夠學會東西，而且能夠觸類旁通、舉一反三，還能容錯，所以我們在駕校學幾十個小時、開上幾百公里就已經可以適應各種不同的情況了。但另一方面，我們可能一年就只能開一萬公里，而且越開到后面技藝的提升就越少。再看人工智能，一點點數據根本沒有用，它無法處理沒見過的情況。好在只要有一萬輛車裝了人工智能，每輛車一年跑一萬公里，人工智能就學到了一億公里。也許在五千萬公里的時候人工智能還遠差于人，但到一億公里的時候可能就超過人了。好的機器學習算法在數據增加時邊際效用可以遞增。我相信我在大數據上的所學，能夠幫助自動駕駛。

公司的中文名字叫馭勢科技，而英文叫UISEE，發音像you see，其實我們把愿景嵌在了這個名字里面。UISEE是五個單詞的首字母：

Utilization of time 給予出行者身心自由。我現在每天上下班3個小時，如果能把它轉為生產力該有多好？那樣全中國每天能平添數十億小時有用時間；

Indiscrimination 初學者無歧視。現在只有那些有駕照的人才能 drive a car，未來所有人都能 ride a car。愿所有人，包括老人，孩子和殘疾人，都能馭車而行；

Safety 減少90%以上的交通事故，相當于拯救100萬條生命和節省逾萬億美元事故成本；

Efficiency 在時間和空間上優化交通，減少城市80%車輛、道路通行能力提升4倍、釋放停車空間（相當于城市用地的10-20%），實現即時按需、無堵車的出行；

lEnvironment friendliness 更加環保，減少15%的二氧化碳排放和大氣污染。

實現的手段是小步快跑，迭代試錯。一步到位實現全天候、到處跑的無人駕駛在3-5年內不太現實，所以我們考慮兩條路線，一是在限定場景、特定區域、專用道路、增強環境下的無人駕駛，二是不限區域、人和機器的融合駕駛。

我們的優勢在于，各自身懷絕技的團隊因為同一個夢想走到了一起。趙勇是格靈深瞳的聯合創始人，他在14年開始看汽車視覺，在車用雙目立體攝像頭、基于深度學習的汽車視覺算法上有了極其深厚的積累。趙勇將代表格靈深瞳作為馭勢董事發揮重大價值，并確保馭勢始終擁有業界領先的無人駕駛視覺解決方案。姜巖是2013年智能車未來挑戰賽的冠軍，這幾年潛心專研低成本感知配置、無需高精度地圖的自動駕駛，已經在各種路況下實現了1萬多公里的技術驗證。而視覺感知、多傳感器融合、自動駕駛控制和規劃需要巨大的計算量，也就是說要在車上放置一個高性能計算機，我的背景比較擅長這方面。

這類創新技術，就像一個女人必須九個月才能生下孩子，而九個女人也不可能一個月生下來。大公司的資源優勢未必能發揮出來。我相信創業公司的好處是心無旁騖，死磕一個目標，能夠形成局部的資源優勢。我們團隊雖小，但個個是特種兵，我相信他們會在4個月后、10個月后創造奇跡。

智能駕駛有駕駛輔助與增強駕駛。駕駛輔助，是你駕駛的時候它給你提醒一下，也就是常說的ADAS。而輔助駕駛是一種半自動駕駛，在某些場景下實現機器的自動駕駛，在其他情況下還是由人駕駛。第三個概念才是無人駕駛，全天候、開放環境的機器自主駕駛我覺得至少要5年到10年。在幾年內我們做的技術跟Mobileye會有很多交集。

Mobileye是ADAS目前毫無爭議的領導者。但我認為它在做很大的轉型。大家知道ADAS本身算法比較單一，成本要求非常低，所以選擇低分辨率單目攝像頭、非深度學習算法。現在Mobileye前裝給車廠差不多是100多美金，而現在國內新出現的ADAS 行車記錄儀，不管做得好不好，后裝價格能夠做到1000到1500元。要做自動駕駛，Mobileye對硬件體系、軟件算法都必須大改，這時候傳統的優勢可能變成劣勢。我認為他們新的eyeQ架構一定是有巨大的改變，這時候要維持過去的技術就有可能成為負擔。最近的一則新聞，特斯拉聘用了前AMD的架構師做工程副總裁，可能意味著特斯拉對新一代eyeQ的能力并不確信，所以開始采用系統級的高性能計算解決方案。

國內目前有不少做ADAS的公司和創業團隊。但現在專注于做自動駕駛的創業團隊，我們還是唯一的一家。我們與Mobileye的差距不遠，要好好利用后發優勢。

創新創業正當時

有咨詢公司發布過一項調查，將創新分為聚焦顧客、效率驅動、科技創新和工程創新四種。中國人最擅長的就是前兩種，其實都屬于模式創新。原因如下：第一，中國的互聯網存在看不見的邊界，國外的巨頭不一定能進入，即使進入了也不一定能做好，這就存在模式創新的紅利，甚至把國外的經驗復制一下都可以快速發展起來，在此情況下選擇模式創新是很自然的選擇；第二，中國市場與世界市場不一樣，年輕人很敏銳，對互聯網市場有獨特理解，通過模式創新可以憑較低的成本進入市場，這也促使模式創新受到人們的青睞。

我國的科學（工程）創新十分薄弱，科技創業的比例非常低，但近幾年有所改變，尤其是O2O模式崩塌之后，有更多的投資人、創業者關注“硬科技”的創新。問題在于，我們在技術上的投入還不夠。有人提過一個“一萬小時定律”，意思是說想在某一領域做到專家，必須投入約一萬個小時的學習。如果每天工作8小時的話，大概是要5年。現在在技術上投入“一萬小時”的人，可能還不夠多。

從2007年開始，幾乎每兩年都會涌現一個新科技，比如云計算、物聯網、大數據、人工智能等。隨著世界的扁平化，很多新科技是“全球零時差”發布的，商業利益驅動加上開源軟件的普及，使得我們國家在這些新技術上至少不落后。比如“M2M”（機器與機器對話）的物聯網技術，中國是最發達的，人工智能中的語音、圖像識別，中國技術也很領先。此外，在新能源、新材料、量子通訊等領域，中國的表現都很好。尤其是中國的市場體量大，意味著技術轉化為商業應用的速度更快，這是我們的優勢。

在國外的創業圈中，會有一個“成人輔導”的慣例，即在幾個沒有創業經驗的年輕人辦公司時，會請一位經驗豐富的CEO先帶上幾年，等年輕人在商業上成熟了，再自己運營公司。我們國內的年輕創業者，沒有人幫忙，只得靠自己，就會產生一些問題，這個問題說明我們需要完善創業的機制。