无人驾驶：从轻絮飞扬到落地为安

我们所期望的无人驾驶滴滴或顺丰，到底什么时候梦想照进现实呢？现在有两种说法，一种是2021年，一种是2025年。2021年因为很多车厂、科技公司2016年做5年计划，2016年加5年，就得出2021年了，这样规划到底科学不科学呢？

我今天的演讲题目为什么叫“从轻絮飞扬到落地为安”呢？今年年初的时候我有一个观点，如果2016年是无人驾驶的立春的话，2017年是雨水，雨水充沛、草木萌动，大大小小的公司都起来了。2018年当时我预测是惊蛰，既能够听到商业化的春雷，同时也会有倒春寒，事实上是什么样子呢？

发现我们一下子跳过了好几个节气，直接到谷雨了，天气非常暖，满天都是杨絮，但是杨絮很轻，不落地，这是一个问题。

当然这个问题跟国际投行对这个行业非常乐观的预期是有关系的，大家看到这边这些图标。首先大家看两家汽车公司，在美股一直大牛市的背景之下，他们跌去了差不多三分之一，跌去了100、200亿美金的市值。另外一方面，像CRUISE是通用汽车2016年初花了10亿美金买的，今年在软银和本田的加持之下，估值一下子就到了146亿，相当于通用汽车市值的三分之一。

我们再看Uber720亿美金，好几年了都没有什么变化。相比之下，Waymo一下子从700亿美金蹿升到1750亿美金，800亿的出行、900亿的物流，再加70亿的授权，这几个数字加起来不等于1750，不知道外国的投行算数是怎么算的。

但我们可以看到一些结论，首先在商业模式上出行比造车高一个维度，汽车公司卖一辆车1200美金的利润，如果生命周期里开12万英里，一英里只有$0.01~0.05。而无人驾驶加上共享出行，每英里的利润可以达到$0.1 ~ 0.5**，商业模式上有10倍的差别。

从估值逻辑上，Waymo代表无人驾驶技术的领先性，Uber代表今天共享出行的市场占有率，在评价公司未来的占位时，技术的领先性优先于出行的市占率。

第三，无人驾驶不仅解决出行的问题，还能解决物流。Waymo的估值当中还包含了解决城市交通、影响房地产等因素。无人驾驶技术对不同场景的适配能力很关键。

当然了，要实现这么多的期望，Waymo要投入很多的钱，未来几年部署82000台车，如果按照20万美金的价格来算，要投入164亿美金，至少也要上百亿。今天它是不到1000台车，一个月能积累100万英里的里程，如果82000台，一个月它能跑至少8200万英里的路程。

当然，从它2017年批露出来的数据看，其无人驾驶的水准可能还不尽善尽美。大家看图中蓝条是2017年的数据，Waymo 每5596英里需要一次人工的接管，不接管就有可能会出事故。这样的水准跟人类驾驶员的平均水准还差得很远，在美国人类驾驶员每50万英里出一次普通的事故，每9500万英里出一次致命事故。

兰德公司用数学模型证明，在死亡率上，要验证无人驾驶比人好20%，并且有95%的置信度，需要110亿英里的数据，这是什么概念呢？如果你有100辆车，一天24小时不吃不喝，一年365天无休，40公里的时速，需要500年才能达到这个里程。如果Waymo一个月8200万英里大概需要开11年。从某种意义上来说，这是一个不可能完成的任务，也就是我们在统计学意义上证明无人车的安全性。当然兰德这个理论稍微偏理论，实际其实有一些证据显示不需要110亿英里，但仍然是很大的一个数字。

那么我们所期望的无人驾驶滴滴或顺丰，到底什么时候梦想照进现实呢？现在有两种说法，一种是2021年，一种是2025年。2021年因为很多车厂、科技公司2016年做5年计划，2016年加5年，就得出2021年了，这样规划到底科学不科学呢？

可以说不科学，但也科学，现在有一种说法叫做默顿定律，白话来讲就是人有多大胆、地有多大产，首先有一个预言，因为很多人相信这个预言，大量的人和资本都进去，预言就自我实现了，所以2021年成为了一个自我实现的预言。但是随着时间的流逝，大家发现技术成熟的基本规律在那儿，这个承诺是无法兑现的。这是某汽车品牌在2016年8月份的一个官宣，说2021年就能够实现无人驾驶的共享出行了。一年以后2017年8月份，正好差不多一年以后，新CEO上来说2021年，咱们有点太乐观了，这是关于2021年的一种观点。

也有一种说法说是2025年，刚才韦总引用了比尔盖茨的一句话，非常类似这个Amara法则，人们往往会高估技术的短期影响力，如果认为一两年就能翻天地覆地改变这个世界，是高估了，但同时会低估技术的长期影响力，你觉得它一辈子不可能实现，结果5年、10年就发生了。

但是5年、10年是不是一定能发生？也不一定，大家看最近有这么一家机器人公司Rethink Robotics关闭了，这家机器人公司的团队要多豪华有多豪华，它的创始人罗德尼.布鲁克斯是做机器人最有名的一个教授，MIT的教授，团队也是MIT的团队，他们做了10年，最终关闭了。

我们学到一些什么样的教训呢？

首先就是演示的技术跟规模化应用的技术完全是两回事，两者间的距离可能是比想象的要长。用谷歌的说法，我们花了10年，走了90%的路，剩下10%的路还需要90%的努力去完成。

第二个闭门造车是有问题，他们想了一些非常棒的功能，比如教机器人学习操作，是好高骛远了，太难。另一方面则是锦衣夜行，做了看似很棒的功能，工业机器人的场景用不上。相比之下另外一家机器人公司Universal Robots就更加务实。

第三个是一个悖论，就是这个东西很贵、不实用，就卖得少，这样数据就少、进展就慢，形成一个恶性循环。

我们做无人驾驶，要避免这些问题。

无人驾驶选择什么样的路径，硅谷的说法有两种，这是登月工程Moon Shot，那么我要一步登天造火箭，另外一种思路是造火箭见效周期太长，不如先造梯子、好歹能离月球近一点。

前者是一步到位的做法，高举高打，但短期看不到商业模式，5年、10年靠VC去买单，这种思路有问题，没有Waymo的命还偏偏得了它的病，这条路是百亿美金的赌注，但也没有人能够保证82000台车跑起来了，无人驾驶的问题就解决了。

后者呢，是农村包围城市，先做小根据地。但这种思路也有失偏颇，按照资本界的那种说法，天下大旱，为了生存不断进化，进化成了仙人掌，等到雨水来的时候再也没有办法成长为大树。

驭势希望在两者之间找到一条路，我们把蓝图叫“犯其至难而图其至远”。我们用造火箭的技术造各种飞机，用造飞机赚的钱，更重要的是，飞机运营中获得的数据来提升造火箭的技术。

具体而言就是，我们致力于研发开放道路L4的技术，但是把它降维到具有确定边界的L3和L4的商业化场景，包括载人和物流。

另外一方面我们选择两个领域，左边乘用车领域产量高、利润低，但是利于积累大量数据，右边专用车/商用车领域产量低但是利润高、落地快。左边的技术演进快，产品成本低，应用于右边，比单纯做右边的有技术和成本上的压倒性优势。右边赚来的钱，也可以反哺左边的路径。

在中国我们其实已经开始挑战最困难的L4场景。画面上是Waymo在亚利桑那州跑它的无人驾驶出租车，第一感觉路上人很少、车也很少，都很受规矩。再看看我们需要调整的复杂场景，这个视频是驭势很久以前的一个路测视频，给大家看。交通环境特别复杂，大十字路口车很多，多数道路是每个方向单车道，环岛加人车混行是最复杂的，环岛车流非常紊乱，还有几个骑自行车的，从环岛的这个出口出去，进入到一个繁忙的城镇当中，这时候各种车，机动车和非机动车，会从不同的角度来挤压你的路权和安全空间，跨黄线超车，对面车辆占用我方车道。这时候对我们整车的可靠性、安全性，对我们感知算法的鲁棒性，对于复杂环境的决策能力其实带来了很高很高的挑战。

即使这样的L4级自动驾驶暂时还不能大规模商业化，但至少可以看到这样一种技术已经可用了，我们把它降维到有确定边界的场景当中，主要是两方面，一个是减速，做商业化，车上必须没人，万一有事故，速度决定了事故的严重性；另一个是场景化，通过ODD的概念，对参数约束。

首先是我们上面说的“右边”部分，低产量、高利润的专用车和商用车场景。我们的无人驾驶技术已经运用在多个场景：

第一个场景，这台拿了红点设计大奖的车在园区行驶，是贵宾休息室、城市移动包厢的概念，适合领导巡视、参观。

第二个是无人驾驶摆渡车，主要用于景区、度假村等场景，也是完全为L4级自动驾驶设计，没有方向盘、油门刹车，前不久在北京的5G自动驾驶峰会和中关村双创周承担了礼宾车的任务。

同时将L4技术运用到物流上面，比如这是与主机厂的合作，无人车用于厂房内和厂区里的不同物流场景，尤其是右边那个，一辆无人车，拖着三辆同样的新车，按照我们计算机的术语，这是一种递归调用。

在所有场景中，我们尤其需要发现高频、刚需的场景。这是我们在机场跑的无人电动物流拖车，它可以运货物和各种各样的行李。这个场景非常好，因为机场现在人力成本非常贵，而且环境恶劣、招不到人，有强烈的需求。同时，机场的环境也很锻炼无人驾驶技术。比如，这是在下瓢泼大雨，对算法和系统的可靠性都非常挑战。这是很长的弧形隧道，这对无人驾驶来说也是一个非常困难的场景。我们现在的无人电动物流拖车真正进入了机场，跟飞机开始共享路权，这个对安全可靠性的要求非常高。

我们还有一个重要的场景是限时限区的微循环巴士和快速公交BRT，在与行业的巨头合作。这些在中国都有落地的场景，尤其是新区新城特色小镇，可以给他们专用车道。这张图上左边是雄安的市民服务中心，地面上绿色的这个车道上写着“自动驾驶专用车道”，而右边是一个典型的城市BRT的车道。

在这些场景中，最好有车路协同。在车路协同方面，我们很早开始探索。这是我们在世界移动大会上与中国联通和爱立信联合展示的基于5G的车路协同，而这是房山5G自动驾驶测试区，我们跟中国移动、当地政府和一些兄弟单位一起搞。

运营的真谛就是要永远留有后手，准备小概率事件。比如这辆车做自动代客泊车的时候假如出现了一个问题，泊车失败的事件会马上接通远程的运营中心，这是远程运营中心的操作界面，操作员看着这些增强现实的屏幕，通过操纵杆熟练地操纵这辆车停入停车位。

最后，运营的目的是放大价值、创造价值，大家看右下角这张图，在极限情况下，普通的一个侧方位停车的停车位可以停两辆到三辆车。而这是下一代的高密度泊车，可以进一步把停车容量提升5倍。这将极大地节省社会资源和运营成本。

我们希望自己扮演的角色叫无人驾驶的“中场发动机”，就像足球中的中场，负责穿针引线、为前锋传球，前锋就是我们的一些客户，包括像车厂、机场等等。

我们给自己的定位不是Tier1，而是Tier0.5，这包含了三层含义：首先，在研发阶段，我们与客户协同创新、共享成果；第二就是在运营中做数据的共享，我们认为在大量交付的车上获得数据、做实车的算法验证，比Waymo在82000台车做更好，数据更多，场景更丰富；第三就是全生命周期做联合的运营，帮客户放大存量价值、创造增量价值。让客户先成功，我们得最后一桶金。