大家上午好！很高興又來到品玩，當然這是我第一次來到TIC大會。我覺得品玩的調性就是在科技和商業之間能夠找到好玩又大開腦洞的東西。今天我講的無人駕駛的科學邊界和商業創新，就是希望能夠符合這樣一個調性。
首先讓大家一起來開一個腦洞，我今天是網約車過來的，未來無人駕駛一定是跟共享出行結合的。
今天其實網約車碰到了一些問題，這是我從賽迪研究拿來的數據，2017年滴滴給司機分成分了1500億，這裡面一共是74.3億單，也就是一天2000多萬單，客單價23元，88%分給了司機。這對於網約車公司來說，是很大的一個負擔。
我們想象一下，如果說我不需要司機了，無人駕駛的出租車，來實現共享出行，極端情況下，客單價可以降到1/3，也就是8元，比地鐵貴不了多少。通過一個相對保守的模型，可以推知每天可以增加到1億單，1億單也就是今天中國一天11億次有車出行的10%而已。一年365億單乘以8元就是3000億，而這3000億不再需要跟司機分成了，這是革命性地改變了出行的現狀。
Waymo是無人駕駛行業的盟主，我們馬上可以把車上的安全員拿掉，這是什麼樣的感覺呢？就是這樣，大家看乘客坐在後座，角色就是乘客，不是司機了。它在美國的亞利桑那的鳳凰城就這麼一個樣子，車很少、人也很少。但是要把安全員拿掉是巨大的勇氣，大家知道去年Uber就出了這麼一個案例，車在開，車上的安全員並沒有注意路上的狀況，他的眼神在看手裡面的手機，然後在黑暗當中突然有個人推著自行車出現，導致了無人駕駛歷史上的第一起致命的車禍。大家為Waymo要捏一把汗。
我們在國內做無人駕駛的測試，交通狀況可以說比Waymo碰到的複雜10倍以上，各種車，自行車、電動車，會從各個不同的角度去擠壓你的生存空間，會從雙黃線左邊超車，會對面過來佔用你的車道等等。所以
在中國其實是非常難的，不僅是環境的非不可預測的狀況非常多，而且我們數量級非常大。 大家知道我們做算法，一旦出現數量級別的差異，必須要有不同的解決方法。而且大家知道我們今天很多人工智能算法都是基於大數據，大數據前提一定是你見過。但是在中國永遠有你沒見過的地方，這是我在拍的，最左邊是五層立交橋，100個入口和出口，如果你沒有很好的像剛才講的定位和導航技術，絕對轉暈了。中間的路是波浪型的，右邊車直接從房子裡面出來。
所以再回到Waymo說的這句話，做無人駕駛這種人工智能，你經常會碰到這樣的困境，你覺得已經走完了90%，但是剩下的10%還需要90%的時間和精力。而這剩下的10%是非常折磨人的。就好比你對自家孩子說你怎麼才考80分，你要努力一下考到90幾分甚至你要考到100分，這是非常合理的要求。今天我們對人工智能安防就可以提出這麼一個要求。但是當你對你的孩子說，99分不行，你必須得考100分，而且你不能只是一次100分，你要連續考1000萬次100分，這就是對無人駕駛的要求，因為在汽車領域大家知道，我們需要99.9999999%，就是你要連續考1000萬次100分。
今天我們的差距是非常巨大的，大家看Waymo作為一個非常領先的玩家，它能夠實現每開1.1萬英里才有一次人工的監管。而這是它最近的數據。10年曆史一共開了2000萬英里，目前來說沒有死亡。這個技術算不算好？在我們無人駕駛行業裡面，絕對是No.1。但是大家看跟人比起來，這是美國的數據，每25萬英里出一次險，50萬英里見一次警察，每150萬英里有一次受傷，而9400萬英里才有一次致命事故，Waymo今天才開2000多萬英里而已，沒有死亡並不能說明問題，因為美國人9400萬英里才有一次致命的事故。
這是蘭德公司的一個數學模型，假設說你要有95%的置信度，證明無人駕駛比人類安全20%。需要多少數據證明呢？需要110億英里，什麼概念？今天我們頭部的無人駕駛公司差不多是在百輛測試車的規模，如果這100輛車不吃不喝不睡不停地開，要開500年才能開到110億英里。Waymo現在有1000輛車，但是它不可能不吃不喝不睡，它現在每個月100萬英里，基於這樣的數據，需要900年才能開到。這就是無人駕駛特別困難的地方。
那怎麼辦呢？我現在分兩路去走，第一路是我們實在等不及110億英里的驗證，怎麼辦？我要想出辦法來進行商業的創新。
有兩個心理學的定義，一個叫機器犯錯定律，這邊一個人，這邊一個機器，同樣做一件事情，都犯錯了，人犯錯我們可以相信他，下一次不會犯錯。但機器犯錯了，我再也不信任它。所以我們一定要控制無人駕駛的商業化進程，步子不能邁得太大，不能太冒險。
第二個叫熟悉定律或者叫曝光定律，就是這麼一個自動化機器，你必須讓用戶去熟悉它，去用它，在用的過程當中，他會建立起對它的信任，會變成一個自動化的擁護者。基於這兩條，我們必須得去找商業創新。
我給大家介紹幾種商業創新，第一個是停車場，停車場裡面的車速度非常慢，這是汽車領域裡面的一個統計數據，當你20英里的時速撞上一個人生還概率95%，30英里生還概率降到60%，40英里又降到20%。所以作為無人駕駛你現在要做商業創新，必須要先把速度降下來。
馭勢科技在停車場裡面做了一款技術，叫自動代客泊車，車主把車開到電梯口就下車，通過手機一鍵可以泊車，這個車可以自己在停車場裡面去開到你的停車位，或者是自己在裡面兜找停車位，如果沒有停車位它還可以一直在裡面兜。這套系統做得非常便宜了，因為不需要激光雷達，只需要6個攝像頭和12個超聲波。人要走的時候也可以一鍵把它召喚出來，這套系統我們已經部署了50個種子用戶，這50個種子用戶每天都在用。在現實生活當中，大家看到這樣一個沒有駕駛員的車都會去挑逗它，它每天都要經歷很多這樣的挑逗，技術相對還是比較成熟的。
而且在這麼一套系統裡面，我們還可以進一步加上一個功能，叫高密度泊車，這位車主下車了，車可以自己開到附近的停車場去。而在這個停車場，我只需要租兩個停車位可以租3輛車，因為這個人早就下車了，不用再開門硬擠下車，人走的時候還可以把車叫出去。這樣一種高密度泊車帶來什麼樣的好處呢？未來我們停車場可以重新設計，未來停車場大家可以看到，就可以設計得這麼密密麻麻。只需要三條車道給大家走，其他都滿了車。大家問如果其中一輛車要出來怎麼辦？大家都玩多滑移道的遊戲，挪擠車就可以了。
第二個商業創新叫新公交，大家知道我們剛才說的共享出行是乘用車變得越來越共享化。但另外一方面，我們公交車是不是也可以越來越個性化呢？什麼叫公交車個性化？就是我不需要走到公交車站去坐車了，公交車能不能來接我？比如說這是一個設想，未來公交車就設計成這麼小小的方盒子，裡面坐6個人，你手機可以直接把這個車叫到你家門口接你。接上了你以後，它可以匯入到主幹線當中跟其他的方盒子匯到一起，這就像一個地鐵了。在你要向另外一個方向前的30秒，它會提醒你走到幾號車廂坐下來，這個車廂就跟其他的車廂分流了，開往另外的方向。它既有我們今天的出租車的個性化，又有公交車的效率和密度。
另外一種公交的設想，大家都知道“三蹦子”，就是一排人開的電動三輪車，在地鐵口接人。未來我覺得我們這樣的車完全可以自動化，甚至於它把人接上了以後，還可以這樣跟主幹線的大車交換車流。大家想象一下，未來我可以叫這麼一個小車把我接上，然後送到一個大車邊上，中間門一打開我上去了，這又是一種個性化和共享化的結合。
今天我們在新區新城已經可以看到這樣的新公交，它幹什麼用？第一是在上午10點鐘到下午4點鐘之間，大公交的上座率是非常低的，我們把它換成無人駕駛巴士。第二是大家知道現在我們推崇一種叫夜間經濟，倫敦的夜間經濟佔GDP的1/6，晚上半夜裡面，人出行怎麼辦？我們可以用這樣的新公交。馭勢科技也跟宇通客車合作，在鄭州的一條公交線路上部署無人駕駛巴士，這樣的新公交，可以成為我們今天公交的非常好的一種補充，以非常高的效率和相對低的成本，能夠去實現一部分人的個性化出行需求。
第三個叫實體經濟，比如說馭勢科技現在跟國際的頂級機場在做的機場無人駕駛，我們的無人物流拖車今天其實是一輛車需要3.5個司機，7天24小時運營，成本非常高，司機也很痛苦。大家知道在機場工作，其實是條件非常惡劣的。現在這樣的車，我們可以對它進行無人化的運營。這樣無人化的運營，意味著我們可以部署更多的車輛，部署更多的車輛，意味著每一輛車需要拖的行李可以減少，每輛車拖的行李減少，意味著我可以更快地拿到行李，這也是對我們的幫助。
最後我想再說一下，在商業創新之外，還有科學邊界的問題，我們如何能夠去實現百億英里的數據和驗證能力。剛剛我們說110億英里靠100輛車絕對不行，我們一定要讓1000萬輛車具備數據採集和驗證的能力，1000萬輛車，每一輛車跑1100英里，110億英里就有了。怎麼辦？第一是叫草船借箭，要通過這1000萬輛車採集數據，而不是100輛車採集數據。第二個叫指鹿為馬，就是讓這1000萬輛車去驗證你下一代的無人駕駛技術，同時必須得沒有安全風險。
怎麼做呢？現在有一個詞彙叫做影子模式，什麼意思呢？
在車端，就是虛線上面的部分，有一套主駕駛系統，我們把它叫鹿，可以是人在開，可以是今天的一套比較保守的無人駕駛系統在開。同時在影子下面，是馬，它在跑一套下一代的更先進的無人駕駛系統，但是它有可能不安全，因為它太激進了。不安全沒關係，因為主駕駛負責安全，影子駕駛是負責下一代技術的探討。
如果說這兩套系統得出不同的結論，我就把數據拿回來，經過雲端的數據流水線自動標註，然後做新的模型的訓練，然後做仿真驗證，驗證完了以後，我可以把新的算法再push到車端。所以這樣一條永不停止的流水線，對於未來完成這110億英里的驗證是非常重要的。在我們和主機廠合作的自動泊車系統上面，就有一個“面向未來的自動駕駛優化提升”功能。
剛才的閉環當中很重要的一塊是測試體系，數據源源不斷過來進行標註、模型訓練，我怎麼對它進行驗證呢？現在最簡單的就是實車驗證。馭勢科技在浙江做了一個測試場，在這個測試場裡面，我們有近10種車型7天24小時 不停歇地進行測試。這裡面有小巴，有像Smart這樣的小車，也有剛才我們說的機場裡面跑的拖車。這樣一種驗證，實體的驗證，成本是非常高的，而且很重要的是它的測試強度不夠，也就是說你沒辦法在很短的時間裡面讓它經歷各種各樣複雜的狀況。這樣意味著我們要做很多其他的實體驗證，而這些驗證是非常危險的，說實話我們的安全員、測試員是冒著生命危險在做這樣的測試。
但不做這樣的測試不行，因為你並不知道你的算法在實際的狀況當中，能不能經歷這樣一些突發的挑戰。比如說我們剛才說的拖車，怎麼樣應對人開的拖車的突然切入。這些我們都必須用實際測試去測。另外一個實際測試非常重要的是在惡劣天氣下的測試，而這種惡劣天氣可遇不可求，這樣的大雨要靠天，有時候我們必須自己去設計一些大雨的測試案例。
現在我們把更多的測試放到虛擬的空間當中，就比如剛才那個測試場，我們給它建立了一個數字孿生，在這個數字孿生當中可以模擬各種各樣的天氣，各種各樣的交通狀況，去做各種危險的測試。
比如說這是我們機場拖車的模擬仿真，確實是在這麼一個國際機場當中，現在要仿真的是什麼呢？彎道超車，彎道超車這輛大巴佔用的空間路權非常多，而且大巴大家知道都開得比較猛，還不讓你輕易地超車。那麼你就在這樣一種互動當中，你可以把你應對不確定性、應對安全風險的能力可以鍛煉出來。這是一個交鋒的過程。
另外我們還可以在仿真環境裡面創造各種案例，這種案例叫
鬼探頭，就是在路邊停了一排車，有些人突然從這些車裡面竄出來，這種鬼探頭很難處理。實際做測試也很難，現在你可以在這裡面把這些人出現的軌跡都設計好，在實際的過程當中，大家就看可以測試了。我們還可以模擬各種各樣的交通流，有的車是開得比較猛的，有的車開得比較柔，這種環境裡面我們怎麼驗證。大家知道雲計算裡面經常測試，要引入所謂的混亂猴子，就是在裡面搗亂，現在我們可以控制行人，行人就是不斷地給車搗亂，在車周圍騷擾它，通過這樣的方式，也可以加強對它的測試。大家知道我們現在出現了一種新的技術叫生成性對抗網絡，生成性對抗網絡的好處是它能夠去想象，它能夠去創造現實生活當中出現過但又不完全一樣的東西。所以我們可以利用生成性對抗網絡解決無窮無盡的現實生活中的測試案例，這樣就可以使得你的110億英里能夠更快地在虛擬環境當中，不用燒油，不用安全員的風險，通過算力去實現。
最後我想所有我們做的這些，是希望能夠培養出下一代人工智能，下一代的駕駛智能 ，又更像人，在駕校裡面學了幾十個小時，在路上開了幾百公里就會了，而不需要110英里。這樣的駕駛智能一定是基於幾個重要的元素，第一個是有背景知識和嘗試的，相當於人在考駕照之前18年的社會閱歷。第二個，它是能夠不斷地熟能生巧的，利用強化學習和模仿學習。第三個是這種智能是可解釋的，可推理的，能夠推知因果，知其然同時知其所以然。最後它是能夠舉一反三的，通過遷移學習，通過領域遷移和適配，能夠適應大千世界的萬千變化。
所以這是我們對無人駕駛今天的科學邊界和商業創新的理解。我們今天是創新者大會，無人駕駛一定不是一個人去戰鬥，我們也非常期待能夠跟在座的創新者，我們認為是這個行業的先行者，與先行者同行，與開創者共創，謝謝大家！
閱讀更多 馭勢科技 的文章
