文 | 搜狐科技 尹莉娜

11月26日，由搜狐科技主辦的“2019搜狐科技AI峰會”在北京舉行，為廣大讀者解讀AI前沿新技術，探索行業新趨勢。

滴滴自動駕駛公司COO孟醒在會上表示，“過去其實有一個假設，誰在技術上領先，誰就最有可能在商業化得到制高點”，但這個觀點在最近兩年發生了較大變化，大家都不知道這條路線到底是不是真正商業化路線最好的評判標準。過去自動駕駛公司都是獨立的，2016年開始在海外跟車廠結盟，2018年以后車廠之間也會結盟，所以變成了幾個聯盟相互競爭，推行自動駕駛落地，這肯定不是一個創業公司單打獨斗的方向。

能夠讓自動駕駛落地的因素除了技術之外也變得更加復雜，比如政府的落地支持、足夠的資金、商業的場景、運營的能力，尤其是交通運營車輛和運營能力。

以下為孟醒演講原文：

各位中午好，很高興在這里和大家分享滴滴在自動駕駛的商業化落地。因為今天嚴重超時，我就講得稍微快一點。大家應該都對滴滴很熟悉了，覆蓋了很多城市、很多人群、很多訂單，訂單大到什么程度呢？平均每個中國人每個月都會用一次，今天主要分享一下滴滴自動駕駛和大家的關系，以及大家最關心的什么時候能夠到來。

滴滴自動駕駛公司已經做了很長時間了，只不過過去只是研發中心，我們已經成立了三年時間，現在是在中國北京、上海、蘇州、美國加州都有Office，將近200多個工程師一起解決全站的自動駕駛，就是從感知、決策、控制到下面的車輛工程、離線地圖和模擬器等等各個方面的問題。北京、蘇州、上海和加州我們也都有測試中心，已經跑了將近兩年的時間，積累了大量的數據，一起推進自動駕駛的發展。過去整個行業都是這樣做的，我們并不是最早做自動駕駛的，WAYMO 2009年就在做自動駕駛的演示，2011年就從兩個機場之間完成了Local200多個紅綠燈的路側，但是整個行業最近兩年發生了比較大的變化，我是2016年在做風險投資，今年加入滴滴來做自動駕駛，2016年我自己開始投資自動駕駛，所以可能有兩個帽子，就是從投資人和從業者的角度來看自動駕駛，正好近幾年發生了比較大的變化。

國內2018年之前看自動駕駛行業是非常標準的流程，早期2015年成立的公司絕大多數只有團隊，可能在學校做過自動駕駛的創業，參加過美國國防部的比賽，國內對應的就是汽車的挑戰賽，很優秀的團隊從學校出來，選擇一條技術路線，比如視覺為主的激光雷達，也是機器學習判斷的感知體系，或者是通常以規則為核心的技術路線，然后在很快的階段放出一個DEMO，開始可能是在高速公路或者平滑的地面上去跑，接下來就在不同的天氣場景、雨天天黑的時候、車道線不明顯的地方慢慢上線，基本上就是以這樣的路線往前推進，每年可能會有一到兩個往前走的進步，大家可以觀察到進度的快慢。

過去其實有一個假設，誰在技術上領先，誰就最有可能在商業化得到制高點，也就最有可能把商業化的路徑趟出來，大家都認同自動駕駛是一個巨大的行業，技術和人就是最好的標準。最近兩年發生了比較大的變化，大家都不知道這條路線到底是不是真正商業化路線最好的評判標準。海外的變化就是很大的車廠都做了非常大的投入，但都不是自己在做投入，都是開始發生聯盟性質的投入。過去自動駕駛公司都是獨立的，2016年開始在海外跟車廠結盟，2018年以后車廠之間也會結盟，所以變成了幾個聯盟一起推行這個方向，肯定不是一個創業公司單打獨斗的方向。

能夠讓自動駕駛落地的因素除了技術之外也變得更加復雜，比如政府的落地支持、足夠的資金、商業的場景、運營的能力，尤其是交通運營車輛和運營能力。剛才講過一個很大的變化就是聯盟的形成，接下來不是公司和公司之間的競爭，而是聯盟和聯盟之間的競爭，美國Cruise和通用汽車比較廣泛的結盟已經開始變得非常主流，國內這樣的聯盟其實還沒有形成，或者今天可能是形成聯盟的一個起點。

2018年之前我們看到政府引導的方向比較零散，更多的是給予地方性的自動駕駛路測牌照的支持，北京很早就發了，一些其它的地區也有。但是今年9月份以來行業突然加速，尤其政府的創業加速，9月份上海發布了中國第一塊自動駕駛載人示范運營牌照，也就是說過去路測其實只是內測，但是拿到牌照以后我們可以開放給每一個人，就是讓每一個人都乘坐自動駕駛的車去體驗自動駕駛存在的便利和安全性。現在陸陸續續又發了在武漢、重慶等等地區的牌照，一下子使得這個行業本身突然變得非常的熱，很多公司預期會在未來一段時間開啟載人運營服務。

但其實這是一個多方面復雜的問題，光有技術或者光有政府的支持也是不夠的，尤其是做自動駕駛運營可能有若干條件，技術可能是大家最關注的，自動駕駛做的東西基本上考驗的是技術，接下來重要的就是硬件，包括車和傳感器，還有下面底盤所有冗余，剎車、電源、電氣架構、轉向等等整套設置，實現運營的話還需要兩個特別重要的東西，就是數據和運營網絡，滴滴比較有優勢的就是這樣兩個方面，接下來介紹一下滴滴是怎么迭代更快地實現自動駕駛運營。

因為滴滴平臺有大量的訂單，每年超過100億次，其實每個訂單都會記錄下來大量的運行軌跡和流程數據，因為這些不同的訂單會形成大量的路徑規劃，處理的數據量級非常之大，這個部分過去已經積累了很多年，過去是為了優化路徑，但是通過優化的過程我們也知道用戶需求在哪里，所以這對自動駕駛是非常有幫助的事情。今天自動駕駛已經發展了很長時間，解決的不是前面80%的問題，而是后面20%、50%、1%甚至0.5%的問題，比如放在一個關鍵環節就是感知決策，就是我要看到不同的車，判斷出是什么樣的車才能知道運行路徑，以及跟我的關系是什么樣的，如果不知道是什么就判斷不了該怎么走，然后就沒法做運行規劃。

現在有些車大家可能更常見，中間的超載的三輪車，帶著一個很大的包，對于人來講可以很快識別這就是一個三輪車，可能路徑和三輪車沒有太大的區別，但是機器沒有見過的話就無法進行分類，然后對機器來講就會很緊張，無法判斷到底怎么應對這樣的車。按照通常的路測車輛的話，今天自動駕駛領域最大的路測車隊可能就是1000臺左右，Cruise和Waymo，要是1000臺左右的車收集這樣的長尾數據需要非常長的時間，但是滴滴本身有網約車的平臺，大概上百萬輛的車，自己就會去收集這樣的數據，同時記錄能夠看到的東西以及路徑軌跡，還有司機本身的運行方式，這些會對我們處理長尾場景有非常大的幫助。

圖中的是傳統的自動駕駛公司對數據處理的方式，可能有百輛車的數量，這些都是自動駕駛的測試車輛，進行收集然后把產生的場景進行迭代，迭代出來以后升級算法，滴滴不只是用自己的路測車輛，可能同時會用網約車作為自動駕駛測試車輛的先行者，然后收集更多的數據，尤其就是長尾場景，迭代進入我們的體系當中，這樣就會使得節奏更快。人類司機駕駛的時候平均1億英里會有1.09次死亡事故，假設研發已經完成，需要證明你的技術已經達到人類的安全標準，也就是1.09次死亡/1億英里的節奏，實際需要測試的是88億英里，不是開發時間，而是已經完成開發，需要證明你的駕駛能力達到這個水平，對于1000輛車需要400年的時間，這顯然是不能實現的，也是不實際的，所以一定需要更廣闊的車隊和更有效的方式去做，我們選擇的就是網約車平臺。

我們經常被問到一個問題，街上跑的到底什么時候能夠都是自動駕駛汽車？其實我們背后在做一個虛擬人，具備人的所有能力，只要放在車上就可以跑到任何一個人類司機可以跑的地方。自動駕駛是一個循序漸進的過程，可能從技術上是循序漸進的，同時可以解決的問題也是循序漸進的。開始能夠解決的只是一條路，接下來是兩三條路，直到逐漸無邊界以后，后面也許有些道路永遠不會有自動駕駛解決。由于上線的過程是循序漸進的，選擇怎么循序漸進上線就會變得非常重要。

我們有經濟型的地圖，根據所有人每天打車的數據起點和終點形成這樣的對比，然后找出城市當中的地點：供需最旺盛的地方、需求量最高的地方、供需最不平衡的地方，然后把這樣的點找出來，可能就是從經濟的角度來講最合適的，能夠上線自動駕駛的地方。再就是從安全的角度來講，網約車有人駕駛司機的角度來看哪些路口、哪些路段會發生事故，具體怎么處理等等，這樣會把人類駕駛事故的經驗附加在熱力圖上面。

再就是技術地圖，有些路口涉及到轉向的時候沒有左轉燈，造成的結果就是沒有保護的左轉，還有就是車的匯合，左邊的車繼續往右轉，所以要和對面的來車進行Social社交關系，這對自動駕駛技術難度是非常大的。我們會在這些路口疊加技術地圖，按照自動駕駛技術角度來講解決起來比較容易或者比較困難。

這些場景疊加起來以后我們找出經濟價值最高、供需最不平衡且技術難度最低的地方上線解決，這個路線也會逐漸迭代，解決更難的問題、更復雜的場景等等。拆分出來以后可能就變成上班通行場景、機場接駁場景，不同時期會有不同難度，對應自動駕駛解決的問題就會變成場景問題，或者通用的一次性解決整個行業的問題。

按照這個角度來看的話，上線遠遠沒有我們想像的那么長時間，過去我們考慮的是通用的自動駕駛技術解決整個行業的問題，也是非常遙遠的事情，但是針對場景解決問題的話，相對來講就是比較快的事情。但是從場景來看的話，自動駕駛出租車會面臨比較重要的問題，就是網約車服務是一個雙邊平臺，很大的特點就是兩邊都需要足夠的量、足夠的乘客、足夠多的車才能形成一定規模，服務才能匹配得上，如果只啟動自動駕駛的平臺，只有100輛車甚至1000輛車，只是局限在一個相對比較小的城市，其實很難滿足當地乘客的服務，因為乘客量遠超過這個。反過來也是這樣，沒有足夠多的乘客的話，有了1000輛車沒有匹配的能力。

滴滴解決這個問題的方式是什么呢？我們進行混合派單的模式，一輛自動駕駛的車也可以融合到滴滴現有的派單體系當中，如果符合自動駕駛派單的邏輯，比如走的路線符合自動駕駛可以解決問題的場景，可能相對來講早期就會比較簡單，處于一個供需不平衡的情況，那么派單就會派給自動駕駛，要是一個非常復雜的場景，需要人類大量的干預和判斷，那么直接派給正常的司機，這樣就會把二者很好地融合在一起，就算只有一輛車也可以很快上線，也會把自動駕駛帶到我們面前的時間變得更早。

總結一下，技術、硬件和政府支持是任何一家自動駕駛公司往前推進的一個非常重要的前提，每家都在做非常大的努力，可以說這是基本功。到了2019年和2020年，大量的場景變得真實，或者已經到了眼前的時候，我們從技術的指標到運營的指標，然后就會看到數據的價值、運營能力的價值，這些事情就會變得越來越真實。我們認為明年開始對自動駕駛的要求不僅僅是看每多少公里需要進行一次干預，或者每多少公里需要進行一次鋒利的剎車，我們要看接了多少單，也就是正常網約車本身的指標，這些東西加在一起以后才能把自動駕駛的平臺帶到我們面前。

今天我的分享就到這里，希望能夠和大家繼續探討、一起合作。

實際上，AI與各行各業的結合已經深入肌理，傳統行業都在面臨著前所未有的變革窗口期。借助AI實現企業的轉型升級，已經從以往的錦上添花變成了如今迫在眉睫。AI將如何重塑行業，行業需求又如何倒逼AI技術的發展，成為了值得探討的問題。

大會上午的主論壇共分為“AI重點相關技術”與“AI重點場景應用”兩大板塊，除了邀請中國工程院院士鄔賀銓、搜狗公司CEO王小川、三星電子中國研究院院長張代君為我們解讀AI發展的最新進展外，還邀請了來自IoT、零售、自動駕駛、金融、醫療五個領域的知名大咖來分享AI與行業的結合。而下午的分論壇則更為聚焦，深入探究AI如何改造零售、教育這兩個關乎國計民生的行業。

除本篇外，搜狐科技還針對此次大會進行了全方位的報道，敬請關注本次峰會專題！

PC端：it.sohu/sptopic/19-155-kb-bdb/kejiai2019pc.html

手機端：it.sohu/sptopic/19-156-kb-06e/kejiai2019wap.html