0
雷鋒網新智駕按：10月26日至27日，2019第二屆全球智能駕駛峰會暨長三角G60科創走廊智能駕駛產業峰會在蘇州高鐵新城正式舉行。峰會主要聚焦“自動駕駛的量產時代、車路協同，從概念到現實、新型的車內交互探索”三大主題，共同探討了智能駕駛的未來發展方向。
本次峰會由蘇州市相城區人民政府主辦，蘇州高鐵新城管理委員會、雷鋒網新智駕承辦，江蘇省智能網聯汽車產業創新聯盟、江蘇省人工智能學會智能駕駛技術專業委員會、清華大學蘇州汽車研究院、中國移動通信集團等單位協辦。來自主機廠、國內外一級供應商、自動駕駛解決方案商、自動駕駛核心零部件、出行運營商等智能駕駛上下游企業，車路協同專家學者、代表企業等1500余位業內人士蒞臨現場。
10月27日，滴滴滴自動駕駛公司COO孟醒的演講主題是“我加入滴滴自動駕駛思考”，他分享了滴滴在自動駕駛上的最新進展。
關于滴滴的自動駕駛商業模式，孟醒在智能駕駛峰會上表達得非常明確，滴滴的自動駕駛業務將開啟一種新的商業模式，就是車廠把車造出來，然后將車輛一鍵投入到滴滴的平臺中，而且自動駕駛車需要做大量硬件層面的工作，自動駕駛車上路前要做大量測試。傳統的汽車領域已經有100多年經驗積累，我們非常希望能夠跟頂尖的合作伙伴深度合作。
其實，自動駕駛的的最大前提就是安全保證。即使自動駕駛技術在不斷完善，但大家仍然感到憂慮，畢竟最終落地載客，安全才是最重要的。
自動駕駛安全系數問題，自然也是行業的最大難題，這道難題將如何攻破？在有人駕駛網約車中，司機成本是最大的成本之一，同時也是一部分安全事件的主角，自動駕駛汽車將可以解決掉滴滴面臨的難題。
對孟醒而言，更愿意從另一面解讀自動駕駛的必要性。他透露，投資行業撲向自動駕駛領域，網約車運營經驗所積累的數據化，可以用于訓練自動駕駛車輛，使自動駕駛車輛變得更加安全。
孟醒表示，獲得路測牌照，改裝的自動駕駛汽車在規定線路之內測試，跟其他人或車輛進行互動，這是第一步。第二步，不僅僅是路測，是載人路測應用示范，可以真的帶一個人乘車，這是運營的工作，未來需要更多路徑。需要監管機構、政府給我們指引一起推進。
“自動駕駛首要任務是保證安全。通過滴滴目前的網約車運營網絡，可以分析出哪些訂單適合分配給自動駕駛車輛，哪些超出測試距離范圍或者技術范圍的訂單需要分配給駕駛員。這個混合派單的過程，可以保證每一步都是循序漸進的。只有當安全標準達到相當高指標以后，才會逐步推進。而網約車運營經驗所積累的數據化，可以用于訓練自動駕駛車輛，使得我們自動駕駛車輛變得安全和智能，以及適應各種出行場景。”孟醒提到。
以下是孟醒的演講全文，雷鋒網新智駕進行了不改變原意的編輯：
今天峰會上，與大家分享一下滴滴在自動駕駛里面現在的業務和我的一些思考。
2019年我做了一個轉型，上半年是一個投資人，在VC基金一直在看這個領域，今年下半年轉型加入滴滴去負責自動駕駛業務。尤其是自動駕駛業務商業化進程，我有兩個視角觀點與大家分享一下，從這兩個視角里面看看現階段能做什么，以及為什么在這個時間點要進入到滴滴做這些事情。
2017年開始，我在香港做投行，主要負責科技行業投融資、并購等這些方向。2011年底做了第一家AI公司，當時算是AI非常不火的時間點，比較有意思是，當時我們是第一家把深度學習框架，以及比較流行的平臺轉變成產品化的公司，后來這家公司賣給了亞馬遜。2014年又做了一次AI創業，在國內做的，也是利用圖像識別做商業化變現。
其實，我們都是嘗試把一個很前沿技術，推到更廣闊商業化前景里面來，而且是在AI非常早的時間，遠遠沒有今天這么好政策條件、資金支持，以及商業化客戶需求前提之下做的。
這是我大概的背景和職業經歷，大致經歷了人工智能，尤其計算機視覺完整的周期。
2016年加入VC（風險投資）做投資，當時做了兩次人工智能創業，人工智能最大一個應用場景-自動駕駛成為了我當時非常關注一個重點。那個時間點，恰巧也是國內自動駕駛公司冉冉升起和成立，尤其是一批做深度學習人，跨行進入到汽車行業開始做自動駕駛，當時我也投了幾家公司。
2018年之前，2016年開始投，到2017年我們投資已經會放慢了，很多行業里面其他更晚期基金參與投資，最開始成立的時候只有團隊，有些團隊成員在開始的時候做些相關領域，是非常優秀團隊。
不過，更多團隊是跨行做這件事，有很好的基礎和素質，手上武器是可以輔助他們能夠搭建一個很好自動駕駛公司，尤其是數據驅動的自動駕駛公司，所以基本上當時有的是團隊從溝通往下走一步是做到Demo，大家能拿出一輛車在路上跑，大家比的是誰更快，能夠把這輛車拿出來，拿出來之后能夠做哪些事情，能夠在什么樣場景下跑，在什么惡劣前期時間和路況復雜環境下做這件事。
這里面一直存在一種假設是，大家比的也是誰能最快拿出最復雜技術驗證，誰有可能成為真正把它實現商業化，或者變成一個業務型公司。此外，技術先進性等同于商業化進展速度這也是一個比較公平的判斷，因為確實沒有更好的判斷標準和驗證邏輯，我們能看到其實就是潛在的這些“標準”支撐商業化落地。
從投資角度來看，近兩年的發展變化很大，我認為是從海外市場開始發生的，在美國近幾年形成了規模化聯盟，原來講自動駕駛行業是一些創業公司做什么，現在是車廠和其他一級供應商加入進來，他們帶著很多資源，很傳統資源和能力進入到這個場景里，可能都是成群結伙進來，從而形成了自動駕駛聯盟。
把競爭和推動自動駕駛進展，上升到另外一個階段，這個發生過程中，對于自動駕駛多快，判斷原則和假設發生一些變化，一些其他因素重要性會上漲。
具體而言，包括技術、車輛、元器件，以及其他供應商和地圖等這些都很重要，在實際落地過程中，它們都包含在我們平臺里面。
值得一提的是，其中有兩方面特別重要：一個是數據，一個是運營網絡。
數據能夠更快迭代和更快上線，更好選擇商業化場景；
運營網絡使得在冷啟動業務的時候不至于說遇到困難和尷尬，逐步上線也能夠使上線節奏更加安全。
今年滴滴網約車攝像頭安裝量已經達到幾十萬的規模采，同時可以收集很多在路面，尤其是特殊場景上的數據，這些數據可以幫助我們自動駕駛在感知和路徑規劃上進行迭代和升級。
通常來講，采集數據這樣工作是用自有的自動駕駛采集車來做，但這樣一方面成本很高，也很難擴大規模；另一方面真正的自動駕駛需要更多的數據量，才能收集到有效的數據。比如路徑規劃預測上都會出現一些問題，只有當數據量足夠大時，才能預知、預判、疊加到機器學習框架里面，從而使判斷更加準確。
如上圖所以，左邊是通常傳統自動駕駛迭代模式，也是過去最開始用數據驅動自動駕駛方向時候的模式，我們用自己有限的采集車上路跑，采集車也不會特別多，收集路面上有限路測數據，把這部分數據放到模擬器里面做仿真、機器學習，然后改進算法，最后再回到路面上進行測試。
今天我們做的是更大規模車隊，甚至把網約車隊加進來，去做數據采集，從而擁有超大數據體量，我認為這是一種更有效、更快方式來解決問題。
此前，有一個報告提出一個核心問題是，每個司機駕駛會出現0.19個死亡事故，要驗證你的技術已經與人類死亡概率，或者開始概率差不多，這不是說開發，是假設已經有一個很完善的技術，要去驗證這個技術與人類一樣，需要開多少英里？
如果做到失敗率與人類上下區間20%之下，需要開88億英里。幾十億英里，百億英里概念，拿有限測試車，需要100個車去跑，同時需要上百年時間，用這樣的方式做安全性測試上線也需要非常長的時間，幾乎是不可能一個過程。
換言之，我們需要有更好的迭代方式，以及更大量的數據去采集，才能夠支持。
此外，還值得注意的是數據還能幫我們做什么？
我認為數據能夠幫我們去做上線結構，例如自動駕駛出租車在相當長一段時間內不會像今天的出租車一樣，是全功能車，并配備上一個全功能司機，可以到任何地方。
當然，理論上有路的地方汽車就能去，這已經是一個逐步上線和逐步克服的過程，最開始非常局限的過程，慢慢擴張到更多的地方，以及更多車輛，是這樣一個節奏。
基于此大前提下，我們先做哪些，后做哪些？
我們只能選擇一部分上線，我們先會拿滴滴網約車的數據去看經營方式，哪些路徑上它的價值最大，哪些道路上所產生經濟數據最好，在什么時間段、起點和終點跑，同樣道路上，在哪些平臺上出現了安全事故，為什么出現，事故概率是什么？
技術層面，哪些路口場景，我們在今天自動駕駛技術體系里面容易實現，或者已經解決，有哪些需要更長時間去解決。如此三層數據加在一起，可以得出，哪些起點和終點是我們做商業化落地的場景，同時商業化能力高，安全性已經能夠保證，通過這樣的分析我們去得出這樣的結果。
從運營角度講，數據總結出來以后能做什么？
乘客可以通過滴滴出行APP叫到這樣的車，從乘客角度出發，不需要關心該車是自動駕駛，還是有人駕駛，我們會匹配最適合你的路徑和路況復雜度，以及天氣復雜度情況，如果適合自動駕駛就配一個自動駕駛車，如果不適合就配一個有人駕駛的車輛。如此以來才能讓你逐步上線，一輛車也可以上線，幾百輛都可以。
做一個網約車市場是雙邊市場，需要足夠基礎規模才能跑的起來，只有逐步上線這種模式才能保證安全，問題是在開始的時候得到一個規模，使得服務運轉不起來，網約車可以讓我們上線，同時把市場運轉起來。
滴滴自動駕駛團隊組建于2016年，擁有高精地圖、感知、行為預測、規劃與控制、基礎設施與仿真、數據標注、問題診斷、車輛改裝、云控與車聯網、車路協同、信息安全等多個專業團隊。
2019年8月，滴滴將自動駕駛團隊升級成獨立公司，滴滴出行CTO張博出任自動駕駛新公司CEO，孟醒（原順為基金執行董事）出任COO。2019年9月，滴滴確認安波福全球工程副總裁韋峻青加入自動駕駛公司任CTO。
目前，滴滴已經分別在美國加州，北京以及上海獲得路測資格。前不久，我們獲得了蘇州公安局頒發的5張路測牌照。
同時，我們蘇州設立了研發測試中心，在整個自動駕駛團隊中占非常大的比例，我們也在蘇州建設了唯一封閉測試廠。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
