本年 4 月，《北京市智能网联轿车方针先行区乘用车无人化路途测验与演示运用办理施行细则》正式发布，在国内首开乘用车无人化运营试点。

　　5 月份，特斯拉 CEO 埃隆・马斯克在巴西承受采访时表明，估计特斯拉将在大约一年内推出彻底无需人工驾驭的轿车。

　　6 月 27 日，浙江德清成为全国首个颁布 L4 级「主驾无人」主动驾驭货车揭露路途测验车牌的城市，阿里巴巴宣告取得榜首批 2 张车牌之一。

　　7 月 5 日，《深圳经济特区智能网联轿车办理条例》出台，将于 8 月 1 日起施行。这是国内首部关于智能网联轿车办理的法规。

　　愿望中的主动驾驭离咱们越来越近，而偶然登上微博热搜的各类主动驾驭事端，却又给这个方针泼上了冷水。主动驾驭的开展好像总是面对着类似的困境，承诺的光亮未来和实际构成了激烈的反差。

　　巨子聚集的主动驾驭范畴，现在终究开展得怎样样了？主动驾驭的中心应战是什么？谁又能够界说职业的未来？关于这些问题，咱们邀请了领骏科技的创始人 & CEO 杨文利，一起来聊聊主动驾驭。关于百度主动驾驭团队建立时的中心人物，后来又创业投身主动驾驭职业的杨文利来说，关于主动驾驭，他有着不太相同的观点。

　　杨文利：主动驾驭最开端的雏形是长途电控，跟着人工智能、大数据和各种传感器老练之后，新一轮的主动驾驭赋予了轿车新的概念。这一次主动驾驭的革新，能够区别红三个开展阶段。

　　榜首个阶段，2014 年到 2020 年，能够称作根底工业的老练期。首要在堆集主动驾驭的中心技能，一起完结零部件、激光雷达、相控底盘，机器视觉包含核算芯片、存储芯片，整个根底工业链条的一个老练期。前期的时分线控底盘一车难求，并且本钱很高，体感又欠好；现在每个车厂都有各自研制的线控底盘用于主动驾驭。之前四线 多万人民币，现在国产的许多功用指标更高的激光雷达或许也就几万块钱，有些乃至几千块钱就能够买到。

　　第二个阶段是 2021 年到 2025 年，小规划商业化的阶段。这个阶段根底工业现已根本老练了，整个工业具有了商业化的条件。公司的重点是完结商业化闭环，怎样把技能转化为产品，让技能完结自身的价值。

　　第三个阶段是 2025 年到 2030 年，经过了前一阶段小规划的商业化测验之后，整个商场包含法律法规和民众的承受度都现已趋于老练，是职业大规划商业化的重塑阶段。中心竞赛点是看产品力怎样发明价值。

　　Founder Park：在之前的采访中你说到，主动驾驭开展的最大阻力是本钱关于技能和工业体系周期的误解，这个要怎样了解？

　　杨文利：之前的作业经历中触摸到整个工业出产的规划流程，我认为主动驾驭不仅仅单一的具有互联网特色，更重要的是具有工业出产制作的特色。主动驾驭的技能老练是依托于中心零部件供应链和出产制作的老练，一起摆脱不了工业出产制作的产能约束。技能、产品、商场、中心供应链都存在一个客观的开展周期，不能用互联网的节奏去评价主动驾驭的开展速度。

　　我国之前的快速增长根本上是在互联网 TMT（Technology、Media、Telecom）职业，缺少了工业快速开展的布景。在最开端的时分，假如对主动驾驭套用互联网的开展节奏，或许会对它的开展周期呈现一些误判，导致商场和本钱的错位。原本依照互联网的节奏，估计 2020 年就能够大规划量产了，但现在现已 2022 年了，间隔高等级主动驾驭的量产还有适当长的时刻。假如本钱和商场呈现错位乃至是倒置的话，企业开展就会有后劲不足的问题。

　　举个比方，在榜首阶段（2014-2020）整个工业还不是很老练，一台车的改装本钱或许要 200 万人民币，但现在或许四五十万人民币就能拿到功用更好的底盘、雷达和传感器。假如在工业还没有老练的时分，就投入了许多车辆进行量产，那必定会带来无效的财物，由于这些传感器现已落后被敏捷挑选了，假如再把车辆更新到现有更好的传感器和底盘上，无疑又是一笔巨大财物的投入。过早地投入会构成许多的无效财物的糟蹋。再比方，前期的雷达信号质量没有那么好，有许多噪声；现在新产品的信号质量现已十分好，不存在需求优化的问题了。前期假如投入许多的研制力气针对这种不老练的产品做许多优化，之前做的就变成了无效的研制。假如没有把握好整个大的工业环境周期，就或许构成无效的财物和无效的研制。

　　咱们在创业初期依据互联网的节奏和工业开展的一些特色，对整个主动驾驭的开展周期进行了一个预判。所以在 2020 年之前没有大规划地拓宽车辆和团队，是以一个比较低的本钱高效研制出高维的中心技能，尽量削减无效财物和无效研制的投入。2020 年之后，工业上供应链和技能现已趋于老练，能够进行商业化。这个时分经过之前堆集的高维技能敏捷拓宽，适当于没有无效财物和无效研制作成的前史包袱，轻装上阵，关于投资人来说也是一个价值凹地。

　　Founder Park：主动驾驭的开展还处于前期阶段，怎样看待开展中呈现的一些噪音和误区？

　　杨文利：我觉得更多的不是误区，或许是咱们的视角不相同。之前看到一些公司的方案，像是一场拼硬件的军备竞赛——运用较高功用的处理器和感知单元。其实这样的办法有点脱离主动驾驭自身的功用性需求，更应该从实用性和性价比的视点动身，从用户的视点完结用户所需求的功用，一起进步性价比。

　　最近蔚来、小鹏、抱负一些造车新势力做出了十分优异的典范，之前谈主动驾驭都是 L3、L4 这种技能视点的区别，其实这种对用户运用感触的影响并不是很大。从用户的运用感触来说，一个更好的区别度是这台车具有的功用。比方是否具有高速功用，能否具有了自主泊车或许是回忆泊车，能否能自主地上下匝道。从技能端去规划整个产品的时分，要愈加靠近用户的需求，而不是单纯地从技能维度去界说产品。

　　杨文利：主动驾驭是需求软件和硬件协同作业的，软件和硬件之间不是配比的问题，而是怎样去合作的问题。体系工程作为整个技能研制和产品规划的指导思想，中心在于怎样让不同的子模块协同作业，到达安全性、牢靠性更高，用户体会更好，并且能下降本钱。

　　这是怎样去平衡软件和硬件的一个思路，其实每个团队都有不同的技能路途，各自的思路或许也各有不同。现在整个职业处于一个百家争鸣的状况，我觉得这种状况是十分好的，咱们能够在不同的技能路途上和不同的组合进步行测验。

　　杨文利：主动驾驭的榜首性原理要看主动驾驭终究要干什么，这不单是整个主动驾驭的榜首性，并且是技能工程师关于技能了解的榜首性。不论是主动驾驭或许其他技能，终究的意图都是能够被运用。首要它要能够被出产制作，其次是能够发明价值。

　　回归到工业实质和商业实质，主动驾驭开展到现在也有七八年的时刻，现在愈加重视的是怎样把这项技能转换成有社会含义的产品。比方无人驾驭出租车的场景，尽管在北上广等一些当地能够体会，但短期内它没有办法完结一个大规划的商业化运用。怎样在中短期内让主动驾驭这项技能完结它价值，怎样去满意用户的需求，针对这些考虑，所以咱们在进行了几年的技能研制储藏之后，把产品定位在主动驾驭的公交上。从技能转化成了一个定型的产品，用这样的产品赋能才智城市、服务才智交通，供给愈加安全、快捷、绿色的出行服务。

　　关于价值也有讨论，从乘客端的视点，能够供给增值服务就算有价值。比方完结公园里 A 点到 B 点的代步需求，现在在江西赣州现已能够体会了。

　　智能网联公交其实是一个降维落地的产品。一些聚集在敞开路途上的乘用车这种高维的技能，短期内是没有办法直接落地运用的，所以咱们把它降维到运用场景简略的无人巴士上。

　　首要，乘用车行进的是相对动态的线路，发车时或许并不知道乘客的意图地；巴士是一条静态的线路，公交线的车站设置是不会改动的。第二个，乘用车或许会行进到高速公路或许城市的环路上，会经过进出高速、匝道或许环岛等比较杂乱的路况。在高速上车速或许会到达每小时 110 至 120 公里，是一个高速的作业环境；咱们的无人小巴规划时速是 20 公里，智能网联公交规划时速是 60 公里以下。车速低，场景的难度就下降了，能把高维的、更难的技能运用到更简略的场景上，能够快速进步牢靠性和安全性，也协助加快工业化的落地，更快地构成商业化的闭环。

　　Founder Park：巴士作为主动驾驭的降维运用，是不是意味着这个范畴的竞赛门槛没有那么高？

　　杨文利：挑选无人巴士作为落当地向，重要的考量之一是尽管对场景进行了简化，可是一切的车辆依然作业在敞开的路途上。无论是乘用车的主动驾驭仍是巴士的主动驾驭，面对的中心问题实际上都是敞开路途上和人类驾驭员的博弈问题，并且在可预见的适当长的时刻内，路面上依然会有许多的人类驾驭员。关于主动驾驭来说，其间的一个中心问题就变成了怎样和人类驾驭员共用路面的问题，即和人类驾驭员同享操控的问题。

　　无人巴士尽管从车速和运营线路进步行了一部分简化，但并没有绕开决议方案规划的中心问题，这也是主动驾驭最难的问题所在。场景难度下降了，可是关于中心技能的要求依然很高。一起由于对中心技能的高要求，无人巴士商业化运营时搜集到的数据，依然能够为更高维度乘用车的主动驾驭技能供给数据支撑。

　　杨文利：直接落地高维的场景，比方 Robotaxi 形式，面对的问题是短期内没有办法去掉安全员。Robotaxi 必需求作业在敞开的路途上，一起又是动态的路途，现在的法律法规要求车上有必要有安全员。北京前一段时刻规则了，安全员能够坐在副驾上，但仍是必需求在车上装备一名监督人员。假如司机的本钱不能下降的话，把主动驾驭运用在 Robotaxi 上，去下降人员的本钱，这个逻辑不太能讲通。

　　Vimo、Uber 很前期就开端做 Robotaxi 的测验，现在无人驾驭出租车方面的运用落地规划依然是十分有限；国内尽管在北京的亦庄能够体会 Robotaxi，可是本钱仍是适当高的。在短期内进步规划的话，从经济效益上考量是彻底不可行的。假如司机还有必要存在的话，这个商业形式就依然有问题。

　　高维场景的另一个方向是主动驾驭的量产车辆。现在车厂正在量产的车型上所搭载的主动驾驭功用，首要是以辅佐驾驭为主，比方 L2 或许是 L3 的辅佐驾驭。辅佐驾驭跟高等级的像 Robotaxi 这样的主动驾驭，整个技能体系架构和要处理的中心技能问题有着很大的不同，直接落地在短期内或许是走不通的，需求更长的过渡时刻。在这个时刻内，咱们需求快速地在中短期内完结它的价值，完结一个小闭环的迭代，所以挑选了无人巴士这条路途。技能能够从主动驾驭乘用车运用到无人巴士上，而无人巴士堆集的数据和技能也能够运用到主动驾驭乘用车上，咱们称之为「下得去、回得来」的一个全体战略。

　　杨文利：还有两个方向，一个是比较高维的技能栈，便是乘用车运用在敞开路途上，也是最难的一个技能方向。只要坚持高维的技能栈，才干在其他的范畴更好地完结降维的产品运用。

　　第二个是除了巴士之外，本年下半年会开端做城市的支线物流车。整个物流分三大段，榜首段是干线，便是货车拖挂车；第二段是从库房到小区楼下的快递站，领骏科技首要做的物流是第二段，也叫城市配送，方针车型是依维柯这样的车型。第三段叫做「终究一公里」，称为移动机器人，里边不能坐人，跟车辆自身仍是有必定的不同。

　　挑选做中心的支线物流其实是考虑了技能的复费用，从高维的技能栈降维到无人巴士，再从无人巴士迁移到城市支线无人配送物流车上，无人巴士和无人配送物流车的运营形式和对整个技能栈的要求是高度类似的，具有很强的牵引性。比方无人巴士是城市路途上行进，一起具有固定线路；城市配送的无人配送物流车也是相同，库房、每个小区快递站的方位路途也是固定不变的，也是城市内部的固定项目。这两个项目在技能维度和形式上具有高度的类似性，一起引入了物流界的一些战略股东的资源。之后咱们会把技能从无人小巴仿制到城市支线无人配送物流车上，在城市内部的固定路途上运人或许是运货。

　　杨文利：从技能上来讲，前几年现已用比较低的本钱完结了高维的技能堆集，并且把技能坚持在榜首队伍，也取得了比较丰盛的技能成果。

　　在工业化的机遇到来之际，开端做商业化的拓宽。这个时分前史担负比较轻，一起挑选落地的城市内的交通场景，运人或许运货商场空间十分大。出行始终是一个刚性需求，并且结合绿色出行，后续的政府方针也会有相应的鼓舞。还有我国人口老龄化的问题，逐渐地代替司机，能够逐渐地解放人类的劳动力。

　　在整个大方向上是契合年代开展的布景，一起现在估值也比较低，后续上升会比较快，适当所以处在一个价值的凹地。

　　杨文利：从技能上来讲，前几年现已用比较低的本钱完结了高维的技能堆集，并且把技能坚持在榜首队伍，也取得了比较丰盛的技能成果。

　　在工业化的机遇到来之际，开端做商业化的拓宽。这个时分前史担负比较轻，一起挑选落地的城市内的交通场景，运人或许运货商场空间十分大。出行始终是一个刚性需求，并且结合绿色出行，后续的政府方针也会有相应的鼓舞。别的能够处理我国人口老龄化的问题，能够逐渐地解放人类的劳动力。

　　在整个大方向上是契合年代开展的布景，一起公司现在估值也比较低，后续上升会比较快，适当所以处在一个价值的凹地。

　　杨文利：落地城市上来讲，现在赣州现已在正式地运营，并且向大众敞开，重视大众号能够预定体会。之后还将落地多个城市，比方姑苏、杭州、南京、西安，这些城市都会布置和进行无人巴士、城区无人配送物流的场景落地。本年这两种车型的车辆规划估计会添加到 100 台，下一年或许扩展到将近两百台的规划。本年年末团队方案扩充到 100 人左右，下一年将会到达 250 人；除了首要的研制人员，还会添加商务、项目、运营的团队规划。

　　杨文利：安全一向是主动驾驭职业最关怀的，也是最重要的一个问题。现在职业全体的主动驾驭水平现已超越了人类司机了，由于主动驾驭依托的是推理和核算，一切的程序都是依据逻辑的，不像人类司机许多时分是凭感觉乃至还带有心情。并且人类司时机遭到许多要素的影响；咱们做过一个测验，电台里放的歌曲都会对人类的驾驭风格发生影响。

　　主动驾驭从感知到决议方案的硬件自身是超越人类的，比方人眼大约只能调查到前方 60°左右的规划，而主动驾驭车辆是 360°全周无死角的，且时刻坚持调查的状况，它能见的规划更广，并且在处理的时分也会确保必定的安全。

　　特斯拉发布的数据显现上一年它的事端率是均匀 195 万英里，和人类司机的事端率比较，特斯拉主动驾驭的事端率仅仅人类司机事端率的 1/9，所以主动驾驭的安全程度确实超越了人类司机。并且跟着技能的不断完善，包含国内的微观方针，以及后续路途端的参加——称为车路协同；一起包含具有主动驾驭功用和主动安全功用的车辆浸透率，跟着安全性的逐渐进步也会进一步地添加。

　　从技能的视点，领骏科技是用一套体系工程的理论指导去进步安全功用和安全等级的，比方经过合理的规划让软件和硬件之间互相合作、校验。整个核算架构选用了分布式的架构，把不同的功用模块放到不同的单元里处理，长处是中心核算机的算力要求会降得比较低，避免了中心节点过重。把中心节点做低之后，能够做热备份，在整个预操控器里有两颗相同的芯片在处理相同的作业，其间一个宕机或许呈现其他毛病，作为热备份的另一个别系依然能够确保整个别系的安全性。

　　从人员的视点，领骏科技现在远间隔作业的无人巴士上现已没有装备司机了，智能网联公交和无人小巴现已对一般民众敞开试乘了一段时刻，这几个月的安全运营记载也进一步验证了整个别系的安全性。

　　Founder Park：人车混合在路途上行进相对不安全，假如都换成主动驾驭轿车会更安全吗？

　　杨文利：假如满是主动驾驭的车辆必定更安全。整个路和车就变成统一体，成为了一个机械，而机械是很少犯错的。对主动驾驭的车辆而言，假如路上的车都是具有相同的功用，乃至不需求具有完好的主动驾驭功用，能够是辅佐驾驭，那么车和车之间是能够完结通讯和协作的。路上的车从竞赛联系变成协作联系之后，极大地进步路途资源的运用率，一起也会削减路面上磕碰、剐蹭等事端的发生。

　　Founder Park：假如车路协同真实能够开展起来的话，能推进主动驾驭有一个比较大的开展吗？

　　杨文利：是的。现在国内许多城市都有车路协同的试点，从中心的指引方针来说，国内要推广的便是协同式的才智交通。除了车的智能之外，路段起到了很重要的一个效果。在车上只能把传感器装在特定的方位，有一些场景对车来说是难以处理。比方「鬼探头」，便是在遮挡的方位忽然有行人呈现，那个时分车的反应时刻是十分短的，人类司机也无法处理鬼探头的问题。可是假如有路端协同，由于路途的感知是装在灯杆上，视角很高能看得更全、更远，智能的路就成为了车端视觉的一个延伸；对进步车辆的安全性，下降整个车辆的本钱都是十分有利的一个弥补。

　　杨文利：环境会影响主动驾驭传感器的运作。比方在大雨天，雨滴对传感器的影响首要是在激光雷达上。从作业原理上来说，激光雷达是激光束宣布，然后检测回来的激光束。雨滴的巨细正好和激光束的巨细是相同的，并且雨滴会对激光束构成反射、散射和折射，激光雷达会呈现许多紊乱的数据，有许多误判和漏判。这个时分体系会依据其时的环境特征，动态地调整不同传感器的权重，做一个动态的交融。当检测激光雷达信号有反常之后，就主动地下降权重，一起进步了毫米波雷达和视觉的权重，由于雨滴对它们的影响是比较有限的。

　　环境、气候的影响要依托多传感器交融来处理，所以归纳地运用了激光雷达、毫米波雷达、视觉传感器，还有几种多维的干流传感器。从物理实质上了解，视觉传感器是被迫承受一起作业在可见光规划内；激光雷达是主动发光、接纳的，作业在红外光谱规划内；毫米波雷达作业在电磁波规划内。每种传感器的作业原理不同，它的作业波长也不相同，有各自的长处和缺陷。依据体系工程互补，各自扬长避短，把每一个不完美的个别，交融为一个牢靠的、相对完美的全体，本钱也相对更低。

　　Founder Park：主动驾驭的开展十分依托数据的为支撑，关于数据这方面会有怎样的一个考虑呢？

　　杨文利：每个主动驾驭的技能公司都十分重视数据。关于数据怎样更高效地运用，或许也是每个公司各有所长、各建千秋的一个技能方向。领骏科技的特色是要把数据构成闭环，首要要搜集数据。职业里许多的主动驾驭公司，包含 Vimo 和 Uber 都是自己布置测验车辆，这样的数据本钱十分高；领骏科技选用的一个搜集数据的办法是不只用自己的测验车，更多的是依托于现已在实际场景中发生社会价值的运营车辆奉献的数据。把无人小巴落地在城市敞开场景中，这样的数据运用到主动驾驭乘用车上依然是能够进行算法的迭代晋级的。

　　依据这些数据做的算法晋级，现在现已体现在主动驾驭乘用车的一些算法和场景里。有了数据之后，就要考虑怎样反过来推进技能的开展。领骏科技有一套自研的仿真渠道，在有数据的根底之上，会主动搜集、提取数据，整个软件会主动编译、测验，在仿真中进行验证，完结了一整套从数据、测验到软件产品，一向到构成终究的一个产品生态，一个主动的闭环。先把这个数据闭环打通，一起把商业闭环也打通，构成双闭环驱动的一个架构。

　　杨文利：做仿真最早能够追溯到其时在西数的时分，西部数据具有十分老练的工业出产规划体系。硬盘的产品规划便是高度依托于仿真，仿线%，出产之前能够十分精确地猜测良品率。所以仿真关于杂乱的体系规划，包含高牢靠性的体系规划及量产都有十分巨大的指导含义。在百度的初期，也是在着手树立百度的一套主动驾驭仿真体系；所以领骏科技的榜首个上线的产品也是主动驾驭的仿真东西。

　　仿真是用来测验主动驾驭的决议方案、路途规划、操控逻辑和处理杂乱场景问题的一个算法，所以没有花许多的算力去把场景的相貌进行恢复，比方用游戏级或许电影级的引擎去烘托环境相貌。

　　关于主动驾驭的决议方案，更多的是关怀这台车和我的相对方位、它在路面上的方位、之前的运动轨道、预估下一步的驾驭动作，这些是会直接影响到驾驭行为判别的最重要的信息。所以咱们的仿真东西并没有恢复环境相貌，而是恢复整个驾驭环境中最笼统最中心的驾驭态势。

　　不烘托的长处是节约电脑的算力，那就能够在同一台电脑上对许多个场景进行并行核算，乃至能够在一个场景里做超实时仿真。超实时仿真是指仿真国际里的速度要比人类的速度快，类似于子弹时刻。比方在实际国际中仿真了一小时，或许在仿线 个小时。这样能极大地进步仿真的测验功率，也进步了智能算法的迭代速度。

　　杨文利：车路协同是整个我国从中心到当地的微观工业方针。从工业上来讲，也是十分有道理的。作为一个倾向技能的公司，车路协同关于主动驾驭的长尾问题是一个比较优的解。

　　美国现在的战略是依托单车智能，由于美国的根底设备改造周期很长，并且本钱很高；而我国关于路途的改造动力十分强，设备建造很快。

　　假如只靠单车智能，有许多场景问题是没有办法处理的，或许处理这个办法需求支付很高的价值。比方需求装许多的激光雷达，或许是用更多的贵重传感器去处理。假如能在路端布置传感器，差异于车的视角，归纳本钱或许会更低；并且路端能够服务于一切车的设备。

　　比方红绿灯的辨认，单车智能只能靠 RGB 摄像头，可是精确率很难进步，逆光、树叶遮挡以及各种不同形状的红绿灯都会影响到辨认。可是假如走路端，经过协同的办法直接把红绿灯的状况同步到车辆，就能够完美处理这些这些问题。

　　单车智能和车路协同并不矛盾，路的协同是一个加分项，不能苛求一切的路都能协同，在没有协同设备的路上仍是要依托单车智能。领骏科技挑选的无人巴士落地场景，和车路协同的路途改造开展阶段契合得十分好，并且工业定位也很好。现在国内各个地区在做才智交通的试点，改造的路途不会短时刻内把整个路网改掉，这样的投入太高，而是一个渐进性的开展过程。国内一般都是由政府的财政预算进行路途的改造，那么才智路途也具有了公益的特色，是服务于广大人民群众的。所以车路协同是未来的一个开展方向。

　　杨文利：L4 以上的主动驾驭才能需求高精地图的支撑，职业中也呈现了许多供给地图的搜集制作服务的草创技能公司。L4 以上对地图存在必定的依托性，并且地图和测绘的相关性十分高，地图公司一般相应地会请求测绘资质。

　　关于 L3 辅佐驾驭、ABS 辅佐驾驭而言，现在的导航地图与单车部分地图的匹配技能现已趋于老练，在辅佐驾驭这一层级上是能够依托于导航地图的。现在导航地图在高精地图技能的加持下，精度也变得越来越高。

　　领骏科技是具有高精地图的搜集制作才能的，在限制的区域内拿到行政许可之后，能够快速进行数据搜集和布置。所以无人巴士和主动驾驭乘用车能够快速地进行运用和落地。领骏科技研制的数据搜集车，包含主动化的数据、后期的东西、主动化率都或许现已到达了 95% 以上。经过主动化预处理数据，然后主动化生成地图产品，经过简略的人工校验后，就能够发生地图的产品。

　　关于高等级的主动驾驭来说，地图确实是必不可少的要素之一。地图的搜集制作技能也是根底工业链中的一环，是在 2015 到 2020 年间现已开展老练的一项技能。

　　Founder Park：数据是主动驾驭职业竞赛的中心之一吗？假如不是，主动驾驭接下来的竞赛中心是什么？

　　杨文利：数据十分重要，但不是悉数。数据一方面是看量，另一方面是看质。怎样从许多数据中挑选出有用数据，以及怎样去运用这些有用数据，对技能团队是一个很大检测，也是能区别技能凹凸的当地。

　　现在的中心竞赛力是怎样把技能转化为产品，完结技能的价值，这是现在整个主动驾驭职业都在深化考虑的一个问题。现在不同的场景里现已有在运用这些技能了，咱们仍在不断地探究怎样把技能改变成更多的能够运用的产品形状。还有方针法规和路端的改造，都需求政府的支撑，不断地完善、建造。

　　杨文利：整个职业仍是处在开展的初期，远没有到红海或许正面竞赛的阶段。现在整个商场的浸透率仍是十分低的，商场空间仍是处在一个增量商场上，需求自主地开拓商场和用户。不断有新的人才和公司进入这个职业，阐明这是一个十分有远景、有期望的职业方向。

　　从用户的视点，更关怀的是单车智能的本钱，买车时装备一套主动驾驭或许辅佐驾驭体系所需的费用。关于单车本钱来讲，需求从用户的运用需求动身，怎样满意需求、怎样完结主动驾驭使命，依据这些使命去反推需求往车上装什么样的硬件、硬件的数量和装置方位需求经过体系工程的办法进行优化。

　　作为一个创业者需求从企业层面去考虑，本钱不仅仅卖车的本钱，还要考虑企业运营本钱和研制本钱，所以需求削减无效财物的投入。在搜集数据的时分，把它融入到职业运用的布景中，在运用中不断地搜集数据。在整个职业层面上，怎样优化产品、怎样平衡本钱，都是需求考虑的问题。

　　杨文利：我是在清华读的主动化专业的本硕，而主动化专业一向在职业里被戏称为「变形金刚制作专业」，便是首要做机器人，而我在读硕士的时分便是研讨移动机器人。其时尽管没有主动驾驭，可是现已有了移动机器人的雏形，后来又在美国读的博士，一向主修操控体系。

　　结业后进入西部数据触摸了传统的出产制作业，我将其命名为叫 IT 制作业。它有制作业的潜质，包含批量的硬盘出产制作，有流水线和规划，一起又和这个年代的大数据存储、互联网是严密相连，既有制作业的特色，又有 IT 职业快速迭代的特色。这些关于之后主动驾驭的技能研制，有许多的学习含义。

　　2014 年参加了百度的主动驾驭团队，其时在深度学习研讨院里，整个主动驾驭团队规划十分小，我是第三个参加团队的成员，首要担任决议方案、规划、操控感知、操控仿真这几个方面。

　　杨文利：做硬盘触摸到了西方发达国家老练的出产制作工业体系，以及怎样把一项技能变成一个高牢靠性的、量产型的产品。从办法论视点、整个规划流程视点，硬盘和主动驾驭是相通的。

　　首要从出产制作的视点，它们都是杂乱体系。硬盘上有机械电子软硬件，有传感器，是一个高杂乱度的机电集成体系；主动驾驭轿车也有各种传感器，各种雷达核算单元软硬件等。

　　第二，重视点都在产品的牢靠性上。比方硬盘，在电脑里假如要 7x24 小时作业大约有 10 年的运用期限；而买一辆轿车，它的产品生命周期大约也是 10 年左右，要确保在十年内不呈现大的问题。轿车还能够去 4S 店维修保养，可是硬盘放到电脑里就不能拆出去再保养了，这对硬盘的牢靠性要求会更高。

　　第三，量产要求很高。硬盘规划最小的产值是 100 万，主动驾驭终究的方针也是要做到量产，能够经过工厂批量的出产仿制，交付到客户的手中。

　　杨文利：其实主动驾驭职业并不算冷门。在美国的时分谷歌现已开端在做主动驾驭了，国内也有一些高校在做，可是其时还没有一家国内的企业投身去做主动驾驭这件事。其时挑选这个赛道首要的一个原因是主动驾驭在我国的开展空间更大一些。

　　发达国家的长处在于工业化体系十分老练，包含出产、制作、测验的流程都十分老练，是值得咱们去学习的。可是首要的问题也十分杰出，人才结构十分安定，美国的一些公司或许上升空间比较有限。国内的上升时机，以及高科技触达相对大的商场的时机是十分多的。

　　机缘巧合，认识了其时是百度深度学习研讨院的院长余凯博士，他其实是我进入主动驾驭的引路人。余凯博士介绍了百度在我国是怎样开展人工智能的，我发现人工智能确实是一个未来最有潜力的新兴工业。一起主动驾驭又是一个重生的事物，值得把它当作一项作业去投入。和于凯博士沟通之后，就决然抛弃了现已在请求的美国绿卡，全家搬回国内，参加到百度的主动驾驭团队。

　　其时这个项目在百度不算重点项目，处于低沉研制的阶段，直到 2015 年末，百度官宣做主动驾驭。2014 年到 2016 年，这个职业确实是有一些冷门；2016 年之后，职业呈现许多的的草创公司，从本钱到工业、人才商场逐渐老练，许多人才涌向了十分优异的草创公司。考虑到假如在这样的一个草创公司内，或许会有更多的自主性，一起也有更宽广的发挥空间。并且整个团队都是工程师身世，工程师的抱负便是用一生所学去改动这个国际，完结技能自身的价值，也为整个社会发明价值。这也是整个团队决议创业，做独立渠道的初衷和主意。

　　杨文利：首要在于改变。作为一个工程师，首要作业是带团队搞技能，把产品和功用做出来就好了；而作为一个创业者，需求更多维度、更深化地考虑，包含人才招聘、团队组成、客户、产品、商场、品牌等，这些都需求考虑到才干把公司运营好。最忧虑的问题或许是生计问题，究竟主动驾驭技能其时还处于前期，前期研制投入十分大，有融资的问题，也有团队招聘的问题，这些都是创业时期最忧虑的问题。

　　领骏科技是一家专心于主动驾驭体系的规划、开发和测验，中心技能包含传感器交融、智能行为决议方案、轨道规划、行车操控等，能够完结不依托顶置大型传感器，依据国内外全系车辆底盘的整套主动驾驭处理方案。

　　领骏科技由主动驾驭职业顶尖技能团队领衔，致力于高等级、全场景、可量产的主动驾驭大脑的研制和产品规划。现在采纳技能降维的办法，在无人巴士、主动驾驭物流车等场景赋能才智城市，逐渐完结商业化运营，打造城市杂乱交通无人驾驭产品。

　　清华大学主动化系本硕，美国宾夕法尼亚州立大学博士，后担任美国西部数据首席架构师，原百度 IDL、百度主动驾驭作业部无人车规划、操控体系的技能担任人、主任架构师。2016 年 12 月脱离百度后，建立领骏科技并担任公司 CEO。

　　更多科技创业者的采访，欢迎在小世界或许苹果播客收听咱们的播客节目「创业真人秀」。回来搜狐，检查更多