对话Drive.ai创始人和投资人，谈谈吴恩达加盟与无人车未来

全球 自动驾驶 明星创业公司中，Drive.ai绝对是最受关注的一个。

昨天，这家打算以“工具包”解决方案实现L4自动驾驶的公司，宣布了B轮5000万美元的融资，美国硅谷一线VC恩颐投资（NEA）领投，纪源资本等跟投，原有的A轮投资方北极光等也跟投了这一轮融资。

中国人民的老朋友 吴恩达 ，也宣布加入了Drive.ai的董事会——当然，你可能也知道Drive.ai此前跟吴恩达之间的关系：

Drive.ai的创始团队有一半是吴恩达的斯坦福高徒，任职总裁的Carol Reiley还是吴恩达的夫人。

此外，对于Drive.ai的技术解决方案和前景，业内之前也有一些“激进”、“剑走偏锋”之类的质疑，而这些评论似乎也因为没有得到进一步回应，显得悬而未决，令人好奇。

就在Drive.ai新一轮融资后，量子位连通两岸三地，全面采访了Drive.ai联合创始人王弢、Drive.ai早期投资人北极光创投董事总经理杨磊，以及Drive.ai此轮新晋投资人GGV纪源资本管理合伙人李宏玮，一起解读这家公司的真实情况。

关于融资：本可以选更高估值

Drive.ai联合创始人王弢向量子位透露，本轮融资进展较快，开始于今年前几个月，主要目的是希望借此推进技术开发、商业拓展和全球化应用，但其中最为关键的还是涉及软件工程和自动驾驶方面人才的招募。

至于本轮融资后是否会就此来到中国开拓市场，目前Drive.ai方面表示还不能透露，但王弢认为可以明确的是： 无人驾驶 是全球范围内的重要事件，所以我们也是在放眼国际市场，中国市场是我们目前在调研的重点之一。

北极光创投董事总经理杨磊则表示，当时投资Drive.ai，就有未来帮助其进入中国市场的打算，而且就目前Drive.ai的实际进展来看，在城市障碍的场景下已经跑得很顺畅。

杨磊还透露称，其实在本轮融资中，明星公司Drive.ai可以要更高的估值，但为了引入硅谷一线VC，创始团队采用了相对合理的估值。他对这种做法表示赞赏，在目前AI项目火热的情况下，创始团队的这种心态能够帮助自身更快速成长。“还需要考虑的是，美国公司还比中国估值便宜，基本就是后者的1/3估值，所以Drive.ai很理性，真心希望尽快实现目标。”

此轮新晋投资人GGV纪源资本管理合伙人李宏玮也表达了同样的看法。她说GGV团队在全球范围内观察了一年，把利用深度学习解决无人驾驶的团队看了个遍，最后得出结论：Drive.ai是比较超前的一家。

李宏玮向量子位表示：“这个板块属于前沿科技，是在创造新的商业模式和产品，所以这个行业到底什么时候起来？是3年、5年，大家给你的答案都不一样。而且在技术成熟度、国家政策法规方面，都需要配合，所以在这个过程中，我们也希望企业能够理解它要做的事情是长线业务，如果这么看问题，那估值可能不是最重要的，重要的是在于找到合适的投资人、理解这个板块的投资人，然后一起把很好的事情做起来。”

当然，之前融资中Drive.ai背后都是中国背景的投资方，王弢对此也做出了说明，他表示Drive.ai并没有刻意选择投资方背景如何，而且此次NEA恩颐投资、GGV纪源资本，也都是美国硅谷一线VC，足以说明一些问题。

不过对于Drive.ai来说，他们内部的共识是中国在自动驾驶方面拥有巨大的市场及政策支持，所以未来肯定会有很多合作的空间及可能性展开。

关于吴恩达：独立董事、顾问身份

此外，此次受人关注的还有前百度首席科学家吴恩达的加入。在官方宣布的消息中，吴恩达进入董事会，将帮助Drive.ai推进深度学习和自动驾驶方面的实际进展。

对此，Drive.ai联合创始人王弢向量子位明确：吴恩达加入的身份是独立董事，他将以顾问的身份帮助公司进行成长。

王弢还表示，这家公司和吴恩达之前就有交情，创立至今一直有交流，但就在吴恩达离职百度首席科学家后，Drive.ai团队进一步向他发出了邀请，说服他以顾问的形式，为Drive.ai在推进 人工智能 战略部署方面，在深度学习、机器学习方面提供帮助 。

谈技术突破和当前挑战

值得一提的是，在本次对话中，王弢也向我们分享了Drive.ai目前的最新技术进展。

他表示在这一年来，Drive.ai的技术进展可以分为两个大的方面展开：

一是无人车本身。 Drive.ai实现了L4无人驾驶的公路路测，并且可以解决下雨、夜晚和上下班高峰期等无人车较为困难的应用场景。

二是公司内部。 Drive.ai在一年时间内做了大量的基础设施铺建及数据标注的工作。

王弢认为后者是Drive.ai“深度学习优先”的最好体现。“车载也好、线下也好，在涉及软硬件系统的时候，我们都把深度学习作为优先选项来考虑。这意味着我们在线下，需要有基础设施来承载我们的数据，然后高效标注搜集到的数据。”

他进一步解释称，深度学习之所以在各个领域都有强劲的表现，主要是因为它对于数据的可扩展性特别好，你数据越多，你深度学习的潜力就越强。

“所以在车载方面，我们做了很多的工作，来保证车上我们可以搜集到高质量的数据，于是在路测的时候，不光是测试深度学习的算法如何，我们也是同时也在搜集大量的路测的数据。这些数据我们拿下来以后，通过我们智能的标注系统，能够生成大量的有高质量的数据，来进行深度学习的训练。同时在运算平台方面，我们内部也搭建了深度学习训练的机器，可以帮助我们快速进行深度学习的迭代和实验。”

对于Drive.ai来说，外界之前关注最多的还有他们采用的硬件方案。

此前报道中称，Drive.ai用了9个高清摄像头、2个毫米波雷达、6个Velodyne Puck激光雷达。并希望通过这一套传感器方案，保证自动驾驶的安全性，而且最后以后装工具包的形式实现商业化、规模化拓展——这个方案成本相对Google、百度等采取的方案相对“便宜”。

王弢确认，目前这套硬件方案还在沿用中，并表示多个相对低价的激光雷达、毫米波雷达和多个摄像头可以通过融合、适应，去实现安全自动驾驶的目标。他说虽然不能透露具体成本，但数量级别外界是可以推算的。

而且这套方案对于Drive.ai的商业应用也相对适宜。王弢解释说，Drive.ai目前的商业应用合作方式车队，而全球范围内的车队，最核心的成本在于驾驶员的薪资，“所以在这个方面来考虑的话，我们是可以帮助他们降低成本的，商业车队对于我们的工具包，接受程度应该是蛮高的。”

这也是Drive.ai从一开始就计算过的。王弢说，之所以采用“工具包”方案，最主要的想法是部署的速度，把握时间上的优势。因为自动驾驶研发推进是一个跟时间赛跑的过程，作为初创公司，Drive.ai并不希望5-6年之后才初次跟市场“接触”，在后装工具包、改装现有车队这块，就能让自己非常快地拓展产品和方案。

这位Drive.ai联合创始人还透露，除了车队，配送、货运和短途载人相关的合作，都已经进入了“公司射程”，当然，未来跟车企的合作也会是很重要的一块，但目前具体的合作还无法透露。

不过已知的是，现在Drive.ai已经有了尼桑、奥迪和福特三个平台的测试用车。

作为早期投资人，北极光杨磊认为Drive.ai的方案是目前高安全性和稳定性方案的代表。“它基本就是最稳定、最不激进的方案。”杨磊说。

他解释称，现在并没有哪家L4是车厂原装的，而Google等厂商的方案，只要任何传感器出问题，车就必须要停下来，因为Google的整个无人驾驶的模型是单个传感器对应单个场景的。

“然而Drive.ai是多个传感器融合之后，再建立的模型。如果有一个传感器的信息不那么完整，其他的传感器可以补上。这个比较具体的例子是雨夜的场景中，激光雷达是要弱很多的，但如果是一般的无人驾驶公司，在雨夜就比较难开了，因为激光雷达的信号非常的弱。而且也非常不稳定。但是Drive.ai是毫米波雷达、激光雷达和图像传感器融合，信息是非常丰富的，它就知道怎么开车，而且它知道如何做信息的备份。”

而谈及技术挑战，杨磊认为现在对于Drive.ai的挑战在于没有参照，一个领先的方案解决需要创新性的研发。

那无人车行业最大的挑战呢？

王弢给出的答案是“怎么解决这些边缘情况”。不过他也表示Drive.ai已经有了应对之策，王弢说关键在于首先把应用场景放在相对封闭的环境中，这也是Drive.ai首先通过商业车队进行部署的原因，在此得到验证后，就能不断精进，大大提升深度学习的速度。

而作为投资方，GGV纪源资本管理合伙人李宏玮对此也谈到看法。她认为涉及无人驾驶的整个版块，难题还不少。

从技术角度来说， 最大的问题在于目前还缺乏成熟的传感器价格和方案，成本方面还有待进步。

其次，基于当前条件的传感器情况，要实现各种场景下的100%安全的无人驾驶，还需要时间，创业企业还得去路测、搜集数据，去实现软件算法的迭代和优化——“深度学习”还得继续学习。

最后是商业模式整合上，未来是跟车厂合作、把车卖直接给消费者，或者跟滴滴这样的平台结盟，目前还都没有定论，而且滴滴等厂商现在也因为恐于被颠覆，纷纷展开了自己的储备。

创业公司能玩好无人车么？

当然，因为目前自动驾驶百舸争流，特别是Google、百度等巨头纷纷加码，Drive.ai这样的创业项目未来是否可以独立壮大，也是备受关注的焦点之一。

对于该问题，Drive.ai的早期投资人北极光杨磊回答说，虽然不能取消巨头并购的可能，但本质上讲未来可能还会是独立公司，原因是无人驾驶是非常难的领域，而且还是全新的领域，单就创新的角度和历史来说，大公司不一定能够跑得过小公司，凭借GPU崛起的英伟达就是典型案例。

杨磊披露现在L4自动驾驶方案投资中，北极光最看好的就是Drive.ai，该方向上并没有再做其他布局。

GGV纪源资本李宏玮则认为，未来能否独立，很大程度上取决于创始团队的耐心，因为对于巨头来说，收购背后可能更多想借此圈住顶尖人才，之前的历史中，不乏巨头为了人才收购创业项目的案例。

此外，李宏玮还谈及行业的承载性，她认为自动驾驶场景的多样性，是GGV选择在该赛道进行生态链式布局的原因。“中国、美国、欧洲等等地区会有路况上的不一样。而且高速公路上的自动驾驶、园区的驾驶、低速自动驾驶等场景的解决方案要求也不一样，所以我们不认为这是一家独大，会有很多玩家在里面。”