CES 2017直击丨驭势科技发布一年内可量产无人驾驶汽车

【编者按】去年以来， 无人驾驶 汽车领域逐渐热了起来，中国市场也迎来高速增长。今年CES，无人驾驶汽车成为主角， 驭势科技 带着最新的无人驾驶汽车产品“城市移动空间”在CES2017上全球发布，记者借此机会与 吴甘沙 共同探讨无人驾驶汽车商业化过程中面临的种种问题，以及无人驾驶在中国的未来。

本文转载自DeepTech深科技，作者常宁，亿欧编辑，供行业内人士参考。

---

2016年，我们看到了“无人驾驶”的火热势头，其火热不仅仅表现在它在媒体上超高的曝光率，而且确实是国内外许多大公司和初创公司深度布局的范畴，并且无人驾驶领域的产业布局也开始在几个层次上发生，比如，无人驾驶的硬件技术层面、软件技术层面、无人驾驶车辆产业合作层面、无人驾驶共享服务层面等等。

不仅如此，无人驾驶领域的投资布局在近两年同样势头强劲。不仅有通用、沃尔沃等汽车公司与Lyft、Uber这样的打车软件公司进行的战略投资合作，不同巨头之间的资本和技术联姻，并且还有第三方投资机构对无人驾驶传感设备、高精地图、算法、智慧交通等领域技术公司的蜂拥而上。

如果这些还不足以让我们感受到无人驾驶领域的热度，让我们再来看看其他数据。2016年6月，美国市场分析机构IHS Automotive对无人驾驶领域做出了最新的预测和数据更新：对于无人驾驶领域而言，2025年至2035年这十年将是一个关键增长期，无人驾驶汽车的复合年增长率在此期间会达到43%。

到2035年，全球范围内上路的无人驾驶汽车数量预计达到2100万辆。无论从政策法规还是用户接受度上，美国都将成为最先部署无人驾驶的国家。而国内咨询机构iiMedia Research在2016年10月发布的报告显示，2016年全球无人驾驶汽车市场规模为40亿美元左右，预计2021年全球市场规模将达到70.3亿美元左右。

更令人兴奋的是，IHS Automotive指出，中国在无人驾驶技术部署方面具有最大的市场增长空间，到2035年将卖出570万辆具有一定程度无人驾驶技术的汽车。而已深入涉足无人驾驶领域的百度也宣称，将在五年内实现无人驾驶汽车的量产。

甚至可以说，本届CES已经成为全球首届最大的无人驾驶大会。总之，种种迹象都在给我们传递出一个信号：无人驾驶将会是另一个风口！

然而，事实真的如此吗？

尽管我们看到了该领域各种火热现象、投资热潮、令人振奋的预测数据，但这些都不足以消除我们的疑惑，我们需要冷静严肃地回答以下问题：

自动驾驶不同层面的关键技术进展如何？何时成熟或有更多突破？

无人驾驶汽车的市场空间、市场需求、应用场景究竟在哪里？

现在的热度是否是暂时的虚热？

如果有的话，那么 阻碍无人驾驶 汽车商业化的技术因素和外在因素究竟是什么？

大众是否真的需要无人驾驶汽车？消费级别的无人驾驶汽车的空间有多大？

无人驾驶汽车能否真正解决交通问题？还是会让该问题更复杂？

尤其在中国，面对严峻的人口环境、交通环境等问题，无人驾驶汽车的未来究竟在哪里？

……

当然，问题远不止这些。

或许，这些问题才是真正决定无人驾驶何时能广泛商业化、何时能真正走进我们生活的严肃思考。

带着这些问题和思考，我们在CES 2017展览期间重点关注了无人驾驶汽车产品，稍后也会推出更多深度报道。今天，DT君与中国无人驾驶领域黑马公司驭势科技CEO、前英特尔中国研究院院长吴甘沙进行了一次深度对话。

就在今天，驭势科技带着最新的无人驾驶汽车产品“城市移动空间”在CES2017上全球发布，我们借此机会与吴甘沙共同探讨无人驾驶汽车商业化过程中面临的种种问题，以及无人驾驶在中国的未来。

无人驾驶发展的 四个象限

DeepTech：今天在CES2017上，驭势科技发布了“城市移动空间”这款无人驾驶车，能否从技术、性能、特点等方面谈谈这款产品？对这款产品未来的预期是什么？它承载了驭势科技什么样的战略考虑？

吴甘沙：首先，这款产品它不是概念车，是可以量产的车。我们希望，在一年之内，实现量产。初步实现园区内的低速无人驾驶应用，2019年向中高速转化。另一方面，它代表了我们过去一年在无人驾驶汽车这个方向上很多的尝试和经验积累，我们非常骄傲能看到这辆车能出现在CES上面。

它是针对完全无人驾驶而设计的一种新的产品形态，可以看成是第二象限中高速共享无人驾驶领域的产品。我们把移动空间、移动包厢这样的设计思路融入进去了。

自动门打开后，里面是一个半环形的白色沙发。前面的驾驶员位置，是一块大的LED屏幕，它能够跟人进行交互，比如如果碰到行人，它会停下，屏幕上会显示一个绿色小人正在走路，所以让行人先安全通过。

在设计上，基本上把主要的传感器都藏了起来，不会像今天的无人驾驶汽车因为装着很多传感器显得特别突兀。传感器方面，这款车形成了360度无死角、多冗余的覆盖，定位能力也非常强，无论是室内还是室外都可以无缝衔接。在算法方面，完全是我们自己自主研发，提高认知能力。而成本上，可能只有同类产品的1/5到1/10。

DeepTech：根据您的判断，无人驾驶汽车领域目前的发展状况如何？无人驾驶汽车的发展究竟会朝着什么样的方向走？

吴甘沙：我把无人驾驶领域的发展分成四个象限，上面是中高速，下面是低速，左面是共享无人驾驶，右面是自动驾驶私家车。

目前，绝大多数的主流玩家都在第一象限，也就是中高速的自动驾驶私家车。但自动驾驶和无人驾驶是有区别的，自动驾驶主要指车上有辅助人驾驶的系统或设备。现在无论是传统的汽车厂商，还是新晋的互联网造车的汽车厂商，还是像百度、腾讯等这些互联网巨头，其实他们都布局在第一象限。

另外，有一些互联网厂商把出行作为未来的一个主要服务，他们会布局在第二象限。比如说，国外的谷歌和Uber，国内的百度和滴滴等，他们希望通过中高速的无人驾驶共享车辆去解决人们的出行问题。百度其实在第一和第二象限都有涉及，而谷歌以前着重于第二象限，但最近新成立Waymo后，似乎重心移到第一象限了。

对于我们来说，我们的战略定位是进入到第二象限，但我们知道，第二象限的完全实现可能还比较遥远。所以在中短期，我们在第一和第三象限都做了布局。在第一象限的许多公司都缺乏核心技术，所以我们作为一个技术提供商，融入到第一象限的生态中，找到存在的价值，也就是to B的角色。

中高速共享无人驾驶将最具市场空间

DeepTech：那么无人驾驶最大的市场空间和市场需求究竟在哪里？

吴甘沙：我们认为，目前低速的无人驾驶电动车可能是新的市场领域，是一种新的产品品类，我们把它叫做“城市移动空间”，最高时速不超过80公里，我们先从这个新品类入手。总体上讲，第三象限低速共享无人驾驶的市场不会太大，我们把它看做主流市场的边缘细分市场。这个市场不够大，所以主流玩家不屑于玩或不会去玩，但对于创业公司来说，它足够大，这个市场未来三到五年内可能会达到10亿的规模。

这样的话，创业公司可以在这个领域里面避开与主流玩家的直接竞争，可以开拓出一个新的市场，这就是所谓的边缘创新。所以，第三象限目前也是我们重点开拓的一个。目前，我们上线了共享的低速无人驾驶车，主要应用场景在园区景区、主题公园、度假村、大学、机场等。

未来几年内，我们会在这些垂直领域里下沉，做深，能够实现盈利。同时，这个过程也能帮助我们积累数据，磨砺我们的技术。当未来第一象限和第三象限的技术融合在一起了，才能够进入第二象限，为终极交通系统提供智能的技术支撑。但这个过程可能需要很久很久，所以才是最终目标。

DeepTech：也就是说，在无人驾驶发展初期，先布局第一和第三象限，最终进军第二象限？这四个象限中，哪个象限的未来需求更广阔，更有广泛商业化的空间和前景？

吴甘沙：是的，我们希望未来真正能够实现无拘无束、轻松驾驭未来这样一个愿景，但在无人驾驶新品类的早期，会承担垂直整合的一个责任。从第一和第三象限出发，最终为第二象限提供技术。在第二象限里，为城市区域提供出行服务的无人驾驶出租车可能会是一种新品类，我觉得这是一种完全的创新。

而第二象限里的产品未来的应用场景和市场空间有多大呢？我认为未来是一个巨大的市场，每个城市可能少则10万辆无人驾驶出租车，多则百万辆，这样的一个级别。因为绝大多数人的活动范围，就是在城市区域。

这种中高速的共享无人驾驶车辆时速在80迈以下，属于公共产品类型。那么人们在城市里不需要买车了，它们就像地铁一样，对道路、能源、土地资源的利用率非常高，甚至城市里的停车位都可以消除掉。城市里不会再有空间的浪费，这就是我们想看到的未来。

DeepTech：那您觉得，要达到第二象限中高速共享无人驾驶的理想状况，或者说实现该领域未来庞大的市场需求，可能需要多久的时间？

吴甘沙：我认为，一般情况下可能需要10年，如果激进一点，可能需要5-7年，如果悲观一点，10-15年应该算是比较快了。不要低估10年这个时间尺度上的积累效应，所以10年的时间应该是很有可能的。

DeepTech：对于许多大公司目前集中的第一象限情况又怎样呢？

吴甘沙：第一象限的只能算是自动驾驶，可能离这种完全的无人驾驶比较远。我想最近5年内，主要市场还是在to C端，自动驾驶或者叫自动辅助驾驶私家车是主要的形态。在这种形态里，主要的玩家还是汽车厂商，以及国际知名的一级供应商和二级供应商。

DeepTech：那对于这种完全的无人驾驶私家车未来的市场又如何呢？消费级别的完全无人驾驶私家车，会有很大的应用需求吗？

吴甘沙：我觉得完全的无人驾驶其实仍是第二象限的主要产品形态，就是中高速共享无人驾驶汽车（每小时80公里左右）。只有完全的无人驾驶才能解决由交通带来的各种成本问题，这种本质上的变化能改变人们的消费行为，人们不再买车了，而是买出行服务。所以，第二象限是一个巨大的市场。

但传统的私家车严格来说是高速，在相当长的一段时间里，私家车驾驶员的角色不会拿掉。所以，在第一象限还是自动辅助驾驶的形态，而不是完全无人驾驶的形态。但可能在15年或20年这样的时间点，也会实现完全无人驾驶私家车。用 人工智能 取代驾驶员驾车，这是一个不可逆转的趋势。

所以，这种形态虽然先在第二象限发生，但最终可能会出现在第一象限。但可能会到2030年或2040年，这个量到底有多大，我不知道。而对于第二象限的终极共享无人驾驶汽车的市场空间和应用场景还是非常大的，想象力也非常大。

无人驾驶与交通、汽车产业、人的需求间的互动关系

DeepTech：假设几十年后，在无人驾驶的终极阶段，无人驾驶汽车大面积商用或普及，这真的能解决我们现在比较严重的交通问题吗？还是会带来新的交通问题？

吴甘沙：我相信肯定能解决现在比较严重的交通问题，首先是城市里面车辆的数目会减少。可以想象下，十年后北京可能只有两三百万辆车，因为全部是无人驾驶了，它解决了人开车比较乱的问题。车辆排放整齐，对道路的利用率高，废弃排放减少，能源消耗减少。所以，它能根本上解决今天城市的各种问题。

DeepTech：但是，这可能就会有另一个问题或矛盾存在。如果是这样的话，大家都不开车了，车辆整体会减少，那么传统汽车制造该何去何从？是否意味着汽车产业整体上会衰弱？

吴甘沙：未必是这样啊，这些无人驾驶车还是需要有人制造。今天的一辆车在一天里90%的时间都是停着的，利用率非常低。一辆车的生命周期可能是10年，那对于汽车厂商来说，他可能针对一个消费者，10年才能够卖出去一台车。

但在未来，无人驾驶车辆川流不息，利用率非常高，所以，车本身的消耗也会变高，那么可能一两年就需要更换一辆车。所以，就是车的更新速度或销售频次变高了，但不能说汽车厂商没饭吃了。但未来汽车行业一定会出现优胜劣汰，能跟上技术发展的就会生存下来活的很好。

DeepTech：接下来跟您讨论一个比较人文的问题，如您刚才所说，如果无人驾驶汽车广泛普及的话，它只是为了解放人吗？是我们一厢情愿的认为我们在解放人，还是人真的有这种需求？反过来讲，人们是否会心甘情愿地放下驾驭心理，把自己放心的交给无人驾驶汽车？这可能需要花费非常长的时间。

吴甘沙：这个真的需要时间。我觉得无人驾驶逐步商业化的过程中一定会碰到阻力。但你看历史发展，每一次技术革命都会存在这样的情况。比如汽车刚刚出现的时候，人们因为大量交通事故而拒绝接受，但这个趋势还是发生了。

我觉得，从政府和社会的角度来说，应该使得这个思路的转变更加顺畅。比如，要改变这种情况就要制定交通规则、修订法律，慢慢的这些问题就解决了。政府也好、无人驾驶得利的企业也好，社会也好，需要帮助人们从司机的角色转型，给他们再教育的机会，从赚的钱中拿出一部分做福利，帮助他们跟上时代变化。

天下大势浩浩荡荡，不可逆转。 

阻碍无人驾驶商业化的三大因素

DeepTech：除了我们讨论的情况之外，您觉得还有哪些因素会阻碍无人驾驶汽车比较快的商业化发展？

吴甘沙：主要有几个方面。一方面就是技术，其实技术还不足够成熟。我们说的深度学习，从本质上讲是不适合无人驾驶的。因为，深度学习就像一个黑盒子，它的很多效力是不可名状的。说实话，现在的智能驾驶强调的是感知，比如眼观六路耳听八方，但是认知上远远不如我们人。所以技术上还是需要突破，需要数据积累。

第二个方面就是市场，主要问题就是无人驾驶汽车零部件的成本。现在，一台激光雷达要70万人民币，那这样的话是肯定没办法大规模商业化的。我们希望，未来3-5年内，激光雷达等一些部件会变得非常便宜，那这样的话大规模商业化是完全可以期待了——这是无人驾驶基础建设方面的问题。

另外，就是市场主流的玩家是不是都接受这个事情，如果只是谷歌在玩，而主流汽车厂商没跟上，那这个市场是起不来的。当然，现在几乎所有主流的汽车厂商都跟上来了。

第三个阻碍因素就是法律法规、道德伦理方面的问题。这方面，我觉得还是比较乐观的，像美国奥巴马亲自写文章为无人驾驶助威，美国交通部也在推动无人驾驶的立法。在美国一般政府只是给出一些原则性的条框，剩下的交给各州立法。

但在无人驾驶这件事上出现了两个有意思的现象，首先美国政府的态度非常有意思，这次它希望所有州跟它保持一致，不要扭扭捏捏；其次呢，各个州其实跑的比交通部还快，有些州已经宣布出无人驾驶的法律法规。所以，美国推动的非常快。

我觉得在中国，如果我们不注意的话，那很有可能5年后，美国的制造成本就低于中国了，用大量的 机器人 去取代人力。欧洲和日本也跟进的很快，我相信中国也将会快速跟上。

DeepTech：那目前中国在推进无人驾驶上整体是什么情况？

吴甘沙：现在的主要推动力量主要来自几方面：一个是来自中国汽车工业工程方面的专家、专业委员和标准组织，他们在积极的推动。比如一些标准的制定，会推动我们路线图的制定。

其实，中国的无人驾驶路线图已经出来了，而且是比较快的。比如，到2020年，汽车销量达到3000万辆，其中，或多或少带有自动驾驶功能的车辆可能达到1500万辆。这个路线图对于汽车厂商的指引作用是很大的。

第二个力量包括工信部下面专门负责软件硬件测试的中心，也在努力推动合规的无人驾驶技术的测评。

第三个力量就是地方政府，地方政府往往步子更快，他们愿意在辖区内更快地去尝试无人驾驶的部署。目前，中国应该有十多个城市现在有无人驾驶的计划，这会形成一个很好的态势，产生一种拉力。

我觉得政府在法律法规上做出调整的话，应该会在5年内发生。

DeepTech：回到您刚才说的无人驾驶商业化面临的技术方面障碍，无人驾驶车目前可能更多靠感知，但在认知上还有较大欠缺，那如何解决无人驾驶汽车认知方面的技术问题？为什么深度学习不太适合无人驾驶？

吴甘沙：这个问题还得靠人工智能算法以及数据积累来解决。在技术行业这么多年，我还没看到过像 2016 年产生如此多的技术突破。无数的资本和人才进入人工智能领域，推动了人工智能加快发展。人工智能才能解决模拟人的认知的问题。

另外一方面，在无人驾驶基础设施上，也会出现很好的支撑，比如高精地图、车对车通讯等技术的发展。如果想要达到未来终极的交通系统，单靠人工智能是不够的，要靠基础设施、车与车协同，这是一个非常庞大的工程。

今天的自动驾驶大家都在往深度学习方向走，但深度学习要大规模部署可能需要多走一些路。它就像个黑盒子，为什么成功为什么失败是不可解释的。

对于无人驾驶要面临的开放环境，它需要适应能力。但今天的深度学习主要还是基于特定的数据来学习规则。然而，在开放环境里，许多是不可预测的，有许多数据集是从没出现过的，如果汽车碰到完全没出现的情况作出错误选择，就是车毁人亡了。

所以，深度学习如何更具可解释性，如何针对开放环境做的更好，还需要现在的技术人员继续努力。

无人驾驶汽车 基础设施成本 有望大幅下降

DeepTech：对于刚才说的无人驾驶汽车基础硬件成本的问题，除了激光雷达目前成本比较高之外，其他方面的成本呢？会有什么样的下降空间？

吴甘沙：我觉得，所有的成本都会下降。

第一，是感知部分，比如激光雷达、各种视觉摄像头、毫米波雷达、超声波等等，传感器这些都会变得更加便宜；

第二，就是定位系统也会变得更加便宜，像全球卫星定位系统，高精度地图或定位设备，视觉定位等等；

第三，就是大量人工智能计算，这会涉及计算设备，目前这些都是比较贵的，但应该也会很快能够降下来。所以，成本应该不再是一个问题。

DeepTech：对于许多人都会关注的激光雷达问题，目前它整个的发展状况如何呢？

吴甘沙：激光雷达目前来说是特别贵的，原因有几个方面：一是跟它的工艺有关，它是传统的机械式工艺，要求电器的可靠性，要求激光的校准等等。另外，就是量小，全世界排名第一的激光雷达厂商去年可能也就卖几千台吧。

未来这两方面都会获得突破，在三五年当中，无人驾驶产生的百万台订单是没问题的。而工艺方面也从普通的机械式激光雷达往固态激光雷达等演进，这可以降低成本，形成大规模制造。所以，未来几年这个问题应该还是非常乐观的。

无人驾驶在中国的生存与竞争

DeepTech：您觉得整体上，国内无人驾驶领域的竞争态势如何？国内的无人驾驶公司如何解决生存的问题？

吴甘沙：我不觉得国内无人驾驶目前处在竞争状态中。无论是百度、汽车厂商还是创业公司，大家还是处于友好状态，因为这个市场是非常巨大的。除了人才上的争夺，其他还谈不上竞争。

大家都希望这个行业尽快成熟，这个饼能变大，然后大家才能一起分。所以，现在还处于共同推动，先发展再说。这应该还是需要很长一段时间的。

如何解决生存问题，我觉得几种可能都有吧。有些公司会委身于大公司了，有些公司会保留下来，进行不同的战略可能性，根据市场发展节奏，在不同可能性上重新部署，最后会很好地生存下来。

DeepTech：无人驾驶领域可能会经历这样一个过程：投入钱研发——培养社会对无人驾驶的认同理念——说服社会大众接受——政策推进——产生切实的市场需求——盈利。您认为，这个过程会很漫长吗？至于何时能挣到钱，有没有那么确定？

吴甘沙：我觉得这个过程不会特别漫长，因为未来三五年内，国内的供应商和汽车厂商的自主研发能力会起来。随着技术路线图的逐步落实，无人驾驶汽车的量会上来，并且随着大家的接受度提高，在5-10年的时间里，无人驾驶汽车可能会慢慢普及开来。

比如，先从一些特定的区域入手，然后再到城市区域，这个时间应该不会很长。对于企业来说何时盈利，我们只能说给自己设定一个目标，希望能在几年内形成自身的造血机制吧。

国内外无人驾驶行业发展趋势

DeepTech：从您的视野来看的话，国内和国外，整个无人驾驶行业的发展趋势上，有什么样的相同之处，或有什么样的差别？

吴甘沙：我觉得从技术路线上来说，都大致相同，比如，感知、规划决策控制、方法等方面可能没有太大的区别。可能的区别主要有两个方面：

一是，在算法趋同的前提下，数据的积累能力出现了分野。现在至少美国的一些领先厂商，包括以色列的一些公司，在数据积累上确实非常领先；

二是，在生态方面，国外可能更加活跃一些。

国外的一级供应商、二级供应商以及汽车厂商，他们的创新能力非常强，他们在长期的配合合作中形成了独特的相互合作、相互竞争又相互促进的生态。

那么在国内，相对来说，没有那么活跃。比如，高速辅助驾驶技术可能更多依靠国外供应商，所以，汽车厂商的自主研发有待加强。

所以，我希望未来国内的技术供应商能够成长起来，汽车厂商的自主研发能力提上来，这样才能形成既合作又相互竞争和促进的良好生态。

DeepTech：那么，国内外无人驾驶领域的资本投入方面，整体的情况又怎样？

吴甘沙：我了解到的情况是，国外在无人驾驶领域的资本投入比较活跃。国内目前也算比较活跃的，据我所知，各个大的风投、一些互联网厂商和主机厂商基本上都在布局。只不过，国内可能对应的投资标的不算特别多，所以，他们其实也是投到了国外。

比如，我们上半年完成了一轮融资，投资方来自创新工场、真格基金、中科院下面的一支基金等等。