馭勢科技聯合創始人吳甘沙：全場景無人駕駛的商業化路徑

馭勢科技聯合創始人、董事長兼CEO演講實錄：“全場景無人駕駛的商業化路徑”。

吳甘沙：大家早上好，非常榮幸今天能夠跟大家做這個分享。

馭勢科技可能比較與衆不同的地方，是我們非常強調全場景，覆蓋從乘用車到商用車，從L2到L4，從經常看到的A照的司機像公交，到B照，再到到C照的司機像出租車甚至於騎手。

你們一家創業公司，能否把這麼多場景做好？其實我們一直強調的是技術的全場景、技術的通用化，但是真正要做每個場景的吃深吃透的商業化，我們還是和大量的合作伙伴一起做。所以本質上我們做的一橫，這一橫就是我們的技術平臺，很多的豎是跟很多其他的合作伙伴一起做。

我們今天經歷的百年未有之大變局，是通過三個階段來實現：

第一階段：電動化。電動化的標誌，真正大規模進入到生活的標誌是什麼？就是我們不再有里程的焦慮。

第二階段：智能化。智能化的標誌，是我們汽車座艙裡面手機的支架可以拿掉，這是智能化的標誌。

第三階段：自動駕駛。自動駕駛的標誌，真正大規模商業化的標誌就是我們的角色從司機逐步變成安全員，逐步變成乘客。

今天我們說自動駕駛進入下半場，但是其實我個人認爲你套用丘吉爾的一句話：現在遠遠不是結束的時候，甚至還不是結束的開始。嚴格來說，現在只是開始的結束而已。也就是說我們剛剛從演示開始做大規模商業化的量產。

我們其實有一個非常低性的邏輯來去推論怎麼做商業化？我們認爲十年以後你判斷無人駕駛是不是真正的大規模商業化，一個本質的標準就是它是不是比人開的更加安全。這就是要回答多安全算是安全？一定是比人開的更安全，纔是安全。

下一個問題就來了，你怎麼驗證比人開的安全？

這其實是一個很難的問題，他一定是基於百億公里的數據、百萬場景的驗證，才能夠證明。你要獲得百億公里、百萬場景，你是不可能靠自己弄一些車來測。

有一個簡單的論證，如果說你要跑110億英里的話，100輛車一天到晚不吃不喝不睡不停開，需要500年，這意味着一定有大量的車上市去跑。

的

我們以前有兩個比較形象的成語比喻：一個叫“草船借箭”，就是自己收集數據很難，你靠100萬輛車，靠這些用戶幫你收集數據是很容易的。另外一個叫“借假修真”，在100萬輛車上面跑你新的算法，驗證它是否正確，這個也是真正能夠實現大批量百億公里驗證的問題。

所以你一定要解決大批量上市的問題，大批量上市要麼就是輔助駕駛，因爲輔助駕駛的出錯成本是可控的，因爲有一個司機在車上。如果它是無人駕駛，你一定要把今天的開放、無邊界、不收斂的問題，變成有邊界和收斂的問題，不然它是不可能實現無人駕駛的。

所以基於這些推論，我們認爲未來三年當中，這三種智能駕駛是真正可以實現大批量上市的：

1.有邊界的、區域內的無人駕駛。比如說在一定區域內的物流，比如在一定區域或者是固定路線上面的公交，這是區域的無人駕駛。

2.城市的無人配送。它應該說是處理的場景更加複雜，但是因爲車比較輕，速度比較慢，出錯成本是可控的。

3.覆蓋非常寬泛場景的輔助駕駛。我剛纔說過車裡面有個司機，他能夠一定程度上控制出錯的成本。

我認爲你要實現百億公里、百萬場景，就必須得大批量上市，而大批量上市今天我們能夠看明白就是這三種。所以我們希望做全場景、真無人、全天候的自動駕駛。

全場景自動駕駛的基礎叫做U-Drive®️，我們簡單看作是AI司機。這個AI司機是包含了硬件部分，就是車規級的智能駕駛的控制器；也包括軟件部分，就是我們強調通用性非常強的自動駕駛的算法；還有一個就是雲端運營管理的平臺。

這邊稍微講一下自動駕駛的算法，我可能不會從傳統的感知、定位、融合、決策、控制等等這樣的角度講，它想要符合全場景，它要滿足什麼樣的條件？

第一，普適性強。

我們希望能夠做一套算法，它能夠大量的普適到不同場景當中。在這個算法後面，其實具備了基於數據來進行學習的方式，我一輛車在新的場景當中可以人開一下，也可以讓它自己跑一下，用人評價一下，就能夠讓它的參數更加符合這個場景。另外，我會提供很多的工具，讓它對場景能夠更快適配，這是第一個維度，普適性。

第二，精準性。

在我們大量物流的場景當中，它需要的是精準，因爲它解決的不僅僅是A到B點的運輸問題，還要解決裝卸貨的問題，你要實現自動的裝卸貨，你可能需要跟月臺、地槽、AGV要做精準對接，而這種精準性是普通的無人駕駛可能不強調，這是第二個維度。

第三，魯棒性。

大家知道魯棒性和可靠性是兩個不同的概念，可靠性是在給定的邊界裡面能夠做到不出錯，而魯棒性是當出現超越邊界的場景以後，他還能夠自動的、優雅的、安全的降級，能夠保證安全。

而這樣的魯棒性，它需要非常好的數據閉環，需要你的算法能夠做非常快的迭代，這些我們都包含在算法、雲端管理平臺當中。

我們做自動駕駛最大的場景肯定是乘用車，但是乘用車今天沒有辦法做到無人駕駛，我們就從L2、L3的城市場景，以及自動代客泊車、訓練泊車這種場景切入。它不是無人駕駛，但是有了這樣場景的商業化，它可以做到兩件事：

第一，通過大規模的上市能夠不斷獲得數據。

第二，通過OTA能夠不斷迭代算法。

我們原來給車廠服務都是碎片化，比如說這個車廠需要訓練泊車，那個車廠需要別的。我們是提供單個的模塊，隨着我們的訓練變多，我們發現可以向他交付一個統一的解決方案，這個解決方案用一套控制器、一套技術就能夠覆蓋剛纔說的這些問題，覆蓋停車場自動駕駛等場景。

隨着像華爲、特斯拉這樣一些針對城市場景的自動駕駛技術也慢慢上市，你可以逐步把它再演進到第三個場景，就是說今天我們U-Pilot®️能夠二合一符合兩個場景，一個是公路上面的場景，一個是停車場的訓練泊車和代客泊車。但是因爲你的架構有可擴展性，所以我們逐步可以延伸到第三個場景，現在你可以叫做Robotaxi。

我們就是在這些場景當中不斷摸索，最早就是單個摸索，比如說Robotaxi我們和東風合作，專門做這方面的技術演進。比如說自動代客泊車，我們跟上汽通用五菱做了一批車，交付給用戶讓他用，在用的過程當中不斷提升。

當你有了這樣一些模塊化的技術以後，你下一步做的就是三合一，就是三大場景用統一架構來實現，而且這個架構：

第一，要有數據閉環。

第二，要具備快速的算法迭代的能力。

所以我認爲未來三年當中，尤其是在中高端的車輛上，會出現這樣的三合一架構的U-Pilot®️的解決方案。

我們做乘用車之餘也要探索無人駕駛，我們做了很多場景，剛纔說區域無人駕駛包含兩類，一類是載人的公交，另外一類就是物流。公交我們是國內比較早開始做公交的商業化運營，現在擴展到20多個場景，運營了十幾萬公里，接待了接近10萬人次。公交我們主要的思路就是我們是一個賦能者，以來我們幫助一汽、宇通、開沃等等這樣的一些整車廠來提供無人公交的解決方案。

歷時

區域無人駕駛除了公交之外，另外一個場景就是物流。物流我們最早是從機場開始切入，爲什麼從機場切入？其實大家知道做無人駕駛，你有三個維度可能是需要考慮，但是這三個維度不可能同時獲得。

但是這三個不可能同時獲得，我們可能會選其中兩個，比如說在機場，他的市場可能未必非常大，但是另外兩個維度就是壁壘足夠高，商業化可以馬上實現。

所以我們就從機場這個地方切入，而機場主要做的就是三個地方：機坪、貨站、行李大堂，在這些地方之間實現行李和貨物的運輸。

它的痛點也非常明確，因爲它每天要工作16-20個小時，三班倒。

第二，它的工作條件非常惡劣。所以應該說我們做了非常好的探索，到目前爲止我們還是世界範圍內唯一真正在大機場實現去安全員的運營，我們最早是從香港機場開始，因爲他更缺人，人工成本更高，逐步我們現在開始到境內的機場開始去安全員的運營。今年下半年，我們會有多個這樣的案例出現。

另外就是廠區，我們回到剛纔這三個因素，廠區的市場就比機場更大，但是他的壁壘可能相對降低一些。另外從商業化的角度，你可能要更加講究把成本降下來。我們在廠區做了很多的探索，可以看到我們在汽車製造業、工業的製造、石油、化工、能源、生物製藥、食品等等行業進行商業化。

廠區我們也有兩種合作場景，第一種就是客戶提供車，這是上汽通用五菱，他有大量閒置的車，我們把這些車改造成物流車，在他的廠區裡面可以拖各種各樣的東西、各種零部件，我們叫做生產物流。

現在我們能夠實現在上汽通用五菱的兩個廠區，百臺車的規模，他每個月大概能夠跑四五萬公里，全部去安全員，現場百臺車不需要派一個工程師，只需要一個遠程的運維工程師就可以了。

這樣的場景我們進一步拓展到很多其他的整車廠，像一汽、長安、東風，甚至很多其他的行業，包括BASF、三一重工等等。值得一提的是BASF，我們上個禮拜剛剛跟BASF大中華區的總裁一起啓動了在浦東BASF基地的無人車運營。按照他的說法，這是BASF數字化道路上一個重大的里程碑。

隨着這些發展，我們現在在全國拓展這些，我們去掉安全員的運營里程接近70萬公里。我們在全國有北京、上海兩個研發基地來支撐這樣一個通用的全場景技術，我們在浙江嘉善有一個全功能的測試和創新中心，能夠把客戶這樣一些場景複製在這個地方，能夠做大量的測試，確保去安全員是足夠的安全。

最後，我想用這麼一句話做總結：馭勢科技，我們希望能夠預見未來。

在未來，我們相信無人駕駛的技術能夠真正進入到千行百業，真正能夠賦能我們的出行、物流以及智能製造。

這個過程當中，我們希望是能夠提供真正安全、低成本、高效的AI司機，讓他們實現數字化轉型。

謝謝大家！

（完）

親愛的數據，出品