演講實錄丨沈海寅 “奇點”降臨，從汽車到輪式機器人的變革

“奇點”降臨，從汽車到輪式機器人的變革

沈海寅

智車優行科技CEO 聯合創始人

沈海寅：的確像吳甘沙老師剛才說的，我覺得其實做事情要順勢而為，以前因為我在金山軟件跟雷軍也一塊工作過，後來也是在360工作過，大家都知道小米有一個附屬的基金叫“順為基金”，就是順勢而為的意思，你投向要投大勢，如果你這個趨勢本身是在逐漸縮小的環境裏，你能夠占的比例即使再大，你的未來也不容樂觀的，但是像剛剛說的三個萬億的市場裏，那你做的事哪怕再小，你所能夠獲取的利潤也是非常可觀的。剛才李德毅院士也說了非常多的ADAS的轉型，我是2014年進入到汽車行業，2015年認識李院士，經過一年多的溝通以後，我們也非常認可這個方向，我今天說的裏麵有很多是跟李院士相近的。

    在過去大家聽到非常多的一件事情，就是特斯拉的事故。因為特斯拉在美國發生了事故，最近又曝出在中國更早的時間點也發生過事故，這幾起事故就把特斯拉推到了輿論的風口浪尖。但是我們從技術的觀點上來看，我們在很多媒體上都有特別多的報道和分析，今天我就不從技術角度對特斯拉事故進行分析了。

    我們從另外一個角度，特斯拉出現這些事故到底有哪些地方是有問題的？前兩天我在一個行業論壇上也講過，我們對於特斯拉的判斷，是在於說它用一個新的技術，在讓我們的的確確的通過自動駕駛，讓我們人所發出的努力，或者說你在道路上所需要承擔的這種壓力大大減輕了，但是我覺得我們在這個裏麵是需要看一個概念，就是說什麼是用戶，而不是客戶，因為在過去我們經常說我們在做商業的時候，是跟客戶打交道的，尤其是做O2的業務，但是我們經常說我們有兩個概念，比如我賣一個冰箱出去，我希望消費者在我賣了以後不再來找我，他找我一定是去維修，我就會多花成本處理這個事情。但是互聯網裏麵，比如說一個用戶下載互聯網APP，這時候我們稱之為用戶，也就是說我們今天起步的僅僅是第一步，而未來在用戶用我們服務的過程當中，他所獲得的體驗，每一分鍾的體驗，每一分鍾所獲得的服務都是需要關注的，自動駕駛就不一樣，以前我在關注車賣給我們的消費者的時候，我也希望就像空調一樣，最好消費者不要來找我，萬一來找我，就意味著我要給你承擔維修甚至召回的義務，但是在我們新的時代裏，我們說汽車在往智能化的方向發展的時候，我們希望消費者他成為我們用戶，既然是用戶，我們就需要對用戶承擔正確高知的義務，像特斯拉它其實在用一種非常積極的方式推動自動駕駛，但是它在用戶的告知方麵存在一些缺陷，我覺得從產品的角度上來說，這是特斯拉最大的問題，它讓你的用戶覺得非常酷，但是這種酷背後是用生命作為代價的，這種正確的認知是否能夠讓用戶能夠感知到，特斯拉反省事故的時候得到的最大啟發。

    既使是這樣，在過去對於很多激進的策略，傳統的很多經常在說你們互聯網公司太激進，我們還是一步步這樣走，一步步走的確對，我們把人的信念放在最高的點，但是往往在另外一個方麵來說，其實在過去許多技術的進步並不是到100%安全的時候才進入到我們生活中，我是做技術出身的，所以也是非常喜歡看各種各樣技術的人，我在家的時候有會看電視，像美國國家地理這種頻道，我自己非常喜歡看一個紀錄片，飛機在過去發生過哪些事，我們就看到其實很多我們在飛機上現有的，我們認為習以為常的事情，比如說懸窗為什麼是圓的，過去就是因為不是圓的，而造成金屬疲勞和鍛煉而造成巨大事故。以前我記得寶馬的CEO嘲笑特斯拉的時候，我們做事情要讓你覺得百分之百的安全，但是特斯拉沒有成熟就把這個東西推出去了，聽起來有道理，其實在背後孕育著說如果沒有特斯拉，沒有穀歌更為激進的企業努力，我認為在今天我們麵向這樣一個大勢，絕對會成為大勢，也許人工智能還是科學家在研究機構裏去研究的程度。

    我經常舉這個例子，大家都知道愛迪生點亮了大樓的時候，人類第一次有了電以後，有了非常大的光明，但是它碰到一個特別大的問題，就是說因為直流電電壓非常低，如何把電輸送到我需要的地方，輸送到人的家裏去，如果按照愛迪生的理論，基本上每平方公裏都需要建一個發電廠，所以說這個離適用化有非常大的區別，1882年的時候，特斯拉他發明了交流電，在發明交流電以後，特斯拉就被愛迪生從他的公司趕出去了，愛迪生覺得你這個交流電不靠譜，通過交流電我們都知道，把高壓升高傳輸到很遠的地方，然後再到適用的地方把電壓降下來，所以我們小區裏麵都有配電櫃等等，這種裝置的確可以使得我們交流電迅速的普及到生活當中，而且能夠解決我們的問題，但是愛迪生他為了證明交流電是可怕的，因為交流電會電死人。他為了證明這樣的一點，他不顧他在行業裏這麼高的聲望，拚命的宣傳說你看交流電會電死人，甚至為了證明交流電的危害性，不惜去把馬甚至大象讓它觸電。的確回過頭來想，我們在今天每年都會因為在電網上，或者說在家庭裏麵，因為交流電發生觸電事故，但是我們現在再回到直流電的時代可能嗎？肯定不可能了。

    我想舉這個例子的理由，就是說很多時候你為了要往前走一步，雖然這句話很冷酷，我們的確是需要付出代價的，這種代價它會為我們的技術進步帶來非常強的推進動力。在過去有這樣一個數字，90%的交通事故都是由人來造成的，人其實是一個最不確定的因素，每個人的技術水平、開車的水平都有限，有些人說我在後麵貼個“我是新手”，這些人比較聰明的，更多人是很莽撞的，很多人一年就開兩次車就敢把車開上路，人是不穩定因素，即使是老司機受到情緒變化的影響，甚至受到短時間的分析，那邊怎麼到出來一個新的建築，這種一瞬間的分心都會帶來我們交通事故的發生，所以我堅定的認為，我們在未來要獲得交通安全，要獲得更穩定的駕駛環境，一定是靠我們的機器來去做成的，機器一定比人獲得更好交通的結果。包括在美國的高速公路主管部門，也會說我們自動駕駛是把人為的事故降低多少？降低94%，它所能夠挽救的是越來越多鮮活的生命。這是除了講到市場規模以外和經濟以外特別大的推動力，我們希望能夠有一個更美好的駕駛習慣，所以說智能駕駛一定是未來。

    我們在談論自動駕駛的時候，我們在談論什麼呢？我們在講自動駕駛往往先要講到阿拉斯，從0-4這樣去劃分的，剛才會前我也在跟吳甘沙在聊，車企我們都在關注2，其實就是不同阿拉斯功能的集合，我們以前從1覺得這裏麵有自動巡航，像很多車有自動巡航的功能，但是現在我們的車已經到了多功能自動駕駛的情況，我們到底要定義多少個功能，我們第一輛車裏麵也是從阿拉斯去起步，但是它說你到底要定義多少功能？我們就一個功能一個功能開發，一個功能一個功能跟不同的廠商合作。

    現在有兩種做自動駕駛的方法，一種就是像穀歌、百度，它是從上到下，一下子跳到4的層麵，我們覺得它在實際技術上的難度還是非常大的，像靠湯總的努力，成本高的問題還是可以解決的，我覺得隻要是電子的東西，一定是可以起作用的。但是一下子跳到無人駕駛，我經常說如何能夠把，我路邊的修車店就在路邊，我把車開到人行道上，停車是停在人行道上，如何把車開到人行道停到它指定的位置，你想想那100米的路是非常困難的條件，很難說通過高精地圖定義出來，隻能通過非常複雜的算法去解決這個問題，像這個最後的一公裏、最後的一百裏，是無人駕駛解決特別難的一點，可能我們要花80%的努力才能解決生活當中20%的駕駛場景，所以在這點上來說，還是需要非常長的一段時間，像吳甘沙說的30-50年，我沒有這麼悲觀，我覺得10年以後可能解決。

    所以我說要滿足真正無人駕駛周邊的環境和我們在法律上、在倫理上很多的障礙的確還是非常多的，不完全是技術能夠覆蓋的，但是另外一個角度，這是我們車企在幹的事，在逐步升級ADAS。ADAS是車企在做的一件事，其實剛才李院士已經把道理說得非常清楚，我們通過今天做十種ADAS的場景，明天可以開發二十種ADAS的場景，但是如何覆蓋邊界條件，一百種是成本的平衡點還是怎樣的，這都非常難。我們覺得通過ADAS的累計，最後是達不到真正的3的，到4是非常困難的。

    現在我們走的路線是自主駕駛，就意味著你必須在，第一我畢竟是一家企業，我們不能可能說像穀歌投入一個研發，然後可能未來五年、十年都沒有特別高的成效，穀歌是有這樣的財力，像我們是很難有這樣的財力去做這個事情。所以我們還是從用戶的剛需出發，第一步還是做ADAS，但是ADAS在未來也許是有用的。第二步大數據、自學習，我就不多說了。

    AlphaGO是在某個垂直裏麵機器可以做得比人好了，現在我們在人臉識別，機器已經超過了人的識別度，在AlphaGO是通過兩個模型：第一個是我對棋局態勢的評估，我在看目前的狀態是對我現在的情況進行分析，然後再選擇如何決策，通過這兩種建了兩個模型去進行評估，所以說通過形象思維才能做到的下棋抽象化，形成了一個態勢+行為組合，我們來看，其實在自主駕駛也是一樣，我們人在駕駛的時候，它是由什麼組成的？第一首先要對態勢進行判斷，我目前處於什麼樣的狀態，我是在最左邊車道還是右邊的車道，同時下麵需要有一個認知的箭頭，把態勢駕駛和認知箭頭進行端到端的學習，形成駕駛裏麵的模型。

    我們在第一步其實覺得理論是先從硬件入手，我們在分析未來到底需要哪些硬件，這是我們第一輛車去定義的硬件。當然，這裏麵沒有把激光放進去，我們會把激光雷達空間留出來。剛剛院士也說了，汽車在過去已經不再是四個輪子加兩個沙發的問題，具備了自動化以後，我們希望它能夠成為一個輪式的機器人，它的定義就是說具有像人一樣，或者說像外麵所定義的這麼多機器人一樣，它的這種感知能力，然後具有自主的判斷能力，通過這種判斷後麵來進行行為，能夠自主的去做操控，但是這個理論說的簡單，在每一步碰到的障礙點都很多，剛剛也講到說端到端存在了很多問題，但是端到端又是我們自動駕駛當中能夠去突破現有的，把ADAS集合起來做自動駕駛的局限性，為什麼會講到ADAS？我覺得ADAS是一個概念，但是它所帶來的技術還是可以給我們利用的，我們希望未來能夠通過自學習的方式，使得我們的汽車具備像人一樣的一種駕駛能力，或者說甚至超越人的駕駛能力，但是因為它所帶來不確定性的確非常巨大，就像剛剛講的很多一些在99%都是OK的，但是1%給我們帶來的傷害就是致命性的，我們希望可以圈定一個邊界條件，用我們的ADAS可以做到邊界條件的區別，就像我們說在學開車的時候，有個駕校的老師、教練坐在我們的邊上，在教練車上有一個刹車、有一個油門，碰到一些緊急情況的時候，可以通過這種方式來給你踩緊急刹車，他可能不會說我來指導你怎麼去進行路線的規劃，讓學員通過學到的東西進行路徑規劃，但是在要產生生命危險或者物體損害的時候，我把邊界條件進行了局限，對緊急情況進行一個判斷，未來我們想做的方向就是在車裏麵有一個駕駛腦，同時承擔了兩個功能，第一個功能是通過駕駛人的行為習慣，不光是一個駕駛人，而是我們在雲端去進行算法的學習，可以通過比如說上千輛、上萬輛的行為習慣進行學習，再把這個算法放到每輛車裏麵，同時還有另外一個功能對駕駛的邊界進行規定，這就是我們現在在走的這條路。

    由於時間關係，我想說的就是這些，也希望能夠在未來跟大家可以多去交流，謝謝大家！

本文來源於"中國人工智能學會",原文發表時間" 2016-09-24"