吳甘沙創業照見自動駕駛十年變遷，產業爆發在下一個春天裡

文 | 於勝越

來自新智駕（AI-Drive）的報導

個人創業照見自動駕駛十年變遷。

效力英特爾16年、三發創業之心最終“出走”人工智能，吳甘沙的創業故事已經被說得太多。而他所領銜創立的馭勢科技，繼2017年完成國內首個自動駕駛商業運營項目後，在過去的2018年裡，憑借全棧自動駕駛解決方案，再次成功拿下了國內頭部乘用車客戶、共享出行領域以及物流領域的多個商業項目，並走出一條領跑自動駕駛商業化的路線。

在對話前，新智駕告訴吳甘沙，希望聽到一些關於他在不同時間點做出不同自動駕駛抉擇背後的故事。

在關注吳甘沙個體的自動駕駛抉擇之路同時，本文更深刻的意義在於，窺見自動駕駛在過去十餘年間的變遷，及創業者在資本寒冬對自動駕駛未來的思考。

起風了，但好像還有點遠

2004年，美國國防部先進研究項目局DARPA舉辦無人駕駛汽車陸地挑戰賽。儘管這一年的挑戰賽全員覆沒，自動駕駛榜單上最好成績也僅是7.4英裡。而這最初的7.4英裡讓不少走在科技前沿的人看到了一種不可描述的可能性以及未來出行的些許端倪。吳甘沙也是其中一個。那時的他，還在英特爾搞手機系統。

18個月後，DARPA舉行第二次自動駕駛挑戰賽。吳甘沙的“東家”英特爾作為讚助商率先選擇了CMU（卡耐基梅隆）。當時，英特爾研究院的另一位同事Gary Bradski正在幫助Sebastian Thrun（後被稱為谷歌無人車之父）設計無人車“Stanley”。Gary Bradski正是那位世界級AI大牛，後來創建CV領域全球應用最廣、最知名的開源項目之一Open CV。

當時，Gary Bradski跑到英特爾市場部反映，“要不要也支持一下Stanley，它實力排名第二，而且不需要太多錢，大概幾萬美金就可以了。”為了雙保險的英特爾最終選擇了用少量的錢押注斯坦福團隊設計的“Stanley”。

比較窘迫的是，當時那輛Stanley已經貼滿了LOGO。英特爾只能選擇前側窗。因為車內沒有駕駛員，兩側後照鏡也僅是擺設，所以前側窗可以“犧牲”了。前側窗的英特爾LOGO一度成為當時的“笑點”。這也讓人們深深記住了它。

讓英特爾欣喜的是，Sebastian Thrun率領斯坦福團隊設計的無人車“Stanley” 以6小時54分的成績取得冠軍。

在興奮之餘，吳甘沙心中想的是，"這好像還有點遠"。這也是2004年到2006年，多數觀望者心中的自動駕駛畫像。

2007年左右，英特爾研究院內部開始布局智能駕駛。周鑫（現為馭勢聯合創始人）參與並長官了英特爾並行編程解決方案技術。2008年， 英特爾首款ADAS技術演示經手人便是周鑫。

當時吳甘沙對於自動駕駛的思路尚且有一點保守，還在跟緊“老東家”英特爾的步伐，“先做一些ADAS方面的東西”。

風向變了

“2014年、2015年的時候，我發現風向變化了。”2015年發生的兩件大事讓吳甘沙開始行動了。

一邊，Uber CEO卡蘭尼克在Google體驗過自動駕駛汽車後發現，自動駕駛原來已如此成熟。令其恐懼是自動駕駛將顛覆出行；興奮的是，這將是改變命運的基礎。緊接著 Uber 從卡耐基梅隆大學國家機器人工程中心（NREC）挖來近五十位科學家、工程師，在匹茲堡成立 Uber 的自動駕駛團隊ATG。

而另一邊，2015年底，特斯拉AutoPilot火了。

Uber建立自動駕駛團隊、特斯拉AutoPilot推上風口，這讓吳甘沙開始意識到並堅定自動駕駛已經不遠。這一次出發，吳甘沙不想做ADAS，直接劍指L4級自動駕駛。

2016年，吳甘沙沒有猶豫，離開奮鬥16年的英特爾，創業建立自動駕駛公司馭勢科技。

吳甘沙稱自己的運氣特別好。2月3日，吳離開英特爾時，資本對於自動駕駛依舊有所保留。讓他感到幸運的是3月初，通用花費10億美金收購了Cruise。

“之後的自動駕駛變得比較順了，整個圈子正在朝著良性的方向發展。”吳甘沙說起此很激動。

琢磨出一個商業路線

CMU自動駕駛領隊惠特克（Red Whittaker）的一句話，吳甘沙熟記在心，這也成為他布局自動駕駛的邏輯：If you haven't done everything, you haven't done a thing（你必須什麽都會，不然隻懂一些部分等於零）。

在吳甘沙看來，自動駕駛門檻高且技術複雜，需要了解得面面俱到。木桶短板對於自動駕駛公司而言是大忌。從搭載AI算法的車規級自動駕駛控制器、無人車運營服務平台、數據管理平台，再到自動駕駛仿真系統等等，吳甘沙將馭勢技術路線規劃為多種商業場景提供全棧式自動駕駛解決方案。

當然，吳甘沙也並未一棒子打死沙灘上專注模擬於仿真、高精地圖等細分領域的公司。“這些公司也要對於自動駕駛各個環節進行深度解讀，二級供應商需要和自動駕駛公司進行深度結合，了解自動駕駛領域中的方方面面，並依據其自動駕駛系統做深度聯合設計”。

成立近三年，基於全棧式自動駕駛解決方案，加緊腳步摸著石頭過河，從技術路線到產品方案，再到商業路線，吳甘沙在自動駕駛方面已有自己的一套世界觀和方法論。

2009年，Google無人駕駛項目建立（2016年改名為Waymo），這條路徑成為大多數自動駕駛公司的標杆。Waymo“老大哥”的頭銜深入人心。另一方特斯拉利用視覺方案實現自動駕駛的路線，正在讓公眾看到成果。關於Waymo路線和特斯拉路線。業內也傳出這種聲音——Waymo路徑誤導了整個乘用車自動駕駛的大行業，特斯拉的路徑才是大勢所趨。

不信奉Waymo、不信奉特斯拉。吳甘沙對於自動駕駛技術有著自己的解讀。“Waymo一定代表著它看起來認為最有可能的一種技術”，但他並不認同自動駕駛公司自購汽車。“消耗一兩百億購買8萬多輛車，並不能窮盡天下所有的互動場景，且它可以在美國20余個城市跑得很好，但它不一定適用於美國其它城市或者中國。”

特斯拉既定的依靠視覺能解決一切問題的觀點也被吳甘沙否定。從系統層面來看，自動駕駛重要的特質就是冗余。視覺+雷射雷達方案對自動駕駛感知進行了有效補充，這是吳甘沙的邏輯。

而業內對於視覺+雷射雷達技術方案又分為兩種路線：以雷射雷達為主，視覺為輔；以視覺為主，雷射雷達為輔。（馭勢傾向於後者）

馭勢早期的BP商業計劃書就明確規劃了兩條腿走路：

一條腿即基於乘用車實現L3級自動駕駛（後期增加了自主泊車）；另外一條腿是特定場景下實現L4級自動駕駛。當時的馭勢對於特定場景理解是最後3公里的微循環形態（機場及產業新城最後3公里接駁）。

後來，吳甘沙開始意識到當下的自動駕駛商業化落地場景必須滿足“高頻、剛需、可量產”條件。而馭勢目前重要布局之一的機場內行李貨物的無人物流便是符合這一條件的無人駕駛商業落地案例。

關於“場景為王”說法，吳甘沙堅定不移。在其看來，自動駕駛時代的“場景為王”和傳統的理解不同。

一則當下的自動駕駛技術並不一定普世。馭勢自動駕駛應用已涉獵多個場景，從機場物流、高速、特定環境中的微循環、自動泊車。一次次測試中，吳甘沙得出的經驗是，多數公司的目標是使得自動駕駛具有一定的通用性，但針對不同的場景，進行特殊的定製和測試是必經一環。

二則，不同場景下，客戶對成本感受不同；不同運行環境下，用戶對於自動駕駛的應用不同。例如路線寬度、光線環境不同的兩地，網絡信號也存有差異，針對特定場景，定製化自動駕駛技術和商業模式幾乎已成共識。

幾個月前，Uber砍掉了自動駕駛卡車業務，不少文章在悲憫Uber自動駕駛能否生存下去的時候，吳甘沙想到的是”自動駕駛卡車技術和乘用車技術並不一樣“：

就乾線物流而言，L2/L3輔助駕駛或有條件自動駕駛幾乎沒有價值，因為駕駛員仍是必不可少，勞動力及成本問題依舊存在。

在感知、規劃環節同樣不同，當前雷射雷達及視覺的感知距離局限在200米左右，而對於行駛在高速公路上的卡車而言，需要更長的感知距離（比如圖森未來將有效感知距離設定到1000米）。足夠遠的感知距離，可以幫助卡車進行更早的規劃，提前換道減油，減少磨損。

控制方面，卡車承載實心物體、液體的物體，超載、空載對應的車輛重心不同，相應的兩款車型的動力學、運動學不同，過彎的速度及控制中心等等均不同。

而現階段，在吳甘沙看來，更快落地的可能是L1（比如特斯拉Semi）+編隊模式。編隊模式在減少路權的佔用的同時，也可減少風阻，降低能耗。

自動駕駛已經進入中場戰事，各家在這條產業鏈上的角色已基本確定。百度、Pony.ai、Roadstar.ai、Drive.ai等追隨Waymo做自動駕駛車隊，也有馭勢、Momenta、騰訊等專注於提供高級別自動駕駛解決方案的自動駕駛賦能者，阿里、華礪智行則專注於路線協同。自動駕駛孕育多年，各家已有自己的一套生意經。自動駕駛圈子內幾大商業路徑建已成型。吳甘沙將其劃分為四類：

二級供應商角色，技術授權；

一級供應商角色，提供整套解決方案；

提供整套解決方案及運營、運維服務是一種商業模式；

運營自有的自動駕駛車隊，是一種商業模式。

從二級供應商技術授權到一級供應商提供系統，到一級供應商提供系統再加上運營、運維服務（又可能分為賣系統，或提供系統租賃和運維服務），最後到完整的車隊運營。 吳甘沙提到，從巨集觀層面看，自動駕駛的商業模式逃不開兩個方向：或者在一輛車上賺很多錢，但車輛數量比較少；或者通過將系統安載至多車，每一輛車獲得少量毛利潤，積少成多，實現盈利。

很多玩家將自己定義為第四者，自己運營車隊。吳甘沙提到，這的確是最理想的方案，因為它確實實現了上下通吃。但從另外一種角度看，他認為另有最優解。類比互聯網商業模式，系統裝車，積少成多。這類似於Google搜索，每一次搜索，每一次廣告點擊的利潤極低，但龐大的數量疊加起來實現了Google的成功。

對於未來的一級供應商而言，系統出售也有兩種商業模式：售賣系統或提供系統租賃和運維服務。後者在傳統行業中已有畫像。GE通過租賃航空公司發動機實現商業運營，發動機實時和衛星連接，將數據傳回至GE，後者對發動機狀態及是否需要維護的情況一清二楚。

自動駕駛十年，化繭成蝶

面向自動駕駛，吳甘沙屬於樂觀派。

十年後，吳甘沙對自動駕駛的認知已從“還很遠”到“化繭成蝶，已經慢慢形成了成型的東西”。

2009年，Google成立無人駕駛部門、中國無人賽挑戰剛剛開始。經歷了Uber創建自動駕駛、特斯拉上市、通用收購Cruise、大量自動駕駛公司興起。而主機廠對於自動駕駛的認知也在發生變化。傳統意義上，科技公司直接瞄準L4，而傳統主機廠習慣按部就班，循序漸進。2016年，通用、本田等等主機廠開始決定彎道超車。這對於吳甘沙等一眾自動駕駛創業者而言是個好信號。“傳統的汽車產業，已經用一種不同的角度去看自動駕駛了。”

2018年，一些自動駕駛壞消息出現。Uber行人致死事故，讓行業開始重新正視安全。另外，Waymo自動駕駛汽車是不是真正開始常態化運營，依舊是個問號。近期，辰韜資本合夥管理人舒亮揭露自動駕駛寒冬現狀：融資資訊漸少，2018年年初至今，尤其是四、五月過後，關於無人駕駛公司融資消息越來越少。

悲觀派，樂觀派，吳甘沙屬於後者：“我不覺得它是一個自動駕駛的寒冬。在資本面前，馭勢從未保證自動駕駛的滴滴兩三年之內就來了。”

在吳甘沙眼中，相比起O2O，自動駕駛燒錢並不會那麽快。吳甘沙將自動駕駛歸結於人才密集型產業。因為人才貴，所以人們感覺是一個資本密集型。“一個典型的自動駕駛公司人才的費用其實佔到它一半以上，除非你買了很多林肯MKZ，顯然它對資本有一定的需求，但是沒有O2O那麽多。”

共享單車的風逝去，自動駕駛是不是泡沫讓人們感到惶恐。“一個健康的行業是叫微泡（微微有點泡沫），就像一杯啤酒，啤酒上面有一層的泡沫，這是有好處的，它會吸引人才和資本進來，但如果是整個杯子裡面都是泡沫，那就不好了。”吳甘沙認為其身處的自動駕駛行業處在一個“微泡”狀態下。

吳甘沙正在等待下一個春天裡：“2019年和2020年會有點像人臉識別在2015年、2016年的樣子，現在自動駕駛正處於產業爆發的前沿。”【完】

歡迎在今日頭條、天天快報、UC 頭條、一點資訊、新浪微博、搜狐號、網易號關注@新智駕。

「AI投研邦」上線了

「AI投研邦」

服務在2018年12月3日正式上線，1499元加入，還可自動解鎖價值1000元+禮包（含7個月智能駕駛付費內容、峰會大咖影片、2份研報等）。