“奇点”降临，从汽车到轮式机器人的变革
沈海寅
智车优行科技CEO 联合创始人
沈海寅：的确像吴甘沙老师刚才说的，我觉得其实做事情要顺势而为，以前因为我在金山软件跟雷军也一块工作过，后来也是在360工作过，大家都知道小米有一个附属的基金叫“顺为基金”，就是顺势而为的意思，你投向要投大势，如果你这个趋势本身是在逐渐缩小的环境里，你能够占的比例即使再大，你的未来也不容乐观的，但是像刚刚说的三个万亿的市场里，那你做的事哪怕再小，你所能够获取的利润也是非常可观的。刚才李德毅院士也说了非常多的ADAS的转型，我是2014年进入到汽车行业，2015年认识李院士，经过一年多的沟通以后，我们也非常认可这个方向，我今天说的里面有很多是跟李院士相近的。
在过去大家听到非常多的一件事情，就是特斯拉的事故。因为特斯拉在美国发生了事故，最近又曝出在中国更早的时间点也发生过事故，这几起事故就把特斯拉推到了舆论的风口浪尖。但是我们从技术的观点上来看，我们在很多媒体上都有特别多的报道和分析，今天我就不从技术角度对特斯拉事故进行分析了。
我们从另外一个角度，特斯拉出现这些事故到底有哪些地方是有问题的？前两天我在一个行业论坛上也讲过，我们对于特斯拉的判断，是在于说它用一个新的技术，在让我们的的确确的通过自动驾驶，让我们人所发出的努力，或者说你在道路上所需要承担的这种压力大大减轻了，但是我觉得我们在这个里面是需要看一个概念，就是说什么是用户，而不是客户，因为在过去我们经常说我们在做商业的时候，是跟客户打交道的，尤其是做O2的业务，但是我们经常说我们有两个概念，比如我卖一个冰箱出去，我希望消费者在我卖了以后不再来找我，他找我一定是去维修，我就会多花成本处理这个事情。但是互联网里面，比如说一个用户下载互联网APP，这时候我们称之为用户，也就是说我们今天起步的仅仅是第一步，而未来在用户用我们服务的过程当中，他所获得的体验，每一分钟的体验，每一分钟所获得的服务都是需要关注的，自动驾驶就不一样，以前我在关注车卖给我们的消费者的时候，我也希望就像空调一样，最好消费者不要来找我，万一来找我，就意味着我要给你承担维修甚至召回的义务，但是在我们新的时代里，我们说汽车在往智能化的方向发展的时候，我们希望消费者他成为我们用户，既然是用户，我们就需要对用户承担正确高知的义务，像特斯拉它其实在用一种非常积极的方式推动自动驾驶，但是它在用户的告知方面存在一些缺陷，我觉得从产品的角度上来说，这是特斯拉最大的问题，它让你的用户觉得非常酷，但是这种酷背后是用生命作为代价的，这种正确的认知是否能够让用户能够感知到，特斯拉反省事故的时候得到的最大启发。
既使是这样，在过去对于很多激进的策略，传统的很多经常在说你们互联网公司太激进，我们还是一步步这样走，一步步走的确对，我们把人的信念放在最高的点，但是往往在另外一个方面来说，其实在过去许多技术的进步并不是到100%安全的时候才进入到我们生活中，我是做技术出身的，所以也是非常喜欢看各种各样技术的人，我在家的时候有会看电视，像美国国家地理这种频道，我自己非常喜欢看一个纪录片，飞机在过去发生过哪些事，我们就看到其实很多我们在飞机上现有的，我们认为习以为常的事情，比如说悬窗为什么是圆的，过去就是因为不是圆的，而造成金属疲劳和锻炼而造成巨大事故。以前我记得宝马的CEO嘲笑特斯拉的时候，我们做事情要让你觉得百分之百的安全，但是特斯拉没有成熟就把这个东西推出去了，听起来有道理，其实在背后孕育着说如果没有特斯拉，没有谷歌更为激进的企业努力，我认为在今天我们面向这样一个大势，绝对会成为大势，也许人工智能还是科学家在研究机构里去研究的程度。
我经常举这个例子，大家都知道爱迪生点亮了大楼的时候，人类第一次有了电以后，有了非常大的光明，但是它碰到一个特别大的问题，就是说因为直流电电压非常低，如何把电输送到我需要的地方，输送到人的家里去，如果按照爱迪生的理论，基本上每平方公里都需要建一个发电厂，所以说这个离适用化有非常大的区别，1882年的时候，特斯拉他发明了交流电，在发明交流电以后，特斯拉就被爱迪生从他的公司赶出去了，爱迪生觉得你这个交流电不靠谱，通过交流电我们都知道，把高压升高传输到很远的地方，然后再到适用的地方把电压降下来，所以我们小区里面都有配电柜等等，这种装置的确可以使得我们交流电迅速的普及到生活当中，而且能够解决我们的问题，但是爱迪生他为了证明交流电是可怕的，因为交流电会电死人。他为了证明这样的一点，他不顾他在行业里这么高的声望，拼命的宣传说你看交流电会电死人，甚至为了证明交流电的危害性，不惜去把马甚至大象让它触电。的确回过头来想，我们在今天每年都会因为在电网上，或者说在家庭里面，因为交流电发生触电事故，但是我们现在再回到直流电的时代可能吗？肯定不可能了。
我想举这个例子的理由，就是说很多时候你为了要往前走一步，虽然这句话很冷酷，我们的确是需要付出代价的，这种代价它会为我们的技术进步带来非常强的推进动力。在过去有这样一个数字，90%的交通事故都是由人来造成的，人其实是一个最不确定的因素，每个人的技术水平、开车的水平都有限，有些人说我在后面贴个“我是新手”，这些人比较聪明的，更多人是很莽撞的，很多人一年就开两次车就敢把车开上路，人是不稳定因素，即使是老司机受到情绪变化的影响，甚至受到短时间的分析，那边怎么到出来一个新的建筑，这种一瞬间的分心都会带来我们交通事故的发生，所以我坚定的认为，我们在未来要获得交通安全，要获得更稳定的驾驶环境，一定是靠我们的机器来去做成的，机器一定比人获得更好交通的结果。包括在美国的高速公路主管部门，也会说我们自动驾驶是把人为的事故降低多少？降低94%，它所能够挽救的是越来越多鲜活的生命。这是除了讲到市场规模以外和经济以外特别大的推动力，我们希望能够有一个更美好的驾驶习惯，所以说智能驾驶一定是未来。
我们在谈论自动驾驶的时候，我们在谈论什么呢？我们在讲自动驾驶往往先要讲到阿拉斯，从0-4这样去划分的，刚才会前我也在跟吴甘沙在聊，车企我们都在关注2，其实就是不同阿拉斯功能的集合，我们以前从1觉得这里面有自动巡航，像很多车有自动巡航的功能，但是现在我们的车已经到了多功能自动驾驶的情况，我们到底要定义多少个功能，我们第一辆车里面也是从阿拉斯去起步，但是它说你到底要定义多少功能？我们就一个功能一个功能开发，一个功能一个功能跟不同的厂商合作。
现在有两种做自动驾驶的方法，一种就是像谷歌、百度，它是从上到下，一下子跳到4的层面，我们觉得它在实际技术上的难度还是非常大的，像靠汤总的努力，成本高的问题还是可以解决的，我觉得只要是电子的东西，一定是可以起作用的。但是一下子跳到无人驾驶，我经常说如何能够把，我路边的修车店就在路边，我把车开到人行道上，停车是停在人行道上，如何把车开到人行道停到它指定的位置，你想想那100米的路是非常困难的条件，很难说通过高精地图定义出来，只能通过非常复杂的算法去解决这个问题，像这个最后的一公里、最后的一百里，是无人驾驶解决特别难的一点，可能我们要花80%的努力才能解决生活当中20%的驾驶场景，所以在这点上来说，还是需要非常长的一段时间，像吴甘沙说的30-50年，我没有这么悲观，我觉得10年以后可能解决。
所以我说要满足真正无人驾驶周边的环境和我们在法律上、在伦理上很多的障碍的确还是非常多的，不完全是技术能够覆盖的，但是另外一个角度，这是我们车企在干的事，在逐步升级ADAS。ADAS是车企在做的一件事，其实刚才李院士已经把道理说得非常清楚，我们通过今天做十种ADAS的场景，明天可以开发二十种ADAS的场景，但是如何覆盖边界条件，一百种是成本的平衡点还是怎样的，这都非常难。我们觉得通过ADAS的累计，最后是达不到真正的3的，到4是非常困难的。
现在我们走的路线是自主驾驶，就意味着你必须在，第一我毕竟是一家企业，我们不能可能说像谷歌投入一个研发，然后可能未来五年、十年都没有特别高的成效，谷歌是有这样的财力，像我们是很难有这样的财力去做这个事情。所以我们还是从用户的刚需出发，第一步还是做ADAS，但是ADAS在未来也许是有用的。第二步大数据、自学习，我就不多说了。
AlphaGO是在某个垂直里面机器可以做得比人好了，现在我们在人脸识别，机器已经超过了人的识别度，在AlphaGO是通过两个模型：第一个是我对棋局态势的评估，我在看目前的状态是对我现在的情况进行分析，然后再选择如何决策，通过这两种建了两个模型去进行评估，所以说通过形象思维才能做到的下棋抽象化，形成了一个态势+行为组合，我们来看，其实在自主驾驶也是一样，我们人在驾驶的时候，它是由什么组成的？第一首先要对态势进行判断，我目前处于什么样的状态，我是在最左边车道还是右边的车道，同时下面需要有一个认知的箭头，把态势驾驶和认知箭头进行端到端的学习，形成驾驶里面的模型。
我们在第一步其实觉得理论是先从硬件入手，我们在分析未来到底需要哪些硬件，这是我们第一辆车去定义的硬件。当然，这里面没有把激光放进去，我们会把激光雷达空间留出来。刚刚院士也说了，汽车在过去已经不再是四个轮子加两个沙发的问题，具备了自动化以后，我们希望它能够成为一个轮式的机器人，它的定义就是说具有像人一样，或者说像外面所定义的这么多机器人一样，它的这种感知能力，然后具有自主的判断能力，通过这种判断后面来进行行为，能够自主的去做操控，但是这个理论说的简单，在每一步碰到的障碍点都很多，刚刚也讲到说端到端存在了很多问题，但是端到端又是我们自动驾驶当中能够去突破现有的，把ADAS集合起来做自动驾驶的局限性，为什么会讲到ADAS？我觉得ADAS是一个概念，但是它所带来的技术还是可以给我们利用的，我们希望未来能够通过自学习的方式，使得我们的汽车具备像人一样的一种驾驶能力，或者说甚至超越人的驾驶能力，但是因为它所带来不确定性的确非常巨大，就像刚刚讲的很多一些在99%都是OK的，但是1%给我们带来的伤害就是致命性的，我们希望可以圈定一个边界条件，用我们的ADAS可以做到边界条件的区别，就像我们说在学开车的时候，有个驾校的老师、教练坐在我们的边上，在教练车上有一个刹车、有一个油门，碰到一些紧急情况的时候，可以通过这种方式来给你踩紧急刹车，他可能不会说我来指导你怎么去进行路线的规划，让学员通过学到的东西进行路径规划，但是在要产生生命危险或者物体损害的时候，我把边界条件进行了局限，对紧急情况进行一个判断，未来我们想做的方向就是在车里面有一个驾驶脑，同时承担了两个功能，第一个功能是通过驾驶人的行为习惯，不光是一个驾驶人，而是我们在云端去进行算法的学习，可以通过比如说上千辆、上万辆的行为习惯进行学习，再把这个算法放到每辆车里面，同时还有另外一个功能对驾驶的边界进行规定，这就是我们现在在走的这条路。
由于时间关系，我想说的就是这些，也希望能够在未来跟大家可以多去交流，谢谢大家！
本文来源于"中国人工智能学会",原文发表时间" 2016-09-24"