雷锋网新智驾按：截止到2017年4月17日，加州车管所已经发出30张自动驾驶测试牌照，全球在自动驾驶领域动作最快、最富野心的互联网巨头、车企及供应商、新创公司们几乎都选择了在加州开展自动驾驶测试。这不仅是因为加州在自动驾驶上开放的政策，更是因为硅谷丰富的技术人才和优渥的资本环境。
而在今天DMV表单上30家公司中，除去车企及供应商和互联网巨头们，新创公司不到10家。PlusAI智加科技便是最近一家拿到测试牌照的新创公司。在过去一年里，他们快速切入自动驾驶的研发，摸索建立了他们认为可以逐步扩张的技术架构，并且拿下2家车企的合作订单。3月份，雷锋网新智驾与PlusAI CEO David Liu（刘万千）聊了聊，他们如何总结过去一年的探索，如何立足硅谷用技术改变未来的汽车行业。
以下是David Liu的自述，雷锋网新智驾整理：
一、投身自动驾驶
2011年到2015年，我的公司是做游戏方面的。那时候主要的业务在国内，我家在硅谷，大部分时间我都在北京和硅谷两地游走。游戏公司早期还是不错的，但到后来两年，行业竞争激烈，开发和推广的成本也很高。
从15年开始，我和朋友开始看好AI领域相关的项目。虽然我自己没有直接从事技术方面的工作，但从Standford EE博士毕业，以及工作的这么多年，我深知对科技潮流的洞察分外重要。一开始，我们是想从一些投资着手，当时觉得一些小的初创公司会非常有前景。其中，偏向BI、商业智能领域的项目居多，比如IoT、Marketing。智能驾驶当时还只有个别的公司在做，而且能提供端到端解决方案的公司不多。到了2016年年初，我们觉得机会很好，时不我待，就开始筹划自己来做。
我的合伙人也是Standford的同学，曾经是雅虎在北京设立的中国研究院的创始人和首席架构师。我们团队现在大约20人，熟知机器学习，也做过大规模的软件系统工作。我们特点是能文能武，能读paper，能写代码。步入一个新的领域，精读几十篇paper是要的，这是一个基本的技能。从今天来看，做AI、自动驾驶，最缺的是人才，那帮互联网精英公司和顶级实验室的大牛往往成为了这一领域的领军人物。
我们团队成员平均有15年以上的工作经验，互联网大公司出来的居多，涉及AI、DL的东西都能做。2016年我们的主要工作之一是调研和尝试。我们拜访和请教了很多以前做自动驾驶的大拿，包括美国和中国的很多企业和学者。
做自动驾驶有它的特点：它需要的技术非常deep，而且除了技术，对资金、对资源各方面的要求都很高。就算今天来看，真正做的好的自动驾驶创业公司还是比较少。加州DMV的自动驾驶测试牌照一共发了三十张，去掉Google/Uber/百度/Tesla这些大厂，再去掉传统的车厂，创业公司不到十家。
我们做的是Level 4全自动无人驾驶，涉及到地图、深度学习的感知、基于深度学习的路径规划和控制等。各家做自动驾驶的厂商在用不同的路径去实现这些模块，然后应用到不同的商业场景里。
我们的产品最终要面向中国市场，因为公司主要的Founder都是中国人，在中国也耕耘了一些年，早期投资人一半也是中国背景，这很自然。自动驾驶分为商用和乘用两块，我们会更加侧重商用场景，希望先在货车物流这一领域实现对效率的提升。
现在自动驾驶主要是2类人在做，也代表了2种主流的思维方式：一类是做机器人robotics出来的，一类是做机器学习、计算机视觉出来的。机器人方向的代表是Google，最早他们是从DARPA出来，Zoox、Otto也属于这个流派，他们在系统工程上有很深的积累。做机器学习的代表比如Drive.ai、Tesla，也包括我们，比较偏向深度学习领域的创新。传统做机器人的人不做machine learning，做machine learning的人不做robotics。而在自动驾驶的未来图景里，两条技术路线会有交叉点。
我们团队兼顾深度学习和系统工程。深度学习最近在一些领域有突破性的进展，但鉴于自动驾驶对安全的极高要求，所以系统工程的建构不容忽视。确立方向以后，2016年我们搭了一个标准的DARPR Stack，使得原型车能够在有限的几个街区里跑起来，同时也探索出解决一些问题的更好的方法。
比如说红绿灯识别。红绿灯识别在CV领域已经做了几十年了，传统的做法是做特征提取。如果能确定红绿灯的位置，那么就可以利用判断红绿灯状态的算法确定路口的状态。然而精确Map出每一个红绿灯的位置是非常昂贵的，这件事情谁能做呢？——Google能做，因为它有非常完整的数据集，它可以通过特征数据采集Map出红绿灯的高度。但如果红绿灯的位置出现了偏离呢，问题就非常复杂了。用Deep Learning的方法则是基于一个完全不同的思考方式，从视觉认知的角度去判断路口的状态，同时包括找到红绿灯的位置和判断每个灯的状态，它不是对单个条件的判断。
现在自动驾驶的技术研发还是处于相对早期，技术路线也没有完全定型。虽然主流的几个团队在高层次的架构上不会有很大的差别，但具体到解决每个层面的技术方案则会有很大差异。大家考虑的应用场景不一样，要解决的问题也就会很不一样，比如商用场景还是乘用场景，长途还是短途，高速路况还是城市路况，等等。那么，解决这些不同问题所使用的方案自然也会截然不同。
今年3月份，我们跟Uber同一批拿到了加州的自动驾驶测试牌照。拿到牌照也算是自动驾驶技术公司的一个硬性指标。另外就是看基础架构设计和各个层级的技术解决方案是不是有可扩展性。我们也跟高校科研机构（例如斯坦福）有一些研究项目的合作，主要是比较前期的课题，比如如何提高深度学习的精度、性能和数据使用效率。
深度学习作为自动驾驶技术中使得汽车能够进行自我提升的关键技术，其一流人才相对还是集中在硅谷。同时，这里有比较明确的规则，比较透明公正的环境。国内的汽车OEM与硅谷在无人驾驶技术研发的步伐上相比，可能还是处于早2-3年的状态。今年，我们已经跟两家OEM敲定了战略合作。无人驾驶技术最终还是要看可靠性与安全性。
雷锋网推荐阅读：
正在生成分享图...
Dude