雷锋网新智驾按：10月26日至27日，2019第二届全球智能驾驶峰会暨长三角G60科创走廊智能驾驶产业峰会在苏州高铁新城正式举行。峰会主要聚焦“自动驾驶的量产时代、车路协同，从概念到现实、新型的车内交互探索”三大主题，共同探讨了智能驾驶的未来发展方向。
本次峰会由苏州市相城区人民政府主办，苏州高铁新城管理委员会、雷锋网新智驾承办，江苏省智能网联汽车产业创新联盟、江苏省人工智能学会智能驾驶技术专业委员会、清华大学苏州汽车研究院、中国移动通信集团等单位协办。来自主机厂、国内外一级供应商、自动驾驶解决方案商、自动驾驶核心零部件、出行运营商等智能驾驶上下游企业，车路协同专家学者、代表企业等1500余位业内人士莅临现场。
10月27日，滴滴滴自动驾驶公司COO孟醒的演讲主题是“我加入滴滴自动驾驶思考”，他分享了滴滴在自动驾驶上的最新进展。
关于滴滴的自动驾驶商业模式，孟醒在智能驾驶峰会上表达得非常明确，滴滴的自动驾驶业务将开启一种新的商业模式，就是车厂把车造出来，然后将车辆一键投入到滴滴的平台中，而且自动驾驶车需要做大量硬件层面的工作，自动驾驶车上路前要做大量测试。传统的汽车领域已经有100多年经验积累，我们非常希望能够跟顶尖的合作伙伴深度合作。
其实，自动驾驶的的最大前提就是安全保证。即使自动驾驶技术在不断完善，但大家仍然感到忧虑，毕竟最终落地载客，安全才是最重要的。
自动驾驶安全系数问题，自然也是行业的最大难题，这道难题将如何攻破？在有人驾驶网约车中，司机成本是最大的成本之一，同时也是一部分安全事件的主角，自动驾驶汽车将可以解决掉滴滴面临的难题。
对孟醒而言，更愿意从另一面解读自动驾驶的必要性。他透露，投资行业扑向自动驾驶领域，网约车运营经验所积累的数据化，可以用于训练自动驾驶车辆，使自动驾驶车辆变得更加安全。
孟醒表示，获得路测牌照，改装的自动驾驶汽车在规定线路之内测试，跟其他人或车辆进行互动，这是第一步。第二步，不仅仅是路测，是载人路测应用示范，可以真的带一个人乘车，这是运营的工作，未来需要更多路径。需要监管机构、政府给我们指引一起推进。
“自动驾驶首要任务是保证安全。通过滴滴目前的网约车运营网络，可以分析出哪些订单适合分配给自动驾驶车辆，哪些超出测试距离范围或者技术范围的订单需要分配给驾驶员。这个混合派单的过程，可以保证每一步都是循序渐进的。只有当安全标准达到相当高指标以后，才会逐步推进。而网约车运营经验所积累的数据化，可以用于训练自动驾驶车辆，使得我们自动驾驶车辆变得安全和智能，以及适应各种出行场景。”孟醒提到。
以下是孟醒的演讲全文，雷锋网新智驾进行了不改变原意的编辑：
今天峰会上，与大家分享一下滴滴在自动驾驶里面现在的业务和我的一些思考。
2019年我做了一个转型，上半年是一个投资人，在VC基金一直在看这个领域，今年下半年转型加入滴滴去负责自动驾驶业务。尤其是自动驾驶业务商业化进程，我有两个视角观点与大家分享一下，从这两个视角里面看看现阶段能做什么，以及为什么在这个时间点要进入到滴滴做这些事情。
2017年开始，我在香港做投行，主要负责科技行业投融资、并购等这些方向。2011年底做了第一家AI公司，当时算是AI非常不火的时间点，比较有意思是，当时我们是第一家把深度学习框架，以及比较流行的平台转变成产品化的公司，后来这家公司卖给了亚马逊。2014年又做了一次AI创业，在国内做的，也是利用图像识别做商业化变现。
其实，我们都是尝试把一个很前沿技术，推到更广阔商业化前景里面来，而且是在AI非常早的时间，远远没有今天这么好政策条件、资金支持，以及商业化客户需求前提之下做的。
这是我大概的背景和职业经历，大致经历了人工智能，尤其计算机视觉完整的周期。
2016年加入VC（风险投资）做投资，当时做了两次人工智能创业，人工智能最大一个应用场景-自动驾驶成为了我当时非常关注一个重点。那个时间点，恰巧也是国内自动驾驶公司冉冉升起和成立，尤其是一批做深度学习人，跨行进入到汽车行业开始做自动驾驶，当时我也投了几家公司。
2018年之前，2016年开始投，到2017年我们投资已经会放慢了，很多行业里面其他更晚期基金参与投资，最开始成立的时候只有团队，有些团队成员在开始的时候做些相关领域，是非常优秀团队。
不过，更多团队是跨行做这件事，有很好的基础和素质，手上武器是可以辅助他们能够搭建一个很好自动驾驶公司，尤其是数据驱动的自动驾驶公司，所以基本上当时有的是团队从沟通往下走一步是做到Demo，大家能拿出一辆车在路上跑，大家比的是谁更快，能够把这辆车拿出来，拿出来之后能够做哪些事情，能够在什么样场景下跑，在什么恶劣前期时间和路况复杂环境下做这件事。
这里面一直存在一种假设是，大家比的也是谁能最快拿出最复杂技术验证，谁有可能成为真正把它实现商业化，或者变成一个业务型公司。此外，技术先进性等同于商业化进展速度这也是一个比较公平的判断，因为确实没有更好的判断标准和验证逻辑，我们能看到其实就是潜在的这些“标准”支撑商业化落地。
从投资角度来看，近两年的发展变化很大，我认为是从海外市场开始发生的，在美国近几年形成了规模化联盟，原来讲自动驾驶行业是一些创业公司做什么，现在是车厂和其他一级供应商加入进来，他们带着很多资源，很传统资源和能力进入到这个场景里，可能都是成群结伙进来，从而形成了自动驾驶联盟。
把竞争和推动自动驾驶进展，上升到另外一个阶段，这个发生过程中，对于自动驾驶多快，判断原则和假设发生一些变化，一些其他因素重要性会上涨。
具体而言，包括技术、车辆、元器件，以及其他供应商和地图等这些都很重要，在实际落地过程中，它们都包含在我们平台里面。
值得一提的是，其中有两方面特别重要：一个是数据，一个是运营网络。
数据能够更快迭代和更快上线，更好选择商业化场景；
运营网络使得在冷启动业务的时候不至于说遇到困难和尴尬，逐步上线也能够使上线节奏更加安全。
今年滴滴网约车摄像头安装量已经达到几十万的规模采，同时可以收集很多在路面，尤其是特殊场景上的数据，这些数据可以帮助我们自动驾驶在感知和路径规划上进行迭代和升级。
通常来讲，采集数据这样工作是用自有的自动驾驶采集车来做，但这样一方面成本很高，也很难扩大规模；另一方面真正的自动驾驶需要更多的数据量，才能收集到有效的数据。比如路径规划预测上都会出现一些问题，只有当数据量足够大时，才能预知、预判、叠加到机器学习框架里面，从而使判断更加准确。
如上图所以，左边是通常传统自动驾驶迭代模式，也是过去最开始用数据驱动自动驾驶方向时候的模式，我们用自己有限的采集车上路跑，采集车也不会特别多，收集路面上有限路测数据，把这部分数据放到模拟器里面做仿真、机器学习，然后改进算法，最后再回到路面上进行测试。
今天我们做的是更大规模车队，甚至把网约车队加进来，去做数据采集，从而拥有超大数据体量，我认为这是一种更有效、更快方式来解决问题。
此前，有一个报告提出一个核心问题是，每个司机驾驶会出现0.19个死亡事故，要验证你的技术已经与人类死亡概率，或者开始概率差不多，这不是说开发，是假设已经有一个很完善的技术，要去验证这个技术与人类一样，需要开多少英里？
如果做到失败率与人类上下区间20%之下，需要开88亿英里。几十亿英里，百亿英里概念，拿有限测试车，需要100个车去跑，同时需要上百年时间，用这样的方式做安全性测试上线也需要非常长的时间，几乎是不可能一个过程。
换言之，我们需要有更好的迭代方式，以及更大量的数据去采集，才能够支持。
此外，还值得注意的是数据还能帮我们做什么？
我认为数据能够帮我们去做上线结构，例如自动驾驶出租车在相当长一段时间内不会像今天的出租车一样，是全功能车，并配备上一个全功能司机，可以到任何地方。
当然，理论上有路的地方汽车就能去，这已经是一个逐步上线和逐步克服的过程，最开始非常局限的过程，慢慢扩张到更多的地方，以及更多车辆，是这样一个节奏。
基于此大前提下，我们先做哪些，后做哪些？
我们只能选择一部分上线，我们先会拿滴滴网约车的数据去看经营方式，哪些路径上它的价值最大，哪些道路上所产生经济数据最好，在什么时间段、起点和终点跑，同样道路上，在哪些平台上出现了安全事故，为什么出现，事故概率是什么？
技术层面，哪些路口场景，我们在今天自动驾驶技术体系里面容易实现，或者已经解决，有哪些需要更长时间去解决。如此三层数据加在一起，可以得出，哪些起点和终点是我们做商业化落地的场景，同时商业化能力高，安全性已经能够保证，通过这样的分析我们去得出这样的结果。
从运营角度讲，数据总结出来以后能做什么？
乘客可以通过滴滴出行APP叫到这样的车，从乘客角度出发，不需要关心该车是自动驾驶，还是有人驾驶，我们会匹配最适合你的路径和路况复杂度，以及天气复杂度情况，如果适合自动驾驶就配一个自动驾驶车，如果不适合就配一个有人驾驶的车辆。如此以来才能让你逐步上线，一辆车也可以上线，几百辆都可以。
做一个网约车市场是双边市场，需要足够基础规模才能跑的起来，只有逐步上线这种模式才能保证安全，问题是在开始的时候得到一个规模，使得服务运转不起来，网约车可以让我们上线，同时把市场运转起来。
滴滴自动驾驶团队组建于2016年，拥有高精地图、感知、行为预测、规划与控制、基础设施与仿真、数据标注、问题诊断、车辆改装、云控与车联网、车路协同、信息安全等多个专业团队。
2019年8月，滴滴将自动驾驶团队升级成独立公司，滴滴出行CTO张博出任自动驾驶新公司CEO，孟醒（原顺为基金执行董事）出任COO。2019年9月，滴滴确认安波福全球工程副总裁韦峻青加入自动驾驶公司任CTO。
目前，滴滴已经分别在美国加州，北京以及上海获得路测资格。前不久，我们获得了苏州公安局颁发的5张路测牌照。
同时，我们苏州设立了研发测试中心，在整个自动驾驶团队中占非常大的比例，我们也在苏州建设了唯一封闭测试厂。
正在生成分享图...
