个人创业照见自动驾驶十年变迁。
效力英特尔16年、三发创业之心最终“出走”人工智能，吴甘沙的创业故事已经被说得太多。而他所领衔创立的驭势科技，继2017年完成国内首个自动驾驶商业运营项目后，在过去的2018年里，凭借全栈自动驾驶解决方案，再次成功拿下了国内头部乘用车客户、共享出行领域以及物流领域的多个商业项目，并走出一条领跑自动驾驶商业化的道路。
在对话前，雷锋网新智驾告诉吴甘沙，希望听到一些关于他在不同时间点做出不同自动驾驶抉择背后的故事。
在关注吴甘沙个体的自动驾驶抉择之路同时，本文更深刻的意义在于，窥见自动驾驶在过去十余年间的变迁，及创业者在资本寒冬对自动驾驶未来的思考。
2004年，美国国防部先进研究项目局DARPA举办无人驾驶汽车陆地挑战赛。尽管这一年的挑战赛全员覆没，自动驾驶榜单上最好成绩也仅是7.4英里。而这最初的7.4英里让不少走在科技前沿的人看到了一种不可描述的可能性以及未来出行的些许端倪。吴甘沙也是其中一个。那时的他，还在英特尔搞手机系统。
18个月后，DARPA举行第二次自动驾驶挑战赛。吴甘沙的“东家”英特尔作为赞助商率先选择了CMU（卡耐基梅隆）。当时，英特尔研究院的另一位同事Gary Bradski正在帮助Sebastian Thrun（后被称为谷歌无人车之父）设计无人车“Stanley”。Gary Bradski正是那位世界级AI大牛，后来创建CV领域全球应用最广、最知名的开源项目之一Open CV。
当时，Gary Bradski跑到英特尔市场部反映，“要不要也支持一下Stanley，它实力排名第二，而且不需要太多钱，大概几万美金就可以了。”为了双保险的英特尔最终选择了用少量的钱押注斯坦福团队设计的“Stanley”。
比较窘迫的是，当时那辆Stanley已经贴满了LOGO。英特尔只能选择前侧窗。因为车内没有驾驶员，两侧后视镜也仅是摆设，所以前侧窗可以“牺牲”了。前侧窗的英特尔LOGO一度成为当时的“笑点”。这也让人们深深记住了它。
让英特尔欣喜的是，Sebastian Thrun率领斯坦福团队设计的无人车“Stanley” 以6小时54分的成绩取得冠军。
在兴奋之余，吴甘沙心中想的是，"这好像还有点远"。这也是2004年到2006年，多数观望者心中的自动驾驶画像。
2007年左右，英特尔研究院内部开始布局智能驾驶。周鑫（现为驭势联合创始人）参与并领导了英特尔并行编程解决方案技术。2008年， 英特尔首款ADAS技术演示经手人便是周鑫。
当时吴甘沙对于自动驾驶的思路尚且有一点保守，还在跟紧“老东家”英特尔的步伐，“先做一些ADAS方面的东西”。
“2014年、2015年的时候，我发现风向变化了。”2015年发生的两件大事让吴甘沙开始行动了。
一边，Uber CEO卡兰尼克在Google体验过自动驾驶汽车后发现，自动驾驶原来已如此成熟。令其恐惧是自动驾驶将颠覆出行；兴奋的是，这将是改变命运的基础。紧接着 Uber 从卡耐基梅隆大学国家机器人工程中心（NREC）挖来近五十位科学家、工程师，在匹兹堡成立 Uber 的自动驾驶团队ATG。
而另一边，2015年底，特斯拉AutoPilot火了。
Uber建立自动驾驶团队、特斯拉AutoPilot推上风口，这让吴甘沙开始意识到并坚定自动驾驶已经不远。这一次出发，吴甘沙不想做ADAS，直接剑指L4级自动驾驶。
2016年，吴甘沙没有犹豫，离开奋斗16年的英特尔，创业建立自动驾驶公司驭势科技。
吴甘沙称自己的运气特别好。2月3日，吴离开英特尔时，资本对于自动驾驶依旧有所保留。让他感到幸运的是3月初，通用花费10亿美金收购了Cruise。
“之后的自动驾驶变得比较顺了，整个圈子正在朝着良性的方向发展。”吴甘沙说起此很激动。
CMU自动驾驶领队惠特克（Red Whittaker）的一句话，吴甘沙熟记在心，这也成为他布局自动驾驶的逻辑：If you haven't done everything, you haven't done a thing（你必须什么都会，不然只懂一些部分等于零）。
在吴甘沙看来，自动驾驶门槛高且技术复杂，需要了解得面面俱到。木桶短板对于自动驾驶公司而言是大忌。从搭载AI算法的车规级自动驾驶控制器、无人车运营服务平台、数据管理平台，再到自动驾驶仿真系统等等，吴甘沙将驭势技术路线规划为多种商业场景提供全栈式自动驾驶解决方案。
当然，吴甘沙也并未一棒子打死沙滩上专注模拟于仿真、高精地图等细分领域的公司。“这些公司也要对于自动驾驶各个环节进行深度解读，二级供应商需要和自动驾驶公司进行深度结合，了解自动驾驶领域中的方方面面，并依据其自动驾驶系统做深度联合设计”。
成立近三年，基于全栈式自动驾驶解决方案，加紧脚步摸着石头过河，从技术路线到产品方案，再到商业路线，吴甘沙在自动驾驶方面已有自己的一套世界观和方法论。
雷锋网新智驾了解到，2009年，Google无人驾驶项目建立（2016年改名为Waymo），这条路径成为大多数自动驾驶公司的标杆。Waymo“老大哥”的头衔深入人心。另一方特斯拉利用视觉方案实现自动驾驶的路线，正在让公众看到成果。关于Waymo路线和特斯拉路线。业内也传出这种声音——Waymo路径误导了整个乘用车自动驾驶的大行业，特斯拉的路径才是大势所趋。
不信奉Waymo、不信奉特斯拉。吴甘沙对于自动驾驶技术有着自己的解读。“Waymo一定代表着它看起来认为最有可能的一种技术”，但他并不认同自动驾驶公司自购汽车。“消耗一两百亿购买8万多辆车，并不能穷尽天下所有的交互场景，且它可以在美国20余个城市跑得很好，但它不一定适用于美国其它城市或者中国。”
特斯拉既定的依靠视觉能解决一切问题的观点也被吴甘沙否定。从系统层面来看，自动驾驶重要的特质就是冗余。视觉+激光雷达方案对自动驾驶感知进行了有效补充，这是吴甘沙的逻辑。
而业内对于视觉+激光雷达技术方案又分为两种路线：以激光雷达为主，视觉为辅；以视觉为主，激光雷达为辅。（驭势倾向于后者）
驭势早期的BP商业计划书就明确规划了两条腿走路：
一条腿即基于乘用车实现L3级自动驾驶（后期增加了自主泊车）；另外一条腿是特定场景下实现L4级自动驾驶。当时的驭势对于特定场景理解是最后3公里的微循环形态（机场及产业新城最后3公里接驳）。
后来，吴甘沙开始意识到当下的自动驾驶商业化落地场景必须满足“高频、刚需、可量产”条件。而驭势目前重要布局之一的机场内行李货物的无人物流便是符合这一条件的无人驾驶商业落地案例。
关于“场景为王”说法，吴甘沙坚定不移。在其看来，自动驾驶时代的“场景为王”和传统的理解不同。
一则当下的自动驾驶技术并不一定普世。驭势自动驾驶应用已涉猎多个场景，从机场物流、高速、特定环境中的微循环、自动泊车。一次次测试中，吴甘沙得出的经验是，多数公司的目标是使得自动驾驶具有一定的通用性，但针对不同的场景，进行特殊的定制和测试是必经一环。
二则，不同场景下，客户对成本感受不同；不同运行环境下，用户对于自动驾驶的应用不同。例如道路宽度、光线环境不同的两地，网络信号也存有差异，针对特定场景，定制化自动驾驶技术和商业模式几乎已成共识。
雷锋网新智驾了解到，几个月前，Uber砍掉了自动驾驶卡车业务，不少文章在悲悯Uber自动驾驶能否生存下去的时候，吴甘沙想到的是”自动驾驶卡车技术和乘用车技术并不一样“：
就干线物流而言，L2/L3辅助驾驶或有条件自动驾驶几乎没有价值，因为驾驶员仍是必不可少，劳动力及成本问题依旧存在。
在感知、规划环节同样不同，当前激光雷达及视觉的感知距离局限在200米左右，而对于行驶在高速公路上的卡车而言，需要更长的感知距离（比如图森未来将有效感知距离设置到1000米）。足够远的感知距离，可以帮助卡车进行更早的规划，提前换道减油，减少磨损。
控制方面，卡车承载实心物体、液体的物体，超载、空载对应的车辆重心不同，相应的两款车型的动力学、运动学不同，过弯的速度及控制中心等等均不同。
而现阶段，在吴甘沙看来，更快落地的可能是L1（比如特斯拉Semi）+编队模式。编队模式在减少路权的占用的同时，也可减少风阻，降低能耗。
自动驾驶已经进入中场战事，各家在这条产业链上的角色已基本确定。百度、Pony.ai、Roadstar.ai、Drive.ai等追随Waymo做自动驾驶车队，也有驭势、Momenta、腾讯等专注于提供高级别自动驾驶解决方案的自动驾驶赋能者，阿里、华砺智行则专注于道路协同。自动驾驶孕育多年，各家已有自己的一套生意经。自动驾驶圈子内几大商业路径建已成型。吴甘沙将其划分为四类：
二级供应商角色，技术授权；
一级供应商角色，提供整套解决方案；
提供整套解决方案及运营、运维服务是一种商业模式；
运营自有的自动驾驶车队，是一种商业模式。
从二级供应商技术授权到一级供应商提供系统，到一级供应商提供系统再加上运营、运维服务（又可能分为卖系统，或提供系统租赁和运维服务），最后到完整的车队运营。 吴甘沙提到，从宏观层面看，自动驾驶的商业模式逃不开两个方向：或者在一辆车上赚很多钱，但车辆数量比较少；或者通过将系统安载至多车，每一辆车获得少量毛利润，积少成多，实现盈利。
很多玩家将自己定义为第四者，自己运营车队。吴甘沙提到，这的确是最理想的方案，因为它确实实现了上下通吃。但从另外一种角度看，他认为另有最优解。类比互联网商业模式，系统装车，积少成多。这类似于Google搜索，每一次搜索，每一次广告点击的利润极低，但庞大的数量叠加起来实现了Google的成功。
对于未来的一级供应商而言，系统出售也有两种商业模式：售卖系统或提供系统租赁和运维服务。后者在传统行业中已有画像。GE通过租赁航空公司发动机实现商业运营，发动机实时和卫星连接，将数据传回至GE，后者对发动机状态及是否需要维护的情况一清二楚。
面向自动驾驶，吴甘沙属于乐观派。
十年后，吴甘沙对自动驾驶的认知已从“还很远”到“化茧成蝶，已经慢慢形成了成型的东西”。
2009年，Google成立无人驾驶部门、中国无人赛挑战刚刚开始。经历了Uber创建自动驾驶、特斯拉上市、通用收购Cruise、大量自动驾驶公司兴起。而主机厂对于自动驾驶的认知也在发生变化。传统意义上，科技公司直接瞄准L4，而传统主机厂习惯按部就班，循序渐进。2016年，通用、本田等等主机厂开始决定弯道超车。这对于吴甘沙等一众自动驾驶创业者而言是个好信号。“传统的汽车产业，已经用一种不同的角度去看自动驾驶了。”
2018年，一些自动驾驶坏消息出现。Uber行人致死事故，让行业开始重新正视安全。另外，Waymo自动驾驶汽车是不是真正开始常态化运营，依旧是个问号。近期，辰韬资本合伙管理人舒亮揭露自动驾驶寒冬现状：融资资讯渐少，2018年年初至今，尤其是四、五月过后，关于无人驾驶公司融资消息越来越少。
悲观派，乐观派，吴甘沙属于后者：“我不觉得它是一个自动驾驶的寒冬。在资本面前，驭势从未保证自动驾驶的滴滴两三年之内就来了。”
在吴甘沙眼中，相比起O2O，自动驾驶烧钱并不会那么快。吴甘沙将自动驾驶归结于人才密集型产业。因为人才贵，所以人们感觉是一个资本密集型。“一个典型的自动驾驶公司人才的费用其实占到它一半以上，除非你买了很多林肯MKZ，显然它对资本有一定的需求，但是没有O2O那么多。”
共享单车的风逝去，自动驾驶是不是泡沫让人们感到惶恐。“一个健康的行业是叫微泡（微微有点泡沫），就像一杯啤酒，啤酒上面有一层的泡沫，这是有好处的，它会吸引人才和资本进来，但如果是整个杯子里面都是泡沫，那就不好了。”吴甘沙认为其身处的自动驾驶行业处在一个“微泡”状态下。
吴甘沙正在等待下一个春天里：“2019年和2020年会有点像人脸识别在2015年、2016年的样子，现在自动驾驶正处于产业爆发的前沿。”
本文由雷锋网新智驾、腾讯新闻联合出品，作者于胜越，未经授权，不得转载。
正在生成分享图...
田哲