美好的智能驾驶，到底将来何去何从呢？近日，驭势科技CEO吴甘沙现场分享了他及其团队对智能驾驶，以及终极的“无人驾驶”的商业、技术、市场方面的诸多看法。总结而言，驭势科技CEO吴甘沙认为，3年内无人驾驶商业化的“唯一途径”就是对场景进行约束、去除不确定性，同时对基础设施进行增强，并且限制速度，最小化潜在风险。
实际上，作为国内智能驾驶领域的领先企业，驭势科技积极探索限定场景、增强环境下低速无人驾驶的商业化，并且率先在广州白云机场、杭州来福士购物中心等地开始了持续的技术验证和试运营服务，大规模商业化运营指日可待。
以下几段视频，便揭示了驭势科技这一年来在智能驾驶领域的初步成果，我们一起来看看：
驭势科技房山路测视频
驭势科技白云机场试运营项目
驭势科技商业综合体试运营项目视频
怎么样？智能驾驶是不是很酷？实际上，在吴甘沙的眼中，未来的智能驾驶，可不仅仅像视频中这么简单，它还面临着很多问题，以及更广阔的市场。
六万亿美元的市场
•第一个万亿美金是汽车市场。
根据2017年4月最新发布的《汽车产业中长期发展规划》，我国汽车产量仍将保持平稳增长，预计2020年将达到3000万辆左右、2025年将达到3500万辆左右。到2020年，汽车DA（驾驶辅助）、PA（部分自动驾驶）、CA（有条件自动驾驶）系统新车装配率超过50%，网联式驾驶辅助系统装配率达到10%，满足智慧交通城市建设需求。到2025年，汽车DA、PA、CA新车装配率达80%，其中PA、C*级A**新车装配率达25%，高度和完全自动驾驶汽车开始进入市场。
•第二个万亿美金是出行市场。
对于滴滴，其峰值能够做到2100万单/天。电商领域的阿里巴巴每天的单数是3000-5000万单；主攻吃喝玩乐的美团点评，每天是1800万单。也就是说，出行市场的规模的相当高频且刚性的。但是，网约车遇到了瓶颈期，而这可能不仅仅是网约车新规带来的，而是其本质上还有一些问题。
吴甘沙把它总结为两点：
第一点是“人贵”——网约车需要司机去开，人力成本在这，所以今天的网约车比出租车还要贵。
第二点是“人缺”——把数千万司机放在这个平台上，再往下就没有那么多司机了。
而共享汽车也并不能从根本上解决这个问题，因为自身存在着资源使用率偏低、成本管理等问题。而在吴甘沙的眼中，无人驾驶出租车才是真正的终极目标。
第一，它不需要驾驶员，所以，不存在人贵的问题；
第二，它可以无限的复制，不存在劳动力短缺的问题；
第三，它很自觉，不存在路怒，不发脾气，而且不会犯错；
这便是智能驾驶的第二个万亿美元市场。
•第三个万亿美金市场是物流市场。
中国的物流成本非常高，根据《2015年全国物流运行情况通报》数据显示，2015年社会物流总费用为10.8万亿元，占GDP的比率为16.0%。吴甘沙说：“像快递业，人力成本占到一半以上。如果让无人驾驶做主干线上的物流，通过无人驾驶做末端的投递，那么这些成本都可以省下来。成本省下来，物价就可以降下来，大概可以降下三分之一。”
•第四个万亿美金市场是商业地产。
未来的汽车，交通工具的属性越来越低，而商业空间的属性越来越高。“在汽车这个空间里，我们可以布置不同的场景，放咖啡机，就是移动的星巴克，放一块大屏幕，就是移动的万达影城，放一套办公设备，就是移动的soho写字楼，当它把每一辆车每一条路都变成商业地产的话，这个商业模式创新的空间就变得非常大。”
•第五个万亿美金是能源市场。
在未来，风车、家家户户的太阳能电池板，都可以变成一个发电的场所，变成分布式发电，而在其中，汽车在能源市场将发挥越来越大的作用。“它是一个大型的移动终端，是一个商业空间，还是一个储能单元，”吴甘沙谈到，“电池可以做自动充电，可以换电，那么电池使用效率就会非常高。如果有很多这样的电动车，每辆车都是一个储能单元，那这个分布式能源互联网就变得非常有意思了。因为你在刚才很多这样的地方，产电没办法并网的时候，可以把电充到车里，在城市没有电的时候，在高峰期的时候，还可以把电卖出去。所以这又是一个很大的市场。”
•第六个万亿美元是智能驾驶带来的社会效益。
在美国，一年因为智能驾驶带来的社会效益可以达到1.3万亿美金，相当于GDP的8%。1600亿来自节能的节省，5600亿来自交通事故的减少，4200亿来自生产力的提升。
这六个万亿美金，就是智能驾驶的六个万亿美金。“我个人认为没有第二个人工智能技术或是其他技术可以达到如此之大的市场规模和社会影响力。”吴甘沙强调。
面临5大问题
问题一：法律法规政策
首先，自动驾驶的基础法律。吴甘沙透露，德国已经对法律做了修改，允许驾驶员在驾驶时做些其他的事情。在世界范围内有一个维也纳道路公约，原本是要求驾驶员随时保持对车的控制，现在也已经做了修改。
第二，公共道路的测试与规范，可能1年之内就会出现。
第三是国家相关部门给出性能的指南和测试标准，可能需要一到两年。
问题二：基础设施
第一是高精度定位覆盖，在中国的大城市已经可以达到厘米级覆盖，所以这个问题1年就可以解决。
第二是高精度地图覆盖，这可能需要3年时间。
第三是V to X通讯的覆盖，也就是就是车对车、车对人等问题。
问题三：技术的成熟度
吴甘沙认为，无人驾驶技术虽然已经萌芽，但离商业化还有很长的路要走。
首先，在开放城市环境下，实现无人驾驶需要5-10年。谷歌已经做到驾驶五千英里才需要一次人干预，就是说一年才需要一次人干预，但是离商业化还有很长的距离，因为人类驾驶员每165000英里出一次小事故，每九千万英里出一次致命事故。所以，即使是谷歌这样的行业领导者距离开放城市环境仍然需要一段时间。
第二，二、三级的自动驾驶要实现大规模普及，要需要三年的时间，这与我国的智能驾驶路线图是相关的。
第三，是限定场景增强环境下面的低速无人驾驶，按照驭势科技目前的商业化步骤，一年便可以实现。
第四，成本问题。无人驾驶成本最贵的就是激光雷达，激光雷达成本从今天的七万五千美金降到几百美金，也就需要3-5年的时间。另一个是CV-X，CV-X高精度定位等服务成为免费的服务大概也要用到3+年的时间。
第五，社会接受度。吴甘沙说道：“我觉得大家能够接受二到三级自动驾驶，大概3年就可以了。这和它的商业化步骤是一致的。而限定场景的低速无人驾驶基本上是可以接受的。社会对于无人驾驶的安全以及伦理问题大概1-5年。大规模失业会引起的社会关注甚至是恐慌，这很有可能会在5到10年间出现。”
问题如何解决
既然商业化有了时间表，那么这些问题就需要相关技术去解决。现场吴甘沙也透露了他的观点，对于无人驾驶商业化，需要回答两个问题——为什么通用场景的无人驾驶还差些火候？商业化落地应该通过一个什么样的方法实现？
•处理复杂的正式场景
传统上，无人车在一个实验环境中操作的很好，但是在真实环境中就失败。在真实场景中，无人车要学会判断态势。同时，无人车还需要评估其他道路、参与方的动机或是行为，用强化学习（reinforcement learning）来模仿“老司机”，在与环境的互动中寻找更好的方法。
•人工智能的鲁棒性问题
鲁棒性一方面是通过代码来实现，另一方面是通过数据。代码可以通过许多覆盖的测试来实现，但是数据很难做覆盖测试，数据会影响行为，因为数据用到很多随机算法和机器学习，而深度学习有诸如训练集的重读或偏差等“命门”，这对于汽车非常危险。
另外，开放动态环境位置学习也是一个挑战，因为没有办法穷举开放环境里面的所有状态。
同时，大数据驱动的机器学习，或者说深度学习是一个黑盒子，它不具备可解释性，有时候不可名状的好，有时候不可描述的差。有时候做选择不知道为什么做这个选择。吴甘沙解释道，其实深度学习很脆弱，而且很容易被欺骗。要解决这个问题，现在有一种学习叫做生成性对抗网络（GANs），它有两个模型，一个叫生成器，一个叫辨别器，慢慢地可以去学习辨别东西了，现如今已经有些应用到智能驾驶上了。深度学习有个概念叫做梯度下降，另外，还有一种白盒框架会去测试深度学习算法，通过向深度学习输入许多输入，然后会去判断在不同输入情况下生成的结果是好还是不好。在未来，希望人工智能的鲁棒性能够将深度学习的多种算法都包含在内。
同时，迁移学习也很重要。智能驾驶不仅需要深度学习，还需要背景知识和常识，以及要将迁移学习引进来，以前我没有来过这个地方，但我走过类似的地方，这就可以，还要掌握基于贝叶斯的因果推理，这便是知其然，还要知其所以然，所有的这些都不依赖大数据。所以，未来的无人驾驶时需要这些不依赖大数据的能力。
•为智能驾驶给出可预期的置信度
对于可置信度，吴甘沙举了个例子：“去年特斯拉5月出了一场车祸，可他们给自己辩解，这个车开了1.3亿英里才一次事故，美国的平均水平是9千万英里，这都比平均水平好的多得多，还有什么可质疑的？但是学过统计学的都知道，这是不成立的，为什么？数据样本太少，不具备统计的显著性，如果第二天再出一次事故，就变成1.3亿除以2，成了6500万英里，所以一定要有足够的数据才能证明是否安全。”
那么，到底需要多少数据呢？吴甘沙现场透露，“一百亿英里”才能有95%的置信可言。
这对于真实车辆来说无疑是天方夜谭，意味着需要开500年才行。如果不能在实际的道路中开那么多，那就需要在虚拟环境中开车，这就需要仿真器。驭势这一年也做了很多尝试：“我们最早的仿真器，不是那么的逼真，它可以去测试我们的规划、决策，但不足以去验证我们的计算机视觉算法，但是现在我们在和一些公司、科研机构进行合作，我们希望基于大数据能够快速地建模；同时，需要有照片级的真实度，能够去测试计算机视觉的算法，还能够去模拟不同的天气，不同的光照。” 通过这种模拟仿真器，驭势科技正在打造百亿英里无人驾驶训练。
“君子和而不同”
对于无人驾驶现阶段的商业化进程，各方看法不一，而驭势自然也深谙其道。现场，吴甘沙的几番言论颇值得仔细寻味。
“对创业公司来说，智能驾驶需要一个很长的落地周期。落地之后再盈利，需要的时间就更长了。那么，我们采取什么样战略呢？我们叫做“和”，什么意思呢？传统上是零和游戏，而我们现在变成“生态繁荣”，我们愿意和上下游包括主机厂商，供应商来做一些源代码、市场权、数据的共享，很多人以为我们这个是百度阿波罗计划推出来之后才做的。其实，我们很早就开始和多家车厂开始这样的合作，”吴甘沙补充，“‘和’这么一个战略，就是希望上下协同、创新，短期内我们不要求有商业化的合作，我们更多的是希望生态能够繁荣起来。”
有了“和”，什么才是驭势的“不同”呢？现场，驭势也给出了答案。
“今天来说，法律法规是没有问题的，主要就是技术和成本问题，另外我们认为只有通过软硬件的全栈，才有可能控制这个产品的质量和体验，才能实现商业化的落地。而我们就恰恰是一个全栈的构思，从车的设计、制造到传感器、到智能化的算法，到硬件，基本上形成了全栈的领域，所以我们这里面的战略是‘不同’。我们选择一个和主流的车厂他们关注的市场，不相干的一个边缘的市场，现在这里面还没有生态，我们把这个生态创造出来，把整个驾驶链创造出来，通过快速的商业化迭代，把这个运维体系商业闭环创造出来。早期产品针对的就是商业园区，完全没有驾驶员、油门和刹车，使用场景也非常简单，用手机叫一个车，告诉它你想要去的地方，它就会把你送到目的地。”
未来的落地，吴甘沙现场分享了他的“七个*法大**”
算法决定上限，系统决定下线
场景牵引
需求决定配置
成本决定价值
快速部署
跨越演示到部署的死亡之路
开启创新，建立商业闭环
其实，通过这次分享，我们能愈发强烈地意识到无人驾驶对未来的颠覆以及创新意义，同时，通过驭势的种种故事，我们亦相信，驭势科技认为的“基于无人驾驶的共享出行将破解诸多城市难题，实现智慧社会交通流、信息流和能源流的最优配合与和谐统一”的那一天会加速到来，对于驭势接下来的发展，我们拭目以待。