7月15日消息，由网易科技主办，网易智能承办的“2017网易未来科技峰会之AI+出行”专场今天下午举行。在圆桌论坛环节，小马智行Pony.ai创始人彭军、传化智联集团总裁助理 易货嘀创始人&CEO秦愉、图森未来联合创始人、COO郝佳男、蓝弛创投执行董事曹巍、中国瑞典交通安全中心陈超卓、北航交通科技与工程学院院长助理、博士生导师田大新、 Plug and Play中国区管理合伙人赵晨分享了他们对无人驾驶的一些观点。
雷达装置问题
中国瑞典交通安全中心陈超卓认为，无论是激光雷达还是毫米雷达还是摄像头，在L4、L5级别之后都很难完全达到障碍物辨认，人工智能很难做到判断在前方人的意图。
小马智行Pony.ai创始人彭军则认为所有的传感器都是必不可少的，因为在目前的情况下，所有的传感器都放上去仍然很难做到百分之百，而且不同的传感器其实各有有优缺点。因此，彭军建议传感器融合的解决方案。
图森未来联合创始人、COO郝佳男认为不同传感器各有特点，对于商业场景来说会去选择在成本范围内能够接受的，然后再根据这个限定，再去不断地挖掘本身传感器的潜力，然后去达到目标。
蓝弛创投执行董事曹巍则表示，整个自动驾驶行业对问题聚焦点已经发生变化了，传感器融合是所有团队目前都在看的方向，因为大家要实现的是场景需求和为了这个需求能够形成的一套综合的解决方案。
对于自动驾驶落地问题，传化智联集团总裁助理 易货嘀创始人&CEO秦愉认为无人驾驶一旦应用在物流领域的效果或它的价值可能会超过出行领域。他表示无人驾驶技术在物流领域应用，未必是把司机干掉人工省掉的方向，更多是把司机解放出来，把司机从乏味的一天要开很长时间的驾驶的动作当中解放出来。
资本青睐的问题
Plug and Play中国区管理合伙人赵晨表示在括激光雷达、传感器、利用汽车后装产品能够带来的一些记录包括驾驶员驾驶习惯绘制地图的相关技术，都需要专业团队非常高的团队，而这正是BAT缺少的，这样的初创团队融资金额非常高。
曹巍表示，理想车型跳出工程师互联网人士最擅长的区域，到控制是最难的一层，从模型切入的团队，对商家本身的需求还是追着谷歌特斯拉的方向在走。因此，蓝弛更倾向早期切入这个环境中，选一个思考体系完整的主机厂，最后把车辆给消费者，包括这辆车的定价如何达到消费者，把整个链条跑通，投主机厂是没有错的。
另外，蓝弛也在找有这种思考角度或技术实现能力的团队，围绕核心场景和核心用户的需求切入整个市场。
供应链角色问题
秦愉表示，在整个供应链的角色实际上是服务商。秦愉做了一个比喻，商业分为上半身下半身，上半身是用户、品牌、交易高大上的东西，这些高大上的东西必须有下半身承载，下半身是供应链跟物流。
田大新表示，高校来的不是纯商业角度谈供应链，另一个角度现在国家在推的互联网示范区基于移动智能智慧车辆与只能交通示范区。
彭军提到，小马智行是根据目标驱动的，最终目标是希望能做出能够在大街小巷都能跑的最终状态的无人车。
陈卓超认为，主机厂在食物链顶端，Tler2、Tler3、Tler4，这种造车的模式还会维持，但是如果说回到智能出行的角度，共享了，也许主机厂就是供应商，也许是食物链顶端。即使以后如果是智能出行，L1、L2（一级供应商、二级供应商）界线不是很明显了，可能顶端的OEM会直接跟二级供应商，甚至芯片供应商打交道，来确定一个技术方案。
郝佳男认为高级别的无人驾驶，这个技术本身就算是在今天其实也是没有一个，大家能够公认的成熟方案存在，所以如果我们解决这个问题，就会在整个供应链条站住了脚跟。
团队捕捉问题
曹巍表示，一直在关注各种各样的红利和红利背后可能带来的市场机会。“我们前几年花很多的时间在看通用性的技术，但是在这一两年可能更多的时间还会去深挖场景，把这些在场景端有深度需要理解和能够拆解成为商业方案并且落地执行的团队在市场里找出来，我觉得这是这一两年的工作重点。”曹巍认为。
赵晨表示接触很多团队是刚从企业出来甚至刚从科研院校出来的团队，一方面希望能够更好通过早期的资本、早期对接项目的辅导，去帮助这些项目更好把产品更快迭代做出来；另一方面，从了解大企业的需求，希望帮助很多大的包括博世、戴姆勒等等大的企业，帮助他们在传统业务引擎里加注最新的。
L4落地时间点问题
秦愉认为，在物流这个领域，无人驾驶并不是它追求的商业目标，直面客户，提升客户体验，让客户接收到最好的物流服务，这才是无人驾驶在物流行业意义所在。
田大新认为，2030年也是比较合理的结点，还有十多年。对此，彭军认为无人驾驶跑在北京所有的大街上，2030年都可能太早。
陈超卓也认为不受限制点对点L4、L5时间到2030年还是很乐观的。郝佳男则认为在城市道路做一个L4，这可能真的是一个以10年计甚至更长时间的事情，特别是考虑如果是北京这样一个路段，做L4是非常漫长的事情。
赵晨认为，在未来的3-5年类似于Google、Uber这样的公司，就已经会有一些接近于L4级别的无人驾驶，不管是接送乘客还是送货物。
以下为本次圆桌论坛实录：
刘文尧：接下来就要进入圆桌环节，时间很长有一个小时可以跟大家一起聊聊自动驾驶和AI相关的话题。除了刚才几位演讲嘉宾之外，这次圆桌还请到曹巍蓝驰创投执行董事以及赵晨Plug and Play中国区管理合伙人，有请各位嘉宾！
现在我们开始这次的圆桌环节。刚才各位嘉宾都已经做了精彩的演讲，我们这次圆桌站在每位嘉宾各自的角度聊一下人工智能自动驾驶在出行领域的应用。我旁边是田老师，田老师刚才聊到车联网相关的信息，以及信息安全相关的话题，想问您一个问题，现在美国已经把DSRC互联的技术应用到法规中，您觉得车联网在自动驾驶过程中有多么重要？包括5G多久会在车联网领域真正普及？
田大新：我回答你刚才提到DSRC，美国已经通过了立法的提案但还没有做立法，陈总也比较清楚这个过程。目前从我们国家来说，大家也开始有一个转向，DSRC需要大量基础设施，基础设施布置方面不如走蜂窝的技术也就是5G的技术把这个更好地解决。因为5G没有真正实施，从4G延伸，LG-V。通过这个解决，传统LT是车辆和站之间的通信，需要车辆跟车辆之间的通信是未来5G重要要支持的技术。
开头提到信息安全，我再补充一下，信息安全无论DSRC、LETV（音），包括DSRC第四阶段就是解决涉及隐私的问题，车联网出行怎么保证隐私，同时保证不被攻击。为什么我们国家车联网没有立法往下推，从领导到到决策层的顾虑，信息安全技术没有解决是不敢往下推的，它面临的风险比无人驾驶技术上撞车撞人还危险，被人控制时杀伤力反而会更大。
刘文尧：非常感谢田老师给我们解答车联网相关的问题。接下来有问题要问彭总，之前您演讲上也说过自动驾驶是非常需要敬畏的项目，因为它跟安全的联系。虽然您也是做人工智能相关研究的，最近很多声音尤其是您提到特斯拉的声音，让人感觉有人工智能辅助，高级别自动驾驶实现容易很多。您可不可以具体解释一下人工智能在自动驾驶应用中还有哪些具体难点？如何体现敬畏的具体存在？
彭军：在自动驾驶里面提人工智能分几个层面来看，首先人工智能大家有广义的和狭义的，大家更多理解人工智能是算法本身的提高，但人工智能之所以能达到今天这一步，很重要原因是计算能力的爆发，是数据处理能力的大幅上升，以及一些算法的提高，比较典型的深度学习的大量使用。
无人车之所以今天变得越来越成为可能，在前面我讲这三个方面上都有很大的帮助，大家可以想象一辆车之所以跟传统互联网很多计算不一样，因为它对实时性要求非常高，0.1秒就是100毫秒对车来说是非常长的时间，如果不做出决策车已经很危险了。要保证100毫秒达到很多的计算，计算芯片的提高、计算得更加有效，以及对能耗的减少必不可少，因为车里的供电是不充足的，所以硬件的提高非常重要。
对大数据的处理，所有的无人驾驶需要的传感器产生的数据量是非常非常大的，比几台电脑产生数据大很多，如何在最短时间内处理这些数据非常重要。同时很多人工智能的算法对于无人驾驶汽车能够感知到周围的物体，能够理解这些物体，能够跟踪这些物体帮助也非常大。
还有一点驾驶的舒适型，今天提到安全，我们更重要强调驾驶的舒适型，人坐在车里急刹、急停、急转弯这些方面做了跟人工智能相关工作。
刘文尧：之前人工智能具体case是阿尔法狗的例子，我们驾驶时跟阿尔法狗有很多区别的，驾驶和平常下棋有什么区别？
彭军：是很不一样的，人工智能是很泛化的概念，阿尔法狗是特别的做算法上的一个大的突破，其实阿尔法狗达到今天很大的原因因为硬件达到了这个能力。无人驾驶和阿尔法狗在人工智能这个大的领域里是很不一样的两个分支。
刘文尧：想问一下陈总，刚才其实您演讲的过程中提到了很多整车厂相关自动驾驶的理念，包括您重点提到A8，L3估算这算您的观点是吧？
陈超卓：按照SE分级，L2、L3这里不是很明确，可以叫L3也可以叫L2或L2点几无关重要，我个人从产品角度定义L2、L3无关重要，重要的是说在安全上面，刚才彭总说对安全有没有好处，如果能贡献安全，特斯拉、大嘴A8也好，A8造型前面特别大嘴，那个车挺好的我感觉挺不错的。甭管它叫什么，如果厂家定义我可以撒手，这个就是量变到质变，包括特斯拉说明书上免责说不能撒手，还是人为主体开车，如果用户撒手开车撞死人追责追不到特斯拉身上去。但宣称L3厂家说可以撒手不管在什么速度，因为现在A8说的是60公里时速以下，拥堵状况可以撒手，只要宣称可以撒手就是法律和安全的隐患在里边，因为你撒手再接管，有一个时间问题。
我刚才说你确定A3不是技术上的噩梦，是法律和安全上的噩梦，你怎么界定？因为技术现在谁说做个A3可能大家都说可以做到。
刘文尧：特别同意您的观点，L3是法律安全的噩梦，L4是技术上的噩梦，现在是行业内主流两个见解的差异。如果大家看到很多科技行业的公司，比如百度等，他们看到自动驾驶给人们带来的便捷，车厂层面带来自动驾驶的安全及隐患。
现在特别重要的是激光雷达的应用，很多人觉得激光雷达L4级别中一定要配备，比如特斯拉基于机器视觉的算法优化就可以实现高级的自动驾驶，您对这个问题怎么看？
彭军：我不去争论激光雷达还是毫米波雷达还是摄像头，这个问题最终我认为你要达到L4、L5的状态，环境感知甭管用什么，环境认知得达到100%，99.9%都不行，99.9%是千分之一，北京市千分之一是5600辆车在路上乱转，行吗？不行的。L2到L3是分水岭，L2环境感知80%、90%就是现在的状况，无所谓，因为人是驾驶主体它帮助你一下，这是核心的地方。随着技术发展也可能是激光雷达也可能是毫米波雷达，我个人不去争论，因为现在明显的激光雷达可以扫描能更准确，以后毫米波雷达行不行呢？我对这个不去争论，但是我认为在L4、L5就相信以后它完全达到障碍物辨认，还有一个对人的像谷歌埃莫森说的我特别赞同他人的意图的判断，你感知百度外卖小哥向左还是向右，人工智能目前还是不能，他自己不知道向左还是向右。人开车是慢慢蹭过去，这个是目前人工智能很难做到判断在前方人的意图，如果多了在城乡接合部人的意图多了不好弄，不管激光雷达、毫米波雷达目前还做不到这一点。
刘文尧：所以其实陈总最重要的意思还是能提供多少稳定性，不管是什么样的传感器。其实刚才陈总给大家提到了决策的问题，不管是人工智能也好，还是传感器的识别也好，如何模仿人类来做驾驶相关的决策，相当于我们在中国开车其实在很多情况下我们是不去遵守交通规则的，比如在并线、拥堵过程中，机器和人同时出现的时候怎么判断？这个是需要人工智能克服的环节。我想问一下其他嘉宾对激光雷达这个问题有没有什么其他的观点？
彭军：从业人员来看所有的传感器都是必不可少的，因为在目前的情况下，其实所有的传感器都放上去仍然很难做到百分之百，而且不同的传感器其实各有有优缺点，比如刚才提到的激光雷达的好处是对光线没有影响，晚上完全跟白天一样，因为它是主动光源，毫米波雷达的优势天气是影响最小的，下雪天可以用，因为它是通过反射，当然影响就非常大。而对摄像头而言，光线影响是非常大的，人眼从亮到暗的光圈打开基本上是不要什么时间的，而现在的摄像头是做不到这一点的。一个太阳光反射打过来，整个摄像头就一片白，这也是为什么特斯拉出现故障的主要原因，是因为前面光照过来了。所以我们的看法是在目前的情况下，一定是取长补短，以最好的方式先把产品推出去，所以我们的做法不建议，我们的建议是传感器融合的解决方案。
郝佳男：我稍微补充一下，对于图森来说基本是一个观点，所有的传感器都是提供信息的，不同传感器的方式不一样，去接收这些信号，它们都有适用的条件，只要是在成本对于我所应用的场景有益的传感器，其实我都会去考虑。对于图森来说，因为我们解决特化的场景是一个相对高速的场景，本身我可能要考虑较长的距离。在这个场景之中，可能目前的激光传感器是比较困难的。所以我就需要，比如说我的摄像头，我要它能够看得很远。但是比如说激光雷达本身，它现在面临一个问题，比如说产能和成本的问题，可能它会限制我商业化的步伐。所以我在视觉这一端，我们目前是做了很大的工作，包括彭总刚才提到的比如说光线变化的问题，其实我们也是做了很多很多的独特的东西去解决它。不同传感器有特点，对于我们的商业场景，我会去选择，这些传感器是我在成本范围内能够接受的，然后我再根据这个限定，我再去不断地挖掘本身传感器的潜力，然后去达到我的目标。但是总的来说这些传感器其实最终都是一个融合的过程。只要它成本合适，只要能为我提供信息，我一定会去用，基本是这样的。
曹巍：我觉得主持人这个问题非常好，我们是蓝弛创投，我们从整个产业看，翻新闻的话，差不多一年之前到底是特斯拉，还是Google，传感器方面讲得比较热，但是我们七十从投资角度上来看，这一年整个市场大家更关注于需求。什么样的场景下什么需求，基于这个需求我中间所做的或者所提升的边际效益是不是能覆盖我所有从感知、决策到控制整套体系付出的代价，其实又回到了场景本身和需求本身，甚至是我们现在看到一些，把无人驾驶应用到更加缓慢、封闭的一些特殊的工业化场景，比如说农业种植、比如说园区的微物流。现在我们想说的是围绕场景和需求有没有更好的解决方案，能够真正地帮助企业实现商业化和从零到一商业化原点的突破，这是一年来，我们看整个自动驾驶行业大家对问题聚焦点已经发生变化了。传感器融合是所有团队目前都在看的方向。因为大家要实现的是场景的需求和为了这个需求能够形成的一套综合的解决方案。
赵晨：谢谢主持人的问题，我叫赵晨，我是硅谷一个早期的孵化器和风投机构，我来自于Plug and Play。我们投资的阶段比较早期，基本是种子和天使阶段，除了接触早期的创业类企业之外，另外我们平台上接触大量的汽车生产商，包括戴姆勒、奥迪、国内的上汽、力帆这些企业，所以我们一边帮助这些大的企业会员解决他们对技术的需求，包括在无人驾驶领域，同激光雷达到驾驶安全。包括由于新的无人驾驶带来的风险所代营的保险体系内的一些创新，我们都在看一些新的方向。所以我们前一段时间在硅谷的办公室和Uber无人驾驶的团队的研发一些人员在交流，我们讨论的过程中，他们就讨论到说现在主要分为两大类，可能在座的专家会更专业，一类是集中精力讨论去研发L4、L5，包括Google、包括Uber，包括苹果，包括国内的百度。另外就是整车厂或者是OEM去主要集中在像特斯拉这样L3、L2这样的企业。
所以从我们的角度来看，我们在看早期投资过程当中，我们会看一些新的方向和新的模式，在我们看来，做L4和L5的这些企业，一，周期会很长，就像之前的专家讲到的，风险、安全，信息安全、驾驶安全。我并不认为L4、L5的车在很短的未来会在路上开起来，并且是由日常的老百姓去购买这样的车辆，更多的可能是说类似于Uber，或者未来国内滴滴这样的企业，可能会在一些特定的产业下去补充他们的运力，而不是老百姓自己，我觉得没有必要去买这种，我需要一辆无人驾驶，以后去接送我上下班或者接送孩子上下学的汽车。另外一方面，从整车厂的角度来看的话，我觉得更多的就是他们怎么样把这种L2、L3的技术贴补到他们现有的解决方案里面。但是我们也做过一些市场调研，因为要加新的，包括ADAS也好，包括L3这种级别的驾驶功能，其实它是要额外付费的。我的感觉就是，普遍的消费者在很长一段时间未必会为这样的额外的功能付费。到底是什么样的应用场景能够让这些新的，包括像刚才专家提到的，刚刚发布的2018款的A8上面的功能，到底什么样的消费群体能够去消费这样的车？这个是从我们投资角度上看的，哪类的发展方向更适合我们投资进去，这是我的一点简单的想法。
刘文尧：感谢赵总。其实刚才赵总提到了自动驾驶领域的应用场景问题，我们其实刚才郝总也说过，我跟郝总聊过商用车在自动驾驶领域如何应用，所以我们刚才看到搬上来一个椅子，正好是之前有一位演讲嘉宾因为飞机的缘故没有及时来场，但是他现在已经到了，我们有请秦愉，传化智联集团总裁助理和移动互联网创始人、CEO参与我们的研讨。正好秦总上台，我有一个问题想问郝总和秦总，刚才我说到自动驾驶在商用车上落地的问题，郝总谈到的是自动驾驶和无人驾驶的行业发展趋势，能不能请您具体聊一下在商用车领域有怎样的应用？跟乘用车有怎样的区别？
郝佳男：其实是这样的。乘用车跟商用车，如果区分的话，并不是从车大小区分的，而是本身有没有应用需求。比如说乘用车，我们每天开的这种车，实际上我拥有这辆车是我想去支配这辆车做一些事情，我想去驾驶它，本身这是我的需求。对于商用车来说，这个车本身驾驶是有一定商业目的的，比如说滴滴，比如说Uber，它是要把人从一个点运到一个点。商用车是把货物从一个点运到一个点，都是有已经存在的商业需求，这个跟乘用车是有区别的。乘用车如果说是去做完全的无人驾驶，你需要去创造一个新的需求，就是说你要让所有去买你车的用户，让他能够接受你的成本，而且你要告诉他上车以后，我的车会帮助你做到你以前的出行的需求。但是这一点，其实在目前来说，以我们的观察并不是一个非常强烈的需求，还很有可能是一个大家觉得有意思的，但是如果成本很高，我可能就不会去尝试的问题，而且甚至有很多人会觉得驾驶是一种乐趣。但是对于商业领域，它本身现有的商业需求是真实存在的，比如说运人或者运货，它都是一个真实存在的需求。这个需求存在的情况下，你如何去做商业化？其实这个事情就更容易去讲，比如说我把这个人省掉了，我把司机省掉了，司机本身人力的成本是一个可以被现在就可以估算很清楚的成本。比如说对于物流来说，我开这种甩挂的大卡车，司机一个月本身纯发工资的话，税前基本上在，平均水平是10000元/月，沿海地区会到12000元/月，作为一个物流企业，这个成本我要承担，而且有可能，如果路线稍微远一点，车上两名司机、三名司机不停地倒班，这一趟货物运的话，或者以月来计的话，人员成本其实是占很大很大的一部分。如果我们能把这一部分的成本省掉，实际上这笔账很好算。这笔账就是，比如说10000元/人，我省掉多少司机，这条干线的物流还能继续维持，这就是我非常讲得通的一个商业模式。从技术上做到这一点，商业上一定是可行的，所以这个就是乘用车跟商用车在商业化路线上的一个区别。
当然，从技术上，它也是有一定区别的，比如说如果是Uber的话，可能它的技术场景要解决的，跟乘用车是基本相近的，因为它都是代替人从A到B，都是场景相对复杂，也有很多城乡接合部，甚至“碰瓷”这种场景。但是对于商用车，而且是干线物流，其实场景会相对简单一点。但你遇到的事故比例会降低一点，所以技术的成熟会更早一点。
刘文尧：秦总也来了，秦总商用车领域请您介绍一下自动驾驶在商用车领域的用法，顺带介绍您的公司。
秦愉：一个司机在出行领域在物流领域，或叫商用领域最大的区别在哪里？最大的去年在于，一个司机如果在出行领域任务就是驾驶、就是开车，但他在物流领域他的任务一小部分是驾驶，更多时间、更多精力用在驾驶以外的环节上，比如货物的盘点、货物的装卸、货物的进仓、出仓，那个才是物流领域最耗费精力效率最低的部分。无人驾驶技术在物流领域应用，未必是把司机干掉人工省掉的方向，更多是把司机解放出来，把司机从乏味的一天要开很长时间的驾驶的动作当中解放出来，解放到哪儿去？解放到货物的装卸、货物上下、货物盘点，货物发货比较好的体验交给收货方，这是效率提高最好的体验，而不是无人驾驶不需要司机了，而是那个思想需要转型。
我之前有一个判断，无人驾驶一旦应用在物流领域的效果或它的价值可能会超过出行领域，这是我对无人驾驶的判断。
我们这家公司做B2B供应链和物流的，为中国企业提供物流和供应链一站式解决方案。
刘文尧：之前大家关注乘用车无人驾驶更多，商用车无人驾驶应用是非常重要的，可以联想一下，如果是长串卡车的车队，只要头车有一个驾驶的决策，而后车跟着头车驾驶决策往前走就可以，后车依据车队的行驶减少油耗、驾驶员精力的消耗，它是非常高效运营的模式。商用车在应用上面更加适合目前自动驾驶快速的落地。
我想问一下二位投资领域的曹总和赵总，之前二位也介绍了各自公司关注的领域，从投资的角度来说，现在哪些公司在自动驾驶行业或在人工智能行业更吸引资本的关注？我知道赵总PMP跟博世有合作孵化器，跟车厂OEM也有合作，能不能给我们介绍一下作为资本能给创业公司带来怎样的帮助？
赵晨：谢谢。从投资角度我们在非常早期，包括之前接触过的像因特尔研究院吴院长出来做的企业，从这类企业的团队到构成和初期对资本需求量是比较大的，作为早期投资更多是投资到这个产业链里面再前端包括激光雷达、传感器、利用汽车后装产品能够带来的一些记录包括驾驶员驾驶习惯绘制地图的相关技术。我们之前也讨论过，这类的团队尤其是做无人驾驶团队需要的专业度是非常高的，包括像是腾讯、百度这样的企业，根据我们的了解在这个方面对于人才缺乏度是很高的，这样出来创业的团队初期融资额都非常高。
除了在资本上少量帮助他们之外，更多是帮他们切到实际的应用场景里边去，包括传化这边同事提到的，比如最后一公里的递送，在封闭厂区、港口包括校园里边我们投资的一些也用到无人驾驶、也用多激光雷达这种技术，去完成最后一公里的递送或特定场景封闭内的递送。
从大企业结合这块，包括博世，像前一段时间刚做完一期跟博世联合项目孵化筛选，包括荷赛科技、相关保险、OK车险方方面面的企业都是我们在投资角度关注的新的趋势和新的机会。这些整车厂包括整车厂上下游的供应商，它们关注的技术、它们能够通过我们平台去接触到更多早期的团队和在这个过程中我们了解大企业实际的需求，会结合这些做投资的判断，通过这种平台对接大企业初创团队的技术一定程度上完成项目产品团队的递进。
曹巍：理想车型跳出工程师互联网人士最擅长的区域，到控制是最难的一层，从模型切入的团队，对商家本身的需求还是追着谷歌特斯拉的方向在走，我们更倾向早期切入这个环境中，选一个思考体系完整的主机厂，最后把车辆给消费者，包括这辆车的定价如何达到消费者，把整个链条跑通，投主机厂是没有错的。
第二，刚才彭总、郝总分享了传感器融合核心应用的问题，商用车乘用车更加聚焦细分的痛点而且，什么场景有核心痛点，或什么样场景有核心需求。比如在乘用车环节，我们反复讨论L4、L5，大家假设未来技术上实现包括我们还会遇到伦理上的问题，包括遇到法规上的问题，特别高速行驶下还有各种各样整个用户端对风险意识的问题。但我们也在聊非常创新型的团队，有没有情况用户很痛但速度不快，比如北京上海堵车城八区，或高峰时段的闭环路，这个场景很痛，比如吉利或广汽中低端车型，满足GPS定位，二环三环路行驶30公里下完成自动驾驶，在用户很痛的环境下卖一个额外增值服务的自动驾驶，在现有车型上做一个升级，看用户是不是愿意买单，而不是一定是高速、一定用户体验很完美，覆盖所有场景极致的产品模型。我们也在看，在C端有没有全新的机会。
另外自动驾驶是一个手段，通过车把这套技术传递给用户，车场在整个链条是核心的触达点，刚才陈总分享了车厂在里边的态度，包括承担的角色，包括整个链条对消费者的影响是非常强的，车厂需要找到靠谱的团队一起实现自动驾驶。
同样又回到刚才，车厂一定会做深度用户分析，围绕用户需求、用户场景，最后包装和实现产品价值的传递。短期来看，L2或有中国特色的L2会是主机厂非常明确的技术需求，我们也在找有这种思考角度或技术实现能力的团队，围绕核心场景和核心用户的需求切入整个市场。
当然商用这一块刚才郝总分享得很到位了，商用物流是非常精准的环节，物流是纯理想的环境，物流要有收费站，交警巡岗，有各种不确定性。比如我自己开车到青海湖，路上看到很多大货车，路况不确定的情况下，司机太累了路上停车休息有很多突发情况，和目前系统可规划的情况不一样的场景，如果车里没有司机很难想象通过电脑跑完整个流程。
刚才秦总分享真正围绕物流的场景，司机的角色可能会发生转换，但人还是很必要的一个环节。刚才主持人问作为投资人看行业，三到五年可能回到需求场景看团队。
刘文尧：OEM、技术、供应商都有这样的定位，传统的驾驶辅助领域，供应链有层级的形式，有OME、Tler1、Tler2的形式，不管科技公司、IT公司都开始进入到自动驾驶的行业，而且都是在已经放弃造车的计划下进入自动驾驶的行业，百度阿波罗的计划，包括英特尔、Uber、谷歌都在做自动驾驶，大量资本进入，像新的人工智能公司进入行业，它会对现有整个产业链有怎样结构类的变化？请各位从各自的角度分享一下，各位在供应链中处于不同的定位，请秦总先说一下咱们在供应链中是什么样的角色？
秦愉：我们在整个供应链的角色实际上是服务商。这个服务商怎么定位呢？我之前做个一个比喻，商业分为上半身下半身，上半身是用户、品牌、交易高大上的东西，这些高大上的东西必须有下半身承载，下半身是供应链跟物流。前段时间大家朱啸虎老师腾讯的马主席PK智能锁到底好不好，不是锁的问题，锁智不智能不重要，重要的这两家PK供应链和物流。整个城市布那么多单车，路边数数比别人多，靠遍布全城供应链网络。车会坏，坏了之后必须尽快返厂维修，又以全新的车的形象投入市场，拼的也是供应链和物流。
北京很多单车是在周边天津生产，单车造出来是零件，必须组成一个产品投放市场，我以共享单车比较热的案例说明一件事情，所有商业模式的PK归根结底都是供应链物流体系之间的PK。我们在做的事情就是帮助我们的商业模式，让它走得更远，因为我们是下半身。站在我的角度我非常愿意当我们的品牌企业的下半身，帮他们提供比较好的供应链和物流的解决方案，帮助他们在跟竞争对手竞争时取得比较大的竞争优势。
田大新：我从高校来的不是纯商业角度谈供应链，另一个角度现在国家在推的互联网示范区基于移动智能智慧车辆与只能交通示范区。我们国家选了五个地方，东南西北中长春、北京、武汉、重庆、杭州。这五个地方出发点或工信部为什么干这件事情，觉得未来引领技术创新或工业创新大家公认的一个方向就是移动通信+智能车辆+智慧交通，因为它和我们衣食住行密切相关。在这个里边示范区它的初衷就和刚才主持人提到供应链密切相关，我们在论证各个示范区时重要的主线或者是它的亮点或它将来示范区打的牌是什么？通过示范区的建设能够吸引相关的比如无人驾驶相关的企业，包括智慧城市、移动通信的，包括互联网的相关企业都可能会落户这个示范区，把这些相关企业落户示范区带来集聚效应促进技术快速创新。单从无人驾驶不是以一个企业或某一个技术做得很好就能够把它做成功的。
刚才已经点到了，现在大家已经开始意识到，智能车辆无人驾驶离不开未来在城市里跑道路基础设施的配合，这块整个是一个产业链，从整个城市基础设施的建设到技术创新，到前沿技术的凝聚这些都是很好的平台契机，这也能从侧面论证出供应链上下游能够穿起来的案例或一个场景。
彭军：其实无人车整个产业链也大也小，因为实际上产业链还没有完全形成。从我们的定位来看，我们是根据目标驱动的，我们的最终目标是希望能做出能够在大街小巷都能跑的最终状态的无人车。而这个目标当然是5年、3年还是10年，这个我觉得仁者见仁、智者见智。但是作为我们的从业者，我们的目标已经定好了，所以从这个目标来看，我觉得在当前这个状态来，最主要的难点目前是在技术上，而不是商业模型，或者说是产品的形态，因为实际上，技术的相通性是非常高的，所以目前我们的定位是说两条腿走路，一条腿我们一定要把技术做到极致，做最好的技术、做最安全的技术。同时另一条腿是找垂直化的应用场景。我觉得在座大家基本上也同意了，由于整个通用出行的场景复杂，以及法律法规的滞后，目前整个通用的无人车解决方案可能相对还比较常见，但是在特定的场景、特定的应用，比如说高速公路上的物流，比如农业车、比如城市扫地车可以沿着路开，或者完全无人驾驶的送货车，等等这些垂直方向的应用一定会在不远的将来就可以看到。所以我们现在（只是目前、最一两年）就是把平台打好，把技术做好，到时候我们的技术能做到最适用、最安全。
陈超卓：既然说到供应链这个角度。因为我过去一辈子都在主机厂工作，比较传统地说，主机厂在食物链顶端，Tler2、Tler3、Tler4，我认为这种造车的模式还会维持，但是如果说回到智能出行的角度，共享了，以后车都是共享了，也许主机厂就是供应商，也许他是食物链顶端，而另外一个，即使以后如果是智能出行，L1、L2（一级供应商、二级供应商）界线不是很明显了，可能顶端的OEM会直接跟二级供应商，甚至芯片供应商打交道，来确定一个技术方案。比如说彭总那个，如果说通常他是做AI方面的，可能安全传统的，给一个一级供应商提供技术，再提供OEM，但是以后也许OEM就直接跟彭总打交道，然后再把博世拉过来，我们一起整合。这种供应链会打乱的。我是觉得以后方向会往这方面走。
郝佳男：首先我们谈自动驾驶的时候，其实我们在谈很多很多细分的跑道，这些跑道就像彭总说的有一些还没有细分出来，有一些领域甚至还没有人在占领，而且就算是一条很细分的领域，其实跑道也足够大，所以整个市场其实刚刚在一个发展的阶段，非常初期的一个阶段，比如刚才提到的传统的供应链，实际上因为有新的事物出现，有新的需求出现，所以这个供应链有可能被打乱，但是打乱的前提是什么？现在出现了新的壁垒也好，或者是需求也好，因为要破这个壁垒，就可能有新的一方加入到整个的供应链中，比如说对于我们来说，可能高级别的无人驾驶，这个技术本身就算是在今天其实也是没有一个，大家能够公认的成熟方案存在，所以如果我们解决这个问题，我们确实在整个的供应链条相当于我站住了脚跟。这就像比如NV现在的芯片就是唯一能够上车去跑的一种芯片，其实它就有可能去拓展自己的整个的供应链。整个传统供应链有可能会发生一定的改变，甚至是说不同的自动驾驶的领域，它改变的方式也不一样。
曹巍：主持人这个问题非常好，我们每天在想这些问题，外部的哪些市场变化、哪些新的红利出现，找到相应的团队捕捉到红利所带来的市场机会。比如说百度发布阿波罗计划，发布完以后，我们找百度的人聊，发现他们在和主机厂合作的过程中最大的痛点是什么？百度觉得百度是甲方，主机厂觉得主机厂是甲方，中间没有乙方，没有办法合作。但实际上我们发现这就是机会，百度到达一定程度的自动驾驶的能力，不管是L2也好，L3也好，还是他自己所谓能够达到L4的效果，但是在真正和一个传统产业对接的时候，是需要真正在这个产业里面有十年经验，到十五年经验的专业团队去联系新技术和传统的主机厂，很多主机厂也是很矛盾的，到底自己找团队自己做，还是与像百度这样的巨头合作，信息归属权是谁的？安全责任谁来承担？这里面有很多扯皮的事情，所以在这里面其实我觉得作为投资人来讲，我们一直在关注各种各样的红利和红利背后可能带来的市场机会。还是刚才的观点，我们前几年花很多的时间在看通用性的技术，但是在这一两年可能更多的时间还会去深挖场景，把这些在场景端有深度需要理解和能够拆解成为商业方案并且落地执行的团队在市场里找出来，我觉得这是我们这一两年的工作重点。
赵晨：从P2P的角度我们看项目早很多，接触很多团队是刚从企业出来甚至刚从科研院校出来的团队，一方面希望能够更好通过早期的资本、早期对接项目的辅导，去帮助这些项目更好把产品更快迭代做出来，不要做着做之着那天开玩笑说的，Uber完全是顶级的无人驾驶的公司因为它没有CEO、CFO、COO的一个公司。
另一方面，从了解大企业的需求，回到主持人刚才的问题希望能够做到创新型的机油添加剂的作用，希望帮助很多大的包括博世、戴姆勒等等大的企业，帮助他们在传统业务引擎里加注最新的，他们自己没有在研发，包括在之前一段时间对接过的，怎么样在车内感知驾驶员的情绪，怎么样在驾驶员上车之前了解驾驶员身体状况，防止相关由于疲惫、疲劳身体不适带来驾驶的相关风险。这些技术创新是希望不断接触最新的团队最新的技术对接给大企业，找到实际的应用场景，我们不断也去辅导投资早期团队，更快地加速这些创新技术和行业的整合。谢谢！
刘文尧：像刚才各位嘉宾所说的，大家不知道汽车上面有三万多零件，每个零件不是整车厂自己生产的，来自于各种各样不同供应商，传统汽车行业100多年的过程中这是层级的体现，一层一层向下整合，整车厂提出需求给Tier1再往下，车窗是一个人生产，玻璃又是一个人生产的。无人驾驶来了以后有更多新的投资人说的机会，比如激光雷达、比如芯片，他们进入市场以后让市场从层级化的结构变成了相对平行的结构，大家都在合作做同样的一件事情。如何在这种合作当中能寻找一个更好的互利的模式，才可能是自动驾驶落地的一个真正重要的因素。
最后一个问题想问各位嘉宾，之前陈总提到L4级别的沃尔沃，L4级别的计划及零伤亡的愿景。现在很多整车厂对于L4级别落地的时间包括整个科技公司对落地的时间都有不同看法，想问一下各位L4级别落地的时间到底在什么时候？以及落地时最大难点在哪儿？
秦愉：我还是坚守刚才的观点，在物流这个领域，无人驾驶并不是它追求的商业目标。它追求目标极大程度把司机从驾驶行动中解放出来，而不是把司机变得不存在。未来无人驾驶一定是把司机从驾驶解放出来，到最末端的交互，现在物流也是效率最低体验最差的环节，而不是让司机变得不存在。无人驾驶在物流领域的应用，一定要重新定义它的方向，不要看到一个技术出来之后就简单字面上理解，要把司机都消灭，以后车上没有人送货，那个不是我们追求的目标。而是似动作为人主观能动性，从机械驾驶行为中解决出来，直面客户，提升客户体验，让客户接收到最好的物流服务，这才是无人驾驶在物流行业意义所在。
田大新：关于L4有不同专家机构都有给到时间界限，占主流的我初步了解2030年是大家公认的时间结点大家认可的比较多，其实无人驾驶很多视频上看，大家网上放真在路上开没有人，那些都是ACC。反过来看ACC、ABS、EPS等等这些功能都有不可靠的功能所在，其中有一个视频放过日本的丰田车，过收费站时ACC失控了，没有给最终调查结论，都有不可靠的地方。
这个技术看主机厂整车厂或提供商怎么样的技巧规避责任，陈总说了每家主机厂不会说允许手离开方向盘，具备这个功能不会明文用户手册上提这个事情，提这个事情要担责任，这块还是有责任怎么样很好有法律界定的问题，这个界定和技术发展密不可分。我的一个观点2030年也是比较合理的结点，还有十多年。
彭军：这个事情我这么看，看你怎么看纯无人驾驶以及使用的场景，我认为在垂直领域特定领域的无人驾驶的应用，其实应该在很快甚至两到三年就可以见到。很简单，现在飞机基本已经实现了无人驾驶，所以特定场景半封闭全封闭的以及一些垂直化的领域很快能见到。当然你说无人驾驶跑在北京所有的大街上，我认为2030年都可能太早。
举个很简单的例子，我认为车比手机复杂很多，可是从摩托罗拉最早出的大哥大到今天人手一个手机过了二十几年三十年的时间，真正无人车的普及是非常漫长的赛道，甚至包括现在所有OEM的产能要把它降下去以及卖出的车需要全部退役，这本身是很长的过程，包括相应法律法规的制定，包括所有的人们对无人车事故的接受度，包括之后保险、索赔、理赔、伦理等等很多事情需要解决，但是无人车本身对社会、对人们出行生活的影响又是非常巨大的，我们保持一颗心态是，虽然这个隧道很长但是前途是非常光明的，而且我们相信路上是有很多阶段性成果的。
陈超卓：我完全同意彭军的判断，不受限制点对点L4、L5时间到2030年还是很乐观的，刚才说我们靠人工智能这个东西是有边界的，在城乡接合部判断人的意图靠人工智能目前技术还是做不到，但不表示无人驾驶这个东西没有用。有很多痛点在目前的技术上，在我们的地理围栏，地理围栏以后会逐步放开直到全部没有，但在地理围栏以内有很多痛点，目前比如在汽车共享领域、在自主泊车，从我个人我一开车开到哪儿到今天这来，进了大门找地下室停车，这个技术已经是接近量产了，类似的这种技术。比如怎么解决汽车共享当中的潮汐管理，使它能够盈利，适当应用一些技术，我认为会改变出行的状态，当然不能追求完全的点对点的无人驾驶不受限制，这个我不看好，目前在十年之内不看好。但是在受限制的，有限场景有限路径这个无人驾驶我看好，会逐步越来越多地实现。
郝佳男：其实主持人的问题是说L4什么时候能落地，但其实有一个问题，L4本身的定义就是我在一个限定的场景达到一个完全的自动驾驶，这个问题很大程度上取决于你加了多少限制。比如我们在城市道路做一个L4，我们觉得这可能真的是一个以10年计甚至更长时间的事情，特别是考虑如果是北京这样一个路段，大家开车多比较紧张，如果我们真的开车，很多时候你看的是前面的一个前面的司机扭了一个头，你知道他要采取一个动作，你看到一束光打过来，这些对算法的要求是非常高的，这些点使得我们如果在限定条件的情况内做L4是非常漫长的事情。我想不同的公司肯定会有不同的路线，对于我们来说，其实我们是不断地在往L4里面加限制，比如说公路港到公路港，而且我支持的第一步一定不是任意两个公路港，我圈定了公路港A、公路港B，就这条线我现在开始做，我做很长的时间，让这条港里面所有的场景都能够很充分地预见到，然后这条线路我做到一个L4。这件事情我们就可以做得相对比较快一点。根据我们现在的时间表，实际上我们现在已经在中国的南方一个港口，不是港口里面，就是港口和港口之间大概几十公里的路段去做L4的自动驾驶。另一个场景是在美国的亚利桑那州，公路港和公路港之间去做自动驾驶。这两个实际的应用场景我们会去落地L4，我们定义的落地就是已经真的在运货了，不一定完全替代里面所有的货物，但是我已经开始有一定的规模在运营，是在明年年底这个时间点。
曹巍：我觉得基本上大家都把核心的观点总结出来了，其实我们还有一个关键词叫落地，落地这个词我们其实看，一个是在所有新车里面的渗透率，比如说我们说无钥匙进入已经渗透到50%，一年两千万新车都有一千万的无钥匙进入功能。假设一年有3000万辆新车，有多少车已经装备了基于L4的自动驾驶的功能，或者以它为标配的一个选项装进车里面去了，我觉得如果按50%是无钥匙进入的话，我觉得至少是三五年，甚至是更长的一个时间轴，这个里边其实我们之前可以看到的一些研究报告，主要还是参考一些投行对64线固态激光雷达成本的预估，它能够到达一个商业化，比如500美金以下才能放量的情况下作为一个核心的要素，去驱动整个商业模式推进的一个进程。这是一个重要的条件之一，包括刚才彭总也讲到了，陈总也讲到了，包括郝总也讲到了，里面还有很多限定条件，一个是行业规则，甚至是整个交通安全领域的规章制度的制定，这个又有一个漫长的时间。所以我觉得这个不是我们作为VC应该去关注的目标，我们现在关注的就是，目前能够看到的需求2-3年能够看到持续的增长，然后它解决了一个具体环境下的具体问题，这是我们作为投资人来讲，在我们的基金周期内所关注的核心问题。
赵晨：我觉得跟蓝弛做相对VC阶段的基金不太一样，我们一直从最早期投资一直是公司自有资金做的投资，我们关注的周期更长一些，但是我们摸到的技术前沿更早一些，包括走到CIVO里面，他们的无人驾驶、人工智能的研究其实已经有非常多的积累，所以从理论，不管是卷积神经网络的技术应用在深度学习的路径规划也好，还是说对于基于视觉的识别也好，这些理论基础，我觉得在现在这个阶段经过过去这么长时间的研发已经比较成熟。是否能落地、做成产品放在车里面，如果一定要加一个时间段的话，在我看来在未来的3-5年，我觉得在很大程度上是基于法律法规的限定。因为在美国很多州，每个州对于这个的限制是不一样的，所以我相信在一些相对比较宽松的州，类似于Google、Uber这样的公司，就已经会有一些接近于L4级别的无人驾驶，不管是接送乘客也好，还是送一些货物也好。这是我的感觉。
刘文尧：接下来把时间留给现场的观众，时间的关系，只允许观众提两个问题，大家可以举手。
提问1：各位好，我是来自AI的新媒体，我感兴趣最后这个话题，完全的无人驾驶让汽车能够在北京的满大街跑这么一种场景下，如果说时间上可能不太好理解，如果类比到另外一个产业——手机产业，能不能给我们讲一下现在处于什么阶段？阿波罗到底是不是安卓的野心？或者有没有到这种阶段？现在是到了大哥大还是小灵通这么一个阶段？能不能讲一讲？谢谢。想请彭总或者图森解答一下。
彭军：其实汽车行业跟手机行业不能完全类比。汽车行业在标准化上比手机其实是低很多的，首先一个问题是不是会出现像安卓和iOS标准的OS，将来不知道，从目前来看，很难形成一个统一的OS来作为一个行业的标准。至少从行业的格局、技术的发展等等各方面来看，整个行业发展我觉得跟手机也不能完全对比，因为实际上在手机，刚才说的大哥大刚出来的节，整个产业，不管从芯片发展的水平、从技术发展、人工智能发展等等相应技术发展的阶段其实都很不一样，所以我觉得如果对标的话，你说现在是大哥大刚要出来的时候，但是发展的速度是完全不一样的。所以我觉得跟手机相比的话会是一个更爆发式的增长阶段
郝佳男：我比较同意彭总的观点，现在我们去谈无人驾驶或者去谈自动驾驶，其实大家甚至连技术方案都没有统一，我们到底这个系统有多少个模块？会有多少个算法去做融合？不同公司，比如对于图森来说，就说定位模块，我想我知道我的车在什么位置，但实际上我们做出的算法模块可能有九种，现在实际上说的是挑了其中五种，比如说因为计算能力的限制，因为一些其他的原因，一些可靠性，最后我挑了五种。有没有可能现在我提出一个框架，说我需要现在只要做定位，就一定要用这五种，其实不用这样，我们就选了这条路，还有别的路，所以今天一定要划定一个框架，然后让大家按照这个框架走，技术上就没有这样一个统一的点。另外本身汽车，因为涉及到安全，所以很多东西确实没有办法跟手机一样，说我能把它开放出来。比如说安卓，我可以容忍它，比如说一周或者两周有一次卡顿，法国问题。但是对于汽车来说，比如我要支持它的实时性，我要保证它的操作在两毫秒内完成，这样的事情，一个开放性的系统，我如何去分配资源？这些东西本身可能就有一定的嫩度。对于整个产业链其实玩法也不是这样子的，所以仅仅是在软件层面这样去做一个框架，让大家用统一的框架去往里填东西，我觉得目前时机还不成熟。
提问2：您好，我是斯坦福大学生物试验室的一个研究员，我听您说得挺兴奋的，确实是现在理论上来讲，很多的基础的技术都搞定了，像图像识别等等都解决了，您说的L3、L4、L5，这个东西是工程的问题，我想你能不能解决一下是数据的问题吗？是数据不够，还是算法结合不到硬件本身？还是车的硬件设备有问题？您能不能具体解释一下难度到底在哪里？
郝佳男：我先说几句，为什么说工程方面对无人驾驶是一个很大的难点？比如现在算法选好了，后面的感知算法完全是好的，现在我想对场景做分割，或者识别出物体或者障碍物都没问题。但是假如说我利用的是视觉技术，我的上头会不会糟？我的车在开的时候会不会有抖动？会不会有散热的问题？会不会有虫子撞到我的设想上？这些问题是没有办法用算法直接解决的。整个系统如果不解决这个问题又没有办法工作。这就变成系统性的工程问题，你就想万一有虫子飞到我的摄像头上我应该怎么做？我是检测到这个虫子让它失效，还是设计一个硬件结构能够擦掉虫子，或者我设计一个避免虫子飞到摄像头上的设备？这个里面就需要一些创新在里面，这些创新本身可能跟算法没有最直接的关系，但是这些问题可能是非常难的问题，一定要解决，你的车才有可能真的去实现一个高级别的自动驾驶。因为高级别自动驾驶真的开上路的时候，你真的是没有人可以依靠的，所有的事情全要通过你自己解决掉，有人的情况下你可以说我发现这儿有问题，有人接管，但是这种情况在高级别都不存在了，所以里面有很多很多工程的问题，比如各种传感器该怎么选型，所以工程上还是有很大的难度。
陈超卓：作为造车的人，我是工程师出身，我再补充一下，由人驾驶完全过渡到机器驾驶，实际上这个错误，由人的错误过渡到机器的错误，也就是说功能安全以后是至关重要的，因为每个件的功能安全不能失效，还有一个冗余的概念，我要撒手开车了，这个系统要有冗余设计，一个传感器失效了，另外一个要接上，否则的话，这个是人命关天的事，牵扯到工程。这个跟人工智能没关系，这个就是工程上，一个是功能安全，一个是冗余设计，这两条以后会越来越重要。
彭军：刚才陈总说得非常对，实际上是解决很多工程性的问题跟算法很不一样，就是算法很多时候是说我解决到什么程度，然后不断地通过算法来优化、迭代，但其实工程化的问题有很多。冗余的情况，为什么我认为传感器需要多传感器的融合？也是因为多传感器之间的性能和适用环境不一样，所以传感器层面要做冗余。在计算层面也要做冗余，因为其实像车本身，不管硬件再稳定、再好，它难免会出故障，如果出了故障，如何有Plan B，有一个方案能够接管过来，或者是仅仅做到能够安全地减速，停到路边上，或者做一个急停等等这样类似Plan B、Plan C是一定需要的，用什么方案做冗余？等等，这很多都是工程化的事情，需要做。
7月15日，2017网易未来科技峰会在北京召开。
本届网易未来科技峰会的主题“新生”，则是指出互联网行业正从蔓延两年的资本寒冬中复苏，大公司正在加速变革、独角兽层出不穷、年轻的创业者们正在奋起直追，重生中的互联网带来了全新的未来。
本届网易未来科技峰会设置了“新技术·新未来”、“新内容·新娱乐·新消费”、“AI+金融”、“AI+出行”、“AI+生活”、“AR未来”六大论坛，邀请了国内外最为杰出的科学家、企业家、投资人、跨界明星，一起探讨人工智能、消费升级、AR的璀璨未来。
本文来源：网易科技报道
责任编辑：
吴波_NT3514
