自動駕駛技術被作為汽車產業“下一站”的變革發力點，不僅是各大傳統車企轉戰的重點，也是各大互聯網巨頭關注的焦點之一。但這項偉大的技術時而給人獲得巨大突破，幾乎無所不能的感覺，時而又給人安全性不足，依然是輔助駕駛技術的感受。

那么當前自動駕駛技術的發展程度到底如何？下一步突破的關鍵在哪里？對汽車產業的改造正在如何實現？鳳凰文創觀察家專訪了英特爾中國研究院的第一位“首席工程師”，如今的馭勢科技CEO吳甘沙，為您做出全面的解讀。

您怎樣看待目前無人駕駛技術的發展程度？

吳甘沙：自動駕駛技術從本世紀初到現在大約20多年的發展時間，我認為其中90%的技術難題其實都已經解決。比如說不論是從感知障礙物，認知交通規則、地圖和定位、還是機器做最優決策等方面的問題都已經解決了。

那么剩下的10%的難題是什么呢，就是怎么能夠證明技術的安全性。雖然現在很多的測試都證明是安全的，但如果真正部署出去，我們又如何可以保證它的安全性呢？這可能我們需要上百億公里的測試，但是目前沒有一個車廠可以在把車部署出去之前做這么長的底層測試。

那么這個時候，其中的方法之一就是需要我們在虛擬的場景中去測試這項技術。“阿法狗”為什么能這么厲害呢？主要是因為它深度學習了大量的棋譜，并在這個虛擬環境中互博，自己跟自己練習，并練習了上億局的棋盤，因此它的能力提升很快。

而自動駕駛也是這樣，我們創造了一個虛擬的城市環境。設置了各種各樣復雜的環境，讓自動駕駛技術自己和自己練。但當它練習上百億的英里以后，整體駕駛的水平和安全性就會提升了。這個對于我們來說，是一個最有趣的難點，在未來的幾年當中可能會有更大的技術突破。

無人駕駛技術主要還有哪些痛點問題尚未解決？下一步突破的關鍵在哪里？

吳甘沙：自動駕駛在開放式應用與封閉場景的應用不大相同。因為對于封閉式的場景，所有的可能性都已經被測試過了，這個環境是有高度確定性的，算法有足夠的能力去處理各種各樣的情況，而開放的環境是具有不確定的。

我們知道今天的人工智能也好，機器學習也好，都是基于大量的數據。通過大量數據歸納出來很多規律，但值得擔心的一種問題是，假如機器遇到一些從來沒見過的數據呢，簡而言之就是數據不完備還沒有代表性，那自動駕駛技術就沒有辦法去處理。所以說在這種開放性中的不確定性是目前最大的難題。

那么這個問題就說明了，我們需要人工智能在這方面需要得到提升。比如說今天的人工智能主要講的是深度學習、歸納法，而未來的人工智能會具備演繹、推理、常識等等功能，那么在這些方面提升后就可以處理未來很多的未知情況。

您之前多次提到“要盡快實現無人駕駛的商業化”，您認為哪些部分會成為無人駕駛商業化的切入點？

吳甘沙：我認為現在開放式的自動駕駛技術，在目前的階段還不夠成熟。可能需要5到10年的時間盡快的讓技術落地、讓它產生價值。具體來說，我認為有兩條路來作為切入點：一條路是把應用的場景限定在封閉結構式的高速上，通過封閉的自動駕駛或者主動駕駛來提高駕駛員的安全性，并且可以為駕駛員提高駕駛的樂趣。另外一條路是在高度確定性的園區景區、度假村或者主題公園里，通過無低速的無人駕駛來實現商業化的智能駕駛。我認為這兩條路線在未來會的2到3年之內都是可以落地的。

整體來說，這個行業在經歷著巨變。我舉個例子，芯片的巨頭是有荷蘭的恩智浦、德國的英菲琳、意大利的意法半導體、日本的瑞薩、美國的德州儀器等廠商。但在過去的半年時間里，這個格局發生了巨大的變化，比如說美國高通收購了恩智浦，英特爾收購了Mobileye、三星收購了哈曼，還有英偉達等新晉品牌的興起。

值得注意的是，其中很多都是信息領域、消費電子領域的巨頭，但它們現在都進入了自動駕駛的汽車領域。單是這個問題我們就可以看到整個領域的變化：它的價值鏈在經歷著重構，而競爭的格局也在發生著變化。因此，傳統的公司如何與新晉的公司發生化學作用，更快的去推動無人駕駛領域商業化的發展。這個也是我們非常愿意去看到的。

在自動駕駛的同行業中，馭勢科技的戰略布局體現著哪些行業發展方向？

吳甘沙：現在很多人想做人工智能，但其實大部分的相關研究還是停留在基礎層面的基準測試上。而我們的主要優勢是要保證這種技術能夠盡快落地。比如說針對特定的場景有足夠的穩健性，與相對便宜的硬件也可以相互配合，使得整個系統就是調到最優。

具體來說，我們就是在尋求最好的算法。不論是在機器的穩健性、準確性、速度或者功耗上等等進行一系列的優化，為無人駕駛汽車減少制造成本，并在實際的應用場景當中去測試它。簡單來說，就是把最好的技術最快的落地。此外，我們也十分注重縮短從算法到整個技術的落地的周期，這也是我們的核心競爭力。