滴滴孟醒：自动驾驶不仅跟车有关跟场景也有关

凤凰网汽车讯 11月12日，由国家信息中心信息化和产业发展部，与现代汽车(中国)投资有限公司合作举办的“第七届中韩汽车产业发展研讨会”在京顺利召开。本次研讨会围绕”以东方智慧驱动自动驾驶新时代“主题，邀请了两国业界权威专家，就自动驾驶技术最新发展及未来方向进行深度研讨。

自动驾驶不只是汽车企业发展的方向，在汽车共享出行领域，滴滴早在3年前就组建自动驾驶团队，探索自动驾驶出行的发展方向。今年8月，滴滴将自动驾驶团队升级成一个独立的公司。

“用3年的时间，做了自动驾驶软件层面的全栈的研发，从比感知、决策、控制、地图模拟器等等，全套的实现一个车完全自主自动跑起来的整个软件研发体系。”在论坛上，滴滴自动驾驶公司COO孟醒表示。“滴滴所做的自动驾驶场景是L4及以上。L4的场景是跟服务直接相关，希望运营这种服务。”

同时，对于自动驾驶的发展，孟醒认为：“谁在技术上能成为先行者，谁能够拉开技术上的差距，谁就有可能在自动驾驶行业里成为下一个最大的公司或者成功的公司。”同时，“自动驾驶是一个长期需要投入的一件事情，同时需要的资源不是任何一家公司独立可以完成的这件事情，而需要一个产业，从上游到下游，到政府政策到各个方面，一起去配合能实现的这件事情。”

以下为滴滴自动驾驶公司COO孟醒演讲实录：

各位领导、嘉宾大家早上好！很荣幸今天有机会跟大家一起分享一下我和滴滴在自动驾驶这个层面上的商业化的思考。

滴滴3年前自动驾驶团队成立，然后逐渐到今天搭建了一个相对来讲比较成形比较大的自动驾驶的团队。

过去3年主要大家面临的跟行业面临的问题都一样，都是技术上的挑战。在最近这几年，技术上我们持续会面对挑战，但是我们攻克一个又一个的难题之后。我们进入到下一个场景就是大家离商业化开始思考这个问题。我们怎么做运营，怎么做商业化。我们在技术依然还有很多挑战情况下，怎么能够把我们现有技术开始让大家看到利用和落地的可能性。

今天正好借这个机会跟大家分享一下。

介绍一下滴滴，滴滴是国内最大的一站式出行平台，我们同时也是在全球范围内最大的出行网络平台，每年有超过100亿人次的出行体验，相当于全世界的人口每人都至少乘坐一次。除了国内市场，实际上滴滴在拉美也做到比较大的规模，尤其是像在巴西。

滴滴将如何提供更安全和更高效的出行服务作为目标，希望给乘客带来更好的出行体验。未来自动驾驶，也将进一步实现滴滴的愿景。到现在为止，我们用3年的时间，做了自动驾驶软件层面的全栈的研发，从比感知、决策、控制、地图模拟器等等，全套的实现一个车完全自主自动跑起来的整个软件研发体系。

现在在中美两地大概拥有200左右的员工和工程师，中国美国加在一起大概4个城市在过去一年半到两年的时间进行路测。

今年8月，滴滴将自动驾驶团队升级成一个独立的公司。我是3个月之前加入滴滴，在这之前我一直在做风险投资，从2015到2016年就看自动驾驶行业。

我在2016年在行业里投了第一家的自动驾驶公司，在这两三年的时间里，中国和美国比，大家关注的在投自动驾驶这件事来讲，投资角度来讲，资本人的角度和社会的角度来看这个问题的时候，大家没有很好评判标准，唯一的评判标准就是做这个公司的团队，有没有做过什么事情，相关领域比如说计算机视觉、自动控制、汽车领域的积累有没有足够深，我们通过这个来猜测技术带到什么样的程度。对这个行业再理解深刻一点的人，可能理解是说从技术路线来讲，你选择的纯视觉还是说带激光、传感器融合的方案，是不是更有道理。再往下看到的就是说多快的拿出一辆车技术demo，开始在路上跑，先开始在道路宽广的来跑，在白天比较容易的道路上跑，接下来在黑天、雨雪天、在车道不清晰的地方来跑，如果我很快拿出一个很好的demo，意味着说你可以成为很成功的公司。

整个行业的认知，相对来讲是比较单纯的，其实背后刚才说的假设是什么？谁在技术上能成为先行者，谁能够拉开技术上的差距，谁就有可能在自动驾驶行业里成为下一个最大的公司或者成功的公司。

到2018年我们看到，自动驾驶之间的竞争，或者说迭代已经不是一个单个公司所完成的使命了。

如果我们放到竞争的环境来讲感觉更多的是在联盟与联盟之间开始产生，很多大家在行业里的人都发现，自动驾驶是一个长期需要投入的一件事情，同时需要的资源不是任何一家公司独立可以完成的这件事情，而需要一个产业，从上游到下游，到政府政策到各个方面，一起去配合能实现的这件事情，所以2018年之后我们看到一个很快的现象就是大量的产业联盟开始组建，而且这个产业联盟不是一般意义上的说很多家公司、几十家公司放在一个形成的产业，可能是一两家或者两三家公司做这种非常深度的产业联盟，然后形成这样的体系。

这个体系的背后本质上就是说大家开始关注自动驾驶能赢与否，或者能做出与否，核心不仅仅是技术实现的程度。而是在于车是不是配合对应开发进度，政策是否对应开发进度。

如果你做运营车辆，你流量体系是否可以建立起来等等，所有的东西变得非常的重要，背后变得越来越复杂，所需要的技能也变得越来越复杂。

所处的环境其实变得越来越复杂了之后，我们需要资源更多，所以产业形成了更广阔的结盟。从我们角度来讲，看到的很明确的点是，比如说在政策方面，其实在2017年之前，在国内的一些地方，有一些路测政策逐渐开放出来。2019年之后尤其是下半年，各地方政府都很大力度去推行这种比如说自动驾驶的落地，与载人示范运用场景，给了自动驾驶公司很大程度上的空间，可以把它的技术开始跟乘客结合在一起，然后把这个应用到实际场景里。虽然场景有它的局限性，车辆也不会特别多，我们可以看到一点点未来的样子。过去我们对未来的样子想象，是通过视频，通过我们想象力。但是很快我们可以通过滴滴APP去打到一辆自动驾驶车，然后通过体验得到真实反馈。这在过去是很难做到的。

从今年下半年开始这件事跟我们越来越近。我们在很有意思的时代，一方面尽量推动我们的技术，推进我们技术迭代的速度；另一方面在有限的范围之内，提供一个更完整的体验，让大家知道这个体验整体而言是什么样的。

滴滴所做的自动驾驶场景是L4及以上。L4的场景是跟服务直接相关，希望运营这种服务。实现这件事情需要很多个环节。首先是自动驾驶技术本身的实现程度。刚才讲的感知这些决策系统。有很多重要的节点其实我们要跟供应商、车企的合作，车企会决定比如说我们一个L4的车，它能够在什么时间点交付一个带冗余系统的转向，同样传感器也很重要，在大量的路测车上装了很多传感器，这些传感企可以做测试，但是不能做量产车辆运营，他们什么时候成熟，能不能帮助他们推动一起成熟，很多行业里成熟是鸡跟蛋的问题。另外的一件事，是需要政府支持。这一点非常非常的重要，对我们不同场景落地，把更有意思的测试环境纳入到技术当中来，让我们技术迭代更快。

除了这个已经考虑到的问题，针对我们要做L4及以上的自动驾驶我们还要考虑两个问题。第一个是数据，绝大多数我们跑自动驾驶的时候，我们收集数据的能力是相对匮乏的，我们用有限的车来收集迭代速度是慢的。

另外就是驾驶的行为，涉及到自动驾驶运营的时候，乘客需求的数据，匹配派单的数据。我们假设今天有一辆自动驾驶车，想把它变成服务网络的时候，你要运营和管理，要调度，要定价、修理维修等等这些事情，针对于自动驾驶又会引入一些新的挑战，比如说远程接管。这些都是新的挑战都需要很成熟的运营团队来做。这些挑战今天变得越来越真实。

滴滴希望把网约车搭建的运营体系所体现的优势运用到自动驾驶运营中来。

第一在数据上，滴滴一年运送乘客大概有100亿次单，每天都有数千万的单量，以及大量车辆行驶轨迹。然后我们需要对乘客和车辆做路径规划和供需匹配，积累了非常大量的数据。

在解决自动驾驶的问题，尤其是解决感知的问题的时候，非常重要的一个问题就是长尾问题。解决长尾问题是碰到你有足够多的采集设备和采集车收集到看到这个事情，才可以做到，我们网约车或者其他的体系，就作为一个很好的收集渠道，建立很好的收集体系，使得我们更快碰到这样的长尾问题。

图片中间超载三轮车，现在面临的问题就是，看到之后再进行分类，如果没看到可能当作一个静态障碍物或者其他的障碍物，无法更好的预测，它的行为跟正常三轮车是一样的，如果没有做这样的预测可能就会出错。只有足够多的采集量级之后才能把这些问题逐渐分类和解决。

对于一般的自动驾驶公司，采集的数据的车辆有限。在中国拥有100辆车以上的公司还非常少。之后把数据放进入到仿真模拟器里面然后迭代，然后再进行机器学习，重新装到车里，做一个回环，这是有效的数据结构，但是数据量小，大家都知道做深度学习和智能学习的过程，需要大量的数据填充，闭环完成。

但是数据量不够，所以迭代速度慢。对滴滴来讲，其实我们可以用更多现成数据帮助迭代，大量的网约车也可以作为我们数据采集的车队。这些场景也是真实场景的数据，这个测试价值非常高，然后迭代到机器学习里，反馈到我们车队，这样的速度使得我们迭代的节奏变得更快。

这是兰德公司去年做的一个研究，假设今天对自动驾驶已经非常有自信，自动驾驶能力和人类驾驶技术一样，已经到达这个技术。

在95%的置信水平下，需要连续2.75亿英里的驾驶不出事故，才能说跟人类差不多的水平，或者说出事故，但是连续开88亿英里，至少2.7亿英里不出事故，有100辆车，88亿英里要开400年，如果是2.75亿英里需要开12.5年，这是验证而不是开发整个的测试里程数。做100辆车很难做出这样的验证，需要用更大量的车或者其他的方式来把这部分的验证跑通。

刚才讲数据的部分，我再讲一下运营网络。有些区域特别适合做自动驾驶，有些区域不适合做自动驾驶，甚至于永远不适合做自动驾驶，自动驾驶不仅仅是跟车有关系，跟场景有非常大的关系。

我们希望实现哪些场景。第一是供需最不平衡的，缺供应的地方，乘客打不到车的地方。哪些需求量最大，但是供应量最少。其次是找哪些场景适合自动驾驶的使用。

基于这个我们再去判断说，在哪些地方我们用自动驾驶的车，用在哪些场景先去跑，哪些逐步去跑。

做自动驾驶不是解决万能的问题，是解决场景的问题，场景有很多的维度，把这些维度放进来之后，然后再进行运营服务。

如果像刚才解决的方式，只解决小部分的场景，这其实是一个很安全也很有价值的方式。网约车是双边市场的，需要你有足够多的供给，足够多的车和司机。滴滴自动驾驶车辆会把车辆放到有司机的网络体系当中，变成混合派单的模式，我们把自动驾驶车辆放到平台里作为补充运力。

即便有一辆车或者非常少的车我们也可以把运营服务跑起来，从自动驾驶路况和需求状况以及乘单的状况来讲，如果合适派到这里面，这个单或者这个乘客适合用自动驾驶的车来服务，我们把车派给他；如果不适合我们派一个有司机的车给他，这样逐步的实现，这样保证安全性和技术可以逐步的实现。

回到我们的主题，自动驾驶面临的产业化的难度的最大的一点，我们很多的难度，今年从技术难度依然存在，对整个行业来讲都是很大的挑战，解决技术难的同时大家开始平行考虑我们如何跟产业配合，如何得到政府的支持，如何更好得做地方测试，以及我们怎么更好的迭代数据和搭建运营。

我们今天做的事情是把它往前推进，滴滴在逐步的尝试探索一些可以解决的方式，我们希望跟行业合作伙伴共同探索，一起去合作，把自动驾驶和运营服务推到一个可商业化的阶段，谢谢大家！