无人驾驶最快的商业应用，青飞智能选择了园区微交通

现在的无人驾驶商业化有两种思路：一种是类似于谷歌、Uber 和百度基于全路面的无人驾驶；一种是从限定场景开始的无人驾驶，通过技术迭代向全路面过渡。

前者需要真正突破某些技术点，并且投入也是巨大的，从 Google 无人驾驶部门拆分 Waymo 看这一模式的可持续性不高；后者的思路则是稳扎稳打，通过自有技术将限定场景的无人驾驶做到最优，然后再逐步丰富场景，从半开放路段到全开放路段。

「对于初创公司来说，后者更实际。」这是青飞智能的总经理孙一飞向雷锋网新智驾解释他们对于无人驾驶商业化的理解。

青飞智能是一家商业化无人驾驶系统和车辆研发公司，目前专注于为科技园、工业园、景区等限定场景提供 2 到 8 公里短驳无人驾驶车辆及捷运系统，计划 2 到 3 年内覆盖半开放路面无人驾驶（如固定线路小巴），中远期目标则是攻克全路面无人驾驶车辆技术。

一个插曲是，2013 年房地产开发商万科在寻找机构研发无人驾驶的园区车供广东万科建筑研究院使用，并计划推广到全国万科的楼盘和商业地产项目。

通过竞标，前团队核心成员所在研究单位竞得此项目，并顺利交付了产品。通过这个项目，促使他们看到了无人驾驶商业化的机会。

2016 年1 月，孙一飞和几位技术合伙人共同创办了青飞智能。

*上海交大 2007 年展示的国内首套无人驾驶公交系统示范性应用

孙一飞是上海交通大学智能车实验室毕业的第一批研究人员。在攻读硕士学位期间，孙一飞参加了欧盟第五框架大型无人驾驶汽车研究项目 Cybercars 中国分支——CyberC3 项目的研究工作，并提出了基于冲突表的无人车路口多车协作算法，是该实验室最早从事车联网研究的人员之一。

按照孙的说法，「这个Lab 是国内培养无人驾驶方面人才的主要机构之一。」

解决园区内的微交通需求

青飞智能核心技术在于无人驾驶中低速技术平台，以及在标准通用传感器（RTK+GPS、摄像头、激光雷达）基础上，研发了一套增强型高精度定位传感器组合（采用激光雷达，视觉检测以及电磁导航技术）。

孙一飞介绍说，这种增强型传感器可以解决园区无人车多传感器融合最后的 5% 至 10% 的可靠性问题（一般视觉、激光雷达、RTK GPS融合能达到 90 到 95% 左右）。他说，在园区内这一技术可以保证无人车 24 小时、全天候运行。

现在他们手上的成功案例，一个是在常熟国家级技术产业园，两辆续航为 100 公里的电动无人驾驶观光车正式投入运行；另一个是在深圳万科建筑研究院已经安全运行一年多时间的无人车。

*计划在近期推出的无人驾驶小巴

孙一飞告诉雷锋网(公众号：雷锋网)，观光车主要服务于景区及主题公园，小巴则在更大面积的园区，如工业园、高新区、大学校园或者机场发挥作用，解决 2 到 8 公里的通勤。

「我们 2005 年就开始做无人车了，那时候还没有想到能够大规模商业化。」孙一飞说。

现在的情况是，在去年上海参加工博会之后，国内外一些园区负责人找到孙一飞，后者最常听到的反馈是，园区司机人力成本越来越高。他们曾在日本、欧洲考察，园区驾驶员一年的成本是五六万美金，国内也正在发生相应变化。

另一点是，点对点的旅游线路以及园区接驳线路是一件很枯燥的事情，很多年轻人不愿意做这样的工作。

有了上述需求，无人驾驶的商业机会也得以从中被挖掘。据孙透露，目前在谈的客户主要来自景区、大型工业园、度假村、高新区以及高校。

无人车的商业机会

激光雷达的成本肯定会下降，这是业界普遍认同的一个趋势。但这一趋势还没有想象中来得那么快。

孙一飞认为，限定场景无人驾驶的商业逻辑在于，在传感器比较贵的情况下，如何将传感器加装在车上，客户还能接受？这个前提是，一定要是商用车，并且是高频使用的车辆，因为只有「高频」才能摊销传感器的成本。

2011 年夏天，位于英国伦敦的希思罗机场，在外围停车场和航站楼间启用了革命性的无人驾驶运输线路 ULTra PRT（Personal Rapid Transit ）。

这是一家名为 ULTra（ 也是欧盟 Cybercars 项目的成员之一） 的公司推出的无人车方案——据官方说法，可节省乘客 60% 的时间和公司 40% 的运营成本。

孙一飞向雷锋网新智驾算了一笔简单的经济账，假如一套系统一年平均搭载 250 万人次，每个人收 2 欧元，初期的所有投入能很快收回。作为同样技术水准的公司，青飞智能希望 2 到 3 年内在国内也部署类似的系统。

不可否认的是，商用无人车的机会是现阶段的最佳选择，孙认为，这也是最现实的选择——因为无人驾驶的上下游还不成熟。

「价格高昂的传感器对我们影响很大。它几乎占整车成本的 50%。」，孙一飞说，「我们还在等一些传感器的进展，比如新型激光雷达。如果成本一旦降下来，整个行业都会快速起来。」

。