专访Drive.ai王弢：3种车型准备就绪，与Lyft合作的自动驾驶打车服务即将上线 | GAIR硅谷智能驾驶峰会

雷锋网 · 新智驾按：无论从融资、团队、技术落地各个方面来讲，Drive.ai 在过去两年的表现都相当出挑。尤其从 2017 年下半年开始，其动作更是频繁更新，获得 NEA、GGV 等知名风投青睐，东南亚最大打车公司 Grab 1500 万美金入资，与美国第二大出行平台 Lyft 推出试运营项目，这个来自斯坦福的团队正迅速壮大着自己的“朋友圈”。

Drive.ai 的目标是 L4 级自动驾驶技术，其实践路线以深度学习为主，也经历了视觉为先到传感器融合的技术方案转变。去年 10 月，雷锋网 · 新智驾在硅谷见到联合创始人王弢时，后者还透露，在湾区和新加坡之外，团队正在筹备更大的试运营项目，眼下，其进展究竟如何，公司还迟迟未对外披露。

2018 年 1 月 16 日，雷锋网(公众号：雷锋网)将在美国硅谷举办 GAIR 硅谷智能驾驶峰会，届时，Drive.ai 联合创始人王弢也将到场，带来丰富的技术分享以及 Drive.ai 的最新进展，点击 https://gair.leiphone.com/gair/gairsv2018，即可了解关于 GAIR 硅谷智能驾驶峰会的更多信息，加入这场中美自动驾驶的豪华盛会。

继2017年6月份拿到NEA领投、GGV跟投的5000万美金B轮融资后，9月初Drive.ai与Lyft宣布将在旧金山湾区开启自动驾驶打车服务的试运营。紧接着在同一个月内，Drive.ai宣布拿到东南亚打车巨头Grab 1500万美金的投资，并将在未来几个月内筹建新加坡办公室。

加州和新加坡可以说是目前全球针对自动驾驶测试法规建设最开放和完善的两个地区，Drive.ai与Lyft合作的自动驾驶打车服务上线在即，而新加坡也将成为他们在亚洲扩张的第一站，在这个时间点上雷锋网 · 新智驾探访了Drive.ai位于Mountain View的总部。

创业第3年

2015年，斯坦福AI实验室的6个博士/硕士生集体休学，他们邀请了机器人学家Carol Reiley和资深商界顾问Fred Rosenzweig加盟，组建了一个规模颇大的创始团队。到当年4月，团队拿到了一笔5万美金的种子基金，并在硅谷Santa Clara的硅谷创源孵化器开启了真正的车库创业。

Drive.ai联合创始人王弢告诉我们，眼下团队已经超过80人，超过半数在做软件方面的工作。因为Drive.ai在整个自动驾驶解决方案的设计中采用深度学习优先的策略（deep learning first），所以很多软件工作都与深度学习相关，除了常规的感知、定位、规划、控制外：

• 深度学习需要跑大量的训练数据，他们有专门团队进行架构设计和基础设施的搭建，比如GPU运算集群；

• 深度学习训练需要高质量的标注数据，所以Drive.ai内部开发了一套数据工具，通过半自动化加人工的方法提升数据的标注效率。据说此前业界有人完成一个小时的数据标注需要800个小时，而Drive.ai使用工具可以把效率提高20多倍，并且标注的信息非常完整（比如在三维激光雷达点云中，把车辆、行人、自行车、车道线都标注出来）；

• 他们在搭建专门的车载信息通讯系统（message passing system），用于连接各个传感器和中央处理器等节点之间的通讯，这个系统相当于是ROS。但因为ROS并不是针对自动驾驶设计的，所以他们设计了一套比ROS效率更高的系统；

• 王弢现在主要负责开发规划和控制算法的团队；此外Drive.ai有自己的地图定位系统，模拟器的开发则是跨数据标注、数据可视化、规划与控制三部分的团队。

到2017年，Drive.ai已经完成了自动驾驶技术在3种不同车型上的适配，包括最早的林肯MKZ，后来的奥迪A4，以及新近加入的一款厢式车（van）。王弢告诉我们，这意味着Drive.ai的自动驾驶系统已经可以在混动车、燃油车以及商用车等多个车型之间移植。

而新加入的厢式车，也意味着他们的技术不仅应用在载人，也做好了载货递送的准备。

技术路线

Drive.ai的技术路线一贯强调深度学习优先。

仅从传感器方案来看，他们面向后装市场的自动驾驶改装套件（retrofit kit）已经逐渐定型。以奥迪A4为例，他们在车顶正上方连接了4个16线激光雷达，车顶两侧斜放2个16线激光雷达，车顶上方和两侧再配合多个鱼眼摄像头，车头加装1个毫米波雷达。不同车型使用的传感器方案略有差异，团队也会随着市面上可用传感器的变化，调整一部分的技术选型。比如新的厢型车上就采用了更高线束的激光雷达，整个方案使用激光雷达的数量也相应减少。选择将大部分传感器集中在车顶，对Drive.ai来说，也便于这一套方案进行批量部署。

在Drive.ai的实车上，我们还可以看到4个激光雷达底下有一个LED屏幕，用来显示跟其他车辆及行人交互的信息。这个屏幕背后还集成了一些处理器，它们会将传感器获取到的数据进行预处理。

整体来说，Drive.ai的后装改装套件会包含一套传感器方案、用于跟外界交互的屏幕，以及封装在一起的处理器，这3部分硬件集成在一起构成了车顶的模块，然后连接到后备箱的计算机上。王弢说，目前整套系统的功耗，通过算法优化大概是几百瓦的样子，相当于是一台高性能的游戏PC，像奥迪A4这样的燃油车也可以支撑系统的运营。

在车库里，Drive.ai已经准备了将近10辆样车。现在他们跟外部的合作方式主要是：OEM开放车辆的一部分CAN接口，Drive.ai完成线控的改造，然后接入自动驾驶的软硬件，第一批车辆会通过与商业车队运营方的方式开始运营（比如Lyft或者是物流车队）。

即将上线的Drive.ai&Lyft联合打车服务

9月7日，Drive.ai与Lyft联合宣布很快将在旧金山湾区面向公众提供自动驾驶打车服务的试运营（Pilot Program）。在这个项目中，Drive.ai会利用现在的3种车型组建一个混合车队。根据Lyft的描述，如果乘客选择的路径刚好是他们的高精度地图已经覆盖的区域，那么乘客就有可能会打到自动驾驶的汽车。王弢告诉我们，Drive.ai与Lyft会专门为此开发一个新的app，这个app不同于现有的Lyft app，会利用Lyft的车辆乘客调度后台，在应用交互层面又会融入Drive.ai的设计。

因为加州DMV在颁发自动驾驶路测牌照时，各个自动驾驶公司已经缴纳了500万美金的担保金并且为测试车辆购买了保险。所以目前在技术框架和法规流程的部分，自动驾驶打车服务面向公众开放已经准备就绪，目前Lyft和Drive.ai更多的是在讨论技术实施的细节。

王弢向我们透露，除了与Lyft、Grab两个已经公布的合作外，Drive.ai还会有一个规模更大的落地项目。

下面是王弢接受雷锋网·新智驾采访的部分对话，新智驾做了不影响原意的编辑。

新智驾：你们的车载信息通讯系统不用ROS，是因为ROS效率太低吗？

王弢：我知道业界很多公司在用ROS，但因为ROS毕竟不是为了自动驾驶设计的，所以我们自己在专门设计这一套系统。

ROS是学术界的产物，它一开始设计出来就是为了跑在机器人上。它有几个好处，一个就是开源，开源以后大家都会去使用，会有一个社区，但这也就造就了里面冗余的工具特别多，很多东西并不是为了自动驾驶而设计，而且很多东西会造成多余的操作。

当时我们验证下来就觉得ROS冗余太多，不够精简、不够专注，因此我们决定自己做一个更好，更切合自动驾驶需要的系统。

新智驾：Drive.ai现阶段怎样用你们的产品跟车企合作，能否举一个例子？

王弢：我们之前的合作模式主要就是车企开放车上的CAN接口、线控接口，但线控的实现是我们自己做，最底层的接口还是需要跟车企合作。

就目前来说我们主要的合作伙伴是商业车队。在已有的车队基础上，我们帮他们进行自动化改造，我们将turn key solution加装到车队上，帮他们节约成本，这是第一步。

我觉得这些商业车队会首先大规模地应用自动化、自动驾驶技术，因为他们对价格不像终端消费者那么敏感，对汽车外型也没有那么严格的要求。

目前打造真正L4、L5，完全不需要驾驶员的自动驾驶系统，还是需要很多冗余的传感器，如果真的要做到外观上把所有传感器全部藏起来（整个系统达到量产的标准），即使是大车企想做这个事情，整合工作我们觉得没有几年是做不下来的。短时间内，这个车肯定看起来会比较科幻一点，终端的消费者可能会比较不接受这个外型。

但对于车队来说是，并不是那么在乎车外型是到底怎么样，看上去标新立异一点可能对他们本身的宣传甚至会有好处。

我们主要可以帮他们节省成本。因为车队目前基本上驾驶员的成本，在美国可能要达到70%，所以这是很大的一块，如果可以帮助他们节省到的一部分成本，这对于他们来说是非常大的帮助。

新智驾：Drive.ai跟合作伙伴的合作方式，比如跟车队部署改装套件这样的方案，OEM在这里面有一些目标？除了开放接口，他们还有什么想法？

王弢：OEM目前的主要商业模式还是卖车给终端消费者，他们大部分利润都是来自这一块。

现在有一个自动驾驶的趋势，他们也会奔向这个潮流，会有一些尝试，尝试量产一些带有L2、L3功能的车型，甚至有目标是作为L4的车，可能自己也会组建一些车队。

我知道有几家车厂在组建共享出行的车队，这个对于他们来说是下一个可能的增长点。但如果大家都选择共享出行，那大家都不会去买车了，对于他们自己本身商业模式会有一定的冲击。

车商的优势，一个在于系统的整合，把传感器、激光雷达、摄像头、毫米波雷达、计算平台等等整合进汽车，这是他们的强项。一旦有解决方案以后，他们可以把成本降低，大规模生产，这也是他们的强项。

但在这个过程当中，我觉得他们也有很多需要学习的地方。比如他们在硬件方面有一套，但普遍来说业界都不认为车厂在软件方面是非常有优势的。我们觉得我们可以在这块帮助车厂，这也是我们的合作模式之一。

新智驾：L3这一块你们会有合作吗，因为现在车企对于量产L3还是很感兴趣？

王弢：L3目前不是我们的重点，目前公司的重点还是L4。

新智驾：运营方面Drive.ai会跟车队合作，这个车队是指什么？是指Lyft这样的平台还是更传统一些货运车队，还是商务车车队？ 

王弢：运营方面，我们希望可以成为自动驾驶的平台，核心的自动驾驶算法都是一样的，我们可以开放这些车队运营的服务接口，比如一家物流公司想要跟我们合作的话，我们也可以开放一个接口给他们。

但核心自动驾驶的核心技术还是由我们来维护。

新智驾：Drive.ai现在已经部署的3个车型，对你们来说有什么不一样，如何挑选的这3个车型？

王弢：一开始的话，如果要快速搭建系统的话，林肯MKZ是比较不错的选择。奥迪A4，也是第一个尝试来展示我们交付turn key solution的能力，系统不需要大改动就可以放在不同车型上面。

第三个商用车这一块，我们也是展示能够做商用车的线控，同时我们的系统也不需要大改动在商用车上就可以实现。

新智驾：Drive.ai跟Lyft的合作，你们会把这些无人车挂靠到Lyft平台上吗？

王弢：不一定完全使用Lyft的平台，可能会有一些差异，因为用户体验上还是有一些不同。

我们也要打造一个Drive.ai自己的平台，在用户界面上面跟普通的Lyft会有不同，是一个联合的APP。

新智驾：刚刚我们聊到Drive.ai也在开发自己的高精度地图，这是具体是怎样的？

王弢：目前内部还是用的（自己开发的）高精度地图，但依赖程度没有那么高，我们对它的依赖方式也是会比较灵活一些。

比如有的公司在使用高精度地图的时候，他们是利用车道线的反射值来判断车道线的位置，跟地图进行匹配，进行定位。

但是我们发现，一旦下雨车道线反射率会有很大变化，所以这就是为什么在雨下得比较大的时候，可能有的技术方案是无法开的，因为地面会形成一层薄薄的水幕，所以雷达光打到地面上以后，它就很少有返回了，这其实是一个难点。

我们在定位上采取的是稍微有一点不同的路径，这样对于环境的敏感度不用很高，我们已经公布过一段雨天路测的视频。

新智驾：之前Drive.ai对外有谈到，不止会做载客，还会做货物的递送，两者会有什么不一样吗？

王弢：对于我们来说没有太大区别，因为我们选车型的时候也是选择了一个可以载人和载货两用的平台。

载货会通过跟物流公司合作，目前已经在谈了。

新智驾：B轮融资完了之后，Drive.ai有一个retrofit kit的规划，现在有什么样的进展？

王弢：retrofit kit就是turn key solution的另一个说法，retrofit的意思就是后装，我们暂时还不追求跟车进行完美的整合。还是在已有的车辆上进行改装，这样保证迭代的速度，能够更早把自动驾驶技术落地。

新智驾：你们会考虑做自己芯片或者定制芯片吗？

王弢：暂时不会。

新智驾：你们2017年的目标是什么？

王弢：2017年我们会有一个更大规模一点的落地项目，目前还没有公布。

新智驾：Waymo早期想重新设计汽车，最后落地的时候并没有重新设计一个汽车。ZOOX现在在重新设计一个新的汽车。

OEM和自动驾驶公司对未来汽车长什么样会不会有比较大分歧，大家想的以后汽车是什么样子的？

王弢：我还是那句话，造车并不是一件容易的事情，虽然大家可能认为汽车行业并不是一个高科技的行业，但汽车行业是非常非常成熟的行业，它发展了一百多年，内部知识积累不是我们这些公司可以做的，可以很快赶上的。

当然电动汽车可能是一个弯道超车的机会，但是我觉得这会有一个过程，在这个过程当中，我觉得自动驾驶不能去等，不能去等电动汽车成型以后再搞自动驾驶，这两块得齐头并进。因为自动驾驶一些功能实现以后会促进电动汽车的发展。

举一个例子，电动汽车现在有一大问题是充电桩不够，充电时间比较长，但如果你能够实现汽车共享，你把车开到一个地方以后，然后这辆车可以自动开去附近充电桩进行充电。这样使用电动车的门槛就会降低了。

同时我们知道内燃机是一个比较复杂的系统，虽然现在也可以做内燃机的自动驾驶改装，但在引擎模型上，还是会比电动车需要做更多一些的工作。电动车的模型会简单很多，对于自动驾驶改造来说也是一个利好。

。