專訪何曉飛：場景并不一定為王，有價值才能有模式 | 自動駕駛這十年

本文由騰訊新聞、新智駕共同出品，作者系新智駕 Dude ，騰訊新聞同步首發(fā)，未經(jīng)授權(quán)，不得轉(zhuǎn)載。

創(chuàng)立飛步科技之前，何曉飛是滴滴研究院院長，他在這個中國最大的共享出行平臺當(dāng)中，搭建了關(guān)鍵的交易引擎。

這個引擎衍生出了拼車、動態(tài)調(diào)價、訂單分配、運力調(diào)度、供需預(yù)測、路徑規(guī)劃等核心功能，而這些功能為滴滴的用戶體驗增色不少，也是當(dāng)年拉平和Uber之間距離的重要籌碼。

只是何曉飛已然不愿意提起當(dāng)年戰(zhàn)績。他更愿意以創(chuàng)業(yè)者、創(chuàng)新者的身份和世界對話，展示出自己新的一頁，在這場重塑交通運輸?shù)淖兏锂?dāng)中，飛步科技的到來可能改變一些什么。

這次的采訪當(dāng)中，何曉飛向雷鋒網(wǎng)新智駕講述了自己從學(xué)者轉(zhuǎn)身成創(chuàng)業(yè)者的改變，以及他對于自動駕駛十年時光的回顧與思考。這里面有高光和不便言明的過往，有商業(yè)和技術(shù)的思考，有學(xué)者的嚴(yán)謹(jǐn)和創(chuàng)業(yè)者的進(jìn)取。

這是一個站在高光舞臺上的人要走向下一個高光時刻的重新出發(fā)，而故事的背景底色是自動駕駛這十年當(dāng)中，激動人心的巨變的力量與龐大的市場前景。

感知和芯片的進(jìn)步，推動著自動駕駛的發(fā)展

何曉飛并非是典型的自動駕駛創(chuàng)業(yè)者，最早成名于計算機(jī)視覺領(lǐng)域，2003年，他和微軟亞洲研究學(xué)院合作提出的laplacianfaces人臉識別算法，是當(dāng)時計算領(lǐng)域最有影響力的算法，也是中國人在NIPS上獲獎的第一篇論文（除了港臺地區(qū)）。

此外，在微軟亞洲研究學(xué)院期間，李開復(fù)、馬維英、張宏江都是曾經(jīng)手把手帶過何曉飛，當(dāng)時何曉飛在攻克兩個方向：一個是跟張宏江做人臉識別的相關(guān)的研究、另一個是跟馬維英做信息檢索的研究，何曉飛的早期也發(fā)了很多圖像檢索的論文。

盡管在人臉領(lǐng)域功成名就，但在創(chuàng)業(yè)之際，這位CV大牛所考慮的并不是以人臉為切入點。他向雷鋒網(wǎng)新智駕說：從80年代開始，人臉的研究已經(jīng)開始盛行。從學(xué)術(shù)的角度來看，人臉是比較好的切入點。但到了今天，我還是希望向更大挑戰(zhàn)嘗試。而自動駕駛恰恰是人工智能光輝的起點，囊括了人工智能的方方面面。事實上自動駕駛當(dāng)中所涉及的障礙物檢測、交通燈識別跟人臉識別本質(zhì)沒有什么區(qū)別，今天用到很多的很多算法跟20年前的機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)很多東西都是相通的。

在這十年之間，技術(shù)也在不斷地往前推進(jìn)。在感知方面：早期基于傳統(tǒng)計算機(jī)視覺的方法逐步被基于深度學(xué)習(xí)的方法所取代，獲取數(shù)據(jù)規(guī)模的增長也為基于深度學(xué)習(xí)的方法奠定了基礎(chǔ)；芯片方面，傳統(tǒng)CPU+GPU的計算架構(gòu)也開始逐步轉(zhuǎn)向基于深度學(xué)習(xí)的人工智能芯片。

微觀上，技術(shù)的改進(jìn)越來越趨向于細(xì)節(jié)，尤其是特殊場景（比如雨雪天氣、隧道等等）。數(shù)據(jù)規(guī)模越來越大，傳感器、激光雷達(dá)分辨率的提升速度非?？?，性能大步向前的同時，成本不斷降低。這對于無人駕駛感知能力的提升，將會起到非常關(guān)鍵的作用。

至于創(chuàng)業(yè)當(dāng)中所需要的商務(wù)能力和工程能力，何曉飛認(rèn)為自己有充足的信心。事實上，何曉飛有充足的從業(yè)經(jīng)驗，微軟亞洲研究學(xué)院、雅虎、滴滴這些履歷都給了他充分的歷練，都是從0到1解決問題。在他看來，創(chuàng)業(yè)也是需要解決未知的問題，科研也是解決未知的問題，過去十年的科研時間里，他無時無刻不在解決遍地都是地雷遍地都是坑的學(xué)術(shù)問題，從這一點上看，解決未知的能力都是最為核心的能力。

場景并不一定為王

2009年是何曉飛第一次接觸自動駕駛，彼時何曉飛還是浙江大學(xué)計算系的教授。

當(dāng)時谷歌剛剛開啟了對自動駕駛的研究，幾乎與谷歌同步，國家科技部、基金委也開啟了對自動駕駛的研究，主要是偏向于學(xué)術(shù)、算法的研究，何曉飛也是通過這些學(xué)術(shù)前沿的項目開始了對自動駕駛的研究。

在何曉飛看來，谷歌無人車的上路具有劃時代的意義，它在工程上的意義就好比深度學(xué)習(xí)在學(xué)術(shù)上的意義是一樣的。深度學(xué)習(xí)誕生之前，沒有人相信人工智能是能夠?qū)崿F(xiàn)的。

何曉飛向雷鋒網(wǎng)新智駕說：十幾年前——深度學(xué)習(xí)還沒誕生之前，當(dāng)時我們?nèi)⒓右恍W(xué)術(shù)會議，并不好意思說自己是做人工智能的。因為說做人工智能有一種忽悠別人之感。那時候，我們都不講人工智能都是說機(jī)器學(xué)習(xí)。同樣地，正因為Waymo的出現(xiàn)，使得學(xué)術(shù)、資本、工業(yè)都愿意推動自動駕駛的發(fā)展。

盡管現(xiàn)在無人駕駛是一片熱土，深度學(xué)習(xí)大大地推動了人工智能發(fā)展，何曉飛也想象不出來有比深度學(xué)習(xí)更好的技術(shù)路徑。雖然有了深度學(xué)習(xí)這把屠龍刀，但在何曉飛看來還是應(yīng)該夯實基礎(chǔ)，人工智能還處在于非常早期的階段，如機(jī)器學(xué)習(xí)的算法、芯片的設(shè)計等底層的技術(shù)問題還是有非常大的困難需要克服，也因為如此現(xiàn)階段自動駕駛底層的技術(shù)，還不能支撐、解決和處理整個大交通的問題，很多問題都尚未暴露出來，等到大規(guī)模商用的時候，可能會暴露出更多今天無法預(yù)料的問題，而這些問題往往擁有一票否決權(quán)，決定著一個行業(yè)的生死。

因此在尚未整個底層技術(shù)尚未成熟之際，選擇的場景就特別重要。何曉飛對雷鋒網(wǎng)新智駕解釋道：雖然場景很重要，但并不意味著場景就一定為王。未來究竟是場景為王，還是技術(shù)為王？現(xiàn)在下結(jié)論還言之過早，自動駕駛所涵蓋的場景也很廣泛，不可能有任何一家公司用一種方案解決所有的交通問題。每一家都要根據(jù)自身的優(yōu)勢和側(cè)重點，選擇合適的道路。

貨運就是何曉飛找到的最快落地的場景。在他看來，創(chuàng)業(yè)是一個商業(yè)活動，既然是商業(yè)活動，必須要尊重商業(yè)固有的規(guī)律。而之所以作出這個判斷，是因為在何曉飛看來，外部的商業(yè)環(huán)境已經(jīng)產(chǎn)生了質(zhì)的變化，這一波AI浪潮所起來的創(chuàng)業(yè)公司，必須要尊重科學(xué)的發(fā)展規(guī)律，對于從神經(jīng)網(wǎng)絡(luò)到統(tǒng)計學(xué)習(xí)、到深度學(xué)習(xí)的科技發(fā)展譜系要有認(rèn)知，同時也需要清晰地定位并且今天所處在的位置。

乘用車的落地時間需時要比商用車要來得晚一些，因為卡車是固定的路線、乘用車是從任意的A點到任意的B點，加上城市交通具有復(fù)雜、多變、不可控的特點，例如紅燈變綠燈的起步階段，面對突然橫撞沖出的失控車輛該如何應(yīng)對等。

而商用車的應(yīng)用場景相對單一，集中在高速、快速路等環(huán)境，但貨車本身由于機(jī)動性、穩(wěn)定性和精度較差等原因，需要更長的剎車距離、更大的轉(zhuǎn)彎半徑，以及更加精確和魯棒的控制，因此在感知和控制層面對技術(shù)提出了更高要求。

總體而言，卡車落地的時間節(jié)點要比乘用車要來得更早一些，商用車大概3年就能夠落地，這個時間窗口對于創(chuàng)業(yè)公司而言確實是友好的。

在這三年的試水期當(dāng)中，飛步選擇的是高速物流的中段位置，是現(xiàn)階段當(dāng)中最為可控的部分。但何曉飛認(rèn)為場景和場景之間，雖然有一定的壁壘，但只要找到最有優(yōu)勢的切入點以后，就能夠進(jìn)行切入。

在針對于貨車的無人駕駛，何曉飛最為關(guān)注的指標(biāo)有兩個：車速和響應(yīng)時間。貨車速度越快，對響應(yīng)時間的要求就越高，因為這關(guān)系到剎車距離等。在保證安全的情況下，飛步采用算法+芯片的整體解決方案，把貨車的反應(yīng)時間降到了0.05秒，車速提高到90km/h。據(jù)何曉飛介紹：這個響應(yīng)時間，已經(jīng)超越人類有經(jīng)驗的司機(jī)。

有價值才有模式

有關(guān)于特斯拉路線與Waymo路線，業(yè)界各執(zhí)一詞。李開復(fù)認(rèn)為無人駕駛應(yīng)該一步到位，而業(yè)界當(dāng)中也有人認(rèn)為以特斯拉為代表的循序漸進(jìn)的路徑才是正確的路線。

何曉飛認(rèn)為，之所以衍生出兩條不同的路線，更多的是因為雙方今天所處的位置。如果Google是一家車廠，那么Google也會有特斯拉的思路；如果特斯拉沒有造車經(jīng)驗為支撐，但在AI方面有深厚積累，那么特斯拉也很有可能參照Waymo的路徑。

今天無論是谷歌還是特斯拉都在發(fā)展人工智能、機(jī)器學(xué)習(xí)、智能芯片等一系列的底層技術(shù)，只是在商業(yè)路徑上，受限于自身的一些優(yōu)點、定位，才會選擇不同的路。

何曉飛認(rèn)為從大的范圍而言，自動駕駛肯定是未來的發(fā)展方向，也會產(chǎn)生巨大的經(jīng)濟(jì)價值、社會價值，但是最終是什么形態(tài)，一切都是未知數(shù)。單看美國自動駕駛這幾年的發(fā)展也能知曉，像美國這些公司，一路走過來其實還是有相當(dāng)多的變數(shù)。何曉飛認(rèn)為有價值才有模式，要談自動駕駛的價值，就必須要看它能為交通運輸解決哪些問題。自動駕駛在安全、成本、效率是最能產(chǎn)生價值的三個方面，也是從這個三個方面，才能衍生出清晰的商業(yè)模式。

談及當(dāng)下的資本寒冬問題，何曉飛認(rèn)為事物本身就存在一個春夏秋冬的階段，問題永遠(yuǎn)都會存在，即使資本市場利好的時候，別的問題也會存在，從長的時間階段來看，無非就是資本挑戰(zhàn)和技術(shù)挑戰(zhàn)。現(xiàn)階段最重要的事情就是夯實基礎(chǔ)，抓住機(jī)遇期，往前邁進(jìn)，參與一場交通革命的重塑。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。