在昨天的創新工場 2018 全球自動駕駛峰會上，李開復博士的開場演講題目是《未來交通的上半場》。

對創新工場不是特別熟悉的朋友，可以多讀幾次下面這段話：

創新工場由李開復博士創辦于 2009 年 9 月，現管理總額超 130 億人民幣的雙幣基金，被國際權威機構評為科技創投領域 TOP 3。在人工智能、消費升級、B2B、教育、文化娛樂賽道培養出了 15 只獨角獸，其中人工智能賽道占了其中的 5 只。

回到正題，什么是上半場？

用李開復博士自己的話說就是“就像當年輛汽車出現的時候一樣，當時的我們其實還不能看到今天的交通”。如果補充一點細節就是：1886 年波塔·本茨（卡爾·本茨的夫人）開著世界上輛汽車上路的時候，人們并不知道，從那一刻起，人類或馬匹已經不再是道路的主角，汽車才是。

如果說現在的陸地交通是以人類駕駛的汽車為主要形式，那么未來陸地交通的目標是非常明朗的：人類只負責乘坐，車輛擁有一切主導權。

而正處于未來交通上半場的我們有一個好處：我們可以就未來的無限可能暢所欲言，沒有被時間劇透的危險，也沒有結局將至的遺憾。

標準：L4 一步到位還是 L2/L3 先行？

這是昨天自動駕駛峰會上矚目的一場爭論。兩種觀點站隊方式非常明確：學術派支持 L4 一步到位，整車廠堅持 L2/L3 漸行過渡。

學術派的大代表，自然就是李開復博士。

如果你不是以開車為生，那么你的車在大部分時間都不會處于行駛狀態，但究竟是多大的一部分呢？李開復給出的數字是96%。“而且 4%的時間里面，0.5%是在尋找停車位，0.5%是卡在路中，只有 3%是真正在開車。”

這個數字直指共享出行。電動星球此前的一篇文章：美國17歲高中生坐了一年無人車上下學：我為什么需要考駕照？曾經提到， Waymo 的商用無人出租車在大范圍鋪開之后，能夠做到只有市價 20% 的乘坐費用，通用的 Super  Cruise 也表示他們的無人出租車成本比當地傳統網約車低一半左右。

除了用車成本之外，李開復支持 L4 一步到位的論點是：L2/L3 本質上還是輔助駕駛系統協助人類駕駛，這與未來機器主導的目標不符。人機結合的方式有悖于人性。

另一位支持 L4 一步到位的，是文創知行（原景馳科技）的 CEO 韓旭博士。他支持 L4 的主要原因，同樣還是人性。

“之前美國做過研究，在一臺有輔助駕駛系統的車上，讓人類接管車需要 17 秒鐘。”韓旭認為 L3 擁有巨大的系統性問題，而人類惰性的缺點正好無限放大了這個問題的危險程度。

L4 與 L5 都是由自動駕駛系統操控車輛，的區別只是“限定場景”和“所有場景”。韓旭認為，在“限定場景”這個基礎上，L4 的無人駕駛已經近在眼前。

確切點說應該是不到半個月，因為 Waymo 于美國鳳凰城城區投放的的無人駕駛出租車隊很快就要掀開自動駕駛商用的序幕了。

在車迷眼里，與 Waymo 對標的另一個自動駕駛標桿，應該是特斯拉。而這兩者的對比也正好代表了今天論壇的兩種觀點：Waymo 直接攻下 L4，特斯拉先用 L2 試探。

雖然昨天開復博士因為身體原因沒能到場，但他不僅拖著病體，堅持用視頻做連線演講，還抽出時間回答了媒體提出的問題。

我提出的個問題是：特斯拉用大量的 L2 級別量產車型在全世界收集行駛數據，Waymo 用相對少量的 L4、L5 級別試驗車型在相對受限的城區收集行駛數據，您覺得哪一種方式能夠更快接近無人駕駛在現實中的優解？

李開復博士的回答是：兩種方式收集到的數據是不一樣的。特斯拉這種通過 L2 級別眾包的方式收集來的數據，究竟對于他們去做更別的無人駕駛有多大的價值，我個人持保留態度。

另一方面，堅定支持特斯拉的，是小鵬汽車 CEO 何小鵬。

“我們認為在自動駕駛的領域里面，先把第二級，先把中國特色的2.5級做好，是現在可行的思路。我相信明年 2 級和 2.5 級的自動駕駛或者中國的汽車里面會有幾款，或者幾十款的車會出現比較好。”

與何小鵬這段話相對應的，正好是小鵬 G3 主打的“全場景自動泊車”。

“美國基本上是車頭扎進去，就不用停了，中國基本要屁股倒進去，側位停車的時候如何做得好？比如車頭如何停車？斜坡跟斜方如何停車？我的公司或者我的家里面有一個停車位，它能不能記下來，當你停了次的時候，第二次停車自動停進去，這都是我們在做的事情。”

明年 2 月就將 OTA 上線的自動泊車，是小鵬對現階段 L2/L3 輔助駕駛的堅定背書。

芯片：到底誰在做自動駕駛的大腦？

目前的自動駕駛世界里面，有一個芯片廠商的名字是大家都繞不開的：英偉達。

在剛剛過去的英偉達 GTC 2018 中國大會上，英偉達發布了全球車規級自動駕駛平臺 Nvidia Drive AGX ，里面包含了首批車規級自動駕駛芯片——Drive AGX Xavier 以及 Drive AGX Pegasus。

Drive AGX 系列擁有目前自動駕駛芯片領域別的深度學習算力，還通過了世界上、規模大的技術檢驗機構——德國南德意志集團（TüV SüD）全球安全專家的評估，成為世界上首批符合 ISO 26262 國際標準的自動駕駛芯片。

說的再直觀一點就是：從德國的奔馳大眾奧迪，到美國的特斯拉，再到中國的小鵬汽車，都是英偉達自動駕駛芯片的客戶。

當然，英偉達雖然強勢，可競爭依然存在。目前英偉達大的競爭者，是被英特爾收歸旗下的以色列公司——Mobileye。

蔚來汽車就是 Mobileye EQ4 芯片全球客戶。在擁有英特爾 14 納米工藝支持下，Mobileye EQ4 在功耗控制上比英偉達 16 納米工藝的Drive AGX 芯片更好，峰值性能則略有不如。

另一個自研自動駕駛芯片的國際巨頭，是谷歌。他們的自動駕駛芯片，或者更準確的說，是深度學習芯片——名字是 TPU，目前只在 Waymo 的試驗車輛上搭載。

而國內也有自動駕駛芯片的筑夢者，飛步科技創始人，前滴滴副總裁何曉飛就是其中一員。

“我們從整個無人駕駛的軟件算法到芯片，我們是一個全閉環的技術體系，我們可以大限度去降低響應時間，我們目前整個技術方案可以做到 0.05秒。”

何曉飛在描述飛步科技自主研發的自動駕駛芯片時很自信，由飛步科技自主研發的代 AI 芯片——鳳凰-100 已于今年 9 月成功流片，何曉飛還表示鳳凰-100 的算力在目前的國產自動駕駛芯片中名列前茅，而他對未來自動駕駛芯片的期待是“融合”：

“到明年，我們會推出一款融合芯片，基本上可以取代掉目前所有的 GPU 這一部分。到后年我們會推出一款決策芯片，類似于車的大腦，未來會取代掉整個 GPU 我們目前所用的計算平臺。”

無論是英偉達的 Drive AGX，還是 Mobileye 的 EQ 系列芯片，本質上依然是 CPU+GPU 兩種芯片的協同工作，基本原理依然等同于個人計算機。何曉飛的希望是未來能出現專門為自動駕駛優化的專用芯片。

我向李開復博士提出的第二個問題是這樣的：您覺得注重邏輯運算的 CPU、注重通用運算的 GPU，以及有各種針對性優化的 xPU 相比，哪一類芯片真正代表著自動駕駛大腦，甚至AI的未來？

李開復博士回答說：“終的芯片形態，主要是看無人駕駛的核心需求。但不管是哪種芯片，低功耗、高性能肯定是無人駕駛中優先級高的要求。”

寫在后

創新工場舉辦的這一屆自動駕駛峰會，給我大的感觸就是：我們不再討論該不該變，而是討論怎樣變才夠快。

從 2009 年谷歌 X 實驗室開了那個想把司機推下車的研究項目以來，我們即將進入自動駕駛研究的第十個年頭。但是直到第十年，自動駕駛實際上依然處于長夜之中。

何曉飛在會上這樣描述自動駕駛的狀態：“如果類比成手機發展史，我覺得自動駕駛仍然處于BP機時代”。相似的態度也來自于韓旭博士：“現在的自動駕駛，應該正處在冬天來臨前的一年。自動駕駛會有冬天的，但是我們確信阿里巴巴、騰訊這樣偉大的公司都是在冬天之后產生的，所以我們期待這個冬天能夠讓我們真正變成一個美好的春天。”

黑夜是可怕的，但是只有在黑夜之中，我們才能看到璀璨星河。