欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。

当卡尔 · 本茨发明汽车，人类进入汽车时代时，科学技术就对人类的 “ 出行 ” 进行了新的定义，而随着技术的不断发展与进步， 人类对于智能驾驶这一梦想有了新的期待与希冀。那么，智能驾驶是如何起源、孕育、发展、爆发的呢？从中我们能够获得什么样的启发？本文将回顾这一历史，并探讨新兴战略技术和产业的发展途径。

信息技术发展具有 20 年的周期律： 1970 年至 1990 年是发轫于 PC 的数字化，1990 年至 2010 年是互联网推动的网络化，而从 2010 年开始的这 20 年，我们面临的将是人工智能的寒武纪大爆发。

目前，人工智能炙手可热，创业公司如雨后春笋般涌现。从业者开始思考，如何让技术形成涟漪效应，促使产业非线性、跃迁式增长。

有人把人工智能和产业的关系比喻成 “ 葡萄干和面包 ” ，虽然葡萄干离开面包仍是葡萄干，但两者结合在一起就能创造出高价值的新品类。

近年来一直在探索人工智能的产业机会，并得出结论：未来 15 年，智能驾驶将是人工智能所带来的增值最大的产业，没有之一。

首先，激活、重塑和创造多个 万亿级 市场。

• 激活汽车市场，智能、安全和人机共驾的新体验将重新激起人们换车的需求；

• 重塑出行市场，无人驾驶 + 共享汽车将解决如今困扰消费者和出行服务商的最大问题——司机成本和 “ 坏人 ” 风险。如果说当前的网约车只解决了 2 % 的出行，那么未来无人驾驶出租车可以将这个比例提升数十倍；

• 创造了新的消费经济和生产力市场——乘客经济。乘客在路上或消费，或工作，或娱乐，每一辆车都可以变成移动的商业地产。

智能驾驶的发展，可以分成 4 个阶段：

2004 年以前；

2004 年 - 2009年：第一个 6 年——孕育；

2010 年 - 2015 年：第二个 6 年——成长；

2016 年 - 2021 年：第三个 6 年——开花；

2022 年 - 2027 年：第四个 6 年——结果。

2004 年以前：自动驾驶的前世

1921 年 8 月，第一辆无人驾驶（实为遥控）汽车在美国诞生，美国陆军的一位电子工程师坐在后面的一辆车上，用无线电操控前面那辆无人车的方向盘、离合器和制动器。

1939 年的纽约世界博览会，通用汽车在 “ 未来世界 ” 展览上，预言 1960 年高速公路将具有电子轨道，与汽车的自动驾驶系统相配合，实现无人驾驶，直到驶出高速公路才切换回司机驾驶。

此后，通用汽车并没有把这个预言当做儿戏，而是在 1956 年展出了 Firebird II，这辆看似 “火箭” 的概念车有史以来第一次具备了自动导航系统。两年以后，Firebird III 问世时，BBC 现场直播了基于车路协同的无人驾驶，高速公路上预埋的线缆与车端的接收器通过电子脉冲信号进行通讯，展示了未来高速公路的无人驾驶形态。

实际上，真正具备独立自动驾驶能力的原型——Shakey，出现在 20 世纪 60 年代，诞生于斯坦福研究院（Stanford Research Institute），这个研究院后来改名为斯坦福国际研究院（SRI International），以发明了电脑鼠标和语音助手 Siri 闻名，它的另一重要贡献是机器人。

Shakey 是第一个具有完整感知、规划和控制能力（这也是后来机器人和无人车的通用框架）的机器人。Shakey 之父是科学怪才查尔斯·罗森（Charles Rosen），也是斯坦福研究院的创始人。

如果说 Shakey 只是个在室内移动的机器人，那么 “斯坦福车（Stanford Cart）” 则是第一辆接近于无人驾驶汽车的机器人。汉斯·莫拉维克（Hans Moravec）被誉为“人工智能最坚定的支持者”，在他的领导下，“斯坦福车”取得了巨大进展。莫拉维克的团队研发了很多新技术，例如，用单一摄像头计算场景的深度，后来 Mobileye 采用了类似技术。多数情况下，“斯坦福车” 需要通过远程图像来操控，有一次它逃脱了控制，直接驶入了繁忙的道路，当莫拉维克从监视器中看到一辆真实的车辆从 “斯坦福车” 边上呼啸而过，大吃一惊，于是追捕“机器人”成为无人车历史上诙谐的一笔。

莫拉维克在机器视觉的探索中后来提出了著名的莫拉维克论（Moravec’s Paradox）——人类的高阶智能，比如推理、规划和下棋，计算机都能够轻易实现。而只有几个月大的婴儿就能驾轻就熟的低阶智能，如感知和运动配合，计算机都遥不可及。在深度学习尚在襁褓之中的时代，科学家们还找不到头绪。

上世纪 80 年代，电视剧《霹雳游侠》（Knight Rider）中的 KITT 自动驾驶汽车风靡一时。几乎同时，汽车制造强国日本、德国和美国真正开始自动驾驶汽车的研发。日本的筑波工程研究实验室、德国的慕尼黑国防军大学与梅赛德斯联合团队、美国的国防高级研究计划局（DARPA）和卡内基梅隆大学，分别以 “ 摄像头为主、其他传感器为辅 ” 开发出不同的自动驾驶汽车的原型，并且在真实路况中展现出了令人信服的能力。

尤其是卡内基梅隆大学的 NavLab，在 1995 年完成了从匹兹堡到圣地亚哥的 “ No Hands ” 跨越美国之旅，其中 98.2 % 的里程由无人驾驶完成，虽然车辆速度不快，但即使放到今天来说，这样的成果仍然非常了不起。这辆后来进入“机器人名人堂”的无人车是基于Pontiac Trans Sport Minivan（小型多用途车）改造的，主要原因是相比轿车，Minivan 能塞进去更多的设备。后来 Waymo 也是采用了菲亚特克莱斯勒的 Minivan “ 大捷龙（Pacifica）” 作为无人车的改装基础。

90 年代末的另一个创举来自意大利帕尔马大学视觉实验室 VisLab ，他们利用双目摄像头组成的立体视觉系统，在高速公路上实现了 2000 公里的长距离试验，无人驾驶占比 94 % ，而车速则达到了 112 公里/小时。

几乎与此同时，中国学术和产业界也开始了智能驾驶的探索。在清华大学，1978 年齐国光教授课题组开始研究自动驾驶，1986 年何克忠教授的 HTMR 课题组接力，到 HTMR-III，才真正有了接近自动驾驶汽车的原型车。

中国第一辆自动驾驶汽车是 90 年代初的 ATB-1（Autonomous Test Bed-1），由北京理工大学、南京理工大学、国防科技大学、清华大学和浙江大学五家单位联合研究，而后的 ATB-2 速度较之第一代提升了 3 - 4 倍，这些院校多数成为了后来中国无人驾驶人才的摇篮。

同样是 90 年代，中科院自动化研究所的王飞跃教授在美国也开始了无人车的研究。

与美国类似，中国在遥控驾驶方面的探索也较早，1980年国家立项“遥控驾驶的防核化侦察车”项目，哈尔滨工业大学、沈阳自动化研究所和国防科技大学参与了该项目的研究。在第二个阶段来临的前一年（ 2003 年），国防科技大学与一汽合作的红旗 CA7460 实现了高速公路的自动驾驶演示，峰值速度达到 170 公里/小时，并且实现了自动超车。

2004 年 ~ 2009 年：第一个 6 年：孕育

2004 年的大事件是美国国防高级研究计划局（DARPA）的无人车挑战赛 “ Grand Challenge ” 。时值 “ 第二次海湾战争 ” 刚刚开始，国防部注意到沙漠行动中的士兵伤亡，希望用无人驾驶来解决这一问题。

DARPA 挑战赛是美国的一项优良传统，国会拨专款，通过挑战赛发现那些变革性的、高回报的科研成果，极大地缩短了基础科学发现与军事应用之间的鸿沟。3 次无人车挑战赛、1 次机器人挑战赛（Robotics Challenge），以及 2018 年的航天发射挑战赛（Launch Challenge），使其天下闻名。

挑战赛要求无人车成功穿过240公里的沙漠道路，不出意料，2004 年所有车队在沙漠中折戟。这让随后 2005 年的挑战赛成就了一段光辉岁月。

卡内基梅隆大学的 Red 车队是夺冠热门，其负责人、机器人专家雷德·惠塔克（Red Whittaker）志在必得。他认为无人驾驶不是仅仅靠努力工作就能实现的，“ If you haven\\'t done everything, you haven\\'t done a thing. ”意思是你什么都得会，才能够取得成功，只懂某些方面等于零。这也间接道出了无人驾驶的高门槛。

在参赛队伍中，斯坦福大学的 “ 斯坦利（Stanley）” 无人车并不起眼，可是领队塞巴斯蒂安·特龙（Sebastian Thrun）矢志夺魁，他是机器人 SLAM（同步定位与地图创建）技术的先驱者，先前从卡内基梅隆大学失意出走，试图在这场比赛中夺回尊严。无人驾驶车的传统三强是卡内基梅隆大学、斯坦福大学和麻省理工学院，但在挑战者当中还有一个来自加州大学伯克利分校的年轻人，安东尼·莱万多斯基（Anthony Levandowski），这个身高 2L米、特立独行的年轻人以一辆名为 “恶灵骑士” 的摩托车参赛，吸足了眼球。

卡内基梅隆大学的两辆车一路领先，可下半程莫名的故障导致两辆车大幅减速，只获得第二名和第三名。“ 斯坦利 ” 虽然在比赛中出了几次事故，但没有大碍，在删除了一些无关紧要的代码后竟然越跑越快，最终斩获 200 万美元的冠军奖金。一直到 12 年以后，卡内基梅隆失利的原因才浮出水面，原来是引擎控制模块和喷嘴之间的一个过滤器坏了，使引擎失去了动力。“ 千里之堤，溃于蚁穴 ”，对待无人驾驶要有十二分的敬畏之心。特龙后来感叹，斯坦福能赢，纯粹是随机性发生作用。

在这次比赛中，很多车辆都使用了激光雷达、高精度的地理信息系统和惯性导航系统，直到今天这些仍然是很多无人车的标准配置。当然，那个时候的激光雷达可以说是千奇百怪，其中霍尔（Hall）兄弟做的激光雷达大如脸盆，这两兄弟是音响店的老板，又是 “ 格斗机器人 ” 的爱好者，从钻研机器人到研究激光雷达，成就了后来激光雷达领域的先锋 —— Velodyne。

笔者第一次接触无人车就是在 2005 年，当时英特尔研究院的 Gary Bradski（OpenCV 之父）帮助特龙的团队提升视觉能力，他力劝英特尔的市场部门赞助斯坦福车队，彼时英特尔已经花了 10 万美元赞助卡内基梅隆大学，于是特龙给了个友情价—— 2 万美元，英特尔幸运地赢得了这个最终冠军的赌注。有趣的是，由于“斯坦利”全身已经贴满各种赞助商的商标，英特尔的标志只能贴在前车窗上，这是个很醒目的位置，而且昭示这是辆无人车（因为没有司机透过前车窗看后视镜）。

转眼到了 2007 年，DARPA 已经不满足于荒野的无人驾驶，开始 “ 城市挑战赛 （Urban Challenge）”。卡内基梅隆大学卷土重来，这次他们准备充分，组建了一支 40 人的队伍，其中包括大将克里斯·乌尔姆森（Chris Urmson）。除了两辆参赛的车辆，还有一辆补给车提供充足的零件替换。卡内基梅隆大学的惠塔克终于摘得桂冠。据说，这次卡内基梅隆大学投入巨大，以至于拿到 200 万美元大奖后依然没有填补亏空。在他们的装备库里，第一次出现了一种新型的 64 线激光雷达，为了让这件装备投入使用，卡内基梅隆大学的工程师编写了大量的驱动程序。霍尔兄弟的 Velodyne 提供了这一超级武器，从脸盆大小到花盆大小，凝聚了他们的很多心血。在其后的近 10 年间，64 线激光雷达成为全世界绝大多数无人车必须配置的组件。

两次挑战赛极大地振奋了科研届的信心，也培养了大量人才。据说谷歌的创始人拉里·佩奇（Larry Page）是个极客，他与特龙因为对机器人感兴趣而成为密友，对于无人驾驶，佩奇有了新的想法。他把特龙招来谷歌，先是在谷歌街景上小试牛刀，到 2009 年的时候，秘密成立了无人车项目 “司机（Chauffeur）”，并且聚集了一批在挑战赛中声名鹊起的名将，包括前面提到的乌尔姆森和莱万多斯基。

阿姆侬·沙书亚（Amnon Shashua）是一位视觉专家，属于麻省理工派，在斯坦福学术休假时是特龙的室友。作为希伯来大学教授，他创建了 Mobileye，是第一个试图产品化 ADAS（先进驾驶辅助系统）技术的先驱者。Mobileye 创建于 1999 年，到 2009 年时，走过了 “ 从 0 到 1 ”的苦旅，已经有多款车型安装了它的产品。创立之初，没有人想到它一直到 2014 年才敲钟上市，更让人没有想到的是，2017 年它被英特尔收购，而这 18 年，它走出了一条少有人走的道路。

DARPA 的无人车挑战赛激励了中国的同行。2009 年，在国家自然科学基金委员会 “ 视听觉信息的认知计算 ” 重大研究计划的支持下，首届中国 “ 智能车未来挑战 ” 大赛在西安举行，从此拉开了中国系列挑战赛的序幕。

2010 年 ~ 2015 年：第二个 6 年：成长

2010 年，特龙以创始人身份成立 Google X，在这里，无数 “ 登（Moonshot）” 项目争先恐后地展开。

项目必须符合 3 个条件

1.惠及亿万用户

2.看上去有点科幻

3.用今天的技术几年内可以实现

毫无疑问，无人驾驶符合这些条件。

谷歌的第一款无人车是基于混电车 Prius 改装的，顶上装着 64 线激光雷达，以此建立高分辨率的三维环境模型或高精度地图。这些测试车被伪装成街景的数据采集车，常常夜间出没，以躲避公众的视线，也可以在没人没车的道路上采集高精地图。即使他们非常低调，但也难免被交警抓到，詹姆斯·库夫纳（James Kuffner）是最早一批从卡内基梅隆车队被挖到谷歌的工程师之一，如今已经是丰田无人车领袖的他，还能回想起当初被交警拦下的一幕。“ 纸包不住火 ”，最终著名记者约翰·马尔科夫从某个测试司机的高中同学那里挖掘到惊天信息，并且在《纽约时报》将其揭露出来，这让 “车城” 底特律陷入深深的震惊之中。旋即内华达成为了美国第一个允许无人车上路的州。

谷歌无人车的核心骨干中，有当初 “ 恶灵骑士 ” 的主人莱万多斯基。这位深受佩奇赏识的年轻人，却是个藐视规则，甚至对安全不以为然的麻烦制造者。他主导谷歌向 510 SYSTEMS 等几家公司采购技术和部件，后来大家才知道这些公司是莱万多斯基自己私自经营的。佩奇对其展现出极大的容忍，不仅许以重金，甚至把 510 SYSTEMS 买了下来。

谷歌的第二代无人车是更为强大的 Lexus ，同样是混合动力。前面提到，无人车的基础车型，第一个要求是要大，装得下各种设备，第二个要求就是电控，因为发动机的底层控制算法比电机要困难很多，多数团队更愿意把时间放在高层的算法上。

但真正让世人侧目的是 2014 年谷歌第三代无人车 “萤火虫（Firefly）”的诞生，这款长得像考拉的小车是针对无人驾驶完全进行重新设计的，比如移除了雨刷，因为并不需要有驾驶员在雨中看清路况。按照设计，这种车是没有方向盘的，但由于加州法律的限制，车里还是安装了一个游戏操纵杆作为方向盘。这辆车后来获得了红点设计大奖。

与此同时，Mobileye 赢得了车厂的信任，以视觉为主的 ADAS 低价方案进入主流市场，到 2015 年时，装机量已经近千万台。Mobileye 也偷偷开始了自动驾驶的研发。相比谷歌的方案，Mobileye 基于视觉的方案有独到之处。比如它采用视觉地图，从视觉中提取的地图特别小（每公里只需10 kb 级别的数据，相比之下谷歌是 GB 级别的），适合实时上传、通过众包的方式更新。事实上，基于视觉的定位更接近于人类的驾驶方式。我们根据道路上的标志来评估大致的位置，并且根据路面线条的变化做出实时的决策（选哪一条车道，是否上匝道等）。那么，只需从视觉中提取出那些标志和线条，众包上传到地图，行驶时便可以通过视觉匹配来获得定位。

实际上，2015 年还发生了几件大事。

首先是年初，梅赛德斯-奔驰的无人驾驶概念车 F015在 CES 上惊艳亮相，一下子把无人车呈现到大众面前。

2 月初，打车应用 Uber 从卡内基梅隆大学及其附属的国家机器人研究中心挖走 50 多名科学家和工程师，建立自己的无人车研发团队。据说Uber的创始人特拉维斯·卡兰尼克（Travis Kalanick）乘坐了谷歌的无人车（谷歌是 Uber 的投资人）之后，既兴奋又恐惧，认为这对于行业来说是颠覆性的技术，然而又会 “ 革掉自己的命 ” ，于是有了前面的大动作。

而最让人直面 “ 未来已来 ” 的，是 10 月份特斯拉发布 Autopilot。虽然 Autopilot 是 L2 级的辅助驾驶，但很多普通车主都被这个名称给误导了。三个胆子比较大的司机打开 Autopilot 模式，完成了美国东西海岸的穿越，全程平均速度达到了 84 公里/小时。当然，在这个过程中也出现了险情，而特斯拉却不以为然，从而为后来的事故埋下了隐患。

2010 年 — 2015 年的这个阶段，中国略显沉寂。

2010 年，前面提到的 VisLab 四辆自动驾驶汽车从意大利帕尔马出发，穿越 9 个国家、行程 1.3 万公里，到达中国上海。VisLab与中国的渊源并未结束，后来国内一些无人驾驶的青年军在 VisLab 做过访问学习。2015 年，一家华人背景的视觉芯片公司——安霸收购了 VisLab 。

2011 年 7 月，国防科技大学贺汉根教授技术团队自主研制的红旗 HQ3 无人驾驶汽车，首次完成了从长沙到武汉 286 公里的高速全程无人驾驶试验，其中人工驾驶里程不足 1 %，而且相比上一代的 CA7460，在硬件小型化、控制精度和稳定性等方面取得了显著进展。基于此，国防科技大学也拿到了当年“智能车未来挑战”大赛的冠军。而这之后，李德毅院士的团队成为冠军的常客（除了 2013 年由北京理工大学获得，其主将是驭势科技 CTO 姜岩博士）。

而在 2015 年的下半年，有三个值得回忆的事件。

1. 8 月份，宇通和李德毅院士团队合作的大巴完成了郑开高速的 33 公里无人驾驶，在世界范围内开创了无人驾驶大巴的先河。

2. 11 月第 7 届 “ 智能车未来挑战 ” 大赛在常熟成功举办，挑战赛得到了中央电视台新闻联播的报道，无人驾驶成为了普通大众饭后茶余的谈资。

3. 12 月份百度推出无人车年度大片，百度与宝马合作的无人车在 G7 “ 高速-五环-奥林匹克森林公园 ” 的路线中进行了往返行驶，吸引了无数眼球。对于这个项目中的一些人来说，这次演示是一个结束，随后他们离开百度开始新的征程。而对百度来说，这是一个开始，自动驾驶部门正式成立，王劲挂帅，号称 “ 三年商用，五年量产 ”、“ 如果汽车行业不革自己的命，就会被别人革了命 ”。

2015 年，已是前夜。

2016 年 ~ 2021 年——第三个 6 年：开花

吴晓波在《激荡三十年》中写道：

“ 当这个时代到来的时候，锐不可当。万物肆意生长，尘埃与曙光升腾，江河汇聚成川，无名山丘崛起为峰，天地一时，无比开阔。”

用这段话描述 2016 年的开局，再恰当不过。2016 年是无人驾驶的 “ 春分 ” 时节。

笔者于 2016 年 2 月辞职创业，很多人，包括风险投资（VC），对商业模式满腹狐疑。孰料 3 月份连爆几件大事，AlphaGo 五番棋大胜李世石点燃了民众对人工智能的热情，而通用汽车以 10 亿美元收购彼时只有几台样车、40 多个人的 Cruise Automation，让 VC 也意识到，无人驾驶时代即将来临。在中国，北京的春季车展，长安与博世和清华合作的几辆无人车 “ 2000 公里进京 ” ，无人驾驶也真正进入大众视野。

4 月份峰回路转，英特尔高调宣称押注智能驾驶领域，笔者作为英特尔老员工、又在做无人驾驶创业，对此也非常关注。5 月份英特尔聘请的咨询公司找到笔者，期望为英特尔的策略建言献策，我的建议很简单，收购Mobileye。1 年以后，英特尔宣布以 153 亿美元收购 Mobileye（与本人的建议未必有因果关系），代表了这个 PC 时代的巨头正式大举进入这一领域。

春寒料峭，几起事故让人陡生疑虑。

• 2 月份谷歌的无人车撞上了巴士，这是其第一起主动承认有责任的事故，但那起轻微碰撞并未引起太多指责，后面总结出来的教训之一是巴士司机惹不起。

• 5 月份，特斯拉的第一起致命车祸占据了头条。死者是一位司机，特斯拉的热衷者。当时车辆运行在高速 Autopilot 模式中，司机却在观看视频，完全忽略了紧盯路况的责任。Autopilot 系统没有检测到一辆大卡车正横穿马路，车辆以极高的速度从卡车肚子下钻了过去，司机当场身亡。

事故中纵然有 Mobileye 视觉未能识别出白色拖车横侧面的缘故，但前视雷达也由于安装位置较低错过了目标。公众开始质疑：这类 beta 版的软硬件是否允许上路？软件升级了是否要重新车检？另一方面，Autopilot 被错误宣传成了自动驾驶，而实质上仍然是辅助驾驶。

1 个月后，特斯拉发了一篇博客给自己辩解，事故前的 7 个月中 Autopilot 完成了 1.3 亿英里的自动驾驶里程，而美国人类驾驶员平均每 9400 万英里发生一次致命车祸，Autopilot 岂不是已经足够安全？然而，特斯拉没有把中国此前的一次类似车祸算上，因为那样的话，Autopilot 的数据降成了每 6500 万英里发生一次致命车祸。此后关于多少无事故里程才算安全，也成为摆在行业面前的无解之问。

这起事故也导致了特斯拉与 Mobileye 的 “ 分手 ” ，除了事故表面的责任，还有一个重要的原因，特斯拉想要自主研发计算机视觉的雄心触碰了 Mobileye 的核心利益。在几个回合的相互指责后，特斯拉先是宣布把博世的毫米波雷达作为主传感器，到 10 月份，它正式宣布 Autopilot 硬件版本 2.0（HW2）采用自己的视觉系统。也许是马斯克的 “ 第一性原理 ” （人靠视觉能够驾驶，无人驾驶也一样），也许是特斯拉的促销手段，他们宣称，HW2 具备了全自动驾驶的能力，购买 HW2 的新车，只需花 3000 美元，未来便能够通过软件升级实现无人驾驶。略显讽刺的是，恰恰 2 年之后，2018 年 10 月，特斯拉从宣传册里删掉了这个选项。这两年中，特斯拉经历了大量人才的流失，多个测评显示，HW2.x 在推出 1 年以后才基本达到 1.0 的水准。但是对 2.x 软硬件的完全控制还是让特斯拉掌握了大量的数据。

2016 年 8 月的一件大事是Uber耗资 6.8 亿美元收购卡车自动驾驶公司 Otto。当初卡兰尼克在匹兹堡成立研发中心时，对于无人驾驶进入商业化有着极高的期待，然而 1 年多的进展并不令其满意，收购 Otto 是再次加码，可是他没有想到，这日后成为压倒他的最后一根稻草。Otto 的创始人正是当初那位任职于谷歌、桀骜不驯的莱万多斯基。佩奇的包容没有让他收心，谷歌巨额奖金带来的满足感也渐渐消退，大公司的繁文缛节和小心翼翼让他深感 “ 龙困浅滩 ”，于是在 2016 年年初，他拉了一帮人出来另立门户。硅谷对 “背叛” 相当宽容，但鉴于无人驾驶这种技术的稀缺性，谷歌有可能与出走者签署某种非正式的竞业条款，出走者在创立新公司时多数刻意避开了直接竞争。比如朱家俊和 Dave Ferguson 的Nuro 做物流配送，而 Otto 则定位做无人驾驶的卡车。当然，任何条款都有限期，收购发生的 8 月，恰好是莱万多斯基拿到谷歌最后一笔补偿金之后。

谷歌已经意识到无人驾驶人才的流失，改变组织和激励机制迫在眉睫。

2016 年 12 月，Waymo 作为一家独立的公司从 Alphabet 母体中拆分，一夜之间这个全新的名字成为无人驾驶领域举世瞩目的第一高手。在此之前 3 个月，约翰·克拉夫西克（John Krafcik）成为这支团队的新首领，这位既做过汽车公司老总（前现代汽车北美 CEO），又领导过互联网公司（类似二手车交易网站）的老兵，给 Waymo 带来了不同的风格和战略的同时，也必然带来了冲突。在克拉夫西克入职前1月，特龙之后的第二代领袖乌尔姆森也离职创业，Waymo 真正进入了新的时代。

如果 2016 年是 “ 春分 ”，2017 年则是 “ 雨水 ” 。

雨水充沛，万物复苏，很多公司大踏步而来。大公司，无论是科技巨头还是主机厂，开始真正投入资源。同时，2017 年是创业公司纷纷入局的一年。另一个重要的迹象是，无人驾驶百花齐放，不仅仅是乘用车，还出现了各种商用车、专用车，除了载人之外，物流变成一个更大的市场。

1 月份的国际消费类电子产品展览会（CES）是个风向标。这一年的最热话题是自动驾驶，LVCC 北馆几乎每家公司都展出了自动驾驶概念，北广场则是自动驾驶的实车体验。笔者所在的驭势科技也向世界推出了概念车 “ 城市移动空间 ”，其具有 360 度无死角传感器覆盖和没有方向盘油门刹车的 L4 级自动驾驶设计，特别是独特的内部环形沙发布局彰显了“在路上的 VIP 休息室”概念。很多老牌车厂高管、工程师和设计师在车前驻足，其中一位慨叹，在主机厂早就想这么做，可惜没有自由发挥的空间。

《时代周刊》（Time）的汽车门户特邀主编 Alex Roy 在播客上说：“当我看着这辆车时，我认为这是 Faraday 本应该去造的车。” 该车在2017年获得了红点设计大奖，在红点的历史上，还有三辆无人车获奖，前面提到的谷歌 “ 萤火虫 ” 、奔驰 F015 和同年的宝马 i-inside。

4 月份，英特尔以 153 亿美元收购 Mobileye ，这个动作姗姗来迟，在过去的1年中英特尔全力奔跑，但CEO 柯再奇（Brian Krzanich）已没有耐心从头追赶，收购Mobileye是获得前排车票的最佳选择。153 亿美元，按照传统的财务指标来说这个价格是高的，按照 ADAS 公司的估值来说也一定是高的，但如果以自动驾驶龙头的想象空间来看，似乎也不高。仅仅 2 个月后，摩根斯坦利的分析师给了 Waymo 一个 700 亿美元的估值。

英特尔与 Mobileye 的整合花了近一年的时间，涉及美国与以色列、新旧势力的平衡，但 “ 不经历风雨，怎么见彩虹 ” ，18 年后重装再发时，英特尔已经成为这个竞技场最重要的玩家。

不同文化的整合需要领导的魄力和妥协，需要信任和授权。在过去的 1 年里, 通用汽车也是潜流暗涌， Cruise 的 L4 级无人驾驶新生力量与 SuperCruise 的 2 级自动驾驶产品团队该如何相处？玛丽·巴拉（Mary Barra）领导的管理层运用了最高的政治智慧，底特律的归底特律，旧金山的归旧金山，Cruise 团队获得了极高的自主权，在人员快速发展的同时，力图保留硅谷的创业文化；另一方面，通用汽车又提供了硅谷所不具备的汽车工程能力，两者取长补短，使 Cruise 很快在旧金山繁忙的街头展示了高超的水平，成为 Waymo 之后进步最快的追赶者。对于 Cruise 来说，旧金山是显示实力的最佳主场，它声称，比起 Waymo 和 Uber 在亚利桑那的那几个城市（当然 Waymo 并不只是在亚利桑那），旧金山复杂度提升了数十倍。

美国汽车市场的 “ 二当家 ” 福特也不甘落后。福特从来没有忘记昔日荣耀（家族人员依然身居高位），它也是最早开始与谷歌接触的汽车公司，然而互联网公司的傲慢使谈判不欢而散。2016 年，福特推出 2021 自动驾驶宣言 —— 在 2021 年实现无人驾驶的商业化运营。2017 年年初，又有以 10 亿美元投资Argo AI 这样的大手笔。Argo AI，这家刚刚成立数月的创业公司拥有谷歌、Uber 和早年参与挑战赛的一些高手。

然而，对于老牌巨头们来说，新旧动能的转换是挣扎的，新业务需要长期和巨量的投入，而旧业务一旦陷入成长困境，领袖将承担来自两个方面的压力。福特老 CEO 马克·菲尔兹（Mark Fields）黯然退位，但还是把权杖交给了负责自动驾驶和出行部门的负责人——吉姆·哈克特（Jim Hackett）。哈克特上任后给 “ 2021 ” 降了点温，但这可以被理解为 “ 管理利益相关者的期望值 ”，对于团队来说，“ 2021 ” 仍然是值得努力的目标，福特和 Argo AI 的目标先锁定在迈阿密。与通用选择的旧金山相比，迈阿密交通状况更为复杂，需要应付很多游客，雨水更多，甚至经常 “ 水漫金山 ”。

还有很多老牌巨头也在应对新旧动能转化的阵痛。零部件供应商采埃孚 ZF 在一系列投资和收购之后（对激光雷达供应商 Ibeo 的成功收购形成了对竞争对手Valeo的狙击），也经历了领导层的巨变。在汽车圈里，“ 分 ” 与 “ 合 ” 蔚然成风。“ 分 ” 可以轻装上阵迎接新四化（新能源化、共享化、智能化、网联化），能够更快决策，更容易融资。

典型的案例就是德尔福拆分出安波福，全力聚焦智能网联汽车（几乎与此同时，又以 4.5 亿美元并购了初创公司NuTonomy）。福特也拆出Ford Autonomous Vehicles LLC。另一方面，通过 “ 合 ” 化敌为友，抱团取暖，分担研发成本，也不失为上策。

于是，在这个竞技场里，大家各自站队，迅速形成不同的联盟。比如，

• 英特尔 / Mobileye、安波福、宝马一个圈子，后来又加入了大陆、菲亚特克莱斯勒等。

• 英伟达、博世、ZF、大众/奥迪、沃尔沃等又是一个圈子。

• 出行服务商Uber有戴姆勒、沃尔沃、丰田的朋友圈，

• 而 “ 老二 ” Lyft 也有通用汽车、安波福、捷豹路虎等伙伴。

单以联盟成员的规模来说，百度阿波罗生态可以说是最大的朋友圈：2017 年 3 月，陆奇入主智能驾驶事业部，引起了另一拨核心人才的出走。据说，此时百度美国研究院一位工程师建言开源，百度领导层迅速展现了巨大的魄力，在 4 月份的上海车展上，陆奇宣布 “ 阿波罗 ” 计划，做汽车界的安卓。

阿波罗登月计划，寓意是向人工智能的宇宙出发，“ 希望未来可以解放双手，使每个人开车时也能自由地仰望星空。”

一石激起千层浪，整个行业为之震动。在 7 月份的 AI 开发者大会上，李彦宏乘坐一辆与博世合作的苏州牌照汽车，在五环展示了一番自动驾驶技术，接到交警罚单，但这不能掩盖 Apollo 1.0 的宣布所引起的轰动，大家开始意识到，百度是认真的。

阿波罗的开放，值得全行业竖大拇指，在活跃生态、数据共享、培养人才等方面居功至伟。但也引发了很多问题：

• 安卓的成功是在一个成功的 iOS 之后，目前尚无成功的无人驾驶 iOS，做安卓是否过早？

• 安卓是谷歌声东击西的秒策，因为安卓是移动端提升其核心搜索和广告业务的载体，而阿波罗自身的商业模式还没有浮现，与今天百度的核心业务也尚未有机结合，作为一个 “ 烧钱 ” 的业务是否能够得到股东的支持、长期走下去？

• 阿波罗生态的繁荣，不在于百度的慷慨，而在于生态成员是否也能全情投入，尤其是那些汽车产业的 “ 老炮 ” ，是否认同 “ 以数据换代码 ” 的这条路径？

• 阿波罗的开源，对初创公司是祸是福？尤其是那些百度系的初创公司？

毫无疑问，对于初创公司来说，阿波罗降低了做演示的门槛，但同时也提升了做大做强的门槛，必须做到比阿波罗的技术有差异化提升才能生存下来。在整个下半年，百度系创业公司三杰景驰、小马和 Roadstar.ai 都在做技术的差异化。很多创业公司的差异化是垂直化、场景化和加快商业化落地，从卡车物流到末端配送，从载人、载物到载功能（比如环卫清洁），从矿山到港口，从园区到机场和最后 1 公里。

在 2017 年，值得一提的商业化落地事件有三个。

• 第一，4 月份驭势科技与白云机场在航站楼与停车场之间的摆渡，是国内第一起公开的无人驾驶运营，虽然仅仅一周，但与演示有本质的区别，如果说演示是规定时间、规定路线，运营则是面向终端用户和开放环境、全时态工作。

• 第二，6 月份驭势科技与凯德集团在杭州来福士地下停车场的摆渡服务，是国内第一起长达数月的多辆无人车常态化运营，开放的人车环境、狭窄的车道、没有 GPS 的定位，都是技术亮点。

• 第三个事件是年底深圳的阿尔法巴，4辆经过改造的大巴在设计好的公交路线上展示了不错的能力，这是创业公司和高校合作的结果。让人始料不及的是大量 “ 震惊体 ” 文章的刷屏，这与几十年前罗森在Shakey 上碰到的问题如出一辙，在技术还在演进的过程中，管理媒体和大众的预期至关重要。

当然，2017 年最有意义的事件。

10 月中旬，Waymo 宣布，没有前排安全司机的自动驾驶汽车已经开始上路试运营。

对于一家非常重视安全的大公司来说，这需要巨大的勇气，以及对技术绝对的信心。当然，为确保安全，Waymo 仍有安全员在后座以备不测。2018 年年初，加州的车辆管理局进一步宣布 “ 允许车内不坐安全员、只需远程安全员 ” 这个巨大的跨越，相信与 Waymo 所带来的信心有关。

安东尼·福克斯（Anthony Foxx）和赵小兰连续推动《自动驾驶汽车联邦政策》、《自动驾驶系统 2.0：安全愿景》和《准备迎接未来交通：自动驾驶汽车3.0》，在法律空间里增加豁免，为行业松绑。

几乎同时，德国也推出了首部与自动驾驶汽车相关的法律——《道路交通法第八修正案》，允许自动驾驶系统在特定条件下代替人类驾驶，同时全球第一部自动驾驶道德准则也应运而生。这些立法活动为世界第一款 L3 级自动驾驶产品——奥迪 2018 年款A8 的拥堵巡航（Traffic Jam Pilot）扫清了障碍。

2017 年的一头一尾，有两场官司引起很大的关注。年头是 Waymo 告 Uber/Otto，年尾是百度告景驰。两场官司，都以被告公司的创始人被迫出走为结局，但实际的影响更为深远。

Uber 进入了后卡兰尼克时代，新 CEO 对自动驾驶举棋不定，而景驰在与百度和解后出现了分裂。

2017 年的 “ 雨水 ” 过后，2018 年或许是 “ 惊蛰 ” ，既有商业化的隆隆春雷，也可能有倒春寒。

2018 年的开始让一些人快乐，一些人难过。Velodyne 降价了，而且降了一半。2017 年对很多无人驾驶公司来说，很痛苦的一件事情是买不到激光雷达，要等好几个月，当年底终于买到了，并囤了一部分货时，结果市场上的激光雷达已经降价了。

这个时候，激光雷达的赛场已经不是 Velodyne 一枝独秀了，Valeo 的 Scala 在奥迪 A8 上实现了第一个量产项目，传统主机厂和供应商巨头纷纷投资并购，仅德尔福（安波福）就押宝 3 家。几乎所有公司都押注固态或半固态激光雷达，除了前两年已经很火的 Quanergy 和 Innoviz，一些新创公司（如Luminar、速腾聚创和 Innovusion）也展现了性能更佳的产品原型。两年前风光无两的 Quanergy 在量产上碰到了一些麻烦，虽然它在光学相控阵技术这条路线上仍然领先，但基于 MEMS 微振镜、光学二维振镜和 Flash 技术的固态激光雷达在产业化上显示了更快的进展，Innoviz 得到了宝马的订单，Velodyne 的新品 velarray 也似乎后发先至。

在刚刚过去的 2017 年，基于 35 万英里的测试里程基数，Waymo 实现了每 5596 英里进行一次人工干预，紧随其后的是 Cruise，每 1254 英里进行一次人工干预。相比 2016 年的每 5000 英里进行一次干预，Waymo 在 2017 年只提升了 10% ，让人略感失望。细看 Waymo 的数据，积极的因素是，2017 年最后几个月的每次干预里程数得到了极大的提高，2018 年是否延续这种趋势，结果即将揭晓。

Waymo 的工程总监在麻省理工学院讲座时，说了一句很深刻的话：

“When you are 90% done, you still have 90% to go（当你认为完成90%时，实际只走了10%）”

对于这一道路的艰巨性和长期性，Waymo 深有体会。然而，这家公司又很擅长 “讷言敏行”。Waymo的 “ Early Rider 项目” 又向前迈了一大步。进入 2018 年，Waymo 在亚利桑那州的部分车辆中撤掉了安全员，早期乘客开始真正 “独享” 无人车的空间。

2018 年 3 月，Waymo 与捷豹路虎签署协议，请后者定制 2 万台无人车。Waymo 的高歌猛进，给 Cruise 带来了巨大的压力。此时通用汽车做出了一个巨大的决定，将 Cruise 推向资本市场，利用外部资本和资源来加速发展。5 月 31 日，软银宣布将向 Cruise 投资 22.5 亿美元。仅仅一天之后，Waymo 就给出了回应——将购买菲亚特克莱斯勒的车辆数目提升到 6.2 万台。8 月份，摩根斯坦利将 Waymo 的估值推到 1750 亿美元，其中机器人自驾出租车业务估值 800 亿美元，自动化物流服务估值高达 900 亿美元。10 月 3 日，本田向 Cruise 进一步注资 27.5 亿美元，也将 Cruise 的估值推到了 146 亿美元。通用汽车以当初 10 亿美元收下 Cruise，绝不曾想过两年半后这一部分的估值已经达到通用汽车总市值的 1/3。联想到英特尔以 153 亿美元购买 Mobileye ，大可不必大惊小怪了。

在这样的大背景下，虽然 2018 年一整年是资本的寒冬，但仍然不断传来无人驾驶公司融资的消息。无论是创业公司，还是风险投资（VC），都分裂成两个阵营。

• 一个是硅谷范儿的 “火箭派”，其理论依据是既然无人驾驶是登月，那就撸起袖子造火箭。既然未来的大方向是出行，就一步到位做无人驾驶出租车的运营。有人评论这是“没有 Waymo 的命，却得了Waymo 的病”。世界上还没有第二家公司像Waymo那样土豪、一买就是 8.2 万辆无人车，却有两位数的公司在商业模式上对标 Waymo，没有 Waymo 的 “富爸爸”，只能长年靠 VC 买单。殊不知，即使是Waymo 的 8.2 万辆车，获得数据的能力也是有限的，而且在 20、30 座道路干干净净的城市行驶，数据也不够丰富和多样化。这意味着，Waymo 的 L4 级商业化路径存在可扩展性的问题。

• 另一个阵营是务实的路径，从垂直细分做起，“农村包围城市”。用赛车领域的话来说，想要第一个冲过终点线，你必须完成比赛，哪怕是从维修站出发。可是，在“火箭派”眼里，这是“梯子派”，想登月，先造梯子，务实是务实，但未来的天花板太低。业界有不少  “diss”  这类路线的说法，Waymo 说我要飞、整天学跳怎么行，有些 “高大上” 的基金认为，现在旱季你为了生存进化成了仙人掌，等雨季来了，你顶多只能是更高、更肥的仙人掌，已经长不成参天大树了。固然这些说法有点偏颇，但确实有些垂直细分领域的场景，与开放道路 L4 级自动驾驶不搭，而且因为市场规模有限，无法获得算法升华所需的大量数据。

看起来这两条路径都存在数据可获得性的问题。那么到底需要多少数据，或者通过多少里程来证明安全性呢？

就无人驾驶而言，Waymo 积累了最多的里程，2018 年 10 月时积累了 1000 万英里。就算是加上 L2 级自动驾驶，我们前面说过，特斯拉在 2016 年的自辩，1.3 亿英里、2 次人命事故，数据也是不够的。美国著名的智库兰德公司给出了一个数学模型，如果要在统计学意义上证明无人驾驶开得比人好 20%，需要 110 亿英里。那就意味着，100 辆车，1 天 24 小时、1 年 365 天不停地跑，要跑 500 年。

特斯拉的一个启示是：要学会靠用户的车去获得数据、验证算法，如果有 1000 万辆车，1 辆车只需跑1100 英里，110 亿英里就达到了。

因此，一个更合理的路径是，用火箭的技术造各种飞机，然后用飞机的钱和数据来提升火箭技术。具体而言，是用基于开放道路 L4 级的技术（火箭的技术），降维到具有确定边界的 L3 级 / L4 级商业化场景（各种飞机），大规模部署这些场景，获得现金流和大量数据后，进一步突破开放道路 L4 级的局限。驭势科技采用了这样的策略，在高速公路 L3 级、最后 3 公里微循环 L4 级、停车场自主泊车和机场无人物流拖车方面取得了商业化的突破。尤其值得一提的是，驭势与上汽通用五菱实现了全球首次自主泊车的终端用户交付，一键实现远距离泊车、一键实现召车。类似的技术在与首汽 Gofun 合作的分时租赁中也开始使用，让用户实现自动取车和还车，同时运营方又可以通过场站间的无人编队调度降低运营成本。这些场景的部署带来了大量交通场景的数据，从而反哺开放道路 L4 级自动驾驶算法的进化。

2018 年的 “灰犀牛” 是事故。当整个行业进入深水区，事故已经成为大概率的风险。Waymo、Uber 和特斯拉都出现了多起事故，且后两者都出现了致命的事故。

自从 Uber 收购 Otto 后，一些变化在悄然发生。莱万多斯基对安全的藐视使公司文化发生了变异，在旧金山的 Uber 办公室里有一条标语是 “安全第三”。路透社后来指出，Uber 的测试车改成沃尔沃 XC 90后，新的改装设计扩大了传感器的盲区，而高耸的 64 线激光雷达改变了车的重心结构，然而 2017 年的一次侧翻并没有引起太多重视。自莱万多斯基离开 Uber，新 CEO 上任后对自动驾驶的态度开始模糊。

据 Business Insider 报道，团队担心项目取消，必须用快速进展取悦领导，又要迎合领导对平顺性的要求，因此忽略了很多安全设计。这些因素积累下来，最终导致 3 月 18 日那起世界首例无人驾驶汽车引起的致命车祸事件（特斯拉的那几次不算无人驾驶）的发生，一辆 Uber 无人车夜间行驶时撞死了一名推着自行车违章横穿马路的行人。固然有那位行人自己的责任，还有 Uber 安全驾驶员的重大责任（跟特斯拉的第一起致命事故类似，又是在看视频），但 Uber 自身的诸多问题无从推脱，比如技术上为了平顺性把原车的自动紧急刹车系统禁用，错失了最后一秒的安全保障，而在管理上从车上 2 个人缩减到 1 个人。事故后 Uber 暂停了所有的测试，重新审视安全设计和管理，一直到年底才重新上路，教训可谓惨痛。阴云笼罩下的另一则新闻是 Uber 关闭了自动驾驶卡车部门，这使得当初对 Otto 的收购更加无一是处。

做无人驾驶，不可或缺的是对安全的敬畏之心，以及对行业基本规律的尊重。Waymo 也发生了几起事故，包括一位安全员睡着导致的车祸。The  Information 先后曝光 Cruise 和 Waymo 无人车在真实路况中依然不甚理想，一篇文章也指出 Cruise 达到 L4 级量产依然路途漫漫。。

Waymo 采取了 “进二退一” 的策略。10 月 30 日，加州车管所向 Waymo 颁发了完全无人驾驶测试牌照，即可以合法在加州公开道路上测试没有安全员的无人车。然而 11 月底，经过深思熟虑，Waymo重新又把安全员放回了驾驶座。同时，Waymo 任命国家运输安全委员会前主席贝博拉·赫斯曼（Deborah Hersman）为首席安全官。

12 月初，在亚利桑那州凤凰城郊区，名为 Waymo One 的无人驾驶出租车付费服务正式开始运营。在此之前，克拉夫西克照例大谈了一下困难，认为无处不在、无所不能的 L5 级自动驾驶还需要等几十年，希望媒体和大众降低对它的期望。

回到这句话 “When you are 90% done, you still have 90% to go（当你认为完成 90% 时，实际只走了 10%）”，如果今天的技术和成本要求无法快速解决最后 10% 的问题，有没有可能通过人-车-环境的整体思路去解决呢？这就是车路协同的概念。

2018 年，中国正孕育着全新的基础设施，阿里和百度等都提出 “车路协同” 的概念，基于 LTE-V2X 和 5G 带来的超视距感知能力和高可靠低延迟链路，可以把一部分感知和决策能力放在路端，利用边缘云的思路去解决环境和基础设施的问题。驭势科技也与三大运营商和四大设备商展开了 “5G+ 自动驾驶” 的合作。

车端计算是价值链上另一个重要的元素，尤其是芯片。高级别无人驾驶采用的主芯片要么来自英伟达，要么来自英特尔/Mobileye。自从出现中兴被封杀事件，美国又祭出商务管制清单，对于中国的业界来说，需要未雨绸缪。华为、寒武纪、地平线等国内芯片商正加速开发适用于无人驾驶的 AI 加速芯片。随着无人驾驶算法逐渐固定下来，专用的加速芯片将扮演更为重要的角色，特斯拉也采用了这个策略。

价值链上还有一个不可忽视的要素是数据，无人车要想变得越来越聪明，需要数据。欧盟在数据立法上一向走在前面，（GDPR）号称史上最严格，让无数互联网公司焦头烂额，数据是资源、也是烫手山芋。对互联网公司如此，但对车厂却很宽容。欧盟最近一次关于自动驾驶车辆注册的投票中，7A 条款确定 “自动驾驶汽车产生的数据是自动生成的，其本质不具有创造性，所以不适用于版权保护或数据库权利”。这意味着，无需车主同意，车厂就可以收集自动驾驶汽车产生的数据（包括 GPS 轨迹信息在内的遥感信息），并可以将其出售给第三方。这可以说为车厂做了最佳助攻。

2018 年结束，距 2021 年还有 3 年，业界的目标是能够实现确定区域（比如城市的一个区域）L4 级无人驾驶的规模化应用。从目前看，我们可以保持谨慎的乐观。

---

2022 年 ~ 2027 年——第四个 6 年：结果

如果第 3 个 6 年的目标顺利实现，第 4 个 6 年将是开放道路 4 级无人驾驶的大兴之时。

无人驾驶带来的变化远远不止是汽车产业，它将彻底改变出行和物流，改变这个世界原子的移动。

到第 5 个 6 年（ 2028 年 - 2033 年）时，路上川流不息的车辆大多数将是无人驾驶共享汽车，汽车数量减少一半以上，但汽车的利用率得到极大提升，堵车将成为过去，天空重归于蓝，停车位被改成公园、活动空间和住所，车祸几近于零。

交通流、信息流、能源流三流合一，所有与人或物相关的交通将被重新定义，保险业需要涅槃重生，而服务业将找到新的爆发点 ——上述的无人驾驶出租车是除了家和办公室的第三空间，是移动的商业地产、移动的影院、移动的办公空间、移动的咖啡馆。

智能驾驶是人工智能与传统汽车相结合的创新产物，是汽车行业发展的未来。作为一项变革性的技术，智能驾驶既是技术创新又是社会创新，无论是法律、法规和政策，还是道德伦理争论，我们都要有勇气和耐心，呵护和引导其健康发展。

热切期待道路不堵、天空很蓝、自由出行的那一天早日到来。

原标题：《智能驾驶进化史：梦想照进现实》

转载自：机器人与智能系统研究院

编辑：高旭 

博士在读   研究方向为机器视觉与三维重构

往期精选

数据分析师必须掌握的统计学知识，这里都有！

数据分析师的发（xing）展（fu）方（sheng）向（huo）

介绍一个2000+star的Github项目

公众号后台回复关键词学习

回复 免费                获取免费课程

回复 直播                获取系列直播课

回复 Python           1小时破冰入门Python

回复 人工智能         从零入门人工智能

回复 深度学习         手把手教你用Python深度学习

回复 机器学习         小白学数据挖掘与机器学习

回复 贝叶斯算法      贝叶斯与新闻分类实战

回复 数据分析师      数据分析师八大能力培养

回复 自然语言处理  自然语言处理之AI深度学习