▼

编者按：本期嘉宾为无人车公司Aurora的创始人克里斯·厄姆森，作为卡内基梅隆大学高级研究员，厄姆森于2009年加入谷歌，而当时谷歌尚未启动无人驾驶汽车项目，在他的带领下，谷歌使用LexusRX450hSUV以及自己开发无人驾驶汽车原型产品，累计行程达到180万英里（约合290万千米），直到该项目一跃成为Alphabet旗下子公司Waymo。目前它显然是无人车领域的领军公司，尽管厄姆森把Waymo推上了技术高峰，让它成为有望首家商业化部署无人车的企业，但他没能陪它走到未来这一步。约翰克拉夫西克（John Krafcik）上任Waymo的CEO后，2016年12月厄姆森离职。

在接受记者采访时，这位前谷歌无人车项目负责人厄姆森(Chris Urmson)谈论了自己的历程、无人车行业的现状以及未来展望。

他指出，无人车装配的传感器虽价格高昂但会随着规模生产而大幅下降，厄姆森认为，当你能够向所有汽车商出售技术，为什么还要自己经营无人车服务呢？ 无人车技术的推广将如同这类技术的研发一样复杂、困难和昂贵，因此首个部署无人车技术的公司不一定是市场的长久赢家。

问：当你离开谷歌时，我们都很震惊，可以聊聊为什么吗？

厄姆森：是时候了，如果在离开的一年前问我，我肯定会说，会无限期地待在谷歌，但那时是离开的时候了，公司聘请了约翰，他们挑中了他来管理Waymo，这对公司而言很不错，只是我不再适合待下去。

问：可是你拥有了这一行业最珍贵的经验。

厄姆森：当离开时，我不知道要做什么。有很多很酷的事，可以是飞行汽车，也可以是融合了计算机科学和生物技术的事物。过去12年我都致力于无人车，我感觉或许该去其他领域瞧瞧。我花了三四个月时间经历了这一过程。我见了许多人。几个月后，我意识到有一个独特的机会在我面前，我可以创建一家新公司。

我找到了几个很棒的联合创始人。斯特林曾在特斯拉工作过一段时间。他拥有很好的资历：他是麻省理工学院博士，在麦肯锡公司度过了几年，然后在特斯拉工作，并发布产品。他负责研发的是Autopilot自动驾驶技术。

我从1999年就认识德鲁，现在已经19年了。我们在同一所学校念研究生。他是机器学习领域的专家，在机器学习还不像现在这么广为人知时，他就把这一技术应用在机器人领域。我们从未真正合作过，但我们拥有很多共同的朋友。当时他在Uber工作，并打算有所改变。

问：你们分别来自谷歌、特斯拉和Uber，对无人车的经验各不相同，你们如何更好的协作？

厄姆森：这实际上是我们的秘密武器的一部分。我们从各自不同的经验中挑选出最精华的部分。我们创立了一个拥有一定经验的团队，并摸索如何把我们的技术以现代方式应用于汽车系统中。我把德鲁视为一个机器学习专家，特别是机器人和机器学习方面。因为当你研发机器学习网络时，那里有着无限的数据。

问：你花了这么长时间帮Waymo起步，为什么还要创建一家新公司？

厄姆森：考虑到无人车技术以及汽车生态系统现在所处的发展阶段，我觉得当时是个恰当的时机。我认为，几年前汽车业还未准备好迎接无人车技术。这一行业已经发展了100多年。他们的供应链相当强大。

但这是一项新技术。它需要投入全套新人员和新技能。目前汽车行业似乎已准备就绪，部分原因在于这一行业承受着巨大的压力：环保监管的冲击、对汽车电气化的需求、来自Onstar安全信息系统以及Uber、Lyft、滴滴等打车应用的影响。这是真正的信息互联，汽车迎来了全新的使用方式。随后而来我们迎来了自动驾驶车辆和驾驶辅助技术。这些技术正同时在汽车行业中会合。这推动了汽车业人士思考：“我们如何应对这种现状？”

对于Aurora，这仿佛是一个机遇。我们把各自的深刻体验、对这一问题的了解描绘在一张白纸上，然后走出去与汽车公司合作，我们秉持着不干扰他们、与他们合作的精神。我们采取这样的战略是因为制造汽车确实非常困难。我们以为造车没什么，其实生产汽车有点令人惊叹。

问：所以这就是你和Waymo之间的关键战略差异，你采用的方法在技术上有何不同？

厄姆森：如果从三千米的高空看下来，并无区别。我们正使用激光、雷达和相机这些设备，我们正在研发路径规划、感知和控制等技术。我们拥有软件基础设施。所以，从那个高度看没什么区别。你是谁并不重要。重要的是你正使用这些传感器和软件。但在这个领域中真正重要的是能够解决这类技术最后10%、最后1%甚至最后0.001%的难题。

问：自动驾驶汽车问题的芝诺悖论？

厄姆森：你说得对。你可以找几个研究生，买一辆车，下载ROS机器人软件平台，或许在六个月内你们就可以坐着一辆自动驾驶汽车绕着停车场转悠了。当然，挑战在于细节。这正是在Aurora公司我们所考虑的问题。如果我们要从零开始设计，我们不关注产品的展示效果以及如何尽快让一辆汽车以自动驾驶状态开在停车场上。我们想知道如何让无人车高效而安全地开上马路。

例如，我们正把机器学习技术应用在运动规划和感知系统中。你设计这类系统的典型方式是让团队成员研究感知技术。他们尽可能地展开研究，直到遇到瓶颈。然后把工作移交给运动规划人员。这些新接手的人员就开始编写代码，钻研哪里停车或怎么变道，这还需应对感知系统中的所有警示信号，因为基于目前技术它无法完美地感知现实世界，它会犯错。或许感知系统认为速度该快一点或慢一点。也许它有时会做出错误判断。运动规划系统必须对此作出回应。所以运动规划的研发进度开始落后于感知系统。但是研发者全身心投入，并且进展顺利，赶上了感知系统的进度。

接着感知系统的研发者说，“我们取得新进展了。”运动规划方面又遭遇波折，系统在不该奔溃的时候奔溃了。最终出现这样的困境：反复出现两个团队交互超越的局面。两者成为彼此的障碍。运动规划人员不希望感知系统有进展，因为他们刚刚让这些技术正常运作。但是如果感知系统没有改善，就无法取得最终的成功。

我们设计系统的方式是让机器学习技术同时应用在这两个研发任务上。无论感知系统输出什么，我们能够自动地重新调整运动规划系统以适应新的感知数据，从而让两个任务更快地取得进展。这听起来没什么稀奇的，但诀窍在于运动规划和感知系统之间的接口是什么，以便支持两种算法之间的合作。

问：自谷歌开始研究自动驾驶汽车，机器学习的普遍性已发生巨大的变化，你认为Waymo是否在充分利用这一点？Waymo的工程副总裁德米特里多尔戈夫（Dmitri Dolgov）的回答是，“你认为在这一技术上谁会是全球第一？”

厄姆森：这个回答不差。他们是一个非常棒的团队，他们的工作非常出色。他们显然远远领先其它公司。当你拥有自身的一套架构规则，周边的一切以此为基础。你很聪明，你会迭代，你善于改变，但也存在争议。事实上，我们需要了解我们在机器学习上所做的一切以及云计算的可用性，并理解问题究竟有多艰巨，这些都有助于我们从最开始就着手解决这些问题。

这并不意味着我们将在Waymo之前解决这些问题，但我们能够更快地取得一定进展。我们将能够帮助合作伙伴向市场推出安全的、更强大的产品。

问：当你回顾那些问题时，在当时极为棘手的问题，但今天回想起来会让你觉得：天哪！我们一个月内就解决了？

厄姆森：例如，我们把机器学习技术应用在对象追踪上。进展很快，我们已经能够获得正常运行的版本。那真令人兴奋。对象追踪功能可广泛应用在汽车生态系统和我们生活的世界中。当谷歌开始研发这一功能时，TensorFlow还不存在。

问：另一个Waymo式准则是决定不把自动驾驶技术当成辅助驾驶形式，这点你现在怎么看？

厄姆森：我仍坚信这条准则！这并不是说不在汽车中安装方向盘，或是当车主想开车的时候却不能开。但我会实现的区别是：汽车不应该要求驾驶座上的人开车。如果你想开车也喜欢开车，就去享受其中的乐趣，去开吧。但如果你不想开车，总不能让汽车发话，“我现在真的需要你开车”，就让汽车自主驾驶吧。

人们常谈论所谓的三级自主驾驶系统（汽车可以自主控制，但人类必须时刻为突发情况做好准备）。设想是这样的：汽车正在自主驾驶，如果出现车主应该掌控方向盘的情况，汽车就会通知车主。如果车主未回应，汽车仍需要做该做的事，此时，它就相当于性能十分有限的四级自动驾驶系统(汽车可完全自主控制，人类几乎不需要做任何事情）。要做到这一点，需要极复杂的技术，这时传感器套件将变得非常昂贵。

问：你如何评估你们的进度？

厄姆森：我们的合作伙伴希望时间节点大概在2020年或2021年。为了实现这个节点，我们正尽可能快地推进工作。在那个时候，预计我们的服务会覆盖数万辆自动驾驶汽车，与目前大约数千辆这类汽车相比，这个数据是巨大的。不过这只是刚开始部署，我们想到的是对全球的影响。这只是为Aurora设想的部分计划，我们需要这么多年才能让这一技术正常运作，而打造能够支持这类技术的汽车也需要大致相同的时间。因此，如果我们能够找到合适的合作伙伴，并与它们同步开发Aurora技术和汽车，那么我们就可以完成这些规划，实现我们所预想的规模化影响，而且速度还快于其他企业。

即使Waymo已开发出成熟的技术（假设今天刚研发成功），他们仍需要时间来推广技术，并且需要密切的汽车合作伙伴关系才能实现这一目标。

问：汽车公司会这么说，“谷歌在一辆汽车上装配了价值10万美元的传感器，这很好，但我们谈论的是向大众推广这类技术。”你们是技术套件开发商，这对你们是否是个关键问题吧？

厄姆森：从两个方面考虑，我不支持这种说法。在乘车共享或公共交通的商业模式中，汽车设备的成本并不重要。如果是1万美元、2万美元或5万美元，都会有办法收回。经济学将发挥作用。目前存在一种错误的等价观念，即，一辆汽车的设备成本为10万美元，那么每辆量产汽车的设备成本也会是这么多。去瞧瞧任何一辆量产汽车的研发原型，都要耗费高额成本。

当他们制造出前50辆时，每辆车的某块成本大概是25万和50万美元之间。经过控制制造过程、工艺设计以及供应链管理流程，最终这块成本可降到大约1.2万美元。

这同样适用于其他元件。以雷达设备为例。如果原始设备制造商购买100万件雷达设备，单价可能才50美元。但是最初为了生产第一辆车时，我保证单价会在2万到5万美元之间。当人们谈论这一点时，必须先考虑“应计成本”。从架子上取下激光设备，看看里面的部件。如果是光纤激光设备，其中的钇掺杂光纤十分昂贵。但是如果是含激光二极管的激光雷达系统，里面的元件都不贵。每个激光二极管售价几美分或几十美分，每个APD探测器售价几美分或几美元。如果大量订购的话，这些成本会大幅下降。

问：对于自动驾驶汽车，人们没有想到的还有什么？

厄姆森：最难回答的问题是这类技术最终将被如何使用，以及将产生怎样的深远影响。智能手机问世已有大约十年的时间。如果十年前针对智能手机问类似的问题，会有怎样的回答？我认为没人预测得到Uber或Lyft会出现。

当然，去年也出现了许多新的预测，我们还需等待时间的验证，尤其因为这些预测源自更多进军这一行业的人。这些参与者远多于这一行业的发展早期。而早期的参与者大多来自你的“教练树”，他们中许多人曾参加过DARPA挑战赛。他们都对这类技术的现有阶段、如何运作以及发展领域拥有共识。

我认为这蛮有意思。在过去一年半或两年中，无论胜任与否，更多形形色色的人参与进来了。你说得对，许多早期参与者曾是DARPA挑战赛的参赛者。当时，那是唯一能找到有经验的人的地方。现在这一行业吸引到了大量资金。所以投资者会说，这看起来很有趣，让我们去做吧。这催生了新的创新，我认为这很酷。

我在考虑如何打造一家健康的公司，在目前这个竞争极为激烈的招聘市场，我们如何能做到这一点。我们需要更好地理解社会的不平等现象，需要直面自动化趋势带来的问题。我们如何权衡利弊？全球每年逾百万人死于交通事故。自动驾驶汽车有助于减少交通事故以及节约时间。我们如何在不扰乱社会的情况下推广无人车技术？对社会的影响是我担心的问题之一。

我考虑得还不够深入，还未得到满意的答案，但我肯定会想出来的。（完）

选自：The Atlantic

编译：网易智能

参与：惜辰

注：《AI英雄》专访隶属网易智能工作室，每周围绕人工智能领域讲述一个人物故事，洞察技术趋势，捕捉行业机会，关注人的价值。转载请注明出处，违者必究！