张德兆先生，2006年和2011年分别于清华大学汽车工程系获得学士和博士学位。申请专利20余项，参与制定ADAS国家标准4项，多次主持国家重点项目、北京市科委项目，曾获得四川省“千人计划”专家称号、中国汽车工程学会“优秀青年工程师创新奖”。2015年创办北京智行者科技有限公司，并担任CEO。公司主要从事自动驾驶智能汽车开发。

北京智行者科技有限公司成立于2015年，深耕无人驾驶汽车领域，聚焦无人驾驶汽车的“大脑”。智行者目前已拥有行业顶尖技术和近20项专利，并先后与多家国内大型车厂合作，成为国内提供无人驾驶系统解决方案最多的企业。其开发的无人驾驶车辆已在物流、环卫等领域得以批量应用，是国内第一家将无人驾驶技术实现商业化应用的公司。公司已获得包括英诺、北汽、顺为、京东等重要战略资本投资。

主讲人｜智行者 创始人&CEO 张德兆

编辑｜水木清华校友基金 田霖

在物联网时代汽车这个管道给你推送的不是信息，而是直接把你投放到想要的地方去，让你实现所见即所得，这才是它真正能够赚大钱的点。

有机构预测说，智能网联汽车时代所带来的整个产值是移动互联网时代的25倍左右。

我们认为到2025年，在北京五道口无人车就能随便跑起来了。

前面有一个小孩，旁边有一棵树，如果这个自动驾驶的车不去撞前面的小孩就会撞树，而如果撞了树的话，车内的人就不保。如果你不撞树的话，外边的小孩不保，你到底撞谁？

汽车行业正在发生巨大变革

简单做下自我介绍，我是2002年进入清华汽车系，本科毕业之后保送读博，2011年博士毕业，之后在汽车系做了两站的博士后，截止到2015年离开清华，我完成了几件人生大事，比如在百年校庆时结婚，比如我的孩子在校园出生。清华是我一辈子的家园，一辈子的骄傲。

今天很荣幸能够有这个机会跟大家分享一下我的创业经历，事实上这是我第二家创业公司。2011年，我跟两位师兄创立了一家做汽车驾驶辅助系统的公司， 2015年我创立了智行者做自动驾驶。

汽车发展至今已有100多年，从机械时代、电子时代、软件时代，从来没有像今天进入智能网联汽车时代后引起这么大的关注。有如Google、苹果等这些互联网公司，还有如英伟达这些芯片厂商，还有国内百度、腾讯、阿里等都在进入这个领域。

自动驾驶能带来什么

大家想一下，汽车为什么会引起如此大的关注？自动驾驶到底能给我们社会带来多大效率的提升，能给我们从事这个行业的人们带来多大的商业价值？

解放人们的时间

第一，  从社会角度来讲，自动驾驶能够解放我们的时间。全球每天1300亿分钟的时间浪费在堵车上，如果实现自动驾驶，在车上不用开车，大家可以去休息、去娱乐、去工作，给人类争取到更多的时间去创造生产力。同时自动驾驶一旦实现之后，必然会加速汽车共享时代的到来，汽车共享一旦实现之后，整个汽车保有量会下降，相应的马路上的车会减少，拥堵程度会降低。密歇根大学预测，如果自动驾驶完全实现，整个美国的汽车保有量会下降43%，近一半。

比人开车更加安全

第二，自动驾驶一旦实现，交通事故发生率会大大降低。肯定有人疑问，怎么确定自动驾驶比人开车更安全？汽车行业一直有一个数据，90%的交通事故都是由人的失误造成的，这种失误大部分是由于疲劳驾驶，或者是其他的注意力不集中造成的，而机器的眼睛永远是张开的、不知疲倦的，也不会存在酒驾等情况，自动驾驶会大幅度降低交通事故发生率。相当于每年挽救近120万因交通事故致死的人，这个人数远远高于战争引起的伤亡数。换个思路，按照现在的法律机制，及人们对新事物的接受程度，如果自动驾驶不比人开车更安全，是不可能被真正投放的。所以，自动驾驶一旦得到法律的认可，得到社会的认可，进入我们生活中，它一定比人开车更安全，实际上这点是完全可能做到的。

综上两点来讲，一方面，自动驾驶很安全，也可以大大减少全球道路的拥堵情况；另一方面，即使拥堵，人们也可以在车上解放双手做其他事。还可以解放更多的人去创造生产力，如卡车司机、环卫车司机等都可以解放出来，将提升社会效率，进而解放人们更多的时间。

无需再买车，汽车共享时代到来

不知道大家有没有注意到一个现象，无论是共享单车、还是共享汽车，都有潮汐现象，以常见的共享单车为例，每天早高峰时段，四面八方的居民骑车赶往地铁站，共享单车聚集量迅速达到峰值，有的站点共享单车总量逼近千辆，需要人工把自行车载回到各个地方。如果自动驾驶实现之后，车可以自己流动，这个问题将得到有效解决。

比如你十分钟后要用车，周围没有车，只需用手机预约一下，共享自动驾驶汽车自动到我楼下，你可以选择自己开或车自动驾驶。到达目的地后，你可以自顾走，车会自动行驶到停车位或执行下一个任务。但是很多人跟我讲，大家还是想要有一辆自己的车呀！为什么非得花很多钱买一辆车？无人车完全可以更好的解决问题：

第一、方便的交通工具。共享且自由流动的无人车，将比自己拥有一辆车更方便，以我为例，我现在挺怕进城，北京城四环以里，特别是工作日，停车场经常要找半天，无人车时代这个问题分分钟得到解决。

第二、私密空间。现在的出租车、快车会有一个什么问题？车上的司机，让你没有私密空间，在车上跟你聊天，或你跟其他人聊私事，但有司机在总会有被窥探的感觉。人多少会有点社交恐惧症，比如我，除了逼不得已的社交，其实让我越安静越好，我需要有一个私密空间在。无人车可以很好解决这个问题，车上可能只有你一个人或一家人，不存在其他司机，私密空间得到有效保证。

第三、文化或财富的象征。也许有人会说，我家开奥迪，你家开奥拓，我家比你牛。但对比一下30年前，大家拥有一辆自行车是很牛的，但是现在还觉得有一辆自行车很牛吗？随着自行车共享之后，人们只知道摩拜、OFO，谁会关注这个自行车是哪家工厂生产的呢？生产品牌会逐渐被运营品牌所代替，类比之，汽车共享时代到来之后，汽车行业一百多年来积累的品牌价值会逐渐地消失，你也不会在乎这辆车到底是奥迪还是奔驰。

但是以上几点，都不是智能汽车引起那么大关注度的原因，我认为现在真正引起那么多关注的一个原因，就是智能汽车可以成为新的终端+管道，这才是它真正的价值所在。

比互联网产业更大的产值： 终端+管道

自动驾驶汽车将会成为继PC、手机之后的第三个终端，并且会成为物联网时代新的管道。终端很好理解，实现无人驾驶后，大家可以在车上娱乐、休息，或者在车上玩游戏、看电影、购物等，这就是终端。但是仅仅作为终端的话，还不足以让汽车取代手机，真正牛的地方它会成为一个新的管道，在物联网时代可能每一个地点，比如一个酒店，一个饭店，包括每个人都会是一个终端。只有无人车可以把人这个消费群体快速的从一个地点投放到一个个消费场所中去。

我经常举一个这样的例子，一个外地人到了首都机场，预约了一辆无人驾驶车，跟这个车说我去王府井。假设这个车带着他到了王府井，如果还是通过微信，或者支付宝付给这个车一笔钱，省下来的无非就是一个驾驶员的工资而已，赚的钱并不多。它的另外一个价值在于，通过大数据分析，知道这个外地人平时住什么水平的酒店，然后直接把他带到王府井的某一家酒店的门口，假设就把他带到喜来登的门口，这时候他90%的概率会进去住的。为什么把它带到喜来登，而不是带到希尔顿？因为喜来登给运营商的钱多。

这就是它作为管道的一个价值，同样的其他消费场景是一样，通过大数据知道你的喜好之后，只要上了车，知道你平常喜欢吃川菜，就会把你放到一个目的地附近的川菜馆门口。自动驾驶不是推荐30家还需要你浪费时间去选择，而是定点投放，这是根本。

互联网时代，管道传递的是信息、解决的是信息不对称的问题。但是在物联网时代汽车这个管道推送的不是信息，而是直接把人投放到想要的地方，让人实现所见即所得，这才是它真正能够赚大钱的点。你想想仅仅刚才这一项，它的广告的转化率可以一下子从1/30变成90%，这个转化率增长很惊人的。

有机构预测，智能网联汽车时代所带来的整个产值是移动互联网时代的25倍左右。咱们移动互联网时代产生了多少大公司，比如说微信、摩拜、OFO，都是移动互联网时代的产物。如果是25倍的话，大家可以想象一下，能够产生多少亿级的公司？这也是为什么这些巨头，包括创业公司都往这方面涌的一个原因。

讲了那么多，自动驾驶的未来很美好，但是现实总是残酷的。我们要实现这种宏大的未来，首先得让汽车实现自动驾驶，就像手机一样，靠手机去实现移动互联网，首先要把智能手机做出来。所以，第二部分我会讲自动驾驶的商业化路径。

自动驾驶的商业化路径

落地关键指标：现实刚需程度+可预期安全风险

现阶段，大公司也好，初创公司也好，其实商业化路径就是四个象限：高速、低速、载人、非载人。现在把自动驾驶的等级按照美国SAE的标准分成五级，国内也是分成五级。零级是没有任何的自动化，一级有一些报警，属于驾驶辅助。比如可能发生追尾时给驾驶员一个报警。

二级的话有两个辅助装置同时起作用，比如在可能追尾的时候，帮助驾驶员主动刹车，或者车道可能出现偏离，辅助纠正回来方向盘，这就是到二级。

但总体来说一级和二级还是属于辅助驾驶，如果辅助驾驶系统打开后，发生了交通事故，辅助驾驶系统是不负责任的，是驾驶员的责任，实际上特斯拉就是到二级这个水平。也就是说，如果你开着特斯拉，打开它的自动驾驶的功能，出了事故是驾驶员负责任，而不是自动驾驶系统，这在说明书上写得清清楚楚，这是辅助系统。

到三级的时候，就开始变成了自动驾驶。如果在L3作用下，发生了交通事故不是驾驶员负责，而是自动驾驶系统负责。同样L4是一样的。L3、L4有一个特点，需要预收录运行地的地图，比如要先预收录整个北京市的地图，才可以在北京范围内行驶，否则是行驶不起来的。人工把一些经验叠加在高精度地图里面，这就是所谓的“重地图”模式。即使都需要地图，但L3/L4还是有区别的，L3需要限定工况，但L4只要有地图，就可随便行驶。L5级别是真正的无人驾驶，一旦达到L5级别，无需先验地图，这就是所谓的“轻地图”模式。

现在大部分的公司都是在第一象限，即做高速载人的场景，也可以说是L4，即有地图，但是不限路况。比如有整个北京的地图，就可以在北京市内随便行驶，大家基本都是奔着这个目标来做自动驾驶的。但要考虑落地，主要有两点：第一点，做得出来；第二点，做出来之后有人买单。所以，智行者现在是从第三象限做起：低速、非载人，技术风险不会太高。然后我们现在是从载物的一些工具类车辆做起，目前已有人买单，这是现在的落地点。

最后一公里的物流配送问题

因为首先选择低速场景，所以“做得出来”，这也是我刚讲到的第一点。那是不是有人买单呢？例如我们做的一个场景是物流，我们专门做了数据调查。物流成本，全世界的平均水平是占GDP的11.7%，而咱们中国物流成本占了18%，换句话说去年快递业务量是419亿件，到2020年随着电商的发展会有1000亿件，其中人力成本占总成本大于50%，大部分成本会是人力成本。反过来想，整个物流的链条非常长，从干线物流到支线物流，咱们可以看看整个快递员的分布。

2016年快递员总数是203万，但是最后3.5公里的一线快递员，也就是骑着三轮车的快递员是118万，大部分的人力成本在最后3.5公里的一线快递员里面。这个市场空间很大。如果有一种机器，能够把这些快递员替换掉的话，肯定有人买单。所以，这符合刚才讲的逻辑：做的出来后有人买单。所以我们做了一款无人配送物流车。

同样一个逻辑，我们类推到环卫车场景。我们经过市场调研，以及与环卫相关部门沟通环卫人工成本费用，我们以车辆使用五年为例，我们收两年的人工成本作为我们自动驾驶套件的费用，那么剩下的三年人工费用就是纯利润。这个账很好算，而且人工费用逐年上涨，而无人驾驶扫路车的成本却是逐年下降的。

To B（To G)--->To C

现在自动驾驶，可以算是泛人工智能领域的一个应用。泛人工智能领域，包括做机器人、自动驾驶等，其整个商业模式都有这样一个顺序，TO B，或者刚开始TO G，让政府买单，完了才可能TOC。实际上电动车领域也是这样，到现在为止，很多私家车都换成纯电动的汽车，但是实际上有超过一半的电动车都是政府在买单，不仅仅是补贴，公交车、商务车等都是政府、企业在买单，它更大的产值不是产生于我们的私家车。同样的自动驾驶最开始落地也会走这样的路线，具体有几点考量：

第一、从商业来考虑。如果你TO C的话，它对于普通的老百姓来讲，带来的仅仅是一个体验的提升。原来车是自己开的，现在突然变自动驾驶，仅仅是体验的提升，老百姓其实很难花太多钱去买一个体验的提升，但是如果你TO B的话，它就不是为了体验提升，而是为了降成本。降成本可以促成他们去承担无人驾驶这一新生事物所可能带来的风险。

第二、老百姓要求会很高。如果现在是TO C的行业，老百姓的要求会特别特别高，因为老百姓不懂整个行业的发展现状。老百姓觉得车从北京自动到河北农村是正常的，但目前自动驾驶汽车在北京城内的结构化道路自由跑起来都不太可能，现在的落地场景只能在一些限定的区域内。但TO B就没关系，只要能够让企业降低成本，企业的要求会降低，甚至可以派人配合你，比如我们的物流，以清华为例，原来可能要配三个快递员，但如果加入物流车只要一个快递员去配合去维护，企业的成本降低了，企业的目的也就达到了。你卖给老百姓，老百姓肯定不会这么想，会要求物流车把所有事情都给做了，恨不得把快递放到家里，但是现在物流车是不可能做到的。

所以，无人驾驶车最好是先TO B、TO G，再TO C。智能车最后的TO C，会类似于现在的滴滴，或者是神州，所有的车都变成无人驾驶，去做TO C服务，再通过终端和管道的模式去赚钱，但这个可能至少需要十年以上的时间来实现。现在即便是低速车领域，也会有很多因素影响自动驾驶的落地。

多方面因素将影响自动驾驶落地

第一、政策法规。目前国内没有一个测试法规，更不要说商业化落地的法规，美国像内达华州、加州这些城市，早就开始发放测试牌照，但国内还没有。明年可能有一个全国性的测试牌照法规落地，大家期待一下。

第二、标准。汽车每一个部件都会有一个明确标准，包括之前做驾驶辅助系统，因为它针对的工况有限，所以它可以列出十几个、几十个测试用例来，通过测试标准就达标，但是自动驾驶现在谁也列不出一个标准。车到底开到什么程度，自动驾驶就算可以了。就像我们人开车一样，没说刚拿到驾照就不能开车，也可以开车，但是开10年、20年的老司机也可能发生事故。所以，自动驾驶的车标准到底是什么，测试里程是多少，这一点谁也说不清楚。

此外，如何去评价自动驾驶汽车是一个大问题。原来我们做驾驶辅助系统的时候标准都是相对明确的，例如定速巡航，驾驶员设定一个速度100公里/时，如果这个车速无论是上坡、下坡、路平还是不平，都能稳定地控制在100公里/时，就可认定这个车的控制做到很棒。但是自动驾驶车速无论是否稳定到100公里/时，都没人会关注，因为不会有人要求车速永远不变，所以这个标准很难出。

第三、社会观点。现在经常有人跟我讨论一个问题，就是所谓的社会伦理和道德的问题。比如前面有一个小孩，旁边有一棵树，如果这个自动驾驶的车不去撞前面的小孩就会撞树，而如果撞了树，车内的人就不保。如果不撞树的话，外边的小孩不保，到底撞谁？经常会有人问我这个问题。我说好多事情都会有伦理问题，包括我们的炸弹、原子弹，甚至水电站，这都会有伦理问题，你能不能去克服这个伦理问题，主要看这个东西能不能给社会带来足够大的价值。所以，这些伦理问题，可能每家会定义不一样，包括出了交通事故到底谁负责的问题，建议用商业的角度去解决这个问题，比如买个保险。

第四、资本市场和经济环境。自动驾驶领域非常火，但需要资本方有足够的耐心。先看一下滴滴、摩拜、OFO，这些模式驱动TO C的公司，一般周期短，类似于百米冲刺，甚至50米冲刺，刚开始就需要火力全开去跑。而技术驱动型公司，周期会很长，类似于清华的3000米长跑，甚至是马拉松，目前处于起始阶段，大家跑的还不到100米，这就要求资本市场要有足够大的耐心，不要想着两三年就把钱收回去，这基本是不太可能的。

第五、技术发展。对于技术驱动公司，技术问题都不是问题，如果技术不能解决好，那就说明时间不够，只要给足够多的时间，技术问题都是能解决的。

第六、利益相关方。比如我们做物流行业，确确实实会让一些快递员下岗，这些快递员怎么安置？比如我们做环卫，确确实实会让一些环卫工人下岗，那这些环卫工人怎么解决？很多人会问我这个问题，所有东西都变成无人驾驶了，这个事情怎么办？我说没办法的，就像我们现在用机械化耕地取代开始的人工耕地的时候，这些人去哪了？比如我们用汽车取代马车，马车夫去哪了？整个社会都是这样去发展的，效率会提升，有一部分人会被淘汰掉。虽然被淘汰掉，但是这部分可以重新学习、重新成长、重新到一个新的岗位，整个社会效率会提升。

现阶段，自动驾驶存在各种各样的问题，但是我们认为自动驾驶的专用车会率先杀出重围，原因在于其能迅速地避开这些相关的问题点。首先是法律法规的问题，现在低速专用车主要是投放在限定的区域内，比如投放到学校、小区、公园这些私有的道路内，不必受到马路上的法规约束；其次是技术问题，因为速度低，所以它的技术风险是可控的。现在所有的商业化落地问题，都是要解决一个问题—收益，你只要能够给我们的客户带来足够大的收益，其他问题不是问题。

刚刚讲低速车，我们能够很快落地，但是公司长远目标不能永远放在低速车这个领域，这是我们智行者公司自己的一个规划。我们公司是2015年成立的，当时算是国内第一家做自动驾驶的创业公司，前几年主要给整车厂提供技术解决方案。今年开始我们主要推动低速专用车的商业化落地，大概到2020年，才会去推动适用于像高速路、北京的环路、上海高架这种半封闭道路的应用场景自动驾驶技术的落地，比如像干线物流、城市的BRT公交等这些相关的应用；我认为大概到2025年才能够实现满足所有开放的城市化道路的无人驾驶技术的商业化落地，这是我们自己的一个规划。我认为到2025年，在北京五道口无人车就能跑起来了。

自动驾驶的关键技术

回到清华，咱们是工科院校，总喜欢讲讲技术，所以，我这边也是准备几页PPT，讲讲我们的技术。整个自动驾驶产业链非常长，但大体上可分为环境感知系统、中央决策系统、执行系统这三大块。任意做好一个单项技术，都能成为一个巨无霸的公司。比如摄像头，以色列有一家公司叫Mobileye，汽车行业应该都知道，这家公司上半年的时候刚刚以153亿美金被英特尔收购。其实仅仅做一个摄像头，就可能成为153亿美元的公司，别说做激光雷达、地图，那将会成为更大的公司。

智行者主要主攻中央决策系统这块。我们干的事情主要是三大部分工作。第一、多传感器的信息融合；第二、决策规划；第三、车辆控制。智行者不是一个方案公司，而是做软硬件一体化的产品公司，并且提供运维服务，这是我们的定位。自动驾驶的中央决策系统的整个架构包括感知、定位、决策规划，最后是车辆控制。而决策规划加控制这一块又分成以下几部分：行为预测、决策、路径规划、车辆控制。

多传感器融合感知

现在很多公司说仅仅依靠激光雷达实现自动驾驶，仅仅依靠视觉实现自动驾驶，仅仅依靠单一传感器实现自动驾驶，我一直对这种观点不太认可，因为基于单一传感器的环境感知存在缺陷。做驾驶辅助系统只要覆盖95%就OK了，因为辅助嘛，剩下的人去管就好了。但是做自动驾驶，你做到100%还是不够的，要做到110%、120%。为实现交通环境的实时、准确感知，智行者坚持多传感器融合思路。

1.坐标转换

坐标转换不仅仅有空间概念，还包括时间概念。也就是说，多个传感器在不同的位置，都要转换到汽车的坐标上。比如你指定了坐标原点，这里所有的传感器都要转换到同一坐标系下，这就是坐标转换。但是所有的传感器周期是不一样的，所以要做到时间上的同步。

2.数据关联

从整个融合架构来讲，数据关联才是最重要的，因为每一种传感器有自己的优劣特性，这时不仅依靠算法，还要依靠人的经验。你只有清楚地了解每一种传感器的误差特性，才能做好数据关联。也就是在这样的工况下，到底是该相信摄像头，还是相信激光雷达，这个一定是分工况的。不同的工况，定义的传感器权重一定不一样。最后才是整个的融合以及跟踪，但融合其实大家的方法基本都一样，像我们因为有工科这样的背景，大家都能用比较好的一种方法。我觉得真正的关键点在于数据关联这块，纯粹是靠经验。大家可以看一下，这边是我们融合后的结果，它可以对车辆进行很好的识别，前方可以识别到200米外的障碍物。整个来说，我们连续跑过四五百公里，可以做到零失误，或者零误差地识别所有的障碍物。

高精度地图与地位

我们做自动驾驶一定要做定位，1.确定车在哪里，因为自动驾驶首先会给它一个全局的任务，从A点到B点，假设从清华到天安门去，给了一条路径之后，要沿着这条路径去跑，跑到每一个点我都得清楚地知道位置在哪，要跟后台推的全区路径是一致的。2.知道车道线在哪儿，比如现在从清华东门出去，要在成府路路口左拐。如果左拐的话，车一定要在左转弯车道上，这也是所谓的局部路径规划，要清楚地知道在哪条车道。3.知道我的方位角，要能车辆控制，比如我要左转，要确定需要多少度的转角，这跟路的半径、车的方位角有关。

一讲到定位，大部分都会认为用GPS或北斗就解决了，实际上我们大部分的路网都没有GPS信号，或者说弱GPS信号。先前我们的物流车在清华整个路网范围内去投放的时候，发现90%多的路网都是弱GPS信号的。也就是说，如果用GPS是满足不了定位要求的。所以，在智能车领域里一般都会用高精度地图去做定位。这个高精度地图跟传统的二维地图完全是两码事，高精度地图它是多维的，并且它的维度是可以无穷无尽的。而我们平时用的高德地图、百度地图都是二维地图，都是X/Y的一组坐标。

除了知道X、Y这种路网坐标之外，还需要知道整个道路的拓扑图，也就是知道我在每个车道线到底是左转、还是右转的。比如在学校内投放，要求在地图内显示限速，甚至显示哪里有一个垃圾桶，因为垃圾桶经常跟行人识别重合。当显示哪里有垃圾桶之后会把它排除掉，这不是行人，而是垃圾桶，这是另一个维度。所以，地图可以定义无穷无尽的维度。

高精度地图的作用非常多，第一个就是定位。比如车行驶到某地，通过激光雷达的点云跟原来高精度地图的点云做匹配确定具体位置，同时感知也可通过高精度地图。比如通过摄像头识别红绿灯，传统的识别红绿灯是整篇图像都去搜，先搜到红绿灯在哪，再去识别红绿灯到底是绿灯、还是红灯。在这个过程中误差非常大，因为红绿灯会与背景重合，比如绿灯与树木重合。如果是高精度地图可以确定红绿灯的位置，降低图像识别的难度。所以，高精度地图的作用会非常多。

通过一个视频简单了解下，最初的电动车完全没有GPS信号，纯粹是靠高精度地图在做定位，它可以沿着墙根小路去跑。这边是它点云匹配的一个效果。前面是做定位，后面是讲我们行为的一个预测。现在自动驾驶最大的挑战并不是目标识别，而是行为的理解。比如，通过激光雷达、摄像头识别前面有一个老太太是很容易的，但是这个老太太下一步要做什么，是不是要“碰瓷”，这才是最难的。而现在我们做这种行为的一个预测，其实做的很简单，但是远远还不够。现在的做法仅仅是将前面的障碍物分成行人还是车辆，行人的动作对我们来讲永远是随机的，车辆因为受到道路等方面的约束，包括车辆动力学的因素反而相对是有规则的。

这边可以看看，在清华学校的某一个路口，激光雷达一扫，可以知道这里有行人，根据他的动作去预测后面5秒未来的方向。这个变红色，表示他往这个方向的概率越大，现在对于行人我们只能给一个概率，而不能确定他真的往这个方向去走，这块是很难的。之前我在汽车系学术沙龙上讲，那怕有5个博士专门去做这个课题，并且论文都可以写得非常好，但是还不一定把这个事情完成的非常好。

这是我们做的车辆预测，比行为预测会简单很多，基本上你可以比较确定地知道它未来的走向。但是说实话，这个事情做起来非常难。国内的话，除了百度发布了这个视频以外，我没有看到第二家做车辆后面的行为预测视频。当我知道前面的障碍物想干嘛之后要去做决策规划，流程是：首先识别车前是否有障碍物，确认有障碍物，再对障碍物进行行为预测，最后再确定如何行使，这就是决策规划。

传统上我们基于规则做智能测试决策规划，比如跟车、换道，都是基于规则。跟车的话，现在跟前车的距离小于多少，速度小于多少，就一直跟着。如果前面的速度已经小于很多了，要考虑换道，这就是基于规则，它的某一个阈值是固定的，但是事实上不符合整个交通量的。因为我们人去开车的时候，从来没有说限定某一个速度，或者限定某一个距离小于一定值的时候去换道，换道是根据心情或其他一些因素随机换道。

所以，基于规则的方法很难融入非自动驾驶状态下的交通流，但是基于规则的方法的好处是大部分情况是安全的，这也是我们制定规则的首要考虑因素。但目前人工智能，在同一个场景决策的结果可能不同，这是目前最大的问题。

基于强化学习及规则约束的智能驾驶混合决策技术

针对上述问题，我们做了一个混合决策的方法，通过强化学习+规则约束+在线更新，最后得到混合决策的系统。原理：首先感知模块通过场景辨识，确认该场景在场景库中出现的概率，通过强化学习输出结果。如果该场景不存在于场景库或训练库中，会通过规则的方法输出一个结果，再去更新整个场景库，来完成整个架构。   

上面说的是算法，但是如果要做产品，就要有一套自己的软、硬件架构。核心算法层不变，改变的是应用层。这也是我们团队能快速的从一个应用领域切入到另一个应用领域的原因。

关于智能车大家现在最关心的还是硬件，像汽车电子的一些系统，我们用的传统的控制方法，如PID，这些控制方法其实用一个单片机完全能跑通。但是现在要做强化学习的方法，做图像处理、激光雷达点云处理，单片机肯定是完成不了的。所以，现在我们用GPU、FPGA。但是GPU也好，FPGA也好，原来在汽车行业很少应。我们现在整体上硬件，激光雷达都用国产的，然后控制器是用一个三核的。相信我们现在做的这个嵌入式控制器是全国第一个实现量产的自动驾驶的控制器，实际上国内90%以上的自动驾驶的车上用的都是工控机，我们真的把它实现了嵌入式，并且实现了量产。

这边是我们今年发布的两个产品展示，这是给电商做的无人物流的配送车。这是9月11号跟百度在奥森投放了一个无人驾驶的扫路车，这是在奥森投放的场景，有一些视频可以看一下。这个车投放是在园区内，现在已经开始在马路场景。这是在亦庄一些道路。也就是我们今年解决小区内的最后一公里问题，明年我们要去解决各个配送点，到小区最后3.5公里的问题。这是绿化带在修路，它能自动绕过去。

在校园内，树底下，楼地下是没有GPS信号的，包括学校内大家骑自行车，以及社会车辆，这种场景会比马路上更加复杂，因为大家不遵守规则。在校园里我们经常会碰见在我右边的车，突然在我面前左转，但是马路上你很少碰到这种工况。我们物流车通过后台编队、调度，到目的地之后，会给客户发信息，通知收件人有快递，请下来取。收件人通过扫二维码，后台会把快递柜门打开，取件人取件、关柜门，这是一个取件的流程。实际上真正体现我们技术实力的是高速车，这个车最高车速跑到130公里/时，现在已经累计测试30多万公里。这个是高速路修路的一个场景，这个是给其他车切入之后，他自动换道的一个场景。目前国内还没有几家公司能做到自动驾驶车辆的自动换道。这是在国道跟货车的场景，跟一段时间后车会自动打开转向灯，自动去实施换道的过程。

关于创业

前面主要是介绍智能汽车相关的行业技术和我们公司的情况，最后一个话题，我谈谈关于创业的一些想法，创业无非几点：找方向、找人、找钱。

找对方向

之前讲到，产品做出来，一定要有人买单，所以方向非常重要，不要去做一些伪需求的东西。我一直认为方向比速度更重要，如果你做这个事情方向是错，你花再多时间都没人需要的。

大家想想，如果做出来的产品带来的成本与便利性不匹配。如有些公司做自主泊车，这在里我提醒一下，做自主泊车和实现整个自动驾驶的硬件是一模一样的。也就是说同样的成本，有人实现了整个自动驾驶，而有人只做了自主泊车这个功能。自主泊车这个功能，完全可以通过十几元小费让服务员来完成，谁还要增加十几万甚至几十万的成本买一辆只有自主泊车功能的车呢？所以自主泊车这个功能大概率会在车实现自动驾驶之后水到渠成的普及，而不是现在成为一个独立的功能。

找人并留住人

找人，并留住人，最开始一定是找合伙人，我不认同现在很多投资人的一个看法，就是创业团队一定是多个方向的人，比如有人做技术，有人做商务，有人做运营，有人做财务，各个方向的人凑在一块，这样的创业团队才是一个好的团队。我认为找合伙人主要看三观是否一致，是否能够背靠背去“打仗”，因为创业过程就是背靠背“打仗”的过程。

自动驾驶，这个赛道有非常多的公司，会有人打击你，而此时你不必担心家里起火，因为你的合伙人是能够背靠背“打仗”。创业过程，其实不简单，会有非常的利益冲突，比如合伙人被挖，比如决策后合伙人不执行，比如与合伙人意见不合各奔东西，这是很常见的。

合伙人之间的分工一定要明确，我特别推崇冯仑的一句 “排座次，分金银，论荣辱”。

第一、排座次。

大家一定要把分工谈好，我做CEO，你做CTO，你做C什么O，这个事情一定要先谈好。不是说谁是老大、谁是老二，大家只是分工不同。

第二、分金银。

分工完了之后就是分金银，“分脏”一定要均匀，我觉得这点是很多团队的根本，大家不能有太多的私心，因为每个人站的位置不一样，你掌握的资源会不一样。比如说这个项目奖金由我来分配，这就是资源，10万块钱的奖金可以给自己分配2万，其他几个各分配1万块钱，这就是你有私心。别人会问你，凭什么你的比我多？但如果10万块钱，每个人都是1万块钱，那没的说，合伙人之间就应该这样。员工一定是多劳多得，不能吃大锅饭，但是合伙人最好是吃大锅饭，这是我的一个观点。

第三、论荣辱。

论荣辱，其实就是说你要做好思想工作，要有大局观，因为这个事情没办法的，总要有人受委屈，总要有人站在前面。我们公司最近就发生这样一个问题，几个合伙人都是清华毕业的，公司发展到现在这个阶段，要发展壮大，清一色清华系就会有问题，首先别人融不进来，比如公司准备招一个牛人，这人是北大，一考察，公司创始人清一色清华的，人就不来了；其次，我们投资人会认为公司单一。所以现在我们要论荣辱，要讲大局观。所以我们要更换合伙人，要融入其他人，这就是论荣辱。

关于找员工，业务互补排在第二位，是否一条心才是首位。找员工我面试时首先了解，我们的价值观是否一致。举一个例子，有些员工喜欢在老板面前表现自己一直在加班，发邮件他会定时三点发给老板，老板会觉得你是不是工作到凌晨三点。第一次给骗过了，第二次发现还是凌晨三点，第三次还是凌晨三点，我们会质疑是不是定时发送？跟我们玩伎俩、玩心眼这样的人我们是绝对不要的，你花时间好好地去工作就行了，有工作成绩大家自然会觉得你很牛，没必要花时间去玩这些伎俩。我们公司的价值观是崇尚奋斗，不让奋斗者吃亏。

关于找投资人，三观也要一致，有些投资人就是想在你身上快速地赚钱。我觉得投资人分成三类：1.肯帮忙、事不多。2.不帮忙、事也不多。3.不帮忙、事很多。我们一定要一个帮忙事不多的投资人，英诺天使基金就是这样一个投资人。

我们都是研究生阶段的技术背景出身，但等你真正去创业的时候会发现最擅长的技术根本不够用，更别说落地产品。退一步讲，技术问题解决了，财务呢？看得懂财务报表吗？东西做出来之后，要去销售，懂市场吗？公司人多了，懂管理吗？这些都是创业过程中要面临的问题，一定要具备强大自我学习的能力。并且一定要要保持这样的心态，不断地逼自己去学习。

企业发展到一定程度，肯定有最初的创业伙伴已经跟不上企业的发展节奏，实际上我们智行者已经碰到这样的情况。虽然我们仅仅是发展两年时间，但是有一些相对的，摆在一个比较高职位的人，他已经不适合我们公司的发展了，这时候你怎么办？关于这个问题，我不告诉大家具体的方法，因为我也没有具体的方法，相信大家都有各自的处理方法。

创始人

最后一个，创始人。创始人在公司一定不能说自己累，任何情况下，你都要自己默默承担，这就是CEO。但创始人是真累。

第一、心累。

一般来说，CEO只做20%的决定，其余留给公司其他人做。以签合同为例，有人做好后拿给你签字，看似你只需看下，签个字就好，但其实对CEO来说，签字的同时，要做好出问题负责的准备，也就是说CEO只做20%的决定，但要承担100%的压力，并且没人与他分享这份压力。

第二、身体累。

CEO永远没有放松的时候，那怕是在家里，心里想的永远公司的事情，比如放假期间，你会突然想起来公司的水电关了没有，这样的事情比比皆是，你的身心很难放松下来。比如融资，融资前每天与投资人谈论融资条款等，心里想着融资后可以休息放松一下，但融资后，你会发现压力更大，因为融资后意味着你要干出更好的业绩才可能有下一轮融资。

创业不容易，事情繁琐杂乱，出了问题之后，首先要想如何解决问题的方法。其次要做到败不馁、胜不骄。我认为这对于从初中、高中都过得比较骄傲的清华学子来说，这点自信心还是有的。即便到清华之后经受了一些挫折，毕竟好些学生会突然间从学校第一名变成了好几十名，但我们坚挺过来了，这说明我们抗打击能力还不错，可以做到败不馁。但是我们很难做到胜不骄，因为人有一些小成就就会放松，但可能就“死于安乐”了。所以说败不馁很重要，更重要的是胜不骄。

这个就是我关于创业的分享，谢谢大家。