創業一年來，馭勢科技快速發展，在2017年的CES（全球電子消費展）上推出了自己的樣車，讓業界為之一振。

對此，吳甘沙有更自信的計劃，按照產品開發的三個階段，他們快速完成了第一個階段——Demo（演示），在今年，他們將重點放在了第二個階段——部署與試運營，會將大量的原型車部署到實際場景中去使用、研究客戶的需求，來驗證和疊代產品，在這個步驟完成之後，才進入最終的產品量產階段。

而對於自動駕駛這個行業的分析，吳甘沙有著清晰的「四象限論」，他靠此戰略引領著馭勢科技向前一步一步地發展。

與谷歌、特斯拉等行業龍頭不一樣，馭勢科技選擇了從第四象限的低速、純粹無人駕駛的戰略切入，選擇在園區、景區、度假村、主題公園等特定場景下的領域切入，在這個領域將根扎牢，再往右上象限即高速、純粹無人駕駛的方向發展，而這也是大部分創業公司選擇的路線。

而作為中國的創業者參與到與谷歌、特斯拉等全球巨頭並且是先行者的競爭，吳甘沙並不膽怯，他認為，後發優勢不可忽視，並且中國的人才優勢、未來可能的數據優勢也必然是存在的，在這些優勢的加持下，「通過未來三五年的發展，中國最領先的智能駕駛公司一定會跟谷歌和特斯拉站在同一水平線上。

」

最後，我們請他對中國開放智能駕駛的時間節點進行預測，他非常爽快地說出了他的預測：在園區、在限定場景、非公開道路，一兩年就可以商業化；最後三公里、最後五公里的無人駕駛，四五年內有可能實現；城市區域的中高速的無人駕駛，可能需要十年的時間。

專訪實錄

創業感悟

《千秒》：馭勢科技現成立一年多來，在2017年的CES展會上已經展出了樣車，引起了很大的轟動。

那馭勢科技的下一個目標是什麼？

吳甘沙：其實在我們在做技術做產品的過程當中，我們分成三個階段：第一個階段叫demo（演示），這個在去年九月份就已經完成了；第二個階段，叫deploy（部署），今年的重點，就是把我們大量的原型車能夠部署出去，能夠真正地在實際場景當中去使用、去研究客戶的需求，去看是不是達到我們的安全可靠性標準，這是我們今年的重要目標；我們第三個階段就是production（量產），就是真正的產品，量產的產品出來。

在今年，我們會聚焦於部署，聚焦於試運營。

《千秒》：我們知道您是從英特爾離職創業，此前也一直都是大公司工作的背景，那現在在創業過程中有沒有發生過改變或者動搖的時候，還是一直沿著最初那種創業想法有條不紊地進行呢？

吳甘沙：前兩天我翻了一下我們原來的BP商業計劃書，我就翻了兩頁，第一頁是說我們要去做限定場景當中的無人駕駛，第二頁是我們要做高速情況下的增強的輔助駕駛。

那麼現在看看我們做的，應該說跟我們原來想的是一模一樣的，但是在這個過程當中，我們肯定有猶豫，有爭論，我們有資源的不同的分配。

這是正常的，因為首先，智能駕駛它就是無人區，沒有人告訴你什麼是對的，什麼是錯的，我們必須得不斷地根據我們現在對市場的這樣的一種嗅覺、不斷根據技術演進的難易度、根據各種上下游、商業模式的變化來去調整我們的思路。

舉個例子，去年上半年我們是堅定的唯視覺主義者。

就是指，我們就靠計算機視覺，因為計算機視覺是每一個人都用得起的。

但是，去年下半年，我們發現所有的雷射雷達廠商都給出了（價格）路線圖，兩年以後、三年以後、五年以後，從今天的75000美元到300、500美元再到150美元，這時候，我們就要問自己，我們是不是繼續堅持用計算機視覺，還是應該把這樣一個越來越便宜的雷射雷達也加入到我們的方案中來，最終能夠實現對終端消費者來說更加安全可靠的解決方案，這裡面其實我們在不停地變化。

《千秒》：那您在這一年多的創業歷程中，對創業的感悟是什麼？在英特爾可能過的是按部就班的外企的科研型的生活，現在創業有一年多，您的感受是什麼？您覺得創業者目前在中國是一個什麼狀況？

吳甘沙：我是覺得尤其是像我們這些大公司出來的人，創業的一個最大的感悟就是要忘記自己的過去——無論過去多輝煌，多被仰視，其實都是零。

你必須要從頭開始，這時候你必須要接受大家看你是一家小公司，可能人才要加入你這家公司，他是有猶豫的。

你的供應商可能沒辦法按時地給你供貨，可能你去找一個客戶很困難，這時候，就必須要擺正心態不斷學習。

我原來覺得在公司裡面各種人情世故、世間冷暖都看過了，但事實上，在重新創業的時候又學到了很多。

我覺得對於創業最大的感悟就是，空杯心態，放空自己，重新進入一種不斷在學習的歷程，這是最重要的。

自動駕駛四象限機遇

《千秒》：我們看到目前在全球很多的科技企業和一些汽車廠商現在都在進軍自動駕駛領域，可能每一家的路徑選擇都不一樣，包括馭勢科技可能一開始的道路選擇也與眾不同，那麼現在好幾種選擇中，他們各自的優劣分別在哪裡呢？馭勢科技為什麼選擇這一方向呢？

吳甘沙：對於戰略的選擇來說，我覺得可以把整個市場，看成二乘二的四個象限（如下圖）。

上邊兩個是中高速，比如說七十公里以上，下面兩個是低速，七十公里以下，左邊兩個是賣給中端消費者的，帶自動駕駛功能的私家車，而右邊是純粹無人駕駛的，共享的汽車。

那麼這四個象限其實代表了不同玩家的未來的定位。

圖1 自動駕駛市場四象限分析

從未來發展趨勢來看，右上象限，就是七十公里以上的，並且是針對無人駕駛的共享車輛，肯定是最大的一個市場。

但是，毫無疑問，我們能真正達到這樣一個階段，還需要5年到10年的時間，這意味著現在所有的玩家必須得在其他幾個象限當中做出自己的選擇。

比如說谷歌原來是在右上象限，它一定要做到城市區域的無人駕駛，但是它後來發現可能太遠了，於是它就往左上象限走，成為一個給高速汽車車廠提供解決方案的供應商。

另外一個方面，右下角可能是一個主流玩家並不喜歡玩的區域：低速的、共享的無人駕駛。

比如說在園區、景區、度假村、主題公園，在廠區、物流、巡邏等等這些領域，這對於創業公司來說，可能是一個不錯的機會，因為這一塊市場不足夠大，主流玩家不屑於玩、而對於創業公司來說，你在這樣一個地方能夠把根紮下來，不斷地去推出產品，去鍛鍊自己的技術，積累自己的數據，慢慢地去尋圖大計，走向右上角的象限，這可能是創業公司可以選擇的一條道路，這也是我們選擇的道路。

《千秒》：那剛才講到我們4個象限，您覺得剛才從右下角的象限和右上角的象限，也就是說一個涉及到高速的自動駕駛，一個涉及到特定領域的低速駕駛，這兩個領域的發展前景您有沒有一個判斷？

吳甘沙：我想未來最大的市場肯定是右上象限，因為，當城市的無人駕駛計程車變得普及以後，當打車難和打車貴的問題解決以後，當城市的擁堵、交通事故、排放、停車這一系列的問題都解決的時候，那這塊的市場就變得巨大。

今天，滴滴的峰值一天能達到2100萬單，而未來我們相信全中國一天達到5億單都不是個夢想，這塊市場未來是潛力最大的。

那麼，左上角這一塊高速的，針對私家車的自動駕駛或者說輔助駕駛這一塊呢，應該說在近期內，市場是非常大的。

比如說現在看中國的智能駕駛路線圖，到2020年，具有駕駛輔助和部分自動駕駛功能的新車銷量一年是1500萬台，那麼你可以算一算，這裡面一年的產值，至少是幾百億的。

所以這一塊，在近期市場是非常大的。

那麼右下象限，即針對低速的、限定場景的無人駕駛的領域，一開始市場可能還不足夠大，但是中國有幾千個景區，上千個機場，幾萬個工業園區和度假村，如果說真正能夠把技術做到足夠可靠和便宜，那我相信這一塊的市場，隨著未來幾年的發展，慢慢地就能夠達到10億這麼一個量級。

中國彎道超車

《千秒》：在國內，最近有比較多的企業也在自動駕駛和研發上進行了投入，您認為在這個領域，中國與全球世界最先進的水平的差距大概是多少？

吳甘沙：說到領先者，可能谷歌算一個，它是在無人駕駛這一個領域商業化起步最早的。

特斯拉也算一個，它是在輔助駕駛這領域，真正能夠做到大規模商業化的。

它們兩個各有優劣。

谷歌起步比較早，在無人駕駛經驗上積累得比較多，而特斯拉有後發優勢，因為等到它開始做的時候，像深度學習、最新的人工智慧的技術已經慢慢開始得到普及了，它可以一下子把這樣的技術用上去。

所以可以看到早有早的好處，晚有晚的好處。

我自己做過幾十台車，我對各種數據能夠掌握。

對於特斯拉來說，把車大量地賣出去，然後在這個過程當中，不斷地去收集數據，雖然這個數據總量目前相對谷歌還比較少，但是它收集的量還是非常大的，所以可以看到，先行者和後來者是可以找到不同的定位的。

就我看來，中國的自動駕駛或者是無人駕駛起步，從科研角度上，起步並不晚，我們二三十年以前也開始做，從商業化這個層面上來說，我們一定落後，落後了可能3年到5年。

但是我相信後發優勢，我們一定是存在的，我們的人才優勢，一定是存在的，未來可能的數據的優勢，也必然是存在的。

所以我相信，通過未來三五年的發展，中國的最領先的智能駕駛的公司一定會跟谷歌和特斯拉站在同一水平線上。

自動駕駛爭議

《千秒》：接下來談一下自動駕駛這個具有爭議的一些問題自動駕駛現在面臨其中的一個爭議就是安全性，因為完全是電子化、機械化，一旦被黑客控制的話，那可能相當於就是被劫機一樣，而且是大範圍的劫機。

那在這種自動駕駛的實現當中，如何降低類似的這種風險呢？

吳甘沙：其實，在智能駕駛汽車上，有兩種安全性，一種安全性，英文叫safety，比如說我不撞上其他人；另外一種安全性叫security，它更偏向於信息層面，是指不會被人黑掉，被人遠程劫持。

這是兩件不同的事情，但是，我們可以用一個統一的框架去解決這個問題，我們把它叫做「四步走」框架。

第一步，叫做正確性。

我要設計一個系統的規範，保證它是足夠正確的，用英文來說，叫『Do the right system』。

第二步，叫準確性。

在把這個規範變成一個具體的軟硬體實現的時候，我是不是用一種非常準確的方式去實現的？我是不是Do the system right？這兩步做完以後，意味著這個系統就可以賣出去了。

第三步，就是security（信息安全）。

我要保證它作為一個信息系統是不會輕易地被黑客劫持的。

這裡面我可能會用到很多的技術，比如說傳感器，要防止被欺騙，比如說軟體系統，通過加密、通過隔離、通過監控保證它不會被輕易地黑掉，或者被病毒所感染，要用多重的冗餘來保證它其中的一塊失效其它幾塊還能接上。

第四步，叫control，控制。

如果前三個階段都失敗了，汽車還是被劫持了，那有沒有可能，遠程通過一條指令把控制權拿回來，或者在車上放一個紅色按鈕，我一按紅色按鈕，全車斷電，車停下來，不能再被破壞或劫持。

所以，我們可以通過一個完整的安全設計的方法，來去解決這些問題。

《千秒》：剛才談到正確性的問題，自動駕駛爭議比較多的可能就是涉及到倫理，極端條件下，比如說一台自動駕駛的汽車在緊急情況下一邊是小孩，一邊是懸崖，如果在這個時候它必須要選擇一個的話，那自動駕駛的汽車應該怎麼選擇呢？

吳甘沙：首先，我覺這個問題本身就是有問題的。

你選擇一個人去傷害，它本身就是一個錯誤的選擇。

我們其實這麼想的：第一，智能駕駛的汽車未來碰到一些極端情況的時候，它要做一些選擇，而這個選擇很有可能是被編程進去了。

那麼意味著什麼呢？程式設計師把他的意圖放進去了，但這個意圖是不是正確的？其實是要用比如說社會的一個統一接受的標準來衡量，對吧？

現在在美國加州，如果要獲得智能駕駛車的測試牌照，要提交的材料當中有一條，就是你把你選擇的這樣一個道理、邏輯說清楚。

那碰到剛才這種問題，其實是沒有很好的社會廣為接受的一個選擇邏輯造成的。

在哈佛公開課有一個課程叫「公正」，教授叫麥可·桑德爾，他的第一課講的就是所謂的「電車難題」。

到底是選擇撞五個人撞還是撞一個人。

但事實上，社會上並沒有統一的結論。

那麼，反過來說，在這樣一種場景下，智能駕駛車其實要做的事，是最好一個人都不傷害，無論他是人多還是人少、老人還是小孩兒、戴頭盔的還是不戴頭盔的，外面的人和裡面的人，我是覺得智能駕駛車應該要做到不傷害人。

它可以傷害車，但是不能傷害人，我想這一定能夠通過程式設計師的編程將這個邏輯編進去。

如果說在這樣一個邏輯下，它還是失敗了，那程式設計師已經沒錯了。

《千秒》：那現在還有一個問題就是法律，比如說出了事故了，這個責任到底是司機的還是自動駕駛系統的、還是車廠的。

對這個問題，您怎麼看？

吳甘沙：未來的每一輛智能駕駛的車都有一個黑匣子，會隨時記錄前面30秒，包括這個車周圍的環境、裡面的每一個軟體、硬體模塊的工作狀態。

一旦發生事故，它可以復盤，可以看到底是人的操作失誤，還是其他的車導致了這個事故，還是車的軟體模塊沒有發現目標物，或者是一個硬體模塊崩潰了。

這個黑匣子非常重要。

其實今天，在普通駕駛的車裡面已經有類似的這樣一套數據記錄儀，像特斯拉就碰到了一起車禍，這個司機在停車入位的時候，突然車噌的一下躥了出去，撞上了牆，司機說：「哎，我在自動駕駛狀態下怎麼變成這樣？」特斯拉把數據調出來說，其實你是踩了油門。

所以可以看到，在這麼一個小小的事故當中，能夠很快地去檢測到，到底是誰的責任，其實這是檢測責任的問題。

那麼未來，這個事故的損失是由誰來承擔？由誰來賠償？這個又有另外的一個說法。

比如說有的車廠說，我願意去負全責，我願意去賠償，因為它要讓用戶們能夠放心地去用它的車。

在英國和日本的一些公司，已經把保險拉進來，如果真正出現這種事故了，不是讓車廠去賠，而是保險能夠去覆蓋一部分的損失。

《千秒》：自動駕駛還有一個很大的需求，就是地圖這一塊，其實地圖這一塊在所有的國家可能都屬於比較敏感的一個地帶，在這種情況下，自動駕駛的發展應該怎樣解決這個問題？

吳甘沙：我想基礎地圖，還是必須給那些有資質的廠商來去做。

比如像中國的四維圖新、高德這些有資質的地圖廠商來去設計、採集、維護基礎的高精度地圖。

這個高精度地圖，它的解析度至少要達到十厘米以下。

但同時因為只通過少數幾個廠商去採集地圖，地圖的實時性肯定是不夠的，它不是一個活的地圖，而是一個過時的地圖。

因為某些地方如果突然出了狀況，它沒有辦法及時地把變化反映到地圖裡面，這時候如果每一輛車都具備一定的對地圖通過眾包的方法進行更新的能力，始終保證地圖是活著的，是能最及時地反映交通狀況的，就變得非常重要了。

其實我已經注意到這一次吉利（公司）已經提了一個兩會的提案，就是把這一部分的地圖更新的能力，進一步把它擴展到很多交通的參與者中。

《千秒》：那剛才講到兩會，其實在2017年的政府工作報告中總理也提到了人工智慧，提出要加快新材料、人工智慧、集成電路，生物製藥等技術研發和轉化，從從業者的角度來看，您覺得從政府政策的支持上，目前我國在自動駕駛這一塊現狀是怎樣的？接下來還期待有哪些政策支持呢？

吳甘沙：我想對現在整個人工智慧來說，政府毫無疑問是非常支持的，因為確實關係到國家的未來戰略性的發展，無論是製造、軍事、經濟、還是社會，其實人工智慧都在發揮作用。

所以國家在資金的支持、在科研導向、在人才培養、在數據的積累和貢獻上，都給予了我們從業者巨大的支持。

當然對於無人駕駛或者是智能駕駛來說，我們可能還需要更多的支持。

我覺得最重要的支持就是讓智能駕駛合法化。

合法化意味著你要制定各種各樣的規章制度、政策來去保證達到某種安全性能的車能夠上路、能夠銷售，而達不到要求的，就不要劣幣驅逐良幣，這是我覺得最重要的。

其次，在產業的激勵政策上也一定要到位。

就像我們今天新能源車，有各種各樣的補貼，能夠保證它度過前面最困難的一個階段。

我覺得對無人駕駛來說，既然它在未來對於我們的城市、社會是能帶來巨大意義的，那麼我們也要有一定的激勵政策。

還有就是生態的培育。

因為汽車本身就是一個非常複雜的生態，有上下游，有保險，如果說大家能夠一起合作，能夠形成一種最有利於智能駕駛的生態，我相信中國的智能駕駛的產業一定會發展得非常好。

《千秒》：您能預測一下中國智能駕駛政策開放商業用車的時間點嗎？或者是其中哪些因素是比較大的障礙？

吳甘沙：我相信在園區、在限定場景、非公開道路，最近這一兩年就可以商業化。

像最後三公里、最後五公里的無人駕駛，我相信四五年，有可能實現。

像城市區域的中高速的無人駕駛，可能需要十年的時間。

《千秒》：還有最後一個問題，就是最近網上有一個段子說美國研究人工智慧的一個教授有一台特斯拉，白天教授上班開，晚上車子自己出去跑Uber，完全實現自動駕駛。

您認為這樣現實的規模化應用大概會什麼時候會到來？

吳甘沙：這是個段子，但是也不是空穴來風。

因為特斯拉自己在做一個Tesla Network，它的一個用意就是白天你上下班，可以為你所用，但是在你不用它的時候，它可以出去給別人提供出行的服務。

按照特斯拉的CEO埃隆·馬斯克（的想法），他一直相對激進，他認為這兩三年就能實現。

但是，實際的發展還是看環境，比如像美國的一些郡，總體上來說路人不算特別多，那很有可能更快地實現智能駕駛商業化。

但是像在紐約這樣的大城市、或者在中國的很多城市，我相信它的商業化需要5年到10年的時間。

關於吳甘沙

憑藉優異成績，尚在復旦大學就讀的吳甘沙就獲得了英特爾獎學金，並在2000年碩士畢業後進入英特爾中國研究院。

在英特爾期間，先後從事java虛擬器研發、並行編程研究、大數據及大數據在物聯網方面的應用，主持嵌入式軟體創新工作。

2011年5月，英特爾首席工程師全球評審委員會將其評定為首席工程師。

該職位在英特爾研發體系中僅次於院士，這也是英特爾中國研究院培養的第一位本土首席工程師。

同年他共同領導公司的大數據中長期技術規劃。

之後他晉升成為英特爾中國研究院第一位非美籍華人院長。

2016年年初，吳甘沙從服務16年的英特爾離職，與格靈深瞳創始人兼CTO趙勇及北京理工大學教師、2013 年智能車未來挑戰賽冠軍姜岩共同成立了馭勢科技（北京）有限公司。

這是一家專注於汽車自動駕駛的創業公司，未來也將進行無人駕駛技術的研發和應用。