【新智元导读】无人驾驶汽车作为AI技术落地的重要领域，热度一直不减。但即使强如Waymo，也同样面临商业化步伐缓慢的问题。国内无人驾驶环卫车领军企业autowise.ai创始人兼CEO黄超表示，在无人驾驶+环卫赛道上，我们近期取得重大突破，有信心两年内盈利！欢迎来新智元 AI 朋友圈与大咖一起讨论～

近年来，无人驾驶汽车作为人工智能落地的重要领域，热度一直不减。但即使强如Waymo，也同样面临着由于技术局限造成的商业化步伐缓慢的问题。2016年就已基本成熟的Waymo无人驾驶车，经历了1000万英里的路测，目前距成熟的商业化仍有很大距离。

对于这个问题，能否找到一个更精确的角度或突破口，从更专门化的特殊车辆入手，迅速缩小这个距离，尽早度过“自动驾驶寒冬”？Autowise.ai创始人黄超表示，目前已经找到了这个切入点：环卫清洁车。

先来分享一下最近autowise.ai在商业化方面的“战绩”：

• 苏州高铁新城刚刚跟autowise.ai达成合作，将采购30辆大型自动驾驶环卫车，用于城市主干道的日常清扫维护。这无疑是城市环卫史上的一大步，也是自动驾驶商业化的一大步。
• autowise.ai在德国的无人驾驶清扫车已稳定运行数月，甚至在试运行比拼过程中击败了德国本土的自动驾驶公司，接下来将进军瑞士和北美。
• autowise.ai的系统已经可以达到在封闭半封闭环境中去掉安全员的水平，结合欧美人工成本高的现状，这是无人驾驶现阶段真正的赢利点。
• 不久前autowise.ai完成1.8亿人民币A轮融资，资本寒冬中表现强势，将持续投入研发和商业落地。

“无人驾驶+环卫，我们有信心两年内盈利，主要的盈利点来自欧洲和北美。”黄超信心满满。

在AI WORLD 2019 世界人工智能峰会上，黄超作了题为《缓解焦虑，无人驾驶商业化正在进行》的主题演讲，从目标、市场空间和技术优势等多个层面，系统剖析了无人驾驶商业化的问题。

下面分享新智元根据现场演讲实录整理：

黄超：大家好，今天我和大家分享的主题是“缓解焦虑，无人驾驶商业化正在进行”，其中的关键字就是“无人驾驶”和“商业化”。

过去几年，无人驾驶可以说成为了一个最热的话题，无论是Robot Taxi、货运、环卫还是物流，给人的感觉是，只要是四个轮子的车，都想被做成无人驾驶。做无人驾驶的团队往往也很容易就能拿到融资。甚至有团队提出要做无人驾驶轮椅，把轮椅装上各种系统，实现自动驾驶。

但是当一轮热潮过了之后，确实出现了一些问题，不管是Uber，还是Waymo都存在商业化周期太长的问题，所谓“自动驾驶寒冬”的说法就是这么来的。随后也由此产生了各种各样的焦虑情绪。

今天就从这些问题出发，谈谈对未来无人驾驶研发和应用趋势的理解。

autowise.ai专注于无人驾驶的研发和应用，将无人驾驶技术推向了环卫领域。我们的目标是：以后道路上跑的所有清扫车都是自动驾驶的。我们在2018年3月份发布了首个无人驾驶清扫车队，2019年拿到了首张自动驾驶清扫车的测试牌照，陆陆续续在德国、瑞士和美国已经开始上路实测了。

这里以Waymo为例，简单回顾一下自动驾驶的发展历程。谷歌是在是2009年开始启动这个项目的，到了2017年完成了1000万英里的测试，拿到了商业的牌照，推出打车软件，最终实现“商业化”，不过这个商业化刚刚开始，目前只在凤凰城的一个很小的区域进行。

上图中左侧的这张图，是2016年我去体验Waymo自动驾驶车的时候拍的，它叫做“豌豆车”。看上去车里面没有方向盘、油门和刹车，实际上这些都有，只是藏起来了。其实2016年Waymo已经做得比较成熟了，但是在我体验的短短两三公里的路程当中也出现过一次人工的干预，因为当时车子离停在路边的车太近了。

所以，即使强如Google，至今还没有真正意义上的商业化。商业化就是要赚钱，现在还没有无人驾驶的出租车，就是因为可能目前还没有找到真正的盈利模式。过去几年中，这个行业太热了，大量的资金涌入，但回报周期可能相对较长，所以现在这个行业还比较疯狂，这就是目前焦虑情绪的由来。

环卫行业的问题根源是“人”，解决问题要靠无人驾驶

要想缓解这种焦虑，可以尝试寻找一些新的方向。目前来看，一个合理、靠谱的方向需要具备三个条件：

• 技术在短期内有望达到商用的水平，这个“短期”大概是三年以内，如果超过三年，可能对投资者来说就有些过长。
• 切入的领域需要有足够大规模的市场来支撑整个研发。
• 相关政策和法规的支持。比如Waymo就在凤凰城拿到了无人驾驶运营的许可，中国也有很多区域提供无人驾驶的测试牌照。

城市环卫行业需要解决什么问题呢？

首先是人力成本，我们粗略统计了一下，全国有超过500万名环卫工人，这些还只是正式员工，其实里面很多都是临时工，没有编制。

其次是老龄化问题，超过一半的环卫工人的年龄在55岁以上。

最后是管理成本问题。目前环卫工人的群体规模很大，流动性非常高，工作环境比较恶劣。比如北京有雾霾，有的地方气候寒冷或者夏季高温，还有一些交通事故的风险，这些都是这个行业要面对的问题。

除了这些问题之外，还有更加骇人听闻的问题。有的环卫公司会给环卫工人配备手环，监测他们是不是在干活，还有的在高温下让环卫工人排成一个方阵走正步，这些都是整个行业奇葩的乱象。我们认为以上所有的问题都是人的因素造成的，也就是说，无人驾驶可以解决上述所有的问题。

将无人驾驶应用到城市环卫领域，可以实现全天候行驶，不管是雾霾、严寒还是高温条件下都没有问题，效率更高，工作严格规范，不用再给环卫工人佩戴手环监视他们是不是在认真干活。

从长期来看，无人驾驶的成本肯定是比人工更便宜，而且更安全，这里讲的安全不仅是被动的安全措施，还有主动的，就是其他车辆撞过来时，我们的环卫车会采取一些安全措施，比如防撞和保护等等。

要打开3000亿的市场，要迈过哪些技术门槛？

说完了要解决的问题，再来看一看市场规模，这里可以告诉大家的是，中国现在每年环卫相关的费用是2000-3000亿元，每年还有将近10%的增长率。而欧美发达国家是这样计算的，环卫标准是1欧元/人/天，换算下来，一个1000万人口的国家每年环卫预算大概是30多亿欧元的水平。从数字比较可以看出，欧美发达国家对环卫车的要求比中国高很多。

我们在德国和瑞士的客户提供的相关数据显示，这两个国家的环卫工人，不管是挥扫帚还是开车，年薪大概是几万欧元的水平，这样看来，这个市场规模可能要比大家想象的更大些。

谈完了目标问题和市场空间，下面谈谈技术层面。

首先需要一套完整的自动驾驶系统，因为环卫清扫车属于专用车，必须能够满足特定的功能。

其次是要用低成本的传感器，很多自动驾驶车用高精度的GPS，插上几个高像素的激光雷达，整套设备的成本达到了车辆本身的数倍。我们的小型清洁车使用的设备大概能够和车价成1：1的关系。在大型清洁车方面，增加的成本大概只有车价的四分之一到三分之一。

然后是需要高精度地图。环卫清扫领域的要求是，车辆行驶必须贴着道路的路沿，因为95%的垃圾和灰尘都在道路最右侧，所以需要高精度贴边行驶。这个精度要求相对比较高，在线实时对Curb的检测也是非常准的，同时要求控制层面能够非常准确地贴合生成的轨迹。

最后是机器学习Pipeline，这需要有足够大的数据吞吐量支撑迭代训练等等。

Waymo商业化的难题，在环卫车领域完全不存在

将自动驾驶应用到环卫领域，其走向商业化的时间会大幅度提前。回顾刚才提到的Waymo，他们的车辆原型在项目启动后数年内基本上就稳定了，之所以花了很长的时间来做数据或者路测里程的累积，就是为了能够应对更多Corner Case的问题。

而如果是做无人驾驶环卫清扫车，就不需要这么多超大规模的路测累积数据，换句话说，很多需要用这种方式解决的问题，在环卫清扫领域根本就不存在。

比如说，无人驾驶车车速太快很可能会导致致命的事故。截至2017年，Waymo的车速规定不超过30英里/小时，超过这个车速，发生重大事故的风险就迅速增加。但我们的环卫车永远不会超过这个速度，因为城市道路的环卫清扫车，国家标准规定车速必须低于12公里/小时，这就是一个非常典型的例子。

无人驾驶很难解决的一个问题就是，在一些乡间野路或者说是非结构化道路上行驶，而对于环卫车而言，这个问题也是不存在的。乡村里种着草的土路不需要环卫车去清扫，这些地方也不需要清扫，环卫车行驶的道路都是城市的主干道或高速公路。

关于Waymo自驾车，被吐槽最多的一点就是它很难顺利汇入正在行驶的车流中，这个问题对于环卫车而言也比较好解决，因为高峰期的时候，环卫车一般是不上路的。另外，特种作业车辆在道路上是有一定的路权，所以当需要汇入车流的时候，按照交通法其他车辆应该进行避让，所以并不需要积累那么多的测试里程。

Autowise.ai的自动驾驶环卫车已经在多个场景实现了商业化，比如上海迪士尼的西公交枢纽、浦东的滨江大道等等，最近在北京海淀园也开始运行了。

在国内稳扎稳打的autowise.ai在海外市场也稳步前进。由于欧洲国家人力成本等原因，无人驾驶清扫有着天然的优势。autowise.ai在德国的无人驾驶清扫车已经稳定运行了数月，甚至在试运行比拼过程中击败了德国本土的自动驾驶公司，接下来会有更多商业合作。很快，autowise.ai的无人驾驶清扫车将进军瑞士和北美。

在无人驾驶商业化领域，还有最重要的一点，就是能不能去掉人类安全员。通过长期的测试和优化，我们的系统已经可以达到在封闭半封闭环境中去掉安全员的水平，结合欧美人工成本高的现状，这是无人驾驶现阶段真正的赢利点。

未来，随着政策法规层面的进一步突破，自动驾驶环卫车有望比货运、物流和乘用车提前实现商用化，这也是autowise.ai整体的商业逻辑所在。

谢谢大家！

本文根据黄超在AI WORLD 2019 世界人工智能峰会上的主题演讲内容整理