百度高级副总裁王劲确认离职，对于无人驾驶，他是这么看的

今天，百度原高级副总裁、百度无人车项目负责人王劲在参加洪泰基金某活动的时候，发表了名为《AI 在无人驾驶的突破》的演讲，在演讲中他确认将会在近日从百度离职，接下来，他会投身无人驾驶领域的创业，并且已经获得了洪泰基金的一笔投资。

这是继百度首席科学家吴恩达于上周离职之后，百度又一位高管离职。在王劲的带领下，百度于 2013 年启动了无人驾驶项目。

以下是王劲的演讲全文，文本来源于猎云网，GeekCar 综合其他版本文本进行了一些修改：

此次演讲，我主要聚焦人工智能在无人驾驶领域的应用。

人工智能是 60 多年前就有了。前面的 50 年一直不成功，为什么？因为它让人先去教机器，然后机器再为人做判断。

到 2006 年，深度学习开始被提出来。但大家看到人工智能真正取得突破是在 2012 年底，谷歌开使用深度的学习做搜索，百度也在用深度学习做搜索。2013 年，百度是全世界最早的用深度学习来做广告的企业。

我们来谈谈人工智能和海外投资的应用。我们可以用深度学习的应用程度和方式来区别他们的这个模式。其实整车厂在十几年前就开始自动驾驶技术相关的研究，他们主要希望通过无人驾驶来帮助人们提高汽车的安全性和操控性。

在这个世界上，我们把自动驾驶一般分成五级。前面 1、2、3 级是需要有人监控的自动驾驶，只有到第 4 级是不需要司机坐在方向盘后面的，第 5 级就可以到任何地方去。

绝大部分的汽车厂商，在 2016 年初（以前）都认为自己需要从 1 级开始做到 4 级，这是他们和科技公司的区别。不过去年之后，绝大部分的车厂都改变了这个方向，他们虽然仍然在走辅助驾驶路线，但是往往都直接调出一个部门做 4 级自动驾驶，因为他们觉得直接做 4 级，比他们一级一级升要快得多。

第二个流派以百度和谷歌为代表，在决策上面也开始应用深度学习做人工智能的驾驶决策。另外一个是 Mobileye，以摄象头为基础的流派。

现在最新的一个 流派是 Drive.ai 和 NVIDIA。他们是想把直接从传感器传出来的信号输出成为驾驶的决策，这是一个非常激进的方案，因为这个方案只有在学术界里在验证，并没有得到成功。所以走这条技术的路径需要大量的计算能力，他们用的是端到端的全深度学习的模型在做。

Drive.ai 这个公司是全球最早走这个方向的，很多人可能不知道 Drive.ai 和百度前首席科学家的关系：吴恩达的太太是 Drive.ai 的总裁，Drive.ai 的 CEO 都是吴恩达的学生。两年多以前，几乎快三年的时候，吴恩达应该走深度学习的路，所以百度仍然是走在科技公司的主流路线上。

综上所述大家可以看到，从最传统的技术，就是主机厂，到最激进的，这个中间有很多的选择，从技术上有很多流派，没有哪一个流派被证明。我们认为全球范围内无人驾驶技术最好的应该是谷歌。

为什么现在的无人驾驶很多人认为有机会，很可能在三到五年内被实现？主要是基于这几个技术的突破：

第一，深度学习。 去年的 AlphaGo 帮助教育了很多高科技行业之外的人士，包括车厂的领导，甚至是芯片厂商。也就是说， 用深度学习来做决策和感知，将会很快的把它的能力提升在人类的驾驶员之上。所以深度学习的算法成为了无人驾驶的基石。

第二个带来改变的就是传感器。 大家知道现在 64 线的激光雷达在逐步的投入量产，到今天为止能力被用到实践中间的这个激光雷达，很多人在做，不过真正可用的激光雷达只有一个公司。但是同时，无人驾驶汽车现在还需要非常多其他的传感器，包括摄象头，包括惯性导航，那么它也需要配合上高精度地图才能实现无人驾驶，这些技术在这两年有突破性的提高，使得无人驾驶在深度学习和新型的传感器上，得到一个非常广泛的，非常好的突破。

第三，硬件的升级打造云端汽车大脑。 以前的 GPU 一般会用来做 PC 上的游戏加速器，百度此前还做了一个非常保密的项目，当时全球有两个主要的厂商来做这个芯片。所以在百度汽车拥有这样的计算能力以后，我们大家就可以把深度学习算法和这个模型放到车上，然后在汽车自己驾驶的过程中间做一些实时的判断和决策。

这里非常关键的基础决策，就是感知，要通过摄象头和激光雷达 对很多的物体 要做出一些判断。 这个判断要用数据做一些评比，就是看看在这样大量的数据里面自己的技术到底有多少的准确性。

基于刚才的这几个技术的发展，大家终于可以看到，无人驾驶越来越成为一个主流的方向。百度的驾驶系统有 10 个子模块，最主要的是前面 3 个：环境感知，行为预测，规划控制。做前面两个的企业比较多，第三个规划控制这个方向，几个主流的科技公司也都公布了这个模块的人工智能技术。一旦这个技术被攻克以后，这个无人驾驶的能力会有比较好的提升。

我们认为，规划和控制会在未来的一两年得到很大的突破，其他的还有很多的东西，比如说操作系统、高精地图，很多很多的企业都可以提供。

无人驾驶技术，除了比拼自己的算法，传感器等计算硬件，还有一个非常重要的因素，就是数据收集的能力。 如果一个公司在做无人驾驶，无人驾驶的车队规模该有多大？车队规模会影响到数据收集能力的强弱以及无人驾驶技术的成熟度。

汽车出去跑，收集来的数据放到了数据中心，放到了云端，在云端经过大规模的数据学习，形成了一个新的数据模型，这个模型又会被下载到汽车里，更新车里的算法。这就是不断的自我学习，不断的自我提升的循环往复，也是整个无人驾驶技术不断成长成熟以及不断提高安全性的过程和流程。

把一个无人驾驶项目的车队规模、数据中心、计算能力综合起来分析，就可以判断出来这个无人驾驶团队技术的先进程度。

随着这个技术的成熟，很多人也在判断，什么时候无人驾驶可以落地。

在我看来，2021 年将是无人驾驶的元年。 有一些大一点公司能有十几万辆的规模，基本上主流的公司都能在 2020 年达到量产的目标。还有的公司要保守一点，会在时间点上更晚一些，可能 2025 年以后才可以实现。

整个产业对无人驾驶有预期，有激进的，有保守的，但是无人驾驶一定会到来，当它到来的时候，交通的安全性可以得到大幅度的提升。

更宏观来看，无人驾驶的到来，我们认为甚至有可能颠覆汽车行业。虽然有一些汽车公司也在做无人驾驶系统，也预计他们在 2021 年能够实现无人驾驶的量产，但我们在跟他们接触的过程中发现，他们在人工智能的技术上远远落后于科技公司，它们绝大多数的技术是专家型的，所以当整个汽车行业在这样的一个状态下时，他们的准备程度更差。

如果汽车行业不革自己的命，就会被别人革了命，现在只剩下 4 年的时间。

---

原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！

欢迎关注 GeekCar 微信公众号：   GeekCar 极客汽车   （微信号：GeekCar）&极市   （微信号：geeket）。