2018年4月23-25日，由投中信息、投中網主辦，投中資本協辦的“第十二屆中國投資年會·年度峰會”在上海金茂君悅酒店舉辦。本次會議主題為“價值的力量”，來自國內外上百家私募股權機構匯聚一堂，對當前行業熱門話題展開討論。
在此次峰會上，魔視智能CEO虞正華就“無人駕駛的幻想與前景”主題進行了精彩分享。
虞正華表示，無人駕駛更大規模的測試，是只有真正進入量產，經過幾十萬輛車上百萬輛車用同樣的技術進行測試了，才能真正探尋到實現L4自動駕駛所面臨的、所需要解決的Corner Case。“真正要解決的技術通路是把L3、L4的技術先用到L1、L2的產品中，通過這樣的產品，能夠驗證到這項技術在100萬臺廣泛測試下Corner Case到底在哪里”。
以下為魔視智能CEO虞正華在“第十二屆中國投資年會”精彩演講實錄，投中網整理。
虞正華：大家下午好，非常高興有機會跟大家分享一下我們關于自動駕駛的理解。原來的題目希望我講自動駕駛的幻想與前景，而我覺得更合適的是講一下幻想與挑戰。因為所有的前景都是基于挑戰已經解決的前提之下。
技術進展讓自動駕駛的商業模式演變
人類關于自動駕駛的幻想由來已久，這是1950年代美國的廣告，那時候預想自動駕駛有朝一日實現的那一天。實際上，自動駕駛真正進入大家視野，好像已經觸手可及了，是最近十年之內的事。這也伴隨著人工智能技術的進展，大家覺得技術解決的步伐已經臨近了，在這里面Google做了很重要的先驅性工作。
我們在人工智能領域，過去幾年確實是隨著深度學習的進展，取得了很多重要的進步。我們去年組織了國際競賽，得了世界第一，任務是一個像素級的語義分割，上面是原始的攝像機看到的視頻，下面是計算機算法、人工智能算法所得到的結果。可以看到通過現在人工智能技術，能很準確辯證到道路、人行道、電線桿、交通標識等。
大家過去也經常講說到視覺夜間情況怎么樣，我們這也有相應的對比，這是在伸手不見五指的晚上，這是一個深夜，車開著近光燈，左邊是跟人眼主觀感受相近，在這樣的情況下人可能會看清近光燈照的主體，除此之外都是黑糊糊的一片。現在新一代的寬動態傳感器和高級的圖象處理算法，能讓我們在新技術之下看清的遠遠不只是近光燈所及了。
有了這些技術的進展，自動駕駛也有很多想象空間，比如說Waymo做自動駕駛出租，演變的商業模式以后我們的交通出行從買汽車到買服務，包括自動駕駛的卡車OTTO在這方面做了很多很重要的工作。
無人駕駛的不安全事件可以被避免嗎？
整體而言，互聯網企業對自動駕駛相對來說是比較激進的，這條路線通常會投入到L4、L5的研發，也希望我們將來能直接提供運營。相對來說車廠反而是比較保守的，會一步一步往前走，循序漸進的路徑。我們沿著不同的路徑，但終點都是一樣的。
要考量的是，沿著不同路徑的選擇，帶來的問題或者風險是什么呢？今年3月18日有一個事件，對整個自動駕駛界有很深遠的影響。大家看新聞也看到了，Uber停止了所有自動駕駛車的測試，Nvidia停止了所有自動駕駛的測試，Toyota停止了所有自動駕駛的測試，這個是很不幸的事件，但這類的事件，也許對單一事件而言是可以避免的，但是我們會看到的從概率上來說，這類事件是必然會發生的。
為什么？從單一事件而言，把同樣的當時相機采集的視頻跑到我們自己的今天已經量產的產品中，我們能很準確的找到這個目標，我們提前1.4秒可以發現這個行人，似乎說這個事件我們是可以避免的。所以對于這個事件，其實我們并沒有看到最終的調查結果，所以我們并不知道當時因為這輛車上裝了攝像機，我們并不知道當時發生了什么。
但是我們是否認為這個事件是完全可以避免的呢？我們的回答是NO，今天為什么要進行大量的無人駕駛的測試，就是因為你現在還不能證明其安全性，這是雞生蛋蛋生雞的問題，你不能證明安全性的前提必須要進行大量的測試。
在今天任何一套完全自動駕駛的車都是一輛不安全的車。自動駕駛本身是非常復雜的系統，有很多的模塊組成，從感知到定位到決策到最后的控制，這樣一個復雜的系統，我們認為你要通過如何驗證其安全性，如果把所有的東西混在一起驗證，你要跑大量的實驗，驗證的周期非常漫長。
所以我們認為一個復雜系統的驗證，更需要拆解到某一個獨立驗證安全的模塊，這之后你整個系統，整個驗證周期反而能夠縮短，反而能夠實現整體系統安全的目標。而安全的自動駕駛離不開安全的傳感器。
傳感器到99%準確率依然不安全
對任何一個傳感器而言，我們認為99%或者更高夠不夠。這里舉一個簡單的車道線檢測的例子，車道線而言常見的有直線有虛線，如果直接開上路去測，99%能碰到都是類似這樣的場景，是不是你如果達到99%準確率就安全呢？你可能還會發現其他的類型，有魚骨線，還有車道合并和分拆。這些1%不能解決，碰到這種Corner Case就是100%不能解決。所以我們要解決的問題是我們不斷探尋系統的邊界，我們系統的CornerCase，只有把這些探索完畢了系統才有可能是安全的。
我們過去已經做了很多工作解決Corner Case。為了這些Corner Case，做了很多工作，Waymo花了差不多兩年的時間在美國測試500萬英里，對于自動駕駛的公司來說，財力如Waymo做了500萬英里這個測試夠不夠？人類開車每一億公里出一次嚴重的事故。對任何自動駕駛的公司而言，測500萬英里或者跟事故發生的概率而言是很微不足道的事。
我們自己也花了兩年多的時間，在進行超過500萬公里的測試，我們也看到中國的公路確實非常復雜，有各種各樣的板車、農用車、三輪車等，我們對這500萬公里進行充分的測試，但我們認為還是不夠的，因為任何一個自動駕駛公司也好，創業團隊也好，如果自己搞幾百臺車，你就算一輛車一年跑十萬公里，幾百萬公里這樣測試的量，對于你真正在自動駕駛工況中發生的Corner Case是遠遠不夠的。Waymo是在美國定幾千輛車開始運營，更重要的目的是開始進行大規模的測試。
量產才會知道Corner Case在哪兒
我們實際而言，更大規模的測試是只有你真正進入量產，你經過幾十萬輛車，上百萬輛車用同樣的技術進行測試，才能真正探尋到實現L4自動駕駛所面臨的、所需要解決的Corner Case。真正要解決的技術通路是把L3、L4的技術先用到L1、L2的產品中，通過這樣的產品能夠驗證到我這項技術在100萬臺廣泛測試下Corner Case到底在哪里。這是我們做的一項工作，這段視頻不知道能不能放出來，這是面向L3的。我把這個說一下就行了，前面類似比較典型的方案，今天如果做L3，也是這樣的視覺感知的系統，但是我們把這個首先在海量的L1、L2進行充分的驗證。
圍繞這條路，我們把這個東西做成產品，我們做到乘用車、商用車，我們今天已經有量產車，明年會有更多的量產車進行相應的驗證。為了實現這個，我們在相應的人工智能方面，在核心的算法上已經進入了深入算法芯片化的工作，因為這套人工智能算法都需要很強有力的計算芯片來承載。我們在量產的產品中是我們第一代的芯片化、嵌入式的計算平臺，后續也會開展進一步的自動駕駛的芯片工作。
我們認為自動駕駛的發展是三個階段。今天已經很多量產的是輔助人工進行智能的駕駛，下一個是行業要解決的關鍵性問題是實現安全的自動駕駛。這可能是將來五年之內能把這個解決好，已經是最重大的突破。
但真正未來舒適的自動駕駛，需要整個行業更長久的努力。我們認為一輛自動駕駛的車首先是安全的車，而安全的車一定是經過充分認證的車。所以我們認為對這個行業最大的挑戰，如何你能夠以用戶可以接受的成本提供安全的自動駕駛的量產車。
