专访Vector.ai创始人蔡长柏：自动驾驶技术公司应该合作，而不是竞争

本篇文章4304字，读完约11分钟

“造一辆自动驾驶汽车花了4个月”，“在世界上最大的军火制造商工作过”，“为卫星写代码”，这些都是媒体对vector.ai创始人蔡崇信的描述。然而，外界很难知道蔡长柏在完成“四个月造一辆自动驾驶汽车”后遇到了什么困难。

2016年8月，蔡长柏购买了一辆2017款极品伊尔克斯原型车，并将其改装为自动驾驶汽车。在接受雷锋采访时。com，蔡长柏说，这款自驾车已经达到了3级自驾的水平。

在此之前，蔡长柏曾供职于世界著名的武器制造商洛克希德·马丁公司和诺斯罗普·格鲁曼公司。蔡长柏告诉雷(公开号:雷)的辛志佳，虽然这两家公司的工作不直接涉及自主驾驶，但他们也会在设计武器、卫星等设备时应用人工智能技术，这将对他以后参与自主车辆的设计有很大帮助。

在设计这款自动驾驶汽车的过程中，蔡长柏还得到了硅谷的芯片制造商、传感器制造商和其他自动驾驶初创企业的帮助。因此，他认为自动驾驶行业实际上是一个公司合作的生态系统，而不是一个竞技场。“这是一个大的生态环境。每个公司都有自己的定位。我们要做的是在这个市场生存。”蔡长柏说道。

在完成了他的第一辆自动驾驶汽车的改装后，优步、赛博等自动驾驶公司向他抛出了橄榄枝，但蔡长柏认为，实现他的自动驾驶梦想最有效的方法是成立自己的团队创业，因为大公司的团队中有很多事情是他无法控制的。

蔡长柏对效率的重视不仅体现在团队中，还体现在他对自主驾驶的愿景中。蔡长柏的梦想是“以更高效的方式改变交通的未来”，因此他不仅成立了自己的创业团队，还与硅谷终身学习平台bittiger等教育机构合作，与想进入这一行业的年轻人分享了他在自主驾驶方面的经验和知识。在蔡长柏看来，让更多的人进入这个行业将使推广自动驾驶更有效率。

关于vector.ai的自动驾驶愿景和未来业务计划，vector.ai创始人蔡长柏和合作伙伴约翰·杨最近接受了雷锋新型智能驱动(ai-drive)的独家采访。以下是采访记录:

辛志佳:你对2017年极品系列做了哪些修改？你需要获得什么样的汽车控制权？哪个部分更难？

约翰·杨:为了实现自动驾驶，我们改进了四个地方，即刹车、油门、转向和换挡。这四个关键部分决定了这辆车能否自动驾驶。具体来说，我们控制了这些地方的权威。换档很困难，因为讴歌ilx分为1-8档，不同的速度需要不同的档位，所以我们需要把它修改得更复杂。

辛志佳:你为什么选择这辆车进行改装？

约翰·杨:首先，这款车基于日本的本田平台。与德国车和美国车相比，日本车的电子助力转向非常成熟，而美国车大多是液压助力转向。因此，对日本车进行改装相对容易，因为我们可以很容易地控制电子助力转向系统的动力并接入其控制系统。众所周知，原车的动力转向算法和电路控制系统都集成到了汽车的设计中。如果我们想从传感器(激光雷达等)输入信号。)并控制它，我们需要将信号传送给主机，并让主机产生控制信号并将其输出到动力转向系统。这就需要对原有的电子控制权限进行一些改进，比如切断原有的数据流或者部分过滤，然后输入我们控制的数据源，这样它就可以根据我们的想法来控制车辆。

其次，数据显示，超过90%的美国消费者倾向于选择日本或韩国等亚洲国家生产的汽车，日本汽车在中国市场也非常受欢迎。接下来，我们还将修改韩国汽车，如起亚。当然，我们也对欧洲汽车感兴趣，包括大众、宝马和奔驰。

新智慧司机:从去年4月开始，我自学了无人驾驶技术。你的主要课程是什么？

蔡长柏:我上大学时，一直在学习人工智能相关的课程。在洛克希德·马丁公司和诺斯罗普·格鲁曼公司工作期间，我也学到了很多人工智能在国防中的应用。而且，我一直在研究人工智能在自动驾驶中的应用，所以在创业之前我积累了很多知识。此外，我还从吴恩达和yann lecun那里学习了一些在线课程，这让我明白了如何将自动驾驶技术应用到实际中去。乌达城还提供许多好课程，比如如何制造机器人和自动驾驶。此外，德克萨斯大学和多伦多大学也提供许多关于自动驾驶的优秀课程。此外，我还得到了硅谷同行的很多帮助，从芯片制造商到传感器制造商再到其他初创企业，这给了我很多关于自主驾驶行业设计的指导。

新智慧驾驶:你最初在洛克希德·马丁公司、诺斯罗普·格鲁曼公司和美国国防高级研究计划局的工作经历和你现在的自动驾驶有什么相似之处和不同之处？

蔡长柏:事实上，洛克希德·马丁公司和诺斯罗普·格鲁曼公司并不自动驾驶，但他们为美国政府和军方提供相关解决方案。自动驾驶的核心是人工智能，这是任何自动化平台的先进水平。人工智能已被应用于医疗保健、智能手机和保险等许多领域，也已被应用于军事防御。因此，在洛克希德·马丁公司和诺斯罗普·格鲁曼公司，我直接接触到了人工智能，而不是它的自动驾驶应用。

辛志佳:你认为vector.ai和其他自动驾驶公司有什么不同？

蔡长柏:我认为我们与他们不同的是，我们意识到这些公司可能有相似的想法，但我们用正确的方式实现了这个想法。例如，我用更短的时间改装了一辆自动驾驶汽车，并把它带到了世界上。

此外，我们还注重推广自动驾驶汽车。与逗号. ai和drive.ai等公司不同，他们对自动驾驶的未来过于重视。但我们的重点是那些有可能进入自动驾驶行业的人。这也是我们与教育机构合作的原因，比如硅谷的终身学习平台bittiger，我们希望帮助自主驾驶领域有抱负的年轻人进入这个行业。因为即使像百度这样的公司已经开通了自己的自动驾驶平台，许多人也不知道如何使用这些平台。因此，我们希望提供这样一个平台来推广我们的项目，同时吸引一些高素质的人才，并把他们带进行业，共同推动自主驾驶的进程。

新智能驾驶:你如何看待谷歌、特斯拉和传统汽车公司在自动驾驶领域的成就？你认为你还有市场吗？

蔡长柏:我们知道自主驾驶是一个生态系统，所以这并不意味着这个领域的所有公司都在直接竞争。例如，特斯拉生产完整的车辆，瓦伊莫更多地从事激光雷达，中国的时宇科技目前在公园从事无人驾驶车辆。这是一个大的生态环境，每个公司都有自己的位置。我们要做的是在这个市场生存。

辛志佳:那你想做哪个细分领域？

蔡长柏:在这个生态中，我们提供的核心产品是人工智能算法，这是一个基于人工智能的通用自动驾驶解决方案。在大规模生产之前，制造自动驾驶汽车的公司需要解决这个计算机科学问题，而我们提供了这个问题的解决方案。目前，我们的客户主要是一级供应商，一级供应商主要从事主机厂的oem，他们也需要这样的解决方案。

辛志佳:无论是国防高级研究计划局还是军事项目，传感器都是相对免费的。在您的开发过程中，使用了一些相对便宜的传感器(如64线激光雷达)。影响是什么？

蔡长柏:这是同一个问题。自动驾驶行业是一个生态系统。一些公司提供解决方案，一些公司提供gps，一些公司提供高精度地图。64线雷达主要由绘制高精度地图的公司使用。对我们来说，我们的研发专注于人工智能解决方案，16线雷达对我们来说已经足够了。对于初创企业来说，使用低成本激光雷达也是一个明智的选择。

辛志佳:你在研发过程中使用开源数据吗？你认为开源数据怎么样？

蔡长柏:在回答这个问题之前，我想谈谈开源数据的意义。开源的哲学是让事情变得高效，因为我们不需要重新发明已经存在的东西。开源就是当我们写完一个程序或者得到一些数据的时候，我向技术社区开放它并且得到一些反馈。我们可以看到人们如何改进甚至应用它。

我看到百度、谷歌、特斯拉和其他进入自动驾驶行业的公司已经开放了大量的数据和应用，因为他们想把人们带进这个生态系统，然后推广自动驾驶的过程。在我看来，重点不在于技术，而在于如何合作，以及这个生态系统中的公司如何合作推进同样的事情。

辛志佳:现在，在自主驾驶方面，每个家庭都积累了很多数据，但是每个家庭的数据都不够大。你认为未来共享数据的方式是什么？或者如何合作使自动驾驶的算法更好？

蔡长柏:我认为问题不在于数据量是否足够大。有必要区分不同的情况。因为即使不同的公司共享他们自己的数据，如果数据与你自己的框架不匹配，那也是没有用的。我不认为数据是自动驾驶的核心，但更重要的是增加消费者的信心。但我不是说数据不重要，它也可以作为测试的基础。如果你有数百万公里的驾驶数据，你就会知道在什么情况下会发生车祸，在什么情况下你需要让一个人来驾驶这辆车。随着数据的增加，系统的性能将逐渐提高。

新志佳:奥托、布奇和优步旗下的许多其他企业之前都想邀请你工作，那么你为什么选择自己创业呢？

蔡长柏:他们确实给了我一份工作邀请，但我的目标是改变交通的未来，更重要的是，以更高效的方式改变交通的未来。奥托和布奇都是很棒的公司，有很棒的团队，但我认为我自己创业会比在大团队中更有效率。我想我的梦想是为自动驾驶行业提供一个解决方案，让驾驶更加高效。我不否认当我在那些公司工作的时候我可以得到同样的结果，但是我相信有很多问题和事情是我无法控制的。

新智慧驾驶:如何评估您当前的自动驾驶解决方案能够达到的水平？以后的商业化计划是什么？

蔡长柏:目前，我们的自动驾驶解决方案处于三级起步阶段。然而，具体的商业化计划目前需要保密。我可以告诉你，我们目前的利润主要来自于向一级供应商提供人工智能解决方案的授权，并对这些授权进行收费。

辛志佳:你认为中国市场怎么样？你如何看待中国和硅谷自主驾驶公司之间的技术差异？

蔡长柏:首先，中国是一个大市场。据估计，到2020年，中国自动驾驶市场的规模将达到300亿美元，如果我们能分得一小部分，我们公司可以说是盈利的。

但在技术方面，与硅谷自主驾驶公司相比，中国公司过于依赖adas，而硅谷公司大多采用人工智能来实现自主驾驶，因为我们认为人工智能是自主驾驶的关键。我们为自动驾驶公司提供人工智能解决方案，因此他们不需要重新开发其他人已经完成的工作，这是一件非常高效的事情。但我不是说哪一个比自动驾驶系统和人工智能更好，因为自动驾驶系统可以帮助自动驾驶汽车在人工智能失败时继续行驶，反之亦然。adas在运行的同时，还可以为人工智能神经网络提供反馈，从而提高其性能。

如文章所述，vector.ai目前正与硅谷科技在线教育公司bittiger合作，并将于5月22日推出一个离线自动驾驶深度学习培训课程。本课程将持续10天80小时。vector.ai将教授如何制造一辆从软件到硬件都只有普通汽车十分之一大小的自动驾驶汽车的原型。如果您感兴趣，请访问bittiger.io了解更多信息。

雷锋。相关推荐:“路试后，我们和这家远离海洋的硅谷创业公司聊了聊。”

雷锋原创文章。严禁擅自转载。详情请参考转载说明。

来源：搜狐微门户