入圈16年的倪凯是典型的限定场景自动驾驶、落地为先的拥护者。从学生时代接触自动驾驶、到为科技巨头、新造车企业“卖力”，最后自建公司，倪凯闯荡自动驾驶的经历及创业公司禾多背后，是当下一批瞄准限定场景自动驾驶的新兴选手的缩影。

自动驾驶开局十余年，资本寒冬到来的特殊时期，对话这位资深玩家，听到了其关于自动驾驶技术演进及快速实现商业化落地的思考。

磨炼十余年，追求一个自动驾驶快速落地之道

倪凯学生时代的自动驾驶，深度学习未成熟，美国国防部先进研究项目局DARPA无人驾驶汽车陆地挑战赛还是一年之后的事情，从清华自动化本科毕业的倪凯转到计算机系读研，跟随何克忠教授进行无人车THMR-V的研发。

很幸运的是，靠着现在看来很简陋的传感器、传统的视觉识别技术，THMR-V跑起来了。这是倪凯初次接触自动驾驶。

十年后，深度学习走进中国，倪凯进入百度深度学习研究院担任高级科学家，主导百度无人车和无人机项目。然而百度早期的自动驾驶，只有L4，没有L3，这在倪凯看来“做的东西离落地太远了”。这也是其离开百度自动驾驶的一大原因。

之后，倪凯进入新造车势力乐视组建自动驾驶团队，深入接触到了汽车工业，更注重自动驾驶上车、落地。这为后期倪凯创建禾多、展开“自动驾驶落地的路线”埋下伏笔。

在其看来，汽车工业发展至今，形成了严密的制作工程及体系。这是对人类安全负责，自动驾驶公司也要遵循这一点。虽然不是汽车的直接生产者，但自动驾驶解决方案最终一步是“上车”。自动驾驶公司必须要懂汽车、了解汽车行业所需，才能保证自动驾驶产品是安全的、能用的、好用的。

倪凯将全栈式自动驾驶技术分拆为两大模块：人工智能算法和汽车工程。人工智能算法之于自动驾驶公司已成标配，汽车工程则是新兴自动驾驶公司的短板，但这是倪凯创建禾多之初非常重视的部分。

一条适合自己的自动驾驶商业落地的路线是怎样的?

自动驾驶行业中的玩家根据自己的资源选择合适的路线，这是倪凯在决定公司商业路线及技术路径方面的逻辑。

行业内有这样的声音传出：“自动驾驶老大哥”Waymo路径误导了乘用车自动驾驶行业，特斯拉的路径才是大势所趋。

倪凯对此不以为意。在其看来，谷歌和特斯拉选择了一条更适合自己的自动驾驶路线。前者背后有资金和技术支持，有实力尝鲜投资自动驾驶出租车，无需考虑短期回报;特斯拉考虑的是，在其出售的车型上搭载自动驾驶功能(目前仅搭载了L1、L2级辅助驾驶)，采用渐进式路线，从而被市场接受。

自动驾驶进入中场战事，各家在这条产业链上的角色已基本确定。按照倪凯的话来说，选择做robotaxi(机器人出租车、自动驾驶出租车)还是自动驾驶解决方案商，和团队基因有很大的关系。作为一家没有大公司背书的自动驾驶公司，禾多选择了一条尽快实现自动驾驶落地的路线，在支撑公司活下去的同时，向更高级别的自动驾驶推进。

倪凯对此作了进一步解释，作为初创企业，比如禾多科技，在中国路况复杂的环境中直接进军自动驾驶出租车，至少需要耗费10年。最直观的问题是，初创公司在资金上“耗不起”，更深层次在于技术层面，若自动驾驶长期处于样车阶段，不能实现真正的落地应用，没有真实数据的积累，无法促使算法进步。所以从限定场景的自动驾驶做起，逐步完成数据和技术的积累，是禾多敲定的渐进式自动驾驶路线。当下，多数低速自动驾驶玩家同样出于上述考虑。

倪凯是“场景为王”这一观点的拥护者，禾多自动驾驶商业落地的路线也在围绕“场景为王”基调展开。

“只有L5级(高级别)自动驾驶才不受场景限制，而实现L5级自动驾驶，至少需要20年的时间。且在不同的场景下，实现自动驾驶的难度和时间也不同，比如城市道路，就比港口或者高速公路都更复杂。”这是倪凯的判断，其认为实现城市L4级自动驾驶还需要10年，未来五年内，代客泊车、高速、港口等限定场景下的自动驾驶会率先实现。而禾多则选择率先聚焦代客泊车、高速公路两大场景。

在高速公路场景下，禾多研发了L3.5级别的自动驾驶量产解决方案HoloPilot。这个L3.5的设定背后，是禾多对落地的追求在起作用。

在倪凯看来，在L3级自动驾驶阶段，其标准是人类在紧急情况下接管车辆，但其并未对接管频率、系统本身的冗余、紧急情况下的处理能力等进行具体规范。若驾驶位车主被频繁要求接管驾驶任务，说明自动驾驶系统并不安全，且用户体验不友好。L4级自动驾驶带来的是更好的用户体验，但由于技术及成本的制约，其距离大规模产品化很遥远，且并非汽车消费者刚需。

所以在高速公路场景下，禾多选择研发接近L4级自动驾驶的系统，并在产品中降维到L3级自动驾驶使用。这套被定义为L3.5级的解决方案，在高速场景下拥有自动驾驶能力，且具备紧急情况处理的模块，并降低系统请求接管的频率。在保证用户体验接近L4级自动驾驶时，保证安全性，并实现自动驾驶的快速落地。

禾多另一条限定场景落地路线布局在智能代客泊车。同多数泊车辅助功能不同，禾多智能代客泊车属于L4级别的自动驾驶系统，能够实现车辆从寻找车位到泊车入位、泊出至指定地点全过程的自动驾驶，无需人工干预。

记者了解到，去年12月，禾多科技正式发布了智能代客泊车系统HoloParking。因单纯依靠车端，很难同时实现系统安全可靠和过车规的需求，HoloParking通过车端、停车场端和高精地图端“三端合一”的系统架构，来同时满足落地的各项需求。目前可以支持夜晚、雨雪、地下、露天等多种气候和停车场类型，已具备真实运营的基础。

未来三到五年内，禾多将专注于代客泊车和高速公路。目前高速公路自动驾驶方案HoloPilot将开始大规模稳定测试，代客泊车系统HoloParking将通过实际运营来继续打磨产品。禾多计划在2020年，HoloParking至少覆盖到20个城市，每个城市至少20个停车场。

“我们有不少同行做了同样的选择，相信代客泊车和高速公路两大场景能实现快速落地”。倪凯强调，容易落地的场景不会因为其“容易”而显得不重要。在其看来，自动驾驶研发是一个循序渐进的过程，需要大量的真实运营数据作为算法进步的基础，通过尽快落地，从而尽快拿到大量的有效数据，提升算法。

自动驾驶一级供应商的未来转型之路

业内往往将禾多等提供自动驾驶解决方案的初创公司定义为一级供应商。在倪凯看来，这非常正常，因为公众需要以一个已知的商业模式作为比较，来理解新生的公司。

“这类初创公司类似于传统的一级供应商，其在服务主机厂方面相同，但在其他方面，又有明显不同。”

倪凯谈及自动驾驶一级供应商未来转型之路：作为整车零部件及技术供应商是禾多商业落地的第一步，这也符合当下汽车产业链的需求;更重要的层面是，通过当下汽车产业链的需求完成真正意义上的技术积累，形成壁垒，进而使其自动驾驶服务成为未来交通运营中不可或缺的角色。这是倪凯规划中的禾多未来图像。

自动驾驶十年，回归理性

“这和几年前主要由国家科研基金支持自动驾驶的日子已不可同日而语。”十六年后再回顾其学生时代的自动驾驶，倪凯进行了如下分析：

从商业上看，整个汽车行业，甚至是整个出行行业对自动驾驶技术都倾注了大量的资源;技术层面，自动驾驶行业越来越关注新兴技术，激光雷达和深度学习成为自动驾驶从高校走向工业界的主要助推力;同时，自动驾驶行业也越来越关注工程化，无论是高线束的激光雷达抑或深度学习，在实际商业化过程中仍然有众多工程问题需要解决。

回归理性——这是倪凯对自动驾驶十年成长史做出的四字总结，并着重提到2018年。这一年许多自动驾驶公司立下的小目标都未能如期实现，市场逐渐冷静下来，国外自动驾驶几起事故也在提醒行业入局者，自动驾驶一定要把安全放在首位。

“这是好事，自动驾驶行业发展更加健康。”

“市场回归理性，投资人也更加审慎了”2018年下半年，资本市场开始变冷，倪凯并没有感到惶恐，反而带着自信。“资本寒冬，禾多并不性感的自动驾驶落地路线正在得到资本的青睐。”去年10月份，禾多完成了A轮融资，拿到了由红杉资本领投、泛海投资跟投的数千万美元投资。

谈及十年间自动驾驶技术的演进，自动驾驶场景上的复杂性决定了深度学习相比于传统机器学习方法有得天独厚的优势，随着车联网的普及和大数据技术的发展，深度学习被行业定义为未来解决自动驾驶落地的关键武器之一。

然而，深度学习依赖的大数据和计算量及其近似黑盒的难解释性，使得深度学习在自动驾驶实际应用场景中经常处于“看起来很美”的阶段。这也是禾多在场景选择上非常慎重的原因，因为只有在合适的场景才能有效发挥目前深度学习的作用。

记者了解到，近几年，资本、商业、汽车行业对自动驾驶给予了很大的关注。但公众也观察到：自动驾驶是重资本的产业，其进度发展比预期计划要慢，尤其是复杂工况下的研发难度，超出业内人士的认知。在倪凯看来，自动驾驶泡沫是存在的，但市场经济的本质决定其会自动调节，自动驾驶市场参与者能否相应的调整预期，调配资源是关键。