“用量产众包的方式获取海量数据”

  生活中，迎面逆行三轮车、压线行驶的货车是较为典型的长尾场景。左侧为人眼看到的现实实景，右侧为车辆“大脑”构建的模型图，每个物体前的延长线为系统对其活动预测的轨迹，避免各轨迹间发生碰撞，是无人驾驶的重要规则之一。图为初速度在苏州路测时记录下的视频。

  同一道题目，可以有多种解法。对无人驾驶长尾场景的解决，也出现了两种思路。与通过自建车队获取数据的主流方案不同，中国无人驾驶初创企业Momenta(初速度)选择了量产众包、让别人的车帮自己获取数据的思路。

  “面对那么多长尾场景，一定需要海量数据来解决它们。数据从哪里来？如果只通过自建车队、不断路测来获取数据，会有两个问题：一是成本非常高昂，二是获取数据的效率低。”初速度研发副总裁夏炎思路清晰、语速极快。

  在她看来，自建车队的硬件、燃料和安全员的薪资，这些都是成本，算下来每辆无人驾驶汽车需要上百万块钱。谷歌、百度等大公司，或许“烧钱”烧得起，但对于小型初创企业来说，这样的成本太过高昂。而成本也决定了车队规模不可能太大，几百辆已接近上限。“但就算有几百辆车，恐怕连北京海淀区也跑不完吧？这不可能穷尽所有的长尾问题。”

  于是，初速度的设想是：“能不能自己不造车，让道路上别人的车来帮我采集数据？”可别人为什么愿意帮你呢？因为你能提供已经商业落地的无人驾驶服务(L2-L3级别自动驾驶，包括自动泊车、高速巡航等辅助功能)，别人愿意采购装在自己车上。当慢慢的变多的车安装了初速度的产品，就能持续不断地为完全的无人驾驶(L4级别无人驾驶)提供数据流和现金流，支持后者的研发。所以，初速度把自己的战略形容为“两条腿战略”。

  从理论上看，初速度的战略设计很适合自己。但在这种战略选择下，初速度也面临着难题。在技术方面，要想实现“两条腿”跑得协调，必须做到打通两类传感器之间的数据，让别人车上的数据确实能“为我所用”。同时，既然收集到了海量数据，就必须对数据来进行更有效率、更低成本的筛选和分析，并转化为更快的算法迭代速度。据夏炎介绍，这恰好是初速度在技术方面的优势。

  相较技术，市场方面的难题可能更大。比如，如何能持续从车厂拿到足够的订单？有实力的车厂想自己做L2-L3技术时，该拿什么作为自己的“护城河”？这些或许是初速度要思考的问题。

  道理讲得再多，终究要拿产品说线日，初速度在苏州开启了无人驾驶出租车的运营服务，市民利用微信小程序即可体验。究竟中国无人驾驶产业能发展到何种高度，哪条战略路线会更成功，我们拭目以待。