标签归档:独家专访

独家专访 | 从 AI 到 loT 再到区块链,谈毅的 BAIC 社区真正想做什么事?

机锋网之后,谈毅虽然在斯坦福的山上买了一栋别墅,但也没彻底退休歇着,而是新起了一条线,开始为用户提供一种产品和服务——基于智能家庭的 AI 化。谈毅认为,语音交互肯定是智能家庭的必由之路,要控制这些智能设备,则需要“语音网关”。一年之后,区块链大火,谈毅则毅然卖掉了别墅,转回身想要用区块链把 AI 和 物联网连接起来,让个人数据产生真正的价值。

从语音网关到数据价值化

雷锋网获悉,在2016年底到2017年,谈毅和他的团队推出了一个语音网关的产品,但是在推到用户面前的时候,却发现接受度并不高,原因在于这对用户来说,不是刚需。

想明白这件事的同时,谈毅还发现这些智能设备中蕴含着巨大的数据价值,例如一个智能炉灶的用户,每天晚上7点钟打开,2分钟后关掉,从数据中或许就能够判断该用户的身份特征和生活习惯。在现阶段,用户并没有认识到这些数据的价值,甚至认为智能对他而言,并无意义,但很多企业却依靠这些数据在获得利益。

2017年下半年,随着比特币一路高涨,其背后的区块链技术也快速进入科技从业者的视野中。在同区块链技术的融合过程中,谈毅发现了智能设备捕获的数据,对于用户本身的价值。在谈毅看来,区块链技术为用户赋予了一个动机,能将用户的数据价值化。简单来说就是,用户可以通过智能设备,采集自己的数据,并通过区块链进行确权,进而从自己的数据中获得利益。

谈毅对雷锋网表示:

在这件事之前,没有人认为个人的数据是有价值的,包括苹果、百度、小米等公司,轻描淡写用户的数据。其实,我们都在讲数据挖掘的价值,但是这个数据价值现在是被互联网巨头垄断的,他们在用这些数据去赚钱,最典型的例子就是百度和Google。他们大部分收入来自于广告,而广告收入实际上是来自于用户的数据,但是用户在其中并没有得到任何好处。

基于此,便诞生了让谈毅卖掉房子的 BAIC 社区。

BAIC :连接 AI 与 loT 的个人数据价值链

有了让“数据价值化”的思路,加之在 AI 领域的投入,谈毅认为 BAIC 第一步要做的,就是个人数据交易平台。

首先,用户通过智能设备或 loT 设备,实时采集自己的数据,通过区块链进行确权,自由定价;其次,想要获得数据的企业(如技术研发、商品服务、精准营销),就可以进行付费购买,得到不同的授权。最后,因为人类行为数据的实时产生,甚至可以实现“躺着赚钱”的情景。

在产品规划方面,谈毅认为围绕 BAIC 价值链,有三个维度可以挖掘:

第一,个人维度

BAIC 希望能够建立一个“个人数据银行”,同国内外的数据挖掘、数据分析公司,建立生活模型,在链上实现“数字人类”,人类的一切爱好、习惯都能够用数字的方式保存在区块链上,并和其他人产生关系。谈毅把此成为“区块链数据身份”。

第二,loT 维度

BAIC 希望目前市场上所有基于智能、基于数据采集的企业,如智能硬件、智能家居、车联网、智慧社区、智慧医院、智慧城市等企业合作,将数据汇总到这条价值链上。

第三,AI 应用维度

目前的 AI 应用研发公司,很少能够合法、合规的拿到所需要的数据,但用户希望得到更为智能的 AI 应用,更智能意味着需要有更多、更有效的数据来源,这两者的矛盾在现有技术条件下无法调和。而 BAIC 无疑是解决问题的一种方法。

第四,数据交易维度

基于区块链的智能合约,建设数据交易平台。早期以广告主的交易为住,后期可以将医院、金融机构、商业服务公司等采购数据的机构纳入进来,完成其研发需要。

在谈毅看来,区块链技术的发展,能够改变人类现有的消费模式和消费观念。举例来说,此前用户购买了一个智能炉灶,作为一个消费品,其使用价值是随着时间的增加而不断减弱的。区块链介入后,从前的消费品变成了数据采集器或者产生者,随着时间的增加会源源不断产生可以用于交易的数据。也就是说,传统情况下需要花一比钱来购买的消耗品,现在买回来还能帮助用户赚钱。

目前,BAIC 已经积极和智能设备厂商进行合作,其中包括了乐心手环、力博得、格兰仕、美的等企业,此外还有科大讯飞、云知声、三角兽等AI企业。

通过在这四个维度上的探索,谈毅认为 BAIC 最后能够实现以个人数据为核心的新的价值体系,并且产生新的消费理念和回报机制。

谈毅最后对雷锋网说,现在已经有一大批用户非常热衷于使用BAIC的产品和服务,不管出于利益动机也好,还是出于未来数据价值信仰的认同也好,我们认为越早地加入到这个数据价值的传递和创造当中来,就能越早享受到数据的收益,享受到区块链的便利。

雷锋网

独家专访 |乐信史红哲:成为分期电商第一股背后的技术战略

雷锋网AI金融评论报道,12月21日,线上信贷消费公司乐信集团正式登陆纳斯达克交易所,开盘价为每股11.8美元,据此计算,乐信市值将逾20亿美元。此前于12月14日,在乐信向美国证券交易委员会更新的IPO招股书中显示,每股发行价区间在9美元至11美元,融资规模视承销商行使超额配售权而定,介乎1.08亿美元至1.32亿美元或1.24亿美元至1.52亿美元之间。

招股书还披露,截至 2017 年前 9 个月,乐信拥有注册用户 2000 万,授信用户 650 万,活跃用户 330 万;同期整个公司的收入是 39.88 亿人民币,如不按美国通用会计准则计算,乐信的息税前利润为 3.89 亿,年初至今实现借贷额 313 亿。

据雷锋网AI金融评论了解,乐信在招股书中特地引用了一个叫做「实际年化利率」的数字(APR)——在一定时期内,APR=利率/平均在贷余额,后者可以通过前一年的余额剩余和当期的借款额差值的平均数计算得出。经过综合计算,乐信得到的 APR 数字是 25.3%,显示平台所有产品及服务的分期年化利率均在36%红线以下。

作为一家线上消费金融领域的服务商,以学生信贷起家的乐信至今打造了分期乐(分期购物)、桔子理财(线上理财)、鼎盛资产(资产管理)等多个子品牌,专注电商平台的分期金融业务,在消费金融领域规模逐渐成型,初露集群优势的峥嵘。2017年,互金企业争相上市的狂潮涌来,在趣店、和信贷、融360及拍拍贷争相登陆美股之时,关于乐信冲击分期电商第一股的传闻和预测分析热度始终不减。

AI金融评论发现,从3C品类的分期电商起家的乐信,在集团化改造和对业务全面升级的过程中,资金端规模不断拓展,在分期乐商城产生的小额信贷需求,能通过多个金融机构对接满足,如旗下的金融资产开放平台鼎盛资产,就接入多家银行机构,签署合作协议。

在乐信上市之前,AI金融评论对刚刚履新数月的乐信集团副总裁史红哲进行了专访。从单一的分期消费信贷业务,到对接传统金融机构和品牌商升级为规模化的合作平台,全面掌管集团技术业务的史红哲透露,在技术支持方面,乐信在数据开发和引入区块链结合AI驱动业务上早已起步。

那么,乐信是如何凭着自主研发并投入试运行的私有链,来结合AI和大数据技术的应用进行数据存储处理,实现消费用户规模不断扩增的同时保持较低的年化利率,借助金融科技的推力真正驱动集团业务升级优化而成功转型的呢?

数据开发的大动作—数据优先的战略考量数据仓库的同步搭建

每一款APP自它诞生的那一刻起,伴随着用户入驻真正投入运用,在后台的数据就开始累积增加。一项业务亦然,对于一家Fintech公司也是如此。在当今智能金融时代的大背景下,大数据是衡量一家公司大数据能力、决心以技术驱动业务升级的标准和最重要的依据。

史红哲告诉AI金融评论,2013年10月分期乐APP上线,前端的业务系统方诞生,后台的数据仓库就已经搭建起来了。

尽管由于当时业务量较小,数据规模未能通过技术手段实现出来,基本上都是单数据库的开源模型,“但是包括用户数据、交易日志、用户在前端的点击流等各数据类型,自2013年10月份开始就已经完整落地了。”

分布式数据处理集群体系的迭代升级

回忆乐信这一数据仓库随着业务模块的不断扩展而进行的升级改造,史红哲认为到目前为止共经历了两次比较大的迭代,基于区块链的数据存储模式,建立起分布式数据处理集群体系:

  • 1. 从单机的数据系统扩展成集群的系统。接近2015年6月份的时候,乐信就完成了数据仓库多机集群的建设,实现把每天的交易记录、用户的点击流和其他以用户为多方面的数据实时入库。

  • 2. 分布式体系的搭建。在2016年7、8月份,乐信搭建完成了基于Hadoop和Spark底层架构的分布式体系。

在论及选用Hadoop和Spark作为乐信分布式数据体系底层架构的原因时,史红哲沿袭着乐信业务总体规划的思路来解释:适用于全链层计算的Spark,和有着处理高并发优势的Hadoop,能够和乐信的业务系统结合得非常紧密,并根据乐信实际的业务需求对这套分布式数据体系进行定制化设计改造后,砍掉一些不必要的功能,更能实现轻装上阵配合业务研发,同时降低技术团队维护和理解的成本。

建造数据城堡的门槛:丰富的数据积累与数据主导的意识

要充分动员大数据的能力来推动金融科技整体业务的升级优化,乐信通过搭建分布式数据集群体系走出了自己的实践途径,那要建造这样的数据城堡来真正赋能金融业务,有着什么门槛或壁垒?史红哲认为,主要的门槛还是在于需要相当长的一段时间内来积累数据量,这样才有一个完整且可以回溯的数据基础。

对于乐信来说,能够追溯查询到2013年10月份用户的数据,前后信息的完整性都有保证。而这对于一些初创公司而言,可能还需要时间去积累。

从另一个角度来看,史红哲说大数据团队在以数据为驱动设计业务、系统的时候,就应该关注到需要搜集哪些数据,数据该如何整合、又是该如何运用,这是一个业务的全局闭环。

在跑动业务的时候,数据又要实时入库,又要有数据加工、存储、计算、分析整套的流程。这需要技术、产品团队包括整个管理层,配备深刻理解数据的意识。史红哲提醒道,不是说招几个AI的工程师、机器学习的工程师就可以对业务系统产生影响,而这也是壁垒的体现。

自主研发私有链:数据上链结合AI节省处理成本

对于金融科技企业而言,基于分布式账本的区块链技术固然有着不可篡改、唯一可信任等诱人的特性,但在投入研发的过程中,存在的交易延时高、架设技术门槛高和对现有系统颠覆性强这些客观存在的难题,使得区块链技术距离大规模真正落地应用还有很长一段距离。

而乐信的野心显然不只是跟风试运行区块链技术–史红哲告诉AI金融评论,乐信要领先让这项技术落地。在Hyperledger的基础架构上研发私有链以后,乐信计划先将其在集团内部的节点之间开始跑动试用,借以解决数据不一致的情况并降低对账成本;尔后,在通过旁路测试和与集团内部现行系统并行运作的基础上,真正对接到与银行的业务合作中,希望能够让区块链网络与银行的虚拟节点进行交互,最终让区块链颠覆和重构银行的交易系统。

利用区块链技术铺设业务—高时延的拦路虎

面对乐信各个逐渐壮大且彼此之间业务相关联的独立子品牌,毫无疑问会让史红哲萌生基于区块链的交易平台及自动化的结算思路,用分布式账本技术来驱动改造现有的交易流程与交易记账的体系。但在梳理完业务场景、完成整个系统的概要设计之后,在真正投入研发的时候,区块链在实时交易和应用性能方面的问题依然是没有办法绕过去的考验。

 史红哲本身在推动乐信区块链落地试运行的过程中亦表现谨慎,他称乐信在上述提到的以旁路测试和与现行系统并行跑动的方式来测试运行的基础上 ,积累一定的数据和测试量,再试图去替换现有系统和对接到和银行的合作中。但意识到区块链本身时延较高、不太适合用于实时交易之后,他坦言,还需要做很多优化、测试和改造方面的工作:

“要对区块链的底层技术有一个深入的了解,并不是说这个底层技术拿过来以后就能用。对于它本身区块是怎么生成的、这个块生成的大小,要做细微的平衡和调节。区块链系统跟我们本身的存量业务系统要做一个很好的整合,我们基于微服务的系统跟区块链技术体系也要做一个很好的对接。” 

困境与出路–基于私有链特征的技术优势

回望从诞生到落地试应用的道路,目前区块链尚处于发展的极早期阶段,在史红哲看来,这条路并不好走,要想区块链真正做到与实际业务相结合投入正常运行,这对乐信来说还是一个很大的挑战。他告诉雷锋网AI金融评论,到现在为止,区块链本身,在处理实时业务上还没有成功的案例,并且由于其机制存在高技术门槛,还需要对底层做非常多的改造,包括参数调优等等。

其次,区块链还需紧密地结合业务系统,做好业务交易的流程管理,和底层实时区块链的记账体系做一个融合。而且要保证数据的准确性和一致性,有丝毫差错就有可能导致系统崩溃。 关于这一点,史红哲也说,“在业界目前还没有一家类金融公司成功实现这样的设想。”

困境重重,“前无古人”,解决方案的出路在哪里?回到乐信这套以Hyperledger为底层架构自主研发的私有链,史红哲告诉AI金融评论,之所以选用私有链,原因就在于其天生的效率要比公有链、联盟链要高得多。具体来讲,史红哲认为目前解决方案分为两个努力的方向:

1.从业务系统的优化方向来看,尝试把同步等待的机制变成一个异步处理的方式,在交易的用户看起来,交易订单受理完了状态有变化,比如说从原来的500毫秒变成了1秒钟,其实用户的感知可能并没有那么明显。只要等待的页面不要停留太久,底层的时间虽然稍微慢了一点点,但是用户看起来的体验是不受损的。

2.作为私有链,各个节点之间网络都是高速相连的,有一些甚至都是在同一个机房,即使是跨机房,中间也有高速光纤相连,跟联盟链,公有链相比,性能方面有更强的可控性,底层交互是非常快的,节点的数量也不多。在私有链效率更高的基础上,在硬件等存储设备和节点数量上做优化:

一方面,使用SSD高速存储,尽可能削弱高时延的影响;另一方面,减少节点的数量,使得区块链的底层通讯网络、本身块的大小和参数调优等等方面都得到最大可能的优化。 

区块链助力AI驱动数据:数据可信度的提高与AI模型的升级优化

史红哲说,在消费金融领域的许多应用场景,乐信都已经尝试用私有链进行数据存储,如交易记录、用户的账户管理。 甚至在获客阶段和用户状态变更等信息,也逐步用区块链的形式管理起来,“因为金融对数据的变更是最敏感的,追求用户的某一个属性和每一次的变更来龙去脉都可追溯。”

更为重要的是,数据上链之后,意味着这些数据被记录的那一刻已经是结构化了,会大大节省后面利用大数据AI的数据处理成本。

史红哲还提到,在结合的过程中,大数据平台也要从各个系统里面抽取整合完整的交易数据,从而使区块链这样的分布式账本系统让交易数据变得更加可信。他认为,AI驱动的大数据要有高质量的保证,要形成规范化、结构化的数据驱动,这样结果才会可控。

其次,用区块链进行管理,数据都是真实可信的,数据管理成本会大大降低,还能提升AI模型的准确度和运行效率。

业务架构和产品设计:主动适应和拥抱AI+战略 

在未来,秉承着AI赋能全业务流程的整体思路,史红哲是这样为AI金融评论展望乐信AI Lab的使命和主攻方向:

业务架构和产品架构的设计,要逐步去适应AI+的战略。从产品的角度来说,需要从设计阶段就要去思考后台的AI模型需要哪些字段和数据,从业务架构、系统架构的角度去设计,也要让AI这个模型有序地循环起来。因为AI模型上线以后,也要不停地更新,希望尽可能减少人的干预,让系统自转起来。

用户访问系统就会产生数据,这些数据灌入到AI的模型训练系统,完成以后更新到在线模型,才能使得架构更加顺畅,跟现有的业务系统更好地融合起来。

打造竞争壁垒:成本控制+技术优势 

搭建了AI实验室,率先落地区块链技术的试运行使用,接下来该如何凭借这些“重武器“打造竞争壁垒,形成自己的技术护城河?史红哲的目光却越过了单纯技术层面的军备竞赛:打造竞争壁垒,是成本控制加技术优势的共同成果。

在史红哲看来,单纯靠技术,可能永远无法构建竞争壁垒:

“技术是助推器,但所谓的竞争壁垒就是多个竞争者来做消费金融,你的优势要明显比别人强,你的用户体验、系统稳定性方面都要更优于对手。对于金融公司来说,成本是风险成本+资金成本+运营成本,如果风险成本、资金成本、运营成本远远小于竞争对手,这个壁垒就很高。”

那么该怎么样降低成本?具体细分为风险成本和运营成本两方面,史红哲这样回答AI金融评论:

在降低风险成本方面,需要在大数据上从一开始就注意积累齐全的、可追溯的数据,在数据的驱动下结合AI的算法进行定制化的风险定价,甚至最终达到千人千面的理想状态。即用大数据+AI的方式,去控制风险成本。

降低运营成本,从技术的角度出发,需要建设包括分布式开发技术、云计算模式在内的体系,同时在研发管理上尽量做到偏轻量级的快速迭代。和传统银行相比,只有这样金融科技企业才能降低单用户的交易成本、单用户的账务管理成本。

史红哲还进一步提到,对于如何精耕细作那些高成长的用户人群,金融类应用必须做到全数据的齐全掌握,在智能循环的AI体系和数据驱动的模型共同作用于业务系统,才能使得系统越来越“聪明”,用户在这套系统里面的体验才能越来越好,从而形成企业的核心竞争力。

他始终认为,单纯的技术优势形成竞争壁垒是很困难的,一定要理解和抓准细分的用户人群,在实现了业务系统不断自我进化的技术基础上,使得系统对用户越来越了解。

雷锋网

独家专访 | 64 线激光雷达太昂贵?Ouster 要以五分之一的价格切入战场

又一家激光雷达初创企业加入战场,这一次他们的武器是售价仅为 12000 美元的 64 线产品 OS1 ,同时,还准备了 A 轮 2700 万美元的弹药以应对 OS1 的量产。雷锋网新智驾了解到的最新信息是,该公司首台激光雷达已于上周发货。

Ouster 诞生

这家公司名为 Ouster ,成立于 2015 年 6 月,总部位于旧金山。Ouster CEO Angus Pacala 和 CTO Mark Frichtl 曾是斯坦福大学同学,学的是机械工程专业。更有趣的是,这两位此前还是激光雷达公司 Quanergy System 的核心成员,前者是公司的联合创始人和工程领头人;而后者则作为工程师在 Quanergy 工作过,更早时还在苹果的特殊项目组待过。

*Angus Pacala

*Mark Frichtl

2015 年,两人从 Quanergy System 离开,共同创办了 Ouster ,当雷锋网新智驾询问 Angus 离开的原因时,他并不愿意多说。如今,Quanergy 已经融资超过 15 亿美元,并且被传正在准备上市,当年离开的二人,不知道现在作何感想。

目前 Ouster 拥有 40 多名员工,兼顾产品研发、设计以及硬件制造等工作,团队成员的履历大多都很光鲜,曾在苹果、微软、亚马逊126实验室、特斯拉、SpaceX 等知名企业工作过。Ouster 方面告诉雷锋网新智驾,到明年夏天,团队的规模要扩张到 100 人以上,以应对更繁重的研发及生产制造工作。

64 线产品 OS1

当然,Ouster 作为一家激光雷达公司,最重要的还是看产品,成立两年多时间里,这家公司一直保持低调,潜心产品研发。如今,其首款激光雷达产品 OS1 最终亮相,开始在这个竞争激烈的市场寻求立足之地。

*Ouster OS1

OS1 是一款 64 线机械旋转式激光雷达,据 Ouster 官方介绍,这款产品相较于目前市场上的同级别产品,重量上轻了 60 倍,尺寸缩小了 30 倍,功耗方面也足足低了 3 倍,同时在分辨率表现上也同样不输市场上的同级别产品。

从性能参数上看,Ouster OS1 相较于 Velodyne 的 64 线产品还是稍微逊色一些,但是就封装的工艺以及整体的功耗上都表现得更为优秀。而在一些关键的硬件工作温度区间参数上,Ouster 方面并没有公布。

为了更为直观的展示 OS1 的性能,Ouster 已经将产品搭载到实车上进行了路测,而且还是在雨天环境下进行的

在车辆行进过程中,可以看到激光雷达扫描出来的点云图像非常稠密,而且对于周边物体(车辆、树木、建筑物等)的扫描精度也非常可观。

此外,在大家最为关心的价格问题上,OS1 初始售价为 12000 美元,这与市面上 64 线激光雷达高达 75000 美元的价格相比,有一个非常大幅度的削减。

当然了,具体到产品表现的细节部分,还要等尝鲜者后续给出的反馈。2018 年 1 月 16 日,雷锋网新智驾将CES结束后在硅谷举办 GAIR 硅谷智能驾驶峰会,我们邀请了数十家顶尖的自动驾驶技术公司,其中也包括Ouster这样的新兴传感器公司在峰会现场演讲和交流,点击GAIR Silicon Valley查看更多详情。峰会现场亦有机会和 Ouster 创始人交流。

A 轮融资助力量产

和激光雷达产品 OS1 一同公布的还有已经敲定的 A 轮 2700 万美元融资,由 Cox Enterprises 领投,这家公司旗下有专门从事汽车业务的部门 Cox Automotive,一定程度上能为 Ouster 带来汽车行业的潜在客户,对其长远战略也会有很大帮助。其余投资者还包括:Fontinalis、Amity Ventures、Constellation Technology Ventures、Tao Capital Partners 和 Carthona Capital。

拿下这笔融资后,Ouster 将会继续专注于 OS1 激光雷达的量产上。Angus 告诉雷锋网新智驾,进入 2018 年 1 月,Ouster 要实现月产千台激光雷达的规模,从 2018 年第二季度末期开始,要实现 2000 台以上的月产量。

目前,Ouster 在旧金山拥有自己的激光雷达组装生产线。将总部和生产线放在同一个地方,也是为了提高工作效率,因为研发和生产之间的沟通成本会被降到最低。Angus 表示,目前公司的研发人员也都是生产制造人员,所以将总部和生产线放在同一个地方,当然,未来发展到一定阶段,也会考虑将生产线扩展到其他地区。

雷锋网新智驾第一时间在旧金山 Ouster 总部见到了 Angus Pacala,同时和他聊了聊关于公司和产品的更多细节。对话实录如下(有删改):

新智驾:为什么选择研发机械旋转式激光雷达而不是固态?

Angus Pacala:我们之所以选择开发这种类型的激光雷达是因为市场对于这类雷达的需求比较急切,而且这类激光雷达在技术上也有很多可以创新的地方。未来,我们也有计划推出其他类型的激光雷达(包括固态激光雷达),但是现阶段还是觉得机械式激光雷达更适合现在的市场。

新智驾:对于固态激光雷达的计划是如何的?

Angus Pacala:我目前还没法确认,我不想过早去讲我们会做什么,Ouster 不像其他一些激光雷达企业,经常会开空头支票。我们肯定会研发固态激光雷达,但是具体的事情我现在还不能确定。

新智驾:Quanergy 的工作经验对于你现在的创业有哪些益处?

Angus Pacala:Quanergy 的技术和我们正在采用的技术是完全不一样的,很多技术我们都是自己从头开始研发的。Ouster 成立至今已经有两年多了,我们花了头 18 个月时间在自己的实验室中研发 OS1 激光雷达的核心技术,这期间学习到了很多东西。

新智驾:为什么选择离开 Quanergy,开始自己的事业?

Angus Pacala:离开 Quanergy 的原因我没法多说。而谈到为什么要创立 Ouster ,要追溯到我在斯坦福大学求学的经历,那个时候我对于自动驾驶非常有兴趣,而且斯坦福大学车队也是在 DARPA 挑战赛的领军者,加上当时我学的是机械工程专业,所以我一直对自动驾驶有兴趣。

但是,当时的情况是,激光雷达作为传感器来说,一直是实验室产品,难以量产而且价格昂贵。正是看到这样的现状,所以我们开始专注在开发行业领先的而且可以大规模量产的激光雷达产品。

新智驾:什么样的技术让你们把 OS1 的尺寸、重量、价格做到这么低的水平上?

Angus Pacala:这里是硅谷,是全世界最好的定制化芯片开发地,我们有自己的定制化激光雷达芯片,通过这枚芯片,我们将上百个零件集成到了一个传统的系统当中,这就允许我们把产品的尺寸和成本降下来,同时还提升了稳定性。这也推动了激光雷达市场更加倾向于采用 ASIC 方案,当然,还有更多的工作要做。

新智驾:OS1 在价格上会有什么阶梯策略吗?

Angus Pacala:每台 12000 美元就是量产后价格。目前,很多激光雷达产品的价格都是不透明的,很多都取决于不同的订单并且可以相互协商。Ouster 想让价格公开透明,而且没有阶梯价格,任何数量都是一个价格,非常简单。

新智驾:为什么选择在旧金山建立产线?

Angus Pacala:Ouster 每一位硬件工程师都是生产制造工程师,所以将产线建在研发实验室附近是最有效率的方式。未来,我们会考虑将产线扩展到其他的地区,但是在旧金山生产我们的激光雷达会是一个比较长期的策略。

新智驾:量产 OS1 最大的难点是什么?

Angus Pacala:这不好说,其实我们面临着大多数激光雷达厂商在量产时都会遇到的问题,包括怎样保证高精度的组装,在校准技术方面,我们也在不断探索进行提升。我们的生产工作分为制造和品控两个部分,我们有自己的质量监测工作人员。

新智驾:OS1 的客户和合作伙伴情况怎么样?

Angus Pacala:具体的客户不方便透露,目前的客户都集中在美国,包括自动驾驶创业公司和 OEM。2018 年,我们将在全球范围内进行销售。要知道,现在很多车企和初创公司都在硅谷有办公室,所以我们和他们接触很方便,目前我们要建立起产品的知名度。

新智驾:你怎么看 Velodyne VLS 128 线激光雷达的推出?

Angus Pacala:我们也有研发更高分辨率、更多线数激光雷达产品的计划。而且未来无论在机械旋转式激光雷达还是在固态激光雷达方面,我们都会进行产品规划。

GAIR 硅谷智能驾驶峰会门票火热销售中,更多信息:https://gair.leiphone.com/gair/gairsv2018 

雷锋网

独家专访 | 获得软银巨额投资的 Mapbox,要如何为自动驾驶提供地图服务?

2010 年,来自新英格兰地区南部小城的美国人 Eric Gundersen 在华盛顿创办了 Mapbox ,主要为地图制作开发相应的工具,特别是那个时候移动设备对于地图、定位的需求非常旺盛。

Eric 与地图的缘分很深,此前他为赞比亚的疟疾爆发追踪进行过地图监测,还在阿富汗地区为美国政府服务过,开展了很多项目,多数都要用到地图相关的服务。然而当时让 Eric 困扰的是,市面上没有像样的地图以及定位工具,所以他所在的项目组很多时候工作难以展开。

正是看到这一领域的市场空缺颇大,回国后,Eric 拉来几个伙伴开始开发地图制作工具,针对个性化地图开启了创业之路。

*Mapbox CEO Eric Gundersen

起初没有地图数据,Eric 的创业团队便在开源平台 OpenStreetMap(OSM) 上拿数据,拿到的这些原始数据必须进行二次开发,对其进行筛选、标注、重构,形成 Mapbox 自己的地图底层数据。2012 年,Mapbox 发布了针对 iOS 的地图 SDK ,可以供其他开发者采用。也是在这一年,投资机构 Knight Foundation 拿出 57.5 万美元,让 Mapbox 为 OSM 开源平台优化整体的用户界面以及底层架构,为的是吸引更多的人进驻平台。这一单也让 Mapbox 开始崭露头脚,自身的地图开发工具产品也在不断推出。

2013 年,Mapbox 拿下 Foundry Group 1000 万美元融资,开始在交互式地图、移动地图领域发力。同时 Eric 团队对于大数据的处理能力也在不断提升。

进入 2014 年,Mapbox 在旧金山新开了办公室,同时还在地图导航领域推出相关的产品,业务范围不断扩大,旗下的地图工具平台也逐渐走向开源,走向社区化。 Mapbox 的脚步在后续越走越快,先后在秘鲁和印度开设办公室,业务走向全球化。

2015 年 6 月,Mapbox 关闭 B 轮融资,拿下 DFJ 领投的 5260 万美金,开始朝着成为所有移动应用的“底层地图”的目标前进。那个时候,Mapbox 已经积累了诸多客户,包括 Foursquare、Pinterest 等等。

后续的发展中,Mapbox 一直在开发不同类型的产品,积累用户,同时进行全球化扩张。在这个过程中,Mapbox 积累的客户超过 4000 家,逾 90 万注册用户正使用其开源工具进行地图、导航方面的开发。

最为吸引雷锋网新智驾关注的是,10月上旬,Mapbox 在 C 轮融资中拿到了 1.64 亿美金巨额融资,其中软银旗下的千亿美元基金“远景”(SoftBank Vision Fund)进行了领投。外媒分析认为,软银是把 Mapbox 作为自动驾驶汽车发展的重要地图软件来看的,所以寄予厚望。而从 Mapbox 此前的发声中也可以读出,拿下了这轮融资,公司将会在车内导航以及自动驾驶方面进行更大的投入。

正因为刚刚拿下融资,雷锋网新智驾也在第一时间来到 Mapbox 位于旧金山的办公室,和其副总裁以及工程经理聊了聊 Mapbox 的过去以及面向自动驾驶的未来。

以下为雷锋网新智驾对 Mapbox 的专访实录(进行了不改变原意的编辑):

Paul = Paul Veugen

Paul Veugen 在 Mapbox 主要负责移动业务团队,加入 Mapbox 一年多时间。此前,他创办了健身追踪 App 供应商 Human,2016 年 8 月 18 日,Mapbox 宣布收购 Human,后者的团队整体并入前者,共同致力于软件开发工具包(SDK)和实时地图服务工作。他本人成为 Mapbox 移动业务副总裁。

Morgan = Morgan Herlocker

Morgan Herlocker 2014 年加入 Mapbox,目前担任工程经理,主要探索 GPS 数据在移动 App 以及交通导航方面的应用。同时,已经参与到 Mapbox 自动驾驶地图方面的前沿项目组,通过构建一些模块将海量的轨迹数据打造成自动驾驶汽车可用的高精度地图。

新智驾:成立七年,Mapbox 拿下 4 轮融资,商业模式上经历了哪几个阶段?

Paul:公司刚成立的时候,我们在做自己的项目,最开始定位为一家咨询公司。公司的创始团队主要是为 NGOs(Non-Governmental Organizations) 工作,与政府的联系非常紧密。当时我们是在阿富汗地区从事美国国务院的咨询项目,其中有一项便是制作一些当地的地图。但当时现存的工具无法满足要求,所以我们开始自己制作地图工具。

我们将工具以及相关服务提供给 NGOs 还有其他公司,这也造就了 Mapbox 一开始的产品。包括制作地图的工具、数据可视化工具、交互地图等。这些年来我们都在做这些事情。

我们从网页地图开始做,用的是开源平台 OSM 的地图数据,制作个性化地图开发工具,搭建属于自己的开源平台,为地图开发者们提供服务。这个平台聚合了地图、搜索和导航产品,随着时间的推移,产品也在不断迭代。

目前已经有超过 90 万开发者在使用我们的平台,而且还有诸多的客户如 Facebook、Snapchat、Twitter 在使用我们的工具。我们也因此获得了很多定位数据,有利于优化产品。

*Snapchat 应用中的地图便使用了 Mapbox 的工具和服务

以前我们还是 2 级开发者的角色,如今已经有 8.2 万月活开发者在使用我们的工具和服务,并为此支付相关的费用。

新智驾:公司在每个阶段都是如何获取收入的?

Paul:当然最大的收入还是来自使用我们的地图工具、开源数据等服务和资源的客户,还有使用我们平台的订阅用户支付的费用。公司之所以要募集资金,主要还是为了满足本身不断发展和壮大的需要。

新智驾:从开源渠道获得的数据都是原始的形式,你们怎么重新标注、处理、重构?

Paul:OSM 是一个非常优秀的开源社区,数据量一年一年的增长,成百上千的贡献者每天在这里贡献数据。我们自己也有超过 50 个其他的原始地图数据来源供使用,但这不是全部。要做一张个性化的地图还是要有自己开发的部分,很多开发者在使用我们的开源数据的时候,同样要有自己的东西放进去。

实际上我们的地图是一个不同地图数据的集合体,包含了不同的图层。

OSM 开源数据是基础,我们在这个基础上继续进行搭建。而且我们也会不断进行调整,一旦开源数据层的数据有变动,我们也会及时进行更新,保证用户使用到的地图是非常准确的。

每个月,超过 3 亿用户触及我们的地图,这些用户产生的巨量定位、轨迹数据会以某种形式返回到我们的 Pipeline 中。我们用来提升地图准确度、实时性,同时了解用户习惯,可以说是一比特一比特来优化我们的地图。

我们还有有交通状况的图层,我们在全球60个国家提供实时的交通状况。此外,我们还有外部获取的大量的卫星图像。

所以我们的地图有 OSM 开源地图的数据、自己拥有知识产权的数据以及拿到许可的外部组织提供的数据(有些是购买的)

新智驾:为什么客户会选择 Mapbox?

Paul:我们本身是开发者,我们也为其他开发者提供工具,这些工具非常灵活,开发者可以做他们想做的事情。我们本身不关心你把地图做成什么样,每一个用例都是不一样的,需求是多样的。

我们给开发者的是灵活的地图构建工具(Building Box):我们允许他们开发个性化地图、个性化搜索,创造属于自己的用户体验。

开发者获得我们服务的入口、为 API 接口付费,开发者可以在这个上面打造自己的地图,而且我们还能在不干涉开发者自己数据的情况下一直帮助他们进行优化更新。

新智驾:此前 Eric 说过,Mapbox 不只是打造漂亮的个性化地图,而且拥有快速处理海量数据的能力?

Paul:我觉得最好的例子就是我们的实时交通地图了,我们已经在全球 60 个国家有这样的服务,每个月超过 3 亿人在使用我们的地图,每次他们使用我们的地图,他们会将很多数据(位置、路径)分享出来,回到我们手中。

有了这些巨量数据,经过分析处理之后,可以不断更新(每几分钟更新一次)、优化我们的地图,让地图具备鲜活的生命力。

为世界构建地图实际上是一件非常困难的工作,有很多地方需要去覆盖,还要将地图和人们的生活活动结合起来,确实是一件非常有意思的事情。

新智驾:获得软银投资后,Mapbox 如何在之前导航服务的基础上切入自动驾驶?

Paul:为半自动驾驶、自动驾驶汽车提供地图服务。

我们对汽车导航业务非常重视,无论是现在你需要自己开车还是未来你只是车内的乘客,地图导航提供的可视化信息也会让你在旅途中更为安心。

Morgan:GPS 数据很有趣。比如在一条街道上,人们每天的不同时段开车行进的速度是怎样的、在过去的 20 分钟内行进的速度是多少,都有分析出来。我们还能为用户指引出一条精确的行进路线以避免事故或者施工的情形。

而这样的要求对于自动驾驶汽车来说也显得尤为重要,构建出高精度的场景地图能给自动驾驶车辆更多的位置信息,让其了解周围的环境如何。除了车上的传感器之外,高质量的细节性地图也是必要的,因为没有地图就没办法进行大范围空间的定位。

新智驾:MapBox 有高精度地图的构建计划吗?

Morgan:我们正在构建高精度地图,我们称之为“轨迹地图”(Trajectory Map)——可以和自动驾驶车辆上的其他传感器结合起来。

通过轨迹地图,我们知道车辆是怎样在道路上运转的,比如车道连接的情况、车辆怎样通过十字路口、如何进/出高速等等。

而且因为我们是基于 GPS 数据的地图,所以能与其他传感器配合起来,不但能知道这是一个转弯,还知道这个转弯你的速度是多快,同时在这个弯道加速和减速的具体情况如何。地图里还包含很多 Ground Truth(地面实况)。

此外,一旦道路上出现什么样的意外,所有车辆的轨迹都朝一个地方去的时候,肯定预示着该地发生了什么事情,这些轨迹就会提醒其他的车辆,选择其他路线。

其目的就是让整个行车过程更为顺畅。当然这样的地图并不是要取代其他的车上传感器,而是作为一种补充的能力。

新智驾:MapBox 以后会自己去采集地图数据吗?

Paul:我们已经在做这件事情了,每天会有 2 亿英里的道路数据、交通情况数据被收集起来,来源于海量的用户。这些数据可以为我们的导航 API 提供助力。我们还有收集轨迹,比如高速公里的行车轨迹,所有的这些都实时在对这个世界进行描绘。

新智驾:MapBox 接下来有什么自动驾驶方面的计划吗?

Morgan:我们一直在看要把自动驾驶带向市场需要些什么。

Paul:我们正在和一些车企进行合作,和他们的自动驾驶的研发部门进行合作,在地图项目上进行共同的推进。Turn-by-turn 导航已经被客户在使用了,未来会有更多的产品推出。

而且我们正在加大投入,主要针对自动驾驶方面,特别是在拿了软银的投资之后。目前我们也在和 Unity 合作,在 AR、VR 地图方面进行相关的研发。

公司有 290 人的团队,180 人是工程师、研发人员,目前还在大力招人。

新智驾:进入中国市场的计划如何?为何选择进入中国?

Paul:在上海有办公室,在中国有合作伙伴易图通帮我们进行代理,我们已经获得授权来进行数据的收集和服务。从事的业务和在美国的业务相通,都是为地图开发者提供工具。

选择进入中国是因为中国很多的商业公司在全球范围内进行经营,全球化运作非常好,Mapbox 对这点很感兴趣。其二,中国消费者经常到全球各地旅游,所以对全球各地的基础设施地图有需求,构建一张全球性的地图是一项非常有意思的挑战。

雷锋网

独家专访 | 被上汽看中的 Metawave,要做替代激光雷达的毫米波雷达?

* Metawave CTO Bernard Casse、CEO Maha Achour 、工程 VP George Daniel

雷锋网新智驾按:当地时间 10 月 25 日,雷锋网新智驾来到硅谷施乐帕克研究中心(Xerox PARC Research Center),此行要探访的初创公司 Metawave 目前在该中心办公。

这家刚成立 10 个月的公司之所以吸引雷锋网新智驾的注意,是因为在其今年 9 月份完成的 700 万美元种子轮融资中,上汽资本(SAIC Capital)出现在资方名单上。上汽作为国内知名车企,之所以选择布局 Metawave ,其实看中的是这家公司正在大力研发的毫米波雷达产品,这款产品中使用的诸多技术及具备的特性让其非常试用于 ADAS、无人驾驶领域。

那么,Metawave 的这款产品到底有何玄妙之处,雷锋网新智驾带着这个问题对 Metawave 创始人兼 CEO Maha Achour 进行了访谈。

从 Xerox PARC 到 Metawave

Maha Achour 是 MIT 物理学博士,后来又在加州圣迭戈分校攻读电子工程以及通信系统理论。从 1996 年开始就在射频及光学行业工作,曾经在美国国防高级研究计划局(DARPA)领导过一些无线电相关的研究项目,在传感器、高速信号传输领域颇有造诣。

2006 年,她创立超材料(Metamaterials)研发公司 Rayspan 并担任 CTO ,该公司主要研究的是超材料天线(Metamaterials Antenna)——一种用超材料操纵天线系统使其增加效率的天线,Maha 算是非常早期的将该技术带向市场的先驱。也许是机遇不对,这家公司后来没有再运营。

大约在两年前,Maha 和现在公司的 CTO Bernard Casse、工程 VP George Daniel 一起在 PARC 研究中心工作,从事的研究内容中依然有超材料,同时还有 5G 通信技术。或许是一种执念,Maha 还是想将这些新技术带向商业市场,她认为这个时候是很好的时机。

* Metawave 的超材料天线技术

今年早些时候,Maha 开始为 Metawave 找钱,一开始的创业方向实际上包括了 5G 通信网络以及车载毫米波雷达。但之后随着对市场的分析更加成熟,看到 ADAS、无人驾驶领域的机会,还是决定将公司 90% 的重心放在车载雷达领域。 

面对汽车、自动驾驶这些全新的领域,Maha 坦诚将面临非常大的挑战。不过她也指出,Metawave 目前的团队在模块化技术、AI 深度学习领域有较深的经验,而且工程 VP 也有传感器方面的设计经历,所以与毫米波雷达的研发有很多相通之处。 此外,她还在补强团队实力。

毫米波雷达产品——WARLORD

超材料、类 SAR

Maha 为其新一代的毫米波雷达产品取了一个非常“炫酷”的名字——WARLORD(简写自 W-Band Advanced Radar for Long-Range Object Recognition and Detection)。其频段在 76-81 GHz。

Metawave 方面称,WARLORD 采用了超材料天线,能发射可操控的高度定向的电磁波束,精准探测目标物的位置、速度,且不惧怕恶劣天气以及环境。而且,因为这款毫米波雷达内置了 Metawave 自研的 AI Engine ,其中嵌入了各类物体识别和分类算法,可以分辨出道路参与者的属性(行人、自行车、摩托或者巴士等等),能够提供如人眼一般的感知能力,被称为“Digital Eye”。这是因为这样的特性,WARLORD 还能采集 3D 雷达图像。

* WARLORD 工作原理

在车载毫米波雷达领域,目前大家的趋势都在往更高的分辨率上靠,其中带宽的增加便是其中一种方式,从 24GHz 到 77GHz,4 个 G 带宽的增加,成为了很多创业公司的发展方向。追求更高的分辨率,还有一种方法就是扩展天线的尺寸或者增加天线的数量,但是囿于主机厂对于毫米波雷达整体尺寸的车规级限制,这里的发挥空间并不大。

Maha 采用的方法是把电磁波束紧紧地聚拢起来,让其能量集中在一处。而要实现这样的效果,在数字空间(Digital Space)是办不到的,只有在模拟空间(Analog Space)里才能做到。实际上,WARLORD 可以说是一款模拟波束雷达产品(Analog Beam Forming Radar)。

当然,SAR (Synthetic Aperture Radar,合成孔径雷达技术)技术也是毫米波雷达提升分辨率的一大重要杀器,但是用在车载雷达上还不是很成熟,国内厂商行易到正在进行相关的研发。WARLORD 同样也内置了 SAR 的性能,分辨率能做得很高。

Maha 进一步阐释了 WARLORD 的技术特性:

其一,采用可操控的天线。Metawave 采用的是单天线,而非天线阵列,同时接收也是单线的。这种天线由复合超材料结构而成,每一个超材料单元(Unit Cell)都有活跃组件能够参与波束成形,还能调整波束角度。这相较于如今大部分雷达用的多天线结构有很大的优势。Maha 欣喜地表示该技术已经拿下了专利。

其二,信号收发端进行了整合。Metawave 采用了英飞凌、NXP 和 TI 等 Tier 2 的芯片,并与他们进行合作,将天线和芯片组进行了整合。

其三,优越的微控制技术。比如要控制天线探测前方的物体,追踪其距离、角度、速度以及运动的方式,同时还要判断这些物体的类别,最后还要把这些经过处理的信息传送给(自动驾驶汽车)的传感器融合单元,这对于微控制技术的要求非常高。Metawave 在该技术上有很深的积累。

前文所述的 WARLORD 要做障碍物的识别和分类,必然离不开 AI 技术。Metawave 便在其雷达产品中嵌入了 AI 引擎。

AI Engine

WARLORD 采用的 AI Engine 内置了多种算法,包括杂波干扰抑制算法、目标检测和跟踪算法等等,可以优化毫米波雷达的整体性能以及让其具备物体识别和分类能力。Maha 表示,对于毫米波雷达来说,和外界空间直接接触的是天线,如果可以在这个层面就进行前置分析,显然要优于将原始数据直接传到传感器融合单元再进行分析,因为可以大大降低传输的延迟。这一点对于自动驾驶来说尤为重要。

取代 LiDAR?

拥有远距离(250-300米)的探测能力,同时具备优越的分辨率和高效的数据处理速度。毫米波雷达是否会削弱甚至取代 LiDAR 在自动驾驶汽车上的地位?

从一个物理学博士的视角,Maha 认为 LiDAR 对于自动驾驶汽车来说并非不可或缺。她表示,如果地图精度足够高,未来自动驾驶汽车上装配 4 个毫米波雷达、4 个摄像头便就足够了。其中,毫米波雷达负责车身 360 度范围以及上下角度的探测,摄像头则观察周围环境,再配合 AI Engine 一起使用。Maha 认为这样的方案 2030 年是有可能实现的。

目前,WARLORD 的整个基础硬件的性能可以满足 L2 的需求,再往更高级别(L4)走,内置的软件(算法)能力将会起到决定性作用。

发布、量产计划

当雷锋网新智驾向 Maha 询问更多关于 WARLORD 的产品技术细节时,她还是希望把更多悬念留到 2018 年 CES 的首秀上。

Maha 称,现在,已经有很多主机厂在等待他们的雷达产品,希望尽快拿到自家平台上进行测试。而且也在和一些自动驾驶企业进行合作的商谈,她表示 Metawave 原意探索一切的可能性。

这一点也体现在她对 Tier 1 的态度上,尽管这些供应商已经在毫米波雷达领域实力雄厚,但他们并不止出售雷达,而是提供 ADAS 整体解决方案,而 Metawave 期待的是未来将自家高性能的毫米波雷达提供给 Tier 1 作为其 ADAS 系统方案的一个传感器选项。毕竟主机厂才掌握话语权,主机厂不会拒绝高性能的毫米波雷达。Maha 正在谨慎地和 Tier 1 进行接触。

提及量产,Maha 确定地表示,Metawave 不会自建工厂,“永远也不会”,而且也不采取 License 的方式,因为这样收益周期太长。他们将找第三方工厂代工,规模仅次于富士康的代工厂伟创力(Flextronics)是选项之一,正密切接触。

2018年 1 月亮相后,2018 年夏天就可以看到 Metawave 可用的毫米波雷达产品。

融资

毫米波雷达行业,资金异常重要,Metawave 今年 9 月完成了 700 万美元种子轮融资,其中上汽资本进行了投资。

之所以与上汽资本搭上线,是因为 Metawave 其中一家投资机构 Motus Ventures 投了汽车行业很多创业公司,这家投资机构介绍 Maha 认识了上汽资本的人,后者很快达成投资意向,3 个月后完成了所有投资流程。

Maha 透露,明年 CES、MWC 之后,将会开始寻找一笔大额的 A 轮融资,主要用于毫米波雷达的量产。

这家目前只有 10 人的创业公司,到底能否真正做出“令人尖叫”的产品,到 2018 年 CES 见真章。

雷锋网

顾颖琼:我也曾为贾跃亭自豪过,被告之后只剩崩溃 | 独家专访

雷锋网按:贾跃亭恨过的人不少,自媒体人士顾颖琼绝对算其中一个。
手撕贾跃亭的顾颖琼究竟是怎样的一个人?为什么他选择站到贾跃亭的对立面?为什么顾颖琼会说他实际上也为贾跃亭自豪过?在之前的风波已经逐渐平息之后,顾颖琼接受了雷锋网的独家专访。

先来梳理一下事情的始末,今年7月,顾颖琼在"顾颖琼博士说天下”上开启了“手撕”贾跃亭的模式,截至雷锋网记者发稿时为止,顾颖琼已经发布了三十多篇有关贾跃亭的文章。其中最有影响力的文章,莫过于“曝光”贾跃亭信托文件的《独家猛料 | 贾跃亭到底最爱谁?》,该文章指出,贾跃亭欲通过不可撤回的生前信托,给自己的女儿留下7500万美元,其他几个孩子也得到了金额相当的信托基金。但顾颖琼也表示,他所公布的初稿已经作废,最后文书的签订工作会在今年9月底完成。

然而正是这篇文章,让顾颖琼和贾跃亭结下了“梁子”。9月14日,也就是该篇文章发布的当天,贾跃亭及其妻子甘薇双双在微博上否认这一消息,并称该消息是造假诽谤。乐视控股也在“乐视生态”上发声明表示将在中美两地对顾颖琼进行起诉。对此,顾颖琼在其公众账号中呛声贾跃亭:“我发誓,你一到北京,我就删除我所有关于你的文章,登报道歉!”。2017年10月16日,乐视控股对外公布美国洛杉矶高等法院于10月6日正式受理贾跃亭对顾颖琼提起的法律诉讼。

当地时间,10月19日,洛杉矶当地法院开庭审理了贾跃亭起诉顾颖琼的案子。顾颖琼也在其公众账号上发文表示,贾跃亭无法立案,自己将起诉贾跃亭赔偿差旅费和误工费。然而乐视控股相关负责人却表示“顾颖琼又在混淆视听,贾跃亭诉顾颖琼一案并未正式开庭,何来败诉之说。该案件将在一个月后正式开庭。”双方各执一词。

顾颖琼自称博士,在个人公众账号上介绍自己是在西雅图工作的程序员。不过,也有人说他学的是物理,不会编程,爱炒股,还有人说他不像博士,总想聊骚。不论是哪种说法,都无法描绘出他的完整人物形象。在他的公众账号上,主要是其对中美一些时事的个人看法,语言较为粗砺,很难说,这是有意而为之还是个性使然。

为了更能体现人物特性,雷锋网保留了采访对话原文内容,“雷”表示雷锋网记者,“顾”表示顾颖琼。

雷:您有没有休假为应对官司做准备?回去要继续上班吗?

顾:对啊,还要继续上班啊,没有特别的准备,因为赶飞机饭还没吃呢。我准备向他索赔啊,把我的工资、误工费,还有我的机票钱都赔回来。

雷:您觉得您胜诉的原因是什么?对方是不是不够重视这个案子?怎么看待此次案件的审判中,贾跃亭的缺席?

顾:这个案子实际上是没有办法立案的,这跟对方重视不重视没有关系,贾跃亭请的这个律师也是花了很多钱的。对方的律师可能没有预料到我会来,贾跃亭刚到美国的第一天就被人告了,(没来大概是因为)虱子多了不怕痒吧。

雷:您说这种案例立案的机会很少,既然您有这种的预判,为什么还要花费这么多精力去为这桩官司奔波?

顾:当然要跑过去啊,其实去的机票(花费)也没有那么多。其实去的话主要是表个态,如果我不去的话,乐视那边又要狂吹了,这是最好的解决方案。

雷:您有请律师吗?

顾:我没请律师,我自己去的,哪有时间跟钱去请律师啊。而且这种案子根本就不会成立的,这种东西也没什么怕的,也不是说一到法院大家都害怕,在美国打官司其实是一件很正常的事情。

雷:乐视方面称,您“又在混淆视听,贾跃亭诉顾颖琼一案并未正式开庭,何来败诉之说。该案件将在一个月后正式开庭。”。您怎么看待这一说法?

顾:那天你是不是没来啊?你要是来,你看到结束你就知道谁真谁假了,法官对整个case表示完全没有兴趣,要求把所有东西都取消了,然后立刻离散了法庭。这个东西最好不要乐视出来说了,最好还是贾跃亭本人出来说一下,每次都是乐视跑出来说。就像两个人在打架,旁边有个已经没有关系的人特别激动的样子。一会儿又说贾跃亭不是乐视股东了。

雷:第一次关注贾跃亭是什么时候,为什么要怼他?

顾:我第一次关注他是7月份的时候,其实我以前还被贾跃亭震动过因为我在美国呆那么久,贾跃亭是第一个从中国大陆出来的企业家,大张旗鼓地在美国搞Road Show,搞公司的营销啊之类的,还有汽车的演示。我开始还是挺激动的,因为以前从来没有中国的企业家跑过来,而且虽然说英文不好,但是还是很努力地在展示自己。 结果我后来发现这个事情好像越看越觉得不对,就感觉哪里有一些异样。(这种异样驱使了我去探索)

雷:您发现贾跃亭有什么异样?是怎么发现的?

顾:我发现他特别激动,感觉他的情绪波动特别大

雷:你动用了什么资源去探索吗?

顾:我用了我的网络技术。

雷:是指通过黑客技术吗?

当然不是啦,我认识很多朋友。

雷:也就是说通过人脉?

顾:是的。

雷:您现在的工作是什么?

顾:我现在还是程序员。

雷:对于贾跃亭评价的判断依据是什么?对于今天乐视发展成这个局面有没有觉得遗憾?

顾:没什么遗憾的,本来乐视就不应该上市。

雷:如何评价贾跃亭?

顾:好一个奸雄,雄就是贾跃亭已经把能把事情搞得那么大,奸就是他搞了一件很大的坏事。

雷:您写孙宏斌的文章出来之后,孙宏斌的秘书就找到了您,对方问您如何解决,您要了126万的封口费。请问为什么会对孙宏斌提出封口费的要求,但是对贾跃亭没有?为什么是126万而不是别的数字?

顾:这个数字是我顺口说的,我估计也不会给,对方要求啊,贾跃亭派法院的人来找我,我怎么要?

雷:我发现,您的公号经常提到“韭菜”,您是否也有炒股?是不是股市上的浮沉让您对贾跃亭有了比常人更强烈的看法?

顾:我不炒股,但是我喜欢韭菜这个词。因为这个词我觉得非常形象,割了又长,长了又割,就是循循复复,没有结束的时候。

雷:我发现,您的公号一般是在国内时间凌晨1点左右发,您是兼职做这件事情还是有人投稿或者有团队吗?

顾:我在西雅图,不是二十四小时只能发一次吗?我是我起床的时候发的。基本上是我一个人搞,很少有人投稿,投的稿你也没法用。

雷:在公众号选题上您有什么标准吗?

顾:哎呀,你也知道中国老百姓的爱好是什么,就对着中国老百姓的爱好去做呗。

雷:您怎么评价自己的公众账号?

顾:我经常尝试从新颖的角度来看问题嘛,就是提供一些比较独特啊、不一样的观点。

雷:那这个号能为您带来收入吗?

顾:还没到咪蒙的水准。

雷:目前粉丝应该上万或者更多了吧?

顾:上万都几年前的事了,哈哈。

雷:能透露下粉丝数吗?

顾:当初曹操攻打江东的兵马数。

雷:您博士毕业于美国圣母大学,从教育背景上看可以说是学术精英了,您认为自己是精英吗?

顾:哎,底层混生活而已。

雷:为什么觉得自己是底层?

顾:本来就是底层啊,不工作就饿死了。底层很幸苦啊,存点小钱想做点投资,骗子又那么多。

雷:将来有做自媒体的打算吗?

顾:没有打算做自媒体,这东西就写着玩嘛。

在采访结束时,顾颖琼还向雷锋网记者“哭诉”自己很崩溃贾跃亭要在西雅图起诉他。当记者问起在西雅图是否会对他(顾)造成不利影响时?顾颖琼说道:“没什么不利影响,可是丫有钱有时间,我没钱没时间啊”言语间,充满着对贾跃亭的鄙夷和不胜其烦。

雷锋网

独家专访 | 景驰3个月内完成城区道路高峰时段路测,中国无人车梦之队要挑战Waymo

雷锋网新智驾(公众号AI-Drive)按:今年4月3日,景驰科技成立,这家由百度前高级副总裁、自动驾驶事业部总经理王劲创办,横跨中美两地的无人驾驶公司可谓含着金汤匙出生。更让外部惊讶的是它的发展速度,景驰在成立一个多月内便完成封闭场地测试,随后迅速取得了加州自动驾驶路测牌照,并在此一周后完成首次开放街区的路测。前后距成立不过两个月出头。

过去两周,在景驰结束了一个阶段的封闭开发之后,雷锋网新智驾先后在硅谷和北京采访了景驰的CTO韩旭和CEO王劲,并在其硅谷总部附近的街道上亲身体验了他们的无人驾驶样车。

在聚集50多个顶尖开发者以及数千万美金融资之后,景驰目前为何能取得超出公众预期的进展?取得这些进展的先行者到底做对了什么?这群先行者眼中的中国无人驾驶未来又是怎样的?

大约11点,王劲刚刚结束一个电话会议匆匆赶到受访的酒店,12点半他还有一个会议。这天是周日,不到24小时后他马上又要飞离北京。

创业5个多月来,王劲说最大的变化是生活节奏变了,工作上决策的速度也比过去快了很多。还有,“胖了6斤”,王劲笑了。

景驰在硅谷的团队已经超过50人。“平均胖了10斤”,说到这王劲哈哈大笑,非常满意。

景驰梦之队

4月初刚刚创办的景驰科技很快锁定了启明创投领投的3000万美金Pre-A轮融资。这很大程度是因为景驰豪华的创始团队,除了王劲这位最早推动中国自动驾驶产业的先驱外,韩旭、李岩、吕庆这三个联合创始人也是业界大牛,三人分别担任公司的CTO、首席架构师和CFO。

吕庆是最先找到王劲的合伙人,他之前是Velodyne的CFO,在进入Velodyne之前已经做了十几年科技公司的CFO,在中美高科技投资圈里是不折不扣的熟面孔。王劲在百度的任上代表了前者战略投资Velodyne,两人由此结缘。

市面上几乎所有开发无人驾驶技术的公司都要向Velodyne采购激光雷达,也有太多的公司想要投资无人驾驶领域,身在其中的吕庆很早就认定中国会出来一个非常强的无人驾驶团队。在吕庆看来,王劲和他的小伙伴是the best one。在景驰,吕庆是团队口中“最擅长找钱的人”。韩旭告诉我们,景驰现在可以说是“全球无人驾驶初创企业中资金实力最雄厚的公司之一”。

景驰的技术合伙人韩旭是密苏里大学的博导、终身教授,长期活跃在计算机视觉与机器学习领域。在学界,他拿过大把国际顶尖赛事的奖项;韩旭加入工业界,源自业界名人时任百度首席科学家吴恩达的邀请,韩旭最初负责百度的语音识别系统DeepSpeech2。不过他很早就对无人车感兴趣,当百度成立自动驾驶事业部时,他就给自己当时的主管吴恩达和百度当时自动驾驶的直接负责人王劲写邮件,表达自己加入的决心,韩旭随后加入当时王劲牵头的自动驾驶事业部。

景驰现在的首席架构师李岩和韩旭在研究生时期就认识,是十几年的老朋友。李岩拥有清华大学硕士学位和卡内基梅隆的计算机博士学位,曾在微软研究院和Facebook工作过。加入景驰之前,他是UCAR北美实验室的主管,横跨无人驾驶和出行两界。李岩的加入甚至引起老东家的一场官司,这场官司很快消弭,但从侧面凸显出李岩的重要性。

李岩不仅让景驰的工程能力上了一个台阶。更重要的是,景驰希望与上下游通力合作一起量产无人驾驶技术,团队需要合伙人精通熟悉出行服务这个产业中重要的变量。在雷锋网新智驾看来,与车企、出行公司以及地方政府通力合作推动无人驾驶在中国部分区域的落地是有大概率能跑通的,而景驰的团队配置让他们处于先发优势。

王劲说,现在的团队里主要聚集了两类人,一类是像韩旭这样的人工智能科学家,一类是像李岩这样的顶级工程师(top coder)。“都非常优秀,非常平衡”,他顿了一下,又补充道,“都是中国顶尖,世界一流的”。

在王劲披露的团队名单里,还有一些响当当的名字:比如百度时期与楼天城齐名的陈世熹也加入了景驰,两人堪称编程双子星,圈内有“北天城南世熹”一说;再比如钟华和李岩是CMU的师兄弟,两人相差一届,都师从于世界顶级CV学者金出武雄(Takeo Kanade)。这些顶级算法工程师让景驰在具体实现上可以星夜兼程。

就景驰的团队配置,称其为梦之队并不为过。


在英特尔最早的办公室,从左到右依次是韩旭、吕庆和李岩

豪华车库和中式大餐

一面招募团队,景驰在创立之初就向Velodyne下了一个百万美金级的订单,当时后者还不知道这家叫JingChi的公司是什么来历。韩旭告诉雷锋网新智驾,他们现在有“十几个激光雷达”,做无人驾驶的公司都知道64线激光雷达堪比军粮。

公司在硅谷的选址也显露出团队过往经验对他们的帮助。韩旭他们最初看过英特尔刚从仙童半导体拆分时的办公地,这也是硅谷的地标之一。可以预见,如果景驰莆一创业,就在这里办公,对于人才招募也会大有帮助,这也是让韩旭们至今念念不忘的缘由。可惜那个场地没有合适的车库,室外也没有可以圈起来用于测试的车道。由此,韩旭、李岩和吕庆三人在传奇之地匆匆拍了张照,遗憾地把这个场地否了。

办公室很快敲定在Sunnyvale Gibraltar Drive 330号,这个场地地理位置同样优越,就在101公路Sunnyvale的出口,面积要比景驰最开始看过的场地要宽敞不少,而且场地相对独立,不仅有专属的停车场,还有宽广且相对封闭的车道可以用来做测试场地。

韩旭向我们介绍,Sunnyvale的办公室一开始也没有停放无人驾驶车的专用车库,他们大约花费了数十万美金,重新改造了通风系统和采光系统。改造后的车库像模像样,雷锋网新智驾估算新车库的面积在一万英尺以上,大概是景驰整个办公面积的五分之一。车库设在办公区相反的一侧,中间连接着用餐区和健身房等生活区,车库与健身房相连。推开健身房的门,一墙之隔完全是另一个洞天。

韩旭的经验是,车库得有专门的场地,要离公司近,与测试场地要近,这样调试起来方便,能提高不少效率。韩旭之前做过测试,由于测试场地与办公场地不在一个地方,每次都要提前预约,这种周折会造成效率折损。要是没有专用车库,无人驾驶测试用的激光雷达等传感器昂贵,停车也会是个大问题。

景驰目前一共订了4辆林肯MKZ作为改装用的测试车,4辆测试车看上去好像不多,但在硅谷华人背景的无人驾驶创业公司中已经是“顶配”了。

“理想状态下最好5个工程师有一辆测试车,这样新的软件算法可以快速得到验证。”王劲解释说,“你要是有100个工程师,要排队等一个QA,那不是很惨。” 他打趣道。景驰计划到今年底把车队的数量扩充到现在的5倍以上。景驰目前的车库空间看起来容纳20辆测试车绰绰有余。


景驰的测试车林肯MKZ

在Sunnyvale公司附近的街区,景驰给团队成员都租了房子,走路就能到办公室。过去几个月,团队几乎处在封闭开发状态。不过因为进度很快,氛围融洽,以及伙食很好,“大家的状态都比较开心。”一开始王劲哈哈大笑,就是因为讲到伙食好。平时,景驰从硅谷的各大中餐馆里定制了各种中式大餐,一日三餐,犒劳工程师们的中国胃。

精良的团队、充足的激光雷达、专属车库和测试场地、“顶配”车队以及中式大餐保证了战斗力。尽管景驰加入无人驾驶战局的时间很晚,但王劲认为目前在技术开发进度上他们已经比大部分团队要快。这里,评价开发进度有一个很重要的依据——他们的测试样车已经能在硅谷主要城区道路的高峰时段,“在车流量很大的情况下,满大街跑得很好,而且不需要人干预。”对于高峰时段,王劲强调了至少两遍,“能在硅谷主要城区道路的高峰时段流畅地完成驾驶,是初创公司中少有的,如果不是唯一的话。”

除了开发无人驾驶常规的感知、决策、规划、控制模块,景驰现在还有一个自主开发的大规模的仿真器以及一套快速精确生产高精度地图的方法。王劲说,无人驾驶是一个技术体系,比拼的是系统集成。景驰的团队综合实力很强——仿真器做得好,高精度地图做得好,所以整个系统的进度都会加快,测试样车也跑得更流畅。

在采访韩旭前,雷锋网新智驾也提前体验了一把景驰的无人驾驶样车。景驰工程师坐在驾驶位上(满足加州的法规要求),副驾驶位则摆放了一个主机和显示器,用于即时调试。后排座位前方还有另一台显示器,主要展示车顶激光雷达扫描得到的点云。

工程师启动车辆并驾驶了一小段后,设定了起始位置并按下方向盘上的一个按钮,车辆随即进入无人驾驶模式。刚启动时车辆轻顿了一下,然后恢复平稳。接下来的行驶中,如果不是事先已经知道结果,难以分辨到底是人类驾驶还是机器驾驶。沿着Sunnyvale的周边道路,测试样车演示了自主转向、自主变道和通过红绿灯等操作。试乘的最后,工程师直接接管方向盘,车辆就退出了无人驾驶模式。

韩旭则告诉我们,团队的下一步计划,是在扩大车队的基础上,优化算法,降低解决方案的造价,以及让测试样车在更大的区域内能跑起来。

中美无人驾驶会超过德日

在过去L1和L2的自动驾驶技术上,德系和日系厂商布局很早,也有丰富的量产经验。王劲的一个判断是在高度自动驾驶技术,也就是无人驾驶规模化部署和量产上,中美的厂商会走得更快——中美有更多人工智能、深度学习方面的人才。景驰的目标是在2020年中叶做好量产自动驾驶技术的准备。

本质上从L1 – L3的自动驾驶系统,都是面向特定场景、有限条件下的自动驾驶。而从L4开始,自动驾驶系统是为了应对各种各样无限多的驾驶场景设计的。L1 – L3的自动驾驶系统与L4的系统相比,在传感器、计算硬件上的配置不同,但韩旭认为制约现有自动驾驶系统的瓶颈是我们还需要更好的算法。更好的算法,意味着能应对越来越多的极端驾驶情况,也意味着需要大量的驾驶数据。用传统建立规则(rule-based)的方法来处理海量的驾驶数据是非常吃力的,这个时候深度学习和人工智能起到了庖丁解牛的作用。

中国汽车产业的机遇和洗牌

王劲最早在跟奇瑞谈判时提出了汽车的“三化”:新能源化、智能化和共享化,今天看来这已经作为主流观点被行业接受。未来的汽车产业会是提供智能汽车与出行的联合产业,科技公司、车企和出行公司会整合在一起,密不可分。随之而来,王劲认为产业会发生几个变化:

  • 未来汽车行业的竞争,会是科技公司、车企和出行公司融合的竞争,不再是单个公司单打独斗能够获胜的;

  • 无人驾驶会带来汽车安全性的极大提升,而共享的无人驾驶出行服务在提高效率的同时会把出行成本至少砍掉一半,乘客的出行成本下降而运营企业的利润提升,出行市场的规模至少会翻一番;

  • 在共享出行服务的框架下,汽车品牌之间的差异会减小,能够提供比较好的出行服务的企业会掌握这一轮变革的主动权;

  • 汽车会趋于标准化的生产。今天市面上看到的上百种车型,每一种车型都有一套昂贵的设计、测试流程。假设今后主流的前10款车型能满足市场80%的出行需求,能极大地降低汽车和出行的成本,汽车的销售甚至有可能因此从今天的B2C模式变成B2B的模式。

全球跨国经营的大型汽车集团有二十几家,受网约车新政影响仅国内的共享出行服务提供商就有上百家,更何况,还有各省市传统出租车公司旗下数以百万的运营车辆。王劲认为,相比车企和出行公司,真正有能力把无人驾驶做出来的科技公司是很稀缺的,可以说是凤毛菱角。

景驰给自己的定位是,作为一个技术和综合运营能力上的领先者,他们会把使能(enable)城市共享出行的无人驾驶技术原型做出来,上游是硬件厂商,在下游则是联合车企、出行公司或者其他合作伙伴,从明年起逐步规模化地部署运营车辆,最后在2020年中叶实现量产无人驾驶汽车。这条路径也是自动驾驶领域最主流、影响最大的路径,王劲说,“我们对标的就是Waymo,要做到世界一流。”

王劲还非常清楚地记得公司成立后的每个技术里程碑:5月12号第一次完成封闭道路测试,6月18号拿到加州路测牌照,6月24号已经在硅谷的主要城区道路跑起来了。韩旭说,景驰的风格是注重结果和速度。让无人车在高峰时段的城区跑起来,他们已经交出了第一阶段的答卷。

虽然目前大部分团队都在硅谷,韩旭说当公司越来越壮大的时候,会把重心放到国内,硅谷研发中心则继续保留。在完成技术原型打磨后,景驰马上要面对的是开展稍大规模的测试部署,特别是在国内。

王劲和韩旭在百度时期都经历过让无人驾驶进入常态化运营的挑战。韩旭向新智驾回忆说,去年11月的互联网大会召开前,他们从6月份开始要在乌镇部署一支无人驾驶车队。乌镇当时恰逢大范围的道路施工。令他印象深刻的是,在当地部署无人驾驶车辆一个多月后,有天一辆施工车拉了一条黑色的电线,把前面的路给封住了。那是很细的一条黑线,机器根本没法识别出来。路上还时常有农民骑着三轮车逆行。

技术上的难点也有很多,当时他们的无人驾驶车主要还采用一些传统的算法,识别距离偏短。南方的高温带来计算硬件散热的问题。当时几十个工程师在乌镇包了一个旅馆,一直在测试。韩旭说,乌镇的无人驾驶demo是让国人第一次知道无人驾驶不是科幻,而是可以变成真正的产品与服务。

景驰的动作很快。两个月前,王劲和吕庆拜访了一座南方城市,他们参观了这座城市里的一家车企、一个保税物流中心,并查看了市内的几条主干道。

景驰第二阶段的规模化部署具体是怎样的?王劲笑了笑。现在还没有到揭秘这个答案的时候。

但可以预见,蓬勃的中国无人驾驶市场需要有世界级的无人驾驶技术提供商,特别是扎根中国的团队。

附注:本文由雷锋网新智驾编辑吴德新、张驰联合采编完成。

雷锋网