机器人天空-为机器人开发者和爱好者服务
若干年后，自动驾驶普及，车辆供给形态或发生巨变，车厂、用车服务商或将进入一个动态博弈的新格局，双方角力的战场是产量销量均破9000万辆大关的汽车市场，竞逐的目标是无人驾驶可能会带来的7万亿美元的“客运经济”。
无人驾驶技术，无疑是左右战局的重要因素之一。这样的预期之下，无人驾驶的赛道上，不仅吸纳了几乎全球所有的车厂、用车服务公司，也吸引有无人驾驶相关技术的初创公司竟逐。
Pony.AI 正是这场战局中备受关注的一家初创公司。这家要做L4级别自动驾驶的公司，中文名为小马智行，由前百度知名工程师James Peng和楼天城创办。
James Peng 2002年在斯坦福获得博士学位，曾在Google就职七年， 2015 年开始专注研发无人车项目。楼天城是图灵华裔得主姚期智的得意门生。两次ACM全球总决赛的亚军得主，连续两年获得Google全球Code Jam的冠军，亦连续两年蝉联百度之星大赛冠军， 在编程界被称为“楼教主”。在top coder圈内被誉为能够“以一己之力挑战对手一个队，然后把对手打得抬不起头的人”。2012年于清华博士毕业加入Google，在 Google无人车团队专注研发多年。
这样的行业前景、公司愿景、加上团队背景，获得了国际知名投资机构的青睐，创业之初就成功融资，因此也受到行业的极大关注。
在Pony.ai的推想中，无人驾驶普及，私家车的使用渠道很可能由购买变为租用服务。在这样的“客运经济”很可能会分为三类大玩家——处于底层的车厂、处于中间的无人驾驶公司、处于上层的运营商。目前处于底层的车厂与上层的运营商出于焦虑及布局，均有可能涉足其他一项或者两项业务，处于中间层的无人驾驶公司既是左右战局的重要因素，也有可能借助合作的方式涉足其他一项或者两项业务，分食客运经济的蛋糕。
但这一切都需建立在公司可以提供稳定、可靠的商用无人驾驶技术之上。根据 SAE的分类，要做到L4级别，意味着只要给定事先定好的区域，就可以实现“完全无人驾驶”。团队认为，即使Google已经做了8年，短期内也并不能达到完全商用技术水平。
对于Pony.ai 同样做L4的自动驾驶公司来说，如何尽快做出样车，收集数据至关重要。Pony.ai去年年底成立公司，半年内就已经研发出第一代样车，已经进入每日实路测试阶段。据透露，样车采用了包含64线激光雷达的多传感器融合的方案，以50KM/H的最高速度在加州的道路上自动行驶，车辆不仅可以识别周围环境、红绿灯、行人等，也可以精准操控汽车按照交通法规的要求做出实时反馈。
之所以选择多传感器融合的方案，主要是出于无人车的安全性和可靠性考虑。从传感器、软硬件可以实现的结果来考虑，多传感器融合方案是目前技术上最为可行的方案。市面上很多团队出于成本的考虑，将重心放在了摄像头上，但James Peng认为纯靠视觉和DNN ，基本上很难实现Level 4 要求的安全性；而未来传感器中成本高昂的激光雷达价格则会大幅降低。
现阶段，全球的 LiDAR 供应几乎被 Velodyne 垄断，16线售价8千美元左右，64线成本在8万美元左右。价格高昂主要原因在于需求量少，多为纯手工，良品率低；但如果需求提升到百万，雷达的价格就有望大幅下降。目前这一领域也出现了不少新玩家，计划推出高性价比产品，未来降价会是必然。团队之所以选择售价高的64线LiDAR，主要是考虑到64线的有效范围可以达到100米，而16线产品用在Level 4无人驾驶上必须要多个组合才能有效覆盖，且范围也不及64线。近期Velodyne 将推出32线方案，价格会下降而有效范围会有提升。双方有良好合作的基础，Pony.ai作为试点用户正在跟进评估中。
James Peng向36氪表示，无人车是一项系统的集成工程，宏观上涵盖定位、感知、预测、决策、控制部分，具体又包括传感器融合、定位导航、物体识别与跟踪、高精度地图、行为预测、路径规划、避障、控制等诸多环节，对团队的经验要求非常高。在James看来，做大系统的经验十分重要，目前市面上还很少有像无人车一样复杂的系统，功能多、模块多，且各个模块之间需要进行数据传输、交互。互联网公司解决的多是大数据问题，无人车单位时间内产生的数据量巨大，又追求绝对的实时性，两者本质上是矛盾的，但需要同时兼顾并处理好。做大规模分布式计算、存储或类似大系统的经验会十分有帮助，这也是团队的优势之一。
另一方面，汇集优秀的人才，培养良好的工程习惯，也是团队的重要竞争力。目前Pony.ai组建了数十人的团队，团队部分成员来自Google、Facebook、Uber、NVIDIA等技术公司，不少参加过编程竞赛并拿过奖，迭代速度快。同时，团队也对工程习惯（Engineer Practice）有严格要求，短期内虽然会在代码、流程等方面多花费时间，但从中期来看则会加快开发的效率。James强调，除了实际路测之外，以工程能力支撑，建立强大的仿真平台亦很重要。自研开发的仿真系统目前已经能够仿造比实际路况复杂许多的虚拟场景，从而确保上路之前就已经能够建立系统信任度。
无人驾驶行业目前还没有公认的评价体系，平均无故障里程（MPI）被认为是其中的一个，做了8年无人驾驶的Google目前的数据已经可以达到8000，Uber 的数据则在200多。James Peng分析，对于不少公司来说，100是一个十分重要的坎，从0-100是从无到有的过程，很多时候会遇到突发情况，但此后就有可能呈现爆发式的增长，团队计划今年可以突破100。