“用4個月時間打造一輛自動駕駛汽車”、“曾在全球最大軍火製造商工作”、“給衛星寫過代碼”，這是媒體對Vector.ai創始人蔡長柏（Andrew Tsai）的描述。但在完成“4個月打造一輛自動駕駛汽車”背後蔡長柏到底遇到了哪些困難，外界卻很難得知。
2016年8月，蔡長柏購買了一輛2017年款的Acura ILX作為原型車，並把它改裝成了一輛自動駕駛汽車，在接受雷鋒網新智駕採訪時，蔡長柏表示這輛自動駕駛汽車已經達到了Level 3的自動駕駛級別。
在此之前，蔡長柏曾在全球知名軍火製造商洛克希德·馬丁和諾斯洛普·格魯門公司任職。蔡長柏對雷鋒網新智駕表示，這兩家公司的工作內容雖然不直接涉及到自動駕駛，但他們在設計武器和衛星等設備時也會應用到人工智慧技術，這對於他後來參與自動駕駛汽車設計有很大的幫助。
在設計這輛自動駕駛汽車的過程中，蔡長柏也得到了來自晶片製造商、感測器製造商和其他矽谷的自動駕駛創業公司的幫助。因此，他認為自動駕駛行業其實是一個各家公司協同合作的生態系統，而不是一個競技場。“這是一個大生態環境，每家公司都有自己的定位，我們要做的是在這個市場中存活下去。”蔡長柏說。
在完成了自己的第一輛自動駕駛汽車改裝後，Uber、Embark等自動駕駛公司紛紛向他拋出橄欖枝，但蔡長柏認為實現自己的自動駕駛夢想最有效率的方式是自己組建團隊創業，因為在大公司的團隊中有很多事情是在他自己控制之外的。
蔡長柏對效率的看重不僅體現在團隊上，還體現在他的自動駕駛願景上。蔡長柏的夢想是“以一種更有效率的方式改變交通的未來”，因此他不僅自己組建團隊創業，還通過與矽谷終身學習平臺BitTiger等教育機構合作的方式，把自己在自動駕駛方面的經驗和知識分享給想進入這個行業的年輕人。在蔡長柏看來，讓更多人進入這個行業會讓自動駕駛的推進變得更有效率。
關於Vector.ai的自動駕駛願景及未來的商業計畫，Vector.ai創始人蔡長柏及合夥人楊帆最近接受了雷鋒網新智駕（AI-Drive）的專訪，以下為採訪實錄：
新智駕：你們對2017款Acura ILX做了哪些改裝工作？需要獲得汽車的哪些控制許可權？比較困難的部分在哪裡？
楊帆：要做自動駕駛，我們改裝了4個地方，它們分別是刹車、油門、轉向以及換擋。這4個核心關鍵部位決定了這台車能否進行自動駕駛。具體來說，我們控制了這些地方的許可權。這其中比較困難的是換擋，因為Acura ILX的換擋分為1-8檔，在不同的速度下需要的檔位元不同，所以我們需要對它進行比較複雜的改裝。
新智駕：為什麼會選擇這款車進行改裝呢？
楊帆：第一，這款車是基於日本本田平臺下的，而與德國車、美國車相比較而言，日本車的電子助力轉向是非常成熟的，而美國車大多是液壓助力轉向。所以改裝日本車相對來說比較容易，因為我們能夠很輕鬆地控制電子助力轉向的許可權並切入它的控制系統。我們都知道，原裝出廠的汽車的助力轉向演算法和電路控制系統是集成在汽車的設計裡面的，如果想要把來自感測器（雷射雷達等）的信號輸入進去並對它進行控制的話，我們需要讓信號傳遞給主機，並讓主機生成控制信號輸出給助力轉向系統。這就需要對原來的電子控制許可權進行一些改進，把原來的資料流程截斷或進行部分篩選，然後把我們控制的資料來源輸入進去，讓它根據我們的思路去控制車輛。
第二，有資料顯示，90%以上的美國消費者都傾向于選擇日本或韓國等亞洲國家生產的車輛，另外日本車在中國市場也很受歡迎。接下來我們也會改裝起亞等韓系車輛。當然，我們對歐洲車也很感興趣，包括大眾、寶馬和賓士。
新智駕：從去年4月份開始自學起無人駕駛技術，你主要補的課是哪些呢？
蔡長柏：當我在大學的時候，我就一直在學習人工智慧相關的課程，在洛克希德·馬丁和諾斯洛普·格魯門工作期間，我也學習了很多人工智慧在防務上的應用。而且，我一直在學習人工智慧在自動駕駛方面的應用，所以在創業之前我就已經有了很多知識的累積。另外，我還學習了一些吳恩達和Yann LeCun等人的線上課程，這讓我理解了自動駕駛技術如何投入實際應用。Udacity也提供了很多很好的課程，例如如何構建機器人和自動駕駛等。另外，德克薩斯大學、多倫多大學也提供很多很好的自動駕駛課程。除此之外，我還得到了很多矽谷同行的説明，從晶片製造商到感測器製造商再到其他的創業公司都給了我很多自動駕駛工業設計上的指導。
新智駕：原來你在洛克希德·馬丁、諾斯洛普·格魯門以及DARPA的工作經驗，與現在做自動駕駛有什麼相同之處和不同之處？
蔡長柏： 其實洛克希德·馬丁和諾斯洛普·格魯門不做自動駕駛，但他們為美國政府和軍方提供相關的解決方案。自動駕駛的核心是人工智慧，而人工智慧則是任何自動化平臺的高級層面。人工智慧已經被應用在了醫療保健、智慧手機和保險等諸多領域，它在軍事防禦領域也有應用。所以在Lockheed Martin和Northrop Grumman我直接接觸的是人工智慧，而不是它的自動駕駛應用。
新智駕：你認為Vector.ai與其他自動駕駛公司有什麼區別？
蔡長柏：我認為讓我們跟他們不一樣的地方在於我們意識到了這些公司可能也有類似的想法，但我們使用了正確的方式去實現這一想法。例如我用更短的時間改裝出了一輛自動駕駛汽車，並把它帶到世人面前。
另外，我們也把重點放在讓自動駕駛汽車大眾化這件事情上，不像comma.ai、drive.ai等公司，他們把自動駕駛的未來看得太重要了。但我們的重點是，有可能會進入自動駕駛行業的人。這也是我們與矽谷終身學習平臺BitTiger等教育機構合作的原因，我們要幫助在自動駕駛領域有抱負的年輕人進入這個行業。因為即使像百度這樣的公司開源了自己的自動駕駛平臺，很多人也不知道怎麼去使用這些平臺。所以我們希望提供這樣一個平臺，在推進我們的專案的同時，還能夠吸引到一些優質人才，並帶他們進入這個行業，共同推進自動駕駛的進程。
新智駕：如何看待Google、Tesla以及傳統車企在自動駕駛領域的成就，你認為你們還有市場嗎？
蔡長柏：我們知道自動駕駛是一個生態系統，所以這並不意味著所有這個領域的公司都在進行直接的競爭。例如特斯拉生產整車，Waymo更多是在做雷射雷達，中國的馭勢科技目前做的是園區無人車。這是一個大生態環境，每家公司都有自己的定位，我們要做的是在這個市場中存活下去。
新智駕：那麼你們要做的具體是哪個細分的領域？
蔡長柏：在這個生態中，我們提供的核心產品是人工智慧演算法，也就是基於人工智慧的通用的自動駕駛解決方案。在製造自動駕駛整車的公司在進行量產前，他們需要解決這個電腦科學的問題，而我們則提供這個問題的解決方案。目前我們的客戶主要是一級供應商，一級供應商主要是為主機廠進行代工生產（OEM），他們也需要這樣的解決方案。
新智駕：無論DARPA，還是軍工專案，對於感測器都是相對不惜成本的，在你們的開發過程中，使用了一些相對比較廉價的感測器（比如未使64線雷射雷達），帶來的影響是什麼？
蔡長柏：還是這個問題，自動駕駛行業是一個生態系統，有的公司提供解決方案，有的公司提供GPS，有的公司提供高精度地圖。而64線雷達主要是提供給繪製高精度地圖的公司使用的，對於我們來說，我們的研發重點是人工智慧的解決方案，16線的雷達對於我們來說已經夠用了。而且對於創業公司來說，使用更低價的雷射雷達也是一個明智的選擇。
新智駕：你們的研發過程中是否用到了開來源資料？你怎麼看待開來源資料？
蔡長柏：在回答這個問題之前，我想談談開來源資料的意義。開源的哲學是讓事情變得有效率，因為我們不需要重新發明一樣已經存在的東西。開源是當我們寫完一個程式或者獲取一些資料之後，我把它開放給技術社區，並獲得一些回饋，我們可以看到人們怎麼改進它，甚至是怎麼應用它。
我看到百度、Google和特斯拉等進入自動駕駛行業的公司都開放了很多資料和應用，因為他們想把人們帶入這個生態系統，然後推進自動駕駛的進程。我認為，重點不是在技術上，而是在於如何協同合作上，在於這個生態系統裡的公司合作推進同一件事情。
新智駕：現在在自動駕駛上，每一家都積累了大量的資料，但每一家的資料都還不夠大，你認為大家以後分享資料的方式是怎樣的？或者怎樣來合作使得自動駕駛的演算法更好？
蔡長柏：我認為問題不是資料的量夠不夠大，這需要區別不同情況。因為即使不同的公司共用了自己的資料，但如果這些資料不與你自己的框架搭配的話，這些資料就是無用的。我認為資料並不是自動駕駛的核心，它更多的作用是增加消費者的信心。但我並非說資料不重要，它也可以作為測試的依據。如果你擁有幾百萬公里的行車資料，在測試時你就知道哪些情況下可能發生車禍，哪些情況下你需要讓人類司機接管汽車，隨著資料量的增加，系統的性能也就會慢慢提升。
新智駕： Uber旗下的Otto、Embark等不少企業之前都希望邀請你入職，為什麼你還會選擇自己創業？
蔡長柏：他們的確給了我工作邀請，但我的目標是改變交通的未來，更重要的是，要以一種更有效率的方式改變交通的未來。Otto、Embark都是很棒的公司，也有很棒的團隊，但我認為我自己創業會比在一個大團隊中更有效率。我認為這是我的夢想，為自動駕駛行業提供一個解決方案，讓開車這件事情變得更有效率。我不否認我在那些公司工作也可以得到相同的結果，但我相信也有很多問題、很多事情是超乎我的控制的。
新智駕：如何評估你們現在自動駕駛解決方案能達到的水準？後期的商業化規劃是怎樣的？
蔡長柏：目前我們的自動駕駛解決方案處於Level 3的初級階段。但具體的商業化規劃目前需要保密，我可以告訴你我們現在的利潤主要來自于向一級供應商提供人工智慧解決方案的授權，並對這些授權收費。
新智駕：你怎麼看待中國市場？如何看待中國和矽谷自動駕駛公司在技術上的區別？
蔡長柏：首先，中國是一個很大的市場，據估計到2020年中國的自動駕駛市場規模將會達到300億美元，而如果我們能夠得到其中的一小部分份額的話，我們的公司就可以說是盈利的。
但就技術而言，相比於矽谷的自動駕駛公司，中國公司過於依賴ADAS，矽谷公司則大多是在通過人工智慧實現自動駕駛，因為我們認為人工智慧才是自動駕駛的關鍵。我們為自動駕駛公司提供人工智慧的解決方案，這樣他們就不需要重新開發其他人已經做過的工作，這是一件很有效率的事情。但我並不是說ADAS和人工智慧孰優孰劣，因為當一輛自動駕駛汽車的人工智慧失效時，ADAS可以幫助它繼續駕駛，反之亦然。而ADAS在運行的過程中，也能為人工智慧的神經網路提供回饋，從而提升它的性能。
如文中提到，Vector.ai目前正與一家矽谷科技線上教育公司BitTiger合作將於5月22日推出一門線下自動駕駛深度學習培訓課程，這一課程全程10天80個小時，Vector.ai將從軟體到硬體手把手教授如何打造出一輛普通車十分之一大小的自動駕駛汽車人車原型。如果你有興趣，歡迎訪問bittiger.io瞭解更多資訊。
雷鋒網相關推薦：《
Drive.ai雨中路測後，我們遠隔大洋與這家矽谷創業公司聊了聊
》