谷歌無人駕駛汽車項目前負責人、無人駕駛汽車初創公司Aurora創始人克里斯·厄爾姆森
3月30日消息，據外媒報道，克里斯·厄爾姆森(Chris Urmson)曾是谷歌無人駕駛汽車項目早期團隊的領導者，直到這個項目被從谷歌剝離，并成立了Alphabet旗下無人駕駛汽車子公司Waymo。如今，Waymo已經在無人駕駛汽車領域占據領先優勢。
盡管是厄爾姆森把這個團隊推向了技術頂峰，他也認為Waymo可能成為第一個商業部署無人駕駛車輛的公司，但他卻并沒有伴隨Waymo走下去。就在Waymo現任首席執行官約翰·克拉富西克(John Krafcik)接管了這家公司之后，厄爾姆森于2016年12月選擇辭職離開。
在對自己的下一步行動考慮了幾個月后，厄爾姆森與特斯拉電動汽車公司負責開發自動駕駛儀(Autopilot)的斯特林·安德森(Sterling Anderson)、網約車巨頭Uber的機器學習專家德魯·巴格內爾(Drew Bagnell)合作，共同創辦了新的無人駕駛汽車初創公司Aurora。
當這家公司于2017年初悄然成立時，人們就對它產生了敬畏之情。在無人駕駛汽車領域，這是個令人恐懼的新團隊。上個月，Aurora完成了第一輪融資，從Greylock Partners和Index Ventures籌集了9000萬美元資金。職業社交網站LinkedIn創始人(Greylock合伙人)里德·霍夫曼(Reid Hoffman)也加入了新公司董事會。
最近，厄爾姆森接受了《大西洋月刊》編輯亞麗克西斯·馬德里加爾(Alexis Madrigal)專訪，談起他的新公司、無人駕駛汽車行業現狀、福特Escorts，以及為什么無人駕駛汽車上的所有傳感器成本并不重要。
最讓人感到驚訝的是，厄爾姆森關于無人駕駛汽車技術的設想并沒有真正改變，但他對這個行業的看法卻發生了改變。
Waymo計劃擁有并運營自己的服務，與汽車公司簽約為其生產汽車。而Aurora計劃與大型汽車公司合作，為它們提供技術，以幫助它們打造自己的無人駕駛汽車軍團。厄爾姆森反問道：當你可以把技術賣給所有人的時候，為什么還要建立自己的汽車服務?
Aurora認為，無人駕駛汽車技術的最初發展將會是個復雜的、令人擔憂的、昂貴的過程，因此第一個部署它們的公司(比如Waymo)不一定成為長期的市場贏家。如果說有誰能在這個賭注上繼續加注，那個人就是厄爾姆森。
以下就是采訪摘要：
馬德里加爾：當你離開谷歌時，我感到十分吃驚，因為我以為你會一路陪伴它走下去。
厄爾姆森：的確，這是由時機決定的。我想，如果你在我離開前一年問我，我都會說自己會無限期呆在那里。
馬德里加爾：為什么?
厄爾姆森：說到底，我覺得它不再那么有趣了。和大多數人一樣，當我過得很開心的時候，我會盡最大努力工作。如果沒有我，這個團隊應該能做得更好。他們找來了克拉富西克，他就是他們挑選的那個人，負責公司的運營。這對他們來說是件好事，但對我來說不太合適。
馬德里加爾：為何這樣說，至少部分原因是因為你擁有這個行業最寶貴的工作經驗嗎?
厄爾姆森：并非如此。在離開的時候，我自己都不知道要做什么。有些人呼吁去海灘上躺一會兒。當時有很多很酷的東西，不管是飛行汽車，還是計算機科學和生物技術的融合。在過去12年的生命里，我始終致力于研究無人駕駛汽車，所以我覺得也許是時候去看看外面還有什么。我用了3到4個月的時間來完成這個過程，期間遇到了很多人。幾個月后，我意識到這是建立公司的獨特機會。
我能找到幾個絕佳人選，與他們共同創辦公司。安德森曾在特斯拉待過一段時間，有著豐富的經歷。安德森是麻省理工學院的博士，在麥肯錫工作了幾年時間，然后進入特斯拉，幫助推出了許多新東西。這和無人駕駛汽車不太一樣，但他幫助推出了新車Model X，然后啟動了自動駕駛儀項目。
至于巴格內爾，我們從1999年就認識了，現在已經交往了19年。我們一起讀研究生。他是機器學習領域的專家，很久之前就開始把所學知識應用于機器人技術。我們從來沒有真正合作過，但我們有很多共同的朋友。他當時在Uber工作，坦率地說，他已經做好了改變的準備。
馬德里加爾：對于將谷歌、特斯拉和Uber無人駕駛汽車使用的不同方法進行融合，有什么要說的嗎?
厄爾姆森：那實際上是我們所看到的“秘密醬汁”的一部分。我們會研究這些不同的經驗基礎，并試著從中挑選出最好的。特斯拉能提供什么新東西嗎?這實際上與硬件有關，我們已經建立起偉大的團隊，每個人都有豐富的經驗，并且理解什么是符合條件的東西，并以現代化方式將它們融入到汽車系統中。
顯然，巴格內爾在Uber工作了一段時間，但我真的認為他是個機器學習專家，特別是在機器人和機器學習方面的才能。因為當你在研發機器學習網絡的時候，那里有無數數據。
馬德里加爾：當你花了這么長時間啟動谷歌/Waymo項目后，為什么又要創辦新公司呢?
厄爾姆森：這是個正確的時刻，因為技術和汽車生態系統都處于恰當的合適位置。幾年前，我不認為汽車行業準備做些不同的事情，它已經進化了100多年。它們的供應鏈擁有讓人難以置信的能力，而且大部分依然在高效運作。
但這是一項新技術，它需要新人團隊，新的技能。看起來這個行業似乎已經準備好了，部分原因是他們承受著巨大的壓力：環境影響加劇，電動化和連接需求激增，還有Uber、Lyft以及滴滴出行等叫車服務的崛起。
這是真正的信息連接，使汽車能夠以一種新的方式被使用。還有無人駕駛汽車和駕駛輔助技術。這些技術同時匯聚到這個行業中來，并推動整個行業去思考：我們該如何應對?
新公司Aurora的開業，就像給我們帶來了對這個問題的深刻體驗，對這個問題的更深理解。它需要走出去，本著不顛覆現有公司的精神與它們緊密合作。因為事實證明，制造車真的非常困難。我們可能認為這是理所當然的，但實際上它們是不可思議的。
馬德里加爾：這是你和谷歌/Waymo所做事情存在關鍵戰略差異的原因，那么你所采取的方法是否與它們存在技術上的差異?
厄爾姆森：我想，如果你從上萬米高空向下看，它們可能沒什么不同。我們使用激光、雷達和攝像頭，正在研究運動規劃、知覺、控制技術。我們有軟件基礎設施。所以，從這個層面上來說，沒有區別。你是誰并不重要，你正在使用這些傳感器和軟件。真正重要的是能夠實現技術最后的10%，最后的1%，最后的0.001%。
馬德里加爾：關于無人駕駛汽車問題的“芝諾悖論”(Zeno’s paradox)?(所謂“芝諾悖論”是古希臘數學家芝諾提出的一系列關于運動不可分性的哲學悖論，即看似很有理卻又明顯矛盾的情形。)
厄爾姆森：是的。找幾個研究生，訂購一輛車，下載ROS(機器人操作系統)，你很可能在6個月內就能得到一輛能在停車場附近自動行駛的汽車。
當然，最大的挑戰在于細節，這就是Aurora要解決的問題。我們要考慮的是，如果我們今天要憑空設計出一輛車，我們不要把注意力集中在演示軟件(Demoware)上，或讓一輛車盡可能快地繞著停車場行駛，我們首先需要了解下如何才能達到高效安全的出行方式。
馬德里加爾：你的方法有什么不同?
厄爾姆森：舉個例子，我們將機器學習應用于運動規劃和感知系統相組合的方式與眾不同。設計這種系統的經典方法是，需要有個團隊致力于開發感知技術。他們走出去，盡其所能地把它做到最好，他們到達了高原，然后把它交給了負責運動規劃的人。
他們寫了些東西，弄清楚在哪里停止或者如何改變一條小巷，它負責處理感知系統中所有的噪音，因為它無法完美地看到世界。它可能有錯誤，也許它認為自己的移動速度比想象的快或慢。也許每隔一段時間就會產生一個誤報。運動規劃系統必須對此作出回應。
所以負責運動規劃的人落在負責感知的人后面，但是他們把所有的東西都融入進來，而且工作的很好，也可以達到這樣的感知水平。然后負責感知的人又會說：“哦，但是我們又有了新的(代碼)推送。”負責運動規劃的人再次落后，他們的系統在不合適的時候再次被打破。
你最終會遇到這個具有挑戰性的跨越式問題，它最終會阻礙整個團隊取得進展。負責運動規劃的人不想改變感知，因為他們剛剛適應它。但如果感知沒有改善，你就無法繼續取得進步。
我們設計系統的方式就是在這兩個地方應用機器學習。我們將能夠將最近的感知輸出，自動地重新調整運動規劃系統與新的感知匹配，并推動它們更快地向前移動。這聽起來幾乎是顯而易見的，但在兩者之間的接口處需要藝術性處理，這樣你就可以讓算法進行適當的合作。
馬德里加爾：自從谷歌無人駕駛汽車項目開始以來，機器學習的普及就發生了巨大變化。Waymo真的能充分利用這一點嗎?我曾問過Waymo工程副總裁德米特里·多爾戈夫(Dmitri Dolgov)同樣的問題，他的答案是基本可充分利用，因為谷歌是機器學習領域無可爭議的領導者。
厄爾姆森：多爾戈夫給出了不錯的答案。
馬德里加爾：但在我看來，他們現在可能會以不同的方式開始，與2009年的起點有所不同。
厄爾姆森：的確如此，這絕不是對多爾戈夫等人所取得成就的否定。他們是個了不起的團隊，做得非常棒。他們顯然位于所有人的前面。但當你有一套特定的建筑規則時，所有的東西都要圍繞著它進行。你是聰明的，可以加以改變，但是骨子里存在的東西不會變。
可以說，我們現在知道如何應用機器學習的所有知識，以及云計算的可用性，并理解這個問題到底有多難，這讓我們從第一天開始就在著手解決這些問題。但這并不意味著我們會在Waymo之前實現目標，但意味著我們能夠以令人滿意的速度越過指定距離。我們將能夠幫助合作伙伴帶來安全的產品，并最終在市場占據一席之地。
馬德里加爾：當你帶著這一系列問題中重新開始工作后，你遇到過當時覺得非常困難現在卻非常簡單的事情嗎?
厄爾姆森：在應用機器學習的時候遇到過，比如目標跟蹤。現在，我們很快就能開發出新的技術版本，這是令人興奮的。這是個生態系統功能，可以應用到我們生活的世界中。當我們在谷歌開始項目的時候，TensorFlow還不存在。
馬德里加爾：另一種Waymo式原則是不把無人駕駛技術視為一種司機輔助手段，我聽說你本人反對司機接手控制汽車。
厄爾姆森：我仍然相信這種原則。這并不是說你不能在車輛上安裝方向盤，或在你想駕車時不能手動去開。但我要做的是：汽車不應該要求駕駛員座位上的人去開車。如果你想開車，喜歡開車，去找樂子，那就去做吧!但是，如果你不想開車，你就可以讓汽車自動駕駛。
人們談論所謂的三級自動駕駛系統。這個想法是，汽車可以自動駕駛，但它會提醒你保持警惕。事實證明，如果你對提醒做出響應，它仍然需要做正確的事情，所以在那個時候，它實際上已經是個能力十分有限的四級系統。要做到這一點，實現它的復雜性就足夠高了，傳感器套件就會變得非常昂貴。
馬德里加爾：你在這里是如何衡量所取得進步的?
厄爾姆森：現在，我們正在打造無人駕駛汽車，合作伙伴希望在2020年或2021年看到它們。所以，我們要盡快地去實現它。在那個時候，我們說的是成千上萬的車輛，比現在的幾千輛車要多得多。但當考慮對世界的影響時，這僅僅是無人駕駛汽車部署的開始。
Aurora的想法是，既然我們要花數年時間才能讓無人駕駛技術發揮作用，而且還要花幾年的時間來制造出這項技術適用的汽車。那么我們為何不能找合作伙伴，讓兩者并行發展，這樣我們就可以更快走出去，擁有比其他人更快的規模效應。
即使Waymo擁有技術，他們仍然需要時間來壯大規模，他們需要與汽車廠商建立深入的合作關系來實現這一目標。
馬德里加爾：汽車公司傾向于說:“谷歌可以在汽車上安置價值10萬美元的傳感器，這很好，但我們正在討論向普通民眾提供汽車技術。”這是作為技術套件制造商面臨的關鍵問題嗎?
厄爾姆森：在叫車服務或公共交通商業模式中，汽車上的設備成本并不重要。無論是1萬、2萬還是5萬美元，它都會成功。經濟學將發揮作用。
與此同時，這里有一種錯誤的等價性，即在汽車上安裝10萬美元的設備成本與大規模部署汽車成本等同起來。如果你去看看任何生產汽車的原型，然后去買最便宜的車，你會發現這其中存在著巨大不同。
舉個例子……
馬德里加爾：福特Escort。
厄爾姆森：那是我的第一輛車。
馬德里加爾：也是我的第一輛車!
厄爾姆森：一輛藍色的福特Escort旅行車。
馬德里加爾：我有ZX2。
厄爾姆森：你那款是運動型的。
瑪德里格爾：不過，它確實屬于最便宜的車型。
厄爾姆森：你可能是對的。但是當福特公司生產第一批50輛Escort時，這些車的成本每輛大概在25萬到50萬美元之間。通過制造過程，可制造性設計，供應鏈管理過程，它們會將制造成本壓縮到每輛12000美元左右。
同樣的事情也會發生在其他元素上，比如說雷達。今天的汽車雷達，你可能會花50美元買到，如果你是個OEM，購買100萬個雷達。當制造商生產第一個的時候，我向你保證其成本可能需要2萬到5萬美元。
當人們談論這個問題時，你必須考慮我們所說的“應計成本”(should-cost)定價。把激光從架子上拿下來，看看里面的零件。有時，如果是光纖激光器，得到摻釔的光纖是相當昂貴的。但是如果你看到的是激光二極管激光雷達系統，幾乎沒有什么應計成本花費。激光二極管非常便宜。
瑪德里格爾：關于無人駕駛汽車，人們沒有想到的還有什么?
厄爾姆森：難題是這項技術最終將如何使用，以及它的深層影響是什么。
瑪德里格爾：我有個小電子表格，里面囊括了不同的技術預測，比如虛擬現實技術和實驗室生產肉類等，還有關于無人駕駛汽車的。隨著時間推移，我追蹤它們最新取得的進展。關于無人駕駛汽車的奇怪之處在于，我在6個月前再次對其進行了全面預測。而在過去的7到8年里，其進展幾乎與你的預測一致。
厄爾姆森：這對我們來說是件好事。
瑪德里格爾：當然，過去一年里有很多新的預測，我們將對它們能否實現拭目以待，特別是因為它們來自更廣泛的參與者，而不是最初的預測者。早期的預測者主要是來自所謂的“教練樹”，也就是參加過DARPA挑戰賽的人們。這些人對技術如何開發、如何工作以及需要發展的領域，幾乎都有相同的感覺。
厄爾姆森：我認為這是一件有趣的事情。在過去一年半的時間里，有更多樣化的人參與其中，不管是好是壞。你是對的，很多早期的工作都是從DARPA挑戰賽中發展出來的。那是你當時唯一能找到有經驗的人的地方。
現在，有了更多資金涌入，這孕育了新的創新，我認為這很酷。
瑪德里格爾：這些都是我想知道的，那么你在想什么呢?
厄爾姆森：我想的是如何建立一個健康的公司，我們如何能在這個競爭日益激烈的招聘市場、更好地了解社會不平等以及面臨越來越多自動化問題的時代做到這一點。我們如何才能不失去已經享受的好處前提下，在不引起社會混亂的情況下獲得更多好處?這是我擔心的事情之一。我還沒有找到滿意的答案，但它肯定在我的腦海里。(編譯/金鹿)
