0
衡量在 2021 年面臨一個選擇：是再次創(chuàng)業(yè)，還是加入一家成熟的大公司做自動駕駛？
他最終選擇了友道智途——一家從上汽前瞻spin off出來的初創(chuàng)公司，天使輪股東有上港、海爾、普洛斯、國電投、江蘇交控、自貿(mào)區(qū)基金、山東港這些產(chǎn)業(yè)相關(guān)方，專注于港口、干線物流、工業(yè)園區(qū)、礦山等場景的L4 級自動駕駛——擔(dān)任首席科學(xué)家和智駕中心總經(jīng)理。
友道成立前，時任上海市委書記李強親自推動上汽前瞻和上港合作東海大橋上的L4智能重卡。
友道成立一年后，現(xiàn)任市委書記陳吉寧上任。頗有緣分的是，在衡量十多年前的清華大學(xué)畢業(yè)典禮上，正是陳校長為他撥穗正冠?！斑@種緣分很奇妙，”衡量說，“但更關(guān)鍵的是，他們都是自動駕駛技術(shù)的堅定支持者?！?/p>
友道智途擁有大多數(shù)自動駕駛公司夢寐以求的資源：中國 30%主流港口的潛在客戶，以及上汽集團的支持。
對衡量而言，友道代表了一種“技術(shù)務(wù)實主義”——不再只是追求前沿算法的突破，而是讓自動駕駛真正在商用場景和財報上跑通。
“我需要一個能彌補短板、發(fā)揮長處的環(huán)境?！焙饬空f。他的技術(shù)能力毋庸置疑，但港口和物流是一個 to B 和to G 的市場，客戶資源、政府關(guān)系和技術(shù)一樣重要。友道的股東背景，讓他不必像在以前的創(chuàng)業(yè)公司那樣疲于找客戶，而是能專注于技術(shù)落地。
這種“務(wù)實”也體現(xiàn)在研發(fā)方式上。
友道的工程師駐扎在碼頭附近，他們的算法不是在會議室里討論出來的，而是在觀察龍門吊的作業(yè)節(jié)奏、傾聽卡車司機的抱怨后，一點點調(diào)整出來的。
例如，AIV（Autonomous Intelligent Vehicle，無人智能集裝箱轉(zhuǎn)運平板車）取消了駕駛室，采用雙向?qū)ΨQ設(shè)計，不是為了技術(shù)炫技，更是為了解決集裝箱方向錯誤時的效率問題——在傳統(tǒng)碼頭，這一環(huán)節(jié)需要額外的工序來調(diào)整。
“我們早過了做 demo 應(yīng)付投資人的階段，而是要讓每輛車每年實實在在地掙到30萬元?！庇训缹?dǎo)航負(fù)責(zé)人江燦森說。他與衡量的合作始于 2019 年的大疆時期，從過去的 L4 級乘用車到如今的 L4 級商用車，多年搭檔，他們最大的感慨，“完成了從‘仰望星空’到‘腳踏實地’的蛻變。”
如今，當(dāng) 170 人的精干團隊支撐著 400 多輛無人車的常態(tài)化運營，從上海羅涇碼頭到秘魯錢凱港，從集裝箱運輸?shù)降V山散貨，這套經(jīng)過驗證的商業(yè)模式正在持續(xù)復(fù)制。
（2024年10月友道智途團隊在秘魯錢凱港開啟試運營）
以下為雷峰網(wǎng)和衡量、江燦森的對話，并做了不改變原意的編輯：
雷峰網(wǎng)：你在友道這四年，可以分為幾個階段？
衡量：可以分成三個階段。
第一個階段是打造 L4 自動駕駛能力。
我們自研了友道智途智駕系統(tǒng)，當(dāng)時主要項目是上海東海大橋和外高橋4號碼頭（簡稱外四碼頭），項目很少，但智駕團隊人數(shù)一度達到 330 人，因為這個階段主要是構(gòu)建整個 L4 自動駕駛車隊的能力，從單車智駕到云端調(diào)度系統(tǒng)、車隊管理系統(tǒng)，所有能力都是在這個階段構(gòu)建的，大概持續(xù)了一年半。
第二個階段是應(yīng)用場景迅速擴大。
我們將之前在重卡和 AIV兩個車型上成功的自動駕駛技術(shù)應(yīng)用到更多場景，比如AIV從上海的集裝箱碼頭拓展到福建、廣東、山東、河北的碼頭，甚至到國外的秘魯。秘魯?shù)捻椖亢苤?，?xí)近平總書記 2024 年 11 月還親自視頻參加了開港儀式。
同時，重卡的場景也從東海大橋拓展到工業(yè)園區(qū)、散貨碼頭、礦山，從結(jié)構(gòu)化道路拓展到非結(jié)構(gòu)化道路。車隊規(guī)模從不到 100 輛車，到 2024 年年底有 400 多輛，2025 年可能會有 500 多輛。
這個階段主要是場景迅速擴大化，把技術(shù)復(fù)制到新場景，并針對新場景做對應(yīng)的開發(fā)，讓技術(shù)變得更加泛化、更加通用，適用于各種商用場景。
第三個階段，也就是最近一年的重點，是我們已經(jīng)成規(guī)模地運營起來了，重點是要提升運營效率。
一方面，智駕技術(shù)本身的表現(xiàn)要接近人類司機的表現(xiàn)。比如在碼頭，人類司機 20 分鐘可以完成一圈運輸，我們也需要做到類似的效率。
另一方面，運營人員要盡可能少，管理盡可能多的車。
目前車人比最高的場景在上海羅涇集裝箱碼頭，90 輛車每班只有 3 個人管理，其中1人是遠(yuǎn)控司機，無論是 30:1 的車人比，還是 90:1 的車輛遠(yuǎn)控比，在目前全世界的 L4 實踐中都是非常高的。
（友道智途的AIV正在上海羅涇港中運營）
雷峰網(wǎng)：這幾個階段難度不一樣嗎？
衡量：三個階段各有各的難點。
第一個階段，從零打造一個自動駕駛系統(tǒng)，應(yīng)該是相對最簡單的，因為我之前已經(jīng)做過幾遍了。當(dāng)然，每做一遍都是一次重構(gòu)，要結(jié)合當(dāng)前的硬件設(shè)備和算法進步，以及場景需求，做出新的改進。
第二個階段也有很多難點，主要是先做好一個場景，再將已有的場景經(jīng)驗遷移到其他場景。
做個對比，商用車車型和場景與乘用車不一樣。乘用車場景再多，也就是高速和城市，做好高速 NOA 和城市NOA 就差不多了，任務(wù)也比較簡單，主要是 A 點到 B 點的運輸。而商用車的情況要復(fù)雜得多一一在碼頭，要設(shè)計與碼頭吊機的對位和交互流程，應(yīng)對各種交互異常；在礦區(qū)，要涉及自己去找挖機和排土位置。
但我們不可能為每個場景做大量定制化開發(fā)，關(guān)鍵在于如何用有限的人力，通過在原有平臺化功能的基礎(chǔ)上，讓技術(shù)更加泛化，找到各個場景的共性。所以從第一個階段開始，就要做好一套“平臺化”的基礎(chǔ)技術(shù)架構(gòu)一一所有車輛和場景用的都是同一套代碼，各種算法尤其是神經(jīng)網(wǎng)絡(luò)必須足夠泛化，才能用盡量少的研發(fā)資源應(yīng)對眾多不同的場景和車型。
第三個階段依然充滿挑戰(zhàn)，主要在于優(yōu)化實際運營中的效率。
比如車輛要能自動去充電，還要應(yīng)對商用車傳感器位置的微小移動一一商用車體積大，傳感器在運營一段時間后會出現(xiàn)輕微偏差，需要重新標(biāo)定。以往的自動駕駛公司都有專門的標(biāo)定場或人工標(biāo)定，但我們不能把車?yán)貋順?biāo)定，而是要在現(xiàn)場利用自然環(huán)境進行標(biāo)定，讓車輛自己采集數(shù)據(jù)、自己標(biāo)定自己。
此外還包括車輛的充電和日常養(yǎng)護維護，全流程都要做到自動化。
這些在以往都是難以想象的，但我們都研發(fā)出來了。目的是為了提升運營效率、盡可能減少現(xiàn)場人員數(shù)量。
雷峰網(wǎng)：在設(shè)計第一階段的自動駕駛系統(tǒng)時，與過往不同的是什么？
衡量：友道成立在 2021 年11月，一方面當(dāng)時 Orin 芯片的出現(xiàn)使得L4 和 L2+ 的算力平臺趨同——以前做 L4用的是工控機和數(shù)百TOPS的顯卡，輔助駕駛用的是幾十甚至幾TOPS的車載算力芯片。另一方面，激光雷達開始降價，成本降低。
加上當(dāng)時我們有一個非常平臺化的計劃，就是用一套代碼適配所有車型和場景。甚至當(dāng)時我們考慮要連乘用車的高階輔助駕駛系統(tǒng)，以及典型 L4 場景如港口、礦區(qū)和非結(jié)構(gòu)化道路都一起做。
高階輔助駕駛系統(tǒng)不依賴高精度地圖，而所有 L4 場景通常更適合使用高精度地圖，所以，無圖方案和有圖方案都要在這套系統(tǒng)中結(jié)合和融合。在我看來，友道智途的智駕系統(tǒng)應(yīng)該是過往所有自動駕駛經(jīng)驗的集大成者，它融合了我之前做 L4、L2+ 的所有經(jīng)驗。
雷峰網(wǎng)：怎么理解你們?nèi)诤狭烁呔貓D和無圖？比如什么情況下會切換模式？
衡量：目前所有實現(xiàn)無人運營的場景都是基于高精度地圖的。
正常情況下，當(dāng)車輛定位良好且所有模塊正常工作時，我們會給予高精度地圖極高的權(quán)重。實時路網(wǎng)結(jié)構(gòu)主要用于輔助定位，與高精度地圖信息進行匹配，以更精確地確定車輛的當(dāng)前位置。
但友道智途的智駕系統(tǒng)本身支持無圖方案。也就是說，當(dāng)車輛進入降級行駛模式，比如車載傳感器出現(xiàn)故障，或因震動導(dǎo)致傳感器短時失效，無法依賴高精度地圖時，車輛會切換到實時構(gòu)建的路網(wǎng)結(jié)構(gòu)，進入無圖模式，依靠實時感知來完成路邊停車等功能。
雷峰網(wǎng)：友道成立之初，確定的場景是港口和干線物流，現(xiàn)在變成了港口和礦山嗎？
衡量：對。
東海大橋更像干線物流，外四碼頭的平板車 AIV 屬于港內(nèi)水平運輸?shù)膱鼍?，這是最初的兩個場景。
在最初考慮場景時，高速干線物流的優(yōu)先級很高，因為整個運輸市場中干線運輸?shù)氖袌鲆?guī)模非常龐大，達到 5 萬億，遠(yuǎn)超網(wǎng)約車、城配等其他市場。但在后續(xù)項目擴大、業(yè)務(wù)拓展，以及追求技術(shù)盈利性時，高速干線的優(yōu)先級已經(jīng)大幅降低。
可以說，高速干線的權(quán)重降低主要是因為其盈利性較差。目前中國高速干線物流模式仍以私人自有車輛（如夫妻檔）為主，這種模式已經(jīng)把物流成本壓得很低。這個時候，車輛哪怕已經(jīng)實現(xiàn)了 L4 自動駕駛，但如果由公司運營車隊去和目前的私人個體戶車輛競爭，成本依然不具優(yōu)勢，就會虧錢。
目前，我們幾乎只有上海東海大橋這一個高速干線場景。
我們要本著可持續(xù)發(fā)展的原則，先把盈利的場景做好，獲取足夠利潤后再去支撐那些盈利性更差的場景。我相信隨著中國未來的勞動力成本上升，高速干線物流的盈利性會變好。
雷峰網(wǎng)：港口和干線物流的車輛形態(tài)很不一樣嗎？
衡量：港口的車可以設(shè)計為雙向?qū)ΨQ，就是雙向都可以跑。
在港口作業(yè)中，集裝箱有一個關(guān)鍵的細(xì)節(jié)——調(diào)箱門。集裝箱一端有箱門，在實際操作中船舶、堆場對箱門的朝向一般會有要求。當(dāng)車上的箱門朝向錯誤時，無法直接卸箱。為此，傳統(tǒng)港口作業(yè)中不得不專門設(shè)置“調(diào)箱門”環(huán)節(jié)來調(diào)整方向，需要購置專門的調(diào)箱門起重機，不但增加成本，還降低了作業(yè)效率。
而友道的AIV完美解決了這個問題一一沒有傳統(tǒng)駕駛室，不分正反方向，車兩端的傳感器和駕駛能力完全一致，8 個輪子可以靈活雙向行駛，甚至實現(xiàn)漂移蟹行換道。當(dāng)集裝箱擺放方向錯誤時，車輛只需反向行駛即可，完全省去了專門的“調(diào)箱門”調(diào)整步驟。
和港內(nèi)的無人平板車不同，干線上的車還會保留駕駛艙。盡管在東海大橋上的車輛已經(jīng)進入無人運營階段了一一 2024 年是無人示范應(yīng)用，2025 年已經(jīng)開始真正的無人示范運營，安全員已經(jīng)開始逐步從車上轉(zhuǎn)到后臺了。
雷峰網(wǎng)：你們將港口車輛命名為AIV（Autonomous Intelligent Vehicle，無人智能車）是嗎，意思是無人純電港內(nèi)集裝箱智能平板車，在此之前，也有商家提過AGV（ Automated Guided Vehicle ，自動引導(dǎo)車）名字是嗎？
衡量：港口車輛分為內(nèi)集卡和外集卡。
內(nèi)集卡用于港內(nèi)運輸，將集裝箱從岸邊轉(zhuǎn)運到堆場；外集卡則從港口外接箱后運出。我們主要做的是內(nèi)集卡，因為內(nèi)集卡完全在港口內(nèi)運營，不會出港。
傳統(tǒng)上，內(nèi)集卡是人工駕駛的，由于港內(nèi)運輸速度較慢，通常使用重載版4X2集裝箱專用卡車。
從 1997 年鹿特丹第一個自動化碼頭出現(xiàn)后，開始使用類似 AGV 的四輪或八輪平板車作為內(nèi)集卡。這些車輛是由工程機械制造商生產(chǎn)的，如國內(nèi)的振華、三一等，而非汽車制造商。這些車輛的架構(gòu)屬于工程機械體系，而非汽車體系。
友道的 AIV 的一大優(yōu)勢，在于我們自己生產(chǎn)和制造。
二是，AIV 將 AGV 升級為具有自主智能的車輛。
我們在設(shè)計中一方面優(yōu)化了AGV的結(jié)構(gòu)，另一方面采用汽車行業(yè)的方式制造 AGV 。雖然外觀上看起來像八輪車，與 AGV 相似，但在懸掛、動力、剎車、底盤轉(zhuǎn)向等系統(tǒng)方面，更接近商用車。
三是成本方面也降低了很多。
以前的AGV ，每臺價格大幾百 萬人民幣，而我們從一開始就將成本控制在 200萬人民幣，經(jīng)過不斷優(yōu)化，現(xiàn)在成本已經(jīng)低于 100 萬人民幣。
（AGV依賴磁釘來定位，且只能沿著預(yù)定的路徑行駛（左圖）；友道的AIV可以在港口內(nèi)閃轉(zhuǎn)騰挪（右圖））
雷峰網(wǎng)：主要在哪方面降本？
衡量：磁釘是傳統(tǒng) AGV（自動引導(dǎo)車）的方案，AIV 取消了磁釘。
傳統(tǒng) AGV 的感知能力較弱，早期的 AGV 甚至沒有激光雷達，比較新的AGV可能只有單線激光雷達，只能做簡單的防撞。AGV的運營要求非常高，場地內(nèi)不能有其他車輛或人員穿梭，因為這些車輛幾乎是“瞎”的，無法感知其他障礙物。
AGV如何確定自己的位置呢？
主要依靠地下埋設(shè)的磁釘，維護成本也非常高，還需要專門的磁釘傳感器（一般叫transponder），這種傳感器價格不菲。AGV只能沿著預(yù)定義的軌道和軌跡開，而且所有車都依賴于中心車隊管理系統(tǒng)的調(diào)度，才能確保相互之間不會碰撞。
AGV方案大概是從2000年開始用，一直用到2020年代初，現(xiàn)在愿意用AGV方案的客戶已經(jīng)很少了。
比如有很多客戶需要把在運營的集裝箱碼頭升級成自動化的，他們無法接受停工停產(chǎn)數(shù)月，全場挖開埋磁釘。
雷峰網(wǎng)：所以現(xiàn)在你們在港口打造了一個什么樣的畫面？
衡量：我們在港口的場景中可以做到車輛在人來人往、各種車輛穿梭的環(huán)境中不受干擾地運貨。
很多人會覺得這種限定場景的L4自動駕駛非常簡單，但事實上港口場景相當(dāng)復(fù)雜。我們的車可以在路口與七八輛有人駕駛的集卡車擠來擠去，靈活穿梭，避讓其他車輛并預(yù)測它們的意圖。
雷峰網(wǎng)：港口場景和成本、安全密切相關(guān)，我看到你們在深圳的媽灣港，已經(jīng)有 40 輛無人車在運營，每月轉(zhuǎn)運 5 萬 TEU （集裝箱吞吐量），所以你們已經(jīng)從“能用”到“好用”再到“盈利”的階段了。
江燦森：可以明確地說，自動駕駛技術(shù)已經(jīng)跨越了早期項目的“Demo演示”階段。過去那種“立項、拿經(jīng)費、組建團隊、堆技術(shù)、搞演示”的模式，在領(lǐng)導(dǎo)視察時讓車輛在固定路線跑幾圈就過關(guān)，這已經(jīng)成為歷史了。
我們現(xiàn)在做的，是構(gòu)建常態(tài)化的運輸服務(wù)體系。無論是有安全員輔助還是完全無人的模式，核心目標(biāo)都高度聚焦于高效、安全地完成運輸任務(wù)——例如，實現(xiàn)無人集卡從碼頭面到堆場的靈活穿梭和精準(zhǔn)調(diào)度。
這個轉(zhuǎn)變意味著，靠“技術(shù)做到80分就能交差”的時代徹底終結(jié)了?，F(xiàn)在真正的挑戰(zhàn)在于，如何將技術(shù)從95%的可靠性提升到98%、乃至100%。這最后的5%，往往是最難的“長尾問題”，需要耗費巨大的研發(fā)精力來解決。這也正是當(dāng)前L4級自動駕駛實現(xiàn)規(guī)?；涞氐闹饕款i。
我們的目標(biāo)非常明確：讓自動駕駛技術(shù)真正轉(zhuǎn)化為生產(chǎn)力，切實解決客戶痛點。同時，產(chǎn)品必須持續(xù)迭代優(yōu)化，解決那些影響體驗和效率的細(xì)節(jié)問題。就像剛拿到駕照的新手，確實能把車開動、開到目的地，但與經(jīng)驗豐富的“老司機”相比：駕駛過程還不夠流暢順滑，對環(huán)境的預(yù)判不夠精準(zhǔn)敏銳，在復(fù)雜場景（如靈活變道、避讓）中的處理能力還有差距。當(dāng)前的自動駕駛也處于類似階段：我們具備了基礎(chǔ)運載能力，但在追求極致效率、接近甚至超越人類駕駛員水平、以及面對全場景無縫適應(yīng)方面，仍有提升空間。
因此，持續(xù)攻堅長尾問題，打磨產(chǎn)品，提升系統(tǒng)的魯棒性和全場景適應(yīng)能力，是推動自動駕駛從“能用”邁向“好用”，再到“商用”的關(guān)鍵一步。
雷峰網(wǎng)：以前有說法，如果能在非常復(fù)雜的場景下做好 Robotaxi （L4級的乘用車），那么遷移到其他場景應(yīng)該只會做得更好。你們兩位都有做 L4乘用車和商用車的經(jīng)歷，我想知道，你們親身感受，技術(shù)真的可以遷移嗎？
江燦森：在加入友道之前，我原本以為同樣是做 L4 級自動駕駛，不同行業(yè)之間應(yīng)該頗為相似，但實際接觸后才發(fā)現(xiàn)，不同場景的側(cè)重點存在顯著差異。
過去，我們作為司機或乘客，對乘用車自動駕駛的認(rèn)知往往停留在 “能在高速、普通道路安全行駛即可”—— 這個過程中，車輛很少需要像友道業(yè)務(wù)場景這樣，與各類終端設(shè)備產(chǎn)生深度交互。
普通家用車車身寬度約 2 米，而普通道路寬度在 3.2 到 3.5 米之間，這意味著相鄰車道的車輛間距通常能保持在 1 米以上。這種情況下，即便車輛行駛中稍有偏移，一般也不會造成問題。
但到了商用車場景，哪怕是細(xì)微的偏移，都可能引發(fā)事故。
比如在碼頭這類空間復(fù)雜且狹窄的環(huán)境中，由于作業(yè)工藝的要求，車輛常常需要貼著障礙物、港機設(shè)備、集裝箱或其他特殊物體行駛，間距可能僅有十幾厘米。這時，如果 16 米長的車身方向出現(xiàn) 1 度偏差，就可能直接發(fā)生碰撞。這對車輛的規(guī)劃、控制、感知和定位技術(shù)都提出了極高要求。
從技術(shù)遷移的角度看，L4 級自動駕駛雖有一些通用技術(shù)基底，但絕非能輕易套用到所有場景中，我們也因此投入了巨大的精力打造平臺化技術(shù)方案，實現(xiàn)一套代碼兼容港口碼頭、園區(qū)干線、礦山隧道等差異化場景。
就像港口無人車需要與吊機精準(zhǔn)對位，礦山無人車要完成裝土、排土等作業(yè) —— 這些場景看似相對封閉，實際操作中需要解決的具體問題卻紛繁復(fù)雜，遠(yuǎn)非外界想象的那般簡單。
很多時候，只有真正深入到特定行業(yè)或場景的 “深水區(qū)”，才會明白要做到頂尖水平有多難，這其中的復(fù)雜度，遠(yuǎn)比我們最初設(shè)想的要高得多。
雷峰網(wǎng)：我看到你們公眾號上的的視頻演示，有一個吊臂把集裝箱放到小車上，然后小車穿梭在人流和有人駕駛車輛的港口中。你們在做這個技術(shù)的時候，也會涉及龍門吊上面的算法嗎？
江燦森：是的，其實港口場景并非大家想象中那般簡單、規(guī)整且結(jié)構(gòu)化。
以深圳媽灣港為例，作為一個傳統(tǒng)碼頭，過去全靠人工駕駛車輛運輸集裝箱，如今我們對其進行了適度的智能化改造，主要體現(xiàn)在兩個維度：
一是港機設(shè)備智能化，像龍門吊已能實現(xiàn)自動操作，完成集裝箱的抓取與裝車，這一過程被稱為垂直運輸；
二是自動駕駛車輛的智能化，車輛在碼頭內(nèi)的行駛環(huán)節(jié)，即水平運輸。
前者，車輛需要與龍門吊精準(zhǔn)對接，獲取任務(wù)信息并理解業(yè)務(wù)需求，隨后通過邏輯交互與信息確認(rèn)，待匹配完成后，才能反饋給相關(guān)方任務(wù)已完成，以便執(zhí)行下一項任務(wù)。
后者，情況更為復(fù)雜，我們的自動駕駛車輛AIV并非在專用道上行駛，而是要與有人駕駛車輛在同一條道路上混合通行，遇到路口時還需與它們進行動態(tài)博弈 —— 預(yù)測對方意圖，判斷其是左轉(zhuǎn)還是直行，進而決定是繼續(xù)前行還是停車避讓。
此外，我們設(shè)有車端平臺和云端平臺兩個核心部分。
車端平臺主要負(fù)責(zé)單車技術(shù)軟件層面，涵蓋中間件、傳感器數(shù)據(jù)處理及操作系統(tǒng)等；云端平臺則聚焦于車隊管理。
在商用車自動駕駛領(lǐng)域，車隊管理系統(tǒng)（FMS）是極為關(guān)鍵的環(huán)節(jié)。乘用車領(lǐng)域中，車輛之間彼此獨立，分屬不同消費者使用；但商用車自動駕駛中，車輛是運營體系的重要組成部分，必須對整個車隊進行系統(tǒng)化管理。
這其中包括精細(xì)化的任務(wù)管理，比如明確每輛車的任務(wù)去向，是去 A 箱區(qū)、B 箱區(qū)，還是前往充電等，都需要精準(zhǔn)的任務(wù)委派。
同時，還要對車輛運行效率進行動態(tài)管控。例如，當(dāng)幾十輛車即將途經(jīng)同一條道路時，可調(diào)配部分車輛選擇其他路線，從而避免擁堵。
這就好比外賣配送，如果缺乏管理，騎手可能會扎堆爭搶看似容易的訂單，導(dǎo)致部分區(qū)域過度擁擠，而其他區(qū)域卻無人問津。我們需要對車輛進行合理調(diào)度，明確它們的作業(yè)時間、位置以及避讓規(guī)則，這些都在云端完成統(tǒng)籌與管理。
所以說，碼頭場景的復(fù)雜性遠(yuǎn)超想象，它包含了多種混合通行形式，以及與其他交通參與者的高頻交互博弈。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))：你們現(xiàn)在有多少人，友道背后有上汽集團給了哪些支持？
衡量：我們公司現(xiàn)在總共有 200 人左右，自動駕駛中心有 170 人，還有產(chǎn)品工程中心和銷售運營中心。
產(chǎn)品工程中心負(fù)責(zé)所有車輛的設(shè)計和制造，包括AIV的設(shè)計、零部件采購、組裝。我們在園區(qū)內(nèi)有一個 AIV 工廠，由產(chǎn)品工程中心負(fù)責(zé)生產(chǎn)。
他們能夠借助上汽集團的資源來完成這些工作。
比如車輛需要的電驅(qū)、電控、電池管理系統(tǒng)，因為是電動車，此外還涉及轉(zhuǎn)向、驅(qū)動、剎車等整車相關(guān)的開發(fā)，以及嵌入式開發(fā)。這些工作大多是上汽集團商用車技術(shù)中心來支持我們的。
雷峰網(wǎng)：你們現(xiàn)在的運營不只在國內(nèi)港口，也有南美洲的秘魯港口，那么將技術(shù)方案復(fù)制到國內(nèi)外港口時，你們會做哪些調(diào)整？
衡量：集裝箱是標(biāo)準(zhǔn)化的，因此全球的集裝箱碼頭也大同小異，這是我們把技術(shù)遷移到國外時的有利因素。所以，我們的AIV出國時，算法、作業(yè)流程上需要的額外工作很少，和部署到國內(nèi)的另一個港口差不多。
那么不利因素有哪些呢？我覺得主要是語言和文化，需要把操作手冊、軟件界面改成外語，例如在秘魯就得改成西班牙語，以便于當(dāng)?shù)氐倪\維人員使用。日常和他們地溝通交流也需要用外語，但是我們公司沒有通曉西班牙語的同事，幸好有了大模型能方便、準(zhǔn)確地來翻譯。
說件有趣的事，秘魯?shù)耐略诘谝淮我姷紸IV時，都不相信這個大家伙能自己跑起來。等他們看到AIV不但跑起來而且很靈活時，他們?nèi)杠S歡呼，他們?yōu)樽约旱倪@份工作而驕傲。
雷峰網(wǎng)：關(guān)于傳感器，我想了解一下在港口這樣高精度要求的工業(yè)場景中，龍門吊交互需要厘米級定位（如3cm精度），同時還要應(yīng)對人車混行的復(fù)雜環(huán)境，你們?nèi)绾纹胶鈧鹘y(tǒng)幾何模型（如SLAM）與深度學(xué)習(xí)各自的優(yōu)勢？
江燦森：在港口或者工業(yè)園區(qū)的自動駕駛作業(yè)中，常會遇到一些極端場景，這對定位精度提出了極高要求。
比如，當(dāng)自動駕駛車輛需與龍門吊協(xié)同作業(yè)時，龍門吊需要通過夾具自動抓取集裝箱。這個過程中，夾具必須精準(zhǔn)對準(zhǔn)集裝箱四個角的鎖孔，這些鎖孔的寬度和長度一般在10公分左右。如果夾具下放時不能精準(zhǔn)地對準(zhǔn)鎖孔，就會導(dǎo)致抓箱失敗。
因此，我們對定位精度的要求是誤差在 5 厘米以內(nèi)，而我們實際能做到的精度是 3 厘米，這樣就能確保夾具精準(zhǔn)地夾住集裝箱并將其抓起。反之，如果定位精度不足，比如誤差達到 20 厘米，那么抓取時夾具很可能無法鎖住集裝箱，這不僅會導(dǎo)致交互失敗，整個自動化作業(yè)流程也會中斷。
不過需要說明的是，深度學(xué)習(xí)和我們目前的定位技術(shù)并非一個概念。
雖然有些方案試圖通過深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)直接輸出車輛的定位信息，但這些方案在業(yè)界尚未得到廣泛應(yīng)用。目前，行業(yè)內(nèi)仍以傳統(tǒng)算法為主，比如 SLAM（Simultaneous Localization and Mapping，即同時定位與建圖），其背后的數(shù)學(xué)原理和理論推導(dǎo)仍沿用傳統(tǒng)框架。
深度學(xué)習(xí)在其中的作用更多體現(xiàn)在前端特征提取環(huán)節(jié)。例如，過去我們可能通過傳統(tǒng)的算法，像 Harris Corner ，通過梯度計算來找出圖像中的特征點?，F(xiàn)在，我們可以通過深度學(xué)習(xí)來識別場景中的特征，使特征提取更加魯棒。但后端的融合算法，比如卡爾曼濾波，以及各種平滑處理等，依然基于傳統(tǒng)技術(shù)框架。
雷峰網(wǎng)：在港口場景的實際運營中，面對鋼軌反光、鹽霧腐蝕等特殊環(huán)境挑戰(zhàn)，友道如何評估不同傳感器的可靠性邊界？特別是在安全冗余設(shè)計方面，是否意味著純視覺方案在工業(yè)場景中存在根本性局限？
江燦森：我們常說堅持純視覺的方案，核心還是出于商業(yè)層面的考量，要把成本壓縮到極致。
如果完全不考慮成本，當(dāng)然是傳感器配置越豐富越好，從安全角度來講，信息冗余總是比信息不足更穩(wěn)妥。對于商用車場景來說，很多時候需要把十幾米長、上百噸的車開到某個位置，偏差不超過幾厘米，那么激光雷達優(yōu)秀的測距能力就很關(guān)鍵，這是攝像頭做不到的，因為攝像頭無法直接測距，而所有的間接測距方法的誤差都很大。
從成本效益來看，一輛商用車一年可以掙 30 萬，那么幾千元的激光雷達肯定是用得起的，如果還能提升效率的話，用激光雷達就更劃算了。隨著激光雷達價格的逐步下降，其在商用車場景中的應(yīng)用性價比還會持續(xù)提升，我相信未來激光雷達會成為自動駕駛的標(biāo)配零部件。
雷峰網(wǎng)：那么你們現(xiàn)在的主要客戶是誰？
衡量：我們的客戶主要是港口（包括集裝箱碼頭和散貨碼頭）、礦山、各種工業(yè)園區(qū)。
與主流的商用車 L4 公司相比，我們在工業(yè)園區(qū)方面也有明顯的競爭優(yōu)勢，比如沙鋼、六鋼和寶鋼等鋼鐵廠內(nèi)的運輸業(yè)務(wù)，我們都有涉足，且運營的車隊規(guī)模也比較大。
雷峰網(wǎng)：針對港口這塊的商業(yè)化，你們同時在做新碼頭建設(shè)和老碼頭改造，各自進程如何，有哪些案例？
衡量：秘魯錢凱港可以作為新碼頭的典型案例。
這個碼頭是完全新建的，位于南美大陸西海岸，是目前南美最大的集裝箱碼頭之一，由中遠(yuǎn)海運運營。之前只是一片海岸突出的空地，從修路開始，完全新建了一個碼頭。知名度也比較高，是中國“一帶一路”戰(zhàn)略出海的典型案例。
港內(nèi)運輸?shù)能囕v全是我們的 AIV ，去年已經(jīng)有 40 輛車運行，效果非常好，運量還需要進一步提升，所以今年又增訂了 10 輛車。
老碼頭智能化改造的案例有很多。
比如上海的外四碼頭和深圳的媽灣碼頭，這些碼頭都是已經(jīng)成熟運營了很多年的集裝箱碼頭，里面都有上百輛人工駕駛的車輛。我們的車輛逐漸進入這些碼頭，從 10 輛、20 輛到 30 輛、40 輛，數(shù)量不斷增加，作業(yè)能力從承包半條船成長到承包數(shù)條船。
目前，所有運營場景都是盈利的，而且我們的盈利計算方法很苛刻，車輛的折舊、運營費用等所有成本都算在內(nèi)。
當(dāng)下有 400多 輛車在運行，今年的運營收入預(yù)計近兩億元。從公司整體來看，要實現(xiàn)盈利，現(xiàn)有車隊規(guī)模還需要再增加兩倍。
雷峰網(wǎng)：這意味著，你們不僅是研發(fā)型公司，也是運營型公司一一從頭到尾完成整個項目。
衡量：對，這涉及到商業(yè)模式的問題。
L4 與 L2+ 有很大區(qū)別。L4 車輛可以自己跑起來，這種情況下商業(yè)模式就變得多樣化。
我們有三種商業(yè)模式：
第一種是售賣車輛?？蛻糁苯淤徺I我們的車或第三方的車，車上裝好我們的智駕系統(tǒng)。我們會提供車隊管理系統(tǒng)，教會客戶使用。
第二種是“虛擬司機”?？蛻舫钟熊囕v，客戶只需支付車輛本身的費用，與普通車輛價格一樣。智駕系統(tǒng)軟硬件的費用則由我們承擔(dān)，車輛在客戶場景中無人運行后，我們按照人類司機的價格向客戶收取“司機工資”，相當(dāng)于我們出售的是“虛擬司機”。
第三種是提供運力服務(wù)。這種模式常見于集裝箱碼頭，因為碼頭公司通常不擁有自己的內(nèi)集卡車隊，而是將運力服務(wù)外包。我們也是按照箱量收費，客戶付錢給我們，我們運營車隊，車輛由我們持有。這種模式資產(chǎn)非常重，我們需要通過融資租賃等方式來緩解現(xiàn)金流壓力。
這三種模式友道都有，但我們更傾向于前兩種模式。不過，有些客戶堅持要第三種模式，我們也能滿足他們的需求。
雷峰網(wǎng)：涉及賺錢就會有更細(xì)節(jié)的設(shè)計，比如小車能拉多少貨、長寬高，也是你們來做嗎？
衡量：車輛的載貨量、尺寸等細(xì)節(jié)設(shè)計，需要根據(jù)客戶需求來定。一般來說，我們會和客戶討論他們的運輸業(yè)務(wù)需求，確定需要什么樣的車型。比如集裝箱運輸比較標(biāo)準(zhǔn)化，因為集裝箱尺寸固定，所以我們的AIV可以適配幾乎所有的集裝箱。
但在散貨碼頭和礦山，情況就不一樣了。有些散貨碼頭要求車輛載重 105 噸，因為他們的吊機 1 次能抓取 35 噸，3 下正好 105 噸。如果用 90 噸的車，操作起來就不高效。
這些需求都是由客戶場景中的其他機械帶來的約束，導(dǎo)致我們的車型比較碎片化。這就對我們的智駕系統(tǒng)提出了重大考驗，需要適配各種不同的車型和場景，同時盡可能降低適配工作量。
目前我們落地的場景近 20個，其中一半是集裝箱碼頭，另一半是散貨碼頭、工業(yè)園區(qū)和礦區(qū)。非集裝箱碼頭的場景中，幾乎每個場景都需要一種不同的車型，所以有近 10 種不同的車型。
雷峰網(wǎng)：友道現(xiàn)在有多少人，這四年人員數(shù)量是怎么變化的？
衡量：友道曾經(jīng)有 330 人的智駕研發(fā)團隊，之所以現(xiàn)在減少到 170 人，是因為保證研發(fā)的人效比。
330 人的時候，我們處于自動駕駛能力快速創(chuàng)建的時期，做了非常多的從0到1的研發(fā)工作?，F(xiàn)在已經(jīng)有了四五百輛車穩(wěn)定運行，后續(xù)從1到100的研發(fā)不需要那么多人員，所以從 2024 年年初開始，我們一直持續(xù)優(yōu)化提升研發(fā)人效比。
雷峰網(wǎng)：你底下的“減一”有幾個人？
衡量：在團隊規(guī)模為 330 人時，減一層級有 9 個人，分為 9 個部門。
后來團隊規(guī)模縮減到 170 人時，一些部門被合并，減一層級減少到 5 個人（產(chǎn)品與質(zhì)量、感知、導(dǎo)航、車端平臺、云端平臺）。
例如，之前地圖、定位是一個部門，規(guī)劃、控制是 另一個部門，現(xiàn)在合并為一個導(dǎo)航部門；同時，人員的角色也有所調(diào)整，比如之前做定位的現(xiàn)在可能轉(zhuǎn)崗做規(guī)劃。
雷峰網(wǎng)：是不是可以理解為，技術(shù)研發(fā)階段快要結(jié)束了，接下來要重點推進落地和市場占有率了？
江燦森：可以這樣理解。
我們早期加入友道的時候，很多技術(shù)方案的迭代都是基于 demo 性質(zhì)的技術(shù)架構(gòu)。很多算法的 baseline 都是從供應(yīng)商那里獲取的，這是車企比較常見的做法一一找一些研發(fā)團隊或高校合作，提供研發(fā)經(jīng)費，讓他們交付功能，過程中還需要反復(fù)溝通調(diào)整。
不過，做 demo 的時候，運氣好效果還不錯，運氣不好就會頻繁出錯、穩(wěn)定性差。這對于實際運營來說是完全不可接受的。因為運營是 24 小時不間斷的，停 10 分鐘都算生產(chǎn)事故，沒有容錯空間，不能動不動就出問題再讓人去緊急救火。
我剛加入友道時，就意識到這個問題，于是快速擴張團隊，從 0 到 1 搭建了諸多算法原型，把之前那些不夠完善、靠打補丁維持、僅針對特定場景開發(fā)的算法進行了優(yōu)化。
二是我們需要對算法進行重構(gòu)。
必須從原理和泛化的角度去思考：一個算法在某個場景能用，在其他場景是否同樣適用？只要是一個有共性需求的功能，就得兼顧不同場景的需求。否則，只針對單一場景開發(fā)，即便在該場景下表現(xiàn)很好，一旦換個場景，代碼可能就失效了，到時候就得重新開發(fā)，這是嚴(yán)重的資源浪費。
三是技術(shù)獨立性與全棧掌握。
上汽旗下有中海庭（高精度地圖圖商），我們沿用了他們不少地圖技術(shù)基礎(chǔ)，所以省去了早期的研發(fā)投入。但我們希望能全棧掌握這些技術(shù)，以防在我們業(yè)務(wù)快速拓展，尤其是定制化業(yè)務(wù)需求急劇增加時，即使是兄弟公司也難以滿足突發(fā)業(yè)務(wù)需求的快速響應(yīng)。這個環(huán)節(jié)必須補上，否則越到后面，整個架構(gòu)會越受限。
22年到23年，是我們快速補充技術(shù)基礎(chǔ)的階段，團隊擴張速度很快，技術(shù)研發(fā)迭代也非常迅猛。比如地圖定位團隊，我加入的時候只有六七個人，到最高峰時接近 40 人。
2024 年開始，我們的技術(shù)逐漸成熟，人員出現(xiàn)了冗余。原來可能需要好幾個人開發(fā)一個算法，后來隨著技術(shù)成熟，人力需求自然減少。
雷峰網(wǎng)：你現(xiàn)在是公司的首席科學(xué)家、智駕中心總經(jīng)理、公司的副總經(jīng)理，屬于技術(shù)和管理都要管，你還適應(yīng)這種轉(zhuǎn)變嗎？
衡量：技術(shù)人員的發(fā)展路徑通常有兩種：
一種是繼續(xù)深入鉆研技術(shù)，成為某一領(lǐng)域的專家，甚至進入學(xué)術(shù)界成為教授或高級研究員；另一種則是轉(zhuǎn)向技術(shù)管理。我的個人發(fā)展路徑是后者。
創(chuàng)業(yè)時，在 Roadstar.ai 管理 100 多人的研發(fā)團隊，到大疆管理最多 30 人的研發(fā)團隊，再到友道管理峰值300 人的研發(fā)團隊，其實每一階段的感受都很不一樣。
最開始在學(xué)校和剛進谷歌時，我專注在把自己負(fù)責(zé)的一個模塊做好，例如寫好一篇論文，或者寫下一段無法再優(yōu)化的代碼——精煉、優(yōu)雅，帶著數(shù)學(xué)般的美感是我那時所追求的。
從特斯拉開始，我開始帶領(lǐng)一個小組負(fù)責(zé)一個較大的系統(tǒng)，那時我專注在把這個系統(tǒng)設(shè)計好、實現(xiàn)好，這不僅包括我自己要做好系統(tǒng)的架構(gòu)設(shè)計，也包括教會團隊成員寫好代碼，能搭出一個最優(yōu)的系統(tǒng)。
在友道我?guī)ьI(lǐng)更大的團隊，我最關(guān)注的是能夠領(lǐng)導(dǎo)、組織和激勵好一個研發(fā)團隊，這個團隊能把一個龐大而復(fù)雜的系統(tǒng)做好，做到業(yè)界領(lǐng)先水平，這個團隊本身才是我最得意的作品。
雷峰網(wǎng)：與其他企業(yè)上千人的智駕研發(fā)團隊相比，友道現(xiàn)在的 170 人團隊已經(jīng)非常精干了；從你過去經(jīng)歷來看，管理過 30人、100 人、330 人，這又是一個數(shù)量級的翻番。我很想知道，現(xiàn)在如何發(fā)揮這 170 個人的最大能力？在這方面，你最近有什么心得體會嗎？
衡量：管理團隊的方式會隨著團隊規(guī)模的變化而變化。
對于 30 人以下的團隊，作為管理者可以清楚地了解每個人的工作內(nèi)容，甚至可以手把手指導(dǎo)每個人的工作。但當(dāng)團隊人數(shù)超過 30 人后，就需要一套組織架構(gòu)和管理機制來支撐。
我在Roadstar時切身體會到當(dāng)公司從 30 人增加到 100 人時，人數(shù)增加了 3 倍，但工作效率并沒有增加 3 倍，可能只增加了 50%，甚至可能連 50% 都不到。
這讓我開始反思管理方式的重要性。盡管我之前作為工程師時，對組織學(xué)相關(guān)的東西有些反感，比如公司文化、團建、組織架構(gòu)、匯報機制、會議機制和項目跟進機制等，但當(dāng)我真正成為較大組織的負(fù)責(zé)人時，才發(fā)現(xiàn)這些機制是必要的。
從那時起，我一直在思考如何管理一個組織。
我早期的工作經(jīng)歷主要是在硅谷，比如谷歌的街景和特斯拉的 Autopilot 團隊，那里的組織形式比較寬松，完全依靠員工的自驅(qū)力。
但在 Roadstar 時我發(fā)現(xiàn)，僅靠自驅(qū)力是不夠的，并不是所有人都像硅谷的精英那樣有很強的能力和自驅(qū)力。
后來我去了大疆，其中一個原因是想看看這種嚴(yán)格管理的公司（比如上下班打卡、每天早會晚會）到底有什么優(yōu)點和缺點。在大疆的經(jīng)歷對我來說是一個綜合學(xué)習(xí)和提升的過程，我領(lǐng)悟到管理方式與團隊中的人才結(jié)構(gòu)和狀態(tài)密切相關(guān)。
就像孔子說的“因材施教”，管理也是類似的。
在友道，總體來說管理風(fēng)格已經(jīng)比較成熟，實踐下來也沒有什么大問題。
雷峰網(wǎng)：怎么說？
衡量：不管是團隊人數(shù)最多的時候有 330 人，還是現(xiàn)在有 170 人，我們基本上都是按照模塊對技術(shù)人員進行劃分。
比如感知、規(guī)劃等團隊，這屬于研發(fā)資源線。每個部門最重要的任務(wù)是完成對應(yīng)的研發(fā)任務(wù)，培養(yǎng)員工的技術(shù)能力。
在產(chǎn)品方面，我們有這么多車型和場景，我會拉出一個縱向的產(chǎn)品矩陣一一每個場景都有對應(yīng)的產(chǎn)品經(jīng)理，他們會從感知、規(guī)劃、控制等模塊各抽調(diào)一個模塊代表，由產(chǎn)品經(jīng)理帶著模塊代表負(fù)責(zé)每個項目的交付。
每個項目的模塊代表會把項目對自己模塊的要求帶回自己部門，部門負(fù)責(zé)人會定期（每周一次或兩次）和所有模塊代表開會，搞清楚各個項目對我們的研發(fā)要求是什么，下一步需要我們做什么事情，并把這些要求合并同類項。
通過這種“矩陣式”的研發(fā)結(jié)構(gòu)，我們能夠根據(jù)各個項目的緊急情況、優(yōu)先級和研發(fā)計劃，確保按期交付項目需求。這種結(jié)構(gòu)使得幾百人共同編寫一套代碼，同時支持多種車型和場景成為可能。
隨著技術(shù)管理經(jīng)驗的積累，我越來越意識到經(jīng)濟學(xué)頭腦和成本意識的重要性。
對于研發(fā)來說，最重要的成本是人力成本，研發(fā)人員的工資普遍較高。因此，我的目標(biāo)是用盡可能低的人力成本來完成盡可能多的項目和產(chǎn)品交付要求。換句話說，做到成本高效（cost-efficient），是衡量我作為研發(fā)團隊管理者角色是否成功的關(guān)鍵。
雷峰網(wǎng)：這挺有趣的，組織架構(gòu)的調(diào)整隨著公司的發(fā)展階段（如之前提到的三個階段）而變化，同時也考慮到了員工的職業(yè)規(guī)劃，我感覺到，友道對于你們來說都是職業(yè)生涯一個重要里程碑，從仰望星空，到腳踏實地。
衡量：在硅谷創(chuàng)業(yè)的時候，大家其實不太關(guān)心這些細(xì)節(jié)，因為大多數(shù)創(chuàng)業(yè)的目標(biāo)就是等待某個大公司來收購。
大家的做法是先燒錢，甭管賺不賺錢，先搞個幾十輛車的車隊，招三四百人，想讓投資人一看，“哇，我這個公司有規(guī)模，有氣勢，趕緊來投我吧?！?/p>
回想之前在 Roadstar 創(chuàng)業(yè)時的教訓(xùn)，當(dāng)時總體目標(biāo)不清晰，燒錢很厲害，雖然融資也很順利，但沒有明確的目標(biāo)：
是把 demo 做好，把下一輪投資人能夠哄進來就行了？還是把技術(shù)打磨好，要做到最 cost efficient 的方式，讓技術(shù)能賺錢？這種目標(biāo)不統(tǒng)一導(dǎo)致了創(chuàng)始人、投資人之間的矛盾。
現(xiàn)在我們要考慮，“做這件事要付出多少成本，能掙多少錢，如何讓利潤不斷增長。”同時，技術(shù)研發(fā)也要有財務(wù)目標(biāo)來指引，決定該做什么、不該做什么。
友道的目標(biāo)很明確：上市是一方面，但更重要的是我們目前的場景和技術(shù)已經(jīng)很好，我們有能力自己養(yǎng)活自己并實現(xiàn)盈利。
當(dāng)我們明確了這個目標(biāo)，所有的事情都變得清晰起來。因此到了算賬的時候，是很容易算清楚的。數(shù)字雖然冷冰冰，但很客觀，它指引著整個公司的方向。我們的目標(biāo)是把盈利數(shù)字做好，不管是技術(shù)研發(fā)還是其他目標(biāo)，都要圍繞這個核心。
現(xiàn)在我看到不少自動駕駛公司或團隊也在朝著這個方向轉(zhuǎn)變，比如 bot.auto 的侯曉迪也強調(diào)運營的重要性，以及如何實現(xiàn)盈利。
雷峰網(wǎng)：說到侯曉迪，你們倒是有一些經(jīng)歷上的相似之處，你們認(rèn)識嗎？
衡量：我們認(rèn)識，在拉斯維加斯見過面，但沒有特別深入的交往，只是神交?？赡苁且驗槲液退邢嗨频慕?jīng)歷，現(xiàn)在做著類似的事情，他的一些觀點我都很認(rèn)可——例如，L4自動駕駛真正應(yīng)用的難點不在于解決少量的大問題，而是要解決大量的小問題。
雷峰網(wǎng)：有沒有一些伙伴跟著你來到友道，他們會怎么評價你的管理風(fēng)格變化？
衡量：你可以問燦森，他從大疆開始就和我共事了。
在 Roadstar 時期，我做事也比較急，因為當(dāng)時團隊規(guī)模小，從十幾個人到三十個人，我能管到每個人。我們出來創(chuàng)業(yè)比Pony、景馳晚一些，急著讓車上路，帶著大家一起加班。甚至有同事從東部州搬過來，我家有空房，他就住在我家，我一大早就叫他起床一起去上班，忙到晚上十一二點再一起回來。
現(xiàn)在回想起來，那時候?qū)ν麓_實有點“壓榨”，但那是創(chuàng)業(yè)的狀態(tài)。
江燦森：我第一份正式工作在大疆，在那里我認(rèn)識了兩個特別敬佩的領(lǐng)導(dǎo)，一個是張宏輝老師（曾任大疆感知系統(tǒng)部門負(fù)責(zé)人），一個是衡博。
他們有一個共同的特質(zhì)，就是對學(xué)習(xí)抱有極強的熱情。
張老師格外注重技術(shù)的前沿性，我每次去找他，總能看到他在研讀論文。就是說他不僅重視工程實踐經(jīng)驗，還會持續(xù)追蹤行業(yè)內(nèi)的新解決方案和技術(shù)進展，時刻保持對新知識的學(xué)習(xí)。衡博也如此，我每次與他交流，都能感受到類似張老師的特質(zhì)，即便他們在能力和技術(shù)上都是行業(yè)頂尖的，依然保持著謙遜的學(xué)習(xí)心態(tài)，我很佩服。
還有一點，衡博帶領(lǐng)的團隊有一種很好的氛圍一一大家都沒有“歷史負(fù)擔(dān)”。
比如他剛加入大疆時候，看到我們早期在高精地圖方面的工作，無論是從定位還是從建圖層面，都還比較基礎(chǔ)，缺乏真正深入的思考。而他之前在百度和 Roadstar 的時候就主導(dǎo)過地圖模塊的開發(fā)，對如何定義地圖、如何讓高精地圖更適合 L4 級自動駕駛車輛有著深刻理解。于是我們果斷選擇推倒重來。
也就是說，只要某個方向、某個技術(shù)更優(yōu)，我們就會積極引進，哪怕要從 0 開始推翻既有成果，也絕不會因為某個技術(shù)是自己辛苦鉆研很久就舍不得拋棄。我們始終保持開放的心態(tài)，就事論事，以最合理的方式做事，只要是對的，我們就堅決去學(xué)習(xí)、去應(yīng)用。所以當(dāng)時候我們整體的技術(shù)氛圍非常好，研發(fā)節(jié)奏也很快，基本上每半年就會有一個階段性的突破。
現(xiàn)在在友道，我也感受到了同樣的氛圍，就像剛才提到的人員調(diào)整、心態(tài)轉(zhuǎn)變，我們都可以快速適應(yīng)調(diào)整，并且很快能看到正向反饋。
雷峰網(wǎng)：友道現(xiàn)在有 996 嗎？
衡量：我們沒有 996 ，大概是 985 。
公司從誕生之初就在商務(wù)、政府關(guān)系等方面做好了鋪墊，很多客戶資源已經(jīng)在股東層面做好了安排，我負(fù)責(zé)把技術(shù)做好。因此，我不需要把員工壓榨到極限，而是可以用正常的節(jié)奏推進公司發(fā)展。
這說明在創(chuàng)業(yè)初期，就需要想好這些問題，做好選擇。
雷峰網(wǎng)：友道的創(chuàng)立時間是 2021 年 8 月，衡博和燦森是先后加入友道的，可以說你們個人和友道是幾乎同步向前的，感悟可能比別人更深刻?，F(xiàn)在正好在你們的入職四周年，你們最深的感受體會是什么？
衡量：如果說八年前是騎著一頭豬順著風(fēng)口飛起來，雖然星光閃耀被媒體關(guān)注，但內(nèi)心實則惶恐不知道方向在哪里，那么最近這四年更像是坐高鐵穿越一條長隧道——沿著既定的方向穩(wěn)步向前，內(nèi)心充實而寧靜，不知不覺中已經(jīng)跑得很快了，而且光明就在眼前。
現(xiàn)在友道已經(jīng)比較成型，處于一個良好的發(fā)展節(jié)奏和勢頭。我希望接下來能保持現(xiàn)有的節(jié)奏和勢頭，繼續(xù)拓展新的場景，擴大車隊規(guī)模，真正實現(xiàn)L4自動駕駛在商用場景大規(guī)模落地。
江燦森：我比衡博加入友道要晚一些，還不到四周年。我個人感觸很深的一點是，在大疆的時候，尤其是在2019 年上半年之前，我們都覺得技術(shù)就是一切，甚至有些高傲，總覺得我們的技術(shù)這么出色，主機廠怎么會拒絕我們呢？
但后來真正和主機廠對接時，才被拉回現(xiàn)實，必須把姿態(tài)放低，才有合作的可能。這徹底改變了我們以前的甲方思維，完全轉(zhuǎn)向了乙方思維。
我們也由此意識到場景和主機廠背景的重要性。在自動駕駛領(lǐng)域，門檻遠(yuǎn)比我們想象的高，絕不是有了軟件技術(shù)就萬事大吉。
這也是我為什么認(rèn)同友道模式的原因。
友道的股東方本身就擁有大量業(yè)務(wù)場景，這對技術(shù)成長是極大的支撐。因為技術(shù)總有不成熟的階段，這個過程需要很高的技術(shù)磨合成本。你得有試錯和成長的機會，才能慢慢打磨好。
就像我們現(xiàn)在在港口做自動駕駛，已經(jīng)有了非常好的 baseline ，以后只要有某個港口想做智能化改造，我們就能快速切入，把業(yè)務(wù)做起來。
衡博在友道主導(dǎo)了研發(fā)中心，我們既能從技術(shù)角度深耕，又能兼顧落地。我們早已脫離了最初只做演示、探索新技術(shù)的階段，而是踏踏實實地把技術(shù)應(yīng)用到商業(yè)場景中，創(chuàng)造價值。這個轉(zhuǎn)變過程也是對我們心態(tài)的歷練，讓我們真正找到一個方向，真正產(chǎn)生價值，否則技術(shù)永遠(yuǎn)只是空中樓閣。
本文作者吳彤，關(guān)注智駕背后的人和事，歡迎道友認(rèn)識一下，微信號: lI__O0o
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
