“讓無人駕駛擺脫方向盤?” 這句話看起來有點奇怪，無人駕駛和方向盤好像本就是一對矛盾的詞組。然而事實上，目前無人駕駛還遠遠離不開方向盤。

國際汽車工程師協會(SAE)把自動駕駛分為了5個階段，L0~L5 ，其中L0是指人工駕駛，L5則是完全自動駕駛。

按照上述分級標準，當前大量傳統車企均已實現了L1的駕駛支援，也就是輔助駕駛。部分車型的定速巡航、自動跟車等功能也已步入了L2階段——由系統架構的自動駕駛領域，又稱ADAS。

“ADAS與無人駕駛，好比靈長類與智人，看著挺像，其實不是一回事兒。” 馭勢科技聯合創始人趙勇解釋道，“舉個例子，ADAS前方碰撞預警誤報(false positive)一下無傷大雅，但變成自動駕駛總是無端踩剎車，會煩死人，反之，如果為了減少誤報而導致少報(false negative)，ADAS不會有大問題，畢竟人是主要操控者，但自動駕駛是機器為主，對危險的錯判將會引發大問題。”

與ADAS相比，無人駕駛的復雜程度和難度呈指數級增加。真正的無人駕駛之路才剛開始，挑戰與機遇并存，許多互聯網巨頭和傳統車企都在押寶這一領域。作為一家成立不到2年的創業公司，馭勢科技則顯得非常與眾不同。

“我們必須建立一家新的公司，這個新公司首先要符合車規，除了擁有***的計算機視覺技術，還要有***的復雜系統設計、汽車規劃和控制。”談到創立馭勢科技的初心，趙勇認為，中國需要真正高含金量的技術公司，不希望去挑戰某種已經存在的不良現象，而是希望去開創一種全新的、更高級的生態。

抱著這一愿景，趙勇拉上吳甘沙(原Intel中國研究院院長)、姜巖(原北京理工大學無人車項目負責人)連同其他幾個小伙伴一起創立了馭勢科技。

盡管成立時間不長，幾位聯合創始人已經做好了最初的「兩年計劃」，在自動駕駛的前后分別加上了限定詞，定下了兩條路：

全天候的半自動增強駕駛，又被馭勢稱之為“人機共駕”。在這里，人依然是駕駛的主導方，機器則是協同方，兩者之間進行協作駕駛，即駕駛時，機器會根據收集到的信息，在需要時提供轉向、助力或者剎車的輔助，也可以在某些特殊場景下實現自動駕駛。

限定區域的無人駕駛。在這個場景下，“人”只是乘客，駕駛由機器一手操控，發生的環境會有所改變，可能是某個園區、公共交通的***一公里或者某個限定路線。之所以強調“限定”，代表周圍環境已經為車輛熟知并掌控，并不會出現未知和不可控的情況，而且這個模式的車輛是低速狀態。

要實現這一目標，吳甘沙認為目前還存在兩大難點：

1. 算法，現在的人工智能還缺乏足夠的學習能力，在一個確定的場景中可能沒有問題，但自動駕駛的真正場景是一個復雜、動態并且充滿不確定性的。
2. 系統，智能駕駛系統的復雜程度，僅就單代碼量而言，奔馳S級轎車是波音787客機的16倍，這么一套復雜的系統如何支撐它良好運行就是一個問題。

算法需要大量時間和數據去驗證，也需要大量GPU資源;系統需要不斷地去完善代碼，也需要不斷嘗試和大量資源。因此，為了解決這些問題，馭勢科技選擇與UCloud合作。

馭勢科技現有的GPU都用來跑生產數據，大量GPU資源都在滿負荷運轉，但同時研究團隊還需要ImageNet數據來做Pre-training，如果使用現有的GPU資源，那么就需要排隊等待使用，這勢必會減緩算法和系統的研發速度。

針對馭勢科技的情況，UCloud推薦了UAI-Train產品。UAI-Train底層有海量P40資源，可以通過界面選擇一次訓練需要的資源量，上層把系統、驅動、框架都已經封裝好，用戶只需上傳代碼即可。

在使用時，不同于租用GPU主機空閑時也要收取費用，UAI-Train只有任務開始時才會產生費用，任務停止則計費停止，真正做到按需收費。訓練效率上，利用UAI-Train底層資源的優秀性能，P40的GPU加上SSD磁盤的配置，使用戶在享受低廉價格的同時，還可以有超過本地GPU服務器的性能。

UCloud 為馭勢科技在算法和系統兩個核心問題上提供了很好的助力，使其無人駕駛的商業化之路走得更好更快。在2017年拉斯維加斯CES(國際消費電子展)上，馭勢科技發布了首輛無人駕駛電動車并進行了技術演示。

按照馭勢科技的時間軸，未來1年內會加速推進這款車的量產，初步實現園區內低速無人駕駛應用，覆蓋主題公園、景區、度假村等場景，到2019年逐漸向中高速自動駕駛過渡。

“現在需要做的事情就是把它變成真的，未來五年計劃，雖然不一定是說這個東西一定能成，但一定要走出一條讓它能夠可行的路子來。”趙勇堅定地說。