编者按：3 月 20 日，「行家说 · 云沙龙」第 7 期邀请了阿里巴巴达摩院自动驾驶实验室主任王刚分享阿里巴巴的自动驾驶战略。
「行家说 · 云沙龙」由汽车之心主办，辰韬资本联合主办。汽车之心致力于推动汽车与科技的融合。辰韬智驾基金专注智能驾驶创业投资，为智能驾驶创业者赋能。
核心观点：
1. 阿里自动驾驶的使命是打造智慧物流的运输平台，而不是卖解决方案。
2. 未来几年，在公开道路自动驾驶物流主要还是追求精度是不是足够高，能不能满足安全的要求。在末端物流的最大痛点，是在满足一定精度和稳定要求时，成本能不能降得足够低。
3. 现阶段自动驾驶最核心的关键瓶颈还是算法。提高算法的泛化性非常重要，阿里的做法是对算法进行分层，提出了「小前台、大中台」的做法。
4. 末端物流的市场规模，可能被低估了。中国有几十万个的社区，即使每个社区几辆车，也是几百万辆车的规模，这个市场的规模足够大。
5．技术创造新商业，商业催生新技术。我们在关注技术的同时，也要把更多的目光投到商业化上，因为只有产生了正向的商业化驱动，技术研发才更有生命力和保障。
阿里切入自动驾驶的使命
阿里巴巴自动驾驶的使命：打造智慧物流的运输平台，让物流更便捷高效。
这有两个关键信息，第一个是物流，阿里的自动驾驶是专注于物流，赋能于物流。为什么是物流？有几个原因：
首先，物流对未来社会是一个非常大的课题，物流的需求与日俱增，而随着人口的老龄化越来越严重，很快就会出现运力不足的情况。
其次，物流跟阿里整个经济体的主要业务息息相关，天猫、淘宝、饿了么、盒马都是建立在高效的物流配送基础上。
第三，相对于载人的无人驾驶，物流无人驾驶相对容易落地，至少不用去回答一个两难的问题——如果发生事故，是先保护车内还是保护车外？无人驾驶物流肯定是保护车外。同时，载物场景更多考虑安全性，对舒适性要求较低。
第二个关键信息是：物流的运输平台。在物流领域，阿里上层有菜鸟这样的智慧物流平台公司，因此我们非常懂产业的需求，我们会结合需求，打造一个按需使用的物流运输平台，而不是把解决方案卖给客户，这是我们的定位。
率先研发满足末端配送车型，探索性研发公开道路物流
物流自动驾驶主要有三种场景：干线、城配和末端。其中干线和城配都可以归类到公开道路物流。
公开道路和末端道路自动驾驶的区别在于：
1、从技术来讲，比较大的区别就是速度。在末端，配送的速度，以及周围交通参与者的速度都要低很多，安全风险相对低一点，因此对软硬件的精度和稳定性要求也相对较低。
2、在技术实践上，末端非常容易支持人机的混合操作，比如通过远程的手段，通过 4G、5G 网络去实现人的操作。远程操作现阶段非常重要，真实自然场景，存在各种 corner case，而且会长时间伴随自动驾驶的发展，因此需要远程操作作为冗余手段。
3、从市场规模来说，公开道路肯定是一个市场规模非常庞大的产业。几千万辆物流车，万亿级市场，这是一个非常让人兴奋的行业。而末端物流的市场规模，我认为其实还是被低估了。
未来，整个中国的社区都有用无人驾驶实现物流的需求。如果我们能把成本做到足够低，去满足这样的需求，中国有几十万个的社区，即使每个社区几辆车，也是几百万辆车的规模，这个市场的规模足够大。
因此从技术上来讲，未来几年，公开道路的物流还是追求精度，是不是足够高，能不能满足安全要求。末端物流最大的矛盾，是在满足一定精度和稳定要求时，成本能不能降得足够低。
阿里在这两个场景都有布局。末端方面，我们较早在好几个高校，用无人车去接送快递。无人配送车依托于菜鸟驿站，完成了最后几百米到几公里的配送。
总结来说，我们会率先在末端上尽快打造出低成本、稳定、能满足业务场景的车，和菜鸟、饿了吗等联合起来提供更好的配送服务；在公开道路上，我们也在进行探索性的技术研发和积累。
阿里自动驾驶技术大图
自动驾驶的技术非常复杂的，阿里把技术分为三个部分：算法、硬件和系统架构。
1、算法：AutoDrive 中台
现阶段自动驾驶最核心的关键瓶颈还是算法。提高算法的泛化性非常重要，现阶段算法还是有缺陷，还存在瓶颈。我们的做法是：对算法进行分层，我们提出了小前台、大中台的做法。
2、硬件：投资布局和软硬一体的优化
阿里在传感器上也有比较多布局，包括投资速腾聚创激光雷达，做了很多定制化的开发。在摄像头上，我们也发现有蛮多问题，我认为传感器的软硬结合其实还可以做得更多一些。
计算平台方面，我们在做嵌入式计算平台的工作。我觉得计算平台也分为两个部分，一个是架构的设计，另一个是要做相应的软硬一体的优化。
3、系统架构——小脑系统和远程驾驶
我们自动驾驶大脑系统，还有安全小脑系统，主要提供防撞，独立于大脑去运行，从而确保安全；远程驾驶系统，实现 corner case 的远程人机协同。
除了冗余系统设计外上，我们还设计了高度集成的 EE 构架，我们的车分为两个域，一个是底盘，另一个是整个嵌入式的自动驾驶员，尽可能集成，从而降低功耗，也便于维护。
通过这样一整套设计，在现在的人工智能算法还存在缺陷、还在不断优化的情况下，能够最大程度地保证整个自动驾驶系统的安全。