这是一辆蓝色的林肯汽车，车顶有一块 LED 屏，几个黑色的圆柱形的东西围绕在 LED 屏周围，不停转动。车头前方也有一个黑色的凸起。在驾驶座旁边是一个屏幕，上面显示着蓝色的密密麻麻的点和蓝色的框，随着汽车的行驶，屏幕上的点和线也在不断的刷新。在副驾上座位边上，还配备着一个小型灭火器。

　　我坐在这辆车上，在山景城兜了一圈。在这段 7.5 公里，20 分钟左右的车程里，我们经过了 16 个红绿灯、经过了四向 STOP SIGN（停止标识） 路口，经过了红色箭头左转路口等。大部分时间里，整个体验都很舒服，只有偶尔略觉突然的加速减速，和司机旁边显示屏上科幻感极强的画面，在提醒我这是一辆无人驾驶车。

　　没错，我身旁的司机手并没有放在方向盘上，脚也离开了油门和刹车。车顶的相机、激光雷达和雷达是汽车的眼睛，而车厢后的计算机是汽车的大脑，一套基于深度学习的算法把我从路边接了上去，又把我送回到停车场。

　　这就是我们此前报道过的创业公司 Drive.ai 研发的自动驾驶汽车。这家神秘的自动驾驶汽车公司成立不到两年，但这已经是它的第四代车辆。我也有幸成为了它第一个外部乘客。机器人司机表现得非常的自然，比我以往坐过的自动驾驶汽车更像“人类”，比如当我们驶到一个路口时，恰好遇上红灯转绿灯，车子并没有先停下来再启动，而是用无比自然的减速加速切换，度过了这个路口。

　　“虽然看起来很简单，但其中有一些很难的地方。”陪我一起体验的工程师说。比如某一个左转路口是左转箭头绿灯亮起才能走，而要让汽车明白在这个特定的路口前行绿灯和左转箭头绿灯的差别，并不容易。“刚开始汽车是搞不明白的。我们就收集了一些这样的路口数据来对它进行训练，它才学会。”

　　当然，这辆车也还有很多可以做的更好的地方，比如加减速的处理如何更平稳、怎么做到红灯合理右转以及无无保护左转等。但是整体来说，已经是很不错的驾驶体验。

　　联合创始人兼 CEO Sameep Tandon 告诉我们，目前这台车已经具备 L4 级别（部分状况下的完全自动驾驶）的自动驾驶水平，接下来他们希望和更多的合作伙伴进行合作，把他们的软硬件解决方案带到商务车队上去。

　　经典机器人方向 V.S. 深度学习方向，自动驾驶哪家强？

　　自动驾驶汽车公司这么多，Drive.ai 有什么不同？

　　在采访中，几位联合创始人一再强调，Drive.ai 是一个“深度学习技术为先”的公司。这也就意味着他们采用的技术和 Waymo（原Google 无人驾驶车部门）、特斯拉等都不太一样，他们用的是深度学习技术来打造自动驾驶系统。

　　这意味着什么？

　　在自动驾驶领域，基本可以分成两个流派：一个是采用经典机器人方向，是基于规则的（rule-base） 的。工程师会为每个场景都写好固定的代码，来告诉机器人应该怎么去做。这样的结果是，如果新的场景出现、又没有对应代码的话，那么机器很可能就不知道怎么应对。这就严重限制了它的可拓展性。

　　举一个例子，Waymo 的自动驾驶汽车，在从总部山景城扩展到奥斯汀的时候，仅仅因为山景城的红绿灯是竖向的，而奥斯汀的则是横向，就没有办法顺利识别红绿灯，而不得不让程序员重新去写程序“教”它。

　　另外一个现在更受欢迎、包括 Drive.ai 也选择的方向，是基于深度学习技术。深度学习可以模拟大脑识别机制，对于非结构化数据（比如图像语音等）进项更好的识别、判断和分类，让算法可以从数据和训练中得到学习。这样就像人脑一样，只需要工程师通过类似的场景不断对机器进行训练，它就能自己学会做出判断，这样即使在全新的场景里，车子也知道如何处理，更有利于适应和扩展。

　　比如，同样是在识别红绿灯的时候，rule-base 的自动驾驶汽车会需要在高精度地图上特别标注出所有红绿灯、让机器固定看到那个方向；但是深度学习算法可以直接从相机里识别红绿灯的颜色，所以车辆就可以自己看懂红绿灯，以及整个路口的行车情况，直播，以此来决定是否前行了。

　　Sameep Tandon 说，随着深度学习的优势被意识到，越来越很多公司都号称自己的技术是基于深度学习基础，但是事实上很少有人真正做到这点。“我们所有的技术，比如地图、移动规划、决策全部都是基于深度学习的。我们是用深度学习来设计我们的整个系统，这和其他公司走经典机器人方向、只是把深度学习当做一个补充部分，这有很大不同。”他说。

　　从数据处理到算法训练再到计算资源，基于深度学习打造一个自动驾驶公司