王弢认为后者是Drive.ai“深度学习优先”的最好体现。“车载也好、线下也好，在涉及软硬件系统的时候，我们都把深度学习作为优先选项来考虑。这意味着我们在线下，需要有基础设施来承载我们的数据，然后高效标注搜集到的数据。”

他进一步解释称，深度学习之所以在各个领域都有强劲的表现，主要是因为它对于数据的可扩展性特别好，你数据越多，你深度学习的潜力就越强。

“所以在车载方面，我们做了很多的工作，来保证车上我们可以搜集到高质量的数据，于是在路测的时候，不光是测试深度学习的算法如何，我们也是同时也在搜集大量的路测的数据。这些数据我们拿下来以后，通过我们智能的标注系统，能够生成大量的有高质量的数据，来进行深度学习的训练。 同时在运算平台方面，我们内部也搭建了深度学习训练的机器，可以帮助我们快速进行深度学习的迭代和实验。”

对于Drive.ai来说，外界之前关注最多的还有他们采用的硬件方案。

王弢确认，目前这套硬件方案还在沿用中，并表示多个相对低价的激光雷达、毫米波雷达和多个摄像头可以通过融合、适应，去实现安全自动驾驶的目标。他说虽然不能透露具体成本，但数量级别外界是可以推算的。

而且这套方案对于Drive.ai的商业应用也相对适宜。王弢解释说，Drive.ai目前的商业应用合作方式车队，而全球范围内的车队，最核心的成本在于驾驶员的薪资，“所以在这个方面来考虑的话，我们是可以帮助他们降低成本的，商业车队对于我们的工具包，接受程度应该是蛮高的。”

这位Drive.ai联合创始人还透露，除了车队，配送、货运和短途载人相关的合作，都已经进入了“公司射程”，当然，未来跟车企的合作也会是很重要的一块，但目前具体的合作还无法透露。

不过已知的是，现在Drive.ai已经有了尼桑、奥迪和福特三个平台的测试用车。

作为早期投资人，北极光杨磊认为Drive.ai的方案是目前高安全性和稳定性方案的代表。“它基本就是最稳定、最不激进的方案。”杨磊说。

北极光杨磊

那无人车行业最大的挑战呢？

王弢给出的答案是“怎么解决这些边缘情况”。不过他也表示Drive.ai已经有了应对之策，王弢说关键在于首先把应用场景放在相对封闭的环境中，这也是Drive.ai首先通过商业车队进行部署的原因，在此得到验证后，就能不断精进，大大提升深度学习的速度。

而作为投资方，GGV纪源资本管理合伙人李宏玮对此也谈到看法。她认为涉及无人驾驶的整个版块，难题还不少。

从技术角度来说，最大的问题在于目前还缺乏成熟的传感器价格和方案，成本方面还有待进步。

其次，基于当前条件的传感器情况，要实现各种场景下的100%安全的无人驾驶，还需要时间，创业企业还得去路测、搜集数据，去实现软件算法的迭代和优化——“深度学习”还得继续学习。

最后是商业模式整合上，未来是跟车厂合作、把车卖直接给消费者，或者跟滴滴这样的平台结盟，目前还都没有定论，而且滴滴等厂商现在也因为恐于被颠覆，纷纷展开了自己的储备。

GGV李宏玮

创业公司能玩好无人车么？

当然，因为目前自动驾驶百舸争流，特别是Google、百度等巨头纷纷加码，Drive.ai这样的创业项目未来是否可以独立壮大，也是备受关注的焦点之一。

对于该问题，Drive.ai的早期投资人北极光杨磊回答说，虽然不能取消巨头并购的可能，但本质上讲未来可能还会是独立公司，原因是无人驾驶是非常难的领域，而且还是全新的领域，单就创新的角度和历史来说，大公司不一定能够跑得过小公司，凭借GPU崛起的英伟达就是典型案例。

杨磊披露现在L4自动驾驶方案投资中，北极光最看好的就是Drive.ai，该方向上并没有再做其他布局。