Podcast Script (zh)
[0.120-15.285] SPEAKER_05: 今天来到的是斯特林·安德森，Aurora联合创始人，一家令人兴奋的新公司。 这是一家自动驾驶汽车公司。之前他是特斯拉自动驾驶团队负责人。 他带领团队打造了一、二代自动驾驶系统。在那之前，
[15.365-27.465] SPEAKER_05: 他在麻省理工读博士，研究地面车辆的人机共享控制。 这正好是我课堂上反复讲的内容。现在他回到了 麻省理工和我们交流。请大家热烈欢迎。
[27.765-39.110] SPEAKER_00: 谢谢。很高兴来这里。刚才我跟Lex说，我觉得 有一阵子没回学院了，能回来真好。 我想提前道个歉。我下午刚从韩国经德国飞过来， 过去一周我都在德国，所以我的语速可能会
[39.190-51.023] SPEAKER_00: 比平时慢一些。还请多包涵。 谢谢。 要是我说话不清楚或含含糊糊，请提醒我，我们尽量 纠正。今晚我想和大家聊聊我 过去十年的经历。我从麻省理工毕业已经十多年了。
[51.103-65.072] SPEAKER_00: 变化很大。自动驾驶领域有很多积极变化。 我有幸参与了其中很多，所以我想 和大家分享我学到的东西、一些 我所经历的事情。最后或许可以聊聊 未来的方向，以及下一步计划，无论是行业还是
[65.152-72.489] SPEAKER_00: 我们正在建的大公司，Lex说叫 Aurora。过去十年我有几个关键阶段。 旅程中。Lex提到，我在MIT开始时，合作了
[72.569-80.394] SPEAKER_00: Carl、Emilio、John Leonard等人，一起做 共享自适应自动化。我会简单聊聊 那些。后来在特斯拉，我先是负责Model X
[80.474-89.111] SPEAKER_00: 项目，同时开发并最终推出。然后 接手自动驾驶项目，引入了一系列新的主动 安全功能，还有增强的便利功能，比如
[89.191-100.188] SPEAKER_00: 自动转向和自适应巡航控制，我们用了一些 独特方式改进。也会聊这个。再后来， 2016年12月，我们创办了新公司Aurora。 我会告诉你一些背景。我2007年来到
[100.268-107.895] SPEAKER_00: MIT，那时DARPA城市挑战赛正火热。我们 想提前解决人类驾驶中的安全问题， 而不是等完全自动驾驶。所以我们
[107.975-116.461] SPEAKER_00: 开发了智能副驾驶系统。你看到的是 系统运行模拟。我马上会多说细节， 但先解释一下方法论、创新和关键 方法——我们跟传统规划略有不同。
[116.541-129.105] SPEAKER_00: 控制理论会，当时在做，不是设计路径。 为机器人留出空间，我们反而找到识别、规划、优化的方法。 设计一个受约束而非路径限制的控制器。我们 当时在找穿过环境的同伦。想象一下
[129.185-137.265] SPEAKER_00: 一个布满物体、车辆、行人的环境。 如果创建Voronoi图，会得到一组独特的 路径或同伦，可连续变形，带你从一处
[137.345-144.043] SPEAKER_00: 到另一处。再转化为其对偶，即Delaunay 三角剖分（假设凸障碍物），你可以 简单地拼接，创建一组同伦和转换。
[144.123-153.782] SPEAKER_00: 通过这些，路径能为人类勾勒出选项。 人类倾向于更直观的方式，施加某些 操作限制。而不是强制自车坚持某个
[153.862-162.279] SPEAKER_00: 安全路径附近的任意点，你只寻求强制 车辆状态保持在约束界定的n维管状空间内。 这些约束是空间的，比如道路边缘，
[162.359-168.523] SPEAKER_00: 或绕开物体。它们也是动态的， 比如轮胎摩擦力对侧偏角的限制。利用这点，我们
[168.603-179.716] SPEAKER_00: 找到了创建这些同伦的方法，前向模拟车辆轨迹， 给定当前状态和优化控制输入。 通过那个实现稳定。 我们用了模型预测控制，然后取了前向模拟的轨迹。
[179.796-188.631] SPEAKER_00: 计算威胁度量，比如目标函数针对那个最小化 最大化稳定性，或最小化车轮侧滑等参数。 车轮侧滑是衡量最优操作风险的好指标。
[188.711-201.159] SPEAKER_00: 因此我们利用那个进行调节 人类与车间的控制，以便车辆如果发现自己 处于前向模拟最优轨迹接近极限的状态 车辆能处理的极限，就完全把控制转给车辆
[201.239-208.007] SPEAKER_00: 交给自动化系统避祸，之后再转回来。 以某种方式，我们试了许多控制转移方法来确保 不打乱人类心智模型，这是关键。
[208.087-217.247] SPEAKER_00: 我们希望能在事故前就阻止。 你看到的模拟忠实于迪尔伯恩测试驾驶员的表现。 在密歇根迪尔伯恩，福特提供了捷豹S型测试车。
[217.327-226.464] SPEAKER_00: 你看到有一辆蓝色车和一辆灰色车。 两种情况都有调校不佳的驾驶员模型，这个纯追踪控制器 前视距离很短，比这个场景需要的还短。
[226.544-232.883] SPEAKER_00: 灰色车没有智能副驾。你会看到驾驶员 失去控制离开车道。副驾驶关注的是
[232.963-238.709] SPEAKER_00: 不遵循固定路线，也不管车在路哪边。 只要它在道路内就行。蓝色车和人类驾驶员一样。
[238.789-247.508] SPEAKER_00: 现在副驾加入。随着场景推进，你会看到。 左边绿色条显示控制权限可用部分。 被自动化系统占用。注意它从没超过
[247.588-252.870] SPEAKER_00: 一半权限。也就是说车辆转向输入 是人类和自动化混合提供的。
[252.950-262.772] SPEAKER_00: 结果蓝色车路径更贴合人类预期轨迹。 甚至比副驾的理解还好。副驾保持稳定。 让车保持在路上。人类正沿中线行驶。
[262.852-271.954] SPEAKER_00: 所以，这就产生了一些很有意思的结果。 我们做了很多研究，想知道哪种反馈最自然。 最担心的是车辆行为偏离人的心理模型。
[272.034-280.300] SPEAKER_00: 车辆响应跟预期不符，可能会出问题。 所以我们试了很多方法。早期一个关键问题是 如果通过行星齿轮把电脑控制和人类控制耦合
[280.380-293.130] SPEAKER_00: 并让人实际感受到反向扭矩，跟车辆动作相反。 所以当车右转时，人会感觉方向盘左转。 他们会看到方向盘左转。这让人更困惑吗？ 结果发现因人而异，看驾驶经验。
[293.210-306.297] SPEAKER_00: 有些司机会根据方向盘传来的扭矩反馈调整操作。 比方说老司机右转时，会希望方向盘向左拉。 不过新手看到方向盘转的方向和车该走的方向相反时，
[306.377-312.646] SPEAKER_00: 挺让人困惑的。 所以我们面对很多有趣的人机界面挑战。 后来我们解决了很多这类问题， 开发了一系列...
[312.726-322.748] SPEAKER_00: 算是某种微应用。 其中一项是吉尔·普拉特领导的DARPA项目，专注 当时所谓的“最大机动性操控”。 我们决定测试这个系统在无人地面车辆上的表现。
[322.828-331.430] SPEAKER_00: 所以，这种情况下，一个驾驶员坐在远程控制台前， 就像在操作无人车一样。 比如在军事领域。 左上方你看到的是， 车辆看到的俯视图。
[331.510-343.319] SPEAKER_00: 我应该循环播放这个。 用边界框标出各种锥体。 我们找了20名驾驶员作为测试对象， 看着这个控制屏幕。 用这条赛道操作车辆。 我们把它设成一场比赛。 还有，
[343.399-354.106] SPEAKER_00: 按计划给获胜者颁奖。 而且， 每撞到一个桶就罚他们。 撞倒桶就罚五秒。 擦碰到桶罚一秒。 他们要尽快穿过场地。 他们看不到车辆。 我们在界面上做了点手脚。
[354.186-363.346] SPEAKER_00: 我们让它偶尔断线。 我们加了延迟，跟实地一样。 然后我们决定是否启用副驾驶。 想看看这对表现和体验的影响。 毫不意外，碰撞率下降了。
[363.426-376.013] SPEAKER_00: 有副驾驶时，碰撞率低了约72%。 另外，碰撞虽然减少了72%， 速度却提高了， 记不清具体数字了，大概20%到30%。 最后，最让我感兴趣的是，
[376.093-387.287] SPEAKER_00: 每次跑完，我都问驾驶员， 同样，这些都是盲测。 他们不知道副驾是否激活。 我问他们：你感觉对车有多少控制？ 我发现，副驾介入时，控制感提升约12%。
[387.367-399.618] SPEAKER_00: 就是说，驾驶员感觉更有控制的时间多了12%， 副驾启用时，跟没开时相比。 然后我看了统计数据。 结果发现他们其实…… 副驾平均承担了43%的控制。 所以他们感觉更有控制力，
[399.698-410.091] SPEAKER_00: 但实际上控制力减少了43%， 这很有意思，反映了人类心理特点。 也就是说，车子在做我想让它做的事， 也许不是我要它做的。 这个观察很有趣，也很有意思……
[410.171-418.634] SPEAKER_00: 我觉得最开心的部分是…… 研究结束时，和团队聚在一起， 展示成果，看到一些反应。 于是我们调研了其他几个领域。
[418.714-430.280] SPEAKER_00: 卡尔、亚尼玛和我研究了几个商业机会。 再说一次，那是几年前的事了。 而且当时行业跟现在很不一样。 我们先创办了Gimlet，后来又创办了Ride。 这是标志。 你可能会觉得眼熟。
[430.360-437.848] SPEAKER_00: 我们把它变成了…… 当时我们打算在多家车企推广这项技术。 多家车企的生产运营。 当时很少有人觉得自动驾驶会影响未来业务。
[437.928-445.068] SPEAKER_00: 这确实会影响他们的未来业务。 他们是…… 拼车服务当时很新，被视为未经证实。 这很大程度上没被证实。
[445.148-447.818] SPEAKER_00: 所以，像我刚才说的，去年十二月……
[447.898-452.959] SPEAKER_00: 我和几位在这个领域有重大进展的人共同创立了Aurora。
[453.259-463.246] SPEAKER_01: 他们多年来在这个领域进展很大。 克里斯·赫姆森曾领导谷歌的自动驾驶团队。 德鲁·巴格内尔是卡内基梅隆大学的教授。 他在应用机器学习上做得特别好。
[463.326-476.053] SPEAKER_01: 他曾是优步自动驾驶团队的创始人之一。 还负责团队的自主驾驶和感知技术。 几个趋势交汇，给了我们独特的机会。 首先，汽车行业已经完全意识到， 自动驾驶，尤其是跟网约车结合，
[476.133-487.060] SPEAKER_01: 以及电动化，是改变行业的三大方向。 这在十年前根本不存在。 第二，技术有了重大进步。 对，有些机器学习技术进步很大， 特别是深度学习和神经网络方法，
[487.140-498.949] SPEAKER_01: 还有运行这些方法的计算机， 低功耗GPU和TPU也出现了， 效果真的很好。 传感技术方面，高分辨率雷达， 还有各种激光雷达的发展。 所以这真是自动驾驶的独特时期。
[499.029-506.354] SPEAKER_01: 我们觉得组建经验丰富的团队， 有机会从零开始构建， 一个新平台，全新的自动驾驶架构。 用最新的机器学习技术
[506.434-517.605] SPEAKER_01: 结合我们的经验 在开发这些系统时 可能碰到的陷阱 因为早期很难发现 它们通常会在 处理大量边缘案例时显现 需要你去解决 所以我们组建了这个团队
[517.685-531.909] SPEAKER_01: 我们在加州帕洛阿尔托和宾州匹兹堡有办公室 在帕洛阿尔托和宾州都有车队在运营 几周前我们宣布大众汽车集团 全球最大的汽车制造商之一 现代汽车也是全球最大车企之一 都与Aurora建立了合作
[531.989-542.963] SPEAKER_01: 我们将和他们一起开发 一系列平台最终把我们的技术 推广到他们全球的车辆上 而在构建过程中一个重要因素…… 在来之前我问过Lex 这个小组最想听到什么？
[543.043-554.516] SPEAKER_01: 他提到了一件事， 在这个领域创办新公司需要什么？ 我们发现很重要的一点是 是一种不威胁他人的商业模式。 我们认识到，我们的优势和过去经验—— 我有十年，克里斯近二十年——
[554.596-566.347] SPEAKER_01: 真正在于自动驾驶系统开发。 而不是造车，尽管我有点经验， 而是开发自动驾驶技术。 所以我们觉得，如果使命是把技术推向市场 尽可能快速、广泛、安全地推广，
[566.427-580.454] SPEAKER_01: 最好的方式就是发挥我们的优势， 并与能发挥他们优势的人好好合作。 所以你们会看到我们采用的模式， 现在，你们将开始看到一些成果， 通过我们和一些汽车制造商合作。 所以说到底，我们的愿望是
[580.534-591.299] SPEAKER_01: 这项对世界如此重要的技术， 在提高安全、改善交通便利方面， 提升道路和城市利用效率。 可能是我第一次演讲。 没有一上来就列安全数据。 还有其他所有事。
[591.379-597.578] SPEAKER_01: 没听过就去查查。 情况很严峻，对吧？ 现在美国大多数车辆。 平均每个有三停车位。 全球大量土地被占用。
[597.658-607.308] SPEAKER_01: 停的车使用率不足5%。 嗯… 我觉得在美国，人数。 大概六百万到一千五百万。 他们得不到需要的车。 要么因为年老或残疾。 或因为其他很多因素。
[607.388-620.208] SPEAKER_01: 所以这项技术未来几年。 可能对社会影响最大之一。 这是个极其令人兴奋的技术挑战。 而你知道，在这两者交汇处。 对工程师来说，这是独特的机会。 还有非工程师但真心想参与的人。
[620.288-624.537] SPEAKER_01: 为改变未来世界出力。 好了，我就讲到这里。 下面进入提问环节。
[624.837-627.263] SPEAKER_05: 给斯特林热烈掌声！
[627.563-635.248] SPEAKER_01: 嗨，我是韦恩，谢谢大家来。 我有个问题。 很多自动驾驶公司都用激光雷达。 但特斯拉很少这样。 在特斯拉那里。 您怎么看？
[635.548-637.800] SPEAKER_00: 我不想多谈特斯拉。 关于我们具体的事，
[638.100-649.352] SPEAKER_01: 非公开信息我不说。 我想说，关于Aurora， 我们相信要快速进入市场。 还要安全地进入。 最快最安全地进入市场， 就是用多种传感器，包括激光雷达。 这些只是后台运行的内容。
[649.432-653.425] SPEAKER_01: 这些都只是极光视频。 展示车在不同测试路上的表现。
[653.725-666.545] SPEAKER_05: 你好，我是斯隆管理学院的卢克。 很多车主对车有很深的感情。 我想知道您怎么看这个市场。 汽车爱好者市场受自动驾驶影响。 反之，自动驾驶如何为这类客户设计。
[666.845-671.709] SPEAKER_01: 是的，好问题，谢谢你的提问。 我就是个汽车迷。 我很享受特定环境下开车的感觉。
[671.789-681.822] SPEAKER_01: 但在其他环境，我很不喜欢开车。 我清楚记得有几个晚上。 我几乎猛捶方向盘，堵在波士顿车流中。 当时我正在去某个地方的路上。 在旧金山我也经历过同样情况。
[681.902-691.668] SPEAKER_01: 我觉得真正的机会在于这种。 把个人汽车拥有和驾驶变成运动。 个人拥有和驾驶车辆的转变。 变成更像一项运动。 你闲下来就做这个。 我看到了。
[691.748-699.410] SPEAKER_01: 前阵子，有位先生找我谈话。 嘿，这不就是国家的问题吗？ 我觉得他说的是全世界。 要是人们不学开车， 那只是人天生该会的。
[699.490-708.034] SPEAKER_01: 我觉得这就像现在的人， 天生不会骑马，也是问题。 想学骑马，就去骑。 想赛车，就去赛道， 或者去专门的山路。 最后，我觉得这挺重要。
[708.114-715.718] SPEAKER_01: 我当然同意你说的。 我就是一个十足车迷。 但我觉得这里机会很大。 来缓解其他问题。 尤其是开车不好玩的地方。 我觉得两者都有空间。 对。
[716.018-727.070] SPEAKER_03: 你好。 能听到吗？ 对。 对。 恭喜合作成功。 好像是最近宣布的。 谢谢。 我有个两部分的问题。 第一，上周听到， 好像是Waymo一位先生， 说他们搞了多久
[727.150-734.777] SPEAKER_03: 这个自动驾驶技术。 你们却发展特别快。 你们用了许可模式吗？ 我是说，多久？ 怎么一年就把技术商业化了？
[735.077-743.877] SPEAKER_01: 澄清一下，我们没商业化。 区别是，我们在合作开发车辆， 最后会做试点， 就像一两周前跟Moya班车宣布的那样。 不过我会区分这点
[743.957-751.677] SPEAKER_01: 和技术的广泛商业化 我不想太深入，你知道 商业模式的细微差别 这是一种与汽车合作伙伴 紧密合作的方式 好的 因为归根结底
[751.757-760.571] SPEAKER_01: 他们了解自己的车和客户 他们有分销网络 他们，我们的汽车合作伙伴 位置很有利 只要他们得到支持 开发自动驾驶技术 他们就有条件 大规模推广它
[760.871-768.789] SPEAKER_03: 那第二个问题是 再看这个采用速度 和技术成熟度 你觉得像开源模式 自动驾驶，你知道，汽车 它们变得越来越...
[769.089-773.338] SPEAKER_01: 不清楚 我不确定开源模式 是最快进入市场的方式 从长远看，我不清楚
[773.418-779.907] SPEAKER_01: 会发生什么 我觉得会有少数 成功的自动驾驶系统 能够成功 远没有今天 的自动驾驶公司那么多 但少数，我想
[780.207-794.594] SPEAKER_04: 两个问题 一个是不可避免的新产品开发 通常有两种瓶颈 有技术瓶颈 和经济瓶颈，对吧？ 所以技术瓶颈可能是 嘿，你知道，传感器不够好 或者机器学习算法 不够好，等等。 我很想听听 显然它会随时间变化
[794.674-807.099] SPEAKER_04: 所以我想知道你会怎么说 嘿，如果是当前的事， 如果架构这部分 好十倍的话，我们会 再说经济方面， 我很想知道， 如果传感器便宜一百倍， 那我很想听听 你对两者怎么看？
[807.399-818.001] SPEAKER_01: 这是个好问题。 先讲讲经济方面 聊聊这个 先解决那个 因为答案来得快 自动驾驶车的经济账 现今共享网络的成本大约 那个商业案例可行 虽然传感器成本很高
[818.081-828.404] SPEAKER_01: 那不是阻碍我们的原因 所以之前那位先生 问了一个问题：该不该用激光雷达？ 如果目标是先部署到车队 明智做法是从高端市场入手 打造尽可能强大的系统
[828.484-839.016] SPEAKER_01: 越快越好 再逐步降低成本 这能做到，因为计算机视觉 和精确召回率都在提高 目前还不够好，对吧？ 所以从经济角度 取决于进入市场的方式 我们认为正确的模式
[839.096-849.431] SPEAKER_01: 是通过出行服务 可以降低成本 你会降低...成本 不可避免，没有得不到的 今天的激光雷达单元。 说白了，没理由。 激光雷达单元的成本，应该 会让你到7万美金的价格，对吧？
[849.511-865.094] SPEAKER_01: 但如果产量特别低，造任何东西 就会很贵。 其中很多会逐渐 进入汽车制造的标准流程。 它们会逐渐进入一级供应商， 当它们这么做时， 汽车行业已经证明了自己 很贵，对吧？ 他们已经证明了自己在 降低成本方面非常出色， 所以，预计会大幅下降。
[865.174-873.219] SPEAKER_01: 你的另一个问题 技术瓶颈和挑战， 自动驾驶的关键挑战之一 一直是，仍然是预测 其他参与者的意图和未来行为 互相回应
[873.299-881.600] SPEAKER_01: 也是回应自己在运动中的决定。 这是个感知问题， 但不止是感知问题。 这也是一种预测， 而且有很多不同因素 需要协同解决这个问题。
[881.680-894.093] SPEAKER_01: 我们对一些工具很兴奋， 我们交错使用 各种现代机器学习技术 在整个系统中 执行预测自身行为这类任务， 这些行为是针对自车学习的， 并假设它们像我们一样行动， 如果我们处在那种情况。
[894.393-896.923] SPEAKER_04: 就像专家系统方法，对吧？
[897.223-907.976] SPEAKER_01: 是的，是的。 你假设正常行为， 并防范非正常行为，对吧？ 但很大程度上， 这问题还不算解决。 很大程度上， 到了那个漫长开发阶段， 不再发演示视频，
[908.056-912.665] SPEAKER_01: 而是埋头干， 冲刺最后那九成， 就是那种常见的问题。 谢谢。
[912.965-921.742] SPEAKER_02: 所以这不一定是 关于自动驾驶研发， 更是个伦理问题。 当你们把人命 交到软件手里， 是否总有可能 让恶意攻击者 用它谋私利？ 而你们，
[921.822-925.827] SPEAKER_02: 如果真有计划， 打算怎么防范这种攻击？
[926.127-928.181] SPEAKER_01: 对。 所以安全是个很现实的问题。
[928.261-938.770] SPEAKER_01: 这问题必须解决。 这是场持续的猫鼠游戏。 所以我认为这只需要 一个很棒的团队 再加上持续努力。 我不认为你能一次性解决它。 而且我当然不会假装。 有办法能解决它。
[938.850-949.812] SPEAKER_01: 然后就完事了。 我们尽量用最佳做法。 尽可能。 在系统基础架构里。 让它不那么暴露。 特别是系统关键部分。 更少暴露于恶意行为。 但说到底， 这只是持续努力开发。
[950.112-962.676] SPEAKER_05: 谢谢你的到来。 所以我想问一个问题。 自动驾驶汽车带来了哪些机会？ 因为驾驶一直以来 都是以人类为中心 如果以计算机为中心 整个社会的差异 甚至每辆车的内部差异 会怎么体现？
[962.756-971.776] SPEAKER_05: 汽车能否在高速上以150英里时速行驶 并更快到达目的地？ 汽车外观会不一样吗？ 当人类无需专注时 等等？
[972.076-973.991] SPEAKER_01: 是的。 我觉得答案是肯定的。
[974.071-985.755] SPEAKER_01: 这很令人兴奋。 所以，其中一个独特机遇 尤其是汽车制造商独有的 当自动驾驶技术 被整合到车辆中时 就是可以做些娱乐之类的事 比如区分用户体验。 他们能提供服务，
[985.835-996.112] SPEAKER_01: 增强现实服务 或位置服务， 还有很多其他类型。 它打开了全新市场的大门 以前汽车制造商从没碰过。 而且他们能改变 车辆本身， 像你刚说的， 内饰可以改。
[996.192-1005.691] SPEAKER_01: 当我们验证自动驾驶系统 确认它们减少了事故， 像我们希望的那样降低了事故率， 就能省掉很多额外重量 还有车上的其他东西 来让车更被动安全，对吧？
[1005.771-1012.934] SPEAKER_01: 防滚架、吸能区、安全气囊， 这些东西很多 要是在一个不会撞车的世界里， 对被动安全的需求少了很多。 嗯，是的。
[1013.234-1027.783] SPEAKER_04: 你好。 关于通过-不通过测试，我有个问题。 你测某些功能时， 比如你提到的油门控制， 你减慢油门， 假设司机踩错了踏板。 测试的时候， 你怎么决定推出这个功能？ 怎么知道它肯定管用？ 所有场景下都行？
[1027.863-1030.835] SPEAKER_04: 毕竟你的数据集可能不精确。
[1031.135-1038.437] SPEAKER_01: 每次都是统计评估，对吧？ 你说得对。 你会... 这是自动驾驶开发的艺术， 就是你永远没法完全覆盖 每个案例、每个场景。 这就好比...
[1038.517-1049.351] SPEAKER_01: 可能有人想纠正我这点。 我觉得那是个无界集合。 其实它可能在某个点有界， 但可能已经完成了。 所以其实你永远说不清所有东西。 希望你所做的， 如果你做得对， 就是你已确立了 以相当高的信心 你能达到安全水平
[1049.431-1056.489] SPEAKER_01: 比人类司机更好。 一旦跨过那个门槛 并且你确信自己达到了， 我觉得推出的机会是真的， 你应该认真考虑。
[1056.789-1057.624] SPEAKER_05: 谢谢。
[1057.924-1066.561] SPEAKER_02: 先谢谢你的演讲。 我想问的是， 自动驾驶似乎最终能接管世界 从某种意义上说。 但和其他技术一样， 它们带来了新机会， 也有坏处。
[1066.641-1073.026] SPEAKER_02: 那你怎么应对未来可能出现的 恐惧和负面问题？ 具体来说，自动驾驶未来 有什么积极和消极影响？
[1073.326-1079.212] SPEAKER_01: 正面和负面影响。 积极影响我大概列了一些， 随便找篇文章， 上面也会提到。 短期消极影响，
[1079.292-1087.848] SPEAKER_01: 我比较担心就业替代。 不只是担心。 这一定会发生。 每次技术革新都这样。 我们有责任找到 一个平稳过渡的方法， 让交通运输行业受影响的人
[1087.928-1095.288] SPEAKER_01: 转向更好的工作。 有些有趣的机会。 这方面。 但现在讨论这事很重要。 因为得花几年时间。 等有了自动驾驶系统，
[1095.368-1099.640] SPEAKER_01: 开始在路上部署这些劳动力时， 我真想给它找个新家。
[1099.940-1112.051] SPEAKER_03: 嗨。 我是斯隆管理学院的卡西亚。 我问题还是关于你的商业模式， 跟大众和现代的合作。 还有你怎么能 有效做到这点。 难道没人想跟你独家合作？ 你怎么看？
[1112.351-1120.512] SPEAKER_01: 对。 所以我们的使命，我刚说了， 把技术推广到市场， 快速又安全。 我们是... 我一直都很确信 正确的方式就是提供它 给尽量多的行业
[1120.592-1130.532] SPEAKER_01: 所有跟我们理念一致的车企 我们很高兴看到大众集团 大家都知道大众的规模吧 它是一家超大型车企 现代集团也很大，有现代、起亚和捷尼赛思
[1130.612-1138.030] SPEAKER_01: 他们都认同我们的做法 这对我们很重要 他们都非常感兴趣 想通过平台产生大规模影响 大众集团，我觉得 有一些令人赞叹的举措
[1138.110-1145.238] SPEAKER_01: 比如汽车电动化等等 现代也在做类似的事 所以对我们来说，重要的是 让所有人都能参与 这正是Aurora开始做的
[1145.538-1162.363] SPEAKER_03: 嗨，我现在有个问题 很多公司都在推出 自动驾驶汽车，对吧？ 大多数汽车基本上 所有技术都只限于汽车本身 我们会看到类似开放网络的东西吗 让汽车之间互相通信 不管哪家公司 这能不能提高安全性
[1162.443-1164.497] SPEAKER_03: 或车辆性能之类的
[1164.797-1173.283] SPEAKER_01: 对，你理解的是车对车 车对基础设施通信 这方面已经在推进了 这当然 只有好处，对吧 获得这些信息 只会让情况更好 挑战一直在于车对车
[1173.363-1182.711] SPEAKER_01: 特别是车对基础设施或反过来 第一，扩展性不好 第二，速度慢 这比我们发展慢多了。 所以开发这些系统时， 开发时我们没指望 那些通信协议能直接用
[1182.791-1193.405] SPEAKER_01: 当然也会保护它们。 一旦出现，肯定有好处。 但在此之前，很多棘手问题 十年前我肯定接受 每个红绿灯有个信标 只要告诉我它的状态 不用自己去感知， 十年前我肯定用这些。
[1193.485-1197.235] SPEAKER_01: 现在它们没那么重要 因为我们自己解决了 很多本该解决的问题。
[1197.535-1206.834] SPEAKER_03: 谢谢你的演讲。 我想问， 你觉得自动驾驶汽车 怎么合作？ 所以也许，如果能控制一群车 同时，自动驾驶车辆 你能给交通带来很多好处。
[1207.134-1218.212] SPEAKER_01: 是的。 这就是很多好处的来源 在基础设施利用方面，对吧？ 在于自动驾驶汽车的共享出行。 具体来说， 我们越了解需求模式， 人员流动、货物流动， 我们就能更好地以某种方式优化分配
[1218.292-1230.287] SPEAKER_01: 把这些车辆分配到需要的地方。 所以是的，当然那种协调， 正如我提到的，这就是 这三个方向：车辆电动化、 共享出行和自动驾驶， 或者出行即服务和自动驾驶， 真正以独特的价值主张结合在一起。
[1230.587-1234.534] SPEAKER_05: 好的，谢谢。 非常感谢您精彩的演讲和到来。
[1234.614-1235.403] SPEAKER_05: 谢谢。