“让无人驾驶摆脱方向盘？” 这句话看起来有点奇怪，无人驾驶和方向盘好像本就是一对矛盾的词组。然而事实上，目前无人驾驶还远远离不开方向盘。
国际汽车工程师协会（SAE）把自动驾驶分为了5个阶段，L0~L5 ，其中L0是指人工驾驶，L5则是完全自动驾驶。

按照上述分级标准，当前大量传统车企均已实现了L1的驾驶支援，也就是辅助驾驶。部分车型的定速巡航、自动跟车等功能也已步入了L2阶段——由系统架构的自动驾驶领域，又称ADAS。
“ADAS与无人驾驶，好比灵长类与智人，看着挺像，其实不是一回事儿。” 驭势科技联合创始人赵勇解释道，“举个例子，ADAS前方碰撞预警误报（false positive）一下无伤大雅，但变成自动驾驶总是无端踩刹车，会烦死人，反之，如果为了减少误报而导致少报（false negative），ADAS不会有大问题，毕竟人是主要操控者，但自动驾驶是机器为主，对危险的错判将会引发大问题。”
与ADAS相比，无人驾驶的复杂程度和难度呈指数级增加。真正的无人驾驶之路才刚开始，挑战与机遇并存，许多互联网巨头和传统车企都在押宝这一领域。作为一家成立不到2年的创业公司，驭势科技则显得非常与众不同。
“我们必须建立一家新的公司，这个新公司首先要符合车规，除了拥有最好的计算机视觉技术，还要有最好的复杂系统设计、汽车规划和控制。”谈到创立驭势科技的初心，赵勇认为，中国需要真正高含金量的技术公司，不希望去挑战某种已经存在的不良现象，而是希望去开创一种全新的、更高级的生态。
抱着这一愿景，赵勇拉上吴甘沙（原Intel中国研究院院长）、姜岩（原北京理工大学无人车项目负责人）连同其他几个小伙伴一起创立了驭势科技。

尽管成立时间不长，几位联合创始人已经做好了最初的「两年计划」，在自动驾驶的前后分别加上了限定词，定下了两条路：

全天候的半自动增强驾驶，又被驭势称之为“人机共驾”。在这里，人依然是驾驶的主导方，机器则是协同方，两者之间进行协作驾驶，即驾驶时，机器会根据收集到的信息，在需要时提供转向、助力或者刹车的辅助，也可以在某些特殊场景下实现自动驾驶。
限定区域的无人驾驶。在这个场景下，“人”只是乘客，驾驶由机器一手操控，发生的环境会有所改变，可能是某个园区、公共交通的最后一公里或者某个限定路线。之所以强调“限定”，代表周围环境已经为车辆熟知并掌控，并不会出现未知和不可控的情况，而且这个模式的车辆是低速状态。

要实现这一目标，吴甘沙认为目前还存在两大难点：

算法，现在的人工智能还缺乏足够的学习能力，在一个确定的场景中可能没有问题，但自动驾驶的真正场景是一个复杂、动态并且充满不确定性的。
系统，智能驾驶系统的复杂程度，仅就单代码量而言，奔驰S级轿车是波音787客机的16倍，这么一套复杂的系统如何支撑它良好运行就是一个问题。

算法需要大量时间和数据去验证，也需要大量GPU资源；系统需要不断地去完善代码，也需要不断尝试和大量资源。因此，为了解决这些问题，驭势科技选择与UCloud合作。
驭势科技现有的GPU都用来跑生产数据，大量GPU资源都在满负荷运转，但同时研究团队还需要ImageNet数据来做Pre-training，如果使用现有的GPU资源，那么就需要排队等待使用，这势必会减缓算法和系统的研发速度。
针对驭势科技的情况，UCloud推荐了UAI-Train产品。UAI-Train底层有海量P40资源，可以通过界面选择一次训练需要的资源量，上层把系统、驱动、框架都已经封装好，用户只需上传代码即可。
在使用时，不同于租用GPU主机空闲时也要收取费用，UAI-Train只有任务开始时才会产生费用，任务停止则计费停止，真正做到按需收费。训练效率上，利用UAI-Train底层资源的优秀性能，P40的GPU加上SSD磁盘的配置，使用户在享受低廉价格的同时，还可以有超过本地GPU服务器的性能。
UCloud 为驭势科技在算法和系统两个核心问题上提供了很好的助力，使其无人驾驶的商业化之路走得更好更快。在2017年拉斯维加斯CES（国际消费电子展）上，驭势科技发布了首辆无人驾驶电动车并进行了技术演示。

（图：驭势科技无人驾驶电动车）

按照驭势科技的时间轴，未来1年内会加速推进这款车的量产，初步实现园区内低速无人驾驶应用，覆盖主题公园、景区、度假村等场景，到2019年逐渐向中高速自动驾驶过渡。
“现在需要做的事情就是把它变成真的，未来五年计划，虽然不一定是说这个东西一定能成，但一定要走出一条让它能够可行的路子来。”赵勇坚定地说。