自动驾驶工程师工作时间

编者按：本文是百度Apollo一名自动驾驶工程师对自动驾驶的一篇见解文章。文章先讲解了自动驾驶的发展意义；然后从我 在那儿 ？周围有什么？接下来会发生什么？我该怎么做？等方面展开讲解自动驾驶技术；最后以极客邦和百度Apollo联合发布的自动驾驶工程师技能图为例，说明了如何帮助非专业自动驾驶领域的工程师转行和进入该领域。

2018年12月5日，Google旗下的Waymo推出自动驾驶首个用于服务乘客的商业叫车服务——Waymo One，该服务在美国凤凰城及其钱德勒、坦佩、梅萨和吉尔伯特4个郊区24小时运行。乘客只需通过APP呼叫无人车，选定上下车地点，然后通过自动驾驶系统就可以方便地前往任何地方。车上没有驾驶员，只有一块HMI（人机交互界面）来告知乘客目前车辆的状态、周围情况以及后续路线。

从Google的自动驾驶项目开始再到如今的Waymo，其自动驾驶技术在10年间取得了不小进步。Waymo测试车累计公路行驶距离已达1000万英里，遍及美国25个城市，还有着100亿英里的模拟行驶数据。而这些驾驶数据配合人工智能技术将无人驾驶带到了我们身边。

同样，在北京的海淀公园18年也被改造成了全球首个AI公园，11月1号正式对外开放。在这整个智能化公园中，最引人瞩目的就是阿波龙自动驾驶小巴。这款迷你小巴每辆可搭载6-7人，没有驾驶座也没有方向盘，等乘客落座系好安全带，阿波龙就会自动关上车门妥妥地起步。在行驶过程中，拐弯和掉头之前会主动降速，遇到前方有行人或障碍物，也会主动减速避让或者停车。

这些都是人类见证 历史 的伟大时刻，也是迈向未来生活的开始，标志着一个新的时代正在悄然来临。

普通 汽车 终将退出 历史 舞台，可能就在不久的将来， 汽车 即将成为我们可以放心托付自己生命的第一代自主式机器人。在历经了数十年不断失败的尝试后，借助速度更快的电脑、更可靠的传感器技术以及基于深度学习的新一代人工智能软件， 汽车 可以获得与人类相似的能力，在无法预测的环境中自主安全地驾驶。

为什么我们需要关注自动驾驶？ 不仅仅是因为这项具有伟大影响力的技术能够替代司机提升交通出行的效率和安全性；更重要的是自动驾驶会改变人类的生活方式，让人们重新享受出行的乐趣。

当前，我们的 汽车 是非智能的，其标准的四个轮子、一个机身和一个发动机的配置近100年来没有了本质性的改进，而世界上其它产业的根基你都发生着根本性的变化。 而得益于机器人技术和人工智能技术在近期取得的成就，平凡普通的 汽车 也即将进化成自动化移动机器人。 目前， 汽车 的便利在一个世纪中不断给我们带来了自由、快捷，同时也带了新的工作机会和社交机会。商业贸易也因此变得前所未有的方便。

但是，在获得移动便捷性的同时人们也付出了极高的代价。每年全球交通事故死伤人数近100万，中国每年伤亡20万人左右；人类驾驶的 汽车 也带了城市的交通拥堵和空气恶化。粗略估计，全球有十亿由人类驾驶的 汽车 在陆地上漫游，对 汽车 的依赖已经不可能减少，只会越来越多， 汽车 是我们现代生活不可缺少的一部分。

事实上，解决 汽车 引发系列问题最好的方式就是让它们变得智能。 当AI接管人类驾驶员时，无人 汽车 将给世界数十亿人提供一种更安全、更简洁甚至是更方便的出行模式。在理想的未来，我们的街道和高速路上会充满成群的、分布紧密的无人驾驶 汽车 ，想鱼群一样，这些无人驾驶 汽车 会展现出惊人的防冲撞能力，在充满行人的街道上机智而快速地穿行，在漫长而空旷的高速路上以最经济的消耗方式灵活停靠。有些车会携带一辆名乘客，有些车完全没有乘客，因为它们可能要去接送外卖或快递。而坐在车里的人们，也讲有完全自由时间和私密的空间进行任何事情，比如购物、看电影和孩子享受亲子时光。

自动驾驶技术从人们开始尝试到现在其实已经经历了近50年的 历史 ，从上世纪70年代就有国外机构和大学开始研究自动驾驶技术。

美国国防高级研究计划署（DARPA） 在1984年研制出自主地面陆军战车项目，可以说是真正自动驾驶技术的开端。当时的技术还比较落后，只能通过固定规划路线在动态障碍物的情况下达到目的地。到了2004年，DARPA接连举办了3届无人驾驶挑战赛，可以说真正拉开了现代自动驾驶的序幕，其中CMU（卡内基梅隆大学）、MIT（麻省理工学院）、Stanford（斯坦福大学）等著名高校接连着力研发自动驾驶技术，将自动驾驶的发展推向高潮。

而产业界， 最早在2009年Google成立X事业部开始了自动驾驶技术的研发，紧接着 科技 公司、传统车企都纷纷加入自动驾驶这场技术竞赛中，不甘落后。 中国当然也是其中重要的一员 ，无数技术精英、专家回国参与自动驾驶研发，百度、华为、腾讯、阿里等大公司花重金投入其中，每年招揽大批人才，高校的生源供不应求，薪资也水涨船高。

2013年，美国机动工程师协会（SAE）给出了车辆自动化的标准，分别是L0~L5。不同的Level所实现的自动驾驶能力时逐层增加的。对应的中文翻译可以参见表格：

目前，自动驾驶技术发展中， 科技 类公司主要寻求从L4级别自动驾驶入手，一步将智能化完成到一个非常高的程度；而大部分传统车企目前主要是从L3级别入手，从高级辅助驾驶开始逐渐往全自动方向渗透。这两种发展思路也是充分提现了目前各自的优势，但大家的终极目标都是希望实现L5的全自动驾驶状态。

下面，我们以Google的无人车为例，简单介绍L4级别自动驾驶技术是如何构成的。 Google时最早开始研发自动驾驶的公司，拥有最丰富的技术积累和最强的研发人员。但是无人驾驶系统的复杂性是远超人们想象的，经过近10年的研究，目前也仅仅是试验性的推出了无人驾驶体验服务。无人驾驶系统主要由三部分组成：算法端、车端和云端。其中算法端包括传感器、感知和决策等智能关键步骤的算法；车端包括机器人操作系统、各种计算硬件和车辆底盘硬件等；云端包括数据挖掘、仿真模拟、高精地图以及深度学习训练等等。

通过这一套系统我们能够解决无人车的四个关键问题：我在哪？我周围有什么？接下来会发生什么？我应该怎么做？

定位问题是无人车首先要解决的问题，只有明白自身的位置才能最优的开往目的地。 定位需要依靠一种称为高精地图的技术，该技术会将无人车要走的所有静态环境进行描述，包括车道线、行人斑马线、标志牌等等。这些静态信息可以提供交通信号的关键信息，也会作为定位方案的锚定物对自身的位置进行校准，比如通过摄像头看到距离左边标志牌的距离是，那么在地图中知道了标志牌的坐标也就知道了自身车辆的坐标。同时，还会依靠GPSIMU等全局设备来定位自身位置，不过这可比我们目前智能手机里的GPS精度要求高很多，通过差分融合技术可以达到厘米级精度。

有了定位后，无人车的感知系统将通过传感器和人工智能算法将周围的障碍物位置、大小、状态、类别等标识出来。 目前主流L4级别的传感器包括GPSIMU、LIDAR、Camera、Radar等，LIDAR、Camera和Radar都是用于感知周围障碍物的主要传感器，分别在不同环境下能够有不同的优势。这些信息犹如人类驾驶员的眼睛一样看到周围动态环境物体，并将其识别出来，而无人车会利用自己多传感器和计算效率达到远超人类的水平，比如精准识别车辆后方任何物体、同时关注左右两边的车辆状态，在黑暗状态时可以通过激光雷达精准识别。

无人车知道周围动态物体后，还需要能够尽可能的预测这些物体的走向，包括行为预测和速度预测。 例如这个车是要左转还是直行，这辆车会不会闯红灯等等，汇入车流时速度是多少。这些问题都将决定我们无人车后续应该怎么走，如何避免碰撞发生危险。当然由于人的主观意志具有很多不确定性，在人类司机和自动驾驶司机混合的道路上，人工智能程序还需要学习人类的行为习惯和约定俗成的礼让方式，这些都大大增加了无人车的难度。

最后一步就是根据上述信息综合来选择一条最适合无人车的道路，如同人类的大脑一样对车辆最终的行为负责，选择最合适的方式达到目的地。 这需要考虑行车的体感、安全和快捷等因素，通过最优化算法、搜索算法、蒙特卡洛树采样等多种算法来得到未来的驾驶行为，也有通过模仿优秀老司机的驾驶行为等方式来提升驾驶性能等等。

上述四个问题表面上仅仅是车辆端的问题，但是其背后的技术栈是异常庞大复杂的，这些人工智能技术会用到云端的仿真系统、模型训练系统等等。 要做好其中任何步骤都是学术界长期以来不断积累而得，也是需要工程能力非常强大的工程师才能实现的高效算法。无人驾驶作为人工智能的一个重大应用方向，不是某一项单一的技术可以实现的，它是一个目前人类技术巅峰的一个整合创新。需要有算法上的创新、系统上的融合以及云平台的支持。那如此复杂的技术我们应该如何入门，如何进入这个领域？

自动驾驶技术的发展目前最大的瓶颈不是传感器的昂贵、不是产业发展不完善更不是公司投入不足，而是研发人才的缺乏。 目前我国 汽车 从业人员达到360万，但其中技术人才不到50万，占比不到15%。这其中虽然很难明确界定自动驾驶人才有多少，但是可以想见肯定不多。而且从自动驾驶专业人才年薪动辄几百万上千万，就可以知道人才有多紧缺。

我们需要更多的工程师和科学家进入这一领域，将现有的技术进行整合落地。但是如何帮助开发者们进入这一新兴领域成了业界非常关注的事情，我们就以极客邦和百度Apollo联合发布的自动驾驶工程师技能图为例，来说明如何帮助非专业自动驾驶领域的工程转行和进入该领域。先来看看这一份技能图谱：

一个新的技术领域往往建立在当前成熟技术的基础之上，而自动驾驶需要的技能种类繁多，我们需要首先全面了解整体技术，再选择感兴趣的方向进行深入挖掘。 从这份技能图谱可以看到包括两大主要模块，首先是基础层， 就是Apollo开发会用到的共性的语言和编程方式； 其次是自动驾驶技术层 ，既包括感知、决策规划、智能控制、End-to-End等自动驾驶核心能力，也包括硬件，比如GPS、雷达、传感器、车辆相关的知识和技能。

文 | James

自动驾驶公司绝对是近年来最值钱的投资标的之一。

福特、通用通用分别斥资10亿美元（约合70亿元人民币）、亿美元（约合亿元人民币）收购了和Cruise，谷歌Waymo在上半年首次融资，就获得了高达30亿美元（约210亿人民币）。

那么财大气粗的自动驾驶公司们，尤其是技术实力最强的顶级自动驾驶公司们，在招募人才时，又会给出怎样的待遇呢？

近日，外媒Business Insider根据Argo AI、Aurora、Cruise、Waymo和Zoox（这五家都算的上是美国最顶级的自动驾驶）向美国劳工部提交的非美籍员工薪资数据，公布了这些自动驾驶公司各个研发职位的薪资水平，得以让外界对其人工薪酬水平有一个大概的了解。

从外媒的报道来看，这些自动驾驶公司的研发人员的最低年薪为万美元（约合万元人民币），最高年薪为万美元（约合万元人民币）。

根据美国劳工部的规定，在美企业如果雇佣了非美籍员工，需要向劳工部提交非美籍员工薪资水平，以保证这部分员工的薪资水平不受歧视，不低于同行业的平均水平。

这也就是说，这五家公司提交的这些非美籍员工的工资水准，至少也代表了行业的平均水平。

在得到这部分数据之前，Business Insider也向各大自动驾驶公司询问了相关数据，Waymo对此回应称美籍员工经验丰富，薪资会更高，且提交的额薪资中不包含奖金和股票奖励。

Waymo的言外之意很明显，就是公司的整体薪酬水准是不仅是高于公开数据，并且要更高。自动驾驶产业龙头企业，果然财大气粗。

下面是美国五大自动驾驶公司外籍员工的薪酬情况介绍，也欢迎各位自动驾驶从业者在留言回复一下国内公司的工资水准。

一、Argo AI年入百万不是梦 福特大众此前都有投资

Argo AI是一家总部位于美国匹兹堡的自动驾驶初创公司，2017年，福特汽车向Argo AI投资10亿美元（约合70亿元人民币），成为Argo AI的最大股东，即成为福特的自动驾驶子公司。

今年6月，Argo AI宣布，大众集团向其投资26亿美元（约合182亿元人民币）的项目已经完成，未来将帮助Argo AI将自动驾驶车辆部署到欧洲地区。

Argo AI的自动驾驶测试车辆

那么，在国际大厂福特、大众集团都有投资的一家公司工作，年薪能有多少呢？

根据此前Argo AI向美国劳工部提交的数据，Argo AI二级硬件工程师的年薪为万美元～18万美元之间（约合万元～126万元人民币），高级硬件工程师的年薪为万美元～万美元（约合万元～万元人民币），高级软件工程师的年薪为万美元～万美元（约合万元～万元人民币），二级软件工程师的年薪在万美元～万美元之间（约合万元～万元人民币）。

在Argo AI工作，研发岗位中工资最低的是二级硬件工程师和二级软件工程师，年薪为万美元（约合万美元），接近百万人民币，而其他岗位年入百万不是梦。

二、Aurora创始人来自谷歌特斯拉优步 软件工程师薪资差30几万

自动驾驶公司Aurora成立于2017年初，其CEO Chris Urmson是前谷歌无人车项目（拆分后命名Waymo）CTO，是谷歌无人车项目的早期创始成员。谷歌无人车的创始人塞巴斯蒂安特龙2013年离开后，Chris Urmson接替了他的职位成为谷歌无人车的第二任老大。

Aurora的自动驾驶测试车辆

此外，Aurora还聚集了前特斯拉Autopilot项目负责人Sterling Anderson、Uber先进技术研发中心创始成员（Uber的自动驾驶项目就出自该中心）Drew Bagnell两位自动驾驶圈的顶级大牛。

根据Aurora提交的信息，今公布了一个职位的薪资水平，在Aurora当软件工程师，年薪在万美元～万美元之间（约合万元～万元人民币）。

三、通用Cruise已拥有1800人研发团队 高级技术产品经理很吃香

自动驾驶公司Cruise最初成立于2013年，其创始人Kyle Vogt曾为奥迪开发过辅助驾驶模块。2016年，通用以传闻10亿美金（约合70亿元人民币）巨资（随后财报披露证明此次收购花费资金为5亿8000万美金，约合亿元人民币）收购了Cruise。

经过7年的发展，今年2月，Cruise的研发团队规模已经达到了1800人。在全球自动驾驶测试最火热的地区——美国加州，Cruise部署了227辆车。在Cruise当一名研发工程师，年薪也不低。

Cruise的自动驾驶测试车辆

其中，工程经理的年薪最高，达到了万美元～万美元（约合万元～万元人民币）。

高级职位中，高级机器学习工程师年薪万美元～万美元（约合万元～万元人民币），高级网络工程师的年薪在万美元～万美元之间（约合万元～万元人民币），高级软件工程师的年薪在万美元～万美元之间（约合万元～万元人民币），高级系统测试工程师年薪在万美元～万美元之间（约合万元～万元人民币），高级技术产品经理年薪在万美元～万美元（约合万元～万元人民币）之间，高级技术项目经理年薪在万美元～万美元（约合万元～万元人民币）之间。

普通职位中，软件工程师年薪在万美元～万美元（约合万元～万元人民币）之间。

实际上，Cruise的薪资水平都很不错，这是因为Cruise发布的都是高级职位的薪资，少有职级较低的职位。

值得注意的是，几家自动驾驶公司向美国劳工部公布的是非美籍员工的薪资水平，而Cruise公司几乎都是高级职位，也就是说，Cruise的非美籍员工中，高级职位管理岗位的比例较大，而低级职位占比较低。

四、业界最强Waymo已经尝试商业化 竟没人能拿20万美元以上年薪

提到Waymo，自动驾驶圈内几乎无人不知。Waymo既是自动驾驶研发的先驱，如今也是全球自动驾驶研发的领头羊。2009年刚成立时，Waymo还没有正式的名称，当时只被外界称为谷歌自动驾驶部门。

2016年，谷歌自动驾驶部门从谷歌拆分，独立于谷歌成为谷歌母公司Alphabet的子公司。此时，Waymo才“真正拥有了姓名”。

之后在2018年，Waymo在美国亚利桑那州凤凰城提供Waymo One服务，推动无人出租车服务商业化。

根据今年年初美国加州车管局（California DMV）公布的自动驾驶汽车道路测试数据，Waymo的148辆测试车辆平均每完全自动驾驶行驶13200多英里（约合万公里）才需要人工干预一次。

Waymo的自动驾驶测试车辆

那么，在全世界自动驾驶研发的领头羊工作，年薪能有多少呢？

其中，商业分析师的薪资为万美元（约合万元人民币），软件工程师为万美元（约合万元人民币），数据科学家年薪为万美元（约合万元人民币），硬件工程师年薪为万美元（约合万元人民币），制造工程师的年薪在15万美元～万美元（约合105万元～万元人民币）之间，机械工程师为14万美元（约合98万元人民币）、产品经理为万美元（约合万元人民币），项目经理为万美元（约合万元人民币），研发科学家为万美元（约合万元人民币），系统工程师为万美元（约合万元人民币），技术项目经理为万美元（约合万元人民币），测试工程师为万美元（约合万元人民币）。

针对这一薪资水平，Waymo进行了回应。他们提交给美国劳工部的薪资数据只能反映Waymo非美籍员工的平均薪资水平，并不能反映公司整体平均薪资水平，这是因为Waymo的非美籍员工通常经验更少。此外，此次提交的薪资水平也不包含Waymo员工的奖金和股权奖励。

由此可见，Waymo的意思是说，我们整体平均工资要比此次公布的数据要高，甚至高得多。

嗯，不愧是自动驾驶一哥，真得拿钱吸引人才。

五、Zoox已成亚马逊子公司 软件工程师很受重视

Zoox公司最初于2014年成立，其中一名创始人是澳大利亚艺术设计师Tim Kentley-Klay，另一名是苹果公司董事会主席Arthur D. Levinson的儿子Jesse Levinson，两人创建公司后在斯坦福大学研发自动驾驶。

今年6月，亚马逊斥资12亿美元（约合84亿元人民币）收购了Zoox。之后，Zoox的自动驾驶研发成果可能会被亚马逊用于电商物流领域。

Zoox的自动驾驶测试车辆

在Zoox提交的薪资报告中，电气工程师的年薪在万美元～万美元（约合万元～万元人民币）之间，工程经理的年薪在万美元～万美元（约合万元～万元人民币），固件工程师年薪在万美元～万美元（约合万元～万元人民币）之间，机械工程师为万美元～万美元（约合万元～万元人民币），高级软件工程师年薪在万美元～万美元（约合万元～万元人民币）之间，软件工程师年薪在万美元～万美元（约合万元～万元人民币）。

虽然Zoox公司各项职位的薪资水平相差不大，但是软件工程师的薪资总是比其他类型工程师高出2～3万美元（约合14万～21万元人民币），Zoox显然更加重视软件工程师。

六、国内自动驾驶公司薪资水平也不低

说了这么多海外公司的情况，在国内的自动驾驶公司工作，薪资水平又如何呢？车东西分别查找了小马智行、元戎启行、AutoX几家自动驾驶公司在官网和各大招聘网站发布的职位信息，发现在国内自动驾驶公司工作，薪资也不算低。

这几家在官方网站的招聘页面都公布了招聘信息，有关自动驾驶研发的职位都有数十条，但全都没有公布薪资水平，只能上传简历申请职位。招聘网站上都公布了薪资和职位信息，但可申请的职位可能较少。

在某招聘网站上，小马智行共有62个正在招聘的职位，其中技术类岗位56个，包含软件工程师、测试工程师、算法工程师、研发工程师等职位。

其中高级算法工程师最高月薪可以达到6万，并且还有16薪，即税前年薪96万元。高级软件工程师的薪资稍低，但最高月薪也有5万元，16薪，即税前年薪80万元。

如果是较低的职级，例如FPGA工程师、SLAM算法工程师，月薪在万～4万元之间，可能会有13薪。按照月薪万元，12薪计算，年薪税前为18万元；按照月薪4万元，13薪计算，税前年薪为52万元。

在另一招聘网站上，AutoX在北京地区一共发布了两个职位，其中高精地图方向的React前端开发工程师、自动驾驶仿真平台的C++开发工程师的月薪都在2万～4万之间，即税前年薪为24万～48万之间。

元戎启行在某招聘网站上也发布了数十个自动驾驶开发的岗位，其中规划算法工程师、C++软件开发工程师、SLAM算法工程师以及软件工程师的最高月薪都在3万元以上，并且还有可能拿到14薪，即最高税前年薪在42万元以上。

软件测试工程师薪资稍低，月薪在1万～万之间，12薪，税前年薪在12万～18万元之间。

由此可见，国内自动驾驶公司的薪资水平实际上和美国企业还是有不少差距，基本上国内自动驾驶公司高级职位的顶尖人才能和美国普通软件工程师收入齐平。

例如小马智行在北京的高级算法工程师税前年薪96万元，和、Cruise和Zoox三家公司中较低职级的软件开发工程师年薪基本相同，三家公司软件开发工程师的最低薪资分别为万美元（约合万美元）、万美元（约合万元）、万美元（约合万元）。

不过，这只是在招聘网站上看到的数据，实际税前工资还是取决于求职者和公司。

结语：自动驾驶公司正在进行无声的较量

随着全球各国对自动驾驶研发热情高涨，能否吸引自动驾驶方面的人才成为各大公司能否取得自动驾驶突破性进展的关键。

对于苹果、亚马逊这样的大型科技公司来说，如果想要研发自动驾驶，向看好的公司投资或者直接收购就能让自身获得不少技术与专利。而对于刚起步的公司来说，则更需要以公司的文化、氛围以及薪资水平吸引研发人员。

实际上，各家自动驾驶公司的薪资水平差距并不悬殊。这也体现出自动驾驶研发领域的公司正在进行一场无声的较量。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

车东西（公众号：chedongxi）

作者 晓寒

编辑 肖晗

又一家自动驾驶公司获得融资！

日前，L4级Robotaxi公司领骏 科技 宣布获得数千万元新一轮融资，天眼查工商信息显示，该笔投资由货运界“滴滴”——美股上市公司满帮集团领投，老股东臻忻资本跟投。

领骏 科技 虽然此前并不知名，但从包括这次在内的近几次自动驾驶融资消息可以看出，各类投资人越来越青睐具有后发优势的潜力公司。

这一现象不难理解。经过数年的发展，头部玩家达到估值高点后面临三大困境：美股上市路径不顺畅；技术上没有与后方的选手拉开明显差距，实现无人驾驶仍然遥遥无期；缺乏造血能力，公司时刻面临断粮风险…

简言之就是行业进入了漫长且痛苦的马拉松阶段，各路投资人自然就愈发看中那些看似跑的慢一些、但却拥有不错的团队和技术能力的后来者了。

用领骏 科技 创始人&CEO杨文利的话来说就是， “别人花几十亿实现的效果（Robotaxi），我们花几千万就做到了。”

领骏 科技 CEO杨文利

话虽不长，但字里行间无不透露着他对自家技术的自信，同时又体现出了领骏 科技 对自动驾驶创业有着不一样的理解与打法。在与杨文利以及领骏 科技 COO庞东君进行了数小时的交流之后，车东西得以向大家展示出领骏 科技 这支老炮创业团队的更多信息，并深入解读这种“慢速”发展模式。

领骏 科技 成立于2016年。按时间来说完全属于行业第一批创业公司，但在过去这6年里却显得异常低调，甚至有些边缘。

“表面上看我们拿钱少团队小，但其实是有意放缓了发展速度。”提及发展问题，杨文利向车东西解释道，“我们是主动在控制发展速度。”

领骏 科技 的自动驾驶测试车

这与杨文利和创始团队对行业发展的研判直接有关。在他们看来，自动驾驶行业发展分为四个时期：

1、核心供应链成熟期

时间范围在2013~2020年。这一阶段自动驾驶核心供应链尚未成熟且成本昂贵，各家公司的主要工作是打磨技术并进行量产配套的尝试。

2、小规模商业化落地期

时间范围在2021~2025年。这一阶段随着示范城市的增加，像无人小巴、智能网联公交车、支线无人物流车等技术产品可以小规模应用落地，企业能够获得一定的收入。

3、市场规模扩大期

时间范围在2026~2030年。这一阶段随着技术愈发成熟，监管法规进一步开放，自动驾驶技术开始在越来越多的场景和范围落地，各家激烈竞争，行业格局开始重塑。

4、国际化扩张期

时间范围在2030年之后。这一阶段随着国内的竞争趋近结束，格局基本稳定。各玩家需要开拓国际市场来进一步发展，同时需要精细化运营好一家大型 科技 公司。

这样的行业认知指导了领骏 科技 的发展思路和节奏。

比如第一阶段行业普遍面临着线控底盘缺乏，激光雷达不好使的问题。这时候显然不适合大规模扩张，如果招了很多人花大力气去解决这些零部件问题，到第二阶段会发现供应商已经把上述问题都解决了，相当于此前做了无用功。

又比如第二阶段，在技术还不够成熟的时候也不适合大规模扩张。

“这个阶段如果搞了数百甚至数千台测试车在全国各地跑，一旦技术架构有变化或大的升级，现有的车队就变成了无效资产，很难处理。”杨文利说道。

这一现象在国内外都有明显案例。比如Waymo今年就发布第五代的Robotaxi，在车辆本体和传感器、计算平台上都有了升级，而老车型却并不能直接升级到第五代，需要逐步替换车队。

此外，自动驾驶行业目前才刚刚进入第二阶段，整体营收能力并不算强，都得靠融资输血。

“规模大估值高就会导致后续越来越难融资，最后就是不得不裁员或是破产。”杨文利向车东西分析道，“但小而美的团队在第二阶段就能实现盈亏平衡，保证自己活到下一阶段。”

2015年某天，一辆橙、白色涂装，车顶顶着一个“大花盆”的宝马3系GT驶上了北京G7高速，然后转入五环，转了一圈后回到了西二旗百度总部。

这台宝马车就是国内商业自动驾驶研发的起点。它由百度一支20多人的团队和宝马团队联手打造。过去的五六年里，这20多人陆续离开百度，创建了多家自动驾驶公司，撑起了国内自动驾驶行业的半壁江山。

杨文利就是这20人之一，是一位不折不扣的自动驾驶老炮。

他在清华大学自动化系完成了本科和硕士学习，随后又拿到美国宾夕法尼亚州立大学的博士学位，然后到西部数据工作，担任过首席架构师。

回国后杨文利加入了百度旗下当时最前沿的深度学习研究院，并且参与创建了百度早期的自动驾驶团队。

2016年，杨文利和自己的清华校友严晗、何家瑞一起创建了领骏 科技 ，研发目标锁定在了最难的L4级Robotaxi方向。

严晗拥有清华自动化系博士学位，在领骏 科技 担任资深地图及仿真研发副总裁。系连续成功创业者，毕业后参与的首家创业公司已经实现上市，在加入领骏 科技 之前二次联合创业的公司则被奇虎360收购并出任AI高级研发工程师，负责操作系统模拟器、网络安全、模式识别等领域的基础技术研发工作。

何家瑞是清华自动化系的硕士，此前是百度自动驾驶事业部高级研发工程师，目前担任领骏 科技 资深决策规划研发副总裁。

拥有东京大学博士学位，前灵鹿 科技 创始合伙人、CTO司若辰则担任领骏 科技 的资深感知系统研发副总裁 。

此外，领骏 科技 还有邓海清、庞东君两位合伙人，分别担任CFO和COO角色。邓海清是人民银行的博士后，目前是赣州银行的独立董事，也是人大、北师大等多座高校的客座教授，拥有丰富的金融经验。

领骏 科技 COO庞东君

庞东君在自动驾驶行业工作多年。其先后在踏歌智行、易控智驾负责商务和大客户业务，随后又参与创办于万智驾任商务副总裁，拥有丰富的技术应用落地经验。

从核心成员的背景可以看出，领骏 科技 在拥有极强的技术能力的同时，还着重引入了财务和技术落地方面的专业人才，搭建出了一个优势互补的完善团队。

优质团队自然也受到了资方的持续追捧。2017年和2021年，其先后拿到了武岳峰、九合、信天的天使轮投资和臻忻资本的Pre-A轮融资。此外，国内知名AI芯片公司地平线、赣州发投等企业和机构也是其投资方。

另外需要注意，领骏 科技 成立的这6年正是全球自动驾驶行业最热闹的时间——创业浪潮此起彼伏，大额融资不断。过去2000多天里不断有各类同行、车企和出行公司向领骏 科技 或是团队成员抛出橄榄枝——希望收购或是挖走其技术专家。

但其核心团队完全不为短期的利益所动，坚定发展方向，至今无一人离职，背后正是清晰的行业判断和坚韧的战略定力在发挥作用。

技术研发方面，领骏 科技 的发展策略是“摘取珍珠，降维商用”。

在杨文利和领骏 科技 团队看来，城市场景的无人驾驶（即Robotaxi）技术就是行业皇冠上的珍珠，因此公司从第一天开始，就锁定这个方向前进，希望最终能摘下珍珠。

但因为Robotaxi技术难度最高，且还需要很长时间才能实现，因此在研发过程中，还需要将技术降维应用在具体场景中。 一来通过商业化挣钱养活团队，二来还能收集数据促进Robotaxi技术迭代。

秉承这种发展思路，领骏 科技 选定了Robobus自动驾驶巴士和城市支线物流两大场景进行降维应用。

巴士和支线物流车行驶场景与Robotaxi一模一样，但这两者的行驶速度却比较慢，且多为固定路线，因此非常适合基于Robotaxi技术打造产品，落地商用。

领骏 科技 COO庞东君告诉车东西，其目前已经打造了两款Robobus，分别是针对园区的无人小巴和长度达到米的智能网联公交车，且两者都已在江西赣州经济开发区的新能源 汽车科技 城内开启常态落地运营。

领骏 科技 的自动驾驶小巴

无人小巴为低速行驶车辆，车内没有方向盘和操作踏板，主要在半封闭场景运营。智能网联公交车则沿着机场、火车站和经济开发区管委会之间的固定路线行驶。

在运营期间，其无人小巴最长有过3个白班没有出现过任何接管。其每个白班的工作时间为8个小时，运营里程在150公里左右，换句话说就在城市场景内24小时行驶了450公里无任何接管，可见其自动驾驶技术已达到较高成熟度。

值得一提的是，领骏 科技 采用的是抱团发展策略。在落地区域内，除了有无人小巴、智能网联公交车，其Robotaxi也会开过去进行测试。三种车型同时进行测试来收集数据，进而促进技术迭代，最终反过来再同时提升三种车型的行驶表现。

领骏 科技 自动驾驶中巴

从去年11月至今，三种测试车已经累计进行了5个月的常态化测试运营。

领骏 科技 Robotaxi车型表现也同样可圈可点。据杨文利介绍，其Robotaxi车队规模虽然较小， 但已经具备城市内实现P2P（从停车场到停车场）的能力，可以处理包括泊车、普通道路、十字路口、高速路、环岛、隧道等所有驾驶场景。

“别人花了几十亿实现的效果，我们花了几千万就实现了。” 在谈及自家无人车技术表现时，杨文利笑着向车东西给出了这样的评价。

Robotaxi，或者说城市内L4自动驾驶目前最大的困难主要是与其他交通参与者的博弈问题，也就是决策规模问题。领骏 科技 通过混合决策模型、数据反刍、仿真测试等多项技术创新来应对这一难题。

城市场景中无人车会遇到几乎无穷尽的特殊情况，基于规则的决策模型根本无法应对。

领骏 科技 于是就把规则和AI技术融为一体，后者通过深度学习技术来学习人类司机应对各种特殊情况的处理办法，然后再用规则（比如不能压实线或者闯红灯）来保证AI算法给出的驾驶决策是安全且符合规则的。

这样一来，既发挥了AI技术能解决特殊难题的优点，又规避了深度学习模型的黑盒问题，两全其美。

当然了，上述做法的前提是拥有足够多的特殊场景数据来促进技术迭代。领骏 科技 的车队规模并不算多，数据从哪来？如何处理数据？又如何应用数据进行迭代？

杨文利介绍了一个数据研发闭环。

首先，其常态化运营的Robobus等产品每日都会收集大量数据。拿到数据后，领骏 科技 会对数据进行语义级分析，提炼出多个独立场景，构建增量式的场景库。

其次，其会将场景库放到仿真引擎中，并与已有的场景进行随机排列组合，重构出数百公里，甚至是上千公里的虚拟测试场景——大幅提升了数据应用效率。

最后，有了更大规模的测试场景，领骏 科技 就能以此来打磨自己的算法，提升自动驾驶产品的性能表现，形成了“产品-数据-场景-仿真-算法-产品”的数据研发闭环。

闭环之外，领骏 科技 以终为始的研发思路也颇具亮点。

在杨文利看来，自动驾驶系统的最终和最重要目标是要做出好的决策规划，所以打造好的自动驾驶系统本质就是打造好的决策规划系统。

此外，研发技术开始就要考虑到软、硬件的量产问题——拿无法量产的技术或硬件来开发系统，最终会导致整个系统无法量产。

在这两大原则的指导下，领骏 科技 是先设计决策规划系统，然后以此为基础提出对感知系统的要求，进而再根据要求确定自己的感知硬件配置。

最终结果呢，领骏 科技 出现了一系列“反常操作”。

比如因为360度的机械式激光雷达太贵、不符合车规且影响车辆造型，领骏 科技 就拒绝在车顶使用机械式激光雷达，也就是放弃了激光SLAM技术，转而做视觉SLAM。

领骏 科技 的自动驾驶测试车

研发流程上，领骏 科技 是决策规划团队给感知团队提KPI，感知团队能够集中有限的力量实现最重要的感知结果。而在一些大型自动驾驶公司，感知团队往往处于研发流程的第一位，他们以自己的理解提供感知结果，然后交给决策规划团队，让其在已有的感知结果上做出决策规划。

“感知优先的做法有很大问题。决策需要的感知结果经常给不到，反而却用大量人力和算力去识别了一些不需要的目标和结果，效率不高。”杨文利向车东西评论道。

两个数字足以验证领骏 科技 做法的成果。

一是其自动驾驶算法能够部署在一个只有30瓦功耗的嵌入式控制器里，说明其算法非常精简。

二是领骏 科技 整个公司还不到100人，这么小的团队就能让三种自动驾驶车辆投入常态化运营，并且还跑的不错，可见其研发效率非常之高。

在交流的最后，杨文利和庞东君也向车东西介绍了领骏 科技 接下来的量产落地规划。

2022年，其Robobus还会陆续在苏州、杭州、南京、武汉等更多城市落地运营，预计将投入60台左右。

与满帮、陕西物流等合作打造的首批自动驾驶物流车也会投入测试运营，巴士、物流车和Robotaxi加起来总计将达到100台的规模，并将为公司带来数千万的营业收入。

领骏 科技 北京办公室

在与杨文利交流了几个小时之后，车东西深切地感受到杨文利身上所表现出的特质，就正是领骏 科技 的特质。

作为一名技术专家，杨文利给人的第一印象显得略微内向——说话声音不大，语速也比较慢。但一旦聊起自动驾驶技术和产业发展，他又跟换了一个人似的，有说不完的技术名词与见解，时不时还耸耸肩讲起了行业段子，足以见得他对自动驾驶行业是爱得深沉。

领骏 科技 也是如此。 看起来“其貌不扬”、“名气不大”，但却又极具潜力——在技术研发上提出了创新且务实的新思路，用非常少的资金和团队就实现了L4自动驾驶产品的量产落地，并且能够坚定自己的发展路径与节奏。

总结来说就是，领骏 科技 虽然之前不在舞台中央，但在自动驾驶这场马拉松中却有可能实现逆袭。

在与车东西告别后，杨文利在夜色下向街对面的办公室走去。