閃馬智慧彭垚：未來五年，實現全省範圍內車路協同丨專訪

作者   |  宋婉心

編輯   |  潘心怡

人工智慧技術發展已經歷幾輪起落。經過技術落地、5G加持、商業化驗證幾個關鍵節點後，如今諸如語音語義、視覺AI等技術已經很大程度上融入了日常生活，而其他更長尾的場景應用亟待落地中。

當下，在走向實現全無人駕駛最終目標的過程中，“車路協同”是必由之路。從技術層面來看，真正實現C端全無人駕駛，準確率99%和100%之間，仍是漫長的程序，從商業化來看，實現廣泛落地，車路協同是更為可行的方案。

成立於2019年的閃馬智慧，雖然年輕，但卻始終專注智慧交通方面，積累了大量經驗。

按照閃馬智慧CEO彭垚的說法，從更大的視角來看，閃馬智慧是以城市空間的流動性為底層邏輯，構建上層的垂類業務。也因此，對閃馬智慧而言，“智慧交通”的含義更立體和複雜，除了基礎的車路協同，還包括智慧公路和交通管理等。

36氪近期對彭垚進行了專訪，在公司完成第四輪融資之際，彭垚對公司戰略和行業發展分享了自己的想法。

以下為專訪精編：

關於閃馬智慧

丨 36氪：閃馬智慧從視訊智慧分析起家，五大主線產品涉及不同賽道，當時如何確立的這五大主線？背後有怎樣的邏輯？

彭垚： 主要是基於資訊流動性的一些變化規則。一個城市中，人和資訊的流動才產生了城市的發展，流動越快，城市發展推動也越快。經濟發展回退到技術角度的本質，就是不同的流動性，有不同的識別方式，然後賦能不同的空間，所以我們把城市分成了5個空間。

第一是交通空間，這是最大的流動性。第二塊是工作學習的場景，這個場景其實它的流動性是相對固定的，包括空間裡面的人也是相對固定的，所以裡面的行為法則，更多時候它是跟行業相繫結，這個我們就叫崗位管理。第三塊我們叫生活娛樂，生活娛樂空間是時間性、規律性比較強的，是一個週期性的群體性流量，非常大，所以那個時候我們的AI主要是做一些行為分析，以及群體性的流量性分析。

第四塊是環境，就是我們的整個生物環境的空間，包括大氣、水、土壤等一些固定物，更多的是一些物的靜態的分析，實時性要求沒那麼高，流動性也沒那麼大，但是它會造成一些長期性的惡劣影響，發現這些事件能夠去賦能環境保護。最後一塊是網際網路的內容安全，我們會去檢測網際網路的涉黃涉暴涉恐。

整體來看，圍繞以人為本做五大空間，這五大空間是圍繞著以技術為邏輯，以視訊分析不同流量性的AI來去分類的，所以它的計算模型是完全不一樣的。

丨 36氪：聽下來我們是對於整個智慧城市，用AI賦能的這樣一個路線和思路。

彭垚： 對，我們不是說研發了一個人臉識別，然後就找各個行業去應用它，這種屬於研究出一個東西，然後找應用落地示範。我們是先研究本質的不同空間的流動性規則，之後我以人工智慧的平臺技術演算法，把這些流動性規則去做分析，識別之後去賦能到這些空間裡面的行業。

所以我們的基礎理論體系和演算法體系，跟其他廠商會有大的區別。

丨 36氪：目前來看，公司的戰略重點是放在智慧交通這一部分，這應該也是基於整個市場的動向，您對於市場趨勢的洞察是怎樣的？

彭垚： 一方面是根據市場，AI賦能落地還是有一個週期，不可能同時各個行業都爆發需求，但是現在交通的需求還是非常大的。

因為交通有幾個硬性需求，一個是交通安全，一個是交通保暢，包括交通建設，每年修新修路，交通的流量更大了以後能夠支撐住城市的運轉，所以它一直是一個非常大的剛需。然後要解決的問題非常多，所以從市場需求角度，交通的空間對我們來說是主力，在研發的已經有1300多個交通模型。

另一方面是從我們的演算法優勢來講，我們的核心能力是在動態的行為分析上面，所以對我們來說變化速度越快，我們的競爭優勢越大。所以對我們來說，主攻這個也是跟我們的技術相匹配。

丨 36氪：我們目前服務的主要還是沒有輔助駕駛功能的車輛是吧？

彭垚： 我們其實是賦能三大塊，我總結下來，第一塊是基建，我們在基礎公路之上做了智慧公路，做整個公路的全要素感知，就是公路上所有的設施裝置，所有的車輛動態變化，包括橋樑動態的變化，各種感測測試實時就是建模路橋、隧道，相當於整條路的整體狀態，都是能全程感知的，包括人、車、非機動車，也包括整個路上的基礎設施。

第二塊是賦能交通管理。其實以前就有一些公司在做，比方說給交警做一些管理系統，但是因為這些系統不能做到全路感知，它的管理力度是比較粗的。我們的管理力度就比較細，就可以細到比方說交通的一些組織優化，比方說到底行車線執行幾條，左轉幾條，右轉幾條，包括訊號燈的調優、路設應該怎麼安裝、路上發生的各種事件呼叫救援力量。

第三塊就是您說的助力交通服務，從交通服務型別來講，其實無外乎物流和出行送人或者送貨。從車輛的種類來講，現在基本上是普通車輛為主。

另外一塊就是車路協同的一些示範，就是我們會實時把以上的全要素感知的內容，通過車路協同的網路去傳送到少量的一些車輛，就是一些有OBU的可以接收這種資訊的一些車輛上去，或者我們會結合高德去做一些釋出，這個也是有的。

丨 36氪：針對本輪融資的4億元，閃馬智慧有怎樣的規劃？

彭垚： 主要還是會去延展我們在AI+交通領域的核心演算法優勢，然後去擴大在整個行業的影響力。我們其實已經在全國做了很多智慧高速路，以及一些城市的智慧交通，之後這部分深度發展，把車路協同全時空、全天候的感知，做到精度非常高。這個也是跟無人駕駛有點像，他們是做單車智慧，我們是做車路協同智慧。

然後第二塊我會去延展車路協同和軌道交通的智慧化分析。第三塊會去做廣度，會去做全省的未來公路的規劃和建設，這可能是未來5年的一個計劃——一個全省可以做無人駕駛的車路協同工作。

丨 36氪：車路協同方面，行業內有百度、阿里、華為等大廠的方案，閃馬的競爭壁壘是什麼？

彭垚： 我們的核心競爭壁壘就是專業度非常高。從底層的自主人工智慧框架，到上面的和演算法研究，再到整個應用以及資料分析，再到專案交付，全流程都由我們團隊完成。因為專注地去做事情的話，很多通用性的東西我們也不用去考慮，相對來說比較容易去把東西做好。

丨 36氪：閃馬會有資料量是否充足的問題嗎？

彭垚： 我們的資料量非常大，一個是我們去的城市非常多，因為我們有一些拳頭產品，所以我們去的城市就很多。第二個我們在優化演進，也有很多聯合實驗室，所以這塊相對來說還是比較有優勢的，而且我們本來就是七牛雲出身的，視訊量本來就非常大。

丨 36氪：目前五大主線業務中，營收佔比大概是怎樣的情況？這是否符合您的預期？今後還會開拓怎樣的場景？

彭垚： 交通佔大部分，因為其他的場景剛剛也說，需要更長一段時間的各個行業的沉澱和適應，進而對AI才會有需求的增長。

關於行業

丨 36氪：技術角度看，路端感知相較於車端感知有怎樣的異同？會有怎樣的難點？

彭垚： 單車的話，主要是相當於是從第一視角感知周邊的車輛和周邊的實施狀況。

路側感知要把這個車從前到後所有的東西做視訊融合，做視訊接力，所以它的難度和綜合性複雜度要高很多。

然後對車側的話，其實是車輛的整體感知到控制的整套要求比較高，一個相當於單體智慧體，一個是叢集感知體，這是兩種演算法，我們側重於感知方面。所以這兩個系統不一樣，架構也不一樣，底層演算法也有不少區別。

丨 36氪：我們如何選擇攝像頭和鐳射雷達方案？

彭垚： 對，我們是融合的裝置，包括我整個全路網感知融合的整套系統演算法平臺，相當於攝像頭和鐳射雷達都融合著用。

之後還要融合整條路上所有的鐳射雷達這些東西，整條路上所有的鐳射雷達這些東西之後，就才能去把整個的交通狀況去做實時分析。在這個之上，我們其實更多時候是做一些時空發現，比方說我會預測出未來會有擁堵，會有可能發生車禍的指數。

丨 36氪：從巨集觀視角來看，車路協同經歷了怎樣的幾個發展階段？每個階段的市場需求是怎樣的？您認為當下處於怎樣的階段？

彭垚： 我覺得現在車路協同，還是屬於示範階段。它主要現在應用多的還是一種純測市場，純測市場的話，就是說幾乎都是選了一些車輛非常少的高速公路路段去做，車路協同相對的安全係數也會高一些。

因為道路其實是一個非常複雜的狀態，我們為什麼核心想做道路？因為不同的道路，它的擁堵狀況不一樣，所處的地方不一樣，這些東西都會影響車對周邊的一些感知，所以其實就是說我們做路就可以把各種路況的感知都做起來，這是一個基礎。

當然，車路協同未來會去找一些更復雜的場景去做測試，我相信這是一步步技術演進突破的過程。

推薦閱讀

點選圖片即可閱讀