美團無人駕駛首席科學家夏華夏：如何從外賣配送切入無人駕駛？

2018年6月20日至21日，中國電動汽車百人會舉行了“GIV2018全球智能汽車前沿峰會”（簡稱GIV峰會），聚集了國內外政策制定者、行業技術專家、，智能汽車相關企業和投融資領域的代表共同探討中國智能汽車的創新發展戰略，努力構建“高效、綠色、智能、友好”的交通體系。在峰會上，美團首席無人科學家夏華夏分享了他的主要觀點如下：1。無人化技術離成熟還有很長的路要走，無人化推廣還有很長一段路要走。2.無人操作場景可以從有人/無人、高速/低速、重型/輕型、特定道路/開放道路四個維度進行分析。3.無人駕駛需要快速落地的應用場景，幫助技術快速迭代。以下是夏華夏的分享記錄：無人駕駛技術離成熟還有很長的路要走。讓我們分享一下美國代表團在無人駕駛方面的一些具體做法和經驗。自動駕駛在技術和學術上已經發展了30多年，包括始于20世紀80年代的美國和歐洲。1984年，有一輛汽車可以在希望公園行駛，20世紀90年代，德國可以在高速公路上行駛，但這個行業應該從谷歌開始。2007年和2008年，谷歌2007從斯坦福大學招聘了一名教授，并開始從事無人駕駛。它也在這個行業工作了十多年。但事實上，經過幾十年的發展，自動駕駛離技術的成熟還很遠。你為什么這么說？讓我們看一張桌子。該數據基于加州交通部去年發布的自動駕駛公司在加州的路測，并選取了一些有代表性的公司。你可以注意最后一列。在最后一列中，它表示您需要手動干預的里程數。如果你不干預，這輛車肯定會發生事故，甚至可能致命。谷歌的Waymo目前做得最好，大約每八九千公里就會介入一次。這個數字看起來相當高，但離人類駕駛的水平還很遠。在表格的最后兩行，如果你看一下人類的平均駕駛，這也是一個美國的數字。如果你看平均英里數，就會發生事故，大約是16萬英里。如果這是一起致命事故，那將是近1億英里，也就是事故發生前的9000萬英里，比Waymo或其他公司多得多。這實際上表明，要實現與人幾乎匹配，我們在整個無人駕駛技術上還有很長的路要走。即使我們和人一樣，我們敢讓汽車取代所有的司機嗎？事實上，它并不那么好。事實上，我們需要一個實施的空間。我們需要多少公里才能讓無人駕駛汽車安全行駛，才能真正相信它比我們好。2016年，美國蘭德公司做了一個數據模型分析。如果我們認為自動駕駛比人類更好，例如，按照95%的執行率計算20%的事故率，很可能如果我們按照致命的速度計算，最上面的藍線意味著，如果我們需要按照生命事故的里程數駕駛一輛自動駕駛汽車行駛110億英里，我們可以相信自動駕駛比人駕駛更好。這是什么意思？如果有一支由100輛汽車組成的車隊，每天24小時行駛，時速40公里，不加油，那么100輛汽車需要500多年才能達到110億英里的數字。這表明，要證明這款車能夠上路，我們還有很長的路要走。然而，蘭德認為這可能有點過于悲觀，因此在2017年發布了一份新的報告。他說，自動駕駛汽車可以上市，而無需等到它們特別成熟。如果自動駕駛汽車幾乎像人一樣行駛，那么在這個時候上市最終會減少交通中的致命死亡人數。他們做了一條數學分析曲線。例如，在2020年，我們認為自動駕駛與人的自動駕駛相似。此時，傷亡人數起初可能沒有減少，但幾年后可以減少。他做了這樣一份報告，可能主要是給行業從業者一點信心和希望。但說實話，我們敢讓無人駕駛汽車真的以和人一樣的事故概率上路嗎？事實上，這是值得懷疑的，因為我們對機器致命錯誤的容忍度遠低于對人類致命事故的容忍度。最近，發生了許多與無人駕駛有關的致命事故，包括……

三月份在美國發生的ber事故，包括特斯拉最近的事故。事實上，這對行業和行業信心都有很大影響，尤其是對各地的政策制定者和政府來說。如果我們真的說國產無人駕駛汽車在中國發生了致命事故，我相信這將對在場的許多同事產生非常大的影響。所以事實上，我們仍然需要機器比人們更好地駕駛，才能更廣泛地推開它。有什么方法可以做到這一點？我列出了三種可能的方法，行業中不同的公司使用不同的方法。首先是大量的長期研發投資。起初，我沒有進行大規模的實際操作。我去做了很多汽車的研發投資和研發。例如，Waymo上個月發布消息稱，他們將購買約62000輛汽車進行道路測試和研發。同一天，通用汽車還宣布，他們從軟銀籌集了超過20億美元的投資，這是一大筆錢。以谷歌的數據為例。如果有6萬多輛汽車被改為無人駕駛汽車，我檢查了一下。憑借4萬美元的原車和各種傳感器，我們知道Waymo在內部開發了許多激光雷達，將激光雷達的成本降低到約1/10，但即便如此，我最保守的估計是需要一輛車。如果你做研究和開發，它還不成熟。這輛車不能在路上行駛。每輛車都必須配備一名安全員。最低工資是每年40000美元。如此多的汽車是20多億安保人員的投資。問題是你需要很多錢。對于資金較少的公司來說，美團還有其他辦法不那么多錢嗎？還有一些公司會說我們是否有可能使用模擬平臺。昨天，博世江總經理還分享了博世制造的仿真平臺。現在有一些比較成熟的模擬工具，但我認為這些模擬工具可以幫助我們在自動駕駛的初始階段檢查一些簡單的算法，但從長遠來看，模擬平臺本身的研發是一項非常具有挑戰性的工作。在自動駕駛技術研發的后期，我們不得不測試和發現各種非常罕見、機器難以判斷的案例。如果我們想模擬這些情況，我們的許多模擬平臺都很好地模擬了周圍的環境，包括汽車，包括人，包括人和汽車之間的一些互動，比如一個人走在前面。如果他與汽車司機有眼神交流，我們會更容易理解。但如果他戴著耳機，沒有看到汽車，他的行為就是另一種行為，不同的人的性模擬平臺是否能很好地模擬它，而且許多兒童和老人的行為與成年人的行為不同，許多動物的行為與人的行為更是不同。例如，在自動駕駛領域，實際上有一種特別難模擬的動物，它就是澳大利亞袋鼠。因為袋鼠的行為軌跡很快，但它的行為軌跡是跳躍的，非常不規則。我們的模擬平臺能否在非常復雜的環境中真正非常逼真地模擬它，難度不亞于算法的研發。我認為困難在于整個測試的模擬非常非常難。花錢是沒有用的，純模擬無法與真機相匹配。還有第三條路嗎？我認為第三種方法可以嘗試有車運行，但這些車試圖將其與實際應用場景相結合，因為它在實際應用場景中運行，我們的費用可以隨著應用帶來一些收入，這些收入相互抵消，所以我們可以找出哪些合適的自動駕駛應用場景可以落地。如果我們從四個維度分析運營場景，我們會發現我們可以有幾個維度。第一個維度是它是乘用車還是非乘用車，以及它是有人駕駛還是無人駕駛。這實際上是非常不同的。如今，許多自動駕駛公司實際上都在做載人無人駕駛，因為一旦有人駕駛，我們的車就會很大，因為車必須足夠重，才能在內部保護乘客的安全。如果你撞上了某人或另一輛車，你的車的慣性相對較大，你會發現新能源汽車越來越大，越來越難。此外，它需要大量的控制，因為它必須確保車上的乘客坐得舒適。我不會暈車，我不會出汗……

y在走路的時候讓我急停，或者在轉彎的時候很舒服很平穩。現在控制也很難做到。還有另一個維度。我們是高速還是低速？一般來說，高速和低速，我們一般說40公里以上，40公里到100公里以上是高速，40公里以下我們認為是低速。高速和低速之間有很大的區別。在高速行駛時，我的制動距離會很長，每秒行駛的距離會很遠，所以允許我做出反應和判斷的時間會很短，而且我需要檢測周圍的環境，需要檢測的距離也會很長。這在高速場景中是一個挑戰。另一個問題是我的車是重型還是輕型，因為它越重，對周圍環境的危險就越大。是在特定道路下行駛還是在開放道路下行駛？在某些道路下，我們對某些道路有很多需要優化的地方，因為我實際上知道某些道路的所有場景、所有十字路口和所有紅綠燈，所以做一些相對容易，但如果我們打開道路，我們很難預測我們可能會遇到什么場景。當我們將這些維度繪制到高維空間中時，假設存在這四個維度，那么高維空間可以劃分為16個網格。這16個網格中的一些在場景中不太有價值，有些更適合先著陸。例如，我舉了幾個例子，現在更容易落地這些場景，比如兩年內的技術，我認為相對成熟，適合這些場景。如果是低速客車，客車通常是重型的，因為我想保護車內的乘客，但在某些道路上是低速的。例如，一些企業現在會在一些公園制造一些低速游覽車，這將更容易落地，包括比亞迪的同事昨天分享說，他們正在制造這樣的車輛，在某些道路上有軌道，具體的道路也更容易實現。第二個場景是，這是一輛非載客汽車，速度很高，但這是一條特定的道路。例如，一些干線物流車輛，如干線物流，主要是高速行駛，因此道路會比城市道路場景簡單得多，但這一種存在風險。由于它的速度和重量都很高，一旦發生事故，它對周圍環境的風險也會更大。我們還將看看如何處理這一問題。另一個，如果一輛低速非載客汽車在特定的道路上行駛，例如，我在一個城市灑水車里，它很大，在各種有水的道路上運行，因為它很慢，可以在人少的時候運行，比如早上和晚上運行，這是相對簡單的。還有一些不供乘客使用的低速、輕型開放道路，如碼頭物流車。因為它是低速和輕便的，我們可以讓他在開放的道路上嘗試。我列出的最后一個例子是在開放道路上，我可以在幾乎所有的城市道路上跑步。這也是我們今天想和大家分享的一份工作。美團正在進行無人配送。美團的無人配送所做的是開放道路盡頭的物流。需要解決的主要問題是什么？也就是說，當用戶點外賣時，我的車可以從我的商家那里拿走我的外賣，比如盒飯，在城市里行駛幾公里，現在大約在三公里以內。駕駛后，它將被交付給用戶。用戶可能在辦公樓或社區中。因為這是一段短距離，三公里，所以基本上，我們現在看到，只要速度能達到每小時20公里，對我們的汽車來說就足夠了。此外，我們的車可以相對較小，只要它能裝幾盒午餐。所以在這種情況下，著陸是非常非常容易的。我們總結出一個詞，叫做“瑣碎的小事”，因為只要裝上盒飯，這輛車的寬度可能在50厘米左右，大的可能在1米左右，所以可以裝很多盒飯。輕是指這輛車的重量，因為我不需要做太多的事情來保護車內的乘客，而且我只想把盒飯從一個地方運到另一個地方，所以這輛車大約有幾十公斤到幾百公斤的重量，所以對周圍環境、人和車的傷害會相對較小。慢一點，因為對我們來說，剛剛，如果我們在城市的路上，我們認為20公里就足夠了。對于美國團體外賣，我們的目標是在半小時內將餐點從商家送到用戶手中。如果是20公里，基本上就足夠各種了……

道路上的緊急情況和場景。但走進公園可能會慢一些，比如說5公里。還有一件事。我不會泄露的。我正在送盒飯，盒飯的尺寸基本上是標準的，比較容易處理。我給你看一段視頻，大約一分鐘。這是送貨車的第一個版本。今年春節前后，我們去做了一次路考。這是我們當時制造的最小的汽車。在路上行駛的速度可能會慢一些，但這輛車基本上可以在路上行走，包括在大樓里上下樓梯、自動與電梯互動、通過無線信號與電梯互動，上樓和直接送飯到用戶家門口。我們主要走人行道。為什么我們認為無人配送場景對自動駕駛非常有用？我們認為它可以幫助自動化技術的迭代。我們在路上跑步。事實上，這項技術與無人車完全相同，但因為它是一個小而無聊的東西，所以它可以快速著陸。美國集團的外賣覆蓋了全國約3000個縣市，基本上我們的業務來自全國最北部和最南部，包括最高的拉薩。所以我們可以找到各種場景和道路來測試我們的自動駕駛技術。2018年6月20日至21日，中國電動汽車百人會舉行了“GIV2018全球智能汽車前沿峰會”（簡稱GIV峰會），聚集了國內外政策制定者、行業技術專家、，智能汽車相關企業和投融資領域的代表共同探討中國智能汽車的創新發展戰略，努力構建“高效、綠色、智能、友好”的交通體系。在峰會上，美團首席無人科學家夏華夏分享了他的主要觀點如下：1。無人化技術離成熟還有很長的路要走，無人化推廣還有很長一段路要走。2.無人操作場景可以從有人/無人、高速/低速、重型/輕型、特定道路/開放道路四個維度進行分析。3.無人駕駛需要快速落地的應用場景，幫助技術快速迭代。以下是夏華夏的分享記錄：無人駕駛技術離成熟還有很長的路要走。讓我們分享一下美國代表團在無人駕駛方面的一些具體做法和經驗。自動駕駛在技術和學術上已經發展了30多年，包括始于20世紀80年代的美國和歐洲。1984年，有一輛汽車可以在希望公園行駛，20世紀90年代，德國可以在高速公路上行駛，但這個行業應該從谷歌開始。2007年和2008年，谷歌2007從斯坦福大學招聘了一名教授，并開始從事無人駕駛。它也在這個行業工作了十多年。但事實上，經過幾十年的發展，自動駕駛離技術的成熟還很遠。你為什么這么說？讓我們看一張桌子。該數據基于加州交通部去年發布的自動駕駛公司在加州的路測，并選取了一些有代表性的公司。你可以注意最后一列。在最后一列中，它表示您需要手動干預的里程數。如果你不干預，這輛車肯定會發生事故，甚至可能致命。谷歌的Waymo目前做得最好，大約每八九千公里就會介入一次。這個數字看起來相當高，但離人類駕駛的水平還很遠。在表格的最后兩行，如果你看一下人類的平均駕駛，這也是一個美國的數字。如果你看平均英里數，就會發生事故，大約是16萬英里。如果這是一起致命事故，那將是近1億英里，也就是事故發生前的9000萬英里，比Waymo或其他公司多得多。這實際上表明，要實現與人幾乎匹配，我們在整個無人駕駛技術上還有很長的路要走。即使我們和人一樣，我們敢讓汽車取代所有的司機嗎？事實上，它并不那么好。事實上，我們需要一個實施的空間。我們需要多少公里才能讓無人駕駛汽車安全行駛，才能真正相信它比我們好。2016年，美國蘭德公司做了一個數據模型分析。如果我們認為自動駕駛比人類更好，例如，按照95%的執行率計算，事故率為20%，可能如果我們按照致命的速度行駛，那么藍線頂部意味著，如果我們需要按照……駕駛一輛自動駕駛汽車行駛110億英里……

對于生命事故的里程數，我們可以相信自動駕駛比人類駕駛更好。這是什么意思？如果有一支由100輛汽車組成的車隊，每天24小時行駛，時速40公里，不加油，那么100輛汽車需要500多年才能達到110億英里的數字。這表明，要證明這款車能夠上路，我們還有很長的路要走。然而，蘭德認為這可能有點過于悲觀，因此在2017年發布了一份新的報告。他說，自動駕駛汽車可以上市，而無需等到它們特別成熟。如果自動駕駛汽車幾乎像人一樣行駛，那么在這個時候上市最終會減少交通中的致命死亡人數。他們做了一條數學分析曲線。例如，在2020年，我們認為自動駕駛與人的自動駕駛相似。此時，傷亡人數起初可能沒有減少，但幾年后可以減少。他做了這樣一份報告，可能主要是給行業從業者一點信心和希望。但說實話，我們敢讓無人駕駛汽車真的以和人一樣的事故概率上路嗎？事實上，這是值得懷疑的，因為我們對機器致命錯誤的容忍度遠低于對人類致命事故的容忍度。最近，發生了許多與無人駕駛有關的致命事故，包括3月份在美國發生的優步事故，包括特斯拉最近發生的事故。事實上，這對行業和行業信心都有很大影響，尤其是對各地的政策制定者和政府來說。如果我們真的說國產無人駕駛汽車在中國發生了致命事故，我相信這將對在場的許多同事產生非常大的影響。所以事實上，我們仍然需要機器比人們更好地駕駛，才能更廣泛地推開它。有什么方法可以做到這一點？我列出了三種可能的方法，行業中不同的公司使用不同的方法。首先是大量的長期研發投資。起初，我沒有進行大規模的實際操作。我去做了很多汽車的研發投資和研發。例如，Waymo上個月發布消息稱，他們將購買約62000輛汽車進行道路測試和研發。同一天，通用汽車還宣布，他們從軟銀籌集了超過20億美元的投資，這是一大筆錢。以谷歌的數據為例。如果有6萬多輛汽車被改為無人駕駛汽車，我檢查了一下。憑借4萬美元的原車和各種傳感器，我們知道Waymo在內部開發了許多激光雷達，將激光雷達的成本降低到約1/10，但即便如此，我最保守的估計是需要一輛車。如果你做研究和開發，它還不成熟。這輛車不能在路上行駛。每輛車都必須配備一名安全員。最低工資是每年40000美元。如此多的汽車是20多億安保人員的投資。問題是你需要很多錢。對于資金較少的公司來說，美團還有其他辦法不那么多錢嗎？還有一些公司會說我們是否有可能使用模擬平臺。昨天，博世江總經理還分享了博世制造的仿真平臺。現在有一些比較成熟的模擬工具，但我認為這些模擬工具可以幫助我們在自動駕駛的初始階段檢查一些簡單的算法，但從長遠來看，模擬平臺本身的研發是一項非常具有挑戰性的工作。在自動駕駛技術研發的后期，我們不得不測試和發現各種非常罕見、機器難以判斷的案例。如果我們想模擬這些情況，我們的許多模擬平臺都很好地模擬了周圍的環境，包括汽車，包括人，包括人和汽車之間的一些互動，比如一個人走在前面。如果他與汽車司機有眼神交流，我們會更容易理解。但如果他戴著耳機，沒有看到汽車，他的行為就是另一種行為，不同的人的性模擬平臺是否能很好地模擬它，而且許多兒童和老人的行為與成年人的行為不同，許多動物的行為與人的行為更是不同。例如，在自動駕駛領域，實際上有一種特別難模擬的動物，它就是澳大利亞袋鼠。因為袋鼠的行為軌跡很快，但它的行為軌跡是跳躍的，非常不規則。我們的模擬平臺能否真正以非常復雜的方式非常逼真地模擬它……

ted環境的難度不亞于算法的研究和開發。我認為困難在于整個測試的模擬非常非常難。花錢是沒有用的，純模擬無法與真機相匹配。還有第三條路嗎？我認為第三種方法可以嘗試有車運行，但這些車試圖將其與實際應用場景相結合，因為它在實際應用場景中運行，我們的費用可以隨著應用帶來一些收入，這些收入相互抵消，所以我們可以找出哪些合適的自動駕駛應用場景可以落地。如果我們從四個維度分析運營場景，我們會發現我們可以有幾個維度。第一個維度是它是乘用車還是非乘用車，以及它是有人駕駛還是無人駕駛。這實際上是非常不同的。如今，許多自動駕駛公司實際上都在做載人無人駕駛，因為一旦有人駕駛，我們的車就會很大，因為車必須足夠重，才能在內部保護乘客的安全。如果你撞上了某人或另一輛車，你的車的慣性相對較大，你會發現新能源汽車越來越大，越來越難。此外，它需要很大的控制，因為它必須確保車內乘客坐得舒適。我不會暈車，走路時不會突然停車，或者轉彎時非常舒適平穩。現在控制也很難做到。還有另一個維度。我們是高速還是低速？一般來說，高速和低速，我們一般說40公里以上，40公里到100公里以上是高速，40公里以下我們認為是低速。高速和低速之間有很大的區別。在高速行駛時，我的制動距離會很長，每秒行駛的距離會很遠，所以允許我做出反應和判斷的時間會很短，而且我需要檢測周圍的環境，需要檢測的距離也會很長。這在高速場景中是一個挑戰。另一個問題是我的車是重型還是輕型，因為它越重，對周圍環境的危險就越大。是在特定道路下行駛還是在開放道路下行駛？在某些道路下，我們對某些道路有很多需要優化的地方，因為我實際上知道某些道路的所有場景、所有十字路口和所有紅綠燈，所以做一些相對容易，但如果我們打開道路，我們很難預測我們可能會遇到什么場景。當我們將這些維度繪制到高維空間中時，假設存在這四個維度，那么高維空間可以劃分為16個網格。這16個網格中的一些在場景中不太有價值，有些更適合先著陸。例如，我舉了幾個例子，現在更容易落地這些場景，比如兩年內的技術，我認為相對成熟，適合這些場景。如果是低速客車，客車通常是重型的，因為我想保護車內的乘客，但在某些道路上是低速的。例如，一些企業現在會在一些公園制造一些低速游覽車，這將更容易落地，包括比亞迪的同事昨天分享說，他們正在制造這樣的車輛，在某些道路上有軌道，具體的道路也更容易實現。第二個場景是，這是一輛非載客汽車，速度很高，但這是一條特定的道路。例如，一些干線物流車輛，如干線物流，主要是高速行駛，因此道路會比城市道路場景簡單得多，但這一種存在風險。由于它的速度和重量都很高，一旦發生事故，它對周圍環境的風險也會更大。我們還將看看如何處理這一問題。另一個，如果一輛低速非載客汽車在特定的道路上行駛，例如，我在一個城市灑水車里，它很大，在各種有水的道路上運行，因為它很慢，可以在人少的時候運行，比如早上和晚上運行，這是相對簡單的。還有一些不供乘客使用的低速、輕型開放道路，如碼頭物流車。因為它是低速和輕便的，我們可以讓他在開放的道路上嘗試。我列出的最后一個例子是在開放道路上，我可以在幾乎所有的城市道路上跑步。這也是我們今天想和大家分享的一份工作。美團正在進行無人配送。美團的無人配送所做的是開放道路盡頭的物流。需要解決的主要問題是什么？也就是說，當用戶訂購時……

外賣，我的車可以從我的商家那里拿走我的外賣，比如盒飯，在城市里開幾公里，現在大約不到三公里。駕駛后，它將被交付給用戶。用戶可能在辦公樓或社區中。因為這是一段短距離，三公里，所以基本上，我們現在看到，只要速度能達到每小時20公里，對我們的汽車來說就足夠了。此外，我們的車可以相對較小，只要它能裝幾盒午餐。所以在這種情況下，著陸是非常非常容易的。我們總結出一個詞，叫做“瑣碎的小事”，因為只要裝上盒飯，這輛車的寬度可能在50厘米左右，大的可能在1米左右，所以可以裝很多盒飯。輕是指這輛車的重量，因為我不需要做太多的事情來保護車內的乘客，而且我只想把盒飯從一個地方運到另一個地方，所以這輛車大約有幾十公斤到幾百公斤的重量，所以對周圍環境、人和車的傷害會相對較小。慢一點，因為對我們來說，剛剛，如果我們在城市的路上，我們認為20公里就足夠了。對于美國團體外賣，我們的目標是在半小時內將餐點從商家送到用戶手中。如果是20公里，基本上就足夠應付路上的各種緊急情況和場景了。但走進公園可能會慢一些，比如說5公里。還有一件事。我不會泄露的。我正在送盒飯，盒飯的尺寸基本上是標準的，比較容易處理。我給你看一段視頻，大約一分鐘。這是送貨車的第一個版本。今年春節前后，我們去做了一次路考。這是我們當時制造的最小的汽車。在路上行駛的速度可能會慢一些，但這輛車基本上可以在路上行走，包括在大樓里上下樓梯、自動與電梯互動、通過無線信號與電梯互動，上樓和直接送飯到用戶家門口。我們主要走人行道。為什么我們認為無人配送場景對自動駕駛非常有用？我們認為它可以幫助自動化技術的迭代。我們在路上跑步。事實上，這項技術與無人車完全相同，但因為它是一個小而無聊的東西，所以它可以快速著陸。美國集團的外賣覆蓋了全國約3000個縣市，基本上我們的業務來自全國最北部和最南部，包括最高的拉薩。所以我們可以找到各種場景和道路來測試我們的自動駕駛技術。此外，我們現在有足夠大的產能，例如，每天約2000萬個訂單，每天有60萬名騎手。我們對這項業務的判斷是，在未來五年左右的時間里，它每年可以達到1億個訂單。如果仍然由人交付，它將需要300萬名騎手。我們的目標是希望即使有一半的數量，我們也能通過機器解決，這需要150人的容量。如果有一輛汽車，它將是一輛百萬級別的汽車。此外，我們有一個完整的操作系統。例如，我們在各個城市有1萬所地面銷售學校，有近100萬名騎手，可以幫助無人車在各個地方運營。例如，如果你的車壞了，你的車需要充電，你需要地面人員，你可以隨時到達。此外，我們現在有足夠大的產能，例如，每天約2000萬個訂單，每天有60萬名騎手。我們對這項業務的判斷是，在未來五年左右的時間里，它每年可以達到1億個訂單。如果仍然由人交付，它將需要300萬名騎手。我們的目標是希望即使有一半的數量，我們也能通過機器解決，這需要150人的容量。如果有一輛汽車，它將是一輛百萬級別的汽車。此外，我們有一個完整的操作系統。例如，我們在各個城市有1萬所地面銷售學校，有近100萬名騎手，可以幫助無人車在各個地方運營。例如，如果你的車壞了，你的車需要充電，你需要地面人員，你可以隨時到達。

標簽：發現比亞迪特斯拉

汽車資訊熱門資訊