滴滴人工智慧實驗室揭牌 背後藏了什麼深遠意義？

上周，滴滴宣布成立AI Labs（人工智慧實驗室），以加大人工智慧前瞻性基礎研究，吸引頂尖科研人才，加快推進全球智能交通前沿技術發展。在活動上，滴滴CTO張博，以及滴滴副總裁葉傑平教授發言，這些發言細細看很有意思：

首先是滴滴CTO張博在會上表示，滴滴擁有了海量的交通的大數據，這為出行技術發展提供了最理想的試驗環境，也讓滴滴成為全世界研究前沿交通最好的地方。所以，我希望我們的AI Labs能夠拓展交通領域和人工智慧領域科技的邊界，並且把它放在我們的產品里，給我們的用戶創造價值。

而負責這個人工智慧實驗室的葉傑平表示， 大數據和人工智慧是未來交通創新的革命性技術，滴滴也早已在這些方面進行積極布局。無論是乘客發單前的預測目的地、推薦上車點，還是發單後的智能派單、ETA、路徑規劃，甚至行程中的安全駕駛，行程結束後的司乘判責環節，都大量地使用了人工智慧技術。

這位教授是滴滴研究院副院長，名副其實的技術大牛，在國際頂級期刊和會議發表高水平論文200餘篇，主要從事機器學習，數據挖掘和大數據分析領域的研究，尤其在大規模稀疏模型學習，是機器學習領域國際領軍人物。

考慮到在此之前滴滴已經成立了滴滴研究院和滴滴美國研究院，這個人工智慧實驗室的成立，意味著滴滴加大了對於交通技術和智能城市的投入和建設，也意味著滴滴在人工智慧領域，會開始和頂級公司一較高下。

另外一個大家可能忽視的地方，像這種學術型的實驗室，以往只有騰訊百度這樣的公司做得起，他們研究的往往是很長遠的東西，產出效率不是很高，對於一些非常講究產出能效比的公司來說，實驗室短期內很難見效，為什麼滴滴如此重視人工智慧？

實際上，滴滴早已在人工智慧領域積極布局。以推薦上車點為例，滴滴在400多個城市挖掘了3000多萬個虛擬車站，並且附加了地圖導引的功能。無需站牌，即可以把「路盲」級乘客引導到適合上車的點，司機也有同樣的指引，只要雙方都奔著這個「看不見的車站」，雙方很快就可以見面。而這背後依靠的是滴滴的科研團隊在大數據、機器學習、雲計算方面的綜合實力。

另外，早在2016年滴滴獲得融資的時候，柳青就表示：

下個階段我們會加大對人工智慧和機器學習的投資。如此大的體量，不應該再人為地制定策略，而是讓機器來做決策，我們的智能調配網路每天都通過自我學習不斷進步。這樣說是因為在中國，我們目前正面臨供應側的短缺。

她還專門舉了一個例子：比如在彭博社的大樓里，這一秒發出了50個打車訂單，所有人都希望能在5分鐘里動身，一刻也等不了，但如果周圍只有20輛車，那麼會怎麼樣？你永遠無法匹配這樣的需求。網路可以自動學習，從而更加智能，甚至在乘客發出訂單前，就預測到彭博社大樓需求的數量和動向，提前調配足夠的司機來這裡。因此，如果你有需求，我們就可以即時滿足。網路會逐步學習演進，了解每個特定地區，例如有多少訂單即將發出，如何及時安排司機去響應你的訂單。

事實上，基於人工智慧和大數據技術，滴滴已經精準預測未來城市的供需情況並提前調度，目前滴滴對15分鐘後的需求預測準確率已達85%。

很多人的疑問是，滴滴現在在國內網約車市場已經市場第一的領導地位，為什麼滴滴要如此堅定的布局人工智慧，不但成立了滴滴研究院和美國研究院，甚至還要成立一個人工智慧實驗室，做人工智慧相關的前瞻性基礎研究？為什麼一個出行平台，在經歷了兩三年的戰爭後，會向著人工智慧這個方向極速狂飆？

我覺得有兩個原因。

首先，打車這個場景，看似很簡單， 其實從下單到結束，每一步都包含大量的人工智慧元素在裡面，換句話說，打車本身就是一個包含著非常複雜計算和數據在里的模型運算。

比如預測目的地，系統先會精確定位用戶的位置，然後根據用戶的歷史記錄去預測下一步你要去的地方，因為很多出行是比較有規律的：早上上班、晚上回家，利用用戶的出行數據從時間和地點中預測用戶去的目的地，這是人工智慧的一種體現。

在某個時刻有成千上萬的乘客，同時也有成千上萬的空閑車輛，如何完成最優的配對？最簡單的方法當然是用距離進行評估，但路面距離計算仍存在很多不合理的地方，因為各個路段的狀況不同，有些地方特別堵，有些則相反，同樣是一公里但行駛所耗時間可能完全不同。並且要考慮車的方向，路口，紅綠燈時間等各種因素，非常麻煩。

由於滴滴數據量特別大，每一個乘客不只是讓一個司機去匹配，而是需要跟周圍上百個司機匹配。在任何一個時刻，滴滴的匹配量高達千萬次以上，而且和谷歌搜索百度搜索這種計算不一樣，因為車輛是一直行駛的，是完全動態的，上一秒和下一秒就可能過了一個路口，出現不同的路徑規劃和調度方法，一兩秒鐘完成上千萬次不重複的路徑規劃，這是一項非常大的挑戰。

其次是，滴滴的人工智慧對於滴滴接下來發力的智能駕駛和智慧交通，長期來看是一個非常有益的幫助。

比如滴滴最新發布的，「交通大腦」，就是和交管部門一起，運用人工智慧AI的決策能力解決交通工具與承載系統之間的協調問題，包括智慧誘導屏、智慧信號燈。另外，滴滴也在積極的國際化出海，自2015年以來，已經和與Grab、Lyft、Ola、Uber、99、Taxify、Careem等全球七大領先的出行企業建立投資夥伴關係，覆蓋全球超過60%的人口。

就在不久前，滴滴宣布正式收購巴西最大網約車平台99，進入巴西，而巴西聖保羅是Uber在全球運營車輛最多的城市，可見滴滴在解決了國內戰場後，已經將眼光放到了全球市場上，這是滴滴自己穩健發展的節奏，不會受到其他干擾。

智能駕駛是一個非常有想像力的事情，從全球來看，未來10年無人車落地正式商用這件事已經沒什麼懸念了。這意味著未來會有大量基於智能駕駛技術的車落地。

這是一個非常大的變革，這意味著除了出行數據之外，滴滴可以從更底層的智能駕駛技術層面，去完成和改造出行的閉環。而這些用戶出行數據也好，底層技術也好，匹配演算法也好，積累到一定程度上，會將整個城市的網路彙集打通，從而實現更大程度調度和效率提升，進而使得整個城市出行的互聯網化和數據化程度提高，實現智慧交通。

考慮到滴滴已經在做一些橫向的擴張，比如加入了單車出行的場景，最終滴滴會成為一個能夠覆蓋現代人未來所有高效出行需求的產品，引領全球智能出行，這大概是滴滴做人工智慧的願景吧。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！