具体原因，公告提到了三点：

①长期不遵守公司内部代码管理规章制度，私开代码库私藏图纸，故意不上传代码且屡教不改，在一次项目交付的过程中被合作伙伴发现其用私藏代码和文件造假的技术报告，对公司的名誉和项目交付进展造成严重影响；

②在一次政府监管报告中故意造假数据，被第三方机构发现，对公司名誉造成严重影响；③带头破坏公司内部财务规章制度，存在假公济私的现象，在A轮融资中利用自己的同学收受回扣。

据i黑马&黑智了解，董事会对于此事并不知情。投资机构正在询问Roadstar.ai，发生了什么事情。

2018年5月，一笔创纪录的A轮融资让这家初创公司走进大众的视野：A轮融资额达到了1.28亿美元，由双湖资本和深创投集团联合领投，云启资本、招银国际，以及元璟资本跟投。同一时间，Roadstar.ai还发布了面向国内复杂城市道路的无人驾驶L4解决方案。因为搭载了纯国产激光雷达，据了解，这套解决方案的价格只有百度相似方案价格的1/3。

本次事件的另一主角：周光。

据悉，周光曾在杨振宁创立的清华基科班获得本科学位后，进入德州大学攻读人工智能 PhD；曾在2015年大疆全球开发者大赛上获得第一名。毕业后，周光进入百度硅谷无人车团队。目前，全世界主流的自动驾驶技术选型是多传感器融合（sensor fusion），而周光正是机器人以及感知（perception）方面的专家，能将传感器与感知最优化的结合。

除了佟显乔、周光，Roadstar.ai还有一个联合创始人衡量。2016年，他们三人同属于百度无人车团队的美国研究所。其中，佟显乔是定位和地图组的技术负责人，衡量是Sensing组的经理和技术负责人，周光则负责标定、同步、感知等方面的工作。在此之前，他们各自的去向包括谷歌、苹果、特斯拉、英伟达、百度等公司，各自都拥有丰富的自动驾驶实战经验。

正是因为三个人在自动驾驶细分领域的优势，Roadstar.ai才得以创立。

他们一同追逐风口，一起投身创业浪潮之中，经过了Roadstar.ai从0-1的不易，并取得了一个不错的开局。但，周光可能无法一起走到最后。目前，他针对公告中提到的三点，并没有回应。

去年7月，i黑马&黑智曾专访CEO佟显乔。在采访中，他告诉i黑马&黑智，Roadstar.ai将在今年8月份拿到两个城市的路测牌照。Roadstar.ai的无人驾驶车辆曾在美国加州实现平均一个月只有一次的人工干预，并在国内高复杂的城市路况环境下连续数小时无人工接管，包括夜晚、雨天、高峰期、过隧道等场景的安全行驶。以下为专访内容：

无人驾驶的热度在持续上升。因为资本的青睐与加码，那些“年纪”尚轻的公司迅速被推向行业的聚光灯下。

让Roadstar.ai名声在外的是它在2个月前的A轮融资。作为主打L4且成立只有1年的自动驾驶初创公司，它却创下了自动驾驶公司最大的单笔融资记录：A轮融资额达到了1.28亿美元，由双湖资本和深创投集团联合领投，云启资本、招银国际，以及元璟资本跟投。

同一时间，Roadstar.ai发布了面向国内复杂城市道路的无人驾驶L4解决方案，因为搭载了纯国产激光雷达，据了解，这套解决方案的价格只有百度相似方案价格的1/3。昨日，美团启动无人配送开放平台，Roadstar.ai作为战略合作伙伴之一也正式与其牵手。

在CEO佟显乔看来，虽然行业内不断有新玩家涌入，但是资本对头部公司的倾斜，对Roadstar.ai来说，资金和人才如今已不是问题。行业和资本的热闹之下，无人驾驶商业化的故事才刚刚开始。

进入快车道

对于国内大多数无人驾驶公司来说，横跨中美两地的研发中心已经成为标配。但是对于最终落地国内市场，获得资本的加持和政府自动驾驶路测的许可，无疑是技术通过检验并正式入场的敲门砖，而在今年，这也意味着各家头部公司开始加速驶向快车道。

据不完全统计，仅在今年上半年，北京、上海、重庆等5个城市已经发出近30张路测牌照，包括互联网公司百度、腾讯，传统车企上汽、宝马、长安等，新造车公司蔚来汽车以及小马智行等自动驾驶初创公司也出现其中。

佟显乔向黑智透露，公司将在今年8月份拿到两个城市的路测牌照。过去一年的实际路测，虽然Roadstar.ai的无人驾驶车辆已经在美国加州实现平均一个月只有一次的人工干预，并在国内高复杂的城市路况环境下连续数小时无人工接管，包括夜晚、雨天、高峰期、过隧道等场景的安全行驶。但与代表美国高水平的Waymo、Cruise相比，即便他们平均每次接管行驶里程都超过了1000英里，但距离安全地驾驶无人车，仍有很多问题需要解决。

佟显乔介绍，今年公司的重点仍将集中在数据收集上。Roadstar.ai计划将在中美两地增加30-50辆汽车的投入，主要用于数据的收集和找漏洞，更好地完善系统。此外，Roadstar.ai也将在今年进行落地运营的尝试，包括与美团和国外车企合作。在佟显乔看来，虽然从L4出行服务的技术上来说，园区车、配送车都是技术降维，但是在真正落地之前，这些尝试仍有发现需求的意义。与传统车企切入自动驾驶相比，“他们可能更多是从卖车的路线去考虑，科技公司的优势在于更灵活和技术上面的跨越。”

对于初创公司在数据量积累上的担忧，佟显乔解释，虽然测试时长决定了数据量的多少，但是不同的技术路线对数据量的需求并不同。“我们才做了一年就能达到比较好的水平，主要在于新的技术路线。一个新的技术路线对数据的要求和定义都有特定的算法，这也就是说在实现同样的性能条件，需要的数据量会少很多。”

伴随全球无人驾驶商业化进程不断加快的大趋势，佟显乔认为，留给无人驾驶玩家们的时间并不多，2020年将是集中成熟落地的阶段，技术壁垒的增强是胜出的关键。“在未来1-2年的时间里，各家将仍处在打磨技术的阶段，并在各种场景里进行测试。”

成为无人驾驶界的“滴滴”

Roadstar.ai瞄准的是未来国内的无人车专车运营服务。不论是商业化应用场景的目标，还是直接从难度不小的L4上手切入，这在佟显乔的眼里，一方面是未来落地更大的市场，更重要的因素是团队的基因使然。

2016年，Roadstar.ai三位联合创始人佟显乔、衡量、周光同属于百度无人车团队的美国研究所。其中，佟显乔是定位和地图组的技术负责人，衡量是Sensing组的经理和技术负责人，而周光则负责标定、同步、感知等方面的工作。在此之前，他们各自的去向包括谷歌、苹果、特斯拉、英伟达、百度等公司，各自都拥有丰富的自动驾驶实战经验。

与行业持续增长的热度不相匹配的是，某种程度上，这个领域扩张的上限已经能够看得见。自动驾驶领域频繁发生的人才、专利抢夺战已经说明了一切，对于这个行业而言，发展的前提是各种人才的集聚。佟显乔坦言，在业内，自动驾驶人才仍然很稀缺，并且都聚集在大家熟知的那些公司。

从2013年百度拉开内部研发自动驾驶的序幕开始，百度不仅在国内搭建起一支实力强劲的自动驾驶团队，这四年，随着人员的更替与出走，带有百度烙印的人才也相继奔向自动驾驶最前线自立门户。谈及创业的转型和与大公司的竞争，佟显乔表示，创业是很自然的过程，创业公司的优势在于能很快做一些正确的事情。“大公司有很多资金和资源，但是它做的方向不一定正确，效果不一定高。”

正是因为三个人在自动驾驶细分领域的优势，Roadstar.ai才得以创立。据了解，佟显乔先后在Nvidia自动驾驶算法组以及Apple从事无人车研发的“特殊项目组”供职，在定位和地图方向上积累了深厚的经验。

CTO衡量毕业于清华大学，并在斯坦福大学的GPS Lab学习四年后获得EE PhD。毕业后，衡量先后在Google地图街景组和Tesla Autopilot组从事研发工作，成为自动驾驶领域软硬件架构、传感器、定位等方向的专家。

首席科学家周光曾在杨振宁创立的清华基科班获得本科学位后，进入德州大学攻读人工智能 PhD；曾在2015年大疆全球开发者大赛上获得第一名。毕业后，周光进入百度硅谷无人车团队。目前，全世界主流的自动驾驶技术选型是多传感器融合（sensor fusion），而周光正是机器人以及感知（perception）方面的专家，能将传感器与感知最优化的结合。

这些过硬的学界和实践背景得以让Roadstar.ai提供的解决方案快速适应国内市场。佟显乔举例，一方面区别于美国避让优先等情况，国内拥挤的路况和临时出现的各种交通问题都需要新的解决方案，而这些对于算力等技术会提出更高的要求。在Roadstar.ai现场展示的公开路测视频中，目前可以完成行人横穿、逆行、电动车及三轮车穿行等复杂路况条件下的无人驾驶，以及转向、掉头、并道、汇入车流、信号灯识别等动作。

另一方面，与人类驾驶车辆可以借助手机和车载GPS定位不同，无人驾驶车辆对指令的判别建立在高精度厘米级的定位之上，Roadstar.ai因此自主研发了高精度地图。佟显乔告诉黑智，想要适用国内市场，需要根据很多细节作出调整，他举例，甚至国内街道两旁繁茂的大树也会对车辆的定位产生影响。

去年12月，滴滴在完成一轮超40亿美元融资时曾表示，这笔融资将会用到人工智能领域，发力AI交通技术。今年，滴滴创始人程维也曾多次公开表达发力无人驾驶的决心。

与滴滴从汽车驾驶技术的软件部分切入，坚决不造车相同。佟显乔也希望通过和技术较强的车厂合作，生产定制化车辆，将Roadstar.ai打造成为汽车的大脑。谈及双方相似的方向，他表示并没有直接的竞争。“首先，他们的体量、规模比我们大很多。更重要的是，对于无人车来说，看起来是类似的生意，但是有人车和无人车的运营模式完全不同。无人驾驶专车的稀缺性在于先得有技术，才能再说运营，这对于我们来说，也是一个技术壁垒。”

无人驾驶的落地与未来

选择一条看似更难走的路，但在佟显乔的眼里，这反而是捷径和护城河。

与大部分实现自动驾驶的路径不同，Roadstar.ai并没有采用以摄像头或者64线激光雷达为主的方案，而是多传感器前融合的技术。佟显乔介绍，所谓的前融合，是在原始数据级别就把所有传感器的数据融合在一起，在这个基础上，进行后面算法的开发。与目前全球范围内的大部分无人驾驶公司所采用的多传感器后融合技术相比，前融合的技术优势在于，节省成本的同时可以提升效率。

某种程度上，除了技术对于车辆安全性的保障，在真正实现商业化落地之前，成本也成为重要的考量标准。据了解，因为使用性价比高的国产激光雷达，目前Roadstar.ai自动驾驶方案的成本大约在30万元人民币，而行业内竞品的成本大约在150万，Roadstar.ai计划到2020年将该系统成本降到5万元左右。佟显乔告诉黑智，除了价格优势，在品质没有太大差异的情况下，选择国产激光雷达可以满足更多定制化的需求。

在正式迈入商业领地之前，对于自动驾驶公司所选择的不同场景，佟显乔表示，L4的目标是取代司机，包括无人配送、共享汽车、低速园区车在内，可选择的应用场景有很多。在他看来，封闭场景下虽然会率先落地，但是相对来说，比较简单的场景对应的也是更低的技术门槛。佟显乔告诉黑智，“L4的出行服务，一定是一个技术最难的场景，同样它也会是世界上规模最大，商业模式最行得通的场景。”

在他看来，对于国内市场来说，很多玩家进入这个领域是好事。但是高技术门槛意味着只有真正有能力的玩家才能跑出来。“现在大量的资本都集中在头部，最终能跑出来的会很少。”

Roadstar.ai仅用了一年时间，向外界描述了一家自动驾驶公司从创立到发展的故事。除了站在一个风口行业上，更重要的是，其背后靠技术累积起来的优势并非朝夕能够轻易攻克的难题。对于佟显乔来说，在正式打通技术和商业落地之前，要经历的阵痛和挑战还有很多。

来源：黑智

流程编辑：tf10