https://www.linkedin.com/in/karl-iagnemma-b52186102
In diesem wunderbaren Interview mit Karl Iagnemma dreht sich alles um autonome Fahrzeuge. Karl ist CEO und Mitbegründer von nuTonomy, einem in Boston ansässigen Unternehmen für selbstfahrende Autos. Viele von Ihnen haben wahrscheinlich noch nichts davon gehört, aber nuTonomy erweitert die Grenzen dessen, was selbstfahrende Autos können. Und wir haben das Glück, von Karl davon zu hören.
Karl hat tiefe Erfahrung rund um Robotermobilität, wahrscheinlich einer der tiefsten Hintergründe der Welt. Er ist auch Direktor der Robotic Mobility Group am MIT. Er promovierte 2001 am MIT.
nuTonomy hat seine autonomen Autos in Singapur und Boston getestet.
-An welchen Mobilitätsprojekten haben Sie früher in Ihrer Karriere gearbeitet?
– Wie unterscheidet sich Ihre Ausbildung und Philosophie ein wenig von anderen selbstfahrenden Autounternehmen?
-Wann werden wir ungefähr Level 5 Autos haben?
-Ist es schwierig, Autos zu trainieren, wenn es schneit?
Transkript
Dave Kruse: Hallo allerseits. Willkommen zu einer weiteren Episode von Flyover Labs und heute sprechen wir mit Karl Iagnemma. Sorry für diesen Karl. Viele von Ihnen haben wahrscheinlich noch nichts von Karl gehört, aber seine Firma macht Wege um selbstfahrende Autos.
Karl ist der CEO und Mitbegründer von nuTonomy, einem Unternehmen für selbstfahrende Autos, und Karl verfügt über umfassende Erfahrung in der Robotikmobilität und hat wahrscheinlich einen der tiefsten Hintergründe der Welt in diesem Bereich. Er ist auch Direktor der Robotic Mobility Group am MIT. Karl bleibt also ziemlich beschäftigt und promovierte 2001 am MIT. So nuTonomy hat alle über die Medien über ihre selbstfahrenden Autos in Singapur und jetzt in Boston. Sie bekommen vielleicht nicht so viel Aufmerksamkeit wie Google oder Tesla, aber sie schieben definitiv ihre selbstfahrenden Grenzen genau wie sie. Also ich bin ziemlich gepumpt, Karl in der Show zu haben.
Also Karl, danke, dass du heute gekommen bist.
Karl Iagnemma: Ja, gerne.
Dave Kruse: Also lasst uns – ja, bevor wir darüber reden, was ihr jetzt macht, könnt ihr uns einfach einen kurzen Überblick über euren Hintergrund geben und wie ihr dahin gekommen seid, wo ihr jetzt seid?
Karl Iagnemma: Nun, mein akademischer Hintergrund, wissen Sie, ich kam 1995 zum MIT. Ich war ein Doktorand. Ich habe in Robotik promoviert. Meine Doktorarbeit war im Bereich der mobilen Robotik und speziell Planetary Exploration Robot und als ich meine Promotion beendete, begann ich ein Forschungslabor am MIT zu leiten und wir haben im Laufe der Jahre eine Reihe von Projekten für Automobilunternehmen in den Bereichen der sogenannten aktiven Sicherheit durchgeführt oder Tauchassistenztechnologie und wir haben auch eine Reihe von Forschungsprogrammen für das Verteidigungsministerium, die National Science Foundation und andere Regierungsbehörden auf dem Gebiet der Robotik durchgeführt. Und wie sich herausstellt, wissen Sie, alle Technologien, die wir in dieser Zeit untersuchten, Dinge wie Roboterbewegungsplanung, Lokalisierung, Kartierung, Wahrnehmung, Sie wissen, dass diese zu den Bausteinen selbstfahrender Autos wurden.
Also vor ungefähr drei oder vier Jahren haben ich und mein Mitbegründer, einer meiner Kollegen am MIT, jemand namens Emilio Frazzoli, eines Tages aufgearbeitet und festgestellt, dass die Arbeit, die wir am MIT geleistet haben, wirklich im Totpunkt dieser aufstrebenden Branche rund um selbstfahrende Autos stand und das hat uns wirklich motiviert, das Unternehmen zu gründen.
Dave Kruse: Ich habe dich. Und was war eines der ersten Projekte, an denen Sie mit einer Autofirma gearbeitet haben?
Karl Iagnemma: Nun, wir haben ziemlich viel mit Ford gearbeitet, sagen wir relativ früh in meiner Karriere, als wir uns diese Art von Fahrerassistenz angesehen haben und wie man ein semi-autonomes System entwickeln könnte, das heißt, das den Fahrer manchmal fahren lässt und manchmal das Computersystem das Auto fährt. Und die Frage, wann das System die Kontrolle vom Fahrer übernehmen und wann es dem Fahrer zurückgeben würde, war eines der grundlegenden Probleme, die wir herauszufinden versuchten.
Es ist eine Art interessante Nebenanekdote hier. Der Student von mir, der an diesem Projekt für seine Promotion arbeitete, war ein Fellow namens Sterling Anderson. Sterling wurde später Berater bei McKenzie, aber nach McKenzie ging er zu Tesla und bei Tesla war eines der Dinge, die er am Ende tat, die Leitung ihres selbstfahrenden Autoprogramms, von dem Sie wissen, dass meine Beschreibung unserer Arbeit vertraut klang, weil Teslas Arbeit ein halbautonomer Steuerungsansatz war und ich denke, das ist Teil meines Akademikerstammbaums, der um die Westküste herumging.
Dave Kruse: Ich bin sicher, es ist eine kleine Welt da oben. Wenn Sie also an diesen Projekten arbeiten, stellen Sie sich vor, wo sich die Dinge gerade bei selbstfahrenden Autos befinden. Ich meine, es klingt so, als hätte es dich fast zu einer bestimmten Zeit auf den Kopf geschlagen, wie Wow! Was wir hier tun, hat viele Überschneidungen mit dem, was Google tut oder andere exotische Unternehmen tun?
Karl Iagnemma: Ja, ich stimmte zu. Ich meine, wenn Sie von Anfang an dabei sind, Manchmal dauert es wirklich einen Moment, in dem Sie einen Schritt zurücktreten und die Dinge relativieren können. Sie wissen, dass wir schon lange wussten, dass die Technologie ein enormes Versprechen hatte, die Fortbewegung der Menschen zu revolutionieren, vor allem, weil sie zu einem effizienteren, sichereren und kostengünstigeren Transport weltweit führen würde.
Aber für eine ganze Weile war die technologische Reife einfach noch nicht ganz da. Ich meine, wir würden tagelang kämpfen, Wochen und Monate, nur um zeigen zu können, dass Sie einige relativ einfache Aufgaben in einer Laborumgebung kennen und die Technologie im Laufe der Zeit ein wenig besser wurde, wenig besser, aber wieder war es wirklich einer dieser Tage, an denen Sie realisierten, Hey, dieses Zeug funktioniert tatsächlich fast. Und dann, und das ist die Zeit, in der Sie anfangen, über das akademische Labor hinaus zu denken, Sie kennen die vier Wände Ihres Labors und denken darüber nach, wie Sie anfangen könnten, diese Technologie in der weiteren Welt einzusetzen.
Dave Kruse: Verstanden, okay. Lassen Sie uns also ein wenig über Nutonomie sprechen. Kannst du uns sagen, kannst du uns einen kleinen Überblick geben – nun, wir wissen, was ihr macht, aber ein bisschen davon, wo ihr mit Singapur und Boston seid und wie viele Mitarbeiter ihr habt und welche Zeitpläne ihr habt, ob es ein Level Five Driving ist oder welche Zeit oder andere Zeitlinien Ihr teilen wollt?
Karl Iagnemma: Sicher. Wir sind also in Boston und Singapur ansässig. Wir sind heute etwa ein Drittel des Unternehmens in Boston und etwa zwei Drittel in Singapur. Wir konzentrieren uns sehr auf die technische Entwicklung. Unser Business-Team ist ziemlich schlank. Es sind nur etwa vier von fünf im Unternehmen, die sich wirklich nicht auf technische Kernentwicklungen konzentrieren.
Was ist etwas einzigartig über das, was wir tun, im Vergleich zu so vielen der Start-ups in diesem Tempo ist, dass wir eine komplette Iot-Lösung autonomes Fahren entwickeln. Dazu gehört auch die gesamte Software, die auf dem Fahrzeug gehen würde, damit ein Fahrzeug Sie sicher ein Straßennetz navigieren wissen, autonom. Es enthält Software, die über ein Headset läuft, damit ein Endbenutzer den Fortschritt eines Autos überwachen kann, das ihn für eine autonome Fahrt abholt, und es enthält Software, die in der Cloud sitzt und die Aktivitäten einer sehr großen Flotte autonomer Fahrzeuge optimal koordiniert.
Also neigen wir dazu, wissen Sie, wenn wir über autonome Fahrzeuge nachdenken, denken Sie nur an die Software, die auf einem Auto sitzt, aber es gibt andere Dimensionen für dieses Problem, in denen Sie viel Wert hinzufügen können. Was wir zumindest heute in der Community finden, ist, dass es zwar viele Leute gibt, die sich auf Selbstprobleme konzentrieren, aber wir glauben, dass es einen großen Vorteil gibt, das gesamte Problem angehen zu können, denn das ermöglicht es Ihnen, die Leistung des Systems zu optimieren, indem Sie eine sehr tiefe Integration der verschiedenen Subsysteme und das Wissen darüber, wie sie intern arbeiten, haben.
Dave Kruse: Interessant. Ich kann sehen, wo das ein großer Vorteil ist. Und welche Art von Sensoren und Kameras haben Sie an Ihrem Auto? Ist das – ich meine, haben viele Unternehmen ähnliche Sensoren und Kameras oder hat jeder ein etwas anderes Paket, das Sie zumindest kennen?
Karl Iagnemma: Ja, ich würde sagen, dass wir als Gemeinschaft, wie Sie wissen, im Allgemeinen zu einem Ort konvergiert sind, an dem wir die gleichen Arten von Zensoren verwenden, nämlich Kameras, Radare und LIDARE in einer Kombination, und der Grund, warum wir das tun, ist die Redundanz, die Sie von diesen komplementären Senor-Modi erhalten. Ich denke, jeder hatte eine etwas andere Konfiguration dieser Sensoren und verständlicherweise kommen sie alle zu dem Zeitpunkt, den Sie kennen, und versuchen, so gut wie möglich zu optimieren.
Es gibt ein paar Ausnahmen. Sie wissen, dass es ein paar Gruppen gibt, die helfen, das Problem zu lösen, sagen wir nicht auf LIDAR, sondern auf Vision und Radar. Es macht das Problem schwieriger, aber das Potenzial zahlt sich aus, wenn Sie auf diese Weise gewinnen können, ist, dass Sie wissen, dass Sie vermeiden, einen ziemlich teuren Sensor zu verwenden. In unserer Flotte von R & D-Fahrzeugen, obwohl ich Ihnen sagen kann, dass Sie wissen, dass wir experimentieren, untersuchen wir heute eine Reihe verschiedener Senorenkonfigurationen. Wir optimieren die Dinge von Zeit zu Zeit, aber alle unsere Autos haben eine Kombination aus Radargeräten und einigen LIDAR-Sensoren.
Dave Kruse: Okay, und Sie wissen, dass einer Ihrer Hauptvorteile eher ein Systemansatz ist, und Sie wissen, dass ich neugierig war, während Sie in Boston sind, damit Sie keinen Schnee bekommen. Wir sind in Madison, Wisconsin, also bekommen wir Schnee. Jetzt war ich neugierig auf die Schwierigkeiten zwischen und welche Art von Training Sie in Schnee gegen Sonne gemacht haben. Es gibt wahrscheinlich nicht viel Schnee in Singapur, also wie viel schwieriger ist es, ein Auto im Schnee zu trainieren und wie denken Ihre Systeme im Vergleich zu diesem Gesamtansatz.
Karl Iagnemma: Ja, das ist eine gute Frage. Sie wissen, dass dies ein wirklich schwieriges technisches Problem ist und es schwer genug ist, es in einem guten Zustand zum Laufen zu bringen, und deshalb mache ich wirklich – wir machen die meisten unserer Tests bei guten Wetterbedingungen und die meisten unserer Konkurrenten machen ihre Tests bei guten Wetterbedingungen, aber wir versuchen immer noch, das zu lösen, den ‚einfachen Fall‘ zuerst.
Aber vor diesem Hintergrund denken wir an die Zukunft, in der wir diese Autos in Städten weltweit unter allen möglichen Bedingungen einsetzen wollen. Wir fahren viel im Regen in Singapur. Es regnet häufig in Singapur, überall von einem Nieselregen bis zu einem wirklich heftigen monsunartigen Regenguss, und wir konnten unter einer ganzen Reihe von Regenbedingungen fahren. Wir sind im Schnee gefahren, ziemlich starker Schnee, aber kein Tiefschnee. So eine Art dichter Wirbel und wir haben das außergewöhnlich gemacht. Ich würde nicht sagen, dass wir es ausgiebig gemacht haben. Wir haben unsere Software nicht wirklich unter verschiedenen Bedingungen validiert.
Wir versuchen, Sie wissen, wirklich eine große Kompetenz in den guten Bedingungen zu bauen und es dann an die Grenzen der Off-nominal Wetterbedingungen schieben. Wir sind also sehr erfreut zu sehen, dass wir bei unseren Tests im Schnee eine gute Leistung der Algorithmen und ähnlich im Regen gesehen haben, aber Sie wissen, dass es noch viel zu tun gibt, um die Grenzen Ihres Systems wirklich zu verstehen, Sie wissen, wie viel Schnee ist zu viel, wie viel Regen Millimeter pro Stunde ist zu viel.
Wenn Sie mit dem Detail fertig sind, wissen Sie, dass es nicht wirklich der Schnee ist, der fallende Schnee, der das System gestört hat. Es ist die Tatsache, dass, wenn Sie viel Schnee ansammeln, die Welt um Sie herum anders aussah, als Sie es wussten, als es keinen Schnee auf dem Boden gab. Das kann einige Komplikationen für einige der Subsysteme verursachen, aber bisher waren unsere ersten Tests sehr vielversprechend.
Dave Kruse: Interessant. Und ich stelle mir vor, dass das Vision-System wahrscheinlich genauso gut funktionieren wird wie LIDAR, aber ist das der Fall, den Sie im Schnee denken, oder haben die Vision-Systeme gut funktioniert?
Karl Iagnemma: Nun, das wissen Sie – das kommt wirklich zu diesem komplementären Punkt. Ich meine, das ist der Grund, warum wir mehrere Sensormodi verwenden, weil für genau solche Szenarien, in denen Sie bei verschneiten Bedingungen eine verminderte Sicht haben. Eingebaute Sensoren, es gibt keine magische Kugel dort. Sie wissen, wenn Sie aus Ihrer Windschutzscheibe schauen und nicht viel sehen können, wird Ihre Kamera auch nicht viel sehen.
Aber die gute Nachricht ist, dass Ihre Radarsensoren, Ihre LIDAR-Sensoren vielleicht relativ unbeeinflusst sind und so wieder, das ist genau der Grund, warum Sie wissen, warum wir diese Art von Gürtel- und Hosenträgeransatz haben, mehrere komplementäre Sensormodi zu haben, die sich oft überlappen Sie liefern Ihnen sehr ähnliche Informationen, aber unter bestimmten Bedingungen wie verschneiten Tagen funktioniert einer von ihnen möglicherweise überhaupt nicht gut und Sie müssen sich stärker auf die anderen verlassen.
Dave Kruse: Macht Sinn, okay. Sie bekommen diese Frage wahrscheinlich oft gestellt, aber ich war neugierig, wann werde ich in der Lage sein, ein vollständig selbstfahrendes Auto zu kaufen? Ein bisschen wie das, was sie Level fünf nennen, wo ich einfach abgeholt und zum Supermarkt gebracht und nach Hause gebracht werden kann. Hast du irgendeine Vermutung, irgendeinen Sinn und irgendeine Reihe von Jahren?
Karl Iagnemma: Nun, Sie wissen, dass Sie ein selbstfahrendes Auto kaufen, das wahrscheinlich etwas später sein wird, als wenn Sie eine Fahrt im selbstfahrenden Auto erleben könnten. Und was ich damit meine ist, es gibt wirklich zwei verschiedene Modelle, die dort spielen und einem Kunden eine Funktion verkaufen, wenn er sein nächstes Auto kauft. Wenn Sie also zum Händler gehen und Ihr nächstes Ford- oder GM-Auto oder Volvo kaufen, was auch immer der Fall sein mag, wissen Sie, dass die Frage ist, wann dieser Verkäufer sagen wird, möchten Sie das Autonomy Option Package für 62.000 US-Dollar? Das wird mehrere Jahre in der Zukunft sein. Ich wäre überrascht, wenn es früher als 2025 wäre. Der Grund dafür ist, dass Sie keine extrem empfindlichen Sensoren verwenden, um diese Funktion zu aktivieren. Sie sind nur auf Kameras und Radar angewiesen.
Die große Einschränkung dabei ist, dass Sie wissen, dass wir oft davon ausgehen, wenn wir über den Kauf eines Autos mit autonomem Betrieb nachdenken. Wir gehen davon aus, dass dies eine Funktion sein wird, die wir überall auf der Welt, zu jeder Tages- und Nachtzeit bei jedem Wetter ein- und ausschalten können. Mein starkes Gefühl, zu was wir uns entwickeln werden, und das Feld ist das Universum, in dem, selbst wenn wir diese selbstfahrende Autofunktion einem Endbenutzer anbieten, sie nur unter bestimmten Bedingungen verfügbar sein wird, okay. Idealerweise unter den meisten Bedingungen glaube ich nicht, dass Sie es verkaufen werden, wenn es nur unter bestimmten Bedingungen wäre, aber nicht unter allen Bedingungen.
Und ich denke, Sie wissen, dass die Wild Card hier ein Unternehmen wie Tesla ist, das verspricht, diese Funktionen, über die wir sprechen, in einem viel, viel näheren Zeitrahmen, im Jahr 2025, wahrscheinlich in den kommenden Jahren, tatsächlich zu verkaufen. Ich denke, die wahrscheinliche Einschränkung hier ist, dass diese Funktion Ihnen als Kunde nicht immer zur Verfügung stehen würde. Es wird ein paar Jahre dauern, bis wir diese 24/7 autonome Funktion haben.
Jetzt in der Lage zu sein, eine Fahrt in einem fahrerlosen Auto zu erleben, ist der Grund, warum Ihnen das als Kunde früher zur Verfügung stehen wird, weil die Wirtschaftlichkeit dessen, was wir Mobilität des Dienstes nennen, grundlegend anders ist als die Wirtschaftlichkeit des privaten Fahrzeugbesitzes. Und es ist wirklich – der Unterschied ist, dass auf der einen Seite, wenn Sie ein Auto kaufen, und Sie werden wählen, um diese Funktion zu kaufen, Sie sind sehr preissensibel, sehr Preisbeschränkung von Ihnen als Durchschnittskäufer können Sie drei bezahlen, vier, fünf, sechs, siebentausend Dollar. Sie werden nicht $ 20.000 für ein Feature bezahlen und zu einem Auto hinzufügen.
Auf der anderen Seite, wenn ich wollte, dass Sie Sie in meinem Robo-Taxi abholen und ich wollte ein Geschäft daraus machen, nun, wenn Sie über die Wirtschaftlichkeit eines Taxi-Service nachdenken, ist ein erheblicher Prozentsatz der Kosten für Ihre Taxifahrt gut, die Kosten für diesen Fahrer, das Gehalt dieses Fahrers, der tatsächlich dieses Auto fährt. Wenn ich sage signifikant, ich meine überall von 30, Von ungefähr einem Drittel bis zu zwei Dritteln der Kosten dieser Reise sind die Kosten des Fahrers. Wenn Sie also den Fahrer aus dem Auto nehmen können, wissen Sie, dass die Wirtschaftlichkeit dieser Taxifahrt radikal auf den Kopf gestellt ist, und nehmen wir an, Sie kennen den ersten Laden dieses Taxifahrers, zwei Tipps für den Taxifahrer pro Jahr, sagen wir für den Moment das sind 100.000 Dollar. Das heißt, Sie könnten dieses Gehalt von 100.000 US-Dollar mit der Ausrüstung ausgleichen, die Sie in das Auto stecken.
So könnten Sie Zehntausende von Dollar setzen. Sie wissen, es ist die erste Ordnung, wieder von Geräten auf dem Auto als eine günstige Rendite für Ihre Investition und in der Lage sein, Sie wissen, ein Geschäft der Bewegung von Menschen um mit autonomen Fahrzeugen und die Wirtschaft würde Sinn machen. Das ist also wirklich der Grund, warum Sie wahrscheinlich in einem Rolltaxi fahren und nach dem Kilometer bezahlen werden, den Sie mehrere Jahre kennen, bevor Sie dieses vollautonome Auto tatsächlich besitzen werden.
Dave Kruse: Ich habe dich. Also selbst in Madison könnten wir möglicherweise in drei, vier Jahren vollständig autonome Taxis sehen?
Karl Iagnemma: Ich denke der andere. Der andere Punkt ist, dass Sie wissen, dass ein mentales Modell, in das wir manchmal geraten, davon ausgeht, dass diese Autos, wenn sie ankommen, in großem Maßstab verfügbar sein werden. Sie werden überall sein und die ganze Zeit verfügbar sein. Ich denke, die wahrscheinliche Realität ist, dass Sie zum ersten Mal in einem Regal fahrenden Shuttle oder einem Robo-Taxi in einer ziemlich sagen wir strukturierten Umgebung sein werden. Es wird im Einkaufszentrum sein, es wird in einem Vergnügungspark sein, es wird irgendwo auf einem geschlossenen Campus sein, vielleicht an der Universität von Wisconsin, wo Sie eine vorhersehbare Route haben, der diese Autos folgen, oder vorhersehbare Netzwerke von Routen. Es ist nicht unbedingt die uneingeschränkte offene Straßenumgebung.
Sie wissen, dass dies technisch einfachere Anwendungsfälle sind. Sie sind vereinfachte Wirtschaftsfälle. Sie sind Möglichkeiten für Entwickler dieser Technologie und Unternehmen, die sich für den Bereich Mobilitätsdienste interessieren, das Wasser wirklich zu testen, und Sie wissen aus diesen Gründen, all diese Gründe zusammen, denke ich, dass wir dazu neigen werden, diese Technologie zuerst in diesen eingeschränkten Umgebungen einzusetzen.
Dave Kruse: Das macht Sinn. Ja, und es scheint, wie einige Unternehmen sind, Sie sehen, wie sie Dinge wie Shuttle-Service tun, Das wäre eine Art Flughafen von etwas, Die Leute fangen an, das zumindest zu tun, oder in Vegas glaube ich, ich habe gelesen, dass jemand das tut. Das macht Sinn.
Karl Iagnemma: Genau. Ich meine, das ist ein gutes Beispiel für eine Umgebung, die wir Semi-Struktur nennen könnten. Natürlich kann alles passieren, wenn Sie in der Natur unterwegs sind, aber indem Sie die Betriebsumgebung dieses Autos begrenzen, indem Sie sagen, dass Sie in diesem sogenannten geo-eingezäunten Bereich bleiben werden, und übrigens, wenn es sich um ein privates Gelände handelt, können Sie möglicherweise sogar bestimmte Einschränkungen auferlegen, z. B. eine Fahrspur für diese Art von Autos zu reservieren, während Sie blinkende Lichter auf sie setzen, oder Sie kennen ähnliche Dinge. Sie können (a) das technische Problem erleichtern und (b) das Haftungsrisiko senken. Sie können im Wesentlichen Operator bei niedrigen Geschwindigkeiten. Es gibt eine Reihe von Dingen, die Sie tun können, um das Problem klarer zu machen und den Business Case attraktiver zu machen.
Dave Kruse: Verstanden, okay. Und ich weiß, wir haben keine Zeit mehr. Haben Sie noch Zeit für ein paar Fragen?
Karl Iagnemma: Ja, sicher.
Dave Kruse: Ja, okay, weil ich neugierig war, was Sie über Partnerschaften wissen, mit welchen Autoherstellern haben Sie sich zusammengetan, wenn überhaupt?
Karl Iagnemma: Nun, das tun wir. Wir haben einige Partnerschaften mit Automobilunternehmen. Es ist ein bisschen schwierig, über die Besonderheiten von ihnen zu sprechen, weil sie alle eine unterschiedliche Natur haben. Sie wissen, ich kann im Allgemeinen sagen, dass Sie die Automobilunternehmen kennen, ein paar waren weg und ich spreche vor drei oder vier Jahren über die Partnerschaft mit einem Start-up. Es wäre ein wahrscheinlich schwieriges Gespräch gewesen, weil es ein großes, ich werde sagen, großes Miss-Match zwischen Ihnen gibt, das nur den Umfang eines typischen OEM und den Umfang eines Start-ups kennt. Nach meiner Erfahrung ist es wirklich schwierig, Wege zu finden, um sinnvoll zusammenzuarbeiten.
Sie wissen, dass sich die Landschaft heutzutage ein wenig verändert hat. Es gibt ein wirklich starkes Interesse an autonomer Fahrzeugtechnologie. Es gibt heutzutage ein starkes Interesse an Mobility as a Service in fast jedem OEM weltweit und es gibt eine Anerkennung, dass Sie wissen, dass einige der guten Ideen und einige der guten Technologien außerhalb ihrer vier Wände in den Unternehmen entwickelt werden.
Dies können Sie natürlich nicht vollständig verallgemeinern, aber Sie wissen aus unserer Erfahrung mit den größten Akteuren der Autoindustrie, dass ein starkes Interesse an dem besteht, was wir in der Autonomie tun. Es gibt oft die Bereitschaft, einen Weg zum Partner zu finden, und es kommt wirklich nur darauf an, dass Sie eine Struktur identifizieren, mit der die beiden Seiten zufrieden sind und sinnvolle Arbeit leisten können. Aber wir hatten tatsächlich sehr produktive Beziehungen zu einigen der führenden Akteure der Autoindustrie, und ich gehe davon aus, dass Sie wissen, dass wir dies auch in den kommenden Jahren tun werden.
Dave Kruse: Interessant. Ja, ich meine, sogar in diesem Podcast interviewe ich viele Chief Innovation Officers und ich denke, manchmal haben die Innovationsteams einige dieser großen undurchsichtigen Unternehmen wirklich für kleinere Unternehmen geöffnet und sie durch einige dieser großen Unternehmen filtern lassen.
Karl Iagnemma: Ja, und ich denke, was große Organisationen erkannt haben, ist, dass dies ein sehr schnelllebiger Raum ist und es manchmal der Fall ist, dass Sie Technologie intern in einem sehr schnellen Tempo entwickeln können und Sie können es aus der Tür bekommen und auf diese Weise mit Ihren Konkurrenten Schritt halten. In anderen Szenarien ist es einfach nicht so einfach und um Ihren Fortschritt zu beschleunigen, schauen Sie außerhalb der vier Wände Ihres eigenen Unternehmens.
Sie sehen, ob es Möglichkeiten gibt, die lizenzierte Software zu verwenden, in einigen Fällen wissen Sie durch M&Eine Aktivität, um Ihre eigene interne Entwicklung zu versickern. Und Sie wissen, ich denke an die Autoindustrie echten Kredit. Dies ist eine Branche, die in der Vergangenheit nicht sehr stark auf externe Partnerschaften gesetzt hat, insbesondere mit kleinen Unternehmen. Aber ich denke, das hat sich in den letzten Jahren ziemlich schnell geändert.
Dave Kruse: Verstanden, also letzte Frage. Sie wissen, nachdem Sie eine Stufe fünf Autonomie erreicht haben, und Sie sind ziemlich komfortabel. Ich denke, es gibt wahrscheinlich immer mehr Umgebungen, in denen man besser werden kann, als ich fragen wollte, woran man sonst noch arbeiten kann. Vielleicht gibt es einfach mehr und mehr gebrauchte Fälle oder Optimierungen, um die Sicherheit zu verbessern, oder – ich meine, Sie haben wahrscheinlich nicht viel darüber nachgedacht, was Sie tun werden, nachdem Sie es erreicht haben, weil Sie nicht da sind, aber ich war nur neugierig, woran es sonst noch zu arbeiten gibt, sobald Sie es erreicht haben.
Karl Iagnemma: Sie wissen, dass es Wege in der Technologieentwicklung gibt. Die Technologie, die wir bauen, und ich kann im Allgemeinen über den Raum sagen, hat noch niemand ein fertiges Produkt. Niemand hat eine Lösung, mit der er sich heute wohl fühlen würde, wenn er den Fahrer aus dem Auto nehmen und dieses System in einer wirklich dichten, schwierigen städtischen Straße völlig fahrerlos arbeiten lassen würde. Wir machen schnelle Fortschritte für dieses Ziel. Einige unserer Konkurrenten sind es auch. Aber es gibt viel zu tun, nur bei der technischen Kernentwicklung, und deshalb konzentrieren wir uns wirklich darauf.
Natürlich evaluieren wir dabei kontinuierlich den Business Case, unsere Go-to-Market-Strategie, um sicherzustellen, dass wir, wenn wir ein Produkt haben, das reif genug ist, um es auf den Markt zu bringen, in der Lage sind, auf den Markt zu kommen und in den wichtigen, frühen Märkten auf der ganzen Welt sinnvolle Umsätze zu generieren.
Dave Kruse: Das macht Sinn. Also gut, Karl, ich schätze deine Zeit und deine Gedanken hier sehr und was du tust, ist sehr inspirierend. Also danke, dass du es mit uns teilst und heute etwas Zeit mit uns verbringst.
Karl Iagnemma: Nun, das freut mich. Es war schön, mit dir zu reden.
Dave Kruse: Auf jeden Fall und danke an alle, die sich eine weitere Episode von Flyover Labs angehört haben. Wie immer weiß ich es sehr zu schätzen und wir sehen uns das nächste Mal. Danke an alle. Danke Karl. Wiedersehen.
Karl Iagnemma: In Ordnung, Tschüss.
