2016年8月，蔡长柏将自己的思域卖掉，购入了一辆2017款的讴歌ILX作为原型车，正式开启了Vector.ai的创业历程。他将自家的车库改造成了Vector.ai的办公室，在里面摆上了几张桌子，桌上堆满了电烙铁、电脑、传感器、以及各种汽车配件，旁边则是这辆ILX与几个千斤顶。“我拿到新车后的第一件事就是买来工具把它拆了个精光。”说起起创业之初的场景，蔡长柏的声音中仍然带有一丝激动。

（配图为Vector.ai的车库办公室）

　　Vector.ai选择了PolySync作为自己的基础开发平台，并为这辆ILX装配了一个Velodyne的16线激光雷达、四个GMSL摄像头、德尔福的ESR毫米波雷达、Xsens的GPS/RTK/IMU模块，以及自动驾驶的计算模块——来自英伟达的Drive PX2。

　　“众所周知，目前各大公司在测试自动驾驶技术的时候基本都会选择一款Velodyne的64线激光雷达作为一个重要的传感器使用，但是Vector却选择了一款16线的产品…”

　　“因为贵啊。”还没等我将问题讲完，蔡长柏就急切的给出了答案。事实上，这位摇滚青年为了创业大概募集了14万美元（约合100万人民币）左右的资金，而Velodyne家那个64线激光雷达的单价就高达几十万元人民币， Vector.ai更希望能够开发出低成本的解决方案。

　　慢慢的，Vector.ai的团队也由原来3个创始人发展到了6个人。但是，在多出了3名拿工资的全职工程师以及研发进一步深入之后，Vector.ai的财务压力也在逐渐上升。

　　“凡是能卖的都卖了！”在问及如何化解财务压力时，蔡长柏这样回答道，“我卖掉了家里的沙发、音响、以及我最爱的两把吉他来保持我们的项目能够继续走下去。”

　　蔡长柏还讲了另外一个故事。有一天他正躺在车底捣鼓汽车，忽然发现他的女儿就站在旁边一直用疑惑的眼神看着他。虽然他没法向女儿解释自己的工作，但那一刻他由衷地觉得Vector.ai与他的小女儿一样，都是他的孩子，值得他全情投入。

　　2016年12月，Vetor.ai完成了这辆讴歌ILX自动驾驶原型车的开发工作，并且能够在路上以80公里/小时的速度自动行驶10分钟。

（配图为Vector.ai的自动驾驶测试车）

　　打法：做无人车的AI技术输出商

　　即然公司名字后面有一个.ai的后缀，蔡长柏更倾向于将Vector描绘为一家人工智能公司。他深知实现自动驾驶的关键在于人工智能，这也是其选择英伟达Drive PX2作为核心计算模块的原因所在。

　　简单来说自动驾驶汽车的工作原理是先感知环境，然后通过对环境的判断做出驾驶决策。在这一过程中，自动驾驶汽车的软件系统首先需要通过激光雷达、摄像头等传感器识别道路上的不同物体，然后分析并预测其可能的行动轨迹，进而再做出一个驾驶决策，让汽车自行驾驶。

　　在这一过程中存在两个问题，一是识别道路上的物体。二是根据其他物体的运动情况做出自己的驾驶决策。由于现实世界中有太多的物体，而每一秒的交通情况也都在千变万化，通过设定好条件的程序来让车辆实现自动驾驶几乎不可能，因此Vector.ai以及谷歌等绝大多数自动驾驶公司都选择了通过人工智能技术来解决感知与驾驶决策问题。

　　据蔡长柏介绍，Vector.ai的软件系统使用了深度学习+增强学习的模式，他们用深度学习中的卷积神经网络来教会车辆认识道路上的其他物体，然后再用增强学习来教会车辆做出正确的驾驶决策。

（配图为Vector.ai测试车内饰）

　　但是由于一辆测试车的数据实在太少，并不足以培育Vector的AI程序，所以他们又到KITTI Dataset、Synthia、Fairchild dataset、Selfracing car dataset、Udacity dataset等数据库获取开源数据来推进自己的研发过程。据蔡长柏介绍，Vector.ai已经有了50万英里的数据，但是由于不同数据库的标签不一致，他们仍需要对算法进行调整。

　　目前，直播，Vetor.ai正在参加美国时间4月1日在美国Thunderhill雷丘赛车场举办的的自动驾驶挑战赛。据称参赛队伍将有英伟达，Comma.ai， Udacity，Polysync等自动驾驶技术公司。与此同时，蔡长柏还参受邀出任了Udacity（由原谷歌自动驾驶项目创始人塞巴斯蒂安特龙创办网络课堂）自动驾驶课程的导师，协助该平台开发自动驾驶相关的课程，而蔡长柏本人也在bittiger上直接向中国用户讲授自动驾驶技术。

　　随着课程的听众越来越多，Uber旗下的otto、Embark等自动驾驶公司也先后向蔡长柏抛出了橄榄枝，但是蔡长柏仍然决定坚持自主创业。