自動駕駛同樣具備顛覆汽車產(chǎn)業(yè)的力量，歷史也很精彩，但發(fā)展路徑和長期商業(yè)前景有待觀察。
最近幾個月，自動駕駛大佬們離職跳槽的流動信息，似乎又多了起來。
比如去年中和今年初，小鵬汽車的自動駕駛系統(tǒng)總監(jiān)--肖志光、理想汽車CTO--王凱相繼離開原單位，去向不明。
有人則選擇跳槽。比如原小鵬汽車自動駕駛產(chǎn)品總監(jiān)--黃鑫在去年中離職后，加入蔚來。
還有人選擇創(chuàng)業(yè)。前兩天，有幾家媒體報道，蔚來汽車自動駕駛副總裁--章健勇，將于近期離職，參與一個芯片項目創(chuàng)業(yè)。
對于大佬們的變動，市場有不同的看法。
有人就認(rèn)為，這是正常的人員流動；但也有人擔(dān)心，自動駕駛的推進，可能會遇到困難。
自動駕駛該如何做觀察？本文，我們從歷史出發(fā)，試圖為各位梳理下面幾個問題：
1）自動駕駛是怎么誕生的？
2）為什么互聯(lián)網(wǎng)公司、車廠們拼命發(fā)力自動駕駛？
3）自動駕駛將形成哪些商業(yè)模式？
4）自動駕駛當(dāng)下將遇到哪些挑戰(zhàn)？
一次尷尬的比賽
自動駕駛技術(shù)能起步，離不開美國國防部高級研究計劃局（DARPA）的助推。
DARPA是個神奇的組織，在這里設(shè)立的項目都瞄準(zhǔn)軍事用途，不但要求技術(shù)最先進、有新功能，更重要的是五年內(nèi)產(chǎn)品化。
這些項目隨便拿出個，就能嚇人一跳，比如今天連接所有人的英特網(wǎng)，就是這家機構(gòu)搞出來的。
而自動駕駛，則來自這家機構(gòu)組織的三場比賽。
911事件后，美軍在阿富汗和伊拉克執(zhí)勤時，士兵傷亡嚴(yán)重，不是遇到簡易炸彈，就是遭到土炮襲擊。為了應(yīng)對大量傷亡，美國國會通過了一項法案：要在2015年，至少有1/3的軍用車輛可以自動駕駛。
不過，DARPA自己的技術(shù)人員雖然努力研發(fā)，但進展甚微，造出的樣車又笨又慢。于是，2004年在洛杉磯東北方的沙漠，DARPA舉辦了一場機器人汽車比賽。而這，也成為了如今各勢力角逐的起點。
這場比賽任何人都能參加，規(guī)則也很簡單：誰能在10小時內(nèi)，使用無人駕駛的方式，到達240公里處的終點，誰能贏得100萬美元的獎金。
比賽萬眾矚目，多家媒體跟進，但最終收獲的卻是類似《DARPA，一個浪費錢的官僚機構(gòu)》、《沙漠中的慘敗》的負(fù)面報道。
原因很扎心，這一場比賽中，參賽的21支隊伍全軍覆沒。成績稍好的來自卡內(nèi)基·梅隆大學(xué)冠軍團隊，也只跑了12公里。
2004年第一名：卡內(nèi)基·梅隆大學(xué)的參賽車輛
雖然結(jié)果有些慘淡，但通過這次比賽，我們能借此了解無人駕駛的雛形。
比如，冠軍團隊的策略，就是粗制地圖和細(xì)節(jié)地圖一起用，配合雷達與攝像頭收集的視頻信息。
所謂粗制地圖，就是由車上的GPS提供信號，讓車輛在正負(fù)幾十米范圍的粗線條里沿著賽事方給的路線前進；
而細(xì)節(jié)地圖，是比賽前幾個月在大沙漠里收集到的特征地貌。賽前幾個月，冠軍團隊會駕駛一輛SUV，在沙漠里盡可能多的道路上緩慢行駛。用一個類似于自拍桿的東西架好攝像頭、伸出車窗，捕捉地面圖像，巖石的樣子、陷坑的樣子、稀疏草坪的樣子……典型特征都記錄下來。這其實就是谷歌街景的雛形。
當(dāng)賽事方給出比賽線路后，利用僅有的兩個小時，用安裝在車上的臺式機計算會進行一通計算，得出一條最優(yōu)路線，然后照此行駛。
而輸出的路線，主要包含兩個簡單要素：一，往哪個方向走；二，行駛速度是多少。
直到今天，這還是自動駕駛要直面的兩個問題。
小資本，撬動大智慧
可能是為了不讓自己太尷尬，第一次比賽草草收場后，DARPA宣布，一年后繼續(xù)舉辦第二次挑戰(zhàn)，不僅如此，獎金翻倍，達到200萬美元。
這一次DARPA算是扳回了面子，總共有5輛車完成了全程，第一名的成績是6小時54分，第二名是7小時14分。
2005年第一名：斯坦福大學(xué)名為“Stanley”的車輛
需要注意的是，之所以這次有隊伍取得成功，是因為新加入了一批從事人工智能和機器人研發(fā)的科學(xué)家。
這些人將研發(fā)的核心，從如何控制機械，轉(zhuǎn)向了如何寫代碼。他們將導(dǎo)航的問題，完全視為軟件問題和數(shù)學(xué)問題。
兩次比賽，只花了300萬美元，竟然動員出民間如此大的創(chuàng)造力，這是DARPA起初沒想到的。
為了繼續(xù)花小錢碰撞出更大的驚喜，DARPA宣布，兩年后，將舉辦第三屆比賽。
和前兩次的區(qū)別是，這三次的比賽場地?fù)Q到了城市，距離是100公里，目標(biāo)是6小時內(nèi)走完，并且不能違反當(dāng)?shù)氐慕灰?guī)。
同時，這次比賽的保密程度更甚，只透露會在路上增加幾個職業(yè)司機來干擾自動駕駛。
如果我們將第三屆比賽，和前兩次挑戰(zhàn)賽做個對比會發(fā)現(xiàn)，這次的參與者不僅背景更豐富，而且資本也進來了。
比如，有人在研究地圖數(shù)字化這個比賽分支任務(wù)時，組建了自己的創(chuàng)業(yè)公司，開發(fā)手機上的街景軟件；有人看到高端激光雷達是關(guān)鍵設(shè)備，就想當(dāng)賣鏟子的，組建公司做代理，賣給其他創(chuàng)業(yè)團隊。
同時，這批參與者開始頻繁接觸風(fēng)投，而紅杉資本、基準(zhǔn)資本等也沖了進來，這使得不少項目的種子輪的價碼，從500萬美元直接跳升至1500萬美元。
此外，谷歌另外一個創(chuàng)始人布林也和佩奇一起，拜訪了他們相中的冠亞季軍研發(fā)主力，同時在比賽前就全資收購了其中一只隊伍，這支隊伍后來成為了谷歌街景團隊。
2007 年，卡內(nèi)基梅隆大學(xué)與通用汽車和卡特彼勒合作奪得第一
4年前還是個遠(yuǎn)在天邊的技術(shù)，4年后就變得有些眉目，不禁讓人感嘆，市場機制“自我生長，公平淘汰”的偉大。
不過，這場比賽游戲很短暫，就在大家以為第四次自動駕駛挑戰(zhàn)賽就要來臨時，美國國防部官員潑了盆冷水說，這就是最后一屆了，今后都不會有了。
美國防部的判斷很樸素，他們認(rèn)為這項技術(shù)離實用還差得遠(yuǎn)，之前指定的2015年有1/3以上的軍車采用無人駕駛的目標(biāo)不太可能實現(xiàn)。根據(jù)他們當(dāng)時的判斷，真正的無人駕駛最快也要10年，或許二三十年才能實現(xiàn)。
其實，從現(xiàn)在來看，美國國防部的不僅判斷準(zhǔn)，而且老謀深算，原因有二：
首先，以當(dāng)時的技術(shù)水平誕生的車輛，實用性很低。
因為車?yán)镆钶d傳感器、雷達、電腦等太多設(shè)備，這些設(shè)備不但很脆弱，同時很占地方車，根本沒法裝軍用物資。
其次，自動駕駛的星星之火已經(jīng)點起來了。
在當(dāng)時的軍方看來，自動駕駛這個細(xì)分專業(yè)已經(jīng)出現(xiàn)，同時大資本已經(jīng)開始介入。剩下的完全可以交給市場，等技術(shù)成熟了，再殺回來征用可行的技術(shù)即可。而且，4年多的時間，軍方點火的成本，總共耗費也就900多萬美元，可謂相當(dāng)劃算，此時不撤更待何時？
但正如很多人沒猜到DARPA的自動駕駛比賽只有三次，更多人沒想到，這次比賽暫停，成為了自動駕駛的第一波高峰。
后續(xù)自動駕駛逐步冷卻，并沒有成為全球車企砸錢研發(fā)的領(lǐng)域。
兩種技術(shù)路線
傳統(tǒng)車企不砸錢，或許是因為他們過于傳統(tǒng)。
經(jīng)過100多年的發(fā)展，傳統(tǒng)車企在技術(shù)上是極致的，在機構(gòu)的臃腫度上也是極致的。
這意味著，如果一個工程師，有些志向，想在汽車企業(yè)搞什么創(chuàng)新，那可就困難了。光是把創(chuàng)新所用的零部件買齊，各種申請、審批、采購，沒有2個月搞不定，創(chuàng)新的熱情早早就消磨在臃腫的系統(tǒng)里了。
創(chuàng)新成本很高，因此自動駕駛很難出現(xiàn)在體量巨大的汽車企業(yè)之中。
但這也給谷歌、特斯拉以及國內(nèi)造車新勢力等等一批科技公司留下的機會。
今天我們看到的自動駕駛，可以分成兩大路線：
一個是以谷歌自動駕駛為代表的高感知+高處理能力的方式；另一派是以特斯拉為代表的低感知+高處理能力的方式。
先來看谷歌的模式。
所謂谷歌模式的高感知，離不開先進的傳感器。車上能用到的傳感器，總共分四類--攝像機、超聲波雷達、毫米波雷達、激光雷達。其中，激光雷達既是感知的關(guān)鍵，也是區(qū)分是否為谷歌模式的關(guān)鍵。
激光雷達雖然重要，但功能很簡單，就是判斷距離。它的原理是，激光雷達發(fā)出一束光，射到障礙物后會反射回來，然后接收到反射信號，中間的時間差乘以光速的一半就是到障礙物的距離。
如果用公式解釋就是“速度×?xí)r間=距離”。
由于上述原理，激光雷達能做到150米半徑內(nèi)任何物體的輪廓都不會被錯判。即便車開在碎石路上，前車如果崩起來碎石子，激光雷達也能精準(zhǔn)捕捉其朝后車飛行的速度和位置。
不過，激光雷達好是好，但是特別貴。比如谷歌在2010年測試的那輛車，頂棚上就安裝著激光雷達，像頂著一個蒸鍋一樣，非常難看，但那個東西售價8萬美元，比那輛測試車普銳斯貴好幾倍。
目前，這條賽道的上的企業(yè)，除了谷歌，還有百度的Apollo、優(yōu)步、福特與通用汽車的人工智能駕駛部門。
總體來看，這類企業(yè)可以分為三類，一類是算法、數(shù)據(jù)立本的互聯(lián)網(wǎng)企業(yè)，一類是共享出行企業(yè)，最后一類是傳統(tǒng)車企。
需要注意的是，互聯(lián)網(wǎng)企業(yè)，看上去和造車很遠(yuǎn)。但實際上，車輛的自動駕駛，其實就是在要求程序員寫代碼，寫長長的優(yōu)質(zhì)的代碼。
一套成熟的自動駕駛系統(tǒng)，代碼大約在幾千萬行到幾億行的規(guī)模，和電腦上 Windows 10 操作系統(tǒng)的規(guī)模相當(dāng)。而這些調(diào)整、同步、優(yōu)化的編程任務(wù)是傳統(tǒng)車企無法勝任的。
說完了谷歌模式，我們再看看特斯拉模式。
之所以特斯拉站在另一條賽道，核心原因是，它拒絕用激光雷達。
特斯拉CEO馬斯克覺得，用攝像頭做主要的感知，配合毫米波雷達就夠了。他的理由簡單粗暴：人和動物都是這么做判斷的。
不過，這個理由需要一定的前提，即人和動物是有腦子的，大腦的視覺加工水平極高。只要不同激光雷達，那么“感知”這個任務(wù)，就不可能100%完成，很多意外情況則難以避免。
特斯拉就出過類似事故，比如把白藍配色的廂式貨車誤認(rèn)作藍天白云，或者道路上方的指路牌，然后就直接保持原來的速度撞了過去。
而這背后的根本原因，是感知不靈。毫米波雷達沒有那么精確，距離判斷會失誤，而攝像頭在逆光下看到的東西，失真也比較嚴(yán)重。
不過，這一點也有方法彌補。方法和剛剛的邏輯類似，就是通過高水準(zhǔn)的圖像識別技術(shù)，哪怕逆光，哪怕和其他物體很像，也能認(rèn)出這是廂式貨車，然后執(zhí)行剎車。但這就考驗特斯拉程序員的水平了。
為什么馬斯克這么較勁，不安激光雷達？主要是節(jié)約成本，畢竟在產(chǎn)業(yè)爆發(fā)期，低價搶占市場是第一位。另外，也有觀點認(rèn)為，馬斯克只是暫時性，一旦激光雷達成本下降，會快速倒戈。
而對于國內(nèi)“蔚小理”等造車新勢力來講，不同車企及相關(guān)車型都使用了不同的技術(shù)。比如蔚來和小鵬在部分車型配置了激光雷達，而一些車型則沒有配置。
那么，技術(shù)路線確立了，真正的自動駕駛是不是就快來了？恐怕要再等等。
自動駕駛的機遇和挑戰(zhàn)
在今年3月底召開的中國電動汽車百人會論壇上，全國政協(xié)經(jīng)濟委員會副主任苗圩談到，安全是智能網(wǎng)聯(lián)汽車發(fā)展的前提。
在苗圩看來，當(dāng)下的智能網(wǎng)聯(lián)車，依然有不少安全隱患，具體來看有三點。
第一是機器設(shè)備的不安全。
比如地圖的精度、定位的精度不高，再比如光線過強和過暗時，攝像頭等設(shè)備探測不到。
第二是算法的缺陷。
發(fā)達的人工智能需要投喂海量的數(shù)據(jù)。有人測算，必須要開到177億公里，才能做到行云流水。比如特斯拉就發(fā)動全世界100多萬用戶，每天在世界各地搜集各種路況，訓(xùn)練系統(tǒng)。
最后是人為因素。
目前，國內(nèi)將自動駕駛分為6個等級，其中L0級為應(yīng)急輔助，L5則為完全自動駕駛。
其中實現(xiàn)L4、L5最難，這是因為處于自動駕駛狀態(tài)的汽車會判定，只要手接觸方向盤，就將認(rèn)為接管。而現(xiàn)實卻是，有時是真接管，有時只是人不自主地將手搭在方向盤。這時，如果前方突然竄出人或車，則會發(fā)生碰撞。
因此，目前的所謂自動駕駛，只能稱為輔助駕駛。
那么，既然自動駕駛短期實現(xiàn)起來仍有困難，為什么近幾年各互聯(lián)網(wǎng)公司、造車新勢力還要躬身入局呢？
背后的原因是，空間巨大。
谷歌無人駕駛汽車項目的顧問--勞倫斯·伯恩斯在其《自動時代》中曾做過一個測算：
如果無人駕駛技術(shù)成熟了，通過無人駕駛進行共享的車輛，因為沒有司機，可以做得更小，提高出行效率。尤其是，利用電動車技術(shù)，在不影響出行體驗和效率的情況下，可以將每英里的成本降到0.2美元，而現(xiàn)在私人車輛的每英里成本是1.5美元，下降了86%！
這意味著，無人駕駛真正普及后，大概率將會削減汽車市場規(guī)模。對于整車廠而言，如果沒有自動駕駛能力，未來很有可能掉隊，最終淪為自動駕駛出行服務(wù)商的車輛提供者，處處受制于人。
但即便如此，汽車出行服務(wù)依然是個巨大的市場。
以美國為例，如果按美國人平均工資4.3萬美元一年、城市平均車速40公里每小時算，擁有一輛車并且長期駕駛它的總成本是每公里1美元。又因為美國人全年總行駛里程大約是4.8萬億公里，所以美國全國司機駕駛的總成本每年就是4.8萬億美元，和每年聯(lián)邦政府的預(yù)算相當(dāng)。這是一筆驚人的數(shù)字。
在這樣的背景下，能提供無人駕駛出行服務(wù)的企業(yè)，還是能在這千億美元的市場規(guī)模中分一杯羹，這是對不少創(chuàng)業(yè)者依然具有不小的誘惑。
如果自動駕駛無法徹底落地
當(dāng)然，即便L4、L5級別的自動駕駛無法實現(xiàn)，對于車企而言，參與自動駕駛，也是件有意義的事。因為自動駕駛將改變車企的商業(yè)模式，而商業(yè)模式的改變，將影響企業(yè)在資本市場的估值。
今年3月26日，在中國電動汽車百人會理事長陳清泰在百人會論壇上提出，汽車廠家的商業(yè)模式正在由“制造”轉(zhuǎn)變?yōu)椤爸圃?服務(wù)”，而服務(wù)的收益占比會逐步增長。
我們都知道，傳統(tǒng)汽車的收入，主要是購車費用，近似一錘子買賣。而隨著汽車智能化普及，車廠和車主的聯(lián)系，開始變得緊密--如果車主想升級、解鎖新功能，可以直接通過OTA（Over The Air在線升級）付費升級，這意味著車企的盈利將變得可持續(xù)。
陳清泰也在會上指出，智能汽車時代，廠商和用戶的關(guān)系是全生命周期的合作關(guān)系，即“用戶不斷提供數(shù)據(jù)、廠商不斷擴展服務(wù)”。
事實上最早探索出這種賣軟件收費模式的是特斯拉。2019年4月，特斯拉在Autopilot（自動輔助駕駛功能）的基礎(chǔ)上推出FSD（Full Self-Driving，完全自動駕駛功能）。
不過，特斯拉的FSD還名不副實，并沒有實現(xiàn)完全自動駕駛。特斯拉中國官網(wǎng)的顯示，目前特斯拉、提供兩種系統(tǒng)選裝方案，其中，Autopilot價格為3.2萬元，F(xiàn)SD價格為6.4萬元。
國內(nèi)新勢力方面，小鵬、蔚來汽車也均提供了類似智能駕駛服務(wù)，同時蔚來為了差異化還提供了服務(wù)無憂、能量無憂以及靈活換電等付費服務(wù)。
但要注意的是，對于自動駕駛真的能提供帶來利潤？目前市場其實有分歧。
樂觀者認(rèn)為，軟件收入粘性強、毛利率高、邊際成本低，隨著智能汽車保有量進一步增加，未來服務(wù)盈利或?qū)⒊劫u車?yán)麧櫋?/p>
偏悲觀者，如中金證券則認(rèn)為，如果頭部企業(yè)在部分特殊場景（比如高速、園區(qū)、碼頭等）都能實現(xiàn)差不多的高級別自動駕駛能力，但在受制于法規(guī)開放程度城區(qū)，都無法實現(xiàn)高級別自動駕駛，那么會形成這樣一種尷尬局面：
各家車廠的自動駕駛底層能力看起來有差異，但實際落地時差異并不明顯，各家為了爭取客戶，很可能會陷入囚徒困境，紛紛放棄收費。
也就是說，靠自動駕駛收費，很可能只是中期現(xiàn)象。
長期來看，中金認(rèn)為，對于車企而言，更應(yīng)該學(xué)習(xí)蘋果，收“渠道費”。
我們都知道，蘋果手機自帶的地圖、音樂軟件等功能并不收費，但蘋果會向app開發(fā)者收取抽成（或者叫渠道費、蘋果稅）。
之所以蘋果選擇這么做，不是因為蘋果發(fā)善心，而是所有手機品牌都能提供相似的軟件服務(wù)，因此占據(jù)更多用戶，完成收稅大業(yè)，才是根本策略。
這意味著，未來很有可能有車企成為“汽車界的蘋果”。而從賣車的制造型公司，到賣自動駕駛的服務(wù)性公司，再到賣渠道成為平臺型公司，也將改變電動車企的估值。
所以，自動駕駛的命運會如何？總體看，由于現(xiàn)實的約束，它的推進，或許并不平坦，商業(yè)模式也可能出現(xiàn)從收費到不收費的變化。
但從商業(yè)的邏輯的來看，我們有理由相信，自動駕駛的發(fā)展大趨勢不會改變。因為自動駕駛的終極訴求，是利用人工智能提升出行效率，降低出行者的出行成本。而提升效率始終是商業(yè)發(fā)展的根本。
正如投資人朱嘯虎曾說--任何一個商業(yè)模式，它必須是提高效率的，提高效率的商業(yè)模式，才真正符合商業(yè)邏輯。
