聲明：本文基于公開資料撰寫，僅作為信息交流，不構(gòu)成任何投資建議。

本文主要探討乘用車自動(dòng)駕駛的技術(shù)和商業(yè)路徑，商用車的自動(dòng)駕駛并不在本文里討論。

目前，乘用車自動(dòng)駕駛的公司大概可以分為三類。第一類是類似于蘋果（NASDAQ：AAPL）的閉環(huán)系統(tǒng)，關(guān)鍵組成部分比如芯片和算法都自己做，特斯拉（NASDAQ：TSLA）是這么干的，部分新勢(shì)力車企也希望逐步走上這條路。第二類則是類似于安卓的開放系統(tǒng)，有的廠家做智能平臺(tái)，有的廠家做汽車，比如華為和百度

（NASDAQ：BIDU）有這方面的意向。第三類，則是robotaxi（無人駕駛出租車），比如Waymo等公司。

本文會(huì)主要從技術(shù)和商業(yè)的發(fā)展角度分析這三種路線的可行性，并探討一些新勢(shì)力造車或自動(dòng)駕駛企業(yè)的未來。不要看輕了技術(shù)，對(duì)于自動(dòng)駕駛而言，技術(shù)就是生命，關(guān)鍵的技術(shù)路徑就是戰(zhàn)略路徑。所以本文也是對(duì)自動(dòng)駕駛戰(zhàn)略不同路徑的探討。

01

軟硬件一體化的時(shí)代已經(jīng)到來，以特斯拉為代表的＂蘋果模式＂是最佳路徑

在智能汽車尤其是自動(dòng)駕駛領(lǐng)域，采用蘋果閉環(huán)模式，既能讓廠商更容易優(yōu)化性能，又能更快速的對(duì)消費(fèi)者需求做出反饋。

首先講性能問題，性能對(duì)于自動(dòng)駕駛至關(guān)重要。超級(jí)計(jì)算機(jī)之父Seymour Cray曾說過一句很有意思的話，“Anyone can build a fast CPU． The trick is to build a fast system”。

隨著摩爾定律逐漸失效，簡(jiǎn)單的依靠在單位面積上增加晶體管數(shù)量來增加性能的方法，遲早是不可行的。而且因?yàn)槊娣e和能耗的限制，芯片的規(guī)模也是有限制的。當(dāng)然，目前特斯拉的FSD HW3．0（FSD全稱為Full Self－Driving，即全自動(dòng)駕駛）還只是14nm制程，還有提升的空間。

目前絕大多數(shù)的數(shù)字芯片是基于存儲(chǔ)器和計(jì)算器分離的馮諾伊曼架構(gòu)設(shè)計(jì)，這造就了計(jì)算機(jī)（包括智能手機(jī)）的整個(gè)系統(tǒng)體系。從軟件到操作系統(tǒng)到芯片，都深受其影響。但是馮諾伊曼架構(gòu)并不完全適合于自動(dòng)駕駛所依賴的深度學(xué)習(xí)，需要改進(jìn)甚至突破。

比如存在計(jì)算器跑的比存儲(chǔ)器快的“內(nèi)存墻”，這會(huì)導(dǎo)致性能問題。而類腦芯片之類的設(shè)計(jì)，確實(shí)有架構(gòu)上的突破，但跨越的太遠(yuǎn)，未必能很快應(yīng)用上。而且圖像的卷積網(wǎng)絡(luò)可以轉(zhuǎn)化為矩陣運(yùn)算，未必真正適合類腦芯片。

所以，隨著摩爾定律和馮諾伊曼架構(gòu)都遇到瓶頸，未來的性能提升，主要需要通過Domain Specific Architecture（DSA，特定領(lǐng)域體系結(jié)構(gòu)，可指代專用處理器）來實(shí)現(xiàn)。DSA由圖靈獎(jiǎng)獲得者John Hennessy和David Patterson提出，是往前跨越幾步又跨越的不過分遠(yuǎn)的創(chuàng)新，是馬上就能實(shí)踐的思路。

我們可以從宏觀上理解一下DSA的思路。通常目前的高端芯片有幾十億到上百億個(gè)晶體管，這些數(shù)量巨大的晶體管如何分配職能如何連接如何組合，對(duì)于具體某個(gè)應(yīng)用的性能影響很大。未來需要從軟硬件的整體著眼，打造“fast system”，依靠?jī)?yōu)化調(diào)整結(jié)構(gòu)取勝。

再舉個(gè)例子講講DSA。實(shí)際上手機(jī)和終端生態(tài)，某種程度上也在采用DSA的思路。比如手機(jī)上也有GPU（圖形處理器），那是單獨(dú)處理視覺數(shù)據(jù)的。手機(jī)上也有神經(jīng)網(wǎng)絡(luò)加速器，那是為深度學(xué)習(xí)服務(wù)的。蘋果最新推出的Mac上的M1芯片，也是走的這個(gè)思路，有GPU，有深度學(xué)習(xí)加速器，據(jù)評(píng)測(cè)，對(duì)許多特定應(yīng)用的性能提升相當(dāng)大。

當(dāng)然，智能汽車的DSA道路，會(huì)走的更徹底更深入，因?yàn)樽詣?dòng)駕駛是特定芯片跑特定應(yīng)用，不用考慮生態(tài)的問題。

特斯拉的FSD HW就是專門為Autopilot設(shè)計(jì)的，可以盡情地在軟硬件兩端優(yōu)化。比如卷積運(yùn)算占比非常高，那就可以對(duì)卷積運(yùn)算并行化處理并特意去優(yōu)化，這樣可以極大提升整體的性能。

根據(jù)特斯拉提供的數(shù)據(jù)，以一個(gè)特定的處理攝像頭數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)為例，該神經(jīng)網(wǎng)絡(luò)處理一幀圖像需要350億次運(yùn)算，傳統(tǒng)的CPU每秒只能處理1．5幀圖像，壓根不能滿足自動(dòng)駕駛的需求，而特斯拉的FSD HW 3．0每秒能處理2100幀，這才能夠滿足目前的需求。

說明一下，依照這個(gè)數(shù)據(jù)，F(xiàn)SD HW 3．0總計(jì)算能力是35G＊2100＝73．5TOPS（1TOPS代表處理器每秒鐘可進(jìn)行一萬億次），考慮到數(shù)據(jù)的一些四舍五入或者精度上的誤差，基本是符合特斯拉宣稱的72TOPS的數(shù)據(jù)的。

無論是云端的訓(xùn)練，還是終端的推理，都可以通過DSA進(jìn)行很好的性能優(yōu)化。比如特斯拉的DOJO是針對(duì)云端的訓(xùn)練，這不光是從算法到芯片，還需要分布式機(jī)器學(xué)習(xí)。而FSD HW 3．0則負(fù)責(zé)終端的推理，性能比競(jìng)爭(zhēng)對(duì)手的更強(qiáng)勁。

閉環(huán)模式有利于快速響應(yīng)消費(fèi)者需求。比如，算法和數(shù)據(jù)的分離，會(huì)導(dǎo)致改進(jìn)起來更困難。各種corner case（這里特指極端情況），有的可能需要同時(shí)調(diào)整算法和數(shù)據(jù)，那么不同公司的協(xié)調(diào)就會(huì)成為問題。

總的來說，特斯拉采用的閉環(huán)模式，既能幫助提高性能，又能快速響應(yīng)消費(fèi)者需求，是目前自動(dòng)駕駛的最佳方案。

02

“安卓模式”在智能汽車領(lǐng)域不是個(gè)好方案

許多人都認(rèn)為，自動(dòng)駕駛時(shí)代，也有智能手機(jī)領(lǐng)域的蘋果（閉環(huán)）和安卓（開放）之分，也會(huì)有Google這樣的重核級(jí)軟件提供商。我的答案很簡(jiǎn)單，安卓路線在自動(dòng)駕駛上走不通，因?yàn)槠洳环衔磥碇悄芷嚰夹g(shù)發(fā)展的方向。

當(dāng)然，我并不會(huì)說特斯拉蔚來等公司連每個(gè)螺絲釘都要自己做，許多部件還是要買配件廠商的。但最核心的影響用戶體驗(yàn)的部分，肯定都是要自己做的，比如自動(dòng)駕駛的各個(gè)環(huán)節(jié)。

在第一節(jié)中已經(jīng)講了蘋果的閉環(huán)路線是最佳的方案，實(shí)際上也就論證了安卓開放路線在自動(dòng)駕駛領(lǐng)域并非最佳方案。

智能手機(jī)和智能汽車的架構(gòu)不同。智能手機(jī)的重點(diǎn)是生態(tài)。生態(tài)意味著在ARM和IOS或安卓操作系統(tǒng)的基礎(chǔ)上，提供各種各樣的應(yīng)用程序。所以，安卓智能手機(jī)可以理解為一堆通用的標(biāo)準(zhǔn)件的組合。芯片的標(biāo)準(zhǔn)是ARM，在芯片之上是安卓操作系統(tǒng)，再網(wǎng)上則是各種App。因?yàn)槠錁?biāo)準(zhǔn)化，所以無論是芯片，還是安卓系統(tǒng)，還是App，都可以很容易地獨(dú)立成為一門生意。

智能汽車的重點(diǎn)則是算法及支撐算法的數(shù)據(jù)和硬件。而算法無論是在云端訓(xùn)練還是在終端推理，都需要極高的性能。智能汽車的硬件則需要對(duì)特定專門應(yīng)用及算法進(jìn)行大量的性能優(yōu)化。所以只做算法或只做芯片或只做操作系統(tǒng)，長(zhǎng)期看都會(huì)面臨性能優(yōu)化上的困境。只有每一塊組成部分都屬于自己開發(fā)，才容易進(jìn)行性能優(yōu)化。而軟件和硬件的分離，會(huì)導(dǎo)致性能無法最優(yōu)化。

我們可以這樣比較一下，NVIDIA Xavier有90億個(gè)晶體管，Tesla FSD HW 3．0有60億個(gè)晶體管，但Xavier算力指標(biāo)卻不如HW3．0。而且據(jù)稱下一代的FSD HW相比當(dāng)前有7倍的性能提升。所以歸因?yàn)樘厮估酒O(shè)計(jì)師Peter Bannon及其帶領(lǐng)的團(tuán)隊(duì)比NVIDIA的設(shè)計(jì)師更強(qiáng)，還是歸因?yàn)樘厮估能浻步Y(jié)合的方法論更好。我覺得軟硬結(jié)合的方法論肯定也是芯片性能提升的重要原因。

具體情景我們可以想象一下，NVIDIA設(shè)計(jì)Xavier的時(shí)候沒法做到特斯拉一樣的有的放矢，他們的設(shè)計(jì)師無法知道客戶的算法具體是如何運(yùn)行的，只能依靠對(duì)NVIDIA自家算法的理解，和對(duì)客戶算法的猜想，去設(shè)計(jì)芯片。

而特斯拉的芯片設(shè)計(jì)團(tuán)隊(duì)當(dāng)然知道更多算法的信息，這樣就很容易規(guī)劃芯片的設(shè)計(jì)。比如卷積操作占比多，那就側(cè)重多優(yōu)化卷積操作。特斯拉公開透露的信息，就清清楚楚地告訴了卷積操作占比具體是多少，ReLU又占比多少。特斯拉內(nèi)部團(tuán)隊(duì)肯定知道的細(xì)節(jié)比我們多。

而且，特斯拉不光是負(fù)責(zé)芯片的Peter Bannon和負(fù)責(zé)算法的Andrej Karpathy可以坐在一起商量，他們肯定會(huì)想辦法在流片之前，利用類似于仿真或者其他方法來衡量芯片的性能，去尋找性能的瓶頸，然后不斷優(yōu)化。

對(duì)于NVIDIA和他們的客戶而言，壓根就沒法做到這樣親密無間的合作。所以，特斯拉的軟硬一體化的優(yōu)化，比芯片和算法拆開在不同公司的做法更好。

算法和數(shù)據(jù)分開，也不是個(gè)好主意，不利于快速反饋消費(fèi)者需求，不利于快速迭代。

所以，在自動(dòng)駕駛領(lǐng)域，把算法或芯片拆開來單獨(dú)賣長(zhǎng)期看都不是個(gè)好生意。即使是英偉達(dá)的自動(dòng)駕駛推理芯片，當(dāng)然Orin這一代還會(huì)賣的不錯(cuò)，再往后一代可能依然能賣得出去，但是很可能越往后將會(huì)賣的越不好。因?yàn)樾阅芎统杀镜木売桑鞔笮聞?shì)力汽車廠商最終都會(huì)自己做芯片。

當(dāng)然，被NVIDIA（英偉達(dá)）收購的ARM，是屬于手機(jī)及終端生態(tài)的，和自動(dòng)駕駛關(guān)系沒那么大，所以應(yīng)當(dāng)生意會(huì)一直不錯(cuò)。

那么有沒有可能一家公司把自動(dòng)駕駛的算法芯片操作系統(tǒng)都做了，再提供給各大車廠。也就是說，智能汽車＝智能＋汽車，一家公司做“智能”，其他車企做“汽車”，再組合為智能汽車。

首先，車廠和平臺(tái)的利益并不完全一致。比如因?yàn)槔麧?rùn)分配的問題，很容易貌合神離，各有各的主意。

其次，面對(duì)消費(fèi)者多了一個(gè)環(huán)節(jié)，反饋不如特斯拉及新勢(shì)力造車企業(yè)快。假如出了交通事故，會(huì)不會(huì)有各個(gè)合作方互相推諉責(zé)任的事情發(fā)生。

另外，爭(zhēng)氣的汽車廠商都不會(huì)放棄自己掌握算法和數(shù)據(jù)的，而不爭(zhēng)氣的汽車廠商雖然可以放棄自己掌握算法，但因?yàn)椴粻?zhēng)氣，所以也做不起來。

所以這套打造智能平臺(tái)的安卓路線打法，長(zhǎng)期看，并不是最佳方案。最終做得很好的新勢(shì)力造車企業(yè)，估計(jì)都不會(huì)是走安卓路線的。這和智能手機(jī)不一樣，在手機(jī)領(lǐng)域，安卓方案和蘋果方案性能和體驗(yàn)差距不大，而在智能汽車領(lǐng)域則不一樣，閉環(huán)路線會(huì)比開放路線體驗(yàn)好不少。

很長(zhǎng)期的看，智能汽車領(lǐng)域是不會(huì)有wintel這樣的巨型平臺(tái)選手存在的。

當(dāng)然，做從軟到硬的閉環(huán)也沒有必要一步到位。要根據(jù)用戶需求和自身能力，逐步實(shí)現(xiàn)。即使是特斯拉，也是分成幾步走的。

03

一步到位的Robotaxi路線，不是商業(yè)化的合適路徑

現(xiàn)在的自動(dòng)駕駛可能只能解放5％的時(shí)間，所以只有部分消費(fèi)者愿意買單。隨著這個(gè)時(shí)間的比例的逐漸上升，會(huì)有更多的消費(fèi)者愿意購買智能汽車。所以，自主造車賣車的模式是可以逐步變現(xiàn)，逐步投入，逐步發(fā)展的。

而robotaxi路線則追求一步到位，因?yàn)橥耆陌俜种俚淖詣?dòng)駕駛要實(shí)現(xiàn)，估計(jì)是至少是10年后，也可能是20年后。而在這之間的時(shí)間，robotaxi是沒法真正商業(yè)化運(yùn)營(yíng)的。

因?yàn)閞obotaxi不能遇到各種corner case就放棄自動(dòng)駕駛了，那坐到半路的乘客怎么辦。沒法商業(yè)化，于是也就沒法獲取營(yíng)收，沒法將收入又繼續(xù)投入到研發(fā)。

所以，追求一步到位做robotaxi的公司，很可能是欲速則不達(dá)，未必會(huì)很成功。而自己造車賣車的商業(yè)模式，是隨著自動(dòng)駕駛的進(jìn)步，逐步商業(yè)化。每前進(jìn)一步，都能賣車，而且能賣的越來越多，都能有收入，都能積累數(shù)據(jù)，然后促進(jìn)研發(fā)。

而且，等到自動(dòng)駕駛都實(shí)現(xiàn)了，那時(shí)候做robotaxi已經(jīng)是水到渠成了。所以，一路勝利的戰(zhàn)果，會(huì)被自主造車企業(yè)摘取，robotaxi創(chuàng)業(yè)企業(yè)只能干看著。

最終的戰(zhàn)果，也會(huì)被逐漸壯大的自主造車企業(yè)摘取，因?yàn)榈酵耆詣?dòng)駕駛的時(shí)候，自主造車企業(yè)都至少是千億營(yíng)收了，力量強(qiáng)大且具備自我造血功能，靠融資活著的robotaxi創(chuàng)業(yè)企業(yè)如何與其競(jìng)爭(zhēng)。

04

華為與蘋果自己造車的可能

有許多人認(rèn)為華為可以做智能汽車的安卓平臺(tái)，其實(shí)不然，根據(jù)上文的分析，安卓路線未必行的通，華為未來自己造車的可能很大。

華為當(dāng)前要么是在養(yǎng)精蓄銳積聚經(jīng)驗(yàn)等待未來合適的時(shí)候開啟自主造車之路，要么是判斷錯(cuò)了未來。因?yàn)椋磥聿皇且欢哑噺S商，而是極少數(shù)幾家從軟到硬都很厲害的企業(yè)。所以，做“安卓”平臺(tái)，賣給誰是個(gè)大問題。

華為當(dāng)前的汽車業(yè)務(wù)有三個(gè)結(jié)果 1）不成氣候并放棄 2）不成氣候，然后開始自己造車 3）不怎么成氣候，然后放棄做平臺(tái)并做減法，只做類似于激光雷達(dá)這樣的部件。

智能汽車市場(chǎng)如此巨大，華為不會(huì)放棄的。把智能汽車做好，以其市場(chǎng)規(guī)模估算，可以再造幾個(gè)華為。華為對(duì)于造車是有一定準(zhǔn)備的，從軟到硬都在努力，所以我覺得第二種可能性最大。

華為有從軟到硬的實(shí)力和從上到下的狠勁，所以華為自己造車成功的可能性不小。從云端芯片到終端芯片到深度學(xué)習(xí)平臺(tái)，華為都在努力，而且做的都還有些成果，這都是打造智能汽車和自動(dòng)駕駛所需要的。

如果蘋果愿意加入造車的隊(duì)伍，也有不少勝算。但蘋果那種產(chǎn)品不做到位就不推出的性格，在智能汽車領(lǐng)域可能反倒是塊絆腳石。畢竟，自動(dòng)駕駛是漸進(jìn)的過程，要不斷積累數(shù)據(jù)，要萬事俱備再出手，那得等到什么時(shí)候。

05

百度起了個(gè)大早，卻未必能趕上晚集

認(rèn)真看看百度的自動(dòng)駕駛戰(zhàn)略，大概是既想走安卓路線，又想搞robotaxi。而前文已經(jīng)講過，這兩條路都不好走。

走安卓路線，應(yīng)該和哪位豬隊(duì)友合作呢？畢竟牛隊(duì)友都會(huì)自己努力去做全棧的軟硬件。而做robotaxi，要等到猴年馬月才能真正大規(guī)模商業(yè)化呢？

那么百度自己造車會(huì)如何呢？且不論百度會(huì)不會(huì)真的自己開始造車。即使百度想，也未必能做成。因?yàn)榘俣鹊挠布Φ撞蝗缛A為扎實(shí)，而且執(zhí)行力一般。至少在幾大互聯(lián)網(wǎng)巨頭里，過去這些年是屬于不太能打的那個(gè)，BAT并稱的說法，大家都不提了。

威馬大概就是那位和百度合作的隊(duì)友，兩家公司的戰(zhàn)斗力本身就不屬于最強(qiáng)隊(duì)列，估計(jì)未來活下來的智能汽車幾強(qiáng)，很難有百度＋威馬的身影。

06

人才是核心

各大車企是在和特斯拉競(jìng)爭(zhēng)，也就是和Elon Musk競(jìng)爭(zhēng)，是和Andrej Karpathy和Peter Bannon這樣的人才帶領(lǐng)的團(tuán)隊(duì)去競(jìng)爭(zhēng)。自動(dòng)駕駛這場(chǎng)大戰(zhàn)，要求公司具備從上到下的科技能力，不是簡(jiǎn)簡(jiǎn)單單投點(diǎn)錢再招幾個(gè)工程師就能解決問題。

試問各大車企的CEO究竟是不是懂一點(diǎn)點(diǎn)深度學(xué)習(xí)的原理，這畢竟是自動(dòng)駕駛的基石。如果CEO完全不懂，那么怎么有能力招來合格的自動(dòng)駕駛算法VP，軟件工程VP，你怎么判斷哪些人是真正的高手，何況技術(shù)高手也會(huì)投奔更懂技術(shù)的東家。那么有勇氣把不合格的CEO換掉嗎？我看幾乎沒一家傳統(tǒng)車企有這樣的決心。

自動(dòng)駕駛的人才有其特殊性。幾乎所有人都知道搞自動(dòng)駕駛需要合適的人才，但大部分人會(huì)覺得應(yīng)該去招現(xiàn)成的做自動(dòng)駕駛的人。按照常規(guī)的慣性思維去思考，那這個(gè)思路是對(duì)的。比如我要做汽車工程，于是我要找做汽車工程的人。但對(duì)做自動(dòng)駕駛則并非如此。因?yàn)檫@些現(xiàn)成的人才里面，除了特斯拉，有做的比較靠譜的嗎？有做到未來兩三年能商業(yè)化的嗎？幾乎沒有。

于是要回歸本質(zhì)，包括特斯拉以及新勢(shì)力造車在內(nèi)的這些公司，都走的是視覺為主的路線。視覺這塊是無論如何都繞不過去的，而且視覺是自動(dòng)駕駛最難的部分。所以，最需要的是頂尖的研究深度學(xué)習(xí)視覺的博士，類似于特斯拉的Andrej Karpathy和蔚來的任少卿。

招頂尖的視覺人才，讓他們?nèi)W(xué)習(xí)如何去做自動(dòng)駕駛，這條路子更靠譜。其他部分對(duì)于這些聰明人來說，學(xué)習(xí)起來都很快。當(dāng)然，沒有花過時(shí)間去學(xué)習(xí)的人不會(huì)明白這一點(diǎn)。特斯拉已經(jīng)證明了這一點(diǎn)，特斯拉做autopilot，換了幾波人，都做的不好，等找到了做深度學(xué)習(xí)視覺出身的Andrej Karpathy，特斯拉才算找到了合適的人。

要和自動(dòng)駕駛的技術(shù)與時(shí)俱進(jìn)，就要求要去閱讀關(guān)鍵的有用的論文，以獲取當(dāng)前學(xué)術(shù)界最先進(jìn)的知識(shí)，并挖掘和分辨優(yōu)秀人才。如果有能夠談得攏可以一起合作的話，要把人才放到合適的位置上。比如有的人涉獵很廣學(xué)習(xí)能力強(qiáng)擅長(zhǎng)抓住本質(zhì)，適合做架構(gòu)。而有的人則在某些領(lǐng)域鉆研很深，適合去突破某些領(lǐng)域如算法上的瓶頸。

在深度學(xué)習(xí)尤其是視覺領(lǐng)域，好多關(guān)鍵的優(yōu)秀論文都是中國人寫的。各大車企要先努力把我們自己的頂尖人才聚攏起來，然后逐步也把全世界的人才也聚攏起來。

所以我覺得自動(dòng)駕駛這一戰(zhàn)，中國車企是有希望的。比如蔚來就招來了任少卿，并把自動(dòng)駕駛研發(fā)中心由以國外為主轉(zhuǎn)向以國內(nèi)為主，將虛高的市值（估值）放一邊，這毫無疑問長(zhǎng)期看是一招好棋。

好消息是還有不少人才散落在世界各地，壞消息是好多車企還是迷迷糊糊不知道如何分辨。稀里糊涂的找個(gè)二流的號(hào)稱做過幾年自動(dòng)駕駛的人，可遠(yuǎn)不如找一個(gè)有能力有潛力的深度學(xué)習(xí)高手。還要注意不要看輕了年輕人的潛力，許多優(yōu)秀論文都出自年輕博士甚至在讀博士之手，這些人剛好二三十歲，很年輕，但在自動(dòng)駕駛領(lǐng)域卻是當(dāng)打之年。

07

殘酷的終局

每個(gè)人都在談?wù)撝悄芷嚭妥詣?dòng)駕駛的終局，那么終局會(huì)如何？

自動(dòng)駕駛肯定會(huì)逐步實(shí)現(xiàn)，因?yàn)楝F(xiàn)代傳感器＋計(jì)算機(jī)＋大數(shù)據(jù)平臺(tái)的能力，比人眼＋人腦在開車這件事情上，終究會(huì)強(qiáng)好多。人可以做到同時(shí)眼觀八方嗎？可以同時(shí)觀察前后左右的車輛嗎？

做不到，而計(jì)算機(jī)可以做到。計(jì)算機(jī)在駕駛方面的計(jì)算能力，長(zhǎng)期看，也會(huì)比人類強(qiáng)。而且計(jì)算機(jī)在分享和積累各種經(jīng)驗(yàn)上，經(jīng)由大數(shù)據(jù)平臺(tái)，肯定比人類更強(qiáng)。所以，長(zhǎng)期看，電腦和大數(shù)據(jù)平臺(tái)在駕駛上能干的事情，比人類要強(qiáng)大得多。

前途光明，但對(duì)于各個(gè)參戰(zhàn)選手來說，智能汽車這一戰(zhàn)會(huì)好難打，結(jié)果估計(jì)會(huì)很殘酷。現(xiàn)在看著很熱鬧，但因?yàn)殚T檻極高，從軟到硬都不能有短板，所以最后活下來的估計(jì)就少數(shù)幾家。多數(shù)傳統(tǒng)廠商，面對(duì)自動(dòng)駕駛，大概是有心無力，未來會(huì)處境尷尬，再過幾年面臨淘汰。不要嘴硬，連FOTA（無線固件升級(jí)）都沒搞定，還搞什么自動(dòng)駕駛，搞什么智能汽車呢。

智能汽車＝電動(dòng)＋自動(dòng)駕駛＋智能座艙，而自動(dòng)駕駛最難而且能做出差異化，所以是重中之重，是決定性的關(guān)鍵點(diǎn)。特斯拉已經(jīng)把門檻提的很高。當(dāng)然，這實(shí)際上是因?yàn)橹悄芷囉绕涫亲詣?dòng)駕駛，本來門檻就極高。只是特斯拉會(huì)是第一個(gè)達(dá)標(biāo)的企業(yè)。

特斯拉在自動(dòng)駕駛領(lǐng)域也沒有太多純理論上的秘密，幾乎所有的從0到1的關(guān)鍵知識(shí)都在現(xiàn)成的論文里。但是把論文里的知識(shí)揉碎架構(gòu)，做到工程級(jí)別并商業(yè)化也是非常艱難的。所以，中國車企在自動(dòng)駕駛大戰(zhàn)中有機(jī)會(huì)，但不是所有車企都有機(jī)會(huì)，因?yàn)殚T檻實(shí)在非常高。

比如包括時(shí)間維度在內(nèi)的4D訓(xùn)練，比如如何把多攝像頭拼接為鳥瞰圖，比如打造類似于DOJO這樣的訓(xùn)練平臺(tái)，比如如何做到艦隊(duì)學(xué)習(xí)和影子模式，這些都不容易做好。

以鳥瞰圖為例簡(jiǎn)單講講，在十字路口轉(zhuǎn)彎，不僅需要前視攝像頭或雷達(dá)的信息，也需要了解十字路口左右兩方路面的信息，這就需要多個(gè)攝像頭或雷達(dá)數(shù)據(jù)融合的鳥瞰圖。這些技術(shù)問題，估計(jì)好多車企都沒有認(rèn)真思考過。

但是也不要小看個(gè)別新勢(shì)力造車企業(yè)。雖然現(xiàn)在看上去和特斯拉，和傳統(tǒng)車企相比，銷量還比較小。但要看到，即使只發(fā)布兩三款車型，但背后的能力是正在形成。

而許多傳統(tǒng)車企，雖然現(xiàn)在憑借著慣性還能賣不少車。但等到智能時(shí)代來臨時(shí)，真正厲害的是那些具備科技和智能能力的企業(yè)。許多傳統(tǒng)車企，連FOTA都搞不定，還談什么自動(dòng)駕駛。不具備科技能力的傳統(tǒng)車企，大多會(huì)倒閉，破產(chǎn)，被兼并或轉(zhuǎn)為代工。

而且中國企業(yè)在中國場(chǎng)景上有本土化的優(yōu)勢(shì)。以國內(nèi)市場(chǎng)為起點(diǎn)，最終走向世界也是很有希望的。

未來人們的汽車交通乘坐需求會(huì)分為兩部分。有一部份人希望擁有私密的空間，于是會(huì)考慮買車或長(zhǎng)期租車。而許多時(shí)候很多人則會(huì)使用robotaxi。當(dāng)然，閑置的私人車輛也可以加入到robotaxi的共享網(wǎng)絡(luò)中去。

robotaxi ＝ robo ＋ taxi。而robo不止特斯拉一家，應(yīng)該有幾家，所以需要一個(gè)taxi平臺(tái)。有人會(huì)說，特斯拉也可以做一個(gè)taxi平臺(tái)，但這樣的話，其他家車企或企業(yè)也可以做taxi平臺(tái)，那樣就不止一個(gè)平臺(tái)了。而消費(fèi)者并不需要太多的taxi平臺(tái)。于是經(jīng)過競(jìng)爭(zhēng)，最終還是極少數(shù)的平臺(tái)勝出，而且一家獨(dú)大的概率很高。

目前的taxi平臺(tái)做的好公司，比如滴滴或Uber，很可能在未來和robo做的好的公司，比如特斯拉及做的好的新勢(shì)力造車的企業(yè)，會(huì)合作起來。

而且現(xiàn)在汽車強(qiáng)國的格局未來會(huì)發(fā)生巨大變化。簡(jiǎn)單的說，中國和美國會(huì)是笑到最后的贏家，而傳統(tǒng)汽車強(qiáng)國日本和德國則會(huì)因?yàn)橼s不上形勢(shì)而哭的很厲害。

責(zé)任編輯：xj