自动驾驶公司逐渐失去主动权，是不是点错了科技树？

　　对于自动驾驶公司，我一直都怀有敬意，它们集结了最优秀的算法人才，在攻克目前最难的问题。比如百度、小马智行、文远知行和Momenta等，技术实力放在全球都是可圈可点的。
　　可是，自动驾驶是个复杂的系统工程，软硬强耦合，目前技术成熟的曲线比我们想象得要平缓得多，让人感觉自动驾驶公司似乎逐渐失去主动权，其原因是什么？点错了科技书吗？一、先来看看：目前头部自动驾驶公司现状如何呢？
　　从全球看，当前自动驾驶技术水平都差不多，都是幼儿园水平，就算特斯拉，顶多一个大班。从自动驾驶的玩家上，形态大部分都是乘用车，除特斯拉外，车企似乎都没有直接参与。即使是建立L4级别自动驾驶基础上的RoboTaxi（自动驾驶出租车），运营和制造都牢牢掌控在自己手里，但也很明显，迟迟未能到来，并且我对5年内的城市内推广仍然持悲观的态度。
　　接下来，我们来看看目前大部分头部Robotaxi公司的现状：
　　百度：百度原来是非常坚持Robotaxi的，但是现在开始把更大的资源投入到ANP成立智驾部门，开始做L2+辅助驾驶，并向威马、集度、比亚迪交付。
　　文远：和博世合作为车企交付L2+辅助驾驶。
　　轻舟：本来是做Robobus和Robotaxi，但是前段时间也发布低成本L2量产套件。
　　元戎：更是在一开始就和主机厂合作，比如东风，吉利。
　　momenta：坚定两轮战略，一边和车厂合作，一边做L4，与比亚迪，上汽达成合作。
　　Autox：虽然没有流露出做L2的新闻，但是肖建雄收购一家汽车公司，做L2也只是时间问题。
　　华为：华为一开始就比较倾向于和车企合作，基本从开始就是主动和整车厂合作，比如北汽、长安、广汽、小康和奇瑞等。
　　由于L4自动驾驶不是很成熟，而L3大部分要和车企绑定，做L4自动驾驶公司都面临艰难抉择，如果all in L4短期赚不到钱，研发投入高，现金流困难；如果做L3，就面临和车企合作，车企吃肉，我们喝汤，竞争激烈，想象空间少了点。所以，现在大部分自动驾驶公司都选择2条腿走路，L3和车企合作，L4做研发投入保留想象空间。
　　要说上海疫情时，我原本还指望能来点无人车、无人机配送生活物资之类的高科技解决方案，秀一把上海高新科技之都的逼格，哪怕一两个小区试点也行，结果一个没有，感觉这玩意距离实用差得还很远。
　　可以说，Robotaxi大规模运营还需要时间，多是处于观望的状态，融资环境相对差，而且几家Robotaxi企业估值都很高了，资本不太愿意投资，头部小马今年也是没有拿到太多融资。无法用robotaxi完成自我造血，加之与车企合作量产功能也很难有实质性突破。可资本耐心是有限的，自动驾驶公司只能退而求其次，为车企提供辅助驾驶解决方案，再画一个逐步提升到L4的大饼，越来越让人感觉失去主动权。 二、自动驾驶为何难落地？学术梦想与工程实现之间难以调和的落差
　　毫无疑问，自动驾驶技术，我觉得目前依然还像是个大饼，在没人能说服大家降低过高预期之前，基本没有量产L4的可能。
　　而且这些资本得先让司机们意识到自己水平并不咋地，每天人共驾驶司机都会在路上杀死3560个人（按联合国新闻每年全世界车祸致死130万计算），如果自动驾驶系统能把统计数字降到2000人，是不是可以接受的水平？ 看起来似乎可以接受的，但这数字依然很高，而且意味着你会看到各种自动驾驶致死的新闻不停刺激人们的神经，大家还是会高估自己水平而认为比机器厉害，除非事故降到0他们才能接受，但是基本不可能。
　　就算将来人们接受自动驾驶确实比人类驾驶员安全，全世界都开始使用自动驾驶汽车，即使每天因车祸死亡人数降到2000，以现行法律这笔死亡赔偿必定是自动驾驶公司赔，他们能接受每天赔偿如此巨大的成本吗？也就是说，这个坎没有清晰明确的法律或规则解释的话，正常人都不可能把汽车驾驶这种日常行为中最危险的行为随便交给机器主宰的。
　　其实，许多行业都一样，只要是学术到工业，落差感大就避免不了。比如某大学本科毕业时拿到生物合成投资，读研究生提前水完论文后偷偷地创业并将研发产品工业落地，然而学术骄傲自信很快就会被工业的每一个小问题与学术极差的重复性搞得稀碎，这是因为学术只要有一个优势就可以不断做下去，而工业与企业只要有一个地方不及格都是失败产品。
　　可是，我们仍然要确信，要是没有各种工程技术的进步，人类发展也许都要倒退多少年，消费者要多付出多少钱，免费才是最贵的，就是这个道理。也就是说，最主要的还是目前自动驾驶技术在纸面上的理论容易被抄作业，但是应用层面上随机应变的工程方面的能力，包括技术能力和管理能力等，却要靠长期的积累。需求和实现之间，有些时候真的隔着一个银河系，然后商务逻辑和工程实现之间可以隔着2个。
　　这几年我越来越明白的道理，所谓技术领先，只是在时间和技术成本上的短暂优势罢了。我相信性能赶上只是时间问题，但最后决定主动权的，肯定是那些不能轻易流动和外购的东西，所谓护城河就是工程化能力、数据和成本优势等。三、最后如何化被动为主动？在现有技术路线下，数据及生产数据的能力才是核心竞争力
　　在我看来，没有办法生成和保留大量数据的企业，是没有护城河的，算法和平台不值得一提，谁都可以做，一点点性能优势也毫无作用，在应用中都能被数据数量和质量差异直接碾压。可见，自动驾驶除了技术上的研发投入，最终数据才是核心竞争力。
　　可是，目前自动驾驶场景的数据如何？面临的问题是，大量的脏数据需要清理，传感器缺陷，数据落盘不稳定；靠路试无法穷尽的场景，各种奇形怪状的物体和奇怪的行为等，都让在实验场景的表现非常好的算法实际上难以落地。
　　何况当前它们没有车哪来的数据，自己维护车队代价太高且拿到的数据也太少，所以和车厂合作才能拿到更多数据。可是传说中的某公司运营1000多辆车，如果是真的话，那我就劝大家别去了，那也太危险了。
　　搞过工程的人都知道一个真理，误差无处不在，而且永远存在，所有事件发生全是概率在控制，正态分布是最完美的过程控制结果。当然，自动驾驶能正态分布已经是很完美的情况了，然而现实可能是各种奇奇怪怪的分布。
　　当然，这可能是目前在人工智能板块在各行各业里面遇到的通病，数据不足以支撑场景应用，必须要在原始数据上开发指标，再加阈值形成规则，而目前这里更多只是专家经验。当年贸易战和逆全球化一打，我发现想要维持住产业优势，要么得要有矿，比如石油、锂、铁等，要么有技术+成本优势长期积累的大数据绝对优势，而所谓护城河，在自动驾驶里是同样道理。
　　如今有能耐点的OEM，都在做全栈自研（算法+工具）、数据闭环（数据累积）、芯片自研（硬件）。而一般的自动驾驶公司，先在自有业务里面商务逻辑跑通，可烧投资的钱点一堆火是能行，可多点几堆怕是烧不热了。
　　在我看来，交付是一切PPT的试金石，做芯片的也好，做算法的也好。相比于只能交付1个车型的90分产品，能交付100个项目的50分产品，才是最成功的。可见，未来自动驾驶技术，真正能够建立护城河的能力，不管是算法也好，还是工程能力也好，还是需要从市场大量反馈中慢慢迭代形成大数据。所以，目前头部公司水平都差不太的情况下，还是看谁先能有更大的市占率吧。 最后的话：现实残酷，未来可期。在黎明到来前，所有人都只能努力在黑暗中继续摸索
　　总之，当前自动驾驶技术的现状是很正常的。我们再扒开汽车发动机看看，教科书上就那么简单的原理，搭进去多少传感器执行器，学术到工程是个质的飞跃。如今我们做其他汽车电子产品也一样的，有些knowhow都不是理论推导来的，而是实验过程中发现并累积的。不过，最后谁丧失主动权还不一定呢，强势比如华为大疆等，在商业领域谁有主动权就看谁拥有大数据能力，更不容易被替代。可这些公司上游不能生成数据，下面不能做产品，是个行业不成熟阶段的过度品，也是最容易被挤掉的两不沾环节，这个谁有主动权，目前还真不一定。