現(xiàn)在有幾十家公司，例如傳統(tǒng)廠商，大型科技公司和初創(chuàng)公司都在用各種各樣的方式探索自動駕駛汽車技術(shù)。顯然，這些公司和方法不可能都成功;但我們可以從中學(xué)習(xí)和探索：在自動駕駛領(lǐng)域，會不會出現(xiàn)贏家通吃的局面，哪些廠商或路徑有機(jī)會達(dá)到。在這個(gè)行業(yè)是否也存在網(wǎng)絡(luò)效應(yīng)，是像互聯(lián)網(wǎng)行業(yè)一樣，有一兩家巨頭成為最后的贏家，還是會有五到十家公司進(jìn)行慘烈的競爭?
自動駕駛領(lǐng)域，玩家眾多，成分復(fù)雜。
這些問題很重要，因?yàn)楦闱宄鼈儯陀锌赡苤牢磥砥囆袠I(yè)的趨勢和格局。未來的景象是巨型的汽車主機(jī)廠像購買ABS模塊一樣從供應(yīng)商中購買成熟的自動駕駛系統(tǒng)，還是會有一個(gè)自動駕駛廠商或新造車廠商像微軟和英特爾(它們改變了PC行業(yè)的格局)一樣改變汽車行業(yè)的格局?
自動駕駛技術(shù)的設(shè)備商們有優(yōu)勢么?
首先，用于自動駕駛的硬件和傳感器(也包括汽車電子的傳感器)將成為可替代性較強(qiáng)的商品。就像當(dāng)初的LCD屏幕一樣，它們可能還需要很多科學(xué)和工程方面的改進(jìn)才能成熟，但一旦成熟之后，卻不具有不可替代性，它們可能會擁有很強(qiáng)的規(guī)模效應(yīng)，卻沒有網(wǎng)絡(luò)效應(yīng)。例如，現(xiàn)在激光雷達(dá)的成本可能是5萬美元，當(dāng)它未來的成本降到幾百美元時(shí)，某一個(gè)頭部制造商可能成為細(xì)分市場的贏家，但因?yàn)闆]有網(wǎng)絡(luò)效應(yīng)，它對于整個(gè)格局不會產(chǎn)生影響。就像Sony雖然制造了最好的圖像傳感器(它是蘋果和很多頭部手機(jī)廠商的供應(yīng)商)，但這并不能幫助Sony的智能手機(jī)業(yè)務(wù)變得像蘋果一樣強(qiáng)。
3D激光雷達(dá)成像
另一方面，自動駕駛領(lǐng)域可能不會像PC或智能手機(jī)那樣出現(xiàn)一個(gè)具有統(tǒng)治力的第三方軟件開發(fā)者生態(tài)系統(tǒng)。Windows壓倒了封閉的Mac，Android打敗了Windows Phone，這是因?yàn)樗麄兲峁┝艘粋€(gè)平臺來供開發(fā)人員開發(fā)自己的應(yīng)用，并形成一個(gè)良性循環(huán)。而這個(gè)循環(huán)在自動駕駛系統(tǒng)中可能不會存在，因?yàn)槟悴粫驗(yàn)槟骋粋€(gè)軟件來購買汽車，而是會有一個(gè)綜合的購買決策。
對于自動駕駛軟件系統(tǒng)，它會在整個(gè)城市范圍內(nèi)進(jìn)行優(yōu)化和路線選擇，這意味著我們應(yīng)該將所有具有自動駕駛能力的汽車當(dāng)成一個(gè)整體，而不僅僅是一輛自動駕駛汽車，或一個(gè)“自動駕駛出租車”車隊(duì)。網(wǎng)約車模式毫無疑問具有網(wǎng)絡(luò)效應(yīng)，但是隨著自動駕駛技術(shù)的加入，它將變得更加復(fù)雜(自動駕駛技術(shù)可能會使網(wǎng)約車的乘車成本降低四分之三或更多)。自動駕駛網(wǎng)約車車隊(duì)將動態(tài)地預(yù)先定位他們的汽車，并且這些車以及可能的其他所有汽車都將實(shí)時(shí)協(xié)調(diào)其路線，以實(shí)現(xiàn)最大效率(也許跨車隊(duì))，從而避免所有車都在同一時(shí)間選擇同一條最優(yōu)路線，進(jìn)而產(chǎn)生沖突。
從技術(shù)角度來看，這三個(gè)層次(駕駛，自動的路線選擇和優(yōu)化以及按需用車分配)在很大程度上是獨(dú)立的。Uber可以使用通用汽車的自動駕駛汽車，而這款汽車可能用的是Waymo的自動駕駛技術(shù)。但顯然有一些廠商希望將這些層次的技術(shù)捆綁在一起發(fā)揮作用，例如特斯拉就計(jì)劃把整車、自動駕駛和網(wǎng)約車業(yè)務(wù)都吃掉;而Uber則不會要求你只使用它自己開發(fā)的自動駕駛系統(tǒng)。但是，盡管微軟利用Office和Windows的捆綁，形成了網(wǎng)絡(luò)效應(yīng)并成為了PC時(shí)代的贏家，但一個(gè)小型OEM商堅(jiān)持要求你使用它的自動出租車服務(wù)，就像蘋果在1995年堅(jiān)持要求你購買Apple Works而不是Microsoft Office 。我懷疑可能會有更中立的方法，如果我們對所有車輛進(jìn)行跨城市協(xié)調(diào)，甚至在交叉路口處進(jìn)行車輛與車輛之間的通信(這種情況應(yīng)該是存在的)，那么可能會需要某種公共層(盡管我始終認(rèn)為是去中心化系統(tǒng)更好)。但是這些預(yù)見畢竟只是猜測，就像你在1900年預(yù)測現(xiàn)在的交通擁堵情況一樣。
地圖和行駛數(shù)據(jù)將產(chǎn)生網(wǎng)絡(luò)效應(yīng)
我們可以討論自動駕駛領(lǐng)域的關(guān)鍵網(wǎng)絡(luò)效應(yīng)會在哪里產(chǎn)生。這可能會與硬件，傳感器和軟件有一定關(guān)聯(lián);但更與一些重要的數(shù)據(jù)有關(guān)。對于自動駕駛，有兩種數(shù)據(jù)很重要：地圖和行駛的數(shù)據(jù)。
首先是地圖。人類的大腦在不知不覺中會不間斷的實(shí)時(shí)處理傳感器(眼睛、耳朵、皮膚觸覺)數(shù)據(jù)并建立我們周圍世界的3D模型;這樣，當(dāng)我們穿越森林時(shí)，就不會被樹根絆倒或?qū)㈩^撞在樹枝上。在自動駕駛中，這被稱為SLAM(同步定位和地圖繪制)—我們繪制周圍環(huán)境的地圖并在其中定位自己。顯然，這是自動駕駛的基本要求：汽車需要利用各種傳感器搞清楚它在路上的位置以及周圍有什么特征(直道，彎道，路肩，交通信號燈等)，并且還需要弄清楚其他車輛與它的相對位置以及行車速度。
在真實(shí)道路上實(shí)時(shí)執(zhí)行這種操作仍然非常困難。人類可以用視覺和聲音定位，但是僅從成像(尤其是2D成像)中提取周圍環(huán)境的數(shù)據(jù)并生成足夠精確的3D模型仍然是一個(gè)尚未解決的問題：機(jī)器學(xué)習(xí)可以提高這種可能性，但是現(xiàn)階段仍然沒有足夠的能力實(shí)時(shí)的做到高精度的自動駕駛。這就是為什么幾乎所有的自動駕駛項(xiàng)目都將成像與360度激光雷達(dá)結(jié)合在一起：每個(gè)傳感器都有其局限性，但是通過將它們結(jié)合起來(“傳感器融合”)，你可以獲得完整的圖像。在未來的某個(gè)時(shí)候，有可能僅憑成像就能建立你周圍的世界模型，但是使用更多的傳感器可以更快地到達(dá)那里，雖然需要等待這些傳感器的成本和尺寸在未來達(dá)到使用的需求。
如果激光雷達(dá)是達(dá)到SLAM的一種捷徑，那么另一個(gè)更有可行性的是使用預(yù)建地圖。你可以預(yù)先測量所有道路(不需要實(shí)時(shí)的處理所有數(shù)據(jù)，建立道路模型)，然后將完整的地圖安裝在任何自動駕駛汽車上。有了高精度地圖，自動駕駛汽車就不必在高速行駛的同時(shí)還要實(shí)時(shí)處理所有數(shù)據(jù)并識別各種彎道、交通信號燈或各種預(yù)期外的雜物;而是可以在高清3D模型上發(fā)現(xiàn)關(guān)鍵地標(biāo)并快速將自身定位在道路上。因此，自動駕駛汽車可以使用攝像頭和激光雷達(dá)，并將它們感知到的圖像與預(yù)先構(gòu)建的高精度地圖進(jìn)行比對，而不必從頭開始，從而能夠讓定位的速度和精度都有提升。
地圖具有網(wǎng)絡(luò)效應(yīng)。當(dāng)任何自動駕駛汽車沿著預(yù)先設(shè)計(jì)的道路行駛時(shí)，它既會將道路與地圖進(jìn)行比較，又會更新地圖數(shù)據(jù)：每一臺自動駕駛汽車都同時(shí)可以是一輛測試汽車。如果你已售出500,000輛自動駕駛汽車，而其他人僅售出10,000輛，則你的地圖將更新得更頻繁，并變得更準(zhǔn)確，因此你的自動駕駛汽車將更少遇到全新的，出乎意料的路況和意外。你售出的汽車越多，它們的自動駕駛性能就越好—這正好符合網(wǎng)絡(luò)效應(yīng)的定義。
從長遠(yuǎn)來看，這里的風(fēng)險(xiǎn)是，就像自動駕駛汽車可以在沒有激光雷達(dá)的情況下做到SLAM一樣，它也可以在沒有使用高精度地圖的情況下做到SLAM—畢竟，人類也可以這樣做。目前尚不清楚不使用高精度地圖在未來是否會成為主流，但目前看來，已經(jīng)有不少具有自動駕駛功能的汽車被銷售，也有很多自動駕駛測試車輛在路上跑。
地圖是數(shù)據(jù)中的第一個(gè)具有網(wǎng)絡(luò)效應(yīng)的，而下一個(gè)是自動駕駛汽車在了解周圍環(huán)境后的行為數(shù)據(jù)。在一個(gè)空曠的道路上行駛，或者在一個(gè)全是自動駕駛汽車的封閉道路上行駛是現(xiàn)在自動駕駛汽車的主要場景，但是弄清真實(shí)道路上其他駕駛員將要做什么以及如何做是則完全是另一個(gè)問題。
機(jī)器學(xué)習(xí)是自動駕駛進(jìn)行突破的重要?jiǎng)恿Γ簷C(jī)器學(xué)習(xí)不使用復(fù)雜的規(guī)則來解釋人、汽車、道路的行動方式，而是使用數(shù)據(jù)(數(shù)據(jù)當(dāng)然越多越好)。你收集的有關(guān)真實(shí)駕駛員在現(xiàn)實(shí)世界中的行為和反應(yīng)方式的數(shù)據(jù)越多(可以通過測試車或?qū)W習(xí)特斯拉)，你的自動駕駛系統(tǒng)軟件就能更好地理解周圍的情況，并且更聰明的規(guī)劃和反應(yīng)汽車下一步該做什么。就像地圖一樣，在發(fā)售前，你的測試車們會盡可能多的收集這類數(shù)據(jù)，發(fā)售后，你售出的每一輛車都會將這些數(shù)據(jù)收集并返回。因此，就像地圖一樣，你售出的汽車越多，汽車的自動駕駛系統(tǒng)就越強(qiáng)，這也就能達(dá)到網(wǎng)絡(luò)效應(yīng)。
在對自動駕駛系統(tǒng)的模擬訓(xùn)練中，行駛數(shù)據(jù)還能帶來其它的優(yōu)勢。例如如果要解決以下問題：“如果發(fā)生X，我們的自動駕駛系統(tǒng)軟件將如何反應(yīng)?”，解決的方法之一是專門派一輛自動駕駛測試車，整天在城市附近的道路行駛，以查看它對碰巧發(fā)生的這種事件作何反應(yīng)。但問題在于，這不是受控試驗(yàn)，這些隨機(jī)的情況在現(xiàn)實(shí)中發(fā)生的概率是非常低的，所以測試的效率也會很低。因此更好的方式是，利用仿真軟件對各種各樣的情況進(jìn)行試驗(yàn)，例如你可以反復(fù)測試“激光雷達(dá)會檢測到那輛卡車嗎?”這樣的情景，而你也可以將測試的數(shù)據(jù)和情況與真實(shí)的路況數(shù)據(jù)進(jìn)行比對。
因此，存在間接的網(wǎng)絡(luò)效應(yīng)：你擁有的真實(shí)路況的駕駛數(shù)據(jù)越多，你的仿真模擬就越準(zhǔn)確，你的自動駕駛系統(tǒng)軟件就越強(qiáng)大。仿真還具有明顯的規(guī)模優(yōu)勢，當(dāng)你擁有更強(qiáng)的算力，更多的工程人員，尤其是有經(jīng)驗(yàn)的工程人員，那么你的系統(tǒng)也會越強(qiáng)。例如，加入Google顯然為Waymo帶來了優(yōu)勢：據(jù)報(bào)道，加入Google前，Waymo每周可行駛25,000個(gè)“真實(shí)”的自動駕駛里程，而加入Google后，則平均每周可以測試1900萬英里。
所以，可以說特斯拉在地圖和駕駛數(shù)據(jù)方面均處于領(lǐng)先地位：自2016年底以來，特斯拉在量產(chǎn)車上搭載了自動駕駛組件，這包括八個(gè)攝像頭(它們提供了近360度的視野)，以及前向雷達(dá)和超聲波傳感器。這些傳感器都可以收集駕駛員真實(shí)的行為數(shù)據(jù)，并將其發(fā)送回特斯拉。問題在于，由于只有前向雷達(dá)，特斯拉建立世界模型的數(shù)據(jù)大部分來自攝像頭的成像。但就如前文所說，這樣的數(shù)據(jù)組成的世界模型，有其局限性。顯然，特斯拉在走一條與依靠激光雷達(dá)的自動駕駛廠商們不同的道路;它將賭注都下在了計(jì)算機(jī)視覺的開發(fā)速度上，而不再等待未來可能出現(xiàn)的廉價(jià)/實(shí)用的激光雷達(dá)。而這同時(shí)意味著，計(jì)算機(jī)視覺軟件將不得不解決更難的問題，因此帶來了更大的挑戰(zhàn)，成熟的時(shí)間也會更慢一些。如果未來激光雷達(dá)在較短的時(shí)間內(nèi)成熟(更小，更便宜)，而特斯拉主要基于計(jì)算機(jī)視覺的自動駕駛系統(tǒng)不能在同一時(shí)間段擁有相應(yīng)的性能，那么它在前期積累的優(yōu)勢可能被消弭，結(jié)果如何，我們拭目以待。
誰將掌握數(shù)據(jù)，數(shù)據(jù)越多越好么?
因此，能夠產(chǎn)生贏家通吃效應(yīng)的網(wǎng)絡(luò)效應(yīng)，體現(xiàn)在：行駛數(shù)據(jù)和地圖中。這帶來兩個(gè)問題：誰來獲取數(shù)據(jù)，以及你需要多少數(shù)據(jù)?
數(shù)據(jù)的所有權(quán)是一個(gè)有趣的權(quán)力和價(jià)值鏈問題。很明顯，特斯拉計(jì)劃自己構(gòu)建所有重要的自動駕駛技術(shù)部分，并將其安裝在自己的汽車上，所以它擁有完整的數(shù)據(jù)。而一些OEM廠商認(rèn)為，因?yàn)樗麄兊钠嚭涂蛻舻年P(guān)系，所以他們自己應(yīng)該擁有的數(shù)據(jù)和其分配權(quán)，而不是給任何技術(shù)合作伙伴的。我不確定銷售GPU、攝像頭或激光雷達(dá)這些“商品”的廠商是否希望保留數(shù)據(jù);但那些開發(fā)成套自動駕駛系統(tǒng)的公司需要擁有數(shù)據(jù)，因?yàn)檫@就是它的工作方式。如果它們不能把數(shù)據(jù)投入到系統(tǒng)中去，它的技術(shù)就無法得到改進(jìn)。這意味著OEM為供應(yīng)商創(chuàng)造了網(wǎng)絡(luò)價(jià)值，而自己卻沒有得到任何價(jià)值，除了更好的自動駕駛性能。這就是PC或安卓OEM廠商的處境：他們通過同意在產(chǎn)品中使用軟件來創(chuàng)造網(wǎng)絡(luò)效應(yīng)，這使得他們的產(chǎn)品得以暢銷，但他們的產(chǎn)品已經(jīng)近乎變成了商品(可替代性強(qiáng))，網(wǎng)絡(luò)價(jià)值歸科技公司所有。這是一個(gè)循環(huán)，大部分價(jià)值都?xì)w廠商，而不是OEM。當(dāng)然這也是大多數(shù)汽車OEM廠商想自己做自動駕駛技術(shù)的原因：他們不想落得像康柏電腦那樣的下場。
這讓我想到最后一個(gè)問題：你到底需要多少數(shù)據(jù)?隨著你添加更多的數(shù)據(jù)，系統(tǒng)會無限制的變得越來越好，還是說有一個(gè)S曲線—是否有一個(gè)點(diǎn)，達(dá)到這個(gè)點(diǎn)之后，添加更多的數(shù)據(jù)會有遞減的回報(bào)?
那就是—網(wǎng)絡(luò)效應(yīng)有多強(qiáng)?
對于地圖來說，這是一個(gè)很明顯的問題。你需要多大密度的布置測試車輛，用多高的頻率測量和更新數(shù)據(jù)，地圖的數(shù)據(jù)精度才足夠高。每一個(gè)參與者最低的市場份額是多少，整個(gè)市場給了參與者多少空間?最后這個(gè)市場是會有十家公司，還是只剩得下一兩家。是否可以有一群二線OEM廠商，將它們所有的地圖數(shù)據(jù)集中和整合起來?這個(gè)生態(tài)不像是消費(fèi)軟件生態(tài)系統(tǒng)—RIM和諾基亞不能把黑莓和S60用戶群集中起來，但你可以把地圖集中起來。這是一個(gè)進(jìn)入的障礙還是一個(gè)進(jìn)入的條件?
這個(gè)問題也適用于行駛數(shù)據(jù)，事實(shí)上是適用于所有的機(jī)器學(xué)習(xí)項(xiàng)目：隨著你添加更多的數(shù)據(jù)，收益會越來越少，曲線在什么時(shí)候會變平，有多少人可以得到這么多的數(shù)據(jù)?對于一些互聯(lián)網(wǎng)應(yīng)用，比如搜索，數(shù)據(jù)帶來的改進(jìn)似乎確實(shí)是無限的，它的結(jié)果總是能變得更相關(guān)。但對于自動駕駛，從準(zhǔn)確度來說，似乎確實(shí)應(yīng)該有一個(gè)上限—如果一輛自動駕駛汽車可以在意大利那不勒斯很好的運(yùn)行一整年，那它應(yīng)該也能在其他地方運(yùn)行，那么還有多少需要改進(jìn)的地方?在某些時(shí)候，你實(shí)際上就可以說它具有了足夠好的能力。所以，網(wǎng)絡(luò)效應(yīng)意味著，如果你有更多的用戶，你的產(chǎn)品就會變得更好，但在產(chǎn)品停止明顯改善之前，你需要多少用戶?你需要賣出多少輛具有自動駕駛系統(tǒng)的汽車，你的自動駕駛的能力才會和市場上最好的汽車一樣好?有多少公司有能力達(dá)到這種水平?而與此同時(shí)，機(jī)器學(xué)習(xí)本身也在快速變化，能幫助你的系統(tǒng)達(dá)到完全自動駕駛能力的數(shù)據(jù)量或許是在變少的。
成為普通供應(yīng)商還是Waymo/特斯拉一家獨(dú)大?
前文一直在說更好的自動駕駛，那么“更差”的自動駕駛技術(shù)意味著什么?它是意味著乘客有可能死亡，還是僅僅代表汽車在面對復(fù)雜路況時(shí)行駛起來不太順暢;需要人類駕駛員來接管?
我猜測，隨著未來自動駕駛從Level 4進(jìn)化到Level 5，手動控制的比例會越來越少。Level 5的自動駕駛不會一下普及，而是會階段性的被使用，而隨著它的普及，手動干預(yù)的比例會越來越少，直到最終被隱藏或移除。Level 5自動駕駛的普及也會和各國的法律有關(guān)，也許在莫斯科或那不勒斯使用Level5之前，法律更友好的德國會率先使用。這將意味著數(shù)據(jù)在網(wǎng)絡(luò)規(guī)模上被收集，并在完全自主之前就被使用。
我們現(xiàn)在還不好確定所有這些問題的答案;很少有業(yè)內(nèi)人士估計(jì)Level 5的自動駕駛在5年內(nèi)會實(shí)現(xiàn)，大家都傾向于這個(gè)時(shí)間會是10年后。他們有一些假設(shè)，這些假設(shè)對于未來的汽車行業(yè)將產(chǎn)生巨大的不同影響。有一種極端的假設(shè)是，因?yàn)闆]有建立較強(qiáng)的網(wǎng)絡(luò)效應(yīng)，最后出現(xiàn)5-10家擁有可行自動駕駛系統(tǒng)的公司，在這種情況下，汽車行業(yè)將把自動駕駛作為一個(gè)組件購買，價(jià)格就像今天的ABS、安全氣囊或衛(wèi)星導(dǎo)航一樣。這仍然會給行業(yè)帶來變化，自動駕駛的普及會讓網(wǎng)約車行業(yè)的乘車成本至少下降四分之三，這將使許多人重新考慮是否應(yīng)該買自己的車。而與自動駕駛技術(shù)同步進(jìn)行的電動汽車技術(shù)，則使汽車中的運(yùn)動部件數(shù)量減少非常多，這會改變工程動力、供應(yīng)商和電池制造商的進(jìn)入壁壘。但是行業(yè)里不會出現(xiàn)手機(jī)行業(yè)里Android那樣的玩家。在另一個(gè)極端假設(shè)，Waymo或特斯拉那樣的廠商會因?yàn)閺?qiáng)網(wǎng)絡(luò)效應(yīng)成為贏家，而整個(gè)行業(yè)的面貌將與現(xiàn)在大不相同。
