現(xiàn)在，得有好幾十家公司嘗試著要拿下無(wú)人車(chē)技術(shù)，OEM車(chē)廠(chǎng)、傳統(tǒng)供應(yīng)商、主流科技大佬以及新創(chuàng)公司都不甘落后——很顯然，并非所有人都能成功，但它們之中，有成功機(jī)會(huì)的大有人在。

　　這讓人開(kāi)始思考：無(wú)人車(chē)領(lǐng)域的“贏(yíng)者通吃”會(huì)是什么樣、在哪個(gè)部位實(shí)現(xiàn)，以及通過(guò)什么途徑實(shí)現(xiàn)。

　　在無(wú)人車(chē)領(lǐng)域，還會(huì)不會(huì)像智能手機(jī)和PC操作系統(tǒng)上一樣，出現(xiàn)“網(wǎng)絡(luò)效應(yīng)”，讓一兩家頂尖大公司擠掉剩下所有人?

　　是否會(huì)存在讓五家、十家公司持續(xù)競(jìng)爭(zhēng)下去的空間?

　　哪一層級(jí)的勝利會(huì)對(duì)其他層級(jí)產(chǎn)生杠桿效應(yīng)?

　　這些直接指向未來(lái)汽車(chē)行業(yè)權(quán)力平衡的問(wèn)題值得好好討論。汽車(chē)制造商能夠從幾十家公司“成箱”購(gòu)買(mǎi)自動(dòng)駕駛技術(shù)(或是自己搞出來(lái))，和Uber Waymo兩家獨(dú)大，隨心所欲、肆無(wú)忌憚地制定游戲規(guī)則，這完全就是兩個(gè)世界。

　　微軟和英特爾扼住了PC世界的咽喉，谷歌撓到了智能手機(jī)的腳心——無(wú)人車(chē)行業(yè)的關(guān)鍵點(diǎn)又會(huì)出現(xiàn)在哪個(gè)部位呢?

　　硬件：沒(méi)有網(wǎng)絡(luò)效應(yīng)

　　首先有一件事似乎非常清楚：對(duì)于自助系統(tǒng)和電動(dòng)系統(tǒng)而言，硬件和傳感器將成為通用商品。后兩者，比如LED顯示屏，涉及大量的技術(shù)和工程細(xì)節(jié)，但在選擇上你卻沒(méi)必要隨大流。這里存在很強(qiáng)的制造商規(guī)模效應(yīng)，但是不存在網(wǎng)絡(luò)效應(yīng)。

　　我們拿激光雷達(dá)舉個(gè)例子。

　　這玩意從5萬(wàn)刀的“旋轉(zhuǎn)全家桶”，到幾百刀或更便宜的小型固態(tài)激光雷達(dá)，啥樣都有，當(dāng)然會(huì)有贏(yíng)家從中出現(xiàn)，但不會(huì)有網(wǎng)絡(luò)效應(yīng)存在。

　　因?yàn)槟孟录す饫走_(dá)這塊戰(zhàn)場(chǎng)不會(huì)對(duì)其他戰(zhàn)場(chǎng)產(chǎn)生作用(除非你能壟斷)，就像“造出最好的圖像傳感器然后把它們賣(mài)給蘋(píng)果”對(duì)索尼的智能手機(jī)業(yè)務(wù)沒(méi)什么幫助一樣。

　　電池、發(fā)動(dòng)機(jī)、以及它們的控制系統(tǒng)，就像現(xiàn)在電子行業(yè)的RAM一樣，都是商品——再次重申，這個(gè)領(lǐng)域涉及大量技術(shù)、會(huì)有規(guī)模效應(yīng)，也許還會(huì)有一些優(yōu)勝者，但不會(huì)有更廣闊的影響力。

　　按需服務(wù)：不一定行得通

　　另一方面，對(duì)于第三方軟件開(kāi)發(fā)者的生態(tài)系統(tǒng)而言，要走效仿過(guò)去PC和智能手機(jī)的路徑可能不是那么容易。

　　當(dāng)年，Windows懟翻了Mac，iOS和Android懟翻了Windows Phone，因?yàn)樵谒袞|西之上形成了一個(gè)開(kāi)發(fā)者的良性循環(huán)——但在汽車(chē)這件事上，你不會(huì)根據(jù)能跑動(dòng)多少app來(lái)決定買(mǎi)什么車(chē)。它們可能接入的都是Uber、Lyft或是滴滴，屏幕上掛的都是Netflix，而不是你手機(jī)上裝的那些東西。

　　相反，需要關(guān)注的地方并不在汽車(chē)內(nèi)部，而是在更高的層面——在能讓無(wú)人車(chē)安全上路的軟件上，在全城尺度下的調(diào)配和路徑優(yōu)化上(這意味著我們將所有無(wú)人車(chē)看作一個(gè)系統(tǒng)，而不是各自為戰(zhàn))，在那些將會(huì)以此為生、按需服務(wù)的“機(jī)器人出租車(chē)隊(duì)”上。

　　很明顯，按需服務(wù)軟件存在網(wǎng)絡(luò)效應(yīng)，但這點(diǎn)在無(wú)人車(chē)行業(yè)卻要復(fù)雜得多。按需的無(wú)人出租車(chē)隊(duì)將會(huì)動(dòng)態(tài)地對(duì)自己的車(chē)輛進(jìn)行預(yù)先部署，也有很大可能，所有其余的無(wú)人車(chē)都要實(shí)時(shí)配合它們的路線(xiàn)，以追求最大效率。

　　這種優(yōu)化可能需要跨越不同車(chē)隊(duì)，來(lái)避免一些類(lèi)似“所有無(wú)人車(chē)同時(shí)選擇來(lái)相同路線(xiàn)”的情況出現(xiàn)。反過(guò)來(lái)，這還能和動(dòng)態(tài)定價(jià)以及所有不同種類(lèi)的道路收費(fèi)方式相結(jié)合——在繁忙時(shí)段，為了更快到達(dá)目的地你可能需要花更多錢(qián)，或者，你也可以依據(jù)價(jià)格來(lái)選擇到達(dá)時(shí)間。

　　從技術(shù)角度而言，這三層(駕駛、路線(xiàn)及優(yōu)化、按需)是在極大程度上獨(dú)立的——在這樣的假想下，你可以在一輛通用制造的無(wú)人車(chē)上安裝一個(gè)Lyft的App，讓預(yù)裝的Waymo自動(dòng)駕駛軟件開(kāi)著它，載著別人去兜兜風(fēng)。

　　當(dāng)然，有些人希望不同的層級(jí)之間會(huì)產(chǎn)生杠桿效應(yīng)，或者想把它們捆綁在一起，比如特斯拉計(jì)劃禁止乘客在其無(wú)人車(chē)上使用自家產(chǎn)品以外的按需服務(wù)。但反過(guò)來(lái)這事就行不通了，Uber不會(huì)堅(jiān)持讓你只使用他家的自動(dòng)駕駛系統(tǒng)。

　　盡管微軟讓W(xué)indows同Office之間產(chǎn)生了相互作用力，但二者都很強(qiáng)，同時(shí)也都用自身的網(wǎng)絡(luò)效應(yīng)贏(yíng)下了各自的市場(chǎng)。

　　往后，如果一家小型的OEM堅(jiān)持讓你使用它的小型無(wú)人出租車(chē)服務(wù)，這事就像是蘋(píng)果在1995年堅(jiān)持讓你買(mǎi)AppleWorks辦公軟件，而不讓用微軟的Office。

　　這個(gè)案例可以很好地說(shuō)明，假如所有的無(wú)人車(chē)都能跨城協(xié)調(diào)，或者在某些路口實(shí)現(xiàn)車(chē)與車(chē)之間的溝通，那你將會(huì)需要?jiǎng)?chuàng)造一些能夠共通的層次(雖然我一直看好的是分散式系統(tǒng))。

　　數(shù)據(jù)：網(wǎng)絡(luò)效應(yīng)的關(guān)鍵

　　其實(shí)上面這些都是在瞎猜，就像在1900年預(yù)測(cè)交通擁堵會(huì)是什么場(chǎng)面一樣。

　　而我們唯一能討論關(guān)鍵網(wǎng)絡(luò)效應(yīng)會(huì)是什么樣子的領(lǐng)域，其實(shí)在于無(wú)人車(chē)本身。這件事關(guān)乎硬件、傳感器以及軟件，但更多是關(guān)于數(shù)據(jù)。

　　對(duì)于無(wú)人車(chē)而言，有兩種數(shù)據(jù)比較重要——地圖和駕駛數(shù)據(jù)。

　　先來(lái)說(shuō)說(shuō)地圖。

　　我們的大腦其實(shí)在不斷地處理數(shù)據(jù)，并且構(gòu)建周?chē)澜绲?D模型，這件事是實(shí)時(shí)的、無(wú)意識(shí)的，這樣我們穿過(guò)一片森林時(shí)才不會(huì)被樹(shù)根絆倒或是被樹(shù)枝撞到頭。而對(duì)于無(wú)人車(chē)，這一過(guò)程被稱(chēng)為SLAM(同步本地化及繪圖)——我們將周?chē)h(huán)境繪制成地圖并將自己在其中定位。

　　對(duì)于無(wú)人車(chē)而言，這顯然是一項(xiàng)基本要求——無(wú)人車(chē)需要搞清楚自己在什么位置，周?chē)惺裁刺卣?行車(chē)道、路口、路牙、交通信號(hào)燈等等)，它們還要搞明白其他無(wú)人車(chē)在哪以及它們跑得多快。

　　在一條真實(shí)的道路上實(shí)時(shí)完成這件事仍然是非常困難的。人類(lèi)駕駛時(shí)的確會(huì)用到視覺(jué)(以及聽(tīng)覺(jué))，但僅憑周?chē)鷪D像來(lái)抽象出一幅足夠精確地3D模型，對(duì)于機(jī)器來(lái)說(shuō)仍然是個(gè)難以解決的問(wèn)題：機(jī)器學(xué)習(xí)增大了這件事實(shí)現(xiàn)的可能性，但目前沒(méi)人能做到實(shí)際駕駛需要的精確程度。

　　因此我們走捷徑。

　　這也是為什么所有的自動(dòng)駕駛項(xiàng)目都在將視覺(jué)與360度的激光雷達(dá)相結(jié)合：每個(gè)傳感器都有自己的局限范圍，但將它們結(jié)合在一起(傳感器融合)你就能得到一幅完整的圖像。

　　在未來(lái)的某一天，單憑圖像來(lái)構(gòu)造一個(gè)周?chē)澜绲哪Ｐ蛯?huì)成為可能，但使用更多的傳感器將會(huì)讓你更快地達(dá)到自己的目標(biāo)，即便是你要考慮它們尚需改善的成本和外形問(wèn)題。

　　激光雷達(dá)就是一條捷徑。

　　有了它之后，你通常要用機(jī)器學(xué)習(xí)來(lái)理解里面的東西，比如某些汽車(chē)的形狀，或是騎車(chē)的人。但這件事看上去不會(huì)有網(wǎng)絡(luò)效應(yīng)：就算沒(méi)有車(chē)隊(duì)，你自己也能得到足夠的騎車(chē)人照片來(lái)訓(xùn)練系統(tǒng)。

　　如果激光雷達(dá)是通往SLAM的一條捷徑，另一條、也是更有趣的一條則是使用預(yù)先建好的地圖，或者更準(zhǔn)確一點(diǎn)說(shuō)，“高清3D模型”。

　　你事先對(duì)道路進(jìn)行調(diào)查，從容地處理所有的數(shù)據(jù)，建立一個(gè)道路的模型，然后將它放進(jìn)一臺(tái)即將開(kāi)上路的車(chē)?yán)?，這樣，無(wú)人車(chē)就不需要在65英里的時(shí)速下實(shí)時(shí)處理所有的數(shù)據(jù)或是發(fā)現(xiàn)交通信號(hào)燈，在任何時(shí)候，它都可以通過(guò)一些地標(biāo)來(lái)將自己在地圖中進(jìn)行定位。

　　這種地圖是具有網(wǎng)絡(luò)效應(yīng)的。

　　任意一輛無(wú)人車(chē)開(kāi)上一條預(yù)先繪制了地圖的道路上時(shí)，既是在將地圖和道路進(jìn)行比對(duì)，也是在對(duì)地圖進(jìn)行更新：每輛無(wú)人車(chē)都可以是一輛數(shù)據(jù)搜集車(chē)。

　　如果你已經(jīng)賣(mài)出了50萬(wàn)輛無(wú)人車(chē)，而另一個(gè)人只賣(mài)出了1萬(wàn)輛，你的地圖就會(huì)被更新得更為頻繁，也會(huì)更為精確，因此你的無(wú)人車(chē)也就越不容易被某些沒(méi)見(jiàn)過(guò)的東西搞懵。

　　你賣(mài)的車(chē)越多，你的車(chē)就越好——這毫無(wú)疑問(wèn)就是網(wǎng)絡(luò)效應(yīng)。

　　不過(guò)這件事的風(fēng)險(xiǎn)在于，從長(zhǎng)期來(lái)看，既然汽車(chē)能不靠激光雷達(dá)來(lái)進(jìn)行SLAM，它們同樣也可以不靠預(yù)制的地圖來(lái)完成這件事——畢竟，人類(lèi)就能做到。這種情況是否會(huì)發(fā)生、將在什么時(shí)候發(fā)生，現(xiàn)在依然不清楚，但等它成為現(xiàn)實(shí)時(shí)，無(wú)人車(chē)早就量產(chǎn)好久了。

　　因此，地圖是在數(shù)據(jù)中的第一種網(wǎng)絡(luò)效應(yīng)。

　　而第二種則在于理解了周?chē)h(huán)境之后，無(wú)人車(chē)的決策。

　　在一條空曠的道路行駛，或者是在一條滿(mǎn)是無(wú)人車(chē)的道路上行駛，是一個(gè)問(wèn)題;但“看見(jiàn)”之后，弄明白路上的其他人類(lèi)將要做什么以及要如何來(lái)應(yīng)對(duì)，這完全是另一個(gè)問(wèn)題。

　　支撐自動(dòng)駕駛成為現(xiàn)實(shí)的突破之一，是機(jī)器學(xué)習(xí)能夠很好地應(yīng)付這件事：不需要編寫(xiě)那些復(fù)雜的解釋規(guī)則，機(jī)器學(xué)習(xí)使用數(shù)據(jù)。要知道，數(shù)據(jù)越多越好，關(guān)于現(xiàn)實(shí)世界中人類(lèi)司機(jī)行為和反應(yīng)的數(shù)據(jù)收集得越多，你的軟件就會(huì)越好地理解現(xiàn)況并規(guī)劃下一步動(dòng)作。

　　這就像地圖一樣，你賣(mài)的車(chē)越多，你的車(chē)就越好——這無(wú)疑是網(wǎng)絡(luò)效應(yīng)。

　　模擬是駕駛數(shù)據(jù)的另一項(xiàng)用途。這點(diǎn)應(yīng)該能解決“如果x發(fā)生了，我們的自動(dòng)駕駛軟件將會(huì)如何應(yīng)對(duì)”這個(gè)問(wèn)題。進(jìn)行這項(xiàng)工作的一種途徑是造一臺(tái)無(wú)人車(chē)，然后讓它繞真城市自己行駛，來(lái)看看它對(duì)其他任意司機(jī)的隨機(jī)行為將會(huì)作何反應(yīng)。但問(wèn)題在于，這不是個(gè)可控的實(shí)驗(yàn)——你不可能完全重現(xiàn)原來(lái)的場(chǎng)景，來(lái)看看問(wèn)題都解決了沒(méi)有。

　　因此我們就得寄希望于模擬了——你把你的無(wú)人車(chē)軟件放進(jìn)GTA里(大概就這意思)，然后進(jìn)行任何你想要進(jìn)行的測(cè)試。有些事它干不了(比如“激光雷達(dá)會(huì)探測(cè)到卡車(chē)嗎”)，某些模擬場(chǎng)景是循環(huán)的，但它的確能告訴你系統(tǒng)會(huì)對(duì)某些特定場(chǎng)景作何反應(yīng)，然后你就可以從你的真實(shí)駕駛數(shù)據(jù)中收集這些情況。

　　因此這是一種直接的網(wǎng)絡(luò)效應(yīng)：你擁有越多的駕駛數(shù)據(jù)，你就能讓你的模擬越精確，進(jìn)而你就能讓自己的軟件變得越好。

　　當(dāng)然，從規(guī)模上講，模擬的優(yōu)勢(shì)顯然非常清楚，比如在你能負(fù)擔(dān)得起的計(jì)算資源上，在參與工作的人數(shù)上，以及在大型計(jì)算項(xiàng)目所需的專(zhuān)業(yè)知識(shí)量上。Waymo作為Google的兄弟公司，就擁有一種優(yōu)勢(shì)：2016年，它每周報(bào)告25000“真實(shí)”自動(dòng)駕駛英里數(shù)，同時(shí)進(jìn)行了10億英里的模擬。

　　可以說(shuō)，特斯拉在地圖和駕駛數(shù)據(jù)上都處于領(lǐng)先位置：在2016年晚些時(shí)候，他們家那些裝載了Autopilot系統(tǒng)的新車(chē)全都掛上了8個(gè)攝像頭，實(shí)現(xiàn)了幾乎360度的視野，同時(shí)輔以?xún)蓚€(gè)前向雷達(dá)。所有這些傳感器都會(huì)同時(shí)收集地圖和駕駛員行為數(shù)據(jù)，反饋回特斯拉。因?yàn)橹挥星跋虻睦走_(dá)，特斯拉將只能單獨(dú)地靠圖像來(lái)構(gòu)建絕大部分的地圖，但就如我之前所言，我們不知道如何精確地完成這項(xiàng)工作。

　　這意味著特斯拉在收集著大量可讀的數(shù)據(jù)(或者說(shuō)至少是足夠生產(chǎn)一套完整解決方案的數(shù)據(jù))。

　　當(dāng)然，你不僅要收集數(shù)據(jù)，還要解決實(shí)際開(kāi)車(chē)的問(wèn)題，因此特斯拉現(xiàn)在正在計(jì)算機(jī)視覺(jué)的發(fā)展速度上做一場(chǎng)逆勢(shì)豪賭。

　　為了節(jié)約時(shí)間，特斯拉沒(méi)有等待便宜好用的激光雷達(dá)，而是選擇了用計(jì)算機(jī)視覺(jué)軟件來(lái)解決更為困難的問(wèn)題，這也可能會(huì)花費(fèi)更長(zhǎng)的時(shí)間。以及，如果自動(dòng)駕駛所需的所有其他軟件——那些為無(wú)人車(chē)做決策的部分——花的時(shí)間夠長(zhǎng)的話(huà)，便宜好用的激光雷達(dá)可能會(huì)在無(wú)人車(chē)上路之前出現(xiàn)，這樣的話(huà)特斯拉就尷尬了。我們拭目以待。

　　因此，網(wǎng)絡(luò)效應(yīng)——“贏(yíng)者通吃”效應(yīng)在于數(shù)據(jù)中：包括駕駛數(shù)據(jù)以及地圖。