【中國安防展覽網(wǎng) 媒體導(dǎo)讀】無人車是對未來影響巨大的新興技術(shù)，目前有幾十家公司都在窺伺這個龐大的市場。那么究竟未來的市場格局會如何走向?會不會出現(xiàn)贏家通吃的局面?真正具備杠桿作用的因素有是什么?
目前有好幾十家公司正在試圖研發(fā)無人車的技術(shù)，其中包括了OEM、其傳統(tǒng)的供應(yīng)商、現(xiàn)有的主流技術(shù)公司以及初創(chuàng)企業(yè)。顯然，這些公司不會個個都能取得成功，但有機(jī)會的不在少數(shù)，這不禁讓人猜測，贏家通吃的效應(yīng)會在哪里發(fā)生?這會產(chǎn)生哪一種的影響力?會不會出現(xiàn)那種*一、兩位的公司榨干剩余者的網(wǎng)絡(luò)效應(yīng)，就像智能手機(jī)或者PC操作系統(tǒng)身上發(fā)生過的事情一樣?還是說這里能容納5到10家公司無限地相互競爭下去?而在那個堆棧里面又是哪一層的勝利會給其它層賦予力量呢?
這類問題很重要，因?yàn)樗鼈冎该髁宋磥砥嚇I(yè)勢力均衡的方向。就像他們今天購買ABS(自動防滑剎車系統(tǒng))一樣，一個汽車制造商可以從5、6家公司中購買商品化的“自動化套件”(或者自行生產(chǎn))的世界，將會與Waymo和Uber(也許)是真正選項(xiàng)，并且可以按照自己選擇設(shè)定商業(yè)模式(就像Google為Android設(shè)定的那樣)的世界非常不同。微軟和英特爾在PC世界以及Google在智能手機(jī)找到了咽喉點(diǎn)——無人車領(lǐng)域的咽喉地帶又在哪里呢?
作為開始，無人駕駛領(lǐng)域的硬件和傳感器，可能再加上電子部分將會商品化，這一點(diǎn)似乎是相當(dāng)明確的。這些領(lǐng)域包含了大量的科學(xué)和工程(以及大量要做的工作)，可以說，就像LCD屏幕那樣，但為什么就因?yàn)閯e人都用這個你就不能用另一個呢?這是沒有理由的。這里存在著龐大的制造規(guī)模效應(yīng)，但并沒有網(wǎng)絡(luò)效應(yīng)(注：網(wǎng)絡(luò)效應(yīng)的特點(diǎn)是大家都用所以我也只能用)。比方說激光雷達(dá)就會從造價50000美元的“旋轉(zhuǎn)的肯德基全家桶”變成一個小型的固態(tài)電子設(shè)備，成本也會降到幾百美元或者更低，這個細(xì)分領(lǐng)域?qū)霈F(xiàn)贏家，但不會有網(wǎng)絡(luò)效應(yīng)，因?yàn)楂@勝的激光雷達(dá)品牌對于無人車技術(shù)棧的其他層不會產(chǎn)生影響(除非你形成了壟斷)，制造好的圖像傳感器(并且把它賣給蘋果)以外的任何事情對索尼的智能手機(jī)業(yè)務(wù)都有幫助。同樣地，電池(以及發(fā)動機(jī)和電池/發(fā)動機(jī)控制)也很可能像今天的RAM一樣成為商品——再次地，規(guī)模，大量的科學(xué)可能再加上每個類別里面都會出現(xiàn)一些贏家，但不會有更大的影響力。
另一方面，無人車這塊可能不會有相當(dāng)于PC或智能手機(jī)市場看到的第三方軟件生態(tài)體系。因?yàn)椴捎米约憾皇莿e人所形成的良性循環(huán)，Windows碾壓了Mac然后iOS和Android壓垮了Windows Phone，但是你不會根據(jù)車上面跑多少應(yīng)用來決定購買什么車(當(dāng)然了，前提是你還想擁有一輛車)。它們?nèi)紩躑ber、Lyft和滴滴，嵌入了Netflix在屏幕上，但任何任何應(yīng)用都會出現(xiàn)在你的手機(jī)(或者手表、眼鏡上)。
我們的目光不要直接放在車上面，相反，要上那個棧的更上層去看——看那些讓車在路上行走而不是撞上任何東西的無人控制軟件，看看城市范圍內(nèi)的優(yōu)化以及路由(這意味著我們可能會把所有汽車當(dāng)作一個系統(tǒng)進(jìn)行自動化，而不是個體)，看看基于堆棧下面的所有基礎(chǔ)而運(yùn)轉(zhuǎn)的按需出行的“機(jī)器的士”車隊(duì)。按需的網(wǎng)絡(luò)效應(yīng)是不言自明的，但加入自動化之后會變得復(fù)雜很多(這會將按需出行的成本降低4/3甚至更多)。按需機(jī)器的士車隊(duì)會動態(tài)預(yù)定位好自己的車，所有這些車可能還包括別的車都會為了實(shí)現(xiàn)效率大化而實(shí)時協(xié)調(diào)自己的路線，比方說整支車隊(duì)會避免同時選擇相同路線的情況出現(xiàn)。這反過來不僅會跟高峰定價結(jié)合起來，而且還會考慮到各種道路定價的差異——在交通繁忙期間你可以付更多的錢以爭取更快抵達(dá)目的地，或者根據(jù)價格選擇另一種到達(dá)時間。
從技術(shù)的角度來看，有三層(駕駛、路由及優(yōu)化，以及按需請求)基本上是獨(dú)立的——理論上你可以在GM的無人車上安裝Lyft app，讓預(yù)裝的Waymo自動駕駛模塊開車載著人到處逛。顯然，一些人希望有跨層的影響力，或者可能想進(jìn)行捆綁——Tesla說自己計(jì)劃禁止車主用自己的無人車采用非自家的任何其他按需服務(wù)。反過來就不行了——Uber就不會堅(jiān)持要你只用它自己的無人駕駛系統(tǒng)。不過盡管微軟在Office和Windows上相互利用了影響力，但這兩個都是靠自己的網(wǎng)絡(luò)效應(yīng)贏得各自市場的：一家小型的OEM堅(jiān)持要你使用其小規(guī)模的機(jī)器的士服務(wù)，就像是1995年的蘋果堅(jiān)持要買AppleWorks而不是微軟Office一樣。我猜測一個更加中立的辦法也許是會占得上風(fēng)。如果我們要對所有車輛進(jìn)行跨城市的協(xié)調(diào)，或者甚至在路口進(jìn)行車與車之間的通信時就更是如此——你將需要某種公共的層(盡管我一直都更偏好去中心化系統(tǒng))。
但這一切都是猜測的成分頗多，就像在1900年的時候試圖預(yù)測交通擁堵會是什么樣子。有一個領(lǐng)域我們能夠討論關(guān)鍵的網(wǎng)絡(luò)效應(yīng)可能是什么樣的，那就是無人化本身。這跟硬件、傳感器以及軟件有關(guān)，但主要是跟數(shù)據(jù)有關(guān)，對于無人化來說有兩種數(shù)據(jù)是重要的——地圖數(shù)據(jù)和駕駛數(shù)據(jù)。首先看看“地圖”。
我們的大腦在不斷處理傳感器數(shù)據(jù)同時建立起周圍世界的3D模型，這都是在實(shí)時且頗為下意識的情況下發(fā)生的，以至于當(dāng)我們在森林中穿行時也不會被樹根絆倒或者頭撞到樹枝(基本上不會)。在無人駕駛領(lǐng)域又被稱為是SLAM(同步定位與地圖構(gòu)建)——我們映射周圍環(huán)境并且定位自己在其中的位置。這顯然是無人駕駛的基本要求——無人車需要弄清楚自己在道路的位置，周邊有什么特征(車道、轉(zhuǎn)彎、路邊、交通燈等)，它們還需要弄清楚路上還有哪些其他的車及其移動速度有多快。
在真正的道路上實(shí)時做這些事情仍然非常困難。人類駕駛利用了視覺(以及聲音)，但光靠圖像(尤其是2D圖像)把周圍環(huán)境析取出一個足夠的3D模型仍然是個未解難題：機(jī)器學(xué)習(xí)讓這件事情變得可能，但還沒有人把精度做到足夠供駕駛使用。于是，我們開始走捷徑。這就是為什么幾乎所有的無人駕駛項(xiàng)目都將成像與360°LIDAR結(jié)合起來的原因：這些傳感器每個都有自己的局限性，但把它們結(jié)合起來(“傳感器融合”)你就能得到一幅完整的畫面。僅靠成像建立周圍世界的模型在未來某個時候當(dāng)然是可能的，但利用更多的傳感器能讓你實(shí)現(xiàn)得快很多，即便考慮到你要等到成本和那些傳感器的形態(tài)因子變得更加實(shí)際。也就是說，LIDAR是獲得周圍世界模型的一條捷徑。一旦你獲得了這一模型，你往往就會用機(jī)器學(xué)習(xí)來了解里面有什么東西——這個是車的樣子，那個是自行車手的，但就這個而言似乎并沒有網(wǎng)絡(luò)效應(yīng)(或者不是很強(qiáng))：就算沒有一支車隊(duì)你也能拿到足夠的自行車手圖像。
如果LIDAR是實(shí)現(xiàn)SLAM的捷徑之一，另一條更有趣的捷徑則是采用預(yù)置地圖，其實(shí)就是“高精度3D模型”。你預(yù)先對道路進(jìn)行勘察，從容地處理好所有的數(shù)據(jù)，建立街道的模型然后把它放進(jìn)任何一輛即將駛?cè)氲缆返能嚴(yán)锩妗，F(xiàn)在無人車不再需要在時速65英里的情況下實(shí)時處理所有的數(shù)據(jù)并識別轉(zhuǎn)彎或交通燈了——相反，它已經(jīng)知道去哪里尋找交通燈，它還可以將關(guān)鍵地標(biāo)與模型進(jìn)行比對以在任何時候都能定位自己在道路的位置。這樣，你的車用攝像頭和LIDAR通過跟預(yù)置地圖進(jìn)行比較而不是從零做起來弄清楚它在道路的什么位置，交通燈在哪里等，同時也用這些輸入來實(shí)時識別周圍的其他車輛。
地圖就有網(wǎng)絡(luò)效應(yīng)。當(dāng)任何一輛無人車沿著預(yù)先映射的道路行駛時，它既會將道路與地圖進(jìn)行對比同時也會更新地圖：每一輛無人車也可以成為一輛勘察車。如果你賣出了50萬輛無人車而別人只賣出1萬輛，你的地圖就會更新越多并且更，這樣一來你的車就不那么容易碰到某個全新的、出乎意料的東西而感到疑惑。你賣的車越多，你所有的車就變得越好——這是的網(wǎng)絡(luò)效應(yīng)。
這里的風(fēng)險是，從長期來看，就像汽車不用LIDAR也能做SLAM是有可能的那樣，不用預(yù)置地圖來做到這些也是可能的——畢竟，人類就能這樣。這會不會發(fā)生以及什么時候會發(fā)生還不清楚，但目前看來似乎要等到無人車上市銷售之后很久才行，到了那個時候整個版圖的其他部分看起來可能也已經(jīng)很不一樣了。
那么，地圖就是在數(shù)據(jù)方面的個網(wǎng)絡(luò)效應(yīng)了——第二個來自于汽車?yán)斫饬酥車h(huán)境之后所做的事情。在空無一人的道路上行駛，還是的確是在到處都是其他無人車的道路上行駛，一旦你能看到的話，這是一個問題，但弄清楚道路上的其他人準(zhǔn)備要干什么，為此你又要干什么，則完全是另一個問題了。
支持自動駕駛的突破之一是機(jī)器學(xué)習(xí)應(yīng)該很擅長干這個：機(jī)器學(xué)習(xí)不像過去的技術(shù)，你不需要寫復(fù)雜的規(guī)則去解釋你是如何思考大家會怎么行事的，它會使用數(shù)據(jù)——而且越多越好。你能夠收集的關(guān)于真正的司機(jī)(包括其他司機(jī)以及坐在勘察車的司機(jī)本人)在現(xiàn)實(shí)世界中如何行為和做出反應(yīng)的數(shù)據(jù)越多，你的軟件對周圍發(fā)生的事情的理解就越好，規(guī)劃下一步該做什么就會越好。就像地圖一樣，在正式推出前你的測試車像收集好了這些數(shù)據(jù)，但在推出后，你賣出的每一輛車都在收集這一數(shù)據(jù)并將其發(fā)送回家里。那么，就像地圖一樣，你賣出去的車越多，你所有的車都會越好——這也是網(wǎng)絡(luò)效應(yīng)。
駕駛數(shù)據(jù)還可以有另一個二次使用，用于駕駛數(shù)據(jù)仿真。這是為了解決“如果發(fā)生了X，我們的無人車會作何反應(yīng)?”的問題。做這個的辦法之一是造一輛無人車讓它一整天自行在城市里亂逛，看看它對其他司機(jī)身上發(fā)生的任何隨機(jī)事件是怎么反應(yīng)的。問題是這不是一個受控的實(shí)驗(yàn)——你沒法向新軟件重現(xiàn)一個場景來看看什么發(fā)生了改變以及你的問題是否得到了解決。因此，現(xiàn)在大量的努力都是投入到仿真方面的——你把你的無人車軟件放進(jìn)《俠盜獵車手》里面(幾乎就是這樣)，然后針對任何你需要的情況對它進(jìn)行測試。這未必需要捕捉到一些東西(“LIDAR會不會檢測出那輛卡車?”)，而且一些仿真場景將會是循環(huán)的，但它的確告訴了你自己的系統(tǒng)會對確定的情況作何反應(yīng)，而你則可以從你的真實(shí)世界的駕駛數(shù)據(jù)中收集那些情況。那么這里就出現(xiàn)了一個間接的網(wǎng)絡(luò)效應(yīng)：你擁有的真實(shí)世界的駕駛數(shù)據(jù)越多，你的仿真就可以越，因此也就可以把你的軟件做得越好。仿真顯然也存在著規(guī)模優(yōu)勢，這體現(xiàn)在你能夠拿出多少計(jì)算資源，投入多少人，以及在大型計(jì)算項(xiàng)目上擁有多少體系知識來做這件事情上。作為Google的一部分顯然給Waymo帶來了一項(xiàng)優(yōu)勢：它報(bào)告說每周的“真正”無人駕駛行駛里程可達(dá)25000英里，但在2016年累計(jì)模擬行駛里程已經(jīng)達(dá)到了10億英里(平均每周1900萬英里)。
有人認(rèn)為Tesla在地圖和駕駛數(shù)據(jù)方面都處于：自2016年末以來，它的那些客戶購買了“Autopilot(自動導(dǎo)航)”附件的新車都有8個攝像頭，可生成接近360°的視場，再加上一個前向雷達(dá)(此外還有一組超聲波傳感器，但是識別范圍很小，主要是用于停車)作為補(bǔ)充。所有這些都能收集地圖和司機(jī)行為數(shù)據(jù)然后回傳給Tesla，不過似乎Tesla近才剛剛開始收集其中一些數(shù)據(jù)。關(guān)鍵是既然雷達(dá)只是指向前面，Tesla將被迫僅靠成像來建立周圍世界大部分的模型，但就像我前面指出那樣，我們還不知道如何地做到這一點(diǎn)。這意味著Tesla其實(shí)在收集著目前沒人能夠解讀的數(shù)據(jù)(或者至少解讀得足夠好到可以形成完整解決方案)。當(dāng)然，你還必須解決這個問題，這既是為了收集數(shù)據(jù)，也是為了能駕駛汽車，這樣看來，Tesla正在進(jìn)行一場逆向思維的豪賭，賭的是計(jì)算機(jī)視覺的進(jìn)展速度會超出我們想象。因?yàn)椴恍枰萀IDAR的廉價化/實(shí)用化，Tesla是節(jié)省了時間，但在沒有LIDAR(把LIDAR放進(jìn)所有的Tesla車上面幾乎是不可能的)的情況下做無人駕駛意味著計(jì)算機(jī)視覺軟件必須解決更困難的問題，而這個問題的解決可能需要的時間更久。如果無人駕駛軟件的其他部分——那些決定汽車應(yīng)該做什么事情的組件需要很長時間才能實(shí)現(xiàn)的話，LIDAR也許就會先于無人駕駛可行之前變得便宜且實(shí)用起來，從而導(dǎo)致Tesla抄的近路變得無關(guān)緊要。會不會這樣呢?我們走著瞧。
那么，數(shù)據(jù)是有網(wǎng)絡(luò)效應(yīng)，也就是贏家通吃效應(yīng)的：駕駛數(shù)據(jù)和地圖數(shù)據(jù)都有。這就引出了兩個問題：誰掌握了這些數(shù)據(jù)，你又需要多少數(shù)據(jù)?
數(shù)據(jù)的所有權(quán)是一種有趣的權(quán)力和價值鏈問題。顯然Tesla打算自己開發(fā)所有的重要技術(shù)然后放進(jìn)自己的車?yán)铮运矒碛袛?shù)據(jù)。但一些OEM已經(jīng)提出，車是自己的，客戶關(guān)系也是自己的，所以擁有和分配的是他們的數(shù)據(jù)，不是任何技術(shù)合作伙伴的。對于傳感器供應(yīng)商來說這似乎是一個合理的定位：我不敢肯定自己賣GPU、攝像頭或者LIDAR同時還向保留數(shù)據(jù)是否可持續(xù)。但執(zhí)行制造無人駕駛部件的公司是需要擁有那些數(shù)據(jù)的，因?yàn)檫@是工作機(jī)制的要求。如果你不把數(shù)據(jù)反饋回來給技術(shù)它就不能進(jìn)一步改進(jìn)自己。這意味著OEM在給供應(yīng)商創(chuàng)造了網(wǎng)絡(luò)價值，但除了可以實(shí)現(xiàn)更好的自動化之外，自己卻沒有獲得其中的任何價值，但那種更好的自動化會成為一種商品，任何使用它的OEM的所有產(chǎn)品都可以用。這就是PC或者Android OEM的定位：他們通過同意在自己的產(chǎn)品內(nèi)使用該軟件而制造出網(wǎng)絡(luò)效應(yīng)，這讓他們可以賣出自己的產(chǎn)品，但他們的產(chǎn)品已經(jīng)變成了接近于日用品，網(wǎng)絡(luò)價值已經(jīng)流到技術(shù)公司那里了。這是一個良性循環(huán)，大部分的價值都跑到了供應(yīng)商而不是OEM那里。這當(dāng)然就是為什么大多數(shù)汽車OEM想要自己做的原因：因?yàn)樗麄儾幌肼涞孟馛ompaq那樣的結(jié)局。
這就把我引向了后一個問題：你究竟需要多少數(shù)據(jù)?你增加的數(shù)據(jù)越多，系統(tǒng)是不是多多少少都會無限地變得更好?還是說會形成一條S曲線——到了一定時候增加的數(shù)據(jù)越多會出現(xiàn)收益遞減的規(guī)律?
也就是說——網(wǎng)絡(luò)效應(yīng)到底有多強(qiáng)勁?
對于地圖來說，這個問題是相當(dāng)清楚的。你的地圖要好到支撐多大密度的車和多高的頻率，這個轉(zhuǎn)換成市場份額的小要求又是多少?這個市場能夠承受多少的參與者?可以有10家來做嗎?還是兩家?一堆的二級OEM能不能一起合作湊出所有的地圖數(shù)據(jù)?送貨卡車能不能像今天賣其他類型的地圖數(shù)據(jù)那樣賣自己的數(shù)據(jù)?再次地，這不像消費(fèi)者軟件生態(tài)體系——RIM和諾基亞沒法共享黑莓和S60的用戶群，但地圖是可以池化的。這是一個準(zhǔn)入門檻還是準(zhǔn)入條件?
同樣的問題也適用于駕駛數(shù)據(jù)，或者說其實(shí)包括所有的機(jī)器學(xué)習(xí)項(xiàng)目：隨著你添加的數(shù)據(jù)越來越多到什么時候會出現(xiàn)收益遞減?曲線到什么時候會開始放緩?那時候有多少人會獲得這種規(guī)模的數(shù)據(jù)?就通用搜索而言，這種改進(jìn)似乎是*的——答案的相關(guān)性(幾乎)可以一直改進(jìn)下去。但對于自動駕駛來說，可以確定的是那里似乎是有天花板的——如果一輛車在那不勒斯開一年都沒有遇到什么麻煩的話，那還有多少改進(jìn)空間?到了一定時候你基本上就到頂了。網(wǎng)絡(luò)效應(yīng)意味著如果你的用戶增多你的產(chǎn)品就會變得越來越好，但用戶到了多少之后產(chǎn)品就基本沒什么改進(jìn)空間了呢?你需要賣出多少輛車才能達(dá)到那種程度呢?與此同時，機(jī)器學(xué)習(xí)本身也在迅速改變——你沒法排除掉實(shí)現(xiàn)無人駕駛的數(shù)據(jù)量急劇下降的可能性。
后，這一切的潛臺詞是那么一種更好或更糟的無人駕駛是否存在。但“更糟”的無人駕駛意味著什么呢?是指撞死的可能性降低，還是說車更有可能感到迷惑，然后自動開到路邊聯(lián)系上遠(yuǎn)程支持中心，讓人類操作員接管?人工控制會沖破一堆聚苯乙烯包裝突然出現(xiàn)嗎(注：也許人工控制命令會讓方向盤等像安全氣囊那樣的機(jī)制)?車會說些鼓勵性的話嗎?
我懷疑這個答案是L5級(全自動)會以L4級的演進(jìn)出現(xiàn)——也就是每一輛車都會有人工控制，但會被用得越來越少，而明確的L5會分階段出現(xiàn)，隨著人工控制的慢慢減少，然后被藏起來，再到撤銷掉——終退化掉了。這可能是按照場景出現(xiàn)的——我們可能先在德國實(shí)現(xiàn)L5，然后再到那不勒斯或者莫斯科。這將意味著數(shù)據(jù)是以網(wǎng)絡(luò)的級別來收集和使用的，后才實(shí)現(xiàn)全自動。
現(xiàn)在我們還無法真正知道這些問題的答案。這個領(lǐng)域里面很少人會預(yù)期完全的“L5”級無人駕駛會在5年內(nèi)出現(xiàn)，大多數(shù)傾向于認(rèn)為還要用接近10年的時間。然而，他們指出了一系列對汽車業(yè)有著截然不同影響的結(jié)果。其中的一個是網(wǎng)絡(luò)效應(yīng)可能會相對較弱，會有5到10家公司提供可行的無人駕駛平臺。這種情況下，汽車業(yè)會把無人駕駛當(dāng)作部件來購買，其價格可能跟今天的ABS、安全氣囊或者衛(wèi)星導(dǎo)航差不多。它可能還會面臨激進(jìn)變化——無人意味著按需出行的成本至少要降低3/4，而這會讓很多人重新考慮要不要買車，而向電動化的轉(zhuǎn)變又會將車內(nèi)活動件的數(shù)量減少到1/5至1/10的規(guī)模，這將完全改變工程設(shè)計(jì)動態(tài)、供應(yīng)商群體以及準(zhǔn)入門檻。但它不會被Android化。而另一個則是只有Waymo把這件事干成了，這樣的話整個行業(yè)又會大不一樣了。
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號
移動版
