作者按
我一直認為，無人車是人類第三波人工智能的最偉大、最大膽的嘗試！
圖片來源：The Everett Collection
在軟件和互聯網之後，從來沒有一個單個的細分市場受到如此大的關注、得到如此多的資本支持、並且有如此多的人才湧入。
作為硅谷專注AI、尤其是無人車領域獵頭服務公司TalentSeer、以及專注AI、領導力、創業精神科技媒體Robin.ly的創始人，在過去3年，我和超過300位無人車技術專家一對一交流，同時和諸多無人車企業進行招聘合作，先後幫助這些企業招聘超過200名技術人才，深刻了解到這個市場的變革和趨勢。有感於諸多工程師對於市場的不瞭解而造成職業選擇、創業選擇上的困惑，因此，作此文以激發大家的討論。
在我看來，無人車是整個汽車軟件化、互聯網化、智能化中的一個重要環節，它代表著人類邁向自動化社會的關鍵技術。但是，由於第三波AI的主要貢獻 — 監督學習的特點，無人車發展需要大量數據的積累。因此，真正的第四級乃至第五級無人車技術商業化還有待時日。而擅長產品化的公司、有技術突破能力的公司將突穎而出。
同時，作為一名具有超過15年經驗的商業人士，我習慣性地以商業的角度、投資的角度（曾投資無人送貨公司Zippy並將其出售給Cruise Automation)來審視這個領域。我認為，目前的無人車公司仍處於技術突破階段，但是一旦能夠實現無人車的部分商業化，則為AI在其他更大的領域，如機器人領域的商業化打下技術、經驗和人才的基礎。
本文將討論以下話題：
1.無人車技術誕生的背景：汽車市場的歷史沿革和現狀—從製造到軟件
2.無人車公司的三種模式：AI驅動、造車驅動及服務運營驅動
3.團隊組建：文化的衝突
4.未來的挑戰和趨勢
無人車技術誕生的背景
汽車市場的歷史沿革和現狀—從製造到軟件
福特”T”型車生產線
自1908年亨利·福特的福特公司推出”T型車”並把它量產之後，汽車工業在之後的近50年並沒有太大的革命性變革，以內燃機驅動並大規模的量產是工業革命之後的顯著特點。
豐田生產體系流程圖（圖片來源：Toyota Europe)
直到日本豐田在二十世紀50年代發明了“豐田生產體系” 即 “TPS(Toyota Production System)”，後來麻省理工學院稱之為“精益生產( Lean Production)”。精益生產是一種以最大限度地減少企業生產所佔用的資源和降低企業管理和運營成本為主要目標的生產方式。這一生產方式迎合了後來興起的小批量定製的消費需求，使得日本汽車在國際市場大行其道。
同樣在製造業具備強大優勢的是歐洲國家，尤其是德國，其追求質量和完美設計的精神使得德國汽車一直是中高端汽車的首選之一，在二戰之後至今的超過半個世紀的時間內一直佔據市場領導地位。
長久以來，汽車用戶已經習慣了將汽車作為一個普通的交通工具，我們所期望的功能無非是方向控制、動力控制、以及簡單的娛樂信息系統如電臺、CD播放機。一直以來的設計理念是，開車是需要專心和安全地進行，而其他的功能並不重要。
特斯拉Model S上的Pad顯示器。（圖片來源：commons.wikimedia.org）
直到2004年Elon Musk入主當時的汽車初創公司Tesla, 並將諸多革命性的理念帶入到汽車領域如重視軟件、互聯網等設計理念。2013年，Tesla在其Model S型車上加載尺寸達到17英寸的Pad顯示屏，使得汽車能夠提供如iPhone般的體驗，這是汽車業邁向軟件化和智能化的里程碑。
在智能手機之後，人們突然發現，一個我們天天都在使用的平臺，而且是剛性需求的平臺 - 汽車，仍然停留在20年前的狀態，因此，在汽車上打造一個軟件和互聯網的生態，成為過去5-10年投資界的熱點。
汽車軟件市場規模的歷史和預測（2016-2025）
由於行車電腦的發展，安全和功能安全以及不斷變化的車輛架構帶來了巨大的計算平臺需求，從而促進了汽車軟件市場的增長。據MarketsandMarkets的統計，2018年全球汽車軟件市場已經達到187億美元的規模，據估計，自2019年到2025年，汽車軟件市場年增長率將保持達18.12%，預計到2025年達到600億美元的規模，這個增長率是非常令人震驚的，汽車業在催生新的軟件巨頭。
汽車軟件的革新點主要有以下幾點：
- Advanced Driver Assistance Systems (ADAS)，即高級駕駛輔助系統
- Autonomous drive：無人駕駛技術
- Vehicle electrification：汽車電氣化
- Digital cockpit technologies：數字座艙技術
- Vehicle to Vehicle technologies: 車聯網以及車上互聯網技術
汽車創新中心：從德國、日本到美國、中國
2017年汽車技術相關公司硅谷分佈圖（圖片來源: CBRE）
上圖是2017年硅谷商業地產公司CBRE做的北加州汽車技術相關公司的分佈圖，我們很吃驚的發現，硅谷的汽車公司竟然如雨後春筍般冒了出來，達到400多家。
為什麼這些新興公司沒有出現在底特律、日本、或者德國？
答案如上面描述，汽車在向軟件化、智能化和互聯網化發展，擁有這些基因的人才不在日本、德國和底特律，而是在硅谷，在中國！
或者日本和德國已經意識到這一點，在過去的幾年內，他們通過投資，大量入股美國新興汽車技術公司，如無人車技術Cruise得到軟銀和豐田超過20億美元的投資，而大眾也蠢蠢欲動，一度欲以10億美元收購前Waymo無人車負責人Chris Urmson創立的Aurora, 但遭到拒絕，後又傳言欲投資福特所收購的Argo AI。
不僅是人才方面的限制，同樣在人力資源法律制度方面，德國和日本的軟件創新受到極大的桎梏。德國的離職交接通常要幾個月甚至半年，而且兩國企業普遍難以裁員，這造成企業很難根據瞬息萬變的市場來調整其人力部署，長此以往，則造成迭代緩慢，延誤市場時機。
軟銀和豐田進軍無人車 （圖片來源：今日頭條）
在我看來，孫正義的軟銀看到了日本企業面臨的危機，因此大量投資中美新興出行公司如Uber, 滴滴，以及無人車技術公司Cruise、Uber ATG, 其出售的下家已經備好，那就是豐田、本田、尼桑、馬自達等等亟待變革的日本企業。
1975年-2017年全美交通事故死亡統計（數據來源：www.iihs.org）
在汽車軟件化的趨勢下，仍然有非常高的汽車事故率以及事故死亡率。據統計，僅僅在2017年，全美的機動車事故死亡人數就將近4萬人，那也就意味著，每天有近100人死於交通事故，相當於每天有一架波音747飛機掉下來。這樣的數字是非常可怕的。
最根本的原因是，每一輛汽車後面，都有一個擁有“自由意志”的駕駛者，這樣的自由意志會因為吸毒、喝酒、疲憊、意識錯亂、受干擾等等各種原因造成人身傷亡的事故。於是業界開始考慮，能否通過人工智能技術來訓練素質最高的機器駕駛員、而代替容易出錯的人類的駕車呢？
無人車公司的三種模式
AI驅動、造車驅動及出行服務運營驅動
“今日的無人車就像馬拉車一樣，AI的智力最多能夠達到馬的智力。“ --Jesse Levinson, 無人車獨角獸Zoox聯合創始人，CTO
16年前的2002年，當我在中國科學院上海的一個研究所參與開發今天無人車裡面的一個重要技術 - 毫米波雷達技術，並把雷達裝在上汽的車上在路上測試的時候，我們並沒有想到日後視覺技術、深度學習會如此顛覆汽車，也無法想象無人車變得如此炙手可熱。
歸根結底，人類是用視覺來駕駛汽車的！而視覺也能探測到最豐富的環境信息。自2012年深度學習得到廣泛關注以來，計算機視覺因此獲得長足發展。感知作為計算機視覺的典型應用，在過去幾年內獲得了巨大的進步。
無人車的問題從根本上是一個系統工程問題，需要解決核心的AI技術問題、感知問題以及無人車技術的可靠性、穩定性問題。在面臨這樣的挑戰的時候，團隊的基因就決定了這個公司的長板和短板。從這意義上講，無人車市場的這些公司可以大致分為三種驅動模式：AI驅動、造車驅動以及出行運營服務驅動模式。
AI驅動
最早進行無人車技術研究的商業公司是Google, 後成立專門的子公司Waymo。2009年，原斯坦福大學人工智能實驗室主任Sebastian Thrun領導Google X lab開始無人駕駛方面的研究，他在之前分別領導了兩支無人車研究團隊，獲得了DARPA challenge 2005年的冠軍（斯坦福團隊）和2007年的亞軍（卡內基梅隆團隊）。
Waymo無人駕駛車（圖片來源：Wikipedia）
2012年之後深度學習的異軍突起極大地提速了無人車感知技術和地圖技術的發展。因此，具備計算機視覺技術及深度學習的AI團隊隨之紛紛出來創業，而無人車領域也是他們選擇最多的領域。如此的團隊包括斯坦福出來Zoox，Drive.ai， 卡內基梅隆大學的Bryan Salesky和Peter Rander創立的Argo AI, 中國百度出來的彭軍及樓天成創立的Pony AI等等AI研究者創立的無人車公司。
這些AI研究者創業的公司有很強的研究和技術基因，但是面臨汽車這個需要大量行業知識和經驗的領域，他們需要吸引更多優秀的非AI人才，如車輛集成、控制等等人才。同時，如何將這些技術產品化，並獲得該領域的大規模商用，同樣是巨大的挑戰。
因此，初期這些公司大都選擇L4這樣較能發揮AI技術能力的場景，比如說Robo-Taxi, 後來其中一些公司由於產品落地和商業化的壓力，開始進行一些限制場景技術的開發，如無人卡車，物流等等。
對於Robo-Taxi這樣的應用，我認為有如下幾個挑戰：
- 技術的挑戰：L4這樣的場景要求每百萬英里的事故率低到個位數，對於今天的感知和規劃來講，仍然是很大的挑戰，況且，就如Waymo的感知部總監Sacha Arnoud所言，做到90%相對容易，剩下的10%則需要長達90%的時間來完成，其中的很多情況是corner case, 也就是說不是常見的情況，需要幾乎窮舉。
- 成本的挑戰：就如Waymo的解決方案，需要激光雷達等昂貴的傳感器，使得加裝的傳感器和計算單元等部件的成本甚至是汽車本身的3-4倍以上，再加上Waymo的解決方案高度依賴高清地圖，而構建和測繪高清地圖需要大量的人力物力。如果Robo-Taxi需要顛覆目前的服務提供車，如Uber, Lyft或者滴滴，他們的成本在每英里2美元左右，那Robo-Taxi每英里的成本應該在一美元以下，今天的技術不僅不能夠和Uber等公司競爭，甚至遠高於每英里兩美元的成本。
- 風險轉移：L3的好處是，核心的產品是汽車，而汽車保險業提供了一個可估算的風險轉移機制，而對於L4這樣的應用而言，由於保險業目前還不知道如何評估無人車帶來的風險，因此，還不能夠給Robo-Taxi的運營者提供一個合理的風險轉移機制，這對類似應用的商業化是致命的。
當然，並不是這些挑戰就會阻止這個市場的發展，人類的進步意義恰恰就是不畏艱險，迎難而上。隨著技術的發展和我們具備更多的經驗，相信會在商業化上實現革命性的突破。
造車驅動
在大量AI初創企業開始涉足汽車領域，並致力於革命性地改變這個行業的時候，傳統的和新興的造車企業均感到巨大的威脅。如果汽車的未來是無人駕駛，造車企業作為原來產品的提供者，一定要迎合新的市場趨勢，因此，他們開始物色各類無人車初創公司，或收購，或合作，或投資。先後有通用汽車收購Cruise Automation, 福特入股Argo AI， 特斯拉建立自己的無人車團隊，豐田及本田投資Cruise等等案例。
車，作為一個產品。造車，作為打造這個產品的過程。造車企業自然具備很強的行業知識。但是，當一個熟悉造車的企業需要擁抱熟悉軟件、 AI、互聯網的團隊的時候，自然會引起巨大的文化衝突。因此，可以經常看到，一個造車的企業難以吸引優秀的AI和軟件團隊，而一個以AI起家的無人車公司，難以吸引熟悉造車和車輛改造控制的團隊。
當造車步向自動化和智能化的時候，車這個產品的內涵也發生了很大的變化，核心的一個變化是迭代週期的變化，過去一輛車可以研發好幾年，現在更強調的硬件平臺一旦確定，則如何更快速的根據用戶反饋來迭代軟件版本。無人車也是一樣，不斷的功能被汽車產商以OTA（空中下載技術）的方式更新到車平臺上。
相對於L4的企業而言，大多數的車企選擇以L2, L3起步，這中間最著名的就是特斯拉，技術路線堅持無Lidar的視覺為主路線，用深度學習加上自己研發的神經網絡專用集成芯片來實現車載感知計算。因為其搭載這樣的傳感器配置車被銷售到全球各地，而且數量高達幾十萬輛，因此在數據上也獲得了巨大的優勢。另外一種模式是利用被Intel收購的Mobileye提供的視覺解決方案，據Mobileye稱，全球搭載其解決方案的車輛達到1600多萬輛，而且共享的REM（道路經驗管理）系統可以積累大量數據，從而提高其解決方案的精準度。
特斯拉無人駕駛示意圖（圖片來源：Tesla）
對於中國大多數的新興造車企業而言，他們不僅要解決造車問題，而且要面臨全球性的汽車智能化、無人化的挑戰。在前幾年短暫的熱潮之後，新興造車企業開始面臨量產和交付的嚴苛問題。但是，據統計，中國每年的汽車銷量超過3000萬輛，而大量的中小城市和農村市場的汽車保有量還比較低，相比於美國每年的汽車銷量也只有2000多萬輛，中國顯然具有全球最大的汽車潛在消費市場！
出行服務運營驅動
在交通出行行業的歷史上，過去十年的發展可謂是波瀾壯闊！以Uber、Lyft、滴滴、ofo、Lime為代表的軟件公司，自己不生產一輛車，但是卻為數億數十億的人群提供日常的出行服務，這些公司的成功地利用軟件和互聯網革命性地提高交通出行領域的運營效率，並且使得普通人在有限的資源下，獲得了更多的出行便利。
Uber、Lyft這些公司的核心是需求和供給的全局匹配、支付的便利性和麵向消費者社群的網絡效應。這些是他們的基因。
當他們意識到未來有一天無人車可能成為主流後，原有的商業模式，所謂的共享經濟模式便不存在共享司機的需求，而擁有無人車的企業就可以提供服務。因此，他們變得很恐慌。
於是，我們就看到Uber收購Otto, Lyft、 滴滴也分別建立了自己的無人車團隊。但是，當Uber遭遇文化挑戰以及上市的壓力之後，一個更體面的CEO變擔起了讓公司能夠順利上市的責任，而無人車這樣需要長遠的投資，則不是Uber這樣不斷燒錢、不斷虧錢的公司能夠獨立負擔的遊戲了，於是有了軟銀最近對新獨立的Uber無人車業務的投資。
Uber 於2019年5月10日在紐約證交所上市 （圖片來源：Uber）
熟悉出行運營服務的公司自然最具備商業變現的能力。他們是L4方案的最重要客戶，問題是，如果L4實現了，這些公司還是弄潮手嗎？
團隊組建：文化的衝突
如同上文中提到的，在無人車領域，有三大明顯的文化：AI文化、互聯網文化及造車文化。下面描述一下這三種文化的典型特徵：
- AI文化：通常是學術派，在讀博讀碩階段進行過專業的AI科學研究，是第三波AI浪潮的主力軍和最大受益者。強調算法研究的重要性，有工程經驗者還比較重視工程質量，而純粹的學術派則經常忽略工程的重要性。
- 互聯網文化：通常是互聯網創業的受益者，強調產品的重要性，強調根據用戶體驗進行快速迭代的重要性。互聯網文化的信奉者通常是實幹派，但是由於過於強調實踐和不斷嘗試的重要性，難免沒有底蘊和基礎來解決類似於無人車這樣複雜應用後面的科學問題。
- 造車文化：通常是一批嘗試接受新鮮事物如車聯網、無人車的造車力量。強調製造、質量，強於車輛設計和製造，通常難以接受互聯網文化和AI文化帶來的浮躁感。他們是無人車技術落地必須依靠的力量，他們是車輛安全的代言人，同時，在互聯網者和AI者看來，他們可能是創新的攔路虎。
這三種文化沒有對錯之分，只是在這樣需要各方力量合作的情況下，需要理解各方的背景和文化淵源，加深彼此的理解，以達到團隊共贏，產品落地的結局。
未來的趨勢和挑戰
在2016年之後近三年的瘋狂資本追逐下，無人車已經開始嘗試落地發芽。而以無人車為代表的第三波AI科學研究和創業浪潮，則開始進入改造傳統產業的深水區，面臨的挑戰包括文化衝突的挑戰、市場接受度的挑戰、用戶體驗的挑戰以及經濟產出的挑戰。
文化的挑戰促成了大量的車企和AI企業的合併或者至少是合作，市場接受度的挑戰使得無人車技術迴歸用戶價值，找到真正用戶的痛點，逐步推出用戶可以使用的功能，比如說自動泊車、車道線保持、視覺目標識別、自動跟車等等，也有部分企業選擇了物流等領域的落地。
而用戶體驗的挑戰和經濟產出的挑戰則要更嚴峻的多。據有報道分析，在美國亞利桑那州試運行的Waymo無人駕駛車，遭到了諸多市民的敵意，他們有的故意製造麻煩，有的則確實被這些不成熟的無人車的駕駛習慣而困擾。當無人車這樣的新興事物開始給千人千面的大眾提供服務的時候，才是對這些公司最大的挑戰。
對於經濟產出而言，過去投資無人車的風投已經大量輸血到這些公司，未來他們自然期望很高的回報，但是以目前的技術而言，成本的優勢還很難顯現。
作者無意為無人車這一人類偉大的科學和工程嘗試而潑冷水！任何的夢想都需要付出巨大的代價，也只有這樣，人類才能夠在這些偉大的科學和工程協作的過程中，得到最大的收穫。我相信，人類終有有一天會解決這個問題：如何確保駕駛高速行駛的車輛後面，是一個充分健康和理性的大腦！而我也相信，我們每一個人都在為這個夢想而奮鬥！
Alex Ren
硅谷面向華人工程師視頻內容平臺Robin.ly創始人，AI人才服務公司TalentSeer創始人，硅谷風險投資BoomingStar Ventures管理合夥人。TalentSeer是美國頂尖的AI及中高階人才獵頭服務公司，主要通過投資、行業分析等維度重新理解和定義人才的作用，為超過100家高科技公司建立硅谷團隊！Robin.ly （訂閱號Robinly）是硅谷具有影響力的視頻分享平臺，服務全球上千萬華人工程師，通過與AI科學家、知名創業者、投資人和領導者的系列深度對話，傳播行業和技能知識，打造人才全方位競爭力，為培養下一代領導者、創業者而努力！
閱讀更多 RobinlyChannel 的文章
