撰文｜Odin Asgard
题图｜视觉中国
不知情的读者，看到上述的一连串年表，可能会以为是那一家没心没肺的初创企业，在天花乱坠地向投资者大派画饼吧。事实上，上述一堆画饼均来自今天人人称颂的科技产业老大、人称“硅谷钢铁侠”的埃隆・马斯克 (Elon Musk)。
很多人都知道，特斯拉目前是自动驾驶的领导者之一，他们的技术也比不少竞争对手更先进。但尽管如此，特斯拉自己仍然老是大派画饼。倘若连行业龙头特斯拉也这么不靠谱，大家就能想像到，这个赛道里的水有多深。
因此，Odin 会为大家深入分析自动驾驶汽车赛道的各种细节，但由于篇章所限，这回我们先通过分析这些汽车企业大派画饼的原因，从而了解目前自动驾驶赛道的基本布局，并指出相关的部分投资要点。内容包括：
到底目前自动驾驶技术去到什么阶段？
为什么自动驾驶如此难以真正实现？
为什么自动驾驶相关产业这么爱夸大？
自动驾驶板块的基本投资建议
都在吹牛画大饼
先来给自动驾驶汽车板块的投资者，拨一把冷水。
自动驾驶技术企业这么多，每家初创企业不断画饼，人人都说 20XX 年，就能实现全面的自动驾驶。但实际上呢？全世界的自动驾驶产业都在吹牛。近年，我们不可能见到有真正的自动驾驶汽车，能合法地、无限制地在街上自由行走；在 5 年之内，自动驾驶汽车也不可能普及。
为什么大家要相信 Odin ，而不相信马斯克？这可不是 Odin 自己在扯淡。
2018 年，自动驾驶的先行者，也是 Google 旗下自动驾驶部门 Waymo 的首席执行官 John Krafcik，就曾公开表示，我们还需要 10 年，才能真正实现自动驾驶。
不，等一下？特斯拉的 Autopilot 自动驾驶功能，不是早就上线吗？
坊间也有很多车厂，不也是早就推出了一大堆号称自动驾驶的功能？
图片来源：JR Garage。
实情是：特斯拉早前被不少人投诉，指“自动驾驶”功能带有严重误导性；因此，他们目前已经不敢再称之为“自动驾驶”，改称“自动辅助驾驶”，归入“高级驾驶辅助系统” (Advance Driving Assistant System, ADAS) 的类别。他们也和其他车厂一样，强制要求驾驶者双手放在方向盘（上图）。他们也在网站里，表示“完全的自动驾驶” (Fully Self-driving, FSD)，仍然是“未来”。
如果说特斯拉的 Autopilot 也算不上是真正的自动驾驶，那怎样才算是真正的自动驾驶？
目前自动驾驶汽车技术的发展，又到了什么阶段？
SAE 自动驾驶分级表。图片来源：腾讯汽车
其实上回我们就曾提过，国际汽车工程师协会 (SAE) 早就为制定了定义（上图），只有能实现 L4/L5 级别的自动驾驶汽车，才能说是真正的自动驾驶。那特斯拉算是哪个级别？尽管马斯克每天都说他们快要实现 L5 级别的完全自动驾驶，但根据特斯拉在 2021 年的一份一份邮件显示，目前特斯拉只能为客户 L2 级别的辅助驾驶功能；而他们预计在近期也不见得能在自动驾驶上，有着重大的改进。
如果说特斯拉的自动驾驶技术，也就只有 L2 级别的水平，与被视为真正自动驾驶的 L4 级别，还有一大段距离；而且，他们在近期都不见得有重大突破？什么 2021 年能实现自动驾驶？都散了吧。
车企为何做不到？
这些车企既然在近年都无法真正实现自动驾驶技术，那为什么他们老是在吹牛画大饼？
要回答这个问题，我们就必须从车企无法在近期实现真正的自动驾驶的问题，开始入手分析。
扫机器人早就能“自动驾驶”，但汽车所面对的情况却远为复杂。图片来源：Allen Chen。
先前 Odin 也曾提过，自动驾驶真的很难实现吗？其实真的不难。要知道就连扫地机器人，早也实现了类似功能，为什么更贵、更先进的汽车，就无法做到吗？
诚然，汽车要“做到”自动驾驶，一点也不困难；但汽车要“做好”自动驾驶？才是难中之难。
诚然，无论工程师技术力再强也好，也不可能让扫地机器人在工作时，完全不会犯错、完全不会与障碍物。可是，扫地机器人的“自动驾驶”出意外了，最多就是把墙角叩碰刮花了，所以也不会有工程师，花费大量心血和时间去追求零错误，也不会有消费者因为扫地机器人可能犯错，而不敢购买。
但自动驾驶汽车出意外了？不但带来庞大的金钱损失，甚至可能导致人命伤亡。尽管马斯克在近年一直表示，自动驾驶汽车比人手驾驶的汽车更为安全，发生致命意外的机会率也更低，但仍然有很多人不认同这个说法，惹来巨大争议。
在这情况下，不但消费者不敢胡乱购买自动驾驶汽车，就连政府部们也不敢让这些具潜在危险的凶器，在马路上乱跑。换言之，自动驾驶汽车的问题，不是单纯的技术问题，更涉及大众对自动驾驶汽车，是否有足够的信心。
图片来源：Twitter。
多年来，马斯克一直认为法规是自动驾驶汽车发展的最大阻力（上图），但法规真的阻碍自动驾驶吗？毕竟到了 2020 年，特斯拉也真的只能实现 L2 级别的自动驾驶而已。故此 Forbes 后来曾撰文吐槽，指马克斯仅仅是把法规当成代罪羔羊而已；而 Odin 也曾撰文分析，产业往往忽略了科技对大带来的危害，所以绝不能单纯为促进科技科技发展，而轻率放宽法规。
马斯克真的要让政府批准自动驾驶汽车，单纯用嘴炮吐槽政府几句并没有用，唯一的可行办法，还是要用实绩证明：通过实际的测试数据，证明自动驾驶汽车安全可靠。
自动驾驶的数据竞赛
偏偏就是数据为车企带来另一个噩恶。毕竟，自动驾驶技术源自以人工智能技术，而人工智能技术很依赖采集数据。毕竟马斯克自己也曾说过，没有 10 亿公里（约 16.1 亿公里）的行车数据，这个自动驾驶技术，根本就算不上有足够的数据。
换言之，车企是绝不可能闭门造车，就能研发出自动驾驶汽车。
图片由 Odin 制作。
可是，由于大众对自动驾驶汽车的安全性有巨大疑虑，在这情况下，政府不可能把人命当作白老鼠，让车企随意在正常路面进行大规模测试。但是，如果政府不批准自动驾驶汽车在路面实际运作，又很难提高自动驾驶的行车质量，也难以验证自动驾驶的安全水平，借此游说政府放松路面测试的限制（上图）。
结果，数据就成为了自动汽车产业发展的两难局。
那室验室数据又可以吗？同样不行。为什么 Waymo 的 John Krafcik 会认为，我们最少还需 10 年时间，才能迎来真正的自动驾驶汽车呢？就是因为汽车需要面对的场景非常复杂：包括无常的天气、飘忽的行人、多变的路况、以至汽车本身的状态等等。不同场景会对自动驾驶汽车，带来完全不同的影响，单靠室验室数据，根本难以模拟出多变的数据，得出来的人工智能，也难以应付实际的路况。
2020 年自动驾驶公司在美国加州的累积测试数据，特斯拉并不包括其中。图片来源：Bred Templeton via Forbe。
既然自动驾驶产业难以获取足够的行车数据，也使这个赛道变成了一条数据采集的竞赛（上图）。
为了采集更多数据，自动驾驶产业使用各手段来采集数据。第一种方法，也就是 Google Waymo 惯用的手法，就是通过内部测试团队，在约定的时间和地点，测试自动驾驶汽车数据。但这种测试数据，对环境的适应性也相当差；毕竟加州的路况与广州不同，能在加州应付自如的自动驾驶汽车，在广州不一定路况就能开得溜。
更重要的是，只能通过少量的内部测试团队，每次只能采集少量数据，采集效率相当低。看看 Google 从 2011 年大搞自动驾驶至今，居然连 70 万英里的数据都没有（仅指加州数据）。
第二种方法，也是传统车企和出行公司最常用的手法，就是在准备出售的汽车里，加装自动驾驶系统，当车子在开车时，系统实时模拟为自动驾驶状况，借此采集数据。这种手法的好处是可以快速采集数据，Uber 也曾通过这种手法快取采集大量数据，并在数据竞赛上领先 比 Google。
可是，这些模拟数据对算法带来多大改善，仍然受到不少人的质疑，而且这些数据，也无助于验证自动驾驶的安全性，游说政府和大众接受自动驾驶汽车。
为什么要吹牛画大饼？
第三种情况，也就是特斯拉最常用的手段，就是让更多车主购买那些有“自动辅助驾驶”功能的汽车，然后自愿按法规要求（双手放在方向盘上，能随时接管汽车的操作），再打开这半吊子的自动驾驶功能，让汽车自动行走，并采集数据。
特斯拉最初采用这种相对冒险的测试手段的时候，曾数次导致严重交通意外，为他们带来巨大的压力。可是，特斯拉值得冒这风险吗？还是值得的。
据消息指出，特斯拉宣称通过这种测试方法，采集了 30 亿英里（ 48.3 亿公里）的真正自动驾驶数据（2020 年 4 月），远超其它自动驾驶技术公司。
结果，特斯拉掌握了更多自动驾驶数据，使他们在目前这个竞赛上，取得相当有利的位置。
特斯拉汽车累计销量与 Autopilot 累计里程比较。数据整理自 Lex Fridman。
为什么他们能掌握更多数据？毕竟，特斯拉绝大部份的新产品，均配备 Autopilot “自动辅助驾驶”功能，而特斯拉客户也比其它品牌，更愿意当白老鼠激活 Autopilot 功能，变相为特斯拉采集更多测试数据。更重要的是，近年特斯拉也比其它汽车企业，售出了更多包含“自动辅助驾驶”的汽车，当车子累计销量上去了，累计的“自动辅助驾驶”测试里程，也快速跟上了（上图）。
可是，这代表特斯拉能在数据赛道上胜出了吗？不是的。
光是 2016 年的美国，全国汽车行驶里数就高达 3 兆亿英里（约 4.83 兆亿公里），一年的数据，已远远比特斯拉近 10 年的总测试量高出 10 倍；而且，这仅仅美国的数据而已，如果要计算全球总行车数据的话，差距就更大了。故此，即使特斯拉已累积了海量的测试数据，但实际上也未足以在单纯的统计学上，产生足够的代表性。
更麻烦的是，目前自动驾驶汽车的测试数据（包括特斯拉的数据），绝大部份集中于美国、欧洲以及中国等重点研发自动驾驶汽车的国家，更可能在集中部份大城市之中。
尽管这些数据仍然能在特定环境下，改良自动驾驶汽车的表现；但当这些车子要驶入乡间以至新兴市场，就不一定同样靠谱。因此，自动驾驶技术产业，除了从“量”上采集数据，也必须同时兼顾“质”的需求。
从这个角度看，大家就能理解为什么一帮自动驾驶产业都在吹牛画大饼了。
想要在自动驾驶技术赛道上领先，必须确保有更多的数据；要有更多的数据，就要确保自家系统有更多的车企采用，也要让这些汽车更卖得更好，车主也更愿意当白老鼠，亲身测试自家的自动驾驶系统吧。但如果车企对你的技术没信心，你的技术就不可能落地；消费者对你的技术没信心，他们也不愿意当白老鼠（上图）。
技术公司 vs 车企
可是，尽管传统汽车企业，每天卖出大量汽车产品，能把自动驾驶技术落地应用，也能快速采集驾驶数据。但即使这些车企把画饼画得再大也好、牛皮吹得直响也好，但也掩饰不了一个现实：绝大部汽车企业，缺乏核心的自动驾驶技术，很多时也要依赖这些第三方的技术公司，提供协助。
特斯拉虽然算是自动驾驶汽车的领导者之一，但事实上他们在最初进行研发时，相当依赖以色列技术公司 Mobileye 所提供的支持。传统汽车巨头宝马尽管财力雄厚，产品经验丰富，也不得不采用英特尔的整套自动驾驶方案。
至于蔚来、小鹏等新兴车企，其“自动驾驶技术”有多少来自家研发，还真不好说。
图片来源：中金公司研究部 via 芯师爷。
可见在自动驾驶汽车领域里，一个巴掌不可能拍得响，而且需要汽车企业和技术公司的互相合作（上图），才能成事。
目前，在自动驾驶领域里，已经有大量不参与汽车生产、只专注于研发相关算法和硬件的技术公司，当中包括英特尔、英伟达、Waymo、Argo AI、华为、百度、商汤科技、速腾聚创、图森未来等等。这些技术公司与车企的合作，有着多种不同的模式，例如英特尔会提供全套完整方案、英伟达会提供硬件开发平台、商汤科技则主要要提供算法支持。
但无论那一种模式也好，这些技术公司也不会仅为同一家车企提供技术，并会尝试把自己变成“汽车上的 Android，通过平台化来扩大自己的影响力。可是，这些技术公司却永远当不了汽车产业的 Android。毕竟，他们没有车企的支持，就难以采集行车数据，没有数据的人工智能，最终难以实现真正的自动驾驶。
所以，不管他们的算法多强悍、算力多强大，自动驾驶技术再牛，没有车企的支持，他们也只能吹吹牛而已。可是，即使汽车企业愿意与自动驾驶技术公司与合作，但合作关系也可以相当复杂。
Mobileye 后来被英特尔收购的时候，特斯拉立即改用定制的英伟达的计算平台，开发自己的算法，后来，他们更积极研发自家的人工智能芯片，未来是否继续采用英伟达的计算平台，还是一个谜。
除了像特斯拉这种“始乱终弃”的合作模式之外，也有的像福特与大众一样，直接花大钱投资在 Argo.ai 技术公司一样；又或是像通用汽车一样，直接把自动驾驶技术公司 Cruise LLC 收购了。
由此可见，自动驾驶汽车产业，不像传统汽车产业一样，掌握了少数核心技术之后，就能通行无阻；而是需要互相依赖、互为依存、但又互相利用、甚至互相背叛。
你投资的并不仅是一家公司
图片来源：FirstMile VC。
所以，在这样复杂的自动驾驶企业环境里，我们需要采用怎样的投资策略？
投资的关键要点在于：不要押注在单独一家公司，而是押注在这些企业背后的“技术联盟”（上图）。
由于大家不是投资“单独一家公司”，而是投资“技术联盟”，所以千万不以要为，只要深入了解这家公司的经营状况和技术水平就足够了。始终在自动驾驶领域里，充斥了太多夸大和吹嘘，不深入了这家公司背后属于那个“技术联盟”的，就不可能知道这家公司的未来前景。
举例说，倘若你要投资提供自动驾驶技术平台，必须先了解有什么车企使用他们的服务，能否提供足够的落地支持，是否愿意长期合作。没有车企长期支持的技术平台，就很难获取更多数据支持，进一步改良自己的技术。
倘若想针对自动驾驶技术的前景，而投资个别汽车企业？你就需要注意这些车企背后，使用什么公司的技术，他们是否会过于这些技术平台？会对车企的经营带来怎样的影响？长期而言，他们会有开发自家的核心技术吗？
更麻烦的是，汽车企业与技术平台之间的合作和角力，个中也有着完全不同的形态。不同的形态也会会对这些企业，造成完全不同的结果。但由于篇幅所限，我们将会在下一回讨论自动驾驶汽车产业里，几个核心技术平台的形态，并针对这些模式的特性，为大家提出相应的具体投资策略。
评论