无人驾驶(AI 配图)/界面图库

深度解析自动驾驶:产业成熟度如何?对其商业化存在哪些误解?

文丨崔桂林

自动驾驶出租车在武汉等城市的商业运营试验引起热议。经过多年的科技宣传,智能化对汽车、交通体系乃至社会生活的影响已经深入人心,虽然当前仅是小规模运营试验,但人们相信“星星之火,可以燎原”,期盼者有之,恐惧者有之,受影响者有之,随波鼓噪者亦有之。信息汪洋中,既有公议趋势的,也有谈人与技术关系的,有担忧资本赢家通吃的,也有顾左右而言他的。

本文将从产业成熟度、商业化理解、技术价值观这三个视角,谈一些系统性思考。

产业成熟度:莫问童颜何时老

自动驾驶是人工智能技术的产业应用,是新质生产力的典型代表,涉及到了改变世界的复杂系统创新,任何科技强国都不敢怠慢。

只不过,作为内核的人工智能目前还有些不太智能,技术路线仍存在争议,数据与能力间存在“鸡生蛋、蛋生鸡”的辩证关系,自动驾驶的产业化还处于婴儿期。

因此,那些对相关技术、制度、体系尚不成熟的批评更像是在循环论证——恰如没有成熟的婴儿,也没有新生的老者。

评估一项新技术的产业成熟度,笔者所在的清华大学朱恒源教授团队曾提出过一个技术、效用、市场、产业链(网)四个维度缺一不可的简化认知模型。

巧合的是,多年前之一次公开发表它时,正是用于对智能化的评估,只不过那时的自动驾驶产业成熟度更低。

国际自动机工程师学会(SAE)将汽车智能驾驶划分了L0至L5共六个级别,L1至L2为辅助驾驶,L3及以上为自动驾驶,中国国标与此类似。

当前,辅助驾驶已经走向普及。根据盖世汽车研究院提供的数据,2023年中国电动乘用车市场高阶辅助驾驶标配渗透率已经超过了51%,在20万以上车型中的渗透率已经超过了85%。人们可以明显感觉到的是,导航辅助驾驶(NOA)在高速和市区道路上的应用,已经被越来越多的用户所熟悉。

但是,当前,在全世界范围内,自动驾驶还局限在试验、示范区和特定场景,还没有实现大范围的商业化。

在技术上,尽管已经突破了实际应用的更低门槛(t1),但算力、算法在迭代,数据还在积累中,决定性的技术主导设计(t2)还没有得到确认,换句话说,技术尚未定型,而技术定型是工业品大规模复制的前提。

例证有二,人们能直接感知的例证是Robotaxi的消费者体验,遵规守矩而呆头呆脑,貌似的“无人驾驶”背后,是人工安全员的远程实时监控与接管待命;另一个例证是业内的争论,有企业家声称,目前大部分公司“规则算法+小AI模型”的方案无法实现真正的自动驾驶,建议行业向“端到端”大模型(指智能驾驶系统从感知端输入信息,在执行端直接输出结果,其训练方式类似ChatGPT)转型,然而术语的技术概念还没有统一,鉴于大模型逻辑的“不可解释性”以及对算力、数据的巨大依赖,也得不出它就是主导设计方案的结论。

其实,更大的技术定型问题还在于“单车智能”还是“车路协同”的争论,受篇幅所限,笔者将另撰文阐述之。

在用户效用上,交通工具的基本价值就是为人提供移动便利,目前自动驾驶正在两个层面上处于从限定场景(U1)到通用场景(U2)的拓展过程中。

一是地理区域,从部分城市的局部区域向更多城市、更大范围推广,最近的动态是7月五部委公布了扩大至北、上、广、深、重、沈等20个城市的智能网联汽车“车路云”一体化应用试点;另一个是人车关系,安全员从汽车的主驾驶、副驾驶座位后退到了幕后远程监控,这说明了车的“成长”。对消费者而言,更多的场景兼容性意味着更普遍适用的价值。

在市场层面,早期用户(M1)固然已经可以通过 *** 渠道找到车进行体验,但消费者数量距离市场能够自行起飞的市场规模(M2)还相差的太远。

以走在最前沿的武汉为例,根据当地交通部门今年5月的数据,该市运营中的网约车数量约为2.94万辆/日,无人驾驶出租车不足其总量的2%。技术的不完善也使得无人驾驶还没有达到让用户完全放心的阶段,这导致其客流量稳定性并不高,表现在,尽管价格低,但日均订单量并不显著高于常规网约车。

在产业体系层面,当前距离产业成熟标准就更加遥远。美国的Waymo和中国的百度、小马智行、文行知远等企业都是自动驾驶激进路线的代表,手握“灵魂”,希望直接提供L4级出行服务,但由于自身不造车,他们必须与车企合作,在既有车身上改造(比如Waymo就与捷豹、克莱斯勒、Volvo开展了不少合作),在特定的区域进行试验、积累数据,由于长期没有可观的营收,巨额的资金投入需要靠资本市场输血维持。

相对而言,以特斯拉和中国新势力电动车企为代表的整车企业普遍采用了渐进路线,先卖车,用辅助驾驶积累顾客、数据、资金,逐渐升级到L4,在这其中,特斯拉现后推出了Autopilot和FSD两套系统供用户使用,而中国则诞生了一大批与整车企业合作的智能解决方案供应商,华为更是典型,有人把这种渐进路线称为“攀登珠峰、沿途下蛋”。

不过,激进也罢,渐进也罢,单车智能也罢,车路协同也罢,无论哪种路线,全自动驾驶都涉及交通规范、制度与社会体系的改变,离不开社会总动员,注定不是个别企业力所能及。

特别是,考虑到当前以及未来相当长时间内的全球化格局,不论芯片、算力、模型还是系统支持,中国自动驾驶征程上的创业者们都还任重而道远。

一句话,无论舆论多热闹,冷静来看,自动驾驶还没有完成从“极客产品”向“时尚产品”的转变,在产业周期上,仍没有走出“婴儿期”。

自动驾驶是当今世界科技与工业强国间的科技长跑竞赛,“成熟的”正是“不成熟”所要颠覆的对象,屹立潮头的各国科技企业都在赔着钱投入,而持续投入其中的资本其实也正是国家所需要、社会所呼吁的“耐心资本”。

在此情况下,辅一扩大运营试点就“爆热点”、“泼冷水”或是热炒“失业焦虑”、“资本垄断”,其实大可不必。从 *** 、企业到社会,千方百计、积极稳妥地给颠覆式创新以支持、同时为创造性破坏做好兜底预案,才是正题。

商业化理解:莫用旧目守陈规

整体来看,自动驾驶出租车只是智能出行时代的一个局部,而智能出行也只是智能应用的一个局部,机器对人劳动的影响不只是替代,赋能和调整同样不可忽视。

总体来看,自动驾驶对人类交通和生活的影响,至少会涉及到以下这些方面。

1)交通安全性提升。据统计,大约90%的交通事故是由人为因素导致的,而自动驾驶汽车通过实时收集和处理道路信息,能够显著减少因人为错误或疏忽导致的交通事故,也能够精确感知和判断道路状况,及时避免车辆之间的撞,从而提高道路行驶的流畅性和安全性。

2)交通效率优化。自动驾驶汽车可以根据实时交通信息和预测来优化行驶路线,减少不必要的等待时间和交通拥堵,提高道路利用率和行驶速度。

3)出行方式变革。自动驾驶技术将颠覆现有商业模式,冲击行业格局。比如,很多人可能并不需要购买一辆自有产权的汽车,只需要购买共享的自动驾驶出行服务即可。24小时无休的共享出行将提供更加个性化和舒适的交通服务,满足不同人群的需求(特别是需要照顾的人),提供更便利、更安全的出行方式。

4)影响就业,而不仅是失业。自动驾驶确实会减少对驾驶员(如出租车、货车司机等)的需求,造成一定的失业;但是,同时,自动驾驶也会为研发、生产、监管、维护自动驾驶系统等新领域创造新的就业机会。

5)城市规划调整。随着自动驾驶汽车的普及,城市交通结构将发生改变,减少对传统交通方式的依赖,从而为城市发展腾出更多的空间。此外,可能需要对现有的城市规划和基础设施进行调整,如增加充电站、维修中心等设施。

当然,自动驾驶也会伴随新的问题。比如数据隐私和安全,自动驾驶汽车需要收集大量的数据,包括个人信息和行为数据,可能带来数据泄露或被滥用的风险,对个人隐私和数据安全构成挑战。另外,在道德和责任、风险认定方面,自动驾驶相关的法规和监管机制也需要重新建构。

自动驾驶的普及将极大的影响人们的城市生活,在这种情况下,如果仅讨论网约车司机问题,会陷入“只论树木、不言森林”之境,过度纠结于“马车何处去”,反倒容易忽视“公路要人建”。

恐怕,讨论“智能时代到来了,人应该怎么办”这样的题目会更有价值,毕竟没有人天生是马车夫或是驾驶员,这些技能都是学习和训练的成果。

势是合力,非个别厂家所能。

备受热议的“萝卜快跑”是百度Apollo推出的自动驾驶出行服务平台,已经于11个城市开放载人测试运营服务,并且在北、上、深、武、重等地开展了全无人自动驾驶出行服务测试。在中国,固然百度在这一领域起步最早、投入更大,是行业旗帜,但是,若将自动驾驶替代人“归功”或是“归咎”于这样一家公司,是罔顾事实的。

2004-2007年,美国国防高级研究计划局(DARPA,这个机构在芯片、互联网产业发展初期发挥了至关重要的促进作用)组织了三场全世界无人驾驶挑战赛,谷歌发现了自动驾驶的技术潜力,将参赛选收纳麾下,在著名的X实验室秘密研发自动驾驶项目,形成了现在的Waymo公司。2014年,谷歌推出了纯电动全自动驾驶汽车,全世界之一次见识到了自动驾驶概念的具象。

谷歌的示范让全球意识到了自动驾驶领域的潜力和重要性,从亚马逊、百度、华为等科技公司,到奔驰、通用、特斯拉以及后来的蔚小理等新势力车企,再到Uber、滴滴、如祺等出行服务商,纷纷加入到了这个征途。百度官方提供的信息显示,其从2013年开始布局自动驾驶,推出全球首个自动驾驶开放平台Apollo是在2017年——不晚,但也不是最早。

前文有述,在自动驾驶商业化探索中,业界分化出两条路线(也做个类比,都是登珠峰,南北坡难易各有不同)——Waymo、百度计划以Robotaxi形态直接实现自动驾驶,而包括特斯拉在内的各类车厂都走上了从高阶辅助到自动驾驶的渐进路线。

十年里,中美两国都曾出现过自动驾驶技术创业潮,大量初创企业追随Waymo路线,除了百度,美国的Cruise、中国的文远知行、小马智行等也纷纷推出了Robotaxi或无人巴士等,投入浩大,历尽了艰辛,近期才看到了曙光。

在美国,前不久,Waymo宣布向旧金山地区所有用户开放Robotaxi服务(此前它只向有限的乘客开放);在中国,近期,除武汉外,上海已经向小马易行、百度智行、赛可智能等企业发放了无驾驶人智能网联汽车示范应用许可,北京市有关部门也宣布将开放智能网联乘用车“车内无人”商业化试点,深圳坪山区 *** 则为安途智驾、鹏电集团和萝卜运力联合体等颁发了同类牌照。

与此同时,渐进路线上的特斯拉已宣布将下一代产品平台调整到Robotaxi方向上;在中国,小鹏汽车也已经获得了广州市智能网联汽车载客测试牌照。

产业互联网里没有赢家通吃。

对自动驾驶出租车平台,一些人担忧互联网平台重现“低价获得用户、一网打尽垄断后再提价收割”的扩张模式,对此,笔者建议大可放宽心,理由很简单,既没戏,也没必要。

自动驾驶出行服务涉及信息层面的代码比特与物理层面的实物资产结合、与能量层面的充换电设施结合、与制度层面的监管法规和区域利益结合,是产业互联网(通过数字技术与原有产业相结合以图降本、增效、提质、创新)范畴,与消费互联网(提供基于比特代码的标准化数字服务,规模上享受零边际成本与 *** 效应)有着本质区别。

产业互联网涉及制度复杂性,边际成本无法趋近于零,“十里不同音、百里不同俗”,没有赢家通吃。对此,多年来学术界、研究者与企业实践者其实已经达成了共识,资本也已经交了天价的学费。

最简单的例证是,产业互联网里没有长出任何一个新的BAT。字节、拼多多、京东、美团的基本盘仍然是做消费互联网范畴中的数字娱乐、社交 *** 与交易成本的文章;滴滴巨亏了10多年,使了吃奶的劲,最近才做出了一张2023年营收1924亿、盈利5个亿(销售利润率0.26%)的报表——我想,如果时光能倒流,滴滴在份额规模扩张还是合规经营质量问题上,应该会有不同的选择。

北京大学的侯宏教授是互联网商业生态研究大家,他曾经在价值点、链接和 *** 三个维度上总结过产业互联网与消费互联网的根本不同。

点-在消费互联网,产品价值中 *** 价值的份额要高于单点价值,这是为何 *** 效应主导;但在产业互联网中,产品的单点价值通常是建立 *** 价值的前提,也就是说,产品或服务本身首先要给力。

链-消费互联网的反馈通常非常快,因为消费者具有冲动消费的特征,而产业互联网反馈速度会慢,因为企业客户或者合作伙伴的决策非常理性。慢的过程中,会涌出更多的人相互抢资源、抢客户。

网-网的地域分割特征,导致 *** 效应被分割成一系列的局域网,每个局域网只能基于自身的规模创造 *** 效应; *** 里流动也不再是数字化资源,而是产业资源、实体资源,它们的移动成本很高。

这些特征导致产业互联网平台的 *** 效应通常弱很多,其发展也会慢很多。如果是单纯的慢还好,资本还有盼头。问题是,一慢,最后的终局也会变,不大可能赢家通吃,长期主义也摘不到(贪念的)果子。

交通涉及公共安全与国家安全,在各个国家都是强监管领域。自动驾驶出行服务厂商若想在某个区域为顾客提供服务,必须得到当地的批准,并且解决实体资产与智能服务结合的问题,再降成本也有巨额的下限。也许,非要做类比,国家电网倒是可以做个对照。国家电网为全国大部分省市提供垄断的供电服务,作为基础设施和更大的央企之一,其价格和服务也在 *** 的监管之下。

当然,另一个角度看,其实城市交通体系运营的生意已经是想象空间浩瀚的星辰大海了,占据一个竞争优势的位置就已经是巨大的商业成就示范。

企业战略研究领域的常识是,技术不等于产品,技术只是构成产品的资源和要素,技术与互补要素的组合才形成了产品。

对拥有核心技术优势的企业来说,在产业链、价值链、供应链、创新链上,有无数的经营空间可以转圜,追求终端市场上的“赢家通吃”其实也完全没有必要,“吃干抹净”也不是商业模式的上策。毕竟,微软的主营业务并不是生产电脑,华为说他旨在帮助车厂造好车,长期可持续的竞争力,才是企业不变的追求。

技术价值观:人间正道是沧桑

经济增长的本质是价值财富的增加,而不是货币的增加。经济学家普遍认为,经济增长的源泉只有两个——增加资源投入或者提高资源使用效率。技术是把资源转化为产品或服务的机械力和智力的转换过程,在资源不增加的情况下,技术进步是实现增长的唯一途径。

1930年,经济学家凯恩斯曾在《我们子孙后代的经济可能性》一文中预测,到一个世纪后,人类生活水平将提高4至8倍,每周工作时间缩短至15小时。90多年过去了,如今欧洲发达经济体的人均收入提高到了当时5倍的水平,国民法定工作时长缩短到了35小时/周的水平——尽管凯恩斯的估计过于乐观,但方向是没错的。

发达工业国家国民收入与闲暇的同步增加确实要归功于技术进步,本质上,是技术进步让生活更美好,而有效的社会机制保障了这种美好。

在理想的情况下,在交通领域,自动驾驶技术将有望帮助人类用更少的人力资源和物质资源投入,创造完全工业化的、更安全、更充沛、更低价且优质的出行服务,使人的生活更美好。

诚然历史上每一次技术革命,最终都带来了更多的工作岗位,但总量的增加并不能回答结构性的问题。问题在于,现实中,作为“劳动替代型技术”而非“劳动赋能型技术”的自动驾驶能够给国民带来“更高收入、更多闲暇”的美好吗?

科学与技术本身是价值中性的,跟“善与非善”这种价值判断有关的只能是使用技术的人,恰如,人可以将诺贝尔发明的 *** 用于开山修路创造增量价值,也可以用于战争杀戮做零和博弈,用什么样的机制使用技术组织生产、用什么样的机制分配价值,涉及价值判断,人是主体,人是目的。

在创新研究领域,这是一个关于技术基础与制度建设的熊彼特问题——技术和产业发展总是要超前于社会机制与规范配套进度的,而及时、有效的制度与规范保障了社会经济的可持续,减缓了创新带来的创造性破坏。

机制的建设并不完全是 *** 的责任,作为创新主体和市场主体,出于长期可持续发展与生态环境共生的考虑,企业在其中也需要扮演重要的角色,并不能完全着眼于“用科技让复杂的世界更简单”的技术主义信念,复杂就是复杂,从物理学上来说,能量守恒,不断熵增,局部的简单一定是有人承担了复杂。

2019年,普林斯顿大学出版社出版了《技术陷阱:自动化时代的资本、劳动力和权力》一书,以西方国家工业革命史为线索,将各个时期的技术发展与相应的经济、社会、劳动境况做了详细梳理。

书中提到,当今的挑战是,大数据、机器人、人工智能等技术几乎都是“劳动力替代型”的,技术解决不了如何将技术创造的较少的工作和巨大财富进行分配的问题。基于“再分配”的思路,弗雷讨论了若干种可能的应对策略,例如教育、再培训、工资保险、税收抵免、人口迁移、扩大住房供应、加强城市间交通连接、复兴工业等。

教育。事实证明拥有大学以上学历的人们被自动化取代的风险相对较低。尽管低技能的工作还被社会所需,但这些岗位未来面临更高的被取代风险。但目前的教育政策同样面临挑战:那些来自弱势家庭背景的孩子在教育上的表现相对较差,而弱势背景的孩子也许正来自于那些因自动化而失业、降薪、家庭破碎的家庭。因此教育系统如何让资源均等化,是下一代免受新技术淘汰的必要机制。

再培训。对技术性失业群体提供再培训曾经是美国上世纪60年代应对自动化焦虑的一个国家方案,不过,这种高投入、大规模培训的效果却难以评估。不管是国家投资的再培训项目,还是自我投资的再培训课程,应对快速的技术革新,“终生学习”才能满足不同职业阶段的技能需求。

该书非常有参考价值,但总体上,具有明显的个人主义的色彩,即认为个体应通过教育、培训等方式提升知识技能水平以应对技术进步的挑战。但是,应对技术挑战显然不应该完全是个人的责任,除了 *** ,企业完全可以在其中发挥重要的作用。

对此,另有一位未来学家Martin Ford就表示,长期而言,合理的 *** 应该是创造一个机制,让每个人都能在市场上占有一定份额,让人人成为分享技术收益的股东。

对企业来说,跳出技术迷思,给社会些温度,也应该大有“向善”的空间。好在,正如前文所述,自动驾驶的产业还处于婴儿期,日子还长,时间还有,拥抱技术创新同时讨论科技向善,恰逢其时。

写在最后:我反对“政策决定论”。这是因为,“政策促动”与“政策驱动”虽一字之差,却有本质之别。无论哪个新兴产业,政策提供阳光环境,企业才是主体,技术是种子,需求是土壤,创业者是耕农,劳作于调风顺雨或疾风暴雨的社会文化中。

在正向技术创新创业还属奢侈品的当下,政策促动必要而不充分,只有实现企业家、企业和顾客的良性互动,为社会所接受并扩散开来,产业更新才会实现,而自动驾驶正面临着这样的时代机遇,有赖于社会各界的共同呵护,相向而行。

(文章首发于微信公号“深水研究”,仅代表作者观点。作者崔桂林博士,研究员,研究方向为技术创新与企业战略,曾任清华大学全球产业研究院高级研究员、创新与产业发展研究中心总监,现在一家知名的行业智库工作。)