自动驾驶同样具备颠覆汽车产业的力量，历史也很精彩，但发展路径和长期商业前景有待观察。
最近几个月，自动驾驶大佬们离职跳槽的流动信息，似乎又多了起来。
比如去年中和今年初，小鹏汽车的自动驾驶系统总监--肖志光、理想汽车CTO--王凯相继离开原单位，去向不明。
有人则选择跳槽。比如原小鹏汽车自动驾驶产品总监--黄鑫在去年中离职后，加入蔚来。
还有人选择创业。前两天，有几家媒体报道，蔚来汽车自动驾驶副总裁--章健勇，将于近期离职，参与一个芯片项目创业。
对于大佬们的变动，市场有不同的看法。
有人就认为，这是正常的人员流动；但也有人担心，自动驾驶的推进，可能会遇到困难。
自动驾驶该如何做观察？本文，我们从历史出发，试图为各位梳理下面几个问题：
1）自动驾驶是怎么诞生的？
2）为什么互联网公司、车厂们拼命发力自动驾驶？
3）自动驾驶将形成哪些商业模式？
4）自动驾驶当下将遇到哪些挑战？
一次尴尬的比赛
自动驾驶技术能起步，离不开美国国防部高级研究计划局（DARPA）的助推。
DARPA是个神奇的组织，在这里设立的项目都瞄准军事用途，不但要求技术最先进、有新功能，更重要的是五年内产品化。
这些项目随便拿出个，就能吓人一跳，比如今天连接所有人的英特网，就是这家机构搞出来的。
而自动驾驶，则来自这家机构组织的三场比赛。
911事件后，美军在阿富汗和伊拉克执勤时，士兵伤亡严重，不是遇到简易炸弹，就是遭到土炮袭击。为了应对大量伤亡，美国国会通过了一项法案：要在2015年，至少有1/3的军用车辆可以自动驾驶。
不过，DARPA自己的技术人员虽然努力研发，但进展甚微，造出的样车又笨又慢。于是，2004年在洛杉矶东北方的沙漠，DARPA举办了一场机器人汽车比赛。而这，也成为了如今各势力角逐的起点。
这场比赛任何人都能参加，规则也很简单：谁能在10小时内，使用无人驾驶的方式，到达240公里处的终点，谁能赢得100万美元的奖金。
比赛万众瞩目，多家媒体跟进，但最终收获的却是类似《DARPA，一个浪费钱的官僚机构》、《沙漠中的惨败》的负面报道。
原因很扎心，这一场比赛中，参赛的21支队伍全军覆没。成绩稍好的来自卡内基·梅隆大学冠军团队，也只跑了12公里。
2004年第一名：卡内基·梅隆大学的参赛车辆
虽然结果有些惨淡，但通过这次比赛，我们能借此了解无人驾驶的雏形。
比如，冠军团队的策略，就是粗制地图和细节地图一起用，配合雷达与摄像头收集的视频信息。
所谓粗制地图，就是由车上的GPS提供信号，让车辆在正负几十米范围的粗线条里沿着赛事方给的路线前进；
而细节地图，是比赛前几个月在大沙漠里收集到的特征地貌。赛前几个月，冠军团队会驾驶一辆SUV，在沙漠里尽可能多的道路上缓慢行驶。用一个类似于自拍杆的东西架好摄像头、伸出车窗，捕捉地面图像，岩石的样子、陷坑的样子、稀疏草坪的样子……典型特征都记录下来。这其实就是谷歌街景的雏形。
当赛事方给出比赛线路后，利用仅有的两个小时，用安装在车上的台式机计算会进行一通计算，得出一条最优路线，然后照此行驶。
而输出的路线，主要包含两个简单要素：一，往哪个方向走；二，行驶速度是多少。
直到今天，这还是自动驾驶要直面的两个问题。
小资本，撬动大智慧
可能是为了不让自己太尴尬，第一次比赛草草收场后，DARPA宣布，一年后继续举办第二次挑战，不仅如此，奖金翻倍，达到200万美元。
这一次DARPA算是扳回了面子，总共有5辆车完成了全程，第一名的成绩是6小时54分，第二名是7小时14分。
2005年第一名：斯坦福大学名为“Stanley”的车辆
需要注意的是，之所以这次有队伍取得成功，是因为新加入了一批从事人工智能和机器人研发的科学家。
这些人将研发的核心，从如何控制机械，转向了如何写代码。他们将导航的问题，完全视为软件问题和数学问题。
两次比赛，只花了300万美元，竟然动员出民间如此大的创造力，这是DARPA起初没想到的。
为了继续花小钱碰撞出更大的惊喜，DARPA宣布，两年后，将举办第三届比赛。
和前两次的区别是，这三次的比赛场地换到了城市，距离是100公里，目标是6小时内走完，并且不能违反当地的交规。
同时，这次比赛的保密程度更甚，只透露会在路上增加几个职业司机来干扰自动驾驶。
如果我们将第三届比赛，和前两次挑战赛做个对比会发现，这次的参与者不仅背景更丰富，而且资本也进来了。
比如，有人在研究地图数字化这个比赛分支任务时，组建了自己的创业公司，开发手机上的街景软件；有人看到高端激光雷达是关键设备，就想当卖铲子的，组建公司做代理，卖给其他创业团队。
同时，这批参与者开始频繁接触风投，而红杉资本、基准资本等也冲了进来，这使得不少项目的种子轮的价码，从500万美元直接跳升至1500万美元。
此外，谷歌另外一个创始人布林也和佩奇一起，拜访了他们相中的冠亚季军研发主力，同时在比赛前就全资收购了其中一只队伍，这支队伍后来成为了谷歌街景团队。
2007 年，卡内基梅隆大学与通用汽车和卡特彼勒合作夺得第一
4年前还是个远在天边的技术，4年后就变得有些眉目，不禁让人感叹，市场机制“自我生长，公平淘汰”的伟大。
不过，这场比赛游戏很短暂，就在大家以为第四次自动驾驶挑战赛就要来临时，美国国防部官员泼了盆冷水说，这就是最后一届了，今后都不会有了。
美国防部的判断很朴素，他们认为这项技术离实用还差得远，之前指定的2015年有1/3以上的军车采用无人驾驶的目标不太可能实现。根据他们当时的判断，真正的无人驾驶最快也要10年，或许二三十年才能实现。
其实，从现在来看，美国国防部的不仅判断准，而且老谋深算，原因有二：
首先，以当时的技术水平诞生的车辆，实用性很低。
因为车里要搭载传感器、雷达、电脑等太多设备，这些设备不但很脆弱，同时很占地方车，根本没法装军用物资。
其次，自动驾驶的星星之火已经点起来了。
在当时的军方看来，自动驾驶这个细分专业已经出现，同时大资本已经开始介入。剩下的完全可以交给市场，等技术成熟了，再杀回来征用可行的技术即可。而且，4年多的时间，军方点火的成本，总共耗费也就900多万美元，可谓相当划算，此时不撤更待何时？
但正如很多人没猜到DARPA的自动驾驶比赛只有三次，更多人没想到，这次比赛暂停，成为了自动驾驶的第一波高峰。
后续自动驾驶逐步冷却，并没有成为全球车企砸钱研发的领域。
两种技术路线
传统车企不砸钱，或许是因为他们过于传统。
经过100多年的发展，传统车企在技术上是极致的，在机构的臃肿度上也是极致的。
这意味着，如果一个工程师，有些志向，想在汽车企业搞什么创新，那可就困难了。光是把创新所用的零部件买齐，各种申请、审批、采购，没有2个月搞不定，创新的热情早早就消磨在臃肿的系统里了。
创新成本很高，因此自动驾驶很难出现在体量巨大的汽车企业之中。
但这也给谷歌、特斯拉以及国内造车新势力等等一批科技公司留下的机会。
今天我们看到的自动驾驶，可以分成两大路线：
一个是以谷歌自动驾驶为代表的高感知+高处理能力的方式；另一派是以特斯拉为代表的低感知+高处理能力的方式。
先来看谷歌的模式。
所谓谷歌模式的高感知，离不开先进的传感器。车上能用到的传感器，总共分四类--摄像机、超声波雷达、毫米波雷达、激光雷达。其中，激光雷达既是感知的关键，也是区分是否为谷歌模式的关键。
激光雷达虽然重要，但功能很简单，就是判断距离。它的原理是，激光雷达发出一束光，射到障碍物后会反射回来，然后接收到反射信号，中间的时间差乘以光速的一半就是到障碍物的距离。
如果用公式解释就是“速度×时间=距离”。
由于上述原理，激光雷达能做到150米半径内任何物体的轮廓都不会被错判。即便车开在碎石路上，前车如果崩起来碎石子，激光雷达也能精准捕捉其朝后车飞行的速度和位置。
不过，激光雷达好是好，但是特别贵。比如谷歌在2010年测试的那辆车，顶棚上就安装着激光雷达，像顶着一个蒸锅一样，非常难看，但那个东西售价8万美元，比那辆测试车普锐斯贵好几倍。
目前，这条赛道的上的企业，除了谷歌，还有百度的Apollo、优步、福特与通用汽车的人工智能驾驶部门。
总体来看，这类企业可以分为三类，一类是算法、数据立本的互联网企业，一类是共享出行企业，最后一类是传统车企。
需要注意的是，互联网企业，看上去和造车很远。但实际上，车辆的自动驾驶，其实就是在要求程序员写代码，写长长的优质的代码。
一套成熟的自动驾驶系统，代码大约在几千万行到几亿行的规模，和电脑上 Windows 10 操作系统的规模相当。而这些调整、同步、优化的编程任务是传统车企无法胜任的。
说完了谷歌模式，我们再看看特斯拉模式。
之所以特斯拉站在另一条赛道，核心原因是，它拒绝用激光雷达。
特斯拉CEO马斯克觉得，用摄像头做主要的感知，配合毫米波雷达就够了。他的理由简单粗暴：人和动物都是这么做判断的。
不过，这个理由需要一定的前提，即人和动物是有脑子的，大脑的视觉加工水平极高。只要不同激光雷达，那么“感知”这个任务，就不可能100%完成，很多意外情况则难以避免。
特斯拉就出过类似事故，比如把白蓝配色的厢式货车误认作蓝天白云，或者道路上方的指路牌，然后就直接保持原来的速度撞了过去。
而这背后的根本原因，是感知不灵。毫米波雷达没有那么精确，距离判断会失误，而摄像头在逆光下看到的东西，失真也比较严重。
不过，这一点也有方法弥补。方法和刚刚的逻辑类似，就是通过高水准的图像识别技术，哪怕逆光，哪怕和其他物体很像，也能认出这是厢式货车，然后执行刹车。但这就考验特斯拉程序员的水平了。
为什么马斯克这么较劲，不安激光雷达？主要是节约成本，毕竟在产业爆发期，低价抢占市场是第一位。另外，也有观点认为，马斯克只是暂时性，一旦激光雷达成本下降，会快速倒戈。
而对于国内“蔚小理”等造车新势力来讲，不同车企及相关车型都使用了不同的技术。比如蔚来和小鹏在部分车型配置了激光雷达，而一些车型则没有配置。
那么，技术路线确立了，真正的自动驾驶是不是就快来了？恐怕要再等等。
自动驾驶的机遇和挑战
在今年3月底召开的中国电动汽车百人会论坛上，全国政协经济委员会副主任苗圩谈到，安全是智能网联汽车发展的前提。
在苗圩看来，当下的智能网联车，依然有不少安全隐患，具体来看有三点。
第一是机器设备的不安全。
比如地图的精度、定位的精度不高，再比如光线过强和过暗时，摄像头等设备探测不到。
第二是算法的缺陷。
发达的人工智能需要投喂海量的数据。有人测算，必须要开到177亿公里，才能做到行云流水。比如特斯拉就发动全世界100多万用户，每天在世界各地搜集各种路况，训练系统。
最后是人为因素。
目前，国内将自动驾驶分为6个等级，其中L0级为应急辅助，L5则为完全自动驾驶。
其中实现L4、L5最难，这是因为处于自动驾驶状态的汽车会判定，只要手接触方向盘，就将认为接管。而现实却是，有时是真接管，有时只是人不自主地将手搭在方向盘。这时，如果前方突然窜出人或车，则会发生碰撞。
因此，目前的所谓自动驾驶，只能称为辅助驾驶。
那么，既然自动驾驶短期实现起来仍有困难，为什么近几年各互联网公司、造车新势力还要躬身入局呢？
背后的原因是，空间巨大。
谷歌无人驾驶汽车项目的顾问--劳伦斯·伯恩斯在其《自动时代》中曾做过一个测算：
如果无人驾驶技术成熟了，通过无人驾驶进行共享的车辆，因为没有司机，可以做得更小，提高出行效率。尤其是，利用电动车技术，在不影响出行体验和效率的情况下，可以将每英里的成本降到0.2美元，而现在私人车辆的每英里成本是1.5美元，下降了86%！
这意味着，无人驾驶真正普及后，大概率将会削减汽车市场规模。对于整车厂而言，如果没有自动驾驶能力，未来很有可能掉队，最终沦为自动驾驶出行服务商的车辆提供者，处处受制于人。
但即便如此，汽车出行服务依然是个巨大的市场。
以美国为例，如果按美国人平均工资4.3万美元一年、城市平均车速40公里每小时算，拥有一辆车并且长期驾驶它的总成本是每公里1美元。又因为美国人全年总行驶里程大约是4.8万亿公里，所以美国全国司机驾驶的总成本每年就是4.8万亿美元，和每年联邦政府的预算相当。这是一笔惊人的数字。
在这样的背景下，能提供无人驾驶出行服务的企业，还是能在这千亿美元的市场规模中分一杯羹，这是对不少创业者依然具有不小的诱惑。
如果自动驾驶无法彻底落地
当然，即便L4、L5级别的自动驾驶无法实现，对于车企而言，参与自动驾驶，也是件有意义的事。因为自动驾驶将改变车企的商业模式，而商业模式的改变，将影响企业在资本市场的估值。
今年3月26日，在中国电动汽车百人会理事长陈清泰在百人会论坛上提出，汽车厂家的商业模式正在由“制造”转变为“制造+服务”，而服务的收益占比会逐步增长。
我们都知道，传统汽车的收入，主要是购车费用，近似一锤子买卖。而随着汽车智能化普及，车厂和车主的联系，开始变得紧密--如果车主想升级、解锁新功能，可以直接通过OTA（Over The Air在线升级）付费升级，这意味着车企的盈利将变得可持续。
陈清泰也在会上指出，智能汽车时代，厂商和用户的关系是全生命周期的合作关系，即“用户不断提供数据、厂商不断扩展服务”。
事实上最早探索出这种卖软件收费模式的是特斯拉。2019年4月，特斯拉在Autopilot（自动辅助驾驶功能）的基础上推出FSD（Full Self-Driving，完全自动驾驶功能）。
不过，特斯拉的FSD还名不副实，并没有实现完全自动驾驶。特斯拉中国官网的显示，目前特斯拉、提供两种系统选装方案，其中，Autopilot价格为3.2万元，FSD价格为6.4万元。
国内新势力方面，小鹏、蔚来汽车也均提供了类似智能驾驶服务，同时蔚来为了差异化还提供了服务无忧、能量无忧以及灵活换电等付费服务。
但要注意的是，对于自动驾驶真的能提供带来利润？目前市场其实有分歧。
乐观者认为，软件收入粘性强、毛利率高、边际成本低，随着智能汽车保有量进一步增加，未来服务盈利或将超越卖车利润。
偏悲观者，如中金证券则认为，如果头部企业在部分特殊场景（比如高速、园区、码头等）都能实现差不多的高级别自动驾驶能力，但在受制于法规开放程度城区，都无法实现高级别自动驾驶，那么会形成这样一种尴尬局面：
各家车厂的自动驾驶底层能力看起来有差异，但实际落地时差异并不明显，各家为了争取客户，很可能会陷入囚徒困境，纷纷放弃收费。
也就是说，靠自动驾驶收费，很可能只是中期现象。
长期来看，中金认为，对于车企而言，更应该学习苹果，收“渠道费”。
我们都知道，苹果手机自带的地图、音乐软件等功能并不收费，但苹果会向app开发者收取抽成（或者叫渠道费、苹果税）。
之所以苹果选择这么做，不是因为苹果发善心，而是所有手机品牌都能提供相似的软件服务，因此占据更多用户，完成收税大业，才是根本策略。
这意味着，未来很有可能有车企成为“汽车界的苹果”。而从卖车的制造型公司，到卖自动驾驶的服务性公司，再到卖渠道成为平台型公司，也将改变电动车企的估值。
所以，自动驾驶的命运会如何？总体看，由于现实的约束，它的推进，或许并不平坦，商业模式也可能出现从收费到不收费的变化。
但从商业的逻辑的来看，我们有理由相信，自动驾驶的发展大趋势不会改变。因为自动驾驶的终极诉求，是利用人工智能提升出行效率，降低出行者的出行成本。而提升效率始终是商业发展的根本。
正如投资人朱啸虎曾说--任何一个商业模式，它必须是提高效率的，提高效率的商业模式，才真正符合商业逻辑。
