起點課堂會員權益
職業(yè)體系課特權
線下行業(yè)大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業(yè)技能直播
會員專屬社群
榮耀標識吳甘沙：創(chuàng)業(yè)者如何應對即將到來的智能駕駛時代？
對汽車產業(yè)，你要有足夠的敬畏和謙卑之心，要做到老子所說的，重為輕根，靜為躁君。——吳甘沙
錢穆先生有句話對我影響很大：認知你的時代，帶領你的時代。我想，這也是每一位混沌大學的同學都應有的擔當。
智能駕駛涉及汽車、出行、能源、物流、商業(yè)地產等諸多產業(yè)，將在未來數十年中，創(chuàng)造數萬億美金的經濟規(guī)模，也將會是給社會帶來最大正面影響的產業(yè)。
在這個新時代到來的時候，沒有一家公司能夠一個人去戰(zhàn)斗。希望通過這堂課，能夠幫助大家看清這個產業(yè)，并學會如何與先行者同行，跟開創(chuàng)者共創(chuàng)，笑傲未來的巔峰之戰(zhàn)。
當然，創(chuàng)業(yè)精神的第一特征是善于質疑、懷疑一切。因此，我更希望通過這堂課讓大家學會看待時代變革的框架和方法。
智能駕駛：15年內最重要的人工智能產業(yè)
時和勢，對創(chuàng)業(yè)者是非常重要。
這里面一個很關鍵的思想，當一個時代變遷來臨的時候、范式轉移來臨的時候，我們考慮的一定是10倍的變化，而不是2、3倍的改良。
正如古人所說，時來天地皆同力，運去英雄不自由。
那么，智能駕駛究竟是怎樣一場革命？
首先，從社會影響角度上講，智能駕駛可能是未來20年對社會產生正面影響最大的一個產業(yè)。
想象一下，10-15年以后，大街小巷都跑的是無人駕駛的車輛，世界會變得怎么樣？
未來城市將從為車而設計轉化為以人為中心。
現在我們城市15%以上的土地是留給停車位的。無人駕駛的川流不息，不用停下來，停車位會大量減少。同時，因為無人車行車效率的提升，單車道容納的車流量可以增加3-4倍，路面占用的面積也會隨著劇烈減少。因此，大量的土地釋放出來，變成公共空間、綠地、人的活動和居住之所。
未來解決城市交通問題的“第一性原理”，就是基于大數據的“計劃經濟”，就是通過信息流來調度交通流和能源流。而今天人的因素橫亙在這三個流中間，因為人是高度不可控的，因此三個流沒辦法很好地獲得統(tǒng)一。
智能駕駛時代，為解決這個問題，提供了新的契機。
2010年以后，我們看到了一些清晰的變化趨勢，電動化、共享化、智能化、網聯(lián)化，簡稱“四化”。
其中，智能化帶來了沒有人的駕駛能力，網聯(lián)化帶來了城市內，車與車、車跟路的協(xié)同，允許在城市范圍內全局優(yōu)化和調度車輛。
這“兩化”加起來，就把“人”的因素拿掉了，就有可能實現用大數據、計劃經濟的方式來調度信息流、交通流和能源流。
其次，汽車產業(yè)后來者將會獲得機會。
從汽車產業(yè)的角度講，很長一段時間以來，對于后來者并不友好，進入成本非常高。從1950年到現在，美國出現了很多新的車廠，但是生存下來的車廠就一家，叫特斯拉。
在2010年前，你要去參與汽車行業(yè)的變革，作為一個后來者是不可能的。
智能化和網聯(lián)化好比門口的野蠻人。它帶來的沖擊是什么呢？
- 估值體系的崩塌和重構
通用汽車一年賣1000萬臺車，利潤是100億美金。特斯拉一年賣10萬臺車，還是虧的，但它的市值超過了通用汽車。
Google拆分出來的無人駕駛公司Waymo，估值達到700億美金，甚至比Uber還高。
這其中的估值邏輯是這樣的：
傳統(tǒng)的汽車廠商每賣出一臺車利潤是1400美金，假設這臺車在生命周期當中開14、15萬英里，也就是說每1英里是賺1美分。Uber或者是Waymo這樣的公司，1英里是賺1.25美金，而通過無人駕駛，每英里的成本卻急劇下降。
根據這么一個非常簡單的估值邏輯，可以享受更大的溢價。
- 造車利潤發(fā)生巨大轉移，價值鏈重構
在傳統(tǒng)汽車生態(tài)的利潤分配中，主機廠占最多，其次是一級供應商，也就是提供底盤、動力這樣的系統(tǒng)供應商，緊接著是二級的零部件供應商，最后是材料和一些小部件的供應商。這是一個非常嚴格的層級的關系，你處在哪個地方，賺你該賺的錢。
但現在，最賺錢的變成了出行服務的提供商，每公里的利潤是最高的。
還有一類供應商出現了，叫“四化”技術的供應商，一方面提供了智能駕駛系統(tǒng)，占有制造的利潤；另一方面還享有運營和運維的利潤。
玩家新思維：保持核心競爭力
以合作模式補短板
從現在的產業(yè)格局來說，智能駕駛并不是大勢將至，而是未來已來。于是在這種格局下，幾乎所有玩家都懷著這樣一種心態(tài)：
首先，要合作，因為一個人做不來；
第二，如何能夠把自己的短板補上，同時核心競爭力不受威脅。
那他們都是怎么玩的？
- 主機廠，危機與機遇并存
它的危機感非常嚴重，因為再這么下去，很有可能就是一個代工造車的人：需求和產品規(guī)格是出行服務提供商來提供，運營、運維的利潤可能被“四化”的供應商賺去了。
不想淪為代工者的主機廠，就拼命地布局車聯(lián)網（例如安吉星），至少還能夠維護著跟用戶的聯(lián)系，他們也在布局出行、自動駕駛。
主機廠往往具有強烈的意愿去擁有技術，甚至還希望能夠出售技術。比如，通用汽車花了10億美金買一家創(chuàng)業(yè)公司，緊接著福特花了10億美金跟一家剛剛成立三個月的公司成立了合資公司。
甚至于國外的一些車廠主動開放接口，提供標準的改裝車，因為今天科技公司要去測試自動駕駛，需要有一輛車。這個車哪里來呢？主機廠主動開放接口，給你改裝車，你在我的車上嘗試你的自動駕駛。
此外，主機廠還紛紛參與聯(lián)盟，去平衡巨大的投入和風險。
- 供應商，加速布局
合縱連橫的除了主機廠，還有一級供應商德爾福、法雷奧、采埃孚這樣的供應商或者在投資上游傳感器，或者在投資下游的汽車，通過加速布局占據時長。
二級供應商的一個重要趨勢是出現了像Intel、英偉達、三星、高通等等這樣一些新晉的勢力，通過并購大舉進來了。他們與傳統(tǒng)汽車廠商的玩家相比，最強的能力就是會玩生態(tài)。
而傳統(tǒng)的二級供應商，像Mobileye此前形成的菱形采購的優(yōu)勢可能會不存在了。此前一家主機廠設計一款新的車型會找多個一級供應商，不同的一級供應商為實現自動駕駛技術又只能找Mobileye，這樣的優(yōu)勢可能會被野蠻人打破。
總的來說，二級供應商有強烈的愿望改變食物鏈當中的地位，希望以它自己為中心建立聯(lián)盟，轉變成為“四化”技術的供應商。
- 出行服務商，志在必得
Uber曾經花了6.8億美金并購了一家自動駕駛的公司叫Otto，這家公司是前Google的人員創(chuàng)建的一家公司。Google告那些人偷取了Google的知識產權，把Uber告上了法庭，限制Uber繼續(xù)做自動駕駛。它到底是自己在做局還是被做了？現在真是變成了一個疑問。
Lift是老二，是有戰(zhàn)略意義的，因為大家都不想跟老大玩，老大太強勢了。所以大家看到Lift跟大量其他的廠商展開了合作。
- 圖商，重新得到青睞
HERE原來是諾基亞的一個分部，諾基亞要把這家公司賣掉，結果沒人愿意買，后來ABB（奧迪、奔馳、寶馬）組成了財團把它買下來，結果在自動駕駛起來以后，它一下子又變得非?；穑琁ntel、騰訊、四維都要投資它。
在中國，所有地圖廠商后面都有BAT的身影，百度不用說了，高德是屬于阿里巴巴，四維后面又有騰訊的身影。而且像阿里巴巴不僅僅只是布局了地圖，還布局了高精度的定位。
圖商的走紅源于商業(yè)模式的復興和創(chuàng)新。
其實早兩年圖商的業(yè)務是越走越窄的，為什么呢？大家不用車機上面進行導航了，都用手機進行導航了，因為手機始終是最新的，有實時的交通路況。但是未來自動駕駛以后，必須得在車里面裝一個高精地圖，這是逃不掉的。所以每一輛車都要授權付費，所以它的商業(yè)模式出現了復興。
當然，地圖可能會存在地域保護的問題，最近美國政府否決了騰訊跟四維對HERE股權的收購。另一方面國外的投資商也很難進入到中國來。
- 科技大廠，捉摸不定
對于一些科技大廠，我個人感覺他們的戰(zhàn)略還并不是十分清晰。無論是Waymo、Apple、Apollo（百度的自動駕駛開源平臺）都在糾結。
比如說像Waymo路線是一直在游移，到底是想做一個車廠、造車的，還是做一個出行服務商，抑或是做自動駕駛系統(tǒng)？到底是提供軟件和算法，還是同時做硬件？到底是做封閉系統(tǒng)，還是開放系統(tǒng)？這些問題都沒有明確的結論。
Apple偷偷摸摸地做了很長時間的自動駕駛，現在已經公開了，但是它到底是造車還是只是做自動駕駛的軟件系統(tǒng)？也沒有一個明確的結論，我相信連庫克自己現在心里面還在想。
Apollo是不是可持續(xù)？任何一家廠商如果說不想著賺錢，去推動一個開源的社區(qū)，很難。像汽車這樣一種對于安全可靠性有非常高要求的產品，開源的系統(tǒng)是不是有足夠好的能力？也不知道。
- 數據運營商，風頭正盛
比如，Nauto這家公司，前一段時間非?；?，融了1到2個億美金，為什么它特別厲害？
做了兩件事：
1、在車里裝個攝像頭，看駕駛員，能夠檢測你是不是疲勞、分心。以這個作為交換，換得在車外再裝一個攝像頭，能夠不斷地看到車的駕駛場景，用它訓練一個更好地自動駕駛的能力，事實上它的業(yè)務是基于數據的交換上。
2、事實上，包括Nauto、Otonomo等在內的這類公司是希望承擔主機廠和不同服務商之間的數據融合，來幫助數據的擁有者對數據進行變現。英特爾、豐田、愛立信等等都成立了自動駕駛大數據的聯(lián)盟。
- 創(chuàng)業(yè)公司，百花齊放
硅谷有50家自動駕駛的創(chuàng)業(yè)公司，國內有10家，但目前存在的一個很大的問題是，絕大多數創(chuàng)業(yè)公司是懂AI但是并不懂汽車產業(yè)。
對汽車產業(yè)沒有足夠敬畏的話，做自動駕駛肯定會出現問題。
未來，你的機會在哪里？
智能駕駛，一般來講，可分為0到5級，詳細如下圖：
那么，在中國市場，智能駕駛又是如何分布的？
首先，2020年，3000萬臺新車中，有一半裝配了1-3級的自動駕駛，這是數百億人民幣的市場。
其次，智能駕駛級別市場中，0級警告和1級緊急狀況下的剎車和自適應巡航，現已變成了紅海。前文說的10家國內創(chuàng)業(yè)公司，都是做2級以上的，但是0級和1級在中國，可能有上百家。
加上法律等因素，這個市場非常復雜，對創(chuàng)業(yè)公司來說，應當牢記哪些要點？避免哪些坑？
以下7個問題值得你好好思考：
1、? 我們到底是選擇一種茍且的活法，還是詩與遠方？也就是說，是先落地商業(yè)化，還是想要解決城市區(qū)域4級無人駕駛的科學難題？
無人駕駛為什么那么難？為什么落地還需要那么長的時間。主要涉及兩個方面：
- 算法。
- 系統(tǒng)。
今天的人工智能算法，我們把它叫做弱人工智能或者是窄人工智能，是存在著邊界的。比如深度學習是數據驅動的，有多少數據教他，多少人工訓練他，才有多少智能。而我們說人工智能，是有多少人工，才有多少智能。如果說它從來沒有見過，它是處理不了的。
系統(tǒng)實在是太復雜了。奔馳S級轎車的代碼行數，是一架波音787夢想客機代碼行數的16倍，它要處理的環(huán)境要比天上的復雜很多。所以，有那么多行的代碼，當中沒有bug是不太可能的，只要有bug，就會失效，有失效就會有事故，你是很難去避免這些事的。
完全解決這兩個問題，可能需要5年以上的時間。近幾年可以通過兩個方法解決落地。
一，就是找到算法可以工作的邊界，也就是場景化。
二，當系統(tǒng)出現失效導致事故時，最小化事故的后果，通過中低速切入。20英里的時速撞上一個人，生還概率是95%，而40英里的時速，概率一下子降到20%。
2、做智能駕駛，要混入主流社會，我覺得至少要做到這三點：
- 對汽車產業(yè)、對汽車研發(fā)的流程和方式要有足夠的敬畏和謙卑之心，不能整天想著我是來顛覆你的，一定要用汽車人的語言體系和做事方式，去參與到這個行業(yè)當中去。
- 作為一個生態(tài)系統(tǒng)的外來物種，要做到人畜無害，不能讓傳統(tǒng)汽車領域的人覺得你是來革他的命的。而且你一定要找到自己的互補優(yōu)勢在哪里，主動融入進去。
- 學會建立農村的根據地，要找主流玩家不屑于玩的，邊緣垂直細分市場，實現顛覆性創(chuàng)新。
3、從演示，到部署，到量產，整個過程是一條非常漫長、艱苦的道路。而且，往往是，算法決定上限，系統(tǒng)決定下限。
所以，你要做到老子說的：重為輕根，靜為躁君。
什么意思？重是輕的根本，而沉靜則是浮躁的控制者。算法其實是輕的東西，很容易在一片喧囂當中，展示出來，迷失了自己，但系統(tǒng)是重的東西，需要靜靜地做。
4、專注還是多線出擊？是單點還是全棧？
這是一個無人區(qū)，在這個時點選擇一個點，可能失去戰(zhàn)略的多種可能性。
如果只是把算法一個點做好，落地就會很困難。因為依靠生態(tài)系統(tǒng)其他伙伴幫你落地，如果價值鏈是全新的，或者你是傳統(tǒng)價值鏈的新成員，你很難找到別人全心全意幫你，這時候“全?！钡膬?yōu)勢就體現出來了。
5、要深度理解客戶的真正價值主張，要做的是客戶真正需要的東西。
6、不求更好，只求不同。可以嘗試在一些新的品類里面進行發(fā)力。
比如電動車，上汽通用五菱，找到A00級電動車的新品類，并且嘗試了多種互聯(lián)網的玩法，鼓勵大家開車，每開一公里給你1毛錢的獎勵，它給你算出來，你少排放了多少二氧化碳，少了多少樹木的砍伐等。甚至通過全城人眾包的方式尋找城市土地的“邊角料”，作為A00級車的停車位。馭勢科技通過“城市移動空間”的角度找到新品類的機會。
7、未來10年、20年以后，無人駕駛時代真的來臨的時候，誰將是王者？
以下7個命題值得深度討論：
- 討論1：技術有沒有國界？地界？
- 討論2：誰有機會建立大車隊？
- 討論3：誰是最終產品/服務的整合者？
- 討論4：誰能形成多邊平臺效應？
- 討論5：誰擁有數據（大，質量高，多樣化）？
- 討論6：誰擁有網絡效應？
- 討論7：如果必須轉型，誰能改造固執(zhí)的基因？
基于這些判斷依據，我們可以推演出一些未來競爭格局的一些可能性。
以上沒有結論，提出來，希望能夠激發(fā)大家的一些思考。
作者：吳甘沙，馭勢科技聯(lián)合創(chuàng)始人&CEO
本文由 @吳甘沙 授權發(fā)布于人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Pixabay，基于CC0協(xié)議
- 目前還沒評論，等你發(fā)揮！
