吴甘沙:创业者如何应对即将到来的智能驾驶时代?


时间: 2021-07-30 11:54:17 人气: 18 评论: 0

对汽车产业,你要有足够的敬畏和谦卑之心,要做到老子所说的,重为轻根,静为躁君。——吴甘沙

钱穆先生有句话对我影响很大:认知你的时代,带领你的时代。我想,这也是每一位混沌大学的同学都应有的担当。

智能驾驶涉及汽车、出行、能源、物流、商业地产等诸多产业,将在未来数十年中,创造数万亿美金的经济规模,也将**是给社**带来最大正面影响的产业。

在这个新时代到来的时候,没有一家公司能够一个人去战斗。希望通过这堂课,能够帮助大家看清这个产业,并学**如何与先行者同行,跟开创者共创,笑傲未来的巅峰之战

当然,创业精神的第一特征是善于质疑、怀疑一切。因此,我更希望通过这堂课让大家学**看待时代变革的框架和方法

智能驾驶:15年内最重要的人工智能产业

时和势,对创业者是非常重要。

这里面一个很关键的思想,当一个时代变迁来临的时候、范式转移来临的时候,我们考虑的一定是10倍的变化,而不是2、3倍的改良。

正如古人所说,时来天地皆同力,运去英雄不自由。

那么,智能驾驶究竟是怎样一场革命?

首先,从社**影响角度上讲,智能驾驶可能是未来20年对社**产生正面影响最大的一个产业。

想象一下,10-15年以后,大街小巷都跑的是无人驾驶的车辆,世界**变得怎么样?

未来城市将从为车而设计转化为以人为中心。

现在我们城市15%以上的土地是留给停车位的。无人驾驶的川流不息,不用停下来,停车位**大量减少。同时,因为无人车行车效率的提升,单车道容纳的车流量可以增加3-4倍,路面占用的面积也**随着剧烈减少。因此,大量的土地释放出来,变成公共空间、绿地、人的活动和居住之所。

未来解决城市交通问题的“第一性原理”,就是基于大数据的“计划经济”,就是通过信息流来调度交通流和能源流。而今天人的因素横亘在这三个流中间,因为人是高度不可控的,因此三个流没办法很好地获得统一。

智能驾驶时代,为解决这个问题,提供了新的契机。

2010年以后,我们看到了一些清晰的变化趋势,电动化、共享化、智能化、网联化,简称“四化”。

其中,智能化带来了没有人的驾驶能力,网联化带来了城市内,车与车、车跟路的协同,允许在城市范围内全局优化和调度车辆。

这“两化”加起来,就把“人”的因素拿掉了,就有可能实现用大数据、计划经济的方式来调度信息流、交通流和能源流。

其次,汽车产业后来者将**获得机**。

从汽车产业的角度讲,很长一段时间以来,对于后来者并不友好,进入成本非常高。从1950年到现在,美国出现了很多新的车厂,但是生存下来的车厂就一家,叫特斯拉。

在2010年前,你要去参与汽车行业的变革,作为一个后来者是不可能的。

智能化和网联化好比门口的野蛮人。它带来的冲击是什么呢?

  • 估值体系的崩塌和重构

通用汽车一年卖1000万台车,利润是100亿美金。特斯拉一年卖10万台车,还是亏的,但它的市值**过了通用汽车。

Google拆分出来的无人驾驶公司Waymo,估值达到700亿美金,甚至比Uber还高。

这其中的估值逻辑是这样的:

传统的汽车厂商每卖出一台车利润是1400美金,假设这台车在生命周期当中开14、15万英里,也就是说每1英里是赚1美分。Uber或者是Waymo这样的公司,1英里是赚1.25美金,而通过无人驾驶,每英里的成本却急剧下降。

根据这么一个非常简单的估值逻辑,可以享受更大的溢价。

  • 造车利润发生巨大转移,价值链重构

在传统汽车生态的利润分配中,主机厂占最多,其次是一级供应商,也就是提供底**、动力这样的系统供应商,紧接着是二级的零部件供应商,最后是材料和一些小部件的供应商。这是一个非常严格的层级的关系,你处在哪个地方,赚你该赚的钱。

但现在,最赚钱的变成了出行服务的提供商,每公里的利润是最高的。

还有一类供应商出现了,叫“四化”技术的供应商,一方面提供了智能驾驶系统,占有制造的利润;另一方面还享有运营和运维的利润。

玩家新思维:保持核心竞争力

以合作模式补短板

从现在的产业格局来说,智能驾驶并不是大势将至,而是未来已来。于是在这种格局下,几乎所有玩家都怀着这样一种心态:

首先,要合作,因为一个人做不来;

第二,如何能够把自己的短板补上,同时核心竞争力不受威胁。

那他们都是怎么玩的?

  • 主机厂,危机与机遇并存

它的危机感非常严重,因为再这么下去,很有可能就是一个代工造车的人:需求和产品规格是出行服务提供商来提供,运营、运维的利润可能被“四化”的供应商赚去了。

不想沦为代工者的主机厂,就拼命地布局车联网(例如安吉星),至少还能够维护着跟用户的联系,他们也在布局出行、自动驾驶。

主机厂往往具有强烈的意愿去拥有技术,甚至还希望能够出售技术。比如,通用汽车花了10亿美金买一家创业公司,紧接着福特花了10亿美金跟一家刚刚成立三个月的公司成立了合资公司。

甚至于国外的一些车厂主动开放接口,提供标准的改装车,因为今天科技公司要去测试自动驾驶,需要有一辆车。这个车哪里来呢?主机厂主动开放接口,给你改装车,你在我的车上尝试你的自动驾驶。

此外,主机厂还纷纷参与联盟,去平衡巨大的投入和风险。

  • 供应商,加速布局

合纵连横的除了主机厂,还有一级供应商德尔福、法雷奥、采埃孚这样的供应商或者在投资上游传感器,或者在投资下游的汽车,通过加速布局占据时长。

二级供应商的一个重要趋势是出现了像Intel、英伟达、三星、高通等等这样一些新晋的势力,通过并购大举进来了。他们与传统汽车厂商的玩家相比,最强的能力就是**玩生态。

而传统的二级供应商,像Mobileye此前形成的菱形采购的优势可能**不存在了。此前一家主机厂设计一款新的车型**找多个一级供应商,不同的一级供应商为实现自动驾驶技术又只能找Mobileye,这样的优势可能**被野蛮人打破。

总的来说,二级供应商有强烈的愿望改变食物链当中的地位,希望以它自己为中心建立联盟,转变成为“四化”技术的供应商。

  • 出行服务商,志在必得

Uber曾经花了6.8亿美金并购了一家自动驾驶的公司叫Otto,这家公司是前Google的人员创建的一家公司。Google告那些人偷取了Google的知识产权,把Uber告上了法庭,限制Uber继续做自动驾驶。它到底是自己在做局还是被做了?现在真是变成了一个疑问。

Lift是老二,是有战略意义的,因为大家都不想跟老大玩,老大太强势了。所以大家看到Lift跟大量其他的厂商展开了合作。

  • 图商,重新得到青睐

HERE原来是诺基亚的一个分部,诺基亚要把这家公司卖掉,结果没人愿意买,后来ABB(奥迪、奔驰、宝马)组成了财团把它买下来,结果在自动驾驶起来以后,它一下子又变得非常火,Intel、**、四维都要投资它。

在中国,所有地图厂商后面都有BAT的身影,百度不用说了,高德是属于阿里巴巴,四维后面又有**的身影。而且像阿里巴巴不仅仅只是布局了地图,还布局了高精度的定位。

图商的走红源于商业模式的复兴和创新。

其实早两年图商的业务是越走越窄的,为什么呢?大家不用车机上面进行导航了,都用手机进行导航了,因为手机始终是最新的,有实时的交通路况。但是未来自动驾驶以后,必须得在车里面装一个高精地图,这是逃不掉的。所以每一辆车都要授权付费,所以它的商业模式出现了复兴。

当然,地图可能**存在地域保护的问题,最近美国政府否决了**跟四维对HERE股权的收购。另一方面国外的投资商也很难进入到中国来。

  • 科技大厂,捉摸不定

对于一些科技大厂,我个人感觉他们的战略还并不是十分清晰。无论是Waymo、Apple、Apollo(百度的自动驾驶开源平台)都在纠结。

比如说像Waymo路线是一直在游移,到底是想做一个车厂、造车的,还是做一个出行服务商,抑或是做自动驾驶系统?到底是提供软件和算法,还是同时做硬件?到底是做封闭系统,还是开放系统?这些问题都没有明确的结论。

Apple偷偷摸摸地做了很长时间的自动驾驶,现在已经公开了,但是它到底是造车还是只是做自动驾驶的软件系统?也没有一个明确的结论,我相信连库克自己现在心里面还在想。

Apollo是不是可持续?任何一家厂商如果说不想着赚钱,去推动一个开源的社区,很难。像汽车这样一种对于安全可靠性有非常高要求的产品,开源的系统是不是有足够好的能力?也不知道。

  • 数据运营商,风头正盛

比如,Nauto这家公司,前一段时间非常火,融了1到2个亿美金,为什么它特别厉害?

做了两件事:

1、在车里装个摄像头,看驾驶员,能够检测你是不是疲劳、分心。以这个作为交换,换得在车外再装一个摄像头,能够不断地看到车的驾驶场景,用它训练一个更好地自动驾驶的能力,事实上它的业务是基于数据的交换上。

2、事实上,包括Nauto、Otonomo等在内的这类公司是希望承担主机厂和不同服务商之间的数据融合,来帮助数据的拥有者对数据进行变现。英特尔、丰田、爱立信等等都成立了自动驾驶大数据的联盟。

  • 创业公司,百花齐放

硅谷有50家自动驾驶的创业公司,国内有10家,但目前存在的一个很大的问题是,绝大多数创业公司是懂AI但是并不懂汽车产业。

对汽车产业没有足够敬畏的话,做自动驾驶肯定**出现问题。

未来,你的机**在哪里?

智能驾驶,一般来讲,可分为0到5级,详细如下图:

那么,在中国市场,智能驾驶又是如何分布的?

首先,2020年,3000万台新车中,有一半装配了1-3级的自动驾驶,这是数百亿人民币的市场。

其次,智能驾驶级别市场中,0级警告和1级紧急状况下的刹车和自适应巡航,现已变成了红海。前文说的10家国内创业公司,都是做2级以上的,但是0级和1级在中国,可能有上百家。

加上法律等因素,这个市场非常复杂,对创业公司来说,应当牢记哪些要点?避免哪些坑?

以下7个问题值得你好好思考:

1、  我们到底是选择一种苟且的活法,还是诗与远方?也就是说,是先落地商业化,还是想要解决城市区域4级无人驾驶的科学难题?

无人驾驶为什么那么难?为什么落地还需要那么长的时间。主要涉及两个方面:

  • 算法。
  • 系统。

今天的人工智能算法,我们把它叫做弱人工智能或者是窄人工智能,是存在着边界的。比如深度学习是数据驱动的,有多少数据教他,多少人工训练他,才有多少智能。而我们说人工智能,是有多少人工,才有多少智能。如果说它从来没有见过,它是处理不了的。

系统实在是太复杂了。奔驰S级轿车的代码行数,是一架波音787梦想客机代码行数的16倍,它要处理的环境要比天上的复杂很多。所以,有那么多行的代码,当中没有bug是不太可能的,只要有bug,就**失效,有失效就**有事故,你是很难去避免这些事的。

完全解决这两个问题,可能需要5年以上的时间。近几年可以通过两个方法解决落地。

一,就是找到算法可以工作的边界,也就是场景化。

二,当系统出现失效导致事故时,最小化事故的后果,通过中低速切入。20英里的时速撞上一个人,生还概率是95%,而40英里的时速,概率一下子降到20%。

2、做智能驾驶,要混入主流社**,我觉得至少要做到这三点:

  • 对汽车产业、对汽车研发的流程和方式要有足够的敬畏和谦卑之心,不能整天想着我是来颠覆你的,一定要用汽车人的语言体系和做事方式,去参与到这个行业当中去。
  • 作为一个生态系统的外来物种,要做到人畜无害,不能让传统汽车领域的人觉得你是来革他的命的。而且你一定要找到自己的互补优势在哪里,主动融入进去。
  • 学**建立农村的根据地,要找主流玩家不屑于玩的,边缘垂直细分市场,实现颠覆性创新。

3、从演示,到部署,到量产,整个过程是一条非常漫长、艰苦的道路。而且,往往是,算法决定上限,系统决定下限。

所以,你要做到老子说的:重为轻根,静为躁君。

什么意思?重是轻的根本,而沉静则是浮躁的控制者。算法其实是轻的东西,很容易在一**喧嚣当中,展示出来,迷失了自己,但系统是重的东西,需要静静地做。

4、专注还是多线出击?是单点还是全栈?

这是一个无人区,在这个时点选择一个点,可能失去战略的多种可能性。

如果只是把算法一个点做好,落地就**很困难。因为依靠生态系统其他伙伴帮你落地,如果价值链是全新的,或者你是传统价值链的新成员,你很难找到别人全心全意帮你,这时候“全栈”的优势就体现出来了。

5、要深度理解客户的真正价值主张,要做的是客户真正需要的东西。

6、不求更好,只求不同。可以尝试在一些新的品类里面进行发力。

比如电动车,上汽通用五菱,找到A00级电动车的新品类,并且尝试了多种互联网的玩法,鼓励大家开车,每开一公里给你1毛钱的奖励,它给你算出来,你少排放了多少二氧化碳,少了多少树木的砍伐等。甚至通过全城人众包的方式寻找城市土地的“边角料”,作为A00级车的停车位。驭势科技通过“城市移动空间”的角度找到新品类的机**。

7、未来10年、20年以后,无人驾驶时代真的来临的时候,谁将是王者?

以下7个命题值得深度讨论:

  1. 讨论1:技术有没有国界?地界?
  2. 讨论2:谁有机**建立大车队?
  3. 讨论3:谁是最终产品/服务的整合者?
  4. 讨论4:谁能形成多边平台效应?
  5. 讨论5:谁拥有数据(大,质量高,多样化)?
  6. 讨论6:谁拥有网络效应?
  7. 讨论7:如果必须转型,谁能改造固执的基因?

基于这些判断依据,我们可以推演出一些未来竞争格局的一些可能性。

以上没有结论,提出来,希望能够激发大家的一些思考。

 

作者:吴甘沙,驭势科技联合创始人&CEO

本文由 @吴甘沙 授权发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Pixabay,基于CC0协议

---蛙鱼源码WAYUYM.COM---专业提供网站模板,网站源码下载,教程培训,程序插件,网站素材等建站资源,主要收集各类精品源码资源,包含CMS程序模板、网站源码、游戏源码、APP源码等 ,所有资源都没有水印适合搬运,我们致力于打造一个优秀的建站资源共享学习平台!

专业厂家,设备先进,技术力量雄厚,自动化生产技术先进,产品质量符合国家标准,价格合理,https://www.69shenlan.com/,具有质量保证,生产及时,交货快捷的特点。 我们的宗旨:做我们擅长的事,希望用我们的创意和创意为客户实现战略定位,塑造品牌,强化形象!
我们的要求:坚持“优质产品、优质服务、优惠价格、快速交货”的经营方针,努力开拓市场,真诚为客户服务! 我们的发展:以独特的专业和专业精神,https://www.69shenlan.com/1:1--

人工智能

评论