自动驾驶的“赢者通吃”效应 | 亿欧智库精选

Benedict Evans
2017.08.27 20:50
[ 亿欧导读 ] 回顾不远的历史,我们发现微软和Intel掐住了PC时代的喉咙,而Google则在智能机时代占据了先机,那么“赢者通吃”效应在自动驾驶领域将会是一番什么样的场景?
亿欧智库精选分享,自动驾驶,赢者通吃,网络效应,亿欧智库

文章来源于:Benedict Evans

回顾智能手机时代,Google通过安卓收拢了大批第三方软件供应商,与苹果IOS成为仅有的两大操作系统,做到“赢者通吃”。不仅在操作系统,直接面对消费者的APP同样有着明显的马太效应:某一子领域中越流行的产品总会有越多人使用,对于用户而言,使用用户更多的APP能为自己带来更大的效益(如信息共享),对于软件供应商而言,则取得网络效应,获得最多数据,给后来者造成壁垒。“赢者通吃”效应往往发生在固定成本较高、边际成本近乎为零的产业,里夫金在《零边际成本的社会》中预测,未来绝大多数的产品的边际成本都会接近于零,自动驾驶作为传统汽车制造业和科技产业融合的未来产物,将在哪些环节能够出现“赢者通吃”的寡头企业?

本文作者A16Z合伙人Benedict Evans,编译Tom Ren,以下带来亿欧精选阅读:


目前在自动驾驶领域正上演着激烈的竞争,从OEM工厂到传统的汽车零部件供应商再到创业公司都在如火如荼的竞争。但是经济规律告诉我们并不是所有的公司都会成功,但较多的参与者进入这一领域会大大提高行业成功的几率。我们需要考虑的是这一行业中哪里会出现赢者通吃的局面,在何时用什么样的手段实现?在这一行业中是否会出现像智能机和PC操作系统一样的网络效应,出现一两家公司为主导的垄断模式,还是会有足够的空间容纳5-10家公司进行充分的竞争(寡头模式)?同时价值链中哪一个环节的成功将会带来其他业务的巨大发展。

这些问题之所以重要,是因为它们关系到汽车工业未来几十年的走向。汽车厂将会像现在和供应商们购买ABS一样向这些公司购买自动驾驶模块。这和现在Waymo与Uber的模式都不太一样,这产生一种全新的商业模式,就像Google在Android中取得的成功一样。回顾不远的历史我们发现微软和Intel掐住了PC时代的喉咙,而Google则在智能机时代占据了先机,那么在自动驾驶领域将会是一番什么样的场景呢?

在最开始的时候我们将会看到用于自动化的硬件和传感器会大规模的商品化。它们就像今天的LCD屏幕一样集成大量的科技,但是消费者选购的原因却仅仅是大家都用所以我也用。这个市场中存在着很强的制造规模效应。例如激光雷达的价格将会从高昂的5万美元降到几百美元甚至更低,这一细分领域将会产生一些成功的公司。但是这里不存在网络效应,激光雷达的成功并不会撬动这一领域中其他层次的成功(除非你是激光雷达的垄断者),这样的情况就像制造出最好的图像传感器(并大量供应苹果)的索尼公司一样。同样的事情还会发生在汽车动力电池、电动机、电池电机控制器等细分行业,像极了惊天的RAM产业,科技含量很高规模很大但却还不具有撬动整个行业的能力。

但在第三方软件的开发生态中会发生不一样的事情。在PC时代Windows碾压了MAC,但是在智能机时代苹果的IOS和安卓又反扑贡献了Windows Phone的阵地,开发者们在不同的环境下选择了不同的策略继续发展。但对于自动驾驶汽车来说,你在考虑购买的时候绝对不会是因为它能运行多少个app而决定的,他们很有可能将会运行Uber,Lyft或者滴滴的系统,Netflix嵌入在屏幕中,而余下的app还将会在智能手表或者眼镜中。

但是有一样东西并不直接和车的硬件相关,却会极大的加速这个行业的进步,那就是自动驾驶汽车的控制软件,包括路径规划和壁障功能,行驶控制功能,包含整个城市的全局优化系统和调度系统,以及按需分配最大化系统内车辆效率的综合系统。基于用车需求的网络效应将会十分明显,在复杂的自动驾驶系统中将会使得运输成本下降3/4。机器人出租车大军将会在城市中预先优化自身的位置,最大效率的发挥运力。在优化策略中不仅融合了丰时价格,更根据实际情况为不同的时间和不同的路段制定了动态的价格,你可以选择付更多的钱更快的到达,也可以根据价格选择路程所需的时间。真正的按需分配汽车的运力和道路的使用率。

从技术层面上来看自动驾驶的驾驶、路线规划和优化、需求(接单系统)是三个独立的部分,在未来很有可能你在通用的自动驾驶汽车上安装一个Lyft的app,并使用预装的Waymo的自动驾驶模块操控汽车。一些产商希望一起撬动这些模块或者进行捆绑销售——特斯拉就曾表示他们计划禁止用户使用除特斯拉之外的打车软件。但是这在其他方面很难成功,想想看Uber也不会强制你只使用它们自己的自动驾驶系统吧。但让我们会想一下Windows和Office系统相互促进的例子就能发现它们都在各自的领域中赢得了市场实现了网络效应。那么一家制造商强制你使用它们自己的机器人呢出租车服务就像在1995年苹果强制用户购买AppleWork来代替Office一样了。我认为一种更为自然的方式会更加普遍,当我们拥有很多车辆的坐标数据和车间通信时,我们需要在一定的层次上进行统一(虽然我更倾向于去中心化的系统)。

但这一切都建立在推测之上,就像在1900年预测未来的交通拥堵问题一样。我们需要讨论的是在自动驾驶领域中网络效应将会以怎样的形式出现,除了硬件、传感器和软件外,数据将是其中最重要的一部分。而数据又包含地图和驾驶数据两个部分,让我们首先来谈谈地图吧。

我们的大脑十分神奇,他可以在我们毫无意识的情况下实时处理海量的数据并为我们周围的环境建模,这使得我们在奔跑的过程中不至于被树根绊倒或者被树枝撞到脑袋。在自动驾驶领域这一过程称为SLAM,我们对周围的世界建模并通过这一模型来进行环境中的定位。这是自动驾驶所需要的基本条件,它需要知道自己身处何方,并感知到周围的环境,哪里有障碍哪里有人哪里是路口,同时还需要理解交通信和其他交通参与者的运动行为。

但实时地实现这一系列的行为却十分困难。人类可以眼观六路耳听八方,但要提取周围环境精确的地图却还存在一系列问题。虽然机器学习似乎有可能解决,但却还无法生成可用于驾驶的精确地图。所以,人们通过一条捷径来实现这一目标。大多数自动驾驶项目都结合了图像和360°激光雷达。虽然每一种传感器都有自身的不足,但将他们结合起来便可以很好的解决问题。可能在未来我们利用视觉建立周围环境的模型,但是没有人知道需要等到什么时候。而利用多传感器融合的方案会更快的解决目前无人驾驶所面临的环境感知问题。利用激光雷达来建立周围环境的三维模型,随后利用机器学习来理解环境内每一个物体的含义。但这一过程并没有显现出网络效应,我们并不需要成千上万的自动驾驶车去获取自行车或者骑车的图像。

如果说激光雷达是自动驾驶的一条捷径的话,那么包含真正高精度三维模型的预建地图便是另外一条路子。你可以利用地图车扫描所需的道路环境,并在后台从容处理这些数据,随后将高精度的地图存入到自动驾驶汽车中去。这样一来汽车在行驶过程中就不用处理传感器巨量的数据,它将知道在哪里需要看一眼交通灯,在哪里需要减速行驶。并通过比对环境中与地图里的关键地标来实时确认自己的位置。通过激光雷达和相机的信息自动驾驶汽车可以比对环境与地图,同时还可以感知周围环境的变化。在比对的过程中,无人车同样在更新环境的地图。我们甚至可以把每一辆出售的自动驾驶汽车都看作是一辆地图车,很显然售100万辆汽车的公司能提供比售出1万辆无人车的公司更精确、覆盖范围更广、更为精确的地图。卖的车越多能提供的服务就越好,这显示是极强的网络效应。

虽然这种方式也面临这一些挑战,未来的SLAM可能不需要激光雷达了,甚至不需要预建地图,就如人类驾车一样。但就现在来看那还有很长的路要走。

那么除了地图之外,当汽车能够读懂周围的环境后另一种重要的数据是什么呢?那就是现实世界中千变万化的驾驶数据。

机器学习的成功之处在于它可以再没有复杂的规则体系的情况下,通过对数据的学习在自动驾驶中达到更好的表现。如果能收集到更多实际情况下驾驶员的行为和操控数据(包括自身和其他车辆的行为),那么自动驾驶软件就可以通过这些数据更好的理解周围正在发生的事情,并更好的计划下一步需要采取的行动。就像地图数据一样,一旦你开始售卖汽车,这些所有的数据都将被不断的收集并回传,你卖的车越多,所有的车的自动驾驶能力将会越来越强,又是网络效应的极佳体现。

同时驾驶数据还能够被用于模拟,不断提高软件的性能。工程师可以在模型环境中不断的测试特定情况发生时系统的反应,并不断优化系统的性能。这可以看做是一种间接的网络效应,当你拥有越多的真实驾驶数据,你就可以越精确地在模拟环境中进行试验和训练,同时就可以优化出越完善的自动驾驶软件。同时在进行模拟时存在着很强的规模效应,模拟的效果和成本取决于投入的计算资源和人力资源。在这一方面Google的Waymo占据了很大的优势,他们在每周可以进行25000英里真实的测试,但是可以在模型环境中进行1900万英里的模拟测试,所以在整个2016年实现了十亿英里的模拟测试,令人十分惊叹!

很多人认为特斯拉在地图和驾驶数据方面处于领先地位,但实际情况时在2016年末,一些新款的车型才开始安装Autopilot和包括摄像头和雷达的传感器套件,并且似乎在最近特斯拉才真正开始收集数据。特斯拉通过前向雷达和周围的摄像头来收集环境信息,但是我们并不清楚这一方案的精度,这意味着这些数据的实际价值大打折扣。当然可以通过直接收集实际驾驶汽车时的数据来解决这一问题。特斯拉的这套方案实际上是把宝压在了计算机视觉的发展速度上。特斯拉通过视觉方案来节省产品开发和实用的时间,而不是等待激光雷达的成熟和成本下降。在没有激光雷达参与的情况下,视觉需要解决更加困难的问题,而解决这些问题也许需要耗费更长的时间。如果开发这些软件需要耗费大量的时间,而在这一过程中激光雷达不断低价化和实用化,那么特斯拉选择的捷径反倒弄巧成拙了。

所以,这个网络“赢家通吃”效应就在驾驶和地图的数据上反映出来了。这会带来两个问题:谁能拿到这个数据?以及需要多少数据?

数据的所有权是一个关于权力和价值链条的有趣问题。很明显,特斯拉打算在自己车上使用自己开发的核心零件,所以它们也会拥有这些数据。但那些OEM厂商则觉得,那些车是他们生产的,和消费者的关系也是他们建立的,所以数据上他们也理应分一杯羹,而不是专属于科技公司。这个想法对感应器供应商来说似乎是合理的:我不认为GPU、摄像头,或者LIDAR的供应商会希望得到这些数据。但是对于制造无人驾驶系统的公司来说,它们需要这个数据。因为没有这些反馈,他们的技术无法提高。这意味着,汽车厂家建立的网络的价值贡献给了供应商,而不是汽车公司本身。汽车公司从中获取的为数不多的提升也就是更好的无人系统,但是别的使用这款系统的汽车厂家的来说车也会有这些进步。这个很像PC和安卓手机厂家的关系:它们的设备使用别人的操作系统,建立网络效应,这样他们才可以卖出产品。但是这么一来,它们建立的网络价值就都贡献给了软件开发者。在他们的生态圈里,几乎所有的价值都归功给数据软件开发者了,而不是硬件厂商。这也就是为什么汽车厂商想自己开发技术,因为他们不想让自己沦落到和美国电脑制造商Compaq一样的结局。

聊完了数据归属的问题,就来到了最后的终极问题:到底需要多少数据?系统是随着数据的增长会完全正向地越来越好,还是说会遇到一个收益递减点?

换句话说——网络效应到底有多强?

这对地图数据是一个典型的问题。不同车辆密度所对应的使用地图的频率是多少?以及它的最低市场份额是多少?市场有多少参与者?一群二流的OEM厂商能愿意将他们所有的映射数据汇集起来吗?送货卡车能像今天销售其他类型的地图数据一样销售数据吗?同样,这和消费者软件生态系统也不太一样,诺基亚不能共享黑莓和S60的用户群,但你可以共享地图。如此来看,这是进场的壁垒还是入局的条件呢?

这个问题同样适用于驾驶数据,也适用于所有的机器学习项目:随着数据越来越多,在什么时候收益曲线会开始平缓增长,何时开始收益递降?以及有多少人能得到这么多的数据?对于一般的搜索来说,似乎是可以无限提升的,你数据越多搜索返回的结果一般就会跟相关。但对于自动驾驶来说,可以确定地是,天花板一定存在——一辆车在一个城市里开了一年,没有遇到什么路线上的问题,那它提升的空间还有多大呢?所以,网络效应意味着如果你有更多的用户,你的产品会变得更好,但这种增长的上限在哪里?在你的自动驾驶成为市场佼佼者前,你需要卖出多少辆车?又有多少公司能够达到这个目标?与此同时,机器学习本身也在迅速地改变,也不能排除你需要获得自动驾驶的数据量可能会大幅缩水的可能性。

在这些讨论的背后还存在着一种可能,自动化能有多好也有可能有多糟。对自动驾驶来说,这种“糟糕”意味着什么呢?你有稍大一点的死亡概率,还是只是系统混乱的概率大一点,导致它自己停靠在路边,等待远程服务中心的人工操控?或许人工操控界面会从你面前弹出来,然后汽车会给你鼓励的话语?

我猜,答案会是Level 5将会作为一个成为Level 4之上的演进。在L4的自动驾驶车仍需要手动控制,但使用频率会越来越少,慢慢从减少到隐藏,最后完全摆脱,这时L5自动驾驶车辆将会出现。如果说L4就已经是全自动驾驶,尚且具有一些局限性;那L5则指的是车辆的智能化,已经达到了人类驾驶的水平,可以处理所有的情况。但具体可以在哪个地方率先实现还是要视情况而定,这就意味着这些数据要在网络规模下收集,并在完全自动驾驶实现之前使用得很好。

这些问题的答案我们现在还无从得知。业内几乎没人期待在五年甚至十年以内实现L5自动驾驶。但是,他们指出了一系列可能会颠覆汽车行业的结果。极端来讲,如果网络效应太弱的话,我们可能会有5到10个可行的自动驾驶平台。这样的话,汽车厂家有可能会像今天买ABS、气囊和GPS一样的去购买自动驾驶的零件。但是这样也会面临一个很大的改变:自动驾驶意味着按需乘车的成本可能只有现在的四分之一,这一来很多人就会重新考虑是否要买车。同时,随着市场转换到电车,一辆车上的移动零件会减少五到十倍,大大改变了工程学和供应商群体,同时降低了入行门槛。但即使这样也不会出现安卓手机制造商那样的数量。另一方面,一旦Waymo成功开始铺开市场,将又会给这个行业带来翻天覆地的变化。

本文经授权发布,版权归原作者所有;内容为作者独立观点,不代表亿欧立场。如需转载请联系原作者。

打赏支持

5
5
10
20
50
80
100
其它金额
任意赏:

参与评论

1、 若贵平台是网站或者APP,在进行单篇原创文章转载时,需在文章标题或者导语下方,注明文章来源以及作者名称;若寻求5篇及以上的长期内容合作,需与亿欧公司内容运营部门取得联系,并签订转载合作协议。

【若贵司平台转载亿欧公司原创文章已经超过5篇,请及时与我们联系补签转载合作协议,计算时间以2019年2月10日之后为准】

2、 若贵平台是微信公众号,在进行单篇原创文章转载时,请联系亿欧公司内容运营人员进行单篇文章的白名单开通,同样需要注明文章来源及作者名称;若寻求2篇及以上的长期内容合作,需与亿欧公司内容运营部门取得联系,并签订转载合作协议。可将公司全称(简称)、公司网址、微信公众号、微信或者电话等信息发送至hezuo@iyiou.com,会有工作人员与您取得联系。

关闭
快捷登录 密码登录
获取验证码

新用户登录后自动创建账号

登录表示你已阅读并同意《亿欧用户协议》

快捷登录 密码登录

账号为用户名/邮箱的用户 选择人工找回

关联已有账户

新用户或忘记密码请选择,快捷绑定

账号为用户名/邮箱的用户 选择人工找回

快速注册

获取验证码

创建关联新账户

发送验证码

找回密码

获取验证码
账号为用户名 / 邮箱的用户 选择人工找回

未完成注册的用户需设置密码

如果你遇到下面的问题

我在注册/找回密码的过程中无法收到手机短信消

我先前用E-mail注册过亿欧网但是现在没有办法通过它登录,我想找回账号

其他问题导致我无法成功的登录/注册

请发送邮箱到service@iyiou.com,说明自己在登录过程中遇到的问题,工作人员将会第一时间为您提供帮助

账号密码登录

乐乐呵呵@微信昵称

该亿欧账号尚未关联亿欧网账户

关联已有账户

曾经使用手机注册过亿欧网账户的用户

创建并关联新账户

曾用微信登录亿欧网但没有用手机注册过亿欧的用户

没有注册过亿欧网的新用户

先前使用邮箱注册亿欧网的老用户,请点击这里进入特别通道