自动驾驶的卷从何来

科技 2024-05-24 18:01 广东

中国汽车行业不断上演着冰与火之歌。在过去的2023年，中国汽车产业总产值高达11万亿元人民币，首次超越房地产业，以占全国GDP 9%的比重，稳稳坐上了中国经济第一支柱的宝座。进入2024年第一季度，汽车行业的火还尚未退去，根据中国汽车工业协会发布信息，第一季度我国汽车产销量分别达660.6万辆和672万辆，同比分别增长6.4%和10.6%。其中新能源汽车产销量分别达211.5万辆和209万辆，同比分别增长28.2%和31.8%，市场占有率首次达31.1%。

再加上北京车展的流量热度，车企纷纷向互联网思维“靠拢”打开直播从幕后走向台上，试图打造个人IP将产品宣传直达C端消费市场，同时也让大家认识到原来汽车公司有如此多的高管。市场的增长趋势和营销造势火热的另一面是汽车企业爆发的裁员潮，从特斯拉、理想、蔚来新势力造车企业到大众、广汽传统汽车厂商；从主机厂到大陆、博世等零部件企业，裁员成了汽车行业面对新变化的应激反应，也是短期内解决企业运营问题最有效的方式。再加上一些媒体的贩卖焦虑，让整个汽车行业从上至下陷入一种无名的焦虑和迷茫之中，行业一旦陷入悲观的状态之中，这就意味着前进的驱动力在减弱，甚至整个行业会停滞不前。汽车行业继机械、电子之后又一次进入智能化的升级，然而在智能化的美好愿景之下，汽车行业更加“卷”了尤其是智能化相关的领域更为明显。传统车企或者零部件巨头面临新势力创业公司的挑战甚至威胁，汽车企业纷纷喊出转型的口号，计算机相关的工程师一跃成为汽车行业的新宠儿，车在哪里生产不重要，营销有亮点就行，工程师经验有多少不重要，会编程代码就行。然而随着智能化进展不及行业期望，相关领域首当其冲成为优化的对象。

在互联网时期成长起来的人带着深深的时代烙印进入智能化时代，这也意味着他们一定会用互联网领域取得的成功经验去定义智能时代的产品。汽车行业既是中国经济第一支柱，也是制造流量的新互联网阵地，同时也出现以往企业面对经营效益下滑应对的常规“三板斧”——裁员、换帅和反腐，也就是一边倡导新模式，一边沿用老办法。所以，观察某个新技术或者新行业的趋势，无论营销宣传的有多厉害，只要人不变，变化的趋势一般都是大同小异。对待消费市场的用户也是同样的逻辑，教育产品端的人员还是消费端的用户是需要一个漫长的过程，不是看几个视频开几场研讨会就可以改变的，而是需要壮士断腕的魄力。从互联网跨界汽车行业或者从汽车行业引入互联网，关键不在于产品，而在于人的思维。

思维的变化必定影响产业趋势或者产品形态的变化，智能化为汽车行业注入新的发展方向，然而在进入新的赛道之后发现十分拥挤，不仅有原来汽车行业玩家还有跨界玩家，攒局者和搅局者共存。在这种冷热交替的过程中，无论是以产品为主线的上下游供应体系，还是以商业为主线的从业者，纷纷表示汽车行业进入“卷”时代，这也就出现一个奇怪的现象，从业者一边呼吁行业同仁不要内“卷”，一边剩者为王的思路全力加入“卷”局，只要“卷”不死就往死里“卷”。虽然大家一致认为行业“卷”有诸多的弊端，专家们也罗列出“卷”的优劣势，但是终究抵不过“卷”的吸引力。那么“卷”从何而起？

首先第一层从人类大的发展规律中来看，自1765年第一次工业革命提高社会生产效率到1859年达尔文的物种起源提出进化论，两者之间看似没有任何的关联，其实都透露出同一个观点，那就是“卷”，先进替代落后不断的提升社会运转效率。只有适应环境去“卷”才能生存下来，只有“卷”才能催生更高的生产效率，所以从人类进化还是工业产品，“卷”是一个恒定的值，存在的人类是“卷”出来的，使用的工具也是“卷”出来的，同时“卷”对于行业的影响的大小也反应产业的成熟度或者技术的产品化能力，这也是新技术进行市场化推广的必经之路，可谓是不经一番生死“卷”，怎得梅花扑鼻香；

其次第二层，从智能化产品的角度来看，“卷”意味着新技术从概念阶段走向市场产品阶段，同时也面临着金融泡沫逐渐在破裂，这个过程是一个技术推广的自然过程，其中会出现两种情况，第一种是头部企业的引领效应。虽然特斯拉、谷歌在汽车智能化领域取得一定的领先身位，马斯克也不止一次说过特斯拉的使命是加速汽车新能源变革进程，但是历史的进程更多的是一个自然的进化，而非某个企业的作用。一旦陷入某个企业加速行业进程的思维中，内“卷”就是必备之选，这也是领先企业想看到的形式，因为在这个游戏规则中单纯的“卷”是伤不到加速行业进程的企业，更多的是淘汰处于尾部的企业，所以“卷”在一定程度也是汽车企业经营的试金石，可以预见的是“卷”的越厉害的企业掉队越快；第二种情况是行业之间的资源流动。汽车行业的火热也意味着其他行业的落寞加上金融泡沫的作用，其他行业的资源纷纷向汽车行业倾斜，资本市场投资汽车领域催生一大批乘风破浪的创业者，互联网、地产人才纷纷加入汽车行业，而汽车产品的生命周期比较长，盈利无法像互联网行业那样实现短、快、灵。所以有时候所谓的“卷”可能并不是事物自身发展所受到物理或者化学规律决定的，而是人为制造出来的。

最后第三层是新技术层面，当前的智能化技术路线已经进入“卷”的死胡同，数据驱动和算力加持的暴力手段破解智能的手段有一个先天的弊端，那就是不管在大语言模型领域还是在自动驾驶领域，从互联网中还是现实场景采集或者生成仿真数据，数据只是代表一种平均水平，也是人类活动的一种量化体现，数据自身没有价值，而是如何利用数据才是最大的价值。所以，数据驱动的方式会让更多的产品或者公司进入一个平均水平，向上突破将会变的更加困难，那么剩下的就只能继续内“卷”，也就是在大框架不变的情况下，一直寻找无穷的极端数据，尤其是端到端自动驾驶方案的火热之后，这种趋势更为明显。上至车企下到创业公司，几乎每家企业都在宣称研发甚至计划搭载端到端的自动驾驶方案，这种千树万树梨花开的背后离不开开源模型和数据的支撑，造就端到端的方案成为自动驾驶领域乃至整个汽车智能化技术发展的逻辑发生变化。

端到端的自动驾驶方案从1988年左右的模仿学习开始到如今的深度强化学习，可以说是一个老话题焕发新容貌。不同于以往模块化的方式，端到端自动驾驶方案是一个系统性方案，以原始传感器数据为模型输入，直接预测控制信号进行规划路线，虽然减少了模块化方案中各模块之间的信息交互转换，利用全栈模型将感知、决策和控制进行统一，提高了自动驾驶系统的一致性和准确性，这一点也符合物理学领域有效理论的思路，这种框架可以用来模拟某种被观察到的现象，而不用描述所有的基本过程。例如，我们无法解答分子间相互作用的方程，但是可以利用化学的有效理论研究整个反应过程，也就是底层的分子间作用是一个不可解释或者模拟过程。

对于端到端自动驾驶系统来说，有效理论的问题在于，首先是传感器的原始数据中存在大量的无效数据，所以端到端模型也是需要大量的数据标准再加上人为的交互反馈；其次按照汽车产品的开发是一个确定性的过程，端到端的神经网路处理是一个模拟自动驾驶系统的处理过程，这会存在诸多的随机性和不可解释，有悖于以往的汽车产品开发体系。这也就导致端到端自动驾驶方案的背后需要大量的数据和标注，同时也进一步将自动驾驶行业水平带入一个新的平均化，所以端到端自动驾驶方案的火热可以称之为智能领域的工业革命，从底层技术驱动方面会加速自动驾驶行业的“卷”，再加上特斯拉这样的企业不断的引导将会加剧这种状况。

这一点从先前特斯拉裁掉数据标注人员到理想汽车裁智驾领域人员的方向中可以看出，端到端的方案是自动驾驶技术的一个新的发展方向，一旦“卷”为行业的共识，那意味着自动驾驶领域原先的体系将面临重构，所以在“卷”的状态下裁员和招聘将成为常态，从而带动人员和资源的流动，技术到产品的人员需求总量虽然在增大，但是在个别领域随着生产效率的提高需求反而在减少。自动驾驶行业致力于优化掉汽车的驾驶员，同样的在智能化系统中，优化的对象一定是设计系统或者为系统服务的人。所以，特斯拉的FSD入华对于一些企业或者一些人来说并不是一件好事。在看到新技术或者新产品的兴奋之余，更应该思考自身的能力定位。

从底层技术的变化到商业层的竞争，“卷”好了就是行业中的优胜劣势，“卷”不好就是内耗浪费资源。汽车行业的大局面很热闹，细分到产品之间就是生死竞争，智能化进入一种行业的新平均水平，裁员、换帅和反腐的三板斧可以暂时应对当下的汽车相关企业运营情况，但是无法彻底解决汽车行业面对智能化变革的焦虑。

每个人都是生活实践者与行业观察者

欢迎转发并关注

汽车观察者联盟

汽车观察者联盟

聚集产业发展变化，打造第三方独立意见平台，交流、共享促进产业的发展。