自动驾驶

LM实现了生产与消费的合二为一，客户不再只是标准化产品的购买者，转而是产品设计与生产的积极且有力的共创者。这确实是个伟大的创意，一举打破了福特主义长达一百年对汽车产业的理念主宰，让全世界的人们看到了从制造向自造跃迁的可能性。为了将“自造”理念推向深入，LM开始将3D打印技术与汽车的设计制造紧密结合。在2014年的芝加哥国际制造技术展览会（IMTS）上，LM展示了自己的3D打印汽车Strati。LM还于2016年开始与IBM的人工智能系统沃森（Watson）[2]合作，打造利用3D打印技术制造的自动驾驶穿梭巴士Olli。目前这款穿梭巴士80%的零部件已经实现了3D打印。

如果说以LM为代表的开源造车消弭了生产和消费的隔阂的话，那么处于生产与消费中间的运力匹配就是接下来最关键的环节。毕竟，汽车作为交通工具，最重要的使命是实现人或货物的流动。所以，当我们把目光放大到整个交通系统的时候，供给与需求的匹配变成了最为重要的问题，这就离不开数据的流动和使用了。

进入21世纪，互联网急速发展，重塑了人与信息、人与商品、人与人之间的关系，强化了数据作为一种生产要素在全社会各个领域的应用。一般来说，以互联网为基础的信息使用经历了信息块、信息片、信息流三个阶段，目前正在迈入数据全方位渗透的数据孪生阶段。

首先，以门户网站为代表的早期互联网应用是传统分类目录的电子化，具体做法是把信息组织成一个又一个频道，频道下面还有子频道，以此类推。用户通过逐层点开不同等级的频道来获得最终的信息链接。像雅虎、搜狐、新浪这些门户网站，均采用了这种分类目录的方式。这种方式是把信息组织成了“信息块”，点开一个频道，就可以查看一整块的信息。虽然这种方式相比于传统的大黄页或电话号码簿，用户检索效率提升很多，但由于信息层级太复杂，导致用户查找信息，尤其是那些未经人工编辑的信息，其难度仍然相当大。

到了互联网的第二个发展阶段，类似于门户网站这样的垂直信息检索方式开始让位于一种扁平化的信息搜索机制——搜索引擎。搜索引擎摆脱了人工编辑的束缚，转而采用机器算法对信息进行自动索引，进而允许用户使用关键词来查找需要的信息。这个时候，信息的组织方式就发生了变化，呈现在用户面前的不再是信息块，而是信息片——输入一个关键词，就会反馈出一整片的相关信息。扁平化的信息搜索，大幅度提高了用户的信息检索效率，搜索引擎由此引领了互联网的第二个阶段发展。

问题在于，搜索引擎的作用仅限于那些有明确需求的信息检索。也就是说，只有用户能够将自己的信息需求表达为关键词的时候，搜索引擎才能帮得上忙，否则就没有意义。可是，能够表达为关键词的信息需求只占用户所有信息需求的一小部分，仍然存在大量信息需求是用户无法或不能表达为关键词的。那么，针对这类信息需求，我们应该如何满足呢？

目前来看，至少有两条取得成功的实现路径。其一，是以脸书为代表的“社交发现逻辑”（social discovery），指通过社交互动来促进用户间信息的相互发现，例如你看到朋友圈好友分享的信息，然后点进去阅读了，这条信息如果你的朋友不分享，你可能永远都不知道自己需要这种信息。社交发现逻辑的背后机理是“同嗜性”（homophily），即人以群分，而分到一群里的人会有共同的喜好。所以，你喜欢的也会是你朋友喜欢的，你讨厌的也会是你朋友讨厌的。信息如此，商品也是如此。最近几年迅速崛起的拼多多，其底层逻辑也是社交发现逻辑，本质上是基于社交关系迅速整合同类需求，然后形成拼团，达到让商品找人的效果。

其二是“智能推荐逻辑”（intelligence recommendation），以字节跳动为代表。既然用户自己没法把信息需求表达为关键词，甚至即便表达为关键词，用户也会觉得搜索引擎太麻烦，那么何不寻求一种新的机制，直接扮演用户的信息代理人呢？想要成为信息代理人，就得深入了解用户的信息需求，也就是需要“学习用户”，而试错是学习最快的方式。字节跳动致力于打造的就是这样一种试错方法，先是尝试性地为用户推荐信息，接着观察用户对所推荐信息的反馈情况，到底是滑过去还是点进去，然后再根据反馈结果优化算法，调整下一轮的推荐内容，再观察反馈，再优化，再推荐，以此类推。如此一来，字节跳动就构建了一种用户自我强化的信息推荐机制。这样的做法十分巧妙，巧妙到你只需要触发这个机制，一切就会自然而来。从一开始的今日头条到后来的抖音，再到抖音海外版TikTok，字节跳动依靠这套智能推荐算法无往而不利。

社交发现和智能推荐，这两条信息匹配逻辑，最终将数据要素成功引入进来，互联网从此进入数据时代，信息的重要性开始让位于数据的应用。信息仍然是用户的表层应用，而促使信息加速流转的动力机制则变成了数据。

信息改变认知，数据驱动行为。在一般的信息应用场景下，信息通常需要被用户通过眼睛获取，然后进入大脑加工处理，之后由大脑指挥身体才能产生某种行为。数据则不然，人的大脑一般不愿意直接处理数据，因为数据处理能力需要单独训练，并非每个人都具备，甚至大部分人没有能力处理相对复杂的数据，所以数据驱动的应用场景，通常不会经过单个用户的大脑分析，而是直接驱动用户行为。那么谁来负责分析数据呢？答案是数据平台。庞大的数据，远远超出了用户可以胜任分析的程度，而且也没有必要，所以一般是由一个统一的数据平台来掌管所有数据的分析处理任务。例如，滴滴公司的出行大数据平台，或者叫滴滴大脑，又如美团大脑，这些所谓的“大脑”，就是接管个体脑力，进行数据集中统一分析的智能系统。

有了智能的数据大脑之后，平台各方的行为就不再是个体脑力思考的结果了，转而成为数据大脑指令的具体执行者。打个比方来说，我们开着导航驾车的时候，其实就是在执行导航平台这个数据大脑派发的各项指令。这个时候，你自己的脑袋在路线规划方面基本上是无能为力的，你只是在机械地执行系统给你下达的指令而已。如此一来，你驾驶的汽车到底会经过什么地方，还会是你自己说了算吗？再进一步，如果连执行发动引擎、打方向盘、踩刹车油门、熄火这样的动作，智能系统也能托管，那是不是就不需要人类司机了呢？答案不言而喻。继流水线做到工序自动化，互联网做到创意自动化之后，数据技术正在让汽车的驾驶实现智能化。

自动驾驶的目标是将人类排除出驾驶工作之外，其暗含的假定前提是，机器理应比人类更擅长驾驶工作。这是有道理的，因为人肯定不是为驾驶而生的，想要成为一名合格的司机，还是需要通过一番挫折练习才行的。即便成为一名合格的司机，大小交通事故也是避免不了的，每年人类驾车发生的交通事故数不胜数，由此带来的生命财产损失更是天文数字。那么，有没有一种可能，像亨利·福特整合生产系统、约翰·罗杰斯整合设计系统那样，重新整合汽车的驾驶系统呢？

想要真正实现自动驾驶，至少需要做到两个方面——车上能操作，脑里有地图。前者是指汽车自动驾驶系统，后者则是道路导航系统，两者的完美匹配才能让汽车自己上路。说白了，就是要用智能化技术达到“车路协同”的效果。由此，自动驾驶的研发进展，至少存在两条进化路径，一条是车进化，另一条就是路进化。

车进化主要涉及能源。在卡尔·本茨发明世界上第一辆汽车之前，已经有采用蒸汽技术的蒸汽车面世，但蒸汽车既没效率也不美观，所以很快就被内燃机取代。后来的亨利·福特也是醉心于内燃机的研究，制造出汽车并推向大众的。所以，内燃机在长达一百年的时间里都被视为汽车的唯一动力引擎。问题在于，内燃机燃烧汽油和柴油，排放大量污染物，对环境破坏很严重，所以人类追求清洁能源的努力从来没有停止过。从目前的进展来看，电能已经从诸多车用能源的竞争中迅速胜出了，相比于燃油，使用电能的好处除了清洁环保，还可以回收以便循环利用。当然，最大的好处是，电能是一种连续而精准可控的能源，从电可以一步到“数”，由数可以一步跨到“智”。

早在2007年，SAP原副总裁夏嘉曦（Shai Agassi）就曾针对电动汽车进行过一场疯狂的实验。夏嘉曦创立的项目叫Better Place（以下简称BP），致力于为用户提供电池更换网络和服务。具体的运转逻辑是这样的：人们只需要到BP去注册成为用户，就可以把BP提供的电动汽车开走，BP汽车里装有一套信息系统OSCAR，方便对每辆汽车进行远程的数据控制，可以为用户提供导航服务并了解汽车的电量储备，在电池电量降到一定程度的时候会自动提醒并指引用户到最近的站点更换电池。最终，BP按照用户实际使用汽车的里程数计费。简化来看，BP运营的最重要设施就是充换电网络，最重要的系统就是内置在车辆中的OSCAR系统。由此，夏嘉曦彻底将汽车改造成了一种依赖清洁能源的交通服务系统。这原本是一个非常伟大的创意，而且夏嘉曦也成功募集到了大量资金，还有很多名人给他背书，也在自己的家乡以色列率先落地实验，但种种原因导致BP项目最终夭折。新型商业模式的市场教育、充换电设施的不完善、经常找不到信号的网络以及传统势力的阻挠，最终导致了BP的灾难。这当中，一辆电动车的整体性能无法超越传统燃油车是电动化推广最大的障碍。

如果电动汽车不能在关键性能上一举超过燃油车，用户就很难被说服接受电动汽车。2004年，埃隆·马斯克（Elon Musk）在接手特斯拉（Tesla）之后，开始着力打造消费者负担得起的纯电动汽车。承载马斯克梦想的是一款名叫Roadster的电动跑车，而这款跑车背后最核心的技术是电池控制系统（Battery Management System，BMS）。

对于电动汽车来说，电池技术最重要的目标是实现足够远的续航里程和便捷的充换电。续航能力取决于电池储备的电量，针对这一问题，特斯拉没有采用整块的专用大电池，而是将大量圆柱形的独立电池并联起来（例如，Roadster上安装的电池组，就是由多达7000节独立电池组成）。BMS系统对所有的电池进行统一而全面的管理，实现整体上的安全性和可靠性。除此之外，每个电池组都设置了独立的电池控制系统，随时监控每节电池的温度变化，遇有意外可以毫秒级别关闭该节电池，从而控制故障电池的影响范围。这样一来，即便有某一节电池爆炸或出现故障，也不会影响全局，这让特斯拉电动车具备了超强的续航能力。与此同时，特斯拉还配备了三种充电方式，家庭充电、目的地充电和充电桩充电，回到家就在家里充电，出去玩就在目的地充电，要求快就用充电桩，这就比传统的加油站更加方便灵活了。

借助在电池管理技术上的研发创新，特斯拉电动车在单车性能上达到了媲美传统燃油车的水平，一次充电续航里程达到甚至超过了加满一箱油，百公里加速只需两三秒钟，其在这两个指标上的优异表现让人们第一次看到了电动汽车作为燃油车替代品的潜力。应该说，电动车时代是从一辆单体电动车的性能表现超过一辆传统燃油车开始的。

记得2016年初，我在底特律与福特汽车的研发人员沟通，他们告诉我，电动化的汽车实际上是一台会移动的服务器。因为有了电就可以进行计算，有了计算就可以获得数据，而有了数据就能匹配智能算法以达到智能化的程度。这种看法在当时还是很有前瞻性的。当我们把汽车看作一台可以移动的服务器的时候，汽车所能负载的计算任务是非常巨大的，这样就可以把大量的计算任务放在本地进行，从而避免云端交互产生的数据延迟等问题。事实上，以特斯拉为代表的“车进化”，基本上都遵循了这一进化路径：电动化——数据化——在线化——智能化。最终，燃油车的外形加上电力驱动系统，加上网络化的数据处理，加上智能化的自动驾驶，就等于未来汽车。

在国内，电动汽车的三驾马车——理想、蔚来、小鹏——都是车进化的典型代表。

自动驾驶的另外一条进化路径是路进化。车和路是交通系统的一体两面，缺一不可。在汽车出现之后，人类社会面貌的最大改变就是出现了越来越多适合汽车行驶的道路，正是因为有了星罗棋布的道路交通网，汽车才能够自由行驶，载着人们到达任何想去的地方。起初，路在大地上，汽车驾驶员只能摸索着前行；后来，路在地图上，驾驶员可以通过地图来提前查看和规划路线；再后来，路在导航仪里，实现了电子路线的自动规划；最后，路在云上，是云计算服务的一种。一步一步，不但汽车不需要人驾驶，就连行驶的路线也不需要人脑的参与了。

其实，交通地图是将道路进行了信息化的转变，而地图提供给用户的就是一种信息产品。但导航则变成了一种服务，虽然依托于地图信息，但更重要的是代替人进行路线规划和决策。如今，道路正在变成一套可编程的交互环境。目前业界公认的最领先的自动驾驶系统来自谷歌的Waymo公司。2009年，谷歌聘请原斯坦福人工智能实验室主任、谷歌街景联合发明人塞巴斯蒂安·特龙（Sebastian Thrun）组建团队，正式进军自动驾驶。跟特斯拉的做法不同，谷歌的着力点并没有放在如何改造一辆汽车上。相反，谷歌并不打算造车，而是致力于打造一套真正的自动驾驶系统。这跟谷歌是一家软件公司有关，这家公司向来不会认真地做硬件，谷歌涉足硬件的目的一般是为了检验软件。正如之前谷歌做过上网本电脑，那是为了验证Chrome OS；也做过智能手机，那是为了测试安卓操作系统的方便。所以谷歌做汽车，功夫不在车里，而在路上。

谷歌是基于信息索引起家的。这家公司对于道路的痴迷源自于想要索引整个物理世界。这就需要对道路进行数据表征和算法解码。也就是说，要为实体的物理环境赋予数据标签。这项工作是基于谷歌地图展开的，有了地图就有了空间信息，但谷歌想要索引整个物理世界，那么仅有地图信息就不足够了，还必须要对现实三维空间里的物体和生物体建立数据标签。更为重要的是，谷歌地图还必须考虑到三维空间里人和物体的移动。所以，谷歌真正想要实现的是一张关于现实世界的“数据活地图”。

为了实现这一目标，谷歌除了深度改造地图信息采集和利用技术，还曾于2013年6月收购了以色列的导航应用Waze[3]。最重要的是，谷歌自2007年起持续不间断地推进街景业务，从而将聚焦于地面交通的地图不断向整个城市空间拓展。随着大量的街景数据被收集处理，谷歌正在为业务覆盖的每一座城市塑造“数据孪生体”。随后，街景业务又跟谷歌地球（google earth）打通，允许用户在利用谷歌地球查看卫星地图的同时对特定的城市空间进行探索。这样一来，谷歌就能够综合地图、街景、地球三大业务，实现地面、地标、空间的三维数据建模，从而推动其“索引全世界”的战略目标。

车进化和路进化虽然是两条不同的发展路径，但都指向一个目的——数据化。前者是通过汽车的电动化实现数据化，后者是通过解码道路进行空间数据化。由此，数据化的汽车结合数据化的道路，车路协同就有了落地的可能性，自动驾驶无非是“车数据”和“路数据”这两套数据系统的智能交互而已。有关自动驾驶的一系列研发进展正在表明一个未来的事实，汽车没有司机是可以自动行驶的。甚至，自动驾驶汽车很可能比人类司机驾车效率更高。一个愈加明显的发展趋势是，人类最终将被剥夺驾车的权利，因为相比于智能驾驶系统来说，人类司机实在是太逊了。