超越“友商”特斯拉，中国自动驾驶还要走多久？
关于自动驾驶的元年有很多种说法，但如果让我来讲这个故事，我会把第一个定格交给2004年。
这一年汽车界发生了两件大事，一件是马斯克在2月给几乎走投无路的特斯拉投了一笔640万美元的A轮融资，成为了特斯拉最大的股东和董事长；另一件是五角大楼领导的绝密军事机构DARPA（美国国防高级研究计划局），在莫哈维沙漠开启了后来延续三届的DARPA Grand Challenge无人驾驶汽车大赛。
我总在写到DARPA的时候，下意识地抬眼看一看手机右上角那个亮着的定位图标，这个隶属于美国国防部的科研机构，是很多“黑科技”的最早源头，其中就包括我们现在人人都在使用的GPS全球定位系统。
2001年美国入侵阿富汗，死伤数字急剧上升的阶段，美国国会一度对DARPA提出，希望能在2015年，让军方三分之一的车辆实现无人驾驶。但直到2003年伊拉克战争爆发，DARPA的无人驾驶项目依然没有显著进展。
造不出来车怎么办？DARPA办了个比赛。
2004年、2005年、2007年DARPA举办了三届无人汽车大奖赛DARPA Grand Challenge。
前两届的赛事选址都落在和伊拉克战争地形相似的莫哈维沙漠，奖金100万美元；第三届叫“城市挑战赛”，在美国乔治空军基地举行，除了沙漠路段还增添了城市路段，奖金也加到了200万美元。
第一届大赛，要求参赛团队的汽车在十小时内完全自动行驶228公里，走的最远的团队，也没能走完全程的5%。
第二届大赛，团队们果断汲取了教训，将技术路线从硬件改装，转向了软件算法驱动。他们给汽车装上了激光雷达等一系列传感器，对外部环境进行感知建模，然后通过算法实现自动驾驶决策。
这一次大量团队跑完了全程，决定胜负的关键，是斯坦福AI实验室团队在传感器阵列中加入了一组摄像头。计算机视觉第一次被应用在了自动驾驶系统中。
第三届大赛，各大团队都学聪明了。他们在车上加上了激光雷达、超声波雷达、摄像头等各种各样能用上的传感器，最终斯坦福AI实验室的车辆最快冲线，但卡内基梅隆大学的团队则明显更加稳定，冠军给了后者。
DARPA用了三场大赛的时间，把自动驾驶技术的落地推进了数十年，奠定了现今所有自动驾驶系统的基础架构：感应层，决策层，执行层。
简单来说，感知层=眼睛，决策层=大脑，执行层=四肢。
感知层主要是各类外部传感器组成，包括激光雷达，超声波雷达，高清摄像头等，用以对周围环境感知、建模。
决策层主要由硬件+软件算法组成，处理、理解传感器所获取的环境数据，决定如何处理目前路况。
执行层则主要由各级电动、电控系统组成，负责实现命令动作。
第二届大赛中，引入计算机视觉（摄像头）的传感器方案，和激光雷达为主导的传感器方案，贯穿了此后十年自动驾驶行业的发展历程，二个技术方案的支持方代表，分别是特斯拉和谷歌Waymo，二者谁是更优解，至今仍未有所定论。
而分别在两届大赛中胜出的斯坦福与卡内基梅隆大学，成为了美国无人驾驶行业的黄埔军校。全程观战了三届DARPA Grand Challenge赛事的谷歌创始人拉里·佩奇，把第二届冠军塞巴斯特安·特伦，和第三届冠军克里斯·厄姆森，都挖到了谷歌。
2009年特伦带着四个研究员，从谷歌X实验室里孵化出了谷歌的无人驾驶项目。这个项目就是后来的自动驾驶业界第一，Waymo。
2013年的5月，特斯拉成立的第十个年头，马斯克发了一条推特：“自动驾驶用在飞机上是好事，我们应该也把它放到车里。”
这是特斯拉第一次公开提到自家的自动辅助驾驶系统Autopilot，此时距离蔚来和小鹏汽车在中国成立还有大约一年的时间，距离业界公认的中国自动驾驶元年还有两年，但距离谷歌成立无人驾驶事业部已经过去了整整四年。
时间来到了2014年，十年前遇到马斯克的特斯拉正式站上舞台，成为了自动驾驶领域新的主角。
2014年10月，特斯拉完成了基于Model S的第一版硬件支持方案的设计，正式对外宣布，所有新出厂的车辆都会默认搭载特斯拉自动驾驶系统Autopilot的系列硬件。
这套硬件叫HW1.0（Hardware 1），包含了2个摄像头（1个前置1个后置），12个超声波雷达，1个毫米波雷达，加上一个主控芯片NVIDIA Tegra 3，和一个视觉处理芯片Mobileye EyeQ3。
2015年10月14日，硬件正式预装1年后，特斯拉推送了整车7.0版本的系统升级，许多特斯拉车主睡了一觉起来，发现自己的Model S突然有了部分自动驾驶功能，比如高速上可以自动保持车道，并根据前方车流加减速；打一下转向灯，就可以完成自动变道等等。
这一天，Autopilot系统正式问世。《麻省理工科技评论》将其评为了“2016年十大突破性技术”。
从组建团队开发，到系统正式在量产车内置上线，特斯拉一共只用了两年。这两年是无人驾驶行业风起云涌的两年。
Uber的创始人卡兰尼克为了做自动驾驶，一次性从卡内基梅隆大学挖了40多个人工智能和机器人专家；大洋彼岸的中国，造车新势力如雨后春笋一般冒了出来，蔚来、小鹏、理想、威马、零跑相继成立；百度在乌镇世界互联网大会之前宣布成立无人驾驶事业部；而从百度离职后加入滴滴当CTO的张博，在硅谷遇到了谷歌无人车项目的创始人塞巴斯特安·特伦，回国就在滴滴成立了一个无人驾驶部门。
一向以快著称的特斯拉，在推进Autopilot时极为激进，一直把“自动驾驶”作为宣传点。但也因随之而来的事故，而招致了大量质疑。
2016年7月26日，在多起事故的压力之下，特斯拉和HW1.0的芯片供应商Mobileye共同宣布双方停止合作。
2016年10月19日，马斯克宣布，所有特斯拉新车将标配升级版硬件系统HW2.0。
这套硬件包括：8个摄像头（3个前置2个侧边3个后置），12个超声波雷达，1个毫米波雷达。
除了大量增加了感应摄像头，其中最大的变化，就是抛弃Mobileye，将处理芯片换成了英伟达旗下的NVIDIA Drive PX2。特斯拉声称这款芯片比上一代的运算速度快了40倍，运行的是特斯拉自研的神经网络，最终将通过升级，实现完全自动驾驶功能。
这是一次典型的危机公关，在后来的芯片拆解中，我们可以看到，HW2.0的芯片上有大片留白，集成度显然不足。而且为了平衡成本，PX2也用的是打了折扣的“丐版”。后来特斯拉对这套系统平台做过一次升级，升级后的版本被称为HW2.5。
但即便如此，这也不是三个月就能完成的工作，特斯拉更换处理芯片其实早有预兆。早在2016年1月，一切还没有发生的时候，特斯拉就从AMD请来了号称“芯片之神”的吉姆·凯勒，从0开始组建自己的芯片研发团队。
吉姆·凯勒早年任职于AMD，曾经深度参与了x86-64架构的定制工作，如今所有64位PC系统，都建立在个架构的基础之上。接着他又主导研发了AMD K7、K8两代架构，使得CPU市场进入了短暂的AMD速龙正面抗衡甚至压制英特尔奔腾的时代。
完成AMD K8架构之后，吉姆·凯勒离职进入半导体设计公司P.Asemi。这家公司在2008年被苹果收购，他随之进入苹果，又主导设计出了苹果经典的A4、A5芯片。
四年后，被英特尔i3打得毫无还手之力的AMD，把吉姆重新请了回来。芯片之神花了三年，帮AMD设计出了新的处理器架构Zen，在这个架构上研发出的AMD锐龙，让AMD重返巅峰，再次和英特尔平分秋色，甚至逼迫英特尔不得不对自家处理器性能做了大幅提升。
2015年末，吉姆·凯勒第二次离开AMD。2016年1月，他带着一整套的芯片研发团队来到了特斯拉，成立了特斯拉自己的芯片研发团队：Tesla Vision。
三年后，2019年4月23日，特斯拉发布了新一代自动驾驶硬件，这套硬件的传感器配置依旧沿用了HW2.0版本，基本没有做出变化。
最大的不同是处理平台从英伟达DRIVE PX 2，变成了特斯拉自研的FSD Computer，这个平台由两块FSD（Full Self-Driving全自动驾驶）芯片组成。这就是HW3.0。
2013年，就在马斯克推特官宣进军自动驾驶系统的几乎同一时段，特伦离开谷歌，克里斯·厄姆森接手了谷歌的无人车项目。站在今天回顾，谷歌的商业化进程就是从这个时候开始掉队的。
根据美国汽车工程师学会SAE发布并修订的《标准道路机动车驾驶自动化系统分类与定义》，自动驾驶被分为L0-L5五个级别。
Autopilot最初发布时属于L2级别，严格来说其实还不能叫自动驾驶，只能叫辅助驾驶。而谷歌的无人驾驶项目，从一开始瞄准的就是L4-L5级别，他们最初甚至根本不想在车上放置方向盘和油门。
但一步到位的想法过于理想化，2016年，谷歌将其无人车项目单独拆分出来，这就是今天的Waymo。这家始终被认为是自动驾驶领域技术最前沿的公司，却在商业化进程上被特斯拉远远甩在了身后。其中最重要的一个原因，就是二者使用的传感器配置方案不同。
我们上面说过，自动驾驶系统主要分为三个层面，首先就是感知层。这个层面目前主要有三种流派：
以摄像头主导+多传感器辅助的流派，代表就是特斯拉，和国内的理想汽车。
以摄像头+毫米波雷达共同主导+多传感器辅助的流派，宝马、奔驰等多家传统车企，以及国内的蔚来、小鹏、比亚迪等等，都采用的是这种技术路线。
以激光雷达主导+多传感器辅助，代表是Waymo和奥迪。
这些传感器各有优缺点，我们做了一个简单的图表总结：
可以看到，激光雷达的解决方案，有一个致命的弱点：实在太贵了。
2012年Waymo曾经公布过其无人驾驶车辆的成本，整车共计15万美元，仅Velodyne提供的激光雷达就占了其中50%，单颗售价高达7.5万美元。
这直接阻挡了Waymo迈向商业化的脚步。无奈之下，谷歌宣布开始自研激光雷达技术，直到2017年，Waymo才宣布其激光雷达单颗成本由7.5万美元下降到7500美元。
但由特斯拉掀起的第一波自动驾驶的商业化浪潮，在2017年已经开始走向尾声了。Waymo虽然和传统车企克莱斯勒等厂商实现了合作，但居高不下的成本使其开发的这套解决方案，始终没能找到与乘用车市场的结合点。
在乘用车市场追上来的，是在2015年后开始突飞猛进的中国造车新势力。
目前来说，感知层传感器的性能和技术，大体都到了比较成熟的阶段，各个车企无非是按照需要来进行配置，并设置一部分冗余来增加安全性。特斯拉的传感器性能和其他厂商没有大的区别，这个领域也有很多有竞争力的中国企业，比如A股上市公司德赛西威等。
真正对自动驾驶系统性能产生决定性影响的，是决策层。决策层又分为两个方面，一是硬件，二是软件。
我们首先来看软件方面。
特斯拉在推行AP系统的时候，采用的是硬件预埋的模式。也就是说，每一辆车出厂时都配备了AP系统所需的全套硬件。特斯拉售卖的，其实只是软件系统的开启权限。AP系统的售价从3000美元到8000美元不等，当你花了这笔钱，特斯拉会通过软件后台，帮你开启这部分功能服务。
但注意，即便你没有选配这个系统，也不意味着这些传感器和处理核心不工作了。
特斯拉有一个“影子模式”，不论你的前台服务是否开启，这些配套硬件都会在后台持续收集你的行驶数据，包括你处理各类路况的行为方式，然后上传到云端，帮助特斯拉训练Autopilot系统。这意味着特斯拉每售出一台车，都会得到一只新的“小白鼠”；每一次出行，都会成为一场实际意义上的“路测”。
简而言之，不管你能不能用Autopilot，反正Autopilot都在用你。
在过去6年的时间里，影子模式给特斯拉提供了大量的真实驾驶数据，特斯拉的“路测里程”是以10亿计的。这个数据的量级，远远高于任何一家公司的路测数据库。
我们在《TikTok大劫案：美国总统也抢不走的武功绝学到底是什么？》一文中，简述过AI机器学习的原理。通俗点说，所谓机器学习，就是机器在积累经验。见过的状况直接模仿，相似的状况可以类比，但如果完全没有见过的情况，机器就很可能会出错。
特斯拉目前所拥有的数据量，对于其他车企来说，可能都是一个巨大的天文数字。而数据量越大，训练量越大，机器就越智能；机器越智能，判断就越准确，系统就越受认可，用的人可能就越多——数据量就更大。
这是一个正向循环，滚雪球的过程。从这一点上来说，特斯拉的先发优势，达到了一个相当惊人的地步。无论是蔚来、小鹏，还是理想、威马，都只有望而兴叹的份儿。
唯一比较令人欣慰的是，特斯拉在中国市场上的数据领先优势，远远小于国际市场。
接着我们再来看决策层的硬件方面。
从上面那张各类传感器性能和特点的表格中可以看到，摄像头作为主要传感器时，会产生大量的视频图像数据。决策层要理解这些数据，则必然需要消耗巨量的计算资源。因此处理芯片的性能，就决定了系统的上限。
特斯拉一定要做自研芯片的原因即在于此。我们可以对比一下特斯拉从HW1.0到HW3.0的芯片性能：
然后再对比一下目前中国几大造车新势力与特斯拉FSD芯片的性能：
特斯拉FSD对标目前市面上的其他厂商芯片，在性能数据上有相当明显的优势。目前来说，小鹏的芯片供应商是英伟达，蔚来和理想的合作方都是Mobileye，只有零跑汽车在今年10月发布了自研芯片凌芯01，蔚来则刚刚宣布要进入自研芯片领域。
从自研芯片的角度来说，中国车企最少和特斯拉相差了2-4年的差距。
更大的问题在于，HW3.0上的FSD芯片，使用的还是14nm制程。但根据目前业界传出的消息，特斯拉已经和台积电进行接触，HW4.0系统的FSD芯片将采用7nm制程，预计会在2021年Q4投产。英伟达和英特尔的下一代产品，也都会进入7nm制程时代。
这就又回到了国产半导体芯片的那个老问题：7nm制程的芯片，我们自己做不了。
在软件上，特斯拉有着惊人的数据量做支撑；在硬件上，我们的自研芯片还刚刚起步，进度至少落后3-4年，目前采用的方案也在算力上有比较明显的差距。
那就意味着中国的乘用车自动驾驶系统没有机会了么？
当然不是。
狭义的自动驾驶系统只存在于车端，但广义来说，这是一个综合性的系统工程，车路协同，高精度地图，5G，云服务，商业落地情况，都从某种程度上决定了自动驾驶功能的实现程度。
中国车企目前至少有两个优势。
一是在过去十年的数字化浪潮之中，中国用户对移动支付、网约车、外卖等大量本地生活场景下的应用极为熟悉，使用频率远高于全球其他地方。这意味着，自动驾驶技术在中国商业化落地的前景最明朗，落地速度也会更快。
根据 AlixPartners 报告，全球各主要汽车消费市场中，中国消费者对于L2/L4级自动驾驶的接受程度明显高于其他市场。以自动驾驶网约车RoboTaxi这个经典的商业模式来说，全球有44%到84%的受访消费者表示愿意放弃购买自动驾驶汽车，转向使用自动驾驶网约车服务，中国消费者就是其中比例最高的那个84%。
▲AlixPartners的数据显示
中国用户对RoboTaxi的接受度远高于其他国家
二是，中国的城镇化还在进行，我们的城市和交通系统，会给自动驾驶的基础配套设施留出远超发达国家的接入空间。
拿百度举例，在今年的百度世界大会上，李彦宏演示了百度Apollo旗下Robotaxi的“5G云代驾”功能，通过路段改造和5G覆盖，在遇到一些事故或复杂路况的时候，可以联系云端安全员，由其远程人工操控让车辆脱困，这目前是只能在少数几个5G推行迅速的国家做到的事。
对于乘用车市场来说，用户最终重视的还会是使用体验，车联网系统也好，低延迟的5G基础设施也好，中国的发展进程都是国际领先水平。特斯拉无论如何把车端性能做到极致，也很难抗衡一整套系统性工程协作起来，所能实现的效果。
特斯拉目前在国内的各种“水土不服”，往往就是因为配套设施的缺失。比如高精度地图的缺位，加上中国复杂的停车场景，就让特斯拉的自动泊车，停车场召唤等功能，基本变成了实用性极低的玩具功能。
特斯拉对于情况远比美国复杂，人口密集度超高的中国城市，以及大量存在相似问题的发展中国家，尤其是亚洲国家的城市，都始终没有做过足够好的针对性优化。
这些缺失背后，都是留给中国车企的时代机遇。做好本地化适配，突破海外市场，加强整体性协作，可能会成为中国车企未来最重要的机会所在。
当中国造车新势力们在发布会上一次又一次提起“友商特斯拉”的时候，我总是想起这些年提起“友商iPhone”的华为、小米，甚至是锤子们。
有一些硬性的指标，华为、小米、OV们，依然落后于苹果。但如今的苹果在我们眼里，却再也不是曾经那个不可战胜的苹果了。
我们与友商的不断竞争中，一点一点在学习友商，赶上友商，希望终能超越友商。
回顾特斯拉自动驾驶系统的发展史，最值得关注的经验，其实就是三个字：商业化。
比特斯拉早4年开始研究无人驾驶的Waymo，就是“掉队”在这三个字上。
Waymo至今依然有着自动驾驶领域公认的，最前沿最先进的技术。这家公司在美国凤凰城区域已经实现了真正的“无人驾驶”，取消了自家RoboTaxi驾驶位上的人类安全员。
但就在Waymo在凤凰城取消安全员的同一个月，摩根士丹利却将这家公司的估值从1750亿美元（约合1.25万亿元人民币），调降到了1050亿美元（约合7478亿元人民币），调降幅度高达40%。
2020年3月，Waymo获得了22.5亿美元的投资，根据路透社援引知情人士消息，这笔交易对Waymo的估值约为300亿美元。相比半年前摩根士丹利的1050亿美元的估值，又低了将近75％。
这背后都是同一个逻辑：Waymo的商业化进程，远远没有达到预期进度。
而每一步都将商业化摆在中心位置的特斯拉，市值已经超过了4000亿美元。
一个借助自动驾驶系统的概念不断拉高利润和市值，一个却因商业化进程不达预期，估值腰斩再腰斩。如果Waymo背后不是谷歌，这家公司应该早就成为历史了。这就是市场的选择，和“商业化”的力量。
特斯拉至今仍然不算是技术最先进的，但确实是把商业和技术平衡得最好的汽车公司。这种商业和技术之间的平衡，是马斯克创办的所有公司都有的特点。
而在马斯克崇拜的人里，有一个名字属于中国。这个名字叫“钱学森”。
1992年，钱学森给当时的副总理邹家华写过一封信，向中央建议大力发展新能源汽车。在这封信中，有这么一句话："中国人应该有能力跨过一个台阶，直接进入汽车的新时代。我们与外国的差距并不大，这是完全有可能的！"
28年过去了，站在新能源汽车已经落地，自动驾驶正在起飞的2020年末，我想把这句话送给所有的中国车企。
只是这次，作为商业公司的中国企业，也已经开始学会用“商业”的力量屹立于市场。