*作者：苏清涛
车展期间，关于自动驾驶的大新闻非常多，有不少话题都值得进一步探讨，但为了避开过去一周多高强度的信息轰炸，《九章智驾》选择了「错峰发稿」。
本文涉及的话题主要有：
-
「传统 IT 思维」VS「互联网思维」；
-
华为「亮剑」之后，Robotaxi 公司或将被迫调整策略；
-
「华为 Inside」变成「华为 Outside」，To B 与 To C 界限模糊；
-
华为没有外界想象的那么「强势」；
-
高级自动驾驶开始朝「解放双眼」努力；
-
既要有「软硬一体化」的能力，也要有「软硬件解耦」的姿态；
-
算力堆叠与硬件减配两个趋势并行不悖；
-
激光雷达真的只是「冗余」吗？
-
决策算法做不好，堆再多的传感器也没用；
-
低线数激光雷达市场将会被蚕食；
-
图商必须加快对城市道路的高精地图采集；
-
大场景里的「小生意」与小场景里的「大生意」；
-
不能简单地把智能汽车类比为智能手机；
-
那些「缺乏光环」的公司，价值可能需要被重估；
-
「高端」，可能成为苹果的劣势。
严格地说，这并不能算作是一篇正儿八经的「文章」，而是对一些碎片化观察与思考的「东拼西凑」，但我们相信，文中提到的很多现象与观点，仍然有很大的讨论价值。
「传统 IT 思维」VS「互联网思维」
华为 ADS 负责人苏箐在接受媒体群访时说的很多话被一些泛财经媒体给断章取义了，这导致外界有了不少「华为如此激进」的质疑；但在一些跟诸多自动驾驶公司有过接触的人眼里，华为则「不够激进」。
在 MDC 810 发布后，国内某专注 ADAS 的 Tier 1 公司的朋友在微信上跟笔者说：「我以前是 IT 行业的，去年跳到自动驾驶这边，有一个明显的感受，自动驾驶行业总体偏向互联网的思维方式，甚至没做就开始宣传，所以大部分参数都是纸面上；相比之下，华为是用传统 it 行业的思维方式做事，开发完成 60% 以上才对外宣传。」
华为「亮剑」之后，Robotaxi 公司或将被迫调整策略
客观地讲，单从用户体验的角度讲，华为和北汽极狐秀出来的自动驾驶能力，许多头部 Robotaxi 公司也能达到，甚至在某些方面，后者可能会做得更好。只不过，Robotaxi 公司的车只有少数投资人及汽车科技媒体（To B）的记者做过，to C 类的媒体基本没有体验过，因此，没办法去做比较。
之前，很多 Robotaxi 公司的车都不太情愿给别人试乘，但据我的同事孙利老师预测，在华为「秀肌肉」之后，Robotaxi 公司对试乘问题的态度会变得更开放。
不过，Robotaxi 公司的短板在于，对供应链整合能力不足，因而测试车辆的价格极高，这限制了车队规模的扩张，进而使他们难以快速获得大规模的数据，因而难以突破地理围栏的限制；相比之下，华为是通过前装量产车获取数据，只要一年内能跟合作伙伴联合卖出 1 万辆搭载 ADS 的车，在数据规模上就有机会「碾压」包括 Waymo 在内的所有 Robotaxi 公司。
Robotaxi 公司当然不会「坐以待毙」。
Waymo 前 CEO John Krafcik 的下课，标志着直接做 L4 路线遭遇重大挫折，接下来，Waymo 可能会通过收购或投资的方式进入造成领域，转向渐进式路线。百度在前几年专注做 L4 和 AVP，没有做 L2，现在看来是个失误，当然，通过跟吉利合作造车，百度也开始转向渐进式路线。
滴滴本来也是直接做 L4，但通过跟比亚迪联合打造定制车，甚至亲自下场造车，滴滴也有极大可能转向渐进式路线，先在前装量产车上搭载 L2 套件，再逐步向 L4 迭代。
初创公司中，Momenta 从一开始就在走渐进式路线；4 位创始人全部出自 Waymo 的轻舟智航公司，原先是打算做 L4 的 Minibus，最近也推出了「L3 公交车」，实际上是转向渐进式路线。接下来，可能会有更多直接做 L4 的公司也会考虑渐进式路线。
不同于巨头们的渐进式路线可以通过「自己造车」来落地，初创公司们的渐进式路线往往需要通过给车企做供应商（通常是 Tier 1）来落地，但如何搞定 Tier 2、Tier 3，确保关键零部件都能过车规、并把成本控制好，对这些初创公司们是个极大的挑战；在某种意义上，对这些初创公司来说，做 L2 比做 L4 还难。
也许，对这些初创公司而言，更好的一种思路是：在跟车企的合作中，初创公司只出技术方案，供应链整合的事情交给车企去做；或者，跟有供应链整合能力的传统 Tier 1 合作，自己只赚技术方案的钱，把整合供应链的「苦活累活」交给后者。
「华为 Inside」变成「华为 Outside」，To B 与 To C 界限模糊
去年下半年，一个 Robotaxi 公司的朋友提出一个观点：对技术公司而言，To B 与 To C 的界限开始变得模糊。 比如，Momenta 这样的公司，Robotaxi 业务是 to C，但 L2 业务则是 to B 的；比如，图森的自动驾驶卡车业务，如果是给传拓做供应商，就是 to B，如果自建网络直接面对终端客户，则既可能是 to B，也可能是 to C。
在激光雷达前装量产之战打响后，有几家激光雷达厂商甚至考虑，在时机成熟的时候，在 to C 的媒体上投放广告，对消费者进行「教育」，告诉他们装激光雷达的车比不装激光雷达的车强在哪里，而装了我家的激光雷达跟别人家的激光雷达又有何不同。在「我的激光雷达最牛逼」占据 C 端用户心智后，再去搞定 B 端客户的难度就大大降低了。
这次上海车展前，本来是北汽极狐发布新车阿尔法 S，但站在聚光灯下的却是作为「乙方」的华为。地平线战略规划与市场拓展副总裁李星宇在近日的《造车 2.0 时代的十大趋势》一文中提到，极狐阿尔法 S 的品牌宣传，作为零部件供应商的华为「冲在前面”，放在过去，这是很罕见的，「其端到端的智能化产品在本质上也是 2C 的」。
用投资人王煜全的话来说，在这一波PR中，「华为 Inside」直接变成「华为 Outside」。考虑到华为后续还会帮车企卖车，「华为 Outside」并不是玩笑。
在 4 月 19 日接受媒体群访时，华为车 BU 总裁王军说：我们的智能汽车部件业务本质上来说还是一个 2B 的业务，但是我们做的自动驾驶、智能座舱、热管理等产品确实跟最终消费者的体验息息相关，所以，我们这块业务既是 2B 又是 2C。
李星宇在文中评论道：「去年年底，华为的智能汽车解决方案 BU 并入消费者业务部门，从 2B 向 2C 的转变，并不代表华为要造车，而是从侧面显示了华为对于智能化解决方案本质的理解：必须直面用户，以用户为中心设计产品，创造价值。从技术角度看，做端到端智能化解决方案，从 2B 向 2C 也是必须的，数据闭环的必然要求。」
对华为要不要造车的问题，李星宇在文中也做了评论：「这更像是一个伪命题，当你已经成为 Wintel 的时候，还在乎是否做 PC 整机吗？」
华为没有外界想象的那么「强势」
对很多车企没有跟华为合作的原因，外界通常的解释是「华为很强势」；在《焉知自动驾驶》4 月 24 日发的文章中，某巨头 Tier 1 中国区自动驾驶总监在接受采访时也提到了「华为太强势」。
笔者也一度认为「华为这样的科技巨头，在合作伙伴面前一定很强势」，但从笔者最近跟华为及其合作伙伴接触下来的感受来看，华为其实并不强势。
比如，华为虽然能提供自动驾驶的全栈式方案，但 MDC 的盒子与激光雷达、毫米波雷达并不捆绑，客户可以拿华为的盒子跟其他公司的激光雷达和毫米波雷达适配。
比如，华为虽然实力很强，但在面对实力弱小的客户时，他们的姿态很低，他们愿意做英伟达“看不上」的事情，服务好这些小客户。
与乘用车、卡车相比，无人矿车是一个「很小的赛道」，但 MDC 平台最早却是在无人矿车场景中落地的。某员工人数不足 100 人的无人驾驶矿车公司 CTO 告诉笔者，他们曾找过英伟达和德赛西威，但都被拒绝了，「我们的需求量实在太少，对方根本看不上」，但在找到华为时，对方却投入了很多人力支持他们，尽管之前华为连他们公司的名字都没听过。
两年下来，华为先后有总共 40 多名员工为这家做无人矿车的公司提供过支持。华为也承认，你这个矿车公司的需求量不大，但你们给了我们很多前瞻性的思考。
实际上，在自动驾驶的各细分场景中，华为在「最不起眼」的矿车场景投入的资源是最多的。
华为以前做通信业务时，经常投入很多资源去为国际巨头们都看不上的「老少边穷」地区（既包括非洲，也包括美国农村）建基站，这种基因，也被带入其自动驾驶业务。
因此，华为的「强大」并不必然等同于「强势」。
至于那些对自己掌握自动驾驶技术志在必得的车企，他们不跟华为合作，难道真的是因为「华为很强势」吗？如果华为「很弱势」，这些公司就会放弃自研，用华为的全栈式方案吗？
不管新势力还是老势力，很多公司不肯跟华为合作的原因是忌惮「华为肯定造车」，但笔者的思考逻辑是这样的：
华为已经押上自己的商业信誉三番五次说自己「不造车」了，车企们却非得参照「华为不做手机」的先例断言「华为肯定会造车」，不敢用他的零部件，这样，华为生产了很多零部件卖不出去，那他就只能「被迫」通过亲自造车来实现「内循环」了，这样，你不就多了一个强大的竞争对手吗？
相反，如果车企肯相信华为「不造车」的承诺，放心地用华为的零部件，让华为发现，卖零部件的总利润比自己造车的总利润「高到不知哪里去了」，那他为什么要造车呢？
高级自动驾驶开始朝「解放双眼」努力
SAE 标准下的 L2 级自动驾驶「既不解放双手，又不解放双眼」，L3 理论上是「可解放双眼」，但在实践中，车企们都担心一但允许驾驶员「解放双眼」，则他们会在需要人工接管的时候来不及介入，因此，现阶段，所谓的「L3 级自动驾驶」大都强调「只解放双手，不解放双眼」，这便跟 L2 没有本质区别了。
去年 9 月份，Lucid 在发布首款量产车 Lucid Air 时称，计划在三年内提供「既解放双手、又解放双眼」的 L3 级自动驾驶功能，相比于那些「只解放双手，但不解放双眼」的所谓「L3」，这显然是一个更大胆的设想，若真能实现，也将是一个质的飞越。
而最近，据《42 号车库》报道，大疆车载推出的 D80 + 和 D130 + 也「属于 L3 级自动驾驶，允许驾驶员脱手脱眼，在系统运行期间获得短暂的休息」。不过，至于搭载 D80 + 和 D130 + 的车辆在处于自动驾驶状态下、并且驾驶员当时正好「脱眼」时发生的事故责任应该由谁来承担，报道中并没有提及。
理论上，只有在车企或自动驾驶方案供应商向用户承诺「您放心「脱眼」，责任我来承担」时，消费者才敢「脱眼」；但从实践的角度看，无论车企还是方案商，都不敢轻易把这个责任揽下来。
此外，接下来，DMS 基本会成为搭载高级自动驾驶系统的车辆的标配，如果厂商允许驾驶员解放双眼，那 DMS 还要不要装？如果装了，功能该如何定义呢？
当然，也许在实践一段之后，大疆车载及合作车企会发现这个设定太乐观了，进而在产品说明书中限制驾驶员「脱眼」。
既要有「软硬一体化」的能力，也要有「软硬件解耦」的姿态
华为原本是个做硬件的公司，但如今竟然有 1200 人在做自动驾驶算法，占了其自动驾驶团队的 60%，这是出人意料的。基于昇腾 310 芯片及 MDC 平台，华为又自研了操作系统、感知算法等软件，同时又自研了激光雷达、传感器、摄像头等传感器，构建其真正的硬件一体化能力。
从能力体系上来说，大疆（包括大疆车载和 Livox）跟华为是很像的，都具备自研自动驾驶计算平台、激光雷达、毫米波雷达、软件算法的能力。
在软硬一体化方面，地平线公司也值得关注。其创始人及联合创始人主要是算法背景，但做了一家以硬件为主的芯片公司；而在实际业务开展中，他们又充分利用自己在算法方面的优势，帮助车企开发算法。实际上也是可提供软硬一体化方案。
AI 计算对软硬件的协同有很高的要求，好的软件算法，能让硬件的效能更大程度发挥出来；反之亦然。因此，相比于只做软件或只做硬件的公司，那些具备软硬一体化能力的公司会有更强的竞争力。
对华为和大疆这样的供应商来说，软硬一体化能力，是其提供全栈式解决方案的底气。
站在车企的角度，相比硬件、软件、工具链等分别来自不同厂家的组合方案，全栈式方案具有「端到端性能极致优化、责任界面清晰高效、 平台平滑演进」的独特优势，用起来实在太方便了；而且，全栈式方案能让自家的车更早实现自动驾驶能——并非所车企都有魄力投入很多资源自研自动驾驶算法，即便投入了，也没有十足的把握能获得成功。
对这些车企来说，全栈式方案其实是最好的选择——做科技公司的「代工厂」，总好过销量不断下滑，甚至持续亏损、破产。
据媒体公开报道，地平线创始人余凯及 Innovusion 创始人鲍君威在百度供职期间曾分别提出做芯片和激光雷达的建议，但在当时未被采纳未。此后，百度在激光雷达领域分别投资了 Velodyne 和禾赛，并已跟其中的一家合作开发面向前装量产的激光雷达，接下来，百度可能也要自己设计自动驾驶芯片了。
不过，要注意的是，华为、大疆及地平线这些公司，尽管都具备软硬一体化能力，但在商业模式上却是开放的，即软硬件解耦、硬件跟硬件解耦。比如，华为和大疆的计算平台上，都可以搭载别人家的激光雷达和算法；而地平线更是凭着「不捆绑」的策略从 Mobileye 手里抢到了许多客户。
当然了，华为也强调，只有那些搭载了华为的自动驾驶全栈解决方案的车型，才能打上「HI」（Huawei Inside）的 Logo，这意味着，即便是华为提供了软硬件解耦的方案，但那些自身产品力还不够强、希望通过「HI」来提升品牌价值的车企，在跟华为合作时还是会更倾向于使用其全栈式方案。
总的来说，「软硬一体化」的能力体系必须要有，这是让技术和产品具有竞争力的关键；同时，「软硬件解耦」的姿态也要有，这是赢得合作伙伴信任的基础。
算力堆叠与算力减配两个趋势并行不悖
在今年 1 月，蔚来和上汽智己等掀起了自动驾驶」算力军备竞赛」的序幕，但无论从成本还是功耗的角度看，堆太多芯片可能只是个过渡方案，等真正要大规模量产了，可能还是要做减法。
财经杂志在4月18日的《「华为造车」的第一个真相》一文中引用华为员工的话说：「在保证整体功能算力的情况下，华为提供的计算模块如内存颗粒和芯片颗粒，已经在想办法替换为低成本一些模块，这也是为了车企考虑。」
而据大疆的工程师透露，「凭借大疆优秀的算法，即便是实现 L3 级的 D130 + 系统，算力需求也不会到夸张的数百 TOPS」。 这意味着，后续，一些软件算法能力积累深厚的公司，将不会被动地卷入「算力军备竞赛」中。
激光雷达真的只是「冗余」吗？
前几年，自动驾驶圈对传感器方案有一个普遍的说法是「激光雷达是主传感器，摄像头是辅助传感器」，但过去的两年里，有越来越多的人开始说「用摄像头做主传感器，激光雷达作为冗余传感器”。然而，「冗余」一说正在被质疑。
2019 年 11 月底，福瑞泰克 CEO 张林在跟笔者聊起「主传感器 / 辅助传感器」一词时是这样解释的：在域控制器时代，基本都是融合感知算法了，我们不会去讲谁是主传感器、谁是辅助传感器。
去年 7 月份，笔者在跟某激光雷达公司 CEO 交流这个话题时，对方反问了一句：「如何定义谁是「主传感器」？」
当时，笔者引用某新能源车企自动驾驶负责人的解释：「当两种传感器的识别结果不一致的时候，决策系统决定以谁的意见为准，谁就是主传感器。」
对此，这位激光雷达公司 CEO 的回应是：「如果在激光雷达和摄像头的识别结果不一致时，要听摄像头的，那干脆把激光雷达卸掉不就得了？而如果两者不一致的时候要听激光雷达的，那把摄像头叫「主传感器」意义就不大了——有点像是说 「我们家主要是我做主，但意见不一致的时候，我老婆说了算」。」
这个逻辑，还是非常有说服力的。
这次，华为 ADS 负责人苏箐在接受媒体群访时称:「我觉得传感器没有 Redundancy (冗余)这一说，这是胡扯。后融合技术在两年以前被我们抛弃了，现在我们全部都是前融合的技术。」言外之意是，如果感知采用的是前融合方案，讲谁是主传感器、谁是冗余，就毫无意义了。
近日，《42 号车库》作者白杨在一篇文章中也怼了「激光雷达是冗余传感器」说法：「「冗余」的意思是，就算没有它你也能搞定，只是你搞不定的时候有替代方案不至于歇菜；而现阶段，激光雷达不仅不是冗余，还成了实现部分场景部分功能的主力军，这分明是「顶着备胎的名分干正室的活儿」。
通常，自动驾驶公司们在讲「激光雷达做冗余」的时候，都是在暗示「我的视觉算法已经很牛逼了」，但这可能是会给自己挖了个坑。某造车新势力的感知算法工程师说：「马斯克的第一性原则是站在 10 年后的角度去看是没问题的，但问题是，现在的视觉算法还没有革命性突破的话，他的技术路线是要被感知融合路线吊打的。」
接下来，各公司仍会继续努力提升视觉算法能力，但只要你还没有彻底摆脱激光雷达，那谁是主传感器、谁是冗余，就更像是一个文字游戏。
决策算法做不好，堆再多的传感器也没用
在 4 月 18 日的媒体群访中，苏箐在回应媒体提到的 Mobileye「把雷达、LIDAR 作为一个子系统，把纯视觉作为一个子系统，独立测试」时说：「真正决定接管率的，绝不仅是感知系统，跟规控的关系非常大，甚至，规控所占的权重比感知系统还要大。」「绝大多数那些难以处理的 case，你加上 80 倍的传感器也处理不了。」
靠传感器堆叠，并不能从根本上解决问题。笔者非常认同苏箐这个观点。
去年 8 月份，笔者跟广汽研究院的郭继舜博士聊起感知算法跟决策算法哪个更难时，郭继舜博士的回答是：「感知是一个容易标准化的东西，而决策算法则容易做出差异化，我们评价一个人牛逼不牛逼，不是看他的视力好不好，而是看他的思维牛逼不牛逼。」
在 L2 阶段，由于人是驾驶责任主体，各家自动驾驶的研发重心都在感知算法上，所以，谁的感知做得更好，谁就「显得更加牛逼」；但到了高级自动驾驶阶段，驾驶责任主体逐步向系统转移，这个时候，真正难的是行为预测、路径规划和控制，即决策算法和控制算法。简单地说，20 幅近视眼镜也不能弥补脑子不够聪明、经验不够丰富的短板。
某造车新势力的算法工程师说：「不懂整个技术链路的管理者，都会以为现在的感知是限制。感知当然也是问题，但不是主因。我们那么费劲地往车上堆雷达、摄像头、麦克风、扬声器，加报错逻辑，加AI大脑，不过是为了让车的感知融合上限尽可能地去贴近人的感知能力下限而已，但从人的视角去反观，要实现功能，无限追求感知数据的精准，是否会陷入算法陷阱？」
低线数激光雷达市场将会被蚕食
最近一段时间，4D 毫米波雷达概念特别火，其中，4D 毫米波雷达是否有可能取代激光雷达也是被热议的话题之一。笔者的观点是：在某些场景下，4D 毫米波雷达能取代低线数激光雷达（如 32 线、16 线），但不可能取代高线数激光雷达。
华为车 BU 总裁王军在接受媒体采访时说：「我们在做 4D 毫米波雷达时提过要求，性能一定要能取代低线数激光雷达，这样逼着激光雷达往高线数走，从而形成良性的循环，毫米波雷达和激光雷达的技术都拼命往上走，进而把成本降下来。」
随着 4D 毫米波雷达市场渗透率日渐提高，低线数激光雷达的市场将会缩小。当然，激光雷达本来就在从低线数向高线数发展，哪怕没有 4D 毫米波雷达，低线数激光雷达身上的光环也会一步步被高线数激光雷达冲淡。这属于激光雷达厂商们的「自我革命」。
今后，激光雷达厂商们将重心向高线数产品倾斜的趋势将更加明显，这对高线数激光雷达的技术进步及成本降低都是个利好。
图商必须加快对城市道路的高精地图采集
当前，各大图商在谈自己的高精地图覆盖了多少道路时，拿出的数据主要都是关于高速道路的，很少有人谈城市道路数据。因为，之前，大家都断定，高等级自动驾驶能力会率先在高速场景落地，所以，把重心都放在了高速上。然而，现在他们会发现，情况变了。
华为的自动驾驶，没有从一开始就瞄着高速，而是先重点解决城市居民上下班的通勤问题。美国人在高速上开车的时间多，因此，特斯拉的自动驾驶能力是先从高速场景开始做；相比之下，中国人开车大部分时间都是在城区道路上，因此，华为对技术落地场景的选择，无疑更贴切中国的实际。
华为在 2019 年了几家国内的高精地图厂商，但当时，这些厂商们基本没有怎么采集城市道路的地图，因此，华为申请了高精地图采集资质，决定自己采集城市道路的高精地图。
接下来，等搭载华为高精地图的车辆逐步上路了，并快速扩展高精地图覆盖范围、快速更新高精地图，而图商们的高精地图对城市道路的覆盖面跟不上的话，就会非常被动。
此外，高精地图的更新，如果有了足够的车规规模，就可以实现自动更新，即车辆会自动发现实际路况跟地图的区别，然后把数据触发传上去，指导采集车过去采集一遍，这样会大大提高效率；而如果车的数量太少，靠车辆「自动发现」的难度会很大，这就需要靠人为去规划，比如一个月更新一次——可能是不分青红皂白地把所有道路都重新扫一遍，资源和精力浪费极其严重。
可以说，图商们如果不能自己提供自动驾驶整体解决方案，或者跟车企深度合作，那在高精地图的更新上会十分被动。
大场景里的「小生意」与小场景里的「大生意」
车展期间偶遇一无人矿车公司 CTO，对方告诉我一个很有意思的信息：「末端物流，是近 1000 亿元级的市场，但市场比分散，有很强的区域性，你在这个城市做好了，去另一个城市也未必能做好，而且，每个小区的单量都很少，运营成本难以摊销；相比之下，露天煤矿土方运输业务，市场体量只有 300 亿，但每个矿都很大，你只要拿下一个矿的订单，一年就能挣几个亿。」
这个信息非常有价值。自动驾驶公司在找应用场景的时候，不能光盯着「这个赛道有多大」，还要评估拿下一定市场份额的难度有多大。概括地说：如果选择的方向跟自己的能力体系不匹配，在大场景里，你也可能只能做小生意；如果方向选对了，在小场景里面，你也可能做成大生意。
不能简单地把智能汽车类比为智能手机
过去几年，我们总发现，有不少圈内人，尤其是媒体大 V，在分析智能汽车产业的前景时总喜欢拿智能手机做类比，这种类比其实是不太靠谱的。
4 月 18 日，《晚点 Late Post》记者向华为车BU总裁王军提了一个问题：「华为从手机产业跨到汽车产业，有没有原本觉得有可以复刻的经验、但是实际差别很大的地方？」
王军的回答是：「手机是消费级，跟汽车之家，差了工业级、车规级。我们到了车这个行业，发现要求完全不一样，手机除了电池爆炸外，对人身安全的影响比较小，但智能汽车的很多方面都跟生命息息相关。」
华为智能汽车解决方案 BU 智能座舱产品部总经理王庆文补充道：「从最终用户的角度去看，智能汽车跟智能手机很接近，但从工程师、产品研发的角度来看，这是两个截然不同的东西，因为它的生命周期不同，而生命周期不同会带来软件开发、软件管理与硬件管理完全不同——手机可能两年换一次，所以软件版本不需要考虑硬件；而汽车的生命周期通常在十年以上，如果软件升级，汽车里面任何一个版本都需要跟存量的硬件匹配，这个工作量是巨大的。」
王军说：「软件的生命周期管理如何做，我们还在摸索，特别是在座舱领域涉及到频繁地升级，生命周期管理非常复杂，要维护的版本太多了。所以，软件定义汽车，OTA 真不是简单的说一说，要耗费大量的人力、物力、流程去保证这个事情能真正落地和实现。」
那些「缺乏光环」的公司，价值可能需要被重估
先前，自动驾驶还停留测试阶段，大家都在拼技术能力，而到了前装量产阶段，工程能力的重要性就凸显出来。简单地说，互联网、AI 背景的科技公司们，技术能力更强，但谈到工程能力，传统 Tier 1 及车企们则可能具有「碾压性」优势。
几个月前，某 CEO 及 CTO 均出自德系 Tier 1 的域控制器公司的朋友说：「我们老板觉得很委屈，我们已经盈利了，为啥估值还不如一些一直在亏损、甚至生死未卜的 L4 自动驾驶初创公司高？」笔者开玩笑说：「因为，在投资人眼里，你们公司没有「科技感」，缺乏光环」。
与很多互联网背景的自动驾驶公司创始人、甚至 CTO 通常都是能说会道的「段子手」，甚至「自带网红属性」相比，很多传统 Tier 1 背景的创始人往往都是「老实巴交的工程师」，不善言辞，在极端情况下，他们所创办的公司的投融资部门及市场部工作人员，也是不善言辞、一见到投资人及媒体就「不知所措」的理工男。这导致，这些公司的价值可能被严重低估。
但当自动驾驶从讲故事的阶段过渡到拼工程能力的时候，这些公司的价值可能会被进一步挖掘出来，甚至估值可能会大幅上升。
「高端」，可能成为苹果的劣势
小鹏 P5 的发布及大疆跟通用五菱的合作，标致着高等级自动驾驶在价格上开始「平民化」，这个事情意义非常重大。
最早搭载自动驾驶系统的量产车 Model X 和 Model S、再后来的奥迪 A8，价格基本都在人民币 80 万以上；凯迪拉克 CT 6，40 万以上；小鹏 P7，35 万以内；搭载激光雷达的小鹏 P5，预计在 20 万左右；接下来，大疆跟通用五菱宝骏合作的量产车，价格可能控制在 15 万左右，甚至更低；小米的首款车，应该也在这个价位。
之前，在芯片及传感器的价格都比较贵的时候，自动驾驶系统只能率先在用户对价格不敏感的高端车型上落地，但随着竞争的加剧及供应链成本的下降，越来越多的中低端车型将「装得起」好的自动驾驶芯片和激光雷达。
何小鹏曾提到「越是中高端的客户越是对自动驾驶感兴趣，越是超高端客户，对车品牌豪华感、动力感需求绝对高」，在产业起步的早期，这个观点基本是成立， 但我们也不能理解成「中低端用户对自动驾驶就没兴趣了」，他们只是没有足够的财力为自己的兴趣买单而已，所以只好「假装没兴趣」。
随着自动驾驶套件成本的快速下降，那些原先对接自动驾驶「没兴趣」的中低端用户，很快就变得「有兴趣」了。
跟智能手机不一样的是，自动驾驶系统的能力如何在很大程度上取决于车队规模有多大，因此，站在车企的角度，在硬件配置同等、用户的选装率也差不多的前提下，那些销量越高的车型，为本公司自动驾驶算法的进步所做的贡献就越大。
毕竟，各公司自动驾驶能力的竞争，在短期内拼的是算法人才、硬件配置，而在长期拼的则是数据量，而数据量又取决于搭载自动驾驶套件的车队规模。
所以，车企们如果觉得提升自动驾驶算法是头等大事，在资源有限的情况下，就应率先在那些销量最高、容易成为爆款的车型上搭载自动驾驶系统，而非在「最高端」的车型上——如果你搭载自动驾驶系统的车型虽然高端，但一年只卖出去了几千辆，那对积累数据的价值是有限的。如果能像理想计划的那样，把自动驾驶做成标配，当然是最好的。
从这个角度看，苹果尽管人才济济，但自动驾驶能力未必能进入第一梯队。因为，苹果的调性决定了，他们的产品一定要「超高端」，我们假定苹果是在人民币 60 万元的车上标配自动驾驶套件，而大疆或小米是在人民币 15 万左右的车上标配同等标准或略次一点的自动驾驶套件，那谁更有获得数据规模上的优势、谁的算法会进步得更快呢？
当然，大疆或小米肯定也会考虑车上的 T-Box 怎么做，数据怎么回传，以及传回来的数据怎么处理——没有处理能力，则数据再多也没鸟用；此外，搭载自动驾驶系统的首款车的 EE 架构就应该是集中式架构，可在后续支持整车 OTA。
