作者：苏清涛
本文共 1.8 万字，仔细阅读完毕至少需要 60 分钟。
「我之前在上一家公司时，团队做过很多分析，最终的结论是，对无人驾驶技术落地影响最大的因素是 —— 场景。」 上个月底，在西北某大型露天煤矿上，一家无人驾驶公司的系统架构师在跟《九章智驾》交流时如是说。
实际上，随着对商业化的探索走向深水区，越来越多无人驾驶细分赛道上的创业者们都形成了 「对场景的理解，会是最高的壁垒」 这样的理念。而在笔者近距离接触过的诸多公司中，上述这家矿山无人驾驶公司是 「上上下下都围绕场景转」 的典型代表。
为了更好地理解应用场景，这家矿山无人驾驶公司不仅有大量技术人员长期驻扎在矿山上，甚至连商务和市场的同学也长期驻扎在矿上。前段时间，该公司几个负责后勤工作的小女孩还去矿山去待了一周。
该公司的创始人经常开玩笑说：我们是 「吃土最多」 的无人驾驶公司。
「吃土」 越多，收获也越多。结合各竞品在官方微信公众号及向媒体透露的数据来看，截至 2021 年 5 月份，这家公司的累计无人驾驶测试里程是同一赛道上第二名的 2 倍、是第三名的 4 倍。
目前，该公司在西北某矿试运行的无人驾驶车辆，单编组运行已相对稳定，后续将重点在双编组混合调度算法、去安全员上加大推进力度。
为加快 「搞定」 场景，从今年 1 月份起，该公司还投入相当多的资源在内蒙古鄂尔多斯的矿山上做起了传统的 「有人驾驶」 运输业务。这一行为，令很多同行和投资人很不理解，甚至引发了嘲笑和质疑。实际上，他们的 「有人驾驶」 业务，是为了给无人驾驶业务赋能的。
也许，有不少熟悉矿山无人驾驶赛道的读者朋友已经猜到了，我们在前面提到的 「这家公司」，正是易控智驾。
去年 6 月初，在经过跟易控智驾 CEO 沃森长达 16 个月的深入交流后，笔者在《建约车评》上发表的《自动驾驶技术变现最容易的场景：露天矿运输》一文中详细介绍了易控智驾的基本情况，关注矿山无人驾驶这个赛道的朋友应该都有所了解，里面提到的内容，本文将不再重复。
从去年 6 月中旬到今年 5 月底，《九章智驾》跟沃森先后做过至少 6 次、总共超过 12 个小时的深入交流；并且，还跟该公司联合创始人兼董事长张磊、技术副总裁林巧、算法总监、矿山总工程师、测试工程师、现场运营负责人等近十名团队成员做过总共近 20 小时的交流，最终形成本文。
通过这一系列的访谈，我们逐渐梳理清楚了如下几个问题的答案：
- 为什么要做传统的 「有人驾驶」 运输业务？
- 为什么只用宽体车，而不做大矿卡项目？
- 为什么不自研域控制器？
- 先重点进攻最简单的场景，算不算是走了 「弯路」？
- 是否担心被 Robotaxi 公司或做干线物流的公司降维打击？
- 易控智驾最难以复制的竞争壁垒是什么？
在访谈中，笔者了解到，外界对易控智驾还有这样一个质疑：别的无人驾驶公司的创始人大都是做 AI 出身，你们 CEO 是做游戏出身的，不懂技术，能成吗？
在本文结尾部分，笔者将结合自己过去几年对自动驾驶行业的观察、对企业组织文化方面知识的学习、对沃森的了解来解答 「非技术出身的 CEO 是否真的领导不了无人驾驶公司」 这个问题。
为何要做 「有人驾驶」 运输？
从 1 月份至今，易控智驾在鄂尔多斯的东圪堵煤矿上总共投入了 20 辆车在做传统运输。估计到 6 月底，车队会增加至 40 辆。按计划，若今年传统运输业务运行顺利，易控将在这里增加无人驾驶测试点。
不过，从内到外，都有一些人不理解 「为什么要做传统运输」，而沃森对《九章智驾》的回应是则：对传统运输，我是 「越做越觉得这块对无人驾驶业务的帮助巨大」。
根据《九章智驾》跟沃森及易控智驾团队其他成员的交流来看，总体上，传统运输业务对无人驾驶业务的 「赋能」 主要体现在如下几方面：
帮助技术团队理解场景
无人驾驶公司做传统运输业务，易控智驾并不是第一家。
全球范围内，最早的案例应该是已在去年破产的 Starsky，这个公司虽然死了， 但他们的有些经验仍被其他公司借鉴。
在国内，为理解场景，酷哇、于万智驾等环卫赛道的无人驾驶公司也做传统的环卫业务，其中，在于万智驾，仅缴纳社保的环卫工人就超过 800 人。在今年 4 月份的一次交流中，于万智驾联席 CEO Iris 举了个例子说 「我们的人行道算法， 其实是参考了环卫工人的偷懒方式写的，最牛逼的算法还是在环卫工人脑子里」。
矿山场景有其特殊性，技术人员如果不了解这些特殊性，便很难把算法做好。易控智驾算法总监举了这样一个例子：感知环节有一个任务是把点云中的地面分割出来，但由于矿山的地面不像柏油路那么平整，分割非常难。
「如果你没有一个概念，不清楚无人车今后正常的工作环境是怎样的，哪怕你已经耗费了许多精力，试图把算法做得又大又全，最终还是会有不少最迫切需要处理的地方会被漏掉。而在传统业务跑起来之后，我们就有机会拿到场景数据，再将这些数据用到我们的算法训练中去。」 这位算法总监说。
当然，需要指出的是，目前，由于传统运输业务做得还不成熟，易控尚未在车上安装传感器，但安装传感器的工作已在筹备中了，将在几个月内启动。
在跟感知算法负责人交流后，《九章智驾》了解到，激光雷达等传感器提供的环境感知数据只是冰山一角，在此之外，传统运输车辆提供的车辆本身的驾驶行为数据对技术团队做控制算法和调度算法都有更大的价值。
下一步，易控计划在一些车上搭载 T-Box，收集车辆本身的行驶数据。拿到了传统运输车辆提供的油耗及故障等数据，技术团队就可以知道模拟控制算法如何做更有利于降低油耗、降低故障率。
再比如，在排土环节，车辆不能每次都压在上次排土的位置，因为压久了这个地方就很容易塌陷，而如何精准地控制排土的位置，就需要向传统运输团队学习这里面的 konw-how。
在调度算法方面，目前，对装土环节在哪里倒车最合适、车辆跟挖机怎么配合、双编组怎么做这些问题，技术团队只能通过仿真的方式来摸索怎么做是合理的， 或者是拍视频观察，其实没有准确的数值，但如果有了传统运输车辆提供的行为数据，这些问题解决起来就容易多了。
目前，易控已经安排仿真、地图、调度等无人驾驶团队的工程师跟做传统业务团队做充分的交流了。
为无人驾驶业务规模化落地储备人才
十几年前，在沃森刚做游戏的时候，市场机会极好，资金也有办法解决，但苦于没有合适的人才来拓展业务，沃森错失了不少机会。这段经历，给沃森留下沉痛的教训，现在，沃森的思维方式就是：以终为始、提前布局。
目前，无人驾驶技术还停留在小规模试运营阶段，技术人员占团队人数的绝大多数，商务及现场管理等运营人员非常少，但等日后无人驾驶技术足够成熟了，可以大规模商用了，公司就会需要很多运营人员。那么，人从哪里来？
一方面，如果临时抱佛脚地从外面招一些人，靠谱程度如何保证是个问题；另一方面，提前在无人驾驶团队中培养也行不通 —— 因为，当前的无人驾驶团队确实用不到这样的人。而新增的传统运输业务，恰好可以帮无人驾驶商业化储备这样的人才。
沃森说：「有一些商务人才，在传统业务领域有很深的积累，会对我们日后开展规模化运营有很大帮助，但现在，我们的无人驾驶业务中，找不到合适的职位来安置这些人。如果我有传统业务，先让他 70% 的时间做传统业务，30% 做无人驾驶业务，有个缓冲的过程。」
在跟工程公司合作的过程中，沃森会仔细考察，怎样的人更优秀、更容易留在矿上，然后就按照这个标准去招人。「因为我们是无人驾驶公司，做传统业务只是过渡，所以招商务人才和运营人才，比传统的工程公司更容易。」
由于易控智驾做传统业务的核心目的是为了给无人驾驶业务赋能，因此无论从商务和运营人才储备考虑，还是从研发的场景支持考虑，对比业内其他传统的工程公司，易控智驾更有意愿为此给出更有吸引力的待遇和机遇，这样的机制也更有利于吸引和留住人才。
沃森计划，等传统业务的规模稍大一些了，他们会找一些本科生在这待一年（是全职工作，而不是培训学习），然后再调到无人驾驶团队做运营。此外，他们还打算从安全员里挑出一些优秀的人担任无人驾驶车队的远程操控员、现场 管理人员。
沃森说：「做传统业务，能帮我们提前把适合未来做运营的人筛选出来。当前， 我们的规模小，试错成本比较低，如果等无人驾驶车队大规模运营了，再发现招错人了，纠错成本就会比较高。」 易控董事长张磊及露天矿总工程师孙庆山也持同样的观点。
为无人驾驶业务储备商务资源
做传统业务，还有一个好处是，可以让易控智驾提前融入矿山的圈子。
矿山圈是一个封闭的圈子，新兵进来，哪怕你的无人驾驶技术很牛逼，别人也未必轻易认可你，但做传统运输业务的过程中，易控可逐步跟矿企及工程公司建立起密切的联系，日后无人驾驶业务再要进入就容易得多了。
现在，易控的传统运输业务由沃森的一位朋友负责，这位朋友，十几年前曾跟沃森一起做游戏，后来又跟沃森一起做低速电动车，其综合能力及人品已经过了检验。
露天矿的作业分爆、采、运、排多个环节，易控负责的挖掘和运输只是其中一个环节。其他几个环节，及车辆的加油、路面的改造及维护、洒水等服务工作，则由传统的工程公司负责。
笔者问沃森：「之前，运输环节也由工程公司做，你们做运输，这不是抢了工程公司的生意吗，他们凭啥还跟你们合作？」
沃森的解释是：「其实，工程公司并不愿意花大价钱背着利息去买设备，他们的核心竞争力，是处理各种关系。我们取代也并不是工程公司，而是小包工头，对工程公司来说，之前，他们要管很多小包工头，而在跟我们合作后，他们只需要管好我们就行了，管理难度大幅度降低。」
总体上，工程公司对无人驾驶的进入持欢迎态度，而易控智驾现用传统业务 「入圈」，沉淀商务资源，为无人驾驶的商业落地 「蹚路」，日后再挑选出适合无人驾驶的场景，直接切换无人驾驶。这样的操作不仅顺理成章地增加了矿方、工程公司与易控的合作粘性，更能在运营层面降低三方的磨合成本。
储备维修等配套资源
在接下来几年，无人驾驶车队规模会逐步增加，但也不会特别大，这给维修保养带来很大的挑战 —— 服务商不太愿意去驻矿配合。
而易控的传统运输业务使用的车辆，也是陕西同力的宽体车，除没采用线控底盘、没搭载自动驾驶套件外，其结构、零部件跟无人驾驶团队用的车型差不多，这也意味着，双方在维修体系上有很多相同之处。
目前，传统运输车队的维修体系已经比较成熟了（可以跟传统的工程公司共享资源），易控再逐步引入无人驾驶车队，就不会存在多少问题。
提前打通债权融资渠道
易控智驾走的是重资产模式，而一辆宽体车加传感器的总成本超过 100 万元， 随着车队规模的增加，易控对资金的需求量也将越来越大。假设六七年后，车队规模达到 1 万辆车，每辆 100 万元，就需要 100 亿元资金。
对估值正快速上升的公司来说，频繁做股权融资是不划算的 —— 若一年后估值上升了 50%，你一年前做的股权融资，就相当于利率 50%，相比之下，做债权融资（通常情况下，利率在 6% 左右）会更划算。不过，跟股权融资可以一次融几个亿不一样，向银行做债权融资，需要花很长时间来积累信用。
幸好，易控的传统业务不仅有现金流，而且有不错的利润。实际上，易控智驾的利润率要比传统的工程公司高出不少。主要原因在于：
在采购设备时，传统的工程公司通常是先支付 30% 左右款项，其余部分以 10% 左右的年化利率分期支付，而易控智驾账户上现金很多，可一次性付款，不仅没有利息成本，而且还享受 5% 的折扣。综合算下来，易控的设备采购成本比传统工程公司低 10% 左右。
凭着传统业务带来的现金流和利润率，易控智驾可以现在就跟银行合作做贷款，逐步积累信用。易控已经从某头部商业银行申请贷款额度，后续会考虑接受该银行的投资， 随着易控智驾在资本市场估值的逐步上升，银行从投资中享受到了很大的回报， 就会在发放贷款时更加积极了。
无人驾驶技术再成熟，「有人驾驶」 也必不可少
易控智驾团队有多位骨干成员来自矿企、矿业研究院，对矿山场景非常了解。而这些人都一致认为：无人驾驶的采矿环境，需要比传统运输的采矿环境更加规范；若场景的规范性无法保障，技术便无法大规模落地。
这意味着，需要首先对场景进行结构化改造 —— 改造工作将由工程公司来完成。
但无论你对场景如何改造，总会有些极端工况是无人驾驶技术搞不定的，或者，也许无人驾驶算法在进步到某种水平、配上更好的传感器后能够解决，但从经济性的角度看，这样其实得不偿失。
「有些场景，传统的人工驾驶开采起来也很难，那你为何一定要强求无人驾驶能搞定？」 孙庆山总工说，如果要花很多时间去解决这些极端工况，那整体落地进度就会很慢。
易控的算法总监说：「我们不打算用无人驾驶来解决 100% 的问题。Waymo 公司曾安排工程师专门去处理对松鼠的识别，我们在封闭场景里可以避开这些问题，不必浪费时间去做一些绝大多数时候都用不着的算法。」
据这位算法总监介绍，他们的基本思路是：在做传统业务的过程中，逐步探索如何对场景进行规范化改造，并探索出一套适用于无人驾驶的生产施工标准；然后，把适合被结构化的场景交给无人驾驶去做，对那些不能被结构化改造的 Corner Case，还是交给传统运输团队去做好了。
来自矿企、为易控研发团队提供场景方面知识输入的浩哥也认为 「矿山场景很难 100% 无人化」。
沃森也持同样的观点。沃森还提到，在同一个矿上同时做无人驾驶运输和传统 「有人驾驶」 运输，便于对各种数据做比较，找到无人驾驶技术的进步空间及边界，目标也更加清晰。
站在矿企的角度，这个思路是挺明智的。毕竟，矿企最在意的是你能否安全高效地作业，而不是 「有人」 还是 「无人」。
其实，易控智驾并不是第一个这么玩的公司，也不会是最后一个。Uber 和滴滴早就提出了今后会对 Robotaxi 和传统的网约车进行 「混合派单」，将简单场景的订单派给无人车，其他场景派给人工驾驶的车辆。阿里、京东、美团的无人车在商业化的阶段，其实也会这么干。
跟滴滴、Uber、阿里、美团、京东做无人车算是 「自带场景」 不同的是，易控智驾做传统运输算是 「创造场景」。
我们也许还可以做这样一种设想：有朝一日，易控可能在单个矿区的某个标段，或是在单个小矿将运输业务以分包商的身份承包下来，在适合无人驾驶的地方搞无人驾驶运输，在不适合的地方搞传运输，并让两者无缝衔接。
这个时候，那些既没法通过无人驾驶搞定 100% 的问题、又没有提前布局 「有人驾驶」 业务的公司，就会 「压力甚大」。
为何不做大矿卡？
无论是传统运输业务还是无人驾驶业务，易控智驾都只用宽体车（通常载重 40-60 吨左右，价格在 60—100 万之间），而不用看起来更加高大上的大矿卡（通常载重 200-300 吨，价格在 2000-3000 万元之间）。这是易控对矿山作业现状做了深入研究之后做出的选择。
理论上，大矿卡更加符合国家对矿山提出的 「设备大型化」 主旋律，作业效率也更高，但在实践中，有很多因素导致大矿卡并不是无人驾驶的理想 「载体」——
基于以下几个原因，大矿卡的市场正在萎缩
（1） 购置成本均太高
大矿卡的购置成本高达 2000-3000 万元，通常，每 3-4 台大矿卡对应一台电铲，而电铲的成本通常在 1 亿元左右。如果一个大矿上买 10 组设备，总成本将近 20 个亿，而回收周期却长达 8 年以上。
尽管随着时间的推移，大型设备的综合运营成本会降低，但如此高的价格，也只有大型国企才用得起，现金流紧张的民企如何吃得消？
（2） 交付效率太低
宽体车，可以整车放到板车上拉到矿区，很快即可投入使用；而大矿卡，只能以散件的方式交付，散件进来后，厂商再派工程师组装。前几年，东北某矿买了 8 台特雷克斯的矿卡，好多工人花了半年时间才组装完毕。如此效率，在煤价上涨、生产任务紧急的时候，矿企如何等得起？
（3） 运营成本太高
大矿卡尽管作业效率更高，寿命也达到宽体车的 3-4 倍，放在一个比较长的周期内看是比较划算的，但日常运营成本也更高 —— 同一个区域，如果采用宽体车及小挖机，剥离每一方土的成本是 9 块钱，但使用大矿卡及电铲剥离每一方土的成本就是 15 元。
在煤炭价格高的时候，用大矿卡还行，但在煤价下跌的时候，大矿卡在性价比上的劣势就凸显出来了。有的矿企，在把大矿卡及大挖机买回来后，一算成本发现很不划算，就改用宽体车了，「我总不能亏本干吧」。于是，大矿卡就不得不闲置起来。
（4） 维修保养成本太高
笔者在露天矿的现场看到了好多辆闲置的大型矿卡，而这些矿卡的轮胎都显得特别破旧。据一位在传统工程公司做工作多年的人士介绍，矿卡只要闲置一段时间， 轮胎就老化了，不得不更换，而一个新轮胎至少 18 万，按每辆车 6 个轮胎算， 得 108 万。
抛开成本，换轮胎的工艺也非常复杂 —— 不像普通汽车换轮胎，用千斤顶一下就可以了，大矿卡的轮胎重达 1 吨，需要专用设备的协助才能更换。下图的红色设备，就是用来协助换轮胎的工具。
除换轮胎外，大矿卡还有很多其他维修保养需求。
这位人士说，十几年前，他使用过的一台卡特彼勒的矿卡，每三四年就需要一次大修，一次大修的费用是 200 万，而一年的维修保养费用也需要 150 万，「现在肯定更贵了」。
（5） 维修周期长
通常，宽体车的维修比较容易，而大矿卡不仅修理成本高，而且周期也长 —— 有时需要厂商从国外派工程师来修，可能需要几个月。这会极大地影响设备的出勤率，而出勤率又会对矿区作业的连续性产生很大影响。
其他无人驾驶公司做技术方案商，尚可以跟大矿卡的持有者合作，而易控智驾走的重资产模式，要做运营商，大矿卡的上述弊端，都决定了易控根本不可能去做大矿卡。
实际上，鉴于大矿卡有这些弊端，自宽体车于 2005 年出现后，越来越多的矿企和工程公司逐渐改用宽体车。
当然了，基于以下几点原因，还有不少公司仍在使用大矿卡：A. 大矿卡的安全性要更高一些，政策强制大国企必须用大型矿卡；B. 使用大矿卡，矿方需要管理的司机数量少得多，人员管理成本低得多；C. 该矿企的整个作业流程是按大矿卡的标准设计的，很难轻易改变。
不过，无人驾驶技术的安全性超过人类司机，并且可彻底拿掉安全员后，A 和 B 两条因素便失效了；而 C，对那些新开发出来的矿区，也不适用。这意味着，今后，大型矿卡仅有的一些优势也会被无人宽体车给干掉。
一位来自矿企的人士说：尽管从政策的角度看，设备大型化是趋势，但从经济效益的角度看，在未来 10-20 年，宽体车还是会居主导地位。
站在易控智驾的角度，既然大矿卡的市场正在萎缩，那我为什么要基于大矿卡做无人驾驶技术呢？
矿卡无人驾驶方案难以标准化，边际成本太高
由于上面提到的原因，大矿卡在国内的增量市场有限，一些做大矿卡无人驾驶方案的公司，做的主要是改造旧车的存量市场。
这些大矿卡都没有线控底盘，改造难度很大。并且，由于使用年限较久磨损程度不同，每一台旧车的机械参数可能都不一样，改造只能让某一台特定的车达到较优的状态，然而，对这台车改造的参数不能复制到其他车上。
矿卡改造方案不能复用的结果是：1. 对人力的消耗很大，影响效率；2. 项目的边际成本特别高。
相比之下，易控这边采用的都是自带线控底盘的同力宽体车，由于是新车，各机械部件的参数一致，改造的方式容易批量化复制。
为什么不自研域控制器
跟大多数自动驾驶方案公司都不约而同地自研域控制器不同的是，在技术副总裁林巧入职（2020 年 4 月）之前，易控用工控机来代替域控制器；而在林巧加入后，易控开始跟华为合作。
对华为车 BU 比较熟悉的人应该都清楚，华为并不单独卖自动驾驶芯片，而是卖集成好的域控制器。这意味着，跟华为合作，易控智驾就不需要在研发域控制器上耗费资源了。
在大多数自动驾驶公司都强调 「自主可控」 的大背景下，易控放弃自研域控制器，确实显得有些另类，因此，并非所有人都能理解这种做法。面对外界的不解，在接受《九章智驾》采访的过程中，沃森讲出了他的思考逻辑：
对矿山无人驾驶公司来说，域控制器是一个相对通用的集成技术，不必非得自己做。而且，这个赛道很小，自研域控制器是否值得也是一个问题。
笔者很认同这一解释。不仅如此，在笔者看来，哪怕自己设计了域控制器，易控智驾这种小型初创公司也未必有能力搞定批量集成阶段的一系列工程化难题，因此，最终可能还是得跟工程化能力强的公司合作。沃森也承认这一点。
华为 MDC 总裁李振亚说：「自动驾驶计算平台，不是功能跑通就 OK 了，其实越往下走，对平台稳定性和可靠性的要求越高，但稳定和可靠，需要很长时间坚持不懈的积累。」
林巧也说：「高速度高质量迭代，是无人驾驶胜出的关键，而好的计算平台则是高速度高质量迭代的绝对基础；基础不牢，再好的算法也是空中楼阁。计算平台的功能安全、信息安全是体系化的事情，需要算法公司与计算平台公司深入互动，做好相互之间逻辑验证，才能实现。」
既然如此，那选择用华为的 MDC 平台，就是一个很务实的做法了。
对华为来说，向易控智驾供应 MDC 平台，并不是一个简单的交钥匙方案，而是双方一起根据 L4 场景需求提升产品的合作过程。在合作过程中，双方研发人员从产品落地角度思维出发，易控智驾研发人员不仅是单纯使用，也会根据研发和测试进展，提出计算平台体系架构需求，而华为研发人员会依据现有的平台能力融合易控智驾需求做产品迭代。
尽管易控智驾的规模还很小，但华为 MDC 部门却将易控视为其在商用车领域的标杆客户，给予的支持力度特别大。在过去的半年多时间里，华为 MDC 部门已陆陆续续投入了 20 多个人来支持易控智驾。
双方的合作，优势互补，在技术和产品的进展上取得非常不错的成绩。目前，易控智驾所有车辆均已使用 MDC 在常态化测试运营。
对易控智驾来说，与在自研域控制器中耗费很多时间相比，跟华为合作，他们可以把节省下来的资源都用在打磨算法（包括调度算法），从而加快技术的落地速度。
先从最简单的场景开始起步，是不是 「走了弯路」？
无论是不做大矿卡还是不自研域控制器，易控智驾都有意识地远离了 「高大上」，而是务实地把对自己最重要的事情做好。与此一脉相承的是，易控无人驾驶车队的规模化试运营，也是避开了复杂场景，先从最简单的场景开始。
2020 年 6 月份之前，易控在鄂尔多斯杭盖沟煤矿投放的 4 辆无人驾驶车辆，都只是在测试，无法获得营收；此后，易控将无人驾驶车队都转移到西北某露天矿， 车辆总数也逐步增加到 12 辆，在这里，矿方是要给易控支付运费的，这是易控无人驾驶商业化的第一站。
杭盖沟的煤矿场景比较复杂，最典型的是沟比较多，而且有很长一段路是单行道；相比之下，现在试运营所在地西北某矿的场景要简单的多 —— 虽然说是 「山」， 但看上去像 「一望无际的平原」，路面极宽。
那天刚到现场，笔者抛给沃森的第一个问题就是：在复杂场景做测试，有利于快速获取高质量的数据，从而能加快算法的进步，这已经成为行业共识；但你们现在却把资源都投入到一个场景简单的矿山，这对算法训练很不利啊，从长期看， 这会不会是一种弯路？
沃森淡定地回答道：仅从技术的角度看，你的理解是对的，但如果从商务的角度、从全局看，就不一样了 —— 无人驾驶的规模化运营，一定不会率先从复杂场景开始，而是从 「条件友好」 的简单场景开始，实际上，现在我们试运营的 「简单场景」，也就是日后商业化时面对的真实场景。
此外，结合董事长张磊及矿山总工孙庆山等人的解答来看，在复杂场景里，虽然容易获得高质量的数据，但在相当长的一段时间里，矿方只会给你划一小片区域，让你去做测试，而不能做规模化运营；但在 「条件友好」 的简单场景里，技术现在就能支持规模化试运营了。而站在无人驾驶公司的角度看，做测试和试运营的区别还是非常大的：
- 测试是通过免费帮别人干活来打磨技术，无法获得营收，而且，如果场景太复杂的话，什么时候能获得营收也存在很大的不确定性，而商业化的遥遥无期，正是包括 Waymo 在内的很多无人驾驶公司人才流失的一个关键原因；试运营，哪怕场景简单，也可以获得营收，而且，场景简单有利于快速扩大车队规模，这让研发人员看到，他们的工作很快就产生经济效益，因而，积极性就被调动起来了。
谈起 Waymo 最近向场景更复杂的旧金山扩张，却没有在场景简单的亚利桑那州凤凰城钱德勒一带加大车辆投放，沃森说他的理解是：
钱德勒是个人口密度很低的偏远郊区，大多家庭都有车，而且大部分商店、办公室和家庭都有宽敞的停车场，Waymo 哪怕在那里增加车辆投放，也挣不到钱；
而对我们来说就不一样了，我们现在合作的两个矿，年产能分别为 2000 万吨、3000 万吨，并且后续扩产的潜力也很大，在全国露天矿中排名 TOP5， 我们每增加一组设备，就会多一份营收。
对沃森这个思路，笔者是很认同的。只强调复杂场景对技术进步的价值大，这是一个难以验证的问题，再说，如果技术虽然进步了，但人才却因耐心耗尽而流失了，可能得不偿失，也许，「先挣到钱」 会更重要。
此外，认为 「在简单场景做测试，技术进步慢，从而导致商业化比较慢」，这也是一个认知上的误区 ——
很多国内的无人驾驶公司经常强调 「中国的路况更复杂，因而在中国做训练算法进步快，所以，自动驾驶技术在中国的商业化能走在美国的前面」，这个逻辑是不成立的 ——bug 在于，你平时做的 「模拟题」 比别人复杂，但你最终的 「正式考题」 也比别人复杂得多啊；相反，美国公司，平时的 「模拟题」 简单， 算法进步可能慢一些，但人家的 「正式考题」 也简单啊。
现在，易控智驾选择在场景简单的大型露天矿做试运营，就是典型的 「模拟题简单，但正式考题也简单」，你能认为他 「算法进步慢，不利于商业化」 吗？
目前，易控在这里共投入了 2 组设备（每组设备是 1 台挖机 + 6 辆宽体车），第三组设备马上就要到位了。沃森说：「随着车队规模的增加，我们能快速发现更多的问题，到时再去做更复杂的场景，就容易多了。」
「能快速发现更多的问题」 这个说法也得到了供应商的侧面印证。笔者到访的那天，正好车辆供应商陕西同力和激光雷达厂商 Ouster 都有工程师也在现场，这两家公司都跟多家矿山无人驾驶公司都有合作，但易控智驾向他们反馈的线控底盘和激光雷达方面的问题是最多的。
在同一个赛道上，能帮供应商 「揪出」 更多 bug 的公司，必然就是测试强度最大的公司，那他的技术进步也不会慢。
- 评价一家矿山无人驾驶公司的能力如何，比单车智能水平更重要的是，你能否像 「有人驾驶」 那样真正融入矿山的整个作业体系中去，但只做测试的话，无人驾驶公司就很难真正成为矿区生产作业流程中的一环；相比之下，试运营的话， 无人驾驶就是矿山整个作业体系的一部分，容易获得更多的资源支持。
从易控的实践经验来看，在测试阶段，矿区并不在意你的测试效率、技术进展如何，比如，给你单独划一小块区域测试，只给你配一台不那么好的挖机，如果他们中途要急用，还会把挖机拿走，这个时候，你的无人驾驶测试就不得不 「歇菜」；但在试运营阶段，由于无人驾驶成为矿企整个作业的一个环节，他们就会很重视，宁可牺牲经济效益也要支持你把这个事情做成。
目前，在易控合作的两个矿区里，矿方都给予易控很大力度的支持 —— 不仅免费提供办公室和库房，而且，他们能接受无人驾驶的运营效率目前不如人工 —— 对矿方来说，这意味着相当多的利润损失。
易控董事长张磊说，现在，他们的无人车在西北这两个矿区的作业流程，跟矿区的生产作业流程完全一样。「以前在小矿上做测试，我们想怎么干就怎么干，只要车能跑起来就行了，现在，我们要完全融入矿上的管理规范，这有利于我们的团队养成一个比较好的习惯。」
张磊说，做 to B 业务，标杆非常重要，现在合作的矿在行业里有很大的影响力，无人车队在这两个矿里规模化运营了，再向场景更复杂的中小煤矿扩展， 会更容易一些，「技术上是由易到难，但管理上是由难到易」。
张磊认为，随着场景的拓展、车队规模的快速拓展，无人驾驶算法（单车智能） 的壁垒会越来越低。
不过，一支无人驾驶车队在矿企作业，除了依靠单车智能，还得依靠集群智能（调度）。
某露天矿生产技术科科长说：「矿山作业最大的难点在于多编组和路径规划（实际就是指调度），现有的调度软件，不够落地、变量不够，无法满足作业的要求。」
通常，一个大的工作面有 6、7 个编组交叉作业。这样有的路口可能有几十辆车交汇，如何进行安全有效的调度是关键问题，比如，既不能让车太近，同时又要保证装载的效率。
包括孙庆山总工在内的多位来自矿山的团队成员一致认为，无人驾驶在运行效率上超过有人驾驶，靠的不是单车智能，而是混合调度算法。这意味着，从长期看，调度算法对提高生产经营效率的价值要超过无人驾驶单车智能算法。
上文提到的浩哥说，传统作业下，车铲比是固定的，比如，一台挖机在一定运距下对应六辆车。有了调度算法，上双编组的话，每个编组就不是固定六台车了，而是两台挖机 12 台车，这种混合调度显然效率更高。
接下来，易控的目标便是：去安全员、双编。表面上看，他们选择的是 「条件友好」 的简单场景，但在去安全员 + 双编组之后，实际挑战还是很大的。
孙庆山说：「调度包括车与车的协同、车与挖机的协同，这是矿山运输最重要的环节，但目前，很多无人驾驶公司还没有走到这一步，大家的重心都还在单车智能上。」
易控提前发力调度算法的成效已初步显示出来了。
据易控的一名工程师介绍，在装土区，挖机的位置在一直在变，按理说，车辆的位置也应做相应调整才能提高装土效率，但目前行业中更常见的做法是，「只要地图不改， 车辆停靠的位置就不变」；相比之下，在易控，车辆总是会停靠在离挖机最近的那个点，因而，装土环节的效率就会搞一些。
此外，这位工程师还说，路径规划是以单车为标准来做，还是有一个整体的调度系统做规划，也会影响到效率。「行业中常见的现象是，只能有一辆车进入装土区，而在易控，可以有四辆车同时进入装土区。」
这实际上就是两种调度算法的差距。
某露天矿总承包商现场负责人杨总说，在他们刚跟易控合作的时候，装土和卸土的速度比较慢，在调度算法优化后好多了，目前，在 24 小时连续作业的条件下， 无人驾驶的效率有了大幅度提升。
当然，易控在现场的工程师们认为，由于安全冗余比较多，目前，排土区的路径规划还有提升空间，偶尔会出现比较复杂的路径。
不同于训练感知和决策算法是 「场景越复杂越好」，训练调度算法则是 「车队规模越大越好」。这意味着，如果易控现在把试运营的重心放在复杂场景，由于车队规模无法做大，调度算法便得不到有效训练；而他们在西北场景简单的矿上快速做大车队规模，恰好有利于调度算法的迭代。
此外，易控技术副总裁林巧还指出了在简单场景快速做大车队规模的另一个好处：为保证运营车辆的出勤率，零配件都有备货，随时维修更换，而车辆越多，所需备件的比率就越低。
在跟易控智驾团队交流 「从简单场景起步是否不利于技术进步」 这一话题时，笔者感触最深的是，张磊和沃森、林巧等人的关注点都没有拘泥于某一两个点，而是带着全局视角来思考 「如何让公司的商业化能力更有竞争力」 这个问题。
在最近很火的《中国互联网的四个暗逻辑》一文中，作者卫西提到了这样一个例子：
在 2015、2016 年，短视频赛道火起来后，领先的秒拍就变成了投资界的香饽饽，其母公司一下科技前后获得了 5 轮融资，其中最后的 E 轮融资规模高达 5 亿美金。
然而，年后抖音快手崛起，秒拍毫无招架之力，被迅速边缘化；一起被拍倒在沙滩上的，还有当年气势如虹的美拍。
为什么秒拍和美拍都败给了抖音？作者的解释是，他们关注的重点跟抖音不一样：
秒拍诞生发展的时期，中国的 4G 还没有特别成熟，于是对不同网络环境下如何流程播放的技术要求是很高的，而在秒拍创始人韩坤的认知框架里，技术是重要的壁垒，他自然就对其他决定这个赛道的真正核心变量关注得少一些；
但时间来到 2017 年，随着 4G 成熟、资费下降，技术壁垒被证明其实不堪一击，推荐算法、内容生产生态成为短视频真正的核心竞争力，某种意义上，这场战争的结局从一开始或许就早已注定。
再回到矿山无人驾驶赛道，在当下，还有很多创业者及投资机构认为技术是最重要的壁垒，但到了 「快速上量」 的时候，他们也许会发现，「技术固然重要，但光有技术也是不够的」。某头部投资机构副总裁最近在跟易控智驾交流时也提到，他认为技术不会是壁垒，他们更看重团队的运营能力、打市场的能力。
况且，正如我们在上文分析的那样，从长期看，易控智驾选择从简单场景起步这种看起来 「不利于技术进步」 的做法，最终也会更有利于技术的进步。
会不会被 「大赛道」 的无人驾驶公司 「降维打击」？
跟专注于末端物流、港口等赛道的无人驾驶公司一样，专注于矿山无人驾驶的公司也常常被外人问道：「一旦市场成熟了，你们会不会被从事 Robotaxi 或干线物流的公司降维打击？」
对于真正身在其中的人来说，答案都非常明确：不会。
一方面，对做 Robotaxi 或干线物流的公司来说，做矿山这种 「小场景」 的生意，机会成本实在太高了 —— 不仅影响他们做主业，而且还会影响公司的估值。一些 Robotaxi 公司都担心，L2 会影响估值，更何况矿山无人驾驶这种处于 「鄙视链最低端」 的小生意呢？
另一方面，即便是所谓 「更牛逼的公司」 真有兴趣进入矿山这样的 「小场景」，在技术落地中，团队对场景的理解才是核心竞争力；而把某个场景理解透彻，哪怕很牛逼的人，也需要花足够多的时间。
况且，许多 Robotaxi 公司的技术骨干，根本就不愿意去矿山上 —— 易控智驾在此前的招聘中曾跟不少 Robotaxi 公司的工程师们交流过，发现 70%-80% 的人都不愿意去矿山；甚至，有的人是刚开始 「同意去」，但在临近发 offer 的时候又 「变卦了」。
2020 年以来，某 Robotaxi 赛道的头部公司决定投入十几个人攻矿山无人驾驶赛道，结果发现，资深的算法工程师都不愿意去矿山，只有刚进入公司被迫 「夹着尾巴做人」 的新手才肯去；就连这些新手去矿山出差，也会埋怨一小时车程之外的宾馆 「条件太差」，而在易控智驾的工程师们看来，那样的宾馆已经非常好了。
既然 Robotaxi 公司的技术骨干不愿意去矿山，那他们对场景的理解就不到位，「降维打击」 也就无从谈起。
先讲几段 「题外话」：
- 在关注自动驾驶产业之前，笔者并不怎么熟悉 「场景」 这个词。那时笔者经常好奇一个问题：医疗系统用的各种 APP 看起来很强大，A 医院的 APP 做得比 B 医院的 APP 好，是因为他们请的程序员的软件能力更强吗？不是，真相是， 他们请的程序员，对医院的业务体系更加熟悉。
后来，在知道 「场景」 这个词之后，笔者才明白，上面的表述可以简化为 「程序员能否把 APP 写好，软件能力只是一方面，他对场景是否足够了解，也许更关键。」 阿里云的很多代码都是在客户的车间里写的，也是这个道理。
- 2017 年 8 月份，在进入自动驾驶产业之前的失业期，笔者一度打算加入某些在如今看来是非常平庸的行业，但几次面试让笔者特别沮丧 —— 我发现，某几 个对我挑三拣四的 「面试官」，无论视野、思维水平、底层认知能力还是谈吐都完全跟我不在同一个层次上，然而，如果我进去了，这些人就会是我的 「上司」。
笔者后来感慨：中年转行最大的尴尬是，一些综合素质可能远不如你的人，会成为你的领导。而他们之所以能成为你的领导，并不是因为他们比你牛逼，而仅仅是因为他们在这个行业待的时间比你长一些。这是一个典型的 「挫人」 通过对 「场景」 的理解打败 「素质更高的人」 的案例。
- 笔者经常跟朋友讲的一个例子：我爸虽然小学还没毕业，并且还经常读错字， 我 985 高校毕业，而且综合能力也确实比我爸强很多，但我如果要跨行经营一个苹果园的话，我至少得花个五年才能达到他现在的水平，因为他已经干了二十年了。所以，如果没有花足够的时间去理解场景，那么，在具体的业务中，你可能成为 「高素质、低能力」 的人。
言归正传。从人才的底子来说，Robotaxi、无人干线物流等 「大场景」 公司的牛人确实也更多一些，但再牛的人，要了解小场景的算法怎么写，没有捷径，还是得花很多时间去熬。
前段时间，白犀牛 CEO 朱磊在接受《赛博汽车》采访也被问到了 「降维打击」 的问题，当时，朱磊的回答是：
一方面，在不同场景下采集的数据是不同的，遇到的问题复杂性也不同，这会导致整个技术、模块组合的不同；
另一方面，不同场景运营过程中，需要解决的交互问题也完全不同。以无人扫地车为例，不止算法等自动驾驶技术要变化，还需要整个团队去研究怎么把地扫干净这件事。
此外，HDAuto 之前的访谈中，不止一家 Robotaxi 公司的高管表示，细分场景的竞争关键其实是资源壁垒和先发优势。「无论是园区、机场、港口还是矿区， 一旦大规模采用某家的自动驾驶技术，替换成本很高，而且某公司一旦有成熟的经验，在技术和成本差异不大的情况下，Robotaxi 公司很难将其 PK 掉。」
事实上，真正在产业里面的人很少提 「降维打击」，因为，他们真的懂。喊 「降维打击」 的，基本上都是没有躬身实践的投资人和媒体，尤其是，媒体用得最多，真正是 「事非经过不知难」 啊。
小马已经是 Robotaxi 赛道的头部公司之一了，但在做卡车业务的时候，他们也没有讲 「降维打击」，而是提 「部分数据可以复用」。所以，在拓展到新场景的时候，重点并不是技术能不能降维，而是数据能否复用。那么，其他场景中积累的数据，到矿山场景中能复用吗？
某头部投资机构合伙人曾经担心矿山无人驾驶公司会被做干线物流的公司降维打击，但在去矿山实地考察之后，他就转而认为 「降维打击是不存在的」。
「我们吃过的土就是壁垒」
我们在上一段提到，其他赛道的公司因为对矿山场景的理解不够，从而无法降维打击，而对易控智驾来说，能通过理解场景建立壁垒，靠的就是技术人员 「上山下乡」 的精神。
2020 年 10 月份，浅黑科技发的《绝密计划：我在阿里打黑工》在写阿里犀牛智造的创业史时，讲了一段 「上山下乡」 的故事 ——
在犀牛智造，所有的算法工程师都需要先到生产线上去做一段班组长，亲自带着生产线上的工人们生产。
有一位南洋理工大学的算法博士，来了之后也从班组长干起，跟工人们同吃同住两个月。同事们都惊呆了：「这绝对是全世界最贵的生产线组长。」
而犀牛智造的文化是：凡是通不过 「上山下乡」，学不会 「阿里味儿」 的人，都会被严肃地批评，甚至直接通不过试用期。
在自动驾驶产业，管理层没有 「上山下乡」 导致公司失去竞争力的例子有不少， 最典型的是 Uber ATG。在烧掉近 30 亿美金之后，拥有超级豪华团队的 Uber ATG 仍没有搞出什么名堂，不得不 「卖身」 给 Aurora。
据科技媒体 theinformation 在去年 9 月份爆料，2018 年 6-7 月份，Uber ATG 一位高级经理在离职前给 Uber CEO 科斯罗萨西写信痛陈 Uber ATG 存在的种种弊病，其中有一条的大意是：Uber ATG 的团队虽然非常豪华，但团队主力是来自卡内基梅陇大学的知识分子，而知识分子的脚上不沾泥，对场景理解不够。
（报道中原话是 The unit’s software engineering team was populated by 「 university researchers 」 — who didn’t have much experience in commercializing technology for the real world。）
当然，正面的案例也不少。
如 Waymo 为了解场景而选择跟拥有 20 多年经验的卡车行业老司机合作，并将后者提供的知识整合进自己的算法中。
图森未来是无人卡车赛道的头部公司之一，而图森的 CEO 陈默，就曾为了理解场景而多次在长途卡车上 「跟车」。
上个月，《晚点》在采访陈默时提到一个问题：「你们国内的卡车同行说，中国有些路是两个司机在开，他们可以通过 L3 拿掉一个司机。」 陈默的回答是：「这个说法特别扯淡。为什么两个司机？一般是夫妻档或者兄弟档，因为一个人在睡觉。两个司机轮着开，那你拿掉一个司机，那剩下的司机永远不睡觉吗？还是说他睡觉没事？」
在《晚点》记者提到 「他们的同行说，L3 可以减轻司机的工作量，一个司机本来开 4 小时就需要轮换，他们可能让这个司机开 8 小时」 的时候，陈默的回答是：「所有司机都是 4 小时轮换，两个司机轮着开，轮着睡觉。我不知道他们跑没跑过车，我是跟着跑过的。」
几个简单的问答，就很容易让人看出，「跟过车的 CEO」 对场景的理解比那些 「没跟过车的 CEO」 强出不少。
在易控智驾，联合创始人兼董事长张磊 80%-90% 的时间都在矿上；技术副总裁林巧和算法总监也有 50% 的时间在矿上。常驻北京总部的技术人员，则会被分批派到矿上做支持，有时候，北京的办公室几乎是空的，「只有几个职能部门的人在留守」。
有个测试工程师是从另外一家矿山无人驾驶公司跳槽过来的，他说：「之前，我在山上做的项目，经常得不到总部的技术支持，到易控后，就没有遇到这样的问题。」
在无人驾驶商业化阶段，工程能力，是比技术能力更高的壁垒。然而，很多牛逼的人都 「搞不定」 工程问题。因为，工程层面会有许多很琐碎无趣的细节需要处理，而牛逼的人或自认为牛逼的 「高材生」，通常都对这些琐碎细节都没耐心。
工程化最需要的，不是技术最牛逼的人，而是能特别踏实、能忍受各种枯燥乏味、能把简单事情重复做、执行力特别强的人，如果一个公司里的许多技术大牛也具备这样的素质，那这个公司在商业化落地上面就会有很强的竞争力。
按沃森的计划，未来担任市场部负责人的同学，也将驻扎在矿山做现场管理达一年以上，「我要确保他对现场的情况非常了解，对外传递出去的信息一定要符合事实」。
沃森经常说：「我们是吃土最多的无人驾驶公司。而我们吃过的土，就是我们的竞争壁垒。
」
这次到矿上跟易控团队接触的过程中，笔者突然想到，他们的工作状态，跟华为当年攻占非洲市场时差不多。
谈起这么多人一起在 「上山吃土」，沃森还补充了一点：
通常情况下，公司做大后，团队早期成员手上都掌握很多资源，而外面的诱惑又很多，如果跟内部没有很强的 「革命情感」，就很容易出现骨干成员被别人高薪挖走等问题；
而我们现在是大家一起在矿山干，彼此之间建立起了很深的革命情感，这样， 今后的团队就稳定得多。
说到这里，笔者自言自语道：「一起扛过枪的、一起下过乡的....... 」 笔者话还没说完，沃森补了一句 「一起吃过土的」。
当时，一位在场的同事补充道：我们在矿山这种偏远封闭场景做研发及运营的一个好处是，一伙人被 「关」 在一起待数个月，没有其他社交，就像大学期间的军训一样，这种环境确实很容易培养革命感情。
值得一提的是，HR 和财务等职能部门的同事有了在矿上生活的经历，他们的同理心就会增强，从而不会动辄为了自己小部门的那点 KPI 而去以苛刻的方式对待长期驻扎在矿上的同事。
不得不说，与常见的公费旅游吃喝相比，对易控智驾而言，「一起吃过土」 才是最好的 「团建」。
CEO 的 「非技术出身」，是个 「软肋」 吗？
此前，有投资机构的人士曾对易控智驾提出质疑：「其他无人驾驶初创公司的创始人及 CEO 大多都是在大公司做自动驾驶出身的，而你们的 CEO 沃森却是做游戏出身的，这靠谱吗？」
在沃森看来，这个逻辑完全不成立。谁规定做游戏出身的人就做不了无人驾驶呢？「无人干线物流赛道的标杆公司图森和智加，其 CEO 陈默和刘万千都是做游戏出身的啊。」
还有一些人质疑道：别的无人驾驶公司的 CEO 都是技术出身，而你们的 CEO 没做过技术，这样可以吗？
在笔者看来，有这种质疑的投资者，应该没有创业经历，并且，对创业的理解也不到位 —— 他们似乎不太明白 CEO 的主要职责是什么。
我们先看一下这样几个问题：
- 刘邦和宋江这些人的武功很高强吗？
- 唐僧降妖除魔的能力很厉害吗？
- 毛泽东经常亲自带兵冲锋陷阵吗？（据军事科学院在 2014 年 11 月发在凤凰网历史频道上的一篇文章，1929 年的大年初一，毛泽东在大柏地布下口袋， 与国民党军刘士毅部一决死战，「这次战斗是毛泽东一生中绝无仅有的一次挥枪冲锋」。）
在技术公司中，CEO 的主要职责，不是亲自去做技术方案，而是扮演一个 「粘合剂」 的角色，调动一群技术大牛去做研发。此外，CEO 还需要像唐僧一样专注于自己的目标，能够抵御外界的各种诱惑。
目前，易控智驾共有 5 名全职博士（一些人在入职前至少有两年工作经验，其中技术副总裁林巧曾有过创业经验，后来又在阿里无人驾驶团队担任硬件负责人），数量超过其他几家专注于矿山赛道的头部无人驾驶公司的全职博士之和。
那些质疑 「CEO 非技术出身」 的人应思考这样一个问题：对矿山无人驾驶公司的 CEO 来说，会亲自写代码、做技术方案与调动一群博士常年驻在矿山上 「吃土」，哪种能力更加有价值？
其实，这些质疑者们如果见证过技术出身的 「专家型 CEO」 因对自己的专业能力过分自信、进而强迫下属的 「技术路线」 跟自己保持 100% 一致，导致公司频繁发生 「技术路线之争」（实则为 「文人相轻」），并最终把使专业能力强的技术骨干纷纷逼走的场面，他们也许会修正自己对 「非技术出身的 CEO」 的偏见。
在笔者问到一些技术问题时，沃森特别坦诚：「技术方面，我是没什么判断力的，可以找林巧交流。」 有时候，他甚至让我去找一个测试工程师交流，「他更专业」。遇到技术问题，沃森会找大量行业内的技术专家请教，然后再跟团队成员讨论后达成共识，而不是强迫别人接受自己的 「技术路线」；同时，也确保技术路线的选择不会出大问题。
此外，笔者在之前的文章中已提到过，沃森是连续成功创业者，因此，与技术出身的创业者试图从技术层面突破不同的是，沃森对场景及如何做规模化运营的思考更透彻一些。
还有，作为一个出差时很难在正常时间顺利入睡的人，笔者一直很好奇，那些经常出差的人平时都是怎么休息的。结果，易控团队的朋友告诉笔者：「沃森的睡眠非常好，他平时在飞机上只要自己想睡就能睡着，并且，晚上，哪怕喝了咖啡和茶叶，也能在十一点之前入睡。」
更令笔者羡慕不已的是，沃森经常跟一位 「打呼噜很厉害」 的同事住一个房间，但他自己的睡眠竟也不会受到任何影响。
通常，只有心态好、不焦虑的人才能拥有好的睡眠。
与身边的许多朋友相比，笔者已经算是 「心态最好、最不焦虑」 的一个了，但遇到沃森这样 「喝了茶也能在十一点之前入睡」 的人，笔者只能表示 「山外有山」， 甘拜下风。
话说，人在焦虑的时候做决策，容易有盲目性。
比如，某国际车企巨头在自动驾驶赛道的 「买买买」 从未停止过，过去五年时间总共撒币超过 60 亿美金，但很多投资是重复的，且质量也未必高，其关键原因在于，作为家族第三代掌门人的董事长特别焦虑，他特别担心 「富不过三代」 的事情发生在自己身上。
笔者认为，该巨头在自动驾驶赛道的买买买，就是一种 「焦虑税」，「跟一个焦虑的年轻人在得到上买逻辑思维的课程没什么本质区别」。果不其然，前段时间， 这家巨头宣布向在 ADAS 业务上跟 Mobileye 深度合作，这相当于承认过去的很多投资并不成功。
相比之下，不被焦虑情绪操控的人，在做决策时更容易坚持长期主义价值观。
一些焦虑的创业者喜欢做一些 to VC 的项目，给投资人和客户画饼，但沃森的做法是：有投资人要来矿上考察，就让他们随便上车好了，不会有任何 「准备」 工作；坚决不能容忍商务人员给客户画饼，因为，「现在画的饼，都是为日后落地时埋下的坑」。
此前，对易控智驾做传统的 「有人驾驶」 运输业务，有一些投资机构担心，你们凭着无人驾驶的 「概念」 获得高估值，现在却去做传统业务，如果做着做着发现传统运输业务很赚钱，会不会 「忘记初心」？但在笔者看来，这些投资机构如果对 「长期主义」、对沃森的 「睡眠非常好」 有足够的了解，就不有这样的担忧。
