從第一性原理出發，誰能代表中國自動駕駛產業的未來？_風聞

作者 | 海怪

對於2019年，一位互聯網大佬這樣評價：這是過去十年當中最差的一年，卻是未來十年最好的一年。

但對於智能駕駛產業來説，2019年是走出第一次產業低谷的第一年，也是可以預計的產業繁榮的新十年的開端。

在黑天鵝與灰犀牛齊飛，新技術與新產業共生的當下，我們很容易想起《雙城記》開頭的一句“這是一個最好的時代，也是一個最壞的時代”。

時代冷暖，要看你所站立的位置。

來到2022年，疫情的陰霾仍未散去，而疫情對於全世界經濟生活的影響，恐怕要延續到未來很長時間。因為疫情導致的居家隔離，使得線上數字消費和社交佔據越來越大的比重。公共交通出行也變得小心翼翼，私家車出行成為防疫安全的最小單元。

伴隨着新能源革命同時到來的智能駕駛變革，其所許諾的更安全、更高效的人機共駕以及更具解放意義的無人駕駛出行，正在成為後疫情時代的主流形態。

眾所周知，智能駕駛肇始於21世紀初的一場無人駕駛挑戰賽，過程中因為自動駕駛技術的突破和其極具想象的市場前景，使得像Google這樣的科技公司傾注全力去投入，隨後也有像特斯拉這樣以顛覆式創新聞名的電動汽車企業將智能駕駛變成汽車業的標配。

（十年前愛答不理，十年後高攀不起）

智能汽車，像移動互聯網時代的“智能手機”一樣，成為智能時代的標誌性符號。不過，智能駕駛的到來並不會是水到渠成的，反而因其本身技術實現的難度，關涉人身安全導致的複雜博弈，以及產業成長的長週期，使其從始至終都飽受質疑和嚴格審視。

放眼全球，我們可以看到以Waymo為代表的堅定走Robotaxi路線的L4玩家正踟躕不前，而以特斯拉為代表的走輔助駕駛跨越到自動駕駛的L2玩家正高歌猛進。

而在中國的智能駕駛產業版圖中，我們能看到不同技術路線下的所有組合。有從L4降維至L2，兩條腿同時走路的早期玩家Apollo，也有堅定跟隨特斯拉的蔚小理等造車新勢力們，還有從限定場景下，比如從實現難度較小的幹線物流、封閉園區、低速物流等場景出發的一眾創業企業們。

在如此多的智能駕駛的創新模式下，我們該如何才能看清智能駕駛的前途未來？

在眾多智能駕駛的玩家裏，我們找到了一家非常有代表性的創業公司——毫末智行，一家既有科技研發基因又有傳統主機廠造車基因的“混搭”型玩家，同時也在智能駕駛的賽道上，同時選擇了高速、載人、民用場景的輔助駕駛和低速、載物、商用場景的無人物流。

在這樣的商業模式背後，毫末智行CEO顧維灝在剛過去不久的2022HAOMO AI DAY上，公佈了自己的“第一性原理”：通過數據智能，用更低的成本、更快的速度，實現自動駕駛不斷升級。而在“數據智能”背後，是毫末對於智能駕駛的技術變量和產業環境的“前提假設”的洞察。

以毫末所提出的“自動駕駛第一性原理”為樣本，我們可以拋開各種或樂觀或悲觀的無意義爭論，深入到智能駕駛產業的深層結構當中，去探究智能駕駛如何得以成立的內在邏輯。

“科技創新+人類需求”：發現技術產業第一性原理的內部結構

最近幾年，“第一性原理”被商業世界抬到了一個很高的位置。這仍然離不開“硅谷鋼鐵俠”馬斯克的功勞。有一次他在接受TED採訪時，大談特談其特斯拉汽車的成功離不開對“第一性原理”的運用。此後，“第一性原理”成為被很多商業雜誌奉為圭臬的概念。

實際上，“第一性原理”是一個古早的概念，起源在兩千多年前的亞里士多德。在邏輯學中，亞里士多德需要一個基本概念，來指稱那些不證自明的東西。讓這個概念成為邏輯推論的基本命題。他這樣來解釋第一性原理：“每個系統中存在一個最基本的命題，它不能被違背或刪除。”

任何系統都是有邊界的，所謂邊界就是這個系統的前提條件，也叫前提假設。對於這個系統，這些“前提假設”會成為“不證自明”的概念和命題，而這些概念命題就是這個系統的“第一性原理”。

如何找到一個系統的“第一性原理”？往往需要通過理論假設和實踐檢驗的漫長過程。但這一回答太抽象。

我們不妨將問題具體化：如何找到智能駕駛的“第一性原理”？

這裏我們不妨引入一個“科技創新+人類需求”的邏輯模型來進行穿針引線。

在農業社會，糧食匱乏導致的人口壓力是當時人們的第一需要，而通過農具革新、灌溉系統的成熟帶來的種植生產效率的提升，在單位土地上養活了遠古時代難以承載的人口數量。

在工業社會，豐富的商品交易和廉價的工業品成為人們提升生活品質的第一需要，工業化大生產和全球貿易能夠使一個普通的工人家庭過上比中世紀封建領主更好的生活。

在現代社會，豐富的信息知識的交換和廣泛的社交成為人們日常的剛需，而數字信息技術的出現為現代人觸手可及的即時通信、娛樂提供了技術可能。

智能時代的到來，追求更多具有價值感意義感的智性活動和更多閒暇成為人們的剛需，而數字智能化技術將替代人進行各種事務的判斷、操作，從而極大地將人們從繁重和重複的勞動中解放出來。

其中，智能駕駛成為當前既有現實社會需求，技術上又觸手可及，可以被看作是接下來智能時代最典型也最具市場潛力的應用場景。

因此，作為一個系統，智能駕駛產業的邊界也可以由這兩個維度來界定。一個維度就是，智能駕駛技術的核心變量是什麼？技術的進化邏輯是什麼？成熟邏輯又是什麼？另一個維度是，智能駕駛特別是無人駕駛是否是大眾的一個真實需求，這個需求的內在邏輯是什麼？比如説，出於安全的、便利的、社交的、精神滿足的不同需求層級的權重排序是什麼？需求的滿足週期又是什麼？

而這些問題，需要我們深入探討。

從“科技創新+人類需求”模型，校準智能駕駛的第一性原理

在智能駕駛領域，一直存在着三條路線之爭。

一個爭論是自動駕駛的根本技術路線之爭，即一步到位直接做L4（無人駕駛），還是從輔助駕駛開始。

一個爭論是自動駕駛的產品設計路線之爭，是走激光雷達+視覺+其他傳感器的全感知路線，還是走只重視覺的感知路線。

還有一個爭論是商業路線之爭，即直接基於L4走Robotaxi，還是先做乘用車的輔助駕駛產品。

圍繞這三條路線之爭，目前自動駕駛產業的一眾玩家們，基於自己的認知和能力，都有各自的選擇。

其中，最頭鐵的特斯拉選擇了以AI深度學習驅動自動駕駛的技術路線，產品上選擇了重視覺，去激光雷達甚至毫米波雷達的產品路線，在商業路線上選擇了先做乘用車輔助駕駛。這條選擇從曾經的備受質疑和嘲弄的單打獨鬥，變成現在廣受讚譽、備受看好的陽關大道。

而與之對應的，一開始風光無限，技術領先的Waymo，卻卡在了商業化遲遲不能規模進展、硬件成本難以大幅降低、Robotaxi運營成本居高不下的泥潭裏不能自拔。

成王敗寇，雖然還未到終局。但我們不妨來總結下馬斯克所理解的智能駕駛“第一性原理”。

從技術路線來説，自動駕駛的本質是讓機器學會人類開車，那就需要大量的路測數據，這些數據不可能僅靠一些測試車上路就能完成，而是需要數以百萬計規模的真實道路數據。私家車主在享受輔助駕駛帶來的便捷出行的同時，自然也就承擔了這部分道路數據採集的任務，輔助駕駛讓更大規模的自動駕駛數據訓練成為可能。

從產品設計來説，人類基本只靠視覺和手腳的配合就可以實現流暢的駕駛，那對於汽車來説，依靠視覺感知也可以完成自動駕駛，而不需要激光雷達、毫米波雷達這種耳聽八方的設備來獲取信息。特斯拉最重要的任務就是將視覺數據處理成像人一樣能夠瞬時理解和判斷的時空環境信息。

從商業模式來説，馬斯克對Robotaxi其實一直心心念念。但是無人駕駛還為時過早，無人駕駛出行的收入還不能規模化。不如老老實實賣車、賣FSD軟件，把現金流搞得足足的，這樣才不至於在Robotaxi的盛宴到來之前倒下。

這對於堅持搞Robotaxi的自動駕駛企業來説，早已不是什麼秘密。在持續靠資本輸血的Robotaxi企業，無不在發展自己的副業，也無不在跟主機廠開始抱團取暖式的合作。

從人類需求的角度出發。人類的“第一性原理”始終是，自己的勞動能外包就外包，需要做的事情能讓機器代勞就絕不動手，更何況是那些枯燥乏味的事情呢？

開車正是這樣一件天然值得“外包”的事情。從汽車發明後不久，車載收音機就發明了。試想，誰都希望在開車的無聊時刻乾點別的，哪怕是聽聽音樂和收音機的廣告呢？

顯然，自動駕駛在代替人類開車出行上面，無疑有着巨大的需求。

但對於自動駕駛安全性的擔憂，也同樣是普通人的真實訴求。畢竟，沒有哪個科技產品能夠像自動駕駛一樣，是性命攸關的。誰也不願意自己當科技的小白鼠。所以，對於自動駕駛產品的普及來説，是放心大膽地交給一步到位的Robotaxi好呢？還是在人類自己監督下，長期處在人機共駕狀態的輔助駕駛好呢？答案似乎也是不言而喻的。

對自動駕駛便利性的需要和對自動駕駛安全性的擔憂，註定構成自動駕駛進入規模化應用的一條反覆跳躍的約束條件。唯有技術的逐步成熟，才能打破這一屏障。

完全無人的自動駕駛是真香，但是放心大膽地嚥下去之前，還得在嘴裏咀嚼一段時間。

數據智能驅動自動駕駛升級：毫末所發現的“自動駕駛第一性原理”

按照一個模型去尋找系統的“第一性原理”並不是非常難的事情，但根據自己分析得出的結論去實踐，甚至要打破原有的系統邊界和“前提假設”，則是一件困難重重的事情。

事實上，在技術產業創新這條路上，既沒有“常勝不敗者”，也沒有“錯過機會者”，也不會是第一個嘗試螃蟹者就能贏者通吃，也不會是年輕有為者就能抓住新一輪創新的風口。

創新的關鍵在於創新者或組織有沒有深入系統進行底層邏輯思考的決心，有沒有勇氣直接面對系統當中存在的問題，有沒有堅定的意志和決心投入資源押注到自己選定的道路上。

對於打破“第一性原理”帶來的恐懼和敢於孤注一擲投入到自己認定的“第一性原理”的勇氣，才是個人、企業組織取得成敗的關鍵。在這條路上，我們見過了太多的機會主義者、逃跑主義者和瞻前顧後者。

儘管商業世界對於商業模式創新、產品創新、企業組織管理已經有着教科書般的資產積累，但是對於正在到來的新型智能產業，找到第一性原理，建立成熟的商業模式創新並不是一件一蹴而就的事情。

對於智能駕駛而言，建立能夠真正能制勝未來的創新模式並不容易。

首先，人們認為智能駕駛最終一定會走向完全無人駕駛，人類出行和物流方式將完全變革。但是信心歸信心，技術歸技術。沒人知道通向這一無人駕駛終點的時間有多長，是十年還是五十年。

其次，業內早已樂觀的判定，自動駕駛已經從技術驗證階段進入到商業落地階段，智能駕駛產業的市場空間將無比廣闊。但是沒人知道智能駕駛的技術成本投入到底是多少，為了保障安全的後期投入到底是多少？大規模降低智能駕駛成熟的數據成本的 “第一性原理”到底是否成立？

另外，智能駕駛所帶來的交通出行方式變革，對人類經濟生活、就業崗位、生活方式的變革，人們會在多長時間內接受。大眾對於無人駕駛所許諾的安全性的接納是否向對智能手機的接納一樣在短短几年之內就完成？

對於這些問題，自然不可能有教科書給出解答，也不可能等塵埃落定再去總結。只有行動者在忒休斯之船上，一邊航行一邊修補，甚至是大修大補。

而對於智能駕駛產業的新玩家，反倒是可以在看盡前輩們“出海”的跌宕起伏之後，將自己的“忒休斯之船”打造得足夠堅固。

2019年底成立的毫末智行，無疑是智能駕駛眾多玩家中成立較晚的一位新手，但卻是從理論到實踐都武裝的足夠充分的航海家。

基於對智能駕駛商業發展的洞察，毫末智行CEO顧維灝提出了一條發展定律，即“從低速到高速，從載物到載人，從商用到民用”，在產品路線上，走一條“可行、可靠、可商用”的漸進式路線。

走無人駕駛的“低速、載物和商用”路線，也就是末端無人配送路線，解決了無人駕駛最根本的安全困局，同時也找到能夠快速變現的商業模式，即將末端無人配送方案銷售給B端企業或為B端企業提供無人配送服務的方式來完成商業閉環。

而“高速、載人、民用”的路線一直是智能駕駛當中無人駕駛想要觸達的終極場景，但是不可避免地要碰觸到“安全、法規、技術成熟、成本規模”等全部難題。而毫末智行則合乎邏輯與規律地選擇了輔助駕駛路線，幫助主機廠一起打造逐步迭代的輔助駕駛產品，從高速公路的簡單場景一步步擴展至城市快速路、城市內部道路的複雜場景，逐步提高用户對產品的接受度，實現規模效應。

以此為基點，毫末智行提出了一個“風車戰略”的模型，即以“乘用車輔助駕駛、末端物流自動配送車和智能硬件”為葉片，以“數據智能”為軸心，通過葉片不斷地去積累場景數據，促進數據能力的迭代，從而能生產出更好的產品，形成了一個“技術-產品-商業-技術”的良性循環。

在智能駕駛產業的發展邏輯中，智能駕駛技術的成熟始終是核心，安全性、好的產品體驗和商業模式都建立其上。而智能駕駛技術的成熟依賴大規模的數據訓練，這種規模的數據不可能在實驗室裏、少量的路測車上實現，只能在大規模的真實行駛數據中獲得。毫末在國內率先提出了數據智能體系MANA，並依託規模量產乘用車來反哺數據智能系統發展的智能駕駛企業。

用顧維灝的解釋來説就是：“MANA是毫末自動駕駛產品進化的核心動能。隨着時間積累，MANA會讓毫末自動駕駛系統的感知更準確，認知決策更像人類，讓標註、仿真驗證更高效，不斷提高算力利用效率，打造更快、更穩、更安全的自動駕駛系統。”

這成為毫末智行這位新生能夠在短短兩年多時間裏就快速發展的底層邏輯。

截至今年4月，毫末智行已在長城旗下6款量產車型中搭載HPilot輔助駕駛系統，用户累計行駛里程已經突破700萬公里，這些數據未來還在進一步增長。

值得注意的是，對於智能駕駛感知方案的設計，毫末智行並沒有像特斯拉那麼激進。在最近發佈的毫末HPilot 3.0的方案裏，我們依然可以看到搭載有激光雷達。

對於激光雷達，要不要上車，這不是一個“真理掌握在少數人手裏還是多數人手裏”的問題，而是一個有激光雷達能否在當前階段更能保證輔助駕駛產品安全性的問題，是否有消費者願意為激光雷達埋單的問題。

顯然，隨着激光雷達價格的大幅下探，原來讓馬斯克怒不可遏的“傻子才用激光雷達”的成本問題正在得到解決，而激光雷達對於智能駕駛安全性的收益則正在顯著提高。另外，從用户安全角度來説，能夠增強安全冗餘的傳感器方案，至少要優於僅靠單一傳感器帶來心理上的安全感。

（高精地圖是自動駕駛必選項？）

對於高精地圖這一選項，毫末智行也給出了比較務實的態度。在乘用車輔助駕駛的城市高精地圖獲准使用之前，毫末智行提出了“重感知”的輔助駕駛解決方案。這相當於武功高手在獲得趁手兵器之前，將自己內力練好。而一旦城市高精地圖可以納入商用，基於用户安全第一的理念，自然還是要採用，充分保護用户的安全，而即使在某些沒有高精地圖覆蓋的場景，也能幫助用户規避駕駛風險，保障駕駛的周全。

因此，對於像馬斯克這樣一位在多個領域已經有着傳奇色彩的“大人物”，我們也不必過分迷信。馬斯克認為人類僅靠雙眼就能感知世界，輕鬆開車，那麼自動駕駛是不是也只靠眼睛就可以呢？當然可以。但是能不能開好、開穩、開得安全，不犯人類盲區出現的那些事故，是要打一個疑問的。

事實上，對於新手司機和老手司機來説，儘管他們都在依靠視覺開車，但顯然他們頭腦中的開車的知識是不一樣的。老手司機有着對於城市環境豐富的記憶和對於他人開車行為的豐富預判，對於潛在危險的感知。這些不是僅靠視覺來實現的。也就是説，老司機可能在頭腦裏預裝了城市的“高精地圖”，具有了“激光雷達”一樣的超視距的感知能力，而這些能力不是依靠攝像頭的訓練就可以學會的。把這種能力直接給到智能駕駛系統，難度不相當於為新手智駕系統做了功力升級嗎？

在這次毫末AI DAY的分享上，顧維灝表示，毫末城市NOH在中國城市道路場景的表現已經不輸於特斯拉在中國道路的水平了。

這一點上，毫末智行似乎沒有迷信“權威”，也不擔心被説成是“跟隨主流”。採用實事求是的態度，大膽假設、小心求證，才是做好智能駕駛產品的態度。

自動駕駛“沒有秘密”

對於“第一性原理”的理解，我們可以看做是任何一個系統的“關鍵設定”。這個設定既不會是誰家自創的武功秘籍，也不可能被誰能獨家專有的技術專利，而是一個需要費盡心力去探索和思考的邏輯起點。

自動駕駛領域是“沒有秘密”的，關鍵在於你怎麼看待這些邏輯起點。

這個邏輯起點，只需要你信還是不信，想明白還是想不明白，此後的行動能否一以貫之的按照這個邏輯起點去貫徹執行，能夠篤定相信這一邏輯起點所打造的系統的“真理性”。

對於特斯拉這樣的業內先驅，還是毫末智行這樣的行業新星，對於智能駕駛第一性原理的認知是“大同小異”的。即在技術維度上，通過數據智能的方式，從技術迭代和成本降低兩個方面來實現自動駕駛技術的升級，通過漸進式方式走向無人駕駛的終局；在人類需求維度上，通過輔助駕駛產品的迭代，同時滿足人們對輕鬆駕駛的需要和對接受智能駕駛安全擔憂之間的平衡，來為智能駕駛產業的成長提供足夠長的成長週期。

當然，這些第一性原理只是“兩家之言”，特斯拉的完全自動駕駛（FSD）所承諾的無人駕駛能力也一再延期，而毫末智行的數據規模也還在增長的早期階段。

正如顧維灝所言，自動駕駛是一個長賽道。

一切都沒有定論。目前他們所認定的“第一性原理”，也還只是一個“假設”，尚未成為智能駕駛領域的金科玉律。

至於證明這一“前提假設”的時間，我們希望不會太過遙遠。

本文圖片均來源於網絡

部分圖片來自網絡，且未核實版權歸屬，不作為商業用途，如有侵犯，請作者與我們聯繫。

•AI產業新媒體;

•澎湃新聞科技榜單月度top5;

•文章長期“霸佔”鈦媒體熱門文章排行榜TOP10;

•著有《人工智能 十萬個為什麼》

•【重點關注領域】智能家電（含白電、黑電、智能手機、無人機等AIoT設備）、智能駕駛、AI+醫療、機器人、物聯網、AI+金融、AI+教育、AR/VR、雲計算、開發者以及背後的芯片、算法等。