口述 | 特約觀察員 劉明

　　采訪、編輯 | 黃臻曜

　　帶著觀點看商業。

　　36氪現發起“特約觀察員入駐”計劃，邀請各賽道的創業者、大公司業務線帶頭人等一線的商業領軍者們，在這里分享你的創業體悟、干貨、方法論，你的行業洞察、趨勢判斷，期待能聽到來自最前沿的你的聲音。

　　歡迎與我們聯系，微信：279665168；郵箱：guanchayuan@36kr.com。

　　自動化、數字化、信息化，無人車能帶動的巨大提升

　　一清創新（UDI）是在2月6日開始參與疫情條件下的蔬菜配送，我們給山東淄博張店區免費提供了2輛車，每天每輛車運送4次，單趟運送1500斤左右。車從蔬菜中轉站出發，等工作人員把蔬菜放到無人車上之后，通過手機App選擇目的地，就可以送達到疫區相關地點。14日起，我們給深圳坪山區也提供了一輛車，一天三次給坪山區封閉的城中村的工作人員配送盒飯，每次100份左右。我們現在正在對接各地的的醫院及長三角地區的幾個典型環境，溝通接下來的合作。

　　在疫情條件下，一是勞動力運力短缺，二是隔離化的物品配送成了剛性需求。我們的車之前一直在富士康、華為還有順豐的廠里使用，相對來說比較成熟，部署速度非常快，車到位后大概一天左右的時間就可以使用。在實際的工業園區里行駛時，園區里的交通環境并沒有大家想得那么簡單，有行人、自行車、摩托車、貨車、乘用車、大巴車、隨處可見的各類不可預計的障礙及貨箱等等，更重要的是一些你沒辦法預測的動態障礙，例如探頭的叉車和地龍拖車等等。在這種應用環境下，運菜屬于我們能解決的問題的一個子集，是較小的一部分。這次疫情的蔬菜運輸，需求明確，點到點，路線清楚，路上人又沒那么多，實際的場景需求說實話比工廠其實要簡單很多。

　　無人車可以在疫情期間減少人的接觸，做一些派送，這是大家的第一印象。但是在執行過程中，它提供的不僅僅是這些，更重要的是可以在自動化、數字化、信息化這三個方面做一個比較大的提升。

　　傳統的物流模式有很大的提升空間，比如運菜，什么時候裝的車？什么時候到的？路上是怎樣的運輸情況？平均速度怎么樣？在傳統的模式里面，它其實很難精細統計。

　　在園區里面運貨跟現在我們去疫區運菜有相似性。 人一旦開著車離開了發貨倉庫，它就不可追蹤了。因為你不知道他在哪，他到底有沒有更改路線，尤其是一些涉密的運輸，像華為、富士康這樣的生產型企業，對保密的要求是非常高的。你可能想象不到，像華為新款的手機要發布，或者iPhone手機要發布，可能從外殼外觀到器件列表都是絕密的，更別說整機的價值，所以它對運輸的安全性的要求非常高。

　　目前無論運菜，還是園區運輸，利用無人車，信息化的程度大大提高，只要知道東西上了車，它從現在開始的每一秒在哪、大概處于一個什么狀態、整個物流情況都可以追蹤。通過疫情的催化作用，目前市場上對無人車的需求更豐富了：

　　一個層面是由疫情本身帶來的一些需求，比如各家的車都會到現場去做一些運輸，這屬于直接性的增長，但坦白來講，它更大的作用其實在于示范性的應用。它到底是不是一個常態化的運營，每個人心里其實都有個問號，一個公司的發展也不能一直依靠示范性的應用，這也是不合適的。

　　第二個層面，由于疫情導致大家發現有很多問題可以有更好的方式來解決，這類場景主要是低速無人車場景，比如園區的物流派送、清潔，勘樓的無人車，景區內的無人車等。無人車對公眾來說，長期處于一個模糊的狀況，大家對無人車的看法是很矛盾的，又有期待但又不相信，疫情就是催化劑，公眾以前覺得是個噱頭，現在發現它確實能夠起到作用。所以除了一些直接的疫情需求，例如清掃、消毒噴霧、測體溫、運輸等，也產生了一些間接的需求，例如新的作業模式，這也導致了無人車訂單的增長。

　　第三個層面是受疫情影響的行業產生的需求，比如說大型的生產工廠，由于短期內碰到復工方面的障礙，例如工廠如何開工，如何降低人員的開銷。之前他們會認為無人設備是可有可無的，但通過這次疫情會發現，它對整個生產力的維持和提高是有幫助的。這也是對未來更多潛在市場的一個促進。

　　運營型公司會比預期更早出現

　　這次疫情給整個行業帶來的價值還是非常明顯的。

　　我覺得第一個很重要的價值是讓行業里所有參與者的目標更明確了。不管是企業、科學家、還是投融資，大家都希望看到無人車的落地。2015年、2016年，當時大家主要看技術，但在那之后大家基本都看落地。

　　目前的情況是讓需求有了更明確的任務指標：多長時間能把多少車真正應用，它能解決哪些問題，能為社會創造多少價值，這些要求變得更清晰和具象了。

　　帶來的機會細分到整個無人車的上下游鏈條里，會有一部分是基于現有的增長，另外一部分是新增的產業鏈。

　　現有的增長主要是涉及到無人車的產業鏈配套。

　　比如車的生產，拿我們一清舉例，我們的生產園區規劃可能會有一些相應的調整，因為我們預計無人車的需求量會增大，那么我們對有人車、無人車之間產能的調配，肯定要做一些調整，來預留足夠的產能；

　　對應到上游的供應商，從激光雷達等外接傳感器到內部核心部件的成本的降低、產品的穩定性要求、縮短供貨周期，都會帶來新的挑戰 ，更是促進作用，這是由落地的需求帶來的。因為大家發現無人車現在是有機會落地的，所以對車數量的需求會有明顯的增加，所以對上游所有產業的帶動都會有正向的作用。

　　另外一部分是新增的產業鏈，我認為最大的一塊是運營相關的一系列公司的出現。我認為它是一個必然，未來一定有這樣的運營公司，他們能用不同家的無人車來解決不同的實際場景的問題。比如這次疫情，可能就會有一家或多家公司去統籌整個疫區蔬菜運輸項目，然后讓一清以及其他的無人車公司一起參與進來，一起解決這個場景里的各種問題。未來可能還會有一些疫情之外的應急場景，比如大型的工業對接等，很有可能最終是由運營型的公司來主導。

　　打個比喻，整個無人車的行業，現在只有華為，沒有電信、移動和聯通。就是說每一家都是在做基于車和系統的研發，我們都是“華為”，我們有路由器等設備，但是誰能是聯通、移動和電信，讓真正的運營產出價值，讓系統從市場端把一些技術反饋到研發，然后再來促進技術的發展。

　　現在就是一個公司做了所有事情，我們又得造車，企業在初期連科研都做，從科研、發論文，然后把它變成專利技術，用專利技術造原型車，現在又在搞工廠，所有的東西都是一家企業在做，長期來看是不合理的。需要更加清晰的分工，形成流水線，服務于無人車系統生命周期的各個階段。

　　運營商的出現一定會比之前大家預期得要更提前。因為大家都看到了這個機會。其實現在已經有些人在嘗試，但因為處于行業初期，就像互聯網發展的初期大家也會感覺學計算機方向其實只是純輔助工具，之后IT才慢慢成為了一個職業，最后變成主流。無人車行業的快速發展會推動軟件硬件機械人才往這方面集聚，最后由行業中的服務與運營方實現批量落地。無人車的車本身只是載體，價值的產生不止于此，就像互聯網網絡基礎設備也只是載體一樣，最終會通過技術到運營，由信息、體驗、數據、交互等多方面的價值從多個維度構建一個完整的生態。

　　疫情加速了行業泡沫退潮的速度

　　國內大家對無人車的討論比較少，無人車在現在這個年代就像是互聯網在90年代的時候，大家都覺得這個東西是個噱頭，但怎么賺錢大家也不知道。你通過小批量的租賃或者一些試用能看出來一些效果，但是怎樣能批量的把它變成生產力，大家還沒想得太清楚。

　　我們在2017年成立一清，15年16年的時候，很多無人車的公司都已經拿到了錢，還拿的不少。從融資方面來說，17年看上去已經沒有機會了，但我們還要做這個事情的原因是我們知道這里面是有泡沫的，當時我們看得非常清楚，泡沫主要來源技術的局限性，還有一些供應鏈的局限性。我們17年看到，很多企業在做的事情其實離產業落地還比較遠，但里面的場景又非常多，所以我們覺得還有機會。作為局內人，過去這幾年行業的發展我覺得有一個巨大的飛躍。

　　疫情這樣的特殊情況，把我們本身在埋頭潛心發展的事情推到前臺來，它帶來的第一個影響肯定是加速了整個行業泡沫退潮或者說洗牌的速度，就像大家流行說的“退潮之后就知道誰在裸泳”。疫情下，到底誰的車能跑？能不能解決問題？在疫情下都會反映出來。大家就會更清楚誰在扎實做技術和產品，以應用為導向。

　　無人車它是個新行業，不管它發展多少年，目前它還是個新興行業。雖然退潮速度加快，干掉了很多競爭對手，但不一定完全是好事。這個行業你靠一家兩家或者幾個寡頭來做，它是不太有執行性的，還是同時需要大量的創業企業一起參與。以及產業鏈上的企業，像做激光的，做電池的，到電控的，然后到政府，投資機構。一清一直在堅持的也是與政府大學各方聯合打造“政產學研金服用”七位一體“延鏈聚合”的有機生態。

　　這個行業里每個企業遇到的問題都差不多，只是說誰有更強的資源整合能力，誰有更強的資本和技術的家底，可能能在寒冬中支撐得更久。

　　泡沫退潮的過程中，一個很大的挑戰是涉及到落地方面，就是車能不能造出來，多少錢把它造出來，能不能控制整體的成本，這基本就影響了你的車能不能鋪得出去。這決定了你能不能活得下去，如果鋪不出去，這個事情基本就比較難干。

　　資金方面，我們現在基本都是找戰略投資，如果是財務投資，主要看他們能否引來戰略資源。比如說我們的資方聯想創投，一方面可以讓我們和整個聯想中國區的產業鏈（電腦、服務器等）打通，另一方面主要是因為他們的投資策略，他們比較聚焦在人工智能和自動駕駛方面，也投出了蔚來、曠視這樣的公司。

　　然后另一個挑戰就是技術積累能否跟得上，這決定了你能不能活得好。技術的積累不是個靜態的，你怎樣能有一個團隊，能夠源源不斷把新的idea提出來，能夠一直緊跟前沿，然后把前沿的問題收斂成真正能落地的技術，通過產業化的方式給它轉化到具體的產品上。有沒有長期持續的技術創新的能力，這是根本性的問題。

　　我覺得技術在短期內迎來爆發，快速催熟整個行業的可能性不大。坦白的講，1926年平行駕駛技術就開始存在了，60年代就有了基于路面V2X設施的130公里 每小時的無人車測試， 80年代初，就已經出現了基于視覺的無人駕駛系統，用的低分辨率的攝像頭加上不到目前主流計算機 1%能力的處理器，那個時候好多高校都做得到。1990年代無人車的整體技術表現，不亞于目前很多所謂商業化交付的技術表現，但這里面肯定有技術的提升，可能用的傳感器的集成度更高，成本更低，可能功耗更低，然后整體的預算單元或者是體積更小。

　　但是不是從根本上解決了人工智能和智能決策的問題，這個事情沒那么簡單。我們在2017年沒有去做L4，是因為我們離技術太近了，你就會對它有敬畏，知道它的發展一定是客觀規律的。這就好比，生一個小孩要10個月，不可能說找10個人幫我一個月把小孩生出來。

　　人工智能的發展總是有跟隨時代的大趨勢。上次80－90年代的人工智能高潮，本質上是硅片的勝利，因為計算機的速度比人的計算速度高，記憶力又好；目前的人工智能高潮，本質上是數據的勝利，大數據的力量不可替代。這兩點上，大家可以看到都沒有從根本上解決“智慧是怎么產生的？”這一根本性問題。因為很多人工智能的基礎性問題沒有解決，導致了兩個結果，一是在實際的全開放駕駛條件下，強動態，強不確定性，強信息融合需求這些挑戰可能可以在形式上解決但是很難從本質上解決。根本性的數學問題、頂端性的思維問題，需要本質意義的突破，沒辦法在短期內完成。這一方面需要大量頂級的科學家，或者說一定意義上要通過學術的發展來帶動產業的發展，如果想通過創業企業來實現，客觀來講多數情況下是不具備解決問題的基礎的。另一個方面，目前應用于非全開放駕駛條件，或者所謂限定場景的無人系統，需求的智能水平根據目前的技術基礎和數據基礎，相對可實現，就像大家看到的實際系統展示，無疑更具備實用的落地條件和現實基礎。

　　一清無人車在富士康園區內行駛