俞立

幾個月前，滴滴和美團的網約車大戰吸引了投資界所有人的眼球。滴滴做夢也想不到，一個送外賣的竟然伸手來搶自己本以為端穩了的飯碗。不過話說回來，送外賣和網約車，看似行業跨度頗大，但商業模式的實質卻是一樣的——無非線上獲客，線下調度資源而已。因此，滴滴和美團其實是同一類公司，這場大戰充其量只是同行之間的地盤之爭。

然而，最可怕的競爭者大多不是同行。

曾經不可一世的柯達，用無數專利筑起高高的壁壘，拓展上下游整合全產業鏈，建成了一座似乎能屹立不倒的城堡。但就在短短的十幾年時間里，數碼成像技術摧枯拉朽般將其主業徹底擊潰，最終柯達在2018年初申請破產。

顛覆性的商業模式就如降維攻擊，它們的目的不是攻城略地，而是推倒重來。

之于出行服務業，無人駕駛技術作為大殺器的地位已經顯而易見，但手持大殺器的顛覆者將出自何方，即便是很多行業巨頭也沒有看得明白。

誘人的夢想

從本質上說，出行服務就是提供快速移動的手段。

滴滴模式，是讓交通工具接近固定位置的乘客；公共交通模式，是讓乘客接近在固定位置停靠的交通工具；共享車輛模式，是讓乘客接近隨機位置的交通工具——無論如何，“交通工具”這個要素是不可或缺的，否則快速移動就無法實現。

在目前的滴滴模式下，交通工具并不單單是車，而是司機和車的組合。考慮到司機對于車輛的絕對控制力，前者才是所謂“交通工具”的本體。從經營層面看，司機分賬是整體業務的最大成本，司機體力是單位運力的最大瓶頸，所以“去司機化”對于運營平臺而言，其吸引力是不言而喻的。

經過滴滴VS美團一役，運營平臺擺脫司機的意愿變得更加強烈。司機有用腳投票的權力，而運營平臺并沒有太多手段限制其博弈。針對類似的嚴肅問題，資本家們幾百年前就指出了一條明路：務必控制生產資料。在無人駕駛普及的時代，這條金科玉律非但不會過時，反而會變得理所當然——控制車就控制了一切，因為司機將不復存在。

目前，把無人車運營列入遠期商業目標的公司已經一只手都數不過來了，巨頭級別的如Google、滴滴；初創型的如Pony.ai（小馬智行）、Roadstar.ai（星行科技）。由于這片領域的市值實在過于巨大，所以即便是在眼下的資本寒冬中，投資人的熱情也絲毫沒有被澆滅。2018年5月，Roadstar.ai以3億美元的估值完成A輪融資，獲1.28億美元注資，發酵的估值加上匪夷所思的股權釋放額度，引得業內人士躁動不已。然而不出3個月，“瑯琊榜”又被刷新——Pony.ai以接近10億美元的估值完成A1輪融資。

那么這個商業模式距離真實落地還有多遠呢？

從功能層面講，無人駕駛技術可定義為L0到L5共六個等級。L0~L1基本等同于高檔轎車配備的車道偏航預警和緊急剎車輔助，L2~L3基本對標特斯拉的AutoPilot功能，L4實現晴好天氣下結構化道路的自主駕駛，L5實現全天候的完全自主駕駛。顯而易見，滿足無人駕駛運營要求的車輛必須是L5級的。

而我們和L5級無人駕駛之間還隔著詩和遠方。

夢想的距離

把人工智能應用到開車這種人命關天的事情上，大家首先關心的當然是技術的可靠性。

無人駕駛的核心是“深度學習（DeepLearning）”。自從AlphaGo擊敗李世石后，這個術語大家已經耳熟能詳，但對其機理多半還有些不甚了了。比較通俗地解釋，深度學習是通過分析大量場景數據，不斷調節類神經網絡各個節點間的函數參數，使之能模糊地識別不同模式，并做出相應決策的技術。這個機制的關鍵問題是：如果一個狀況AI從未見過，它就很可能無法給出正確的應對。偏巧在駕駛行為中，不多見的狀況和易發事故的狀況重合度極高，這導致AI面對真實的危險有更大概率陷入困惑。為了讓AI“見多識廣”，Google派出上千輛測試車收集交通數據，希望借此辨識更多的“不多見狀況”。這項工作從2009年就逐步啟動，但目前看來距離完工還遙遙無期。再退一步講，即便Google得到了美國交通狀況的完備數據，訓練出來的AI也不可能很快移植到中國來使用。

硬件也是一個大坎。目前無人駕駛技術采用的主流感知設備有激光雷達、毫米波雷達和攝像頭等。激光雷達在大雨、大雪和大霧天氣下會受到嚴重干擾；毫米波雷達對于生物體的感知能力偏弱；攝像頭在黑夜和逆光下辨識能力較差。若要實現全天候的L5級功能，這些硬件設備必須完成革命性的技術升級，其時間表目前無法預知。

基礎設施的空白也將延后L5技術的落地。

無人駕駛的基礎設施內涵非常豐富，其中與技術本身關系最密切的，當數高清地圖。目前包括Google在內的大部分無人駕駛研發團隊，都在使用一種叫做“激光點云”的高清地圖。其工作原理是：由專門的地圖測繪車，頭頂高線數激光雷達，把路線周邊所有的建筑物、行道樹、欄桿等一切固定物體的激光反射點云記錄下來；在無人車行駛過程中，AI會將自己檢測到的實時激光點云和高清地圖中的激光點云進行比對，從而識別出自己的位置。由于激光雷達的精確度很高，所以設備正常工作時車輛定位的誤差可以控制在幾厘米的范圍內。然而，激光點云地圖的制作難度極大，無論是現場測繪還是地圖加工，在成本和時間上與普通交通地圖相比都有質的差別。為了滿足L5級無人駕駛，高清地圖信息不但要覆蓋城區道路和高速公路，還需要囊括地下車庫等內部道路，制圖工作量大到不敢想象。

另一類不可或缺的基礎設施是車聯網和智能道路。從歷史經驗看，任何一種人工智能或自動化技術，只有在性能大幅超越人類的情況下才會被廣泛應用，而無人駕駛倘若沒有智能道路和車聯網輔佐，在駕駛能力上并沒有決定性的優勢。

不過，一旦基礎設施到位，情況就會大不相同。基于車聯網和智能道路的V2X功能（VehicletoX）將革新道路交通的組織方式。舉幾個例子：無人車并線、剎車的意圖通過V2X自動向周邊車輛廣播，為后者提供切實的預判，可杜絕無人車之間的剮蹭和追尾事故；設置在十字路口的智能管控設備通過V2X為無人車提供科學的道路指揮，可實現不停車高速通過，讓紅綠燈變成歷史。沒有事故，不用等待，人類將從此與堵車告別。

那這些基礎設施距離我們又有多遠呢？保守地說，大概要幾十年。

無人駕駛技術的應用還會帶來大量軟性挑戰。

打個比方，一輛無人車撞死了人，誰來背鍋？車廠、技術提供方、出行服務運營商、智能道路，還是乘客？如果沒有一套完備的規則來界定責任，就誰都不敢把無人車當作產品推向市場。

難點當然遠不止于道路交規。

高清地圖可能泄露國家地理水文細節；駕駛數據深度涉及乘客隱私；被黑客的無人車極易被用于恐怖襲擊……這些問題會帶來大量全新的挑戰，而目前我們并沒有太多手段和思路去應對。

夢境的真相

我們和L5無人駕駛間的距離確實還很遠。

不過，僅僅是遠而已。

縱觀人類歷史，提高效率和降低成本是社會發展永恒的主旋律，凡是符合這兩點標準的活動都被稱為“創造價值”。從這個角度看，L5級無人駕駛之于司機，就好比是大機器之于手工業者，周身都散發著“價值”的光芒。

我們可以想象，在L5級無人駕駛的時代，車輛擁有者將不再需要出行服務，因為這個神奇的交通工具可以替代專職司機；另一方面，滴滴模式和共享出行的界限將完全模糊，人和車的互動將趨于開放化。

這些變化必將帶來出行服務業的大洗牌。L5時代的運營商不再需要簽約司機，不再需要身份安全認證，這些被現有運營平臺視為“護城河”的管理壁壘將不復存在。只要獲得了經營許可，任何有資金大量采購無人車的企業都可以近乎零門檻地開展運營服務。

然而，門檻降低并不等于機會共享。

我們大可斷言，未來的出行服務業只有一種巨頭能愉快地玩耍，那就是主機廠（汽車制造商）。以奔馳、一汽、北汽為代表的主流主機廠早已開始涉足出行服務業，它們的優勢一目了然：主機廠運營商的資本支出可以用造車成本核算，而其他運營商必須用購車成本核算，這個價差意味著服務價格的下沉空間。在無人駕駛普及的時代，主機廠運營商在管理上的相對弱勢將不復存在，成本的鐵騎必然橫掃戰場。前面我們問到過，在出行服務業誰將是手持大殺器的顛覆者，這個答案遠在天邊近在眼前。

美夢還是噩夢

自從工業革命以來，我們總能發現，任何技術進步的獲利者最終都是資本。機器將農民趕進了工廠；自動化將工人趕進了服務業；到了人工智能時代，這個趨勢將近乎極端化，資本準備將勞動力從生產活動中徹底清除，進而獲得所有的剩余價值。一并被消除的還有勞資糾紛、八小時工作制、公會和罷工。資本不再需要和勞動者的人腦交鋒，因為它獲得了重新定義“智能”的力量。會有人說，人工智能不是一種“正義”的力量——又有何妨？原子彈也不是“正義”的力量，但這并不妨礙超級大國們對它趨之若鶩。

人類從來只選擇利弊，很少關心對錯。

無人駕駛只是一個小小的縮影，未來越來越多的個體命運將被人工智能的洪流波及，資本將憑借這把利器壓倒勞力，大勢難以逆轉。技術革新將提高社會勞動力水平，創造更多價值，但尷尬的是，我們卻沒有一個合理的機制來分配這些價值。

留給社會管理者的時間真的不多了。

（作者系金融與科技研究人士）