口述 | 特约观察员 刘明

　　采访、编辑 | 黄臻曜

　　带着观点看商业。

　　36氪现发起“特约观察员入驻”计划，邀请各赛道的创业者、大公司业务线带头人等一线的商业领军者们，在这里分享你的创业体悟、干货、方法论，你的行业洞察、趋势判断，期待能听到来自最前沿的你的声音。

　　欢迎与我们联系，微信：279665168；邮箱：guanchayuan@36kr.com。

　　自动化、数字化、信息化，无人车能带动的巨大提升

　　一清创新（UDI）是在2月6日开始参与疫情条件下的蔬菜配送，我们给山东淄博张店区免费提供了2辆车，每天每辆车运送4次，单趟运送1500斤左右。车从蔬菜中转站出发，等工作人员把蔬菜放到无人车上之后，通过手机App选择目的地，就可以送达到疫区相关地点。14日起，我们给深圳坪山区也提供了一辆车，一天三次给坪山区封闭的城中村的工作人员配送盒饭，每次100份左右。我们现在正在对接各地的的医院及长三角地区的几个典型环境，沟通接下来的合作。

　　在疫情条件下，一是劳动力运力短缺，二是隔离化的物品配送成了刚性需求。我们的车之前一直在富士康、华为还有顺丰的厂里使用，相对来说比较成熟，部署速度非常快，车到位后大概一天左右的时间就可以使用。在实际的工业园区里行驶时，园区里的交通环境并没有大家想得那么简单，有行人、自行车、摩托车、货车、乘用车、大巴车、随处可见的各类不可预计的障碍及货箱等等，更重要的是一些你没办法预测的动态障碍，例如探头的叉车和地龙拖车等等。在这种应用环境下，运菜属于我们能解决的问题的一个子集，是较小的一部分。这次疫情的蔬菜运输，需求明确，点到点，路线清楚，路上人又没那么多，实际的场景需求说实话比工厂其实要简单很多。

　　无人车可以在疫情期间减少人的接触，做一些派送，这是大家的第一印象。但是在执行过程中，它提供的不仅仅是这些，更重要的是可以在自动化、数字化、信息化这三个方面做一个比较大的提升。

　　传统的物流模式有很大的提升空间，比如运菜，什么时候装的车？什么时候到的？路上是怎样的运输情况？平均速度怎么样？在传统的模式里面，它其实很难精细统计。

　　在园区里面运货跟现在我们去疫区运菜有相似性。 人一旦开着车离开了发货仓库，它就不可追踪了。因为你不知道他在哪，他到底有没有更改路线，尤其是一些涉密的运输，像华为、富士康这样的生产型企业，对保密的要求是非常高的。你可能想象不到，像华为新款的手机要发布，或者iPhone手机要发布，可能从外壳外观到器件列表都是绝密的，更别说整机的价值，所以它对运输的安全性的要求非常高。

　　目前无论运菜，还是园区运输，利用无人车，信息化的程度大大提高，只要知道东西上了车，它从现在开始的每一秒在哪、大概处于一个什么状态、整个物流情况都可以追踪。通过疫情的催化作用，目前市场上对无人车的需求更丰富了：

　　一个层面是由疫情本身带来的一些需求，比如各家的车都会到现场去做一些运输，这属于直接性的增长，但坦白来讲，它更大的作用其实在于示范性的应用。它到底是不是一个常态化的运营，每个人心里其实都有个问号，一个公司的发展也不能一直依靠示范性的应用，这也是不合适的。

　　第二个层面，由于疫情导致大家发现有很多问题可以有更好的方式来解决，这类场景主要是低速无人车场景，比如园区的物流派送、清洁，勘楼的无人车，景区内的无人车等。无人车对公众来说，长期处于一个模糊的状况，大家对无人车的看法是很矛盾的，又有期待但又不相信，疫情就是催化剂，公众以前觉得是个噱头，现在发现它确实能够起到作用。所以除了一些直接的疫情需求，例如清扫、消毒喷雾、测体温、运输等，也产生了一些间接的需求，例如新的作业模式，这也导致了无人车订单的增长。

　　第三个层面是受疫情影响的行业产生的需求，比如说大型的生产工厂，由于短期内碰到复工方面的障碍，例如工厂如何开工，如何降低人员的开销。之前他们会认为无人设备是可有可无的，但通过这次疫情会发现，它对整个生产力的维持和提高是有帮助的。这也是对未来更多潜在市场的一个促进。

　　运营型公司会比预期更早出现

　　这次疫情给整个行业带来的价值还是非常明显的。

　　我觉得第一个很重要的价值是让行业里所有参与者的目标更明确了。不管是企业、科学家、还是投融资，大家都希望看到无人车的落地。2015年、2016年，当时大家主要看技术，但在那之后大家基本都看落地。

　　目前的情况是让需求有了更明确的任务指标：多长时间能把多少车真正应用，它能解决哪些问题，能为社会创造多少价值，这些要求变得更清晰和具象了。

　　带来的机会细分到整个无人车的上下游链条里，会有一部分是基于现有的增长，另外一部分是新增的产业链。

　　现有的增长主要是涉及到无人车的产业链配套。

　　比如车的生产，拿我们一清举例，我们的生产园区规划可能会有一些相应的调整，因为我们预计无人车的需求量会增大，那么我们对有人车、无人车之间产能的调配，肯定要做一些调整，来预留足够的产能；

　　对应到上游的供应商，从激光雷达等外接传感器到内部核心部件的成本的降低、产品的稳定性要求、缩短供货周期，都会带来新的挑战 ，更是促进作用，这是由落地的需求带来的。因为大家发现无人车现在是有机会落地的，所以对车数量的需求会有明显的增加，所以对上游所有产业的带动都会有正向的作用。

　　另外一部分是新增的产业链，我认为最大的一块是运营相关的一系列公司的出现。我认为它是一个必然，未来一定有这样的运营公司，他们能用不同家的无人车来解决不同的实际场景的问题。比如这次疫情，可能就会有一家或多家公司去统筹整个疫区蔬菜运输项目，然后让一清以及其他的无人车公司一起参与进来，一起解决这个场景里的各种问题。未来可能还会有一些疫情之外的应急场景，比如大型的工业对接等，很有可能最终是由运营型的公司来主导。

　　打个比喻，整个无人车的行业，现在只有华为，没有电信、移动和联通。就是说每一家都是在做基于车和系统的研发，我们都是“华为”，我们有路由器等设备，但是谁能是联通、移动和电信，让真正的运营产出价值，让系统从市场端把一些技术反馈到研发，然后再来促进技术的发展。

　　现在就是一个公司做了所有事情，我们又得造车，企业在初期连科研都做，从科研、发论文，然后把它变成专利技术，用专利技术造原型车，现在又在搞工厂，所有的东西都是一家企业在做，长期来看是不合理的。需要更加清晰的分工，形成流水线，服务于无人车系统生命周期的各个阶段。

　　运营商的出现一定会比之前大家预期得要更提前。因为大家都看到了这个机会。其实现在已经有些人在尝试，但因为处于行业初期，就像互联网发展的初期大家也会感觉学计算机方向其实只是纯辅助工具，之后IT才慢慢成为了一个职业，最后变成主流。无人车行业的快速发展会推动软件硬件机械人才往这方面集聚，最后由行业中的服务与运营方实现批量落地。无人车的车本身只是载体，价值的产生不止于此，就像互联网网络基础设备也只是载体一样，最终会通过技术到运营，由信息、体验、数据、交互等多方面的价值从多个维度构建一个完整的生态。

　　疫情加速了行业泡沫退潮的速度

　　国内大家对无人车的讨论比较少，无人车在现在这个年代就像是互联网在90年代的时候，大家都觉得这个东西是个噱头，但怎么赚钱大家也不知道。你通过小批量的租赁或者一些试用能看出来一些效果，但是怎样能批量的把它变成生产力，大家还没想得太清楚。

　　我们在2017年成立一清，15年16年的时候，很多无人车的公司都已经拿到了钱，还拿的不少。从融资方面来说，17年看上去已经没有机会了，但我们还要做这个事情的原因是我们知道这里面是有泡沫的，当时我们看得非常清楚，泡沫主要来源技术的局限性，还有一些供应链的局限性。我们17年看到，很多企业在做的事情其实离产业落地还比较远，但里面的场景又非常多，所以我们觉得还有机会。作为局内人，过去这几年行业的发展我觉得有一个巨大的飞跃。

　　疫情这样的特殊情况，把我们本身在埋头潜心发展的事情推到前台来，它带来的第一个影响肯定是加速了整个行业泡沫退潮或者说洗牌的速度，就像大家流行说的“退潮之后就知道谁在裸泳”。疫情下，到底谁的车能跑？能不能解决问题？在疫情下都会反映出来。大家就会更清楚谁在扎实做技术和产品，以应用为导向。

　　无人车它是个新行业，不管它发展多少年，目前它还是个新兴行业。虽然退潮速度加快，干掉了很多竞争对手，但不一定完全是好事。这个行业你靠一家两家或者几个寡头来做，它是不太有执行性的，还是同时需要大量的创业企业一起参与。以及产业链上的企业，像做激光的，做电池的，到电控的，然后到政府，投资机构。一清一直在坚持的也是与政府大学各方联合打造“政产学研金服用”七位一体“延链聚合”的有机生态。

　　这个行业里每个企业遇到的问题都差不多，只是说谁有更强的资源整合能力，谁有更强的资本和技术的家底，可能能在寒冬中支撑得更久。

　　泡沫退潮的过程中，一个很大的挑战是涉及到落地方面，就是车能不能造出来，多少钱把它造出来，能不能控制整体的成本，这基本就影响了你的车能不能铺得出去。这决定了你能不能活得下去，如果铺不出去，这个事情基本就比较难干。

　　资金方面，我们现在基本都是找战略投资，如果是财务投资，主要看他们能否引来战略资源。比如说我们的资方联想创投，一方面可以让我们和整个联想中国区的产业链（电脑、服务器等）打通，另一方面主要是因为他们的投资策略，他们比较聚焦在人工智能和自动驾驶方面，也投出了蔚来、旷视这样的公司。

　　然后另一个挑战就是技术积累能否跟得上，这决定了你能不能活得好。技术的积累不是个静态的，你怎样能有一个团队，能够源源不断把新的idea提出来，能够一直紧跟前沿，然后把前沿的问题收敛成真正能落地的技术，通过产业化的方式给它转化到具体的产品上。有没有长期持续的技术创新的能力，这是根本性的问题。

　　我觉得技术在短期内迎来爆发，快速催熟整个行业的可能性不大。坦白的讲，1926年平行驾驶技术就开始存在了，60年代就有了基于路面V2X设施的130公里 每小时的无人车测试， 80年代初，就已经出现了基于视觉的无人驾驶系统，用的低分辨率的摄像头加上不到目前主流计算机 1%能力的处理器，那个时候好多高校都做得到。1990年代无人车的整体技术表现，不亚于目前很多所谓商业化交付的技术表现，但这里面肯定有技术的提升，可能用的传感器的集成度更高，成本更低，可能功耗更低，然后整体的预算单元或者是体积更小。

　　但是不是从根本上解决了人工智能和智能决策的问题，这个事情没那么简单。我们在2017年没有去做L4，是因为我们离技术太近了，你就会对它有敬畏，知道它的发展一定是客观规律的。这就好比，生一个小孩要10个月，不可能说找10个人帮我一个月把小孩生出来。

　　人工智能的发展总是有跟随时代的大趋势。上次80－90年代的人工智能高潮，本质上是硅片的胜利，因为计算机的速度比人的计算速度高，记忆力又好；目前的人工智能高潮，本质上是数据的胜利，大数据的力量不可替代。这两点上，大家可以看到都没有从根本上解决“智慧是怎么产生的？”这一根本性问题。因为很多人工智能的基础性问题没有解决，导致了两个结果，一是在实际的全开放驾驶条件下，强动态，强不确定性，强信息融合需求这些挑战可能可以在形式上解决但是很难从本质上解决。根本性的数学问题、顶端性的思维问题，需要本质意义的突破，没办法在短期内完成。这一方面需要大量顶级的科学家，或者说一定意义上要通过学术的发展来带动产业的发展，如果想通过创业企业来实现，客观来讲多数情况下是不具备解决问题的基础的。另一个方面，目前应用于非全开放驾驶条件，或者所谓限定场景的无人系统，需求的智能水平根据目前的技术基础和数据基础，相对可实现，就像大家看到的实际系统展示，无疑更具备实用的落地条件和现实基础。

　　一清无人车在富士康园区内行驶