文丨崔桂林
自動駕駛出租車在武漢等城市的商業運營試驗引起熱議。經過多年的科技宣傳，智能化對汽車、交通體系乃至社會生活的影響已經深入人心，雖然當前僅是小規模運營試驗，但人們相信“星星之火，可以燎原”，期盼者有之，恐懼者有之，受影響者有之，隨波鼓噪者亦有之。信息汪洋中，既有公議趨勢的，也有談人與技術關系的，有擔憂資本贏家通吃的，也有顧左右而言他的。
本文將從產業成熟度、商業化理解、技術價值觀這三個視角，談一些系統性思考。
產業成熟度：莫問童顏何時老
自動駕駛是人工智能技術的產業應用，是新質生產力的典型代表，涉及到了改變世界的復雜系統創新，任何科技強國都不敢怠慢。
只不過，作為內核的人工智能目前還有些不太智能，技術路線仍存在爭議，數據與能力間存在“雞生蛋、蛋生雞”的辯證關系，自動駕駛的產業化還處于嬰兒期。
因此，那些對相關技術、制度、體系尚不成熟的批評更像是在循環論證——恰如沒有成熟的嬰兒，也沒有新生的老者。
評估一項新技術的產業成熟度，筆者所在的清華大學朱恒源教授團隊曾提出過一個技術、效用、市場、產業鏈（網）四個維度缺一不可的簡化認知模型。
巧合的是，多年前第一次公開發表它時，正是用于對智能化的評估，只不過那時的自動駕駛產業成熟度更低。
國際自動機工程師學會（SAE）將汽車智能駕駛劃分了L0至L5共六個級別，L1至L2為輔助駕駛，L3及以上為自動駕駛，中國國標與此類似。
當前，輔助駕駛已經走向普及。根據蓋世汽車研究院提供的數據，2023年中國電動乘用車市場高階輔助駕駛標配滲透率已經超過了51%，在20萬以上車型中的滲透率已經超過了85%。人們可以明顯感覺到的是，導航輔助駕駛（NOA）在高速和市區道路上的應用，已經被越來越多的用戶所熟悉。
但是，當前，在全世界范圍內，自動駕駛還局限在試驗、示范區和特定場景，還沒有實現大范圍的商業化。
在技術上，盡管已經突破了實際應用的最低門檻（t1），但算力、算法在迭代，數據還在積累中，決定性的技術主導設計（t2）還沒有得到確認，換句話說，技術尚未定型，而技術定型是工業品大規模復制的前提。
例證有二，人們能直接感知的例證是Robotaxi的消費者體驗，遵規守矩而呆頭呆腦，貌似的“無人駕駛”背后，是人工安全員的遠程實時監控與接管待命；另一個例證是業內的爭論，有企業家聲稱，目前大部分公司“規則算法+小AI模型”的方案無法實現真正的自動駕駛，建議行業向“端到端”大模型（指智能駕駛系統從感知端輸入信息，在執行端直接輸出結果，其訓練方式類似ChatGPT）轉型，然而術語的技術概念還沒有統一，鑒于大模型邏輯的“不可解釋性”以及對算力、數據的巨大依賴，也得不出它就是主導設計方案的結論。
其實，更大的技術定型問題還在于“單車智能”還是“車路協同”的爭論，受篇幅所限，筆者將另撰文闡述之。
在用戶效用上，交通工具的基本價值就是為人提供移動便利，目前自動駕駛正在兩個層面上處于從限定場景（U1）到通用場景（U2）的拓展過程中。
一是地理區域，從部分城市的局部區域向更多城市、更大范圍推廣，最近的動態是7月五部委公布了擴大至北、上、廣、深、重、沈等20個城市的智能網聯汽車“車路云”一體化應用試點；另一個是人車關系，安全員從汽車的主駕駛、副駕駛座位后退到了幕后遠程監控，這說明了車的“成長”。對消費者而言，更多的場景兼容性意味著更普遍適用的價值。
在市場層面，早期用戶（M1）固然已經可以通過網絡渠道找到車進行體驗，但消費者數量距離市場能夠自行起飛的市場規模（M2）還相差的太遠。
以走在最前沿的武漢為例，根據當地交通部門今年5月的數據，該市運營中的網約車數量約為2.94萬輛/日，無人駕駛出租車不足其總量的2%。技術的不完善也使得無人駕駛還沒有達到讓用戶完全放心的階段，這導致其客流量穩定性并不高，表現在，盡管價格低，但日均訂單量并不顯著高于常規網約車。
在產業體系層面，當前距離產業成熟標準就更加遙遠。美國的Waymo和中國的百度、小馬智行、文行知遠等企業都是自動駕駛激進路線的代表，手握“靈魂”，希望直接提供L4級出行服務，但由于自身不造車，他們必須與車企合作，在既有車身上改造（比如Waymo就與捷豹、克萊斯勒、Volvo開展了不少合作），在特定的區域進行試驗、積累數據，由于長期沒有可觀的營收，巨額的資金投入需要靠資本市場輸血維持。
相對而言，以特斯拉和中國新勢力電動車企為代表的整車企業普遍采用了漸進路線，先賣車，用輔助駕駛積累顧客、數據、資金，逐漸升級到L4，在這其中，特斯拉現后推出了Autopilot和FSD兩套系統供用戶使用，而中國則誕生了一大批與整車企業合作的智能解決方案供應商，華為更是典型，有人把這種漸進路線稱為“攀登珠峰、沿途下蛋”。
不過，激進也罷，漸進也罷，單車智能也罷，車路協同也罷，無論哪種路線，全自動駕駛都涉及交通規范、制度與社會體系的改變，離不開社會總動員，注定不是個別企業力所能及。
特別是，考慮到當前以及未來相當長時間內的全球化格局，不論芯片、算力、模型還是系統支持，中國自動駕駛征程上的創業者們都還任重而道遠。
一句話，無論輿論多熱鬧，冷靜來看，自動駕駛還沒有完成從“極客產品”向“時尚產品”的轉變，在產業周期上，仍沒有走出“嬰兒期”。
自動駕駛是當今世界科技與工業強國間的科技長跑競賽，“成熟的”正是“不成熟”所要顛覆的對象，屹立潮頭的各國科技企業都在賠著錢投入，而持續投入其中的資本其實也正是國家所需要、社會所呼吁的“耐心資本”。
在此情況下，輔一擴大運營試點就“爆熱點”、“潑冷水”或是熱炒“失業焦慮”、“資本壟斷”，其實大可不必。從政府、企業到社會，千方百計、積極穩妥地給顛覆式創新以支持、同時為創造性破壞做好兜底預案，才是正題。
商業化理解：莫用舊目守陳規
整體來看，自動駕駛出租車只是智能出行時代的一個局部，而智能出行也只是智能應用的一個局部，機器對人勞動的影響不只是替代，賦能和調整同樣不可忽視。
總體來看，自動駕駛對人類交通和生活的影響，至少會涉及到以下這些方面。
1）交通安全性提升。據統計，大約90%的交通事故是由人為因素導致的，而自動駕駛汽車通過實時收集和處理道路信息，能夠顯著減少因人為錯誤或疏忽導致的交通事故，也能夠精確感知和判斷道路狀況，及時避免車輛之間的撞，從而提高道路行駛的流暢性和安全性。
2）交通效率優化。自動駕駛汽車可以根據實時交通信息和預測來優化行駛路線，減少不必要的等待時間和交通擁堵，提高道路利用率和行駛速度。
3）出行方式變革。自動駕駛技術將顛覆現有商業模式，沖擊行業格局。比如，很多人可能并不需要購買一輛自有產權的汽車，只需要購買共享的自動駕駛出行服務即可。24小時無休的共享出行將提供更加個性化和舒適的交通服務，滿足不同人群的需求（特別是需要照顧的人），提供更便利、更安全的出行方式。
4）影響就業，而不僅是失業。自動駕駛確實會減少對駕駛員（如出租車、貨車司機等）的需求，造成一定的失業；但是，同時，自動駕駛也會為研發、生產、監管、維護自動駕駛系統等新領域創造新的就業機會。
5）城市規劃調整。隨著自動駕駛汽車的普及，城市交通結構將發生改變，減少對傳統交通方式的依賴，從而為城市發展騰出更多的空間。此外，可能需要對現有的城市規劃和基礎設施進行調整，如增加充電站、維修中心等設施。
當然，自動駕駛也會伴隨新的問題。比如數據隱私和安全，自動駕駛汽車需要收集大量的數據，包括個人信息和行為數據，可能帶來數據泄露或被濫用的風險，對個人隱私和數據安全構成挑戰。另外，在道德和責任、風險認定方面，自動駕駛相關的法規和監管機制也需要重新建構。
自動駕駛的普及將極大的影響人們的城市生活，在這種情況下，如果僅討論網約車司機問題，會陷入“只論樹木、不言森林”之境，過度糾結于“馬車何處去”，反倒容易忽視“公路要人建”。
恐怕，討論“智能時代到來了，人應該怎么辦”這樣的題目會更有價值，畢竟沒有人天生是馬車夫或是駕駛員，這些技能都是學習和訓練的成果。
勢是合力，非個別廠家所能。
備受熱議的“蘿卜快跑”是百度Apollo推出的自動駕駛出行服務平臺，已經于11個城市開放載人測試運營服務，并且在北、上、深、武、重等地開展了全無人自動駕駛出行服務測試。在中國，固然百度在這一領域起步最早、投入最大，是行業旗幟，但是，若將自動駕駛替代人“歸功”或是“歸咎”于這樣一家公司，是罔顧事實的。
2004-2007年，美國國防高級研究計劃局（DARPA，這個機構在芯片、互聯網產業發展初期發揮了至關重要的促進作用）組織了三場全世界無人駕駛挑戰賽，谷歌發現了自動駕駛的技術潛力，將參賽選收納麾下，在著名的X實驗室秘密研發自動駕駛項目，形成了現在的Waymo公司。2014年，谷歌推出了純電動全自動駕駛汽車，全世界第一次見識到了自動駕駛概念的具象。
谷歌的示范讓全球意識到了自動駕駛領域的潛力和重要性，從亞馬遜、百度、華為等科技公司，到奔馳、通用、特斯拉以及后來的蔚小理等新勢力車企，再到Uber、滴滴、如祺等出行服務商，紛紛加入到了這個征途。百度官方提供的信息顯示，其從2013年開始布局自動駕駛，推出全球首個自動駕駛開放平臺Apollo是在2017年——不晚，但也不是最早。
前文有述，在自動駕駛商業化探索中，業界分化出兩條路線（也做個類比，都是登珠峰，南北坡難易各有不同）——Waymo、百度計劃以Robotaxi形態直接實現自動駕駛，而包括特斯拉在內的各類車廠都走上了從高階輔助到自動駕駛的漸進路線。
十年里，中美兩國都曾出現過自動駕駛技術創業潮，大量初創企業追隨Waymo路線，除了百度，美國的Cruise、中國的文遠知行、小馬智行等也紛紛推出了Robotaxi或無人巴士等，投入浩大，歷盡了艱辛，近期才看到了曙光。
在美國，前不久，Waymo宣布向舊金山地區所有用戶開放Robotaxi服務（此前它只向有限的乘客開放）；在中國，近期，除武漢外，上海已經向小馬易行、百度智行、賽可智能等企業發放了無駕駛人智能網聯汽車示范應用許可，北京市有關部門也宣布將開放智能網聯乘用車“車內無人”商業化試點，深圳坪山區政府則為安途智駕、鵬電集團和蘿卜運力聯合體等頒發了同類牌照。
與此同時，漸進路線上的特斯拉已宣布將下一代產品平臺調整到Robotaxi方向上；在中國，小鵬汽車也已經獲得了廣州市智能網聯汽車載客測試牌照。
產業互聯網里沒有贏家通吃。
對自動駕駛出租車平臺，一些人擔憂互聯網平臺重現“低價獲得用戶、一網打盡壟斷后再提價收割”的擴張模式，對此，筆者建議大可放寬心，理由很簡單，既沒戲，也沒必要。
自動駕駛出行服務涉及信息層面的代碼比特與物理層面的實物資產結合、與能量層面的充換電設施結合、與制度層面的監管法規和區域利益結合，是產業互聯網（通過數字技術與原有產業相結合以圖降本、增效、提質、創新）范疇，與消費互聯網（提供基于比特代碼的標準化數字服務，規模上享受零邊際成本與網絡效應）有著本質區別。
產業互聯網涉及制度復雜性，邊際成本無法趨近于零，“十里不同音、百里不同俗”，沒有贏家通吃。對此，多年來學術界、研究者與企業實踐者其實已經達成了共識，資本也已經交了天價的學費。
最簡單的例證是，產業互聯網里沒有長出任何一個新的BAT。字節、拼多多、京東、美團的基本盤仍然是做消費互聯網范疇中的數字娛樂、社交網絡與交易成本的文章；滴滴巨虧了10多年，使了吃奶的勁，最近才做出了一張2023年營收1924億、盈利5個億（銷售利潤率0.26%）的報表——我想，如果時光能倒流，滴滴在份額規模擴張還是合規經營質量問題上，應該會有不同的選擇。
北京大學的侯宏教授是互聯網商業生態研究大家，他曾經在價值點、鏈接和網絡三個維度上總結過產業互聯網與消費互聯網的根本不同。
點-在消費互聯網，產品價值中網絡價值的份額要高于單點價值，這是為何網絡效應主導；但在產業互聯網中，產品的單點價值通常是建立網絡價值的前提，也就是說，產品或服務本身首先要給力。
鏈-消費互聯網的反饋通常非常快，因為消費者具有沖動消費的特征，而產業互聯網反饋速度會慢，因為企業客戶或者合作伙伴的決策非常理性。慢的過程中，會涌出更多的人相互搶資源、搶客戶。
網- 網的地域分割特征，導致網絡效應被分割成一系列的局域網，每個局域網只能基于自身的規模創造網絡效應；網絡里流動也不再是數字化資源，而是產業資源、實體資源，它們的移動成本很高。
這些特征導致產業互聯網平臺的網絡效應通常弱很多，其發展也會慢很多。如果是單純的慢還好，資本還有盼頭。問題是，一慢，最后的終局也會變，不大可能贏家通吃，長期主義也摘不到（貪念的）果子。
交通涉及公共安全與國家安全，在各個國家都是強監管領域。自動駕駛出行服務廠商若想在某個區域為顧客提供服務，必須得到當地的批準，并且解決實體資產與智能服務結合的問題，再降成本也有巨額的下限。也許，非要做類比，國家電網倒是可以做個對照。國家電網為全國大部分省市提供壟斷的供電服務，作為基礎設施和最大的央企之一，其價格和服務也在政府的監管之下。
當然，另一個角度看，其實城市交通體系運營的生意已經是想象空間浩瀚的星辰大海了，占據一個競爭優勢的位置就已經是巨大的商業成就示范。
企業戰略研究領域的常識是，技術不等于產品，技術只是構成產品的資源和要素，技術與互補要素的組合才形成了產品。
對擁有核心技術優勢的企業來說，在產業鏈、價值鏈、供應鏈、創新鏈上，有無數的經營空間可以轉圜，追求終端市場上的“贏家通吃”其實也完全沒有必要，“吃干抹凈”也不是商業模式的上策。畢竟，微軟的主營業務并不是生產電腦，華為說他旨在幫助車廠造好車，長期可持續的競爭力，才是企業不變的追求。
技術價值觀：人間正道是滄桑
經濟增長的本質是價值財富的增加，而不是貨幣的增加。經濟學家普遍認為，經濟增長的源泉只有兩個——增加資源投入或者提高資源使用效率。技術是把資源轉化為產品或服務的機械力和智力的轉換過程，在資源不增加的情況下，技術進步是實現增長的唯一途徑。
1930年，經濟學家凱恩斯曾在《我們子孫后代的經濟可能性》一文中預測，到一個世紀后，人類生活水平將提高4至8倍，每周工作時間縮短至15小時。90多年過去了，如今歐洲發達經濟體的人均收入提高到了當時5倍的水平，國民法定工作時長縮短到了35小時/周的水平——盡管凱恩斯的估計過于樂觀，但方向是沒錯的。
發達工業國家國民收入與閑暇的同步增加確實要歸功于技術進步，本質上，是技術進步讓生活更美好，而有效的社會機制保障了這種美好。
在理想的情況下，在交通領域，自動駕駛技術將有望幫助人類用更少的人力資源和物質資源投入，創造完全工業化的、更安全、更充沛、更低價且優質的出行服務，使人的生活更美好。
誠然歷史上每一次技術革命，最終都帶來了更多的工作崗位，但總量的增加并不能回答結構性的問題。問題在于，現實中，作為“勞動替代型技術”而非“勞動賦能型技術”的自動駕駛能夠給國民帶來“更高收入、更多閑暇”的美好嗎？
科學與技術本身是價值中性的，跟“善與非善”這種價值判斷有關的只能是使用技術的人，恰如，人可以將諾貝爾發明的炸藥用于開山修路創造增量價值，也可以用于戰爭殺戮做零和博弈，用什么樣的機制使用技術組織生產、用什么樣的機制分配價值，涉及價值判斷，人是主體，人是目的。
在創新研究領域，這是一個關于技術基礎與制度建設的熊彼特問題——技術和產業發展總是要超前于社會機制與規范配套進度的，而及時、有效的制度與規范保障了社會經濟的可持續，減緩了創新帶來的創造性破壞。
機制的建設并不完全是政府的責任，作為創新主體和市場主體，出于長期可持續發展與生態環境共生的考慮，企業在其中也需要扮演重要的角色，并不能完全著眼于“用科技讓復雜的世界更簡單”的技術主義信念，復雜就是復雜，從物理學上來說，能量守恒，不斷熵增，局部的簡單一定是有人承擔了復雜。
2019年，普林斯頓大學出版社出版了《技術陷阱：自動化時代的資本、勞動力和權力》一書，以西方國家工業革命史為線索，將各個時期的技術發展與相應的經濟、社會、勞動境況做了詳細梳理。
書中提到，當今的挑戰是，大數據、機器人、人工智能等技術幾乎都是“勞動力替代型”的，技術解決不了如何將技術創造的較少的工作和巨大財富進行分配的問題。基于“再分配”的思路，弗雷討論了若干種可能的應對策略，例如教育、再培訓、工資保險、稅收抵免、人口遷移、擴大住房供應、加強城市間交通連接、復興工業等。
教育。事實證明擁有大學以上學歷的人們被自動化取代的風險相對較低。盡管低技能的工作還被社會所需，但這些崗位未來面臨更高的被取代風險。但目前的教育政策同樣面臨挑戰：那些來自弱勢家庭背景的孩子在教育上的表現相對較差，而弱勢背景的孩子也許正來自于那些因自動化而失業、降薪、家庭破碎的家庭。因此教育系統如何讓資源均等化，是下一代免受新技術淘汰的必要機制。
再培訓。對技術性失業群體提供再培訓曾經是美國上世紀60年代應對自動化焦慮的一個國家方案，不過，這種高投入、大規模培訓的效果卻難以評估。不管是國家投資的再培訓項目，還是自我投資的再培訓課程，應對快速的技術革新，“終生學習”才能滿足不同職業階段的技能需求。
該書非常有參考價值，但總體上，具有明顯的個人主義的色彩，即認為個體應通過教育、培訓等方式提升知識技能水平以應對技術進步的挑戰。但是，應對技術挑戰顯然不應該完全是個人的責任，除了政府，企業完全可以在其中發揮重要的作用。
對此，另有一位未來學家Martin Ford就表示，長期而言，合理的方法應該是創造一個機制，讓每個人都能在市場上占有一定份額，讓人人成為分享技術收益的股東。
對企業來說，跳出技術迷思，給社會些溫度，也應該大有“向善”的空間。好在，正如前文所述，自動駕駛的產業還處于嬰兒期，日子還長，時間還有，擁抱技術創新同時討論科技向善，恰逢其時。
寫在最后：我反對“政策決定論”。這是因為，“政策促動”與“政策驅動”雖一字之差，卻有本質之別。無論哪個新興產業，政策提供陽光環境，企業才是主體，技術是種子，需求是土壤，創業者是耕農，勞作于調風順雨或疾風暴雨的社會文化中。
在正向技術創新創業還屬奢侈品的當下，政策促動必要而不充分，只有實現企業家、企業和顧客的良性互動，為社會所接受并擴散開來，產業更新才會實現，而自動駕駛正面臨著這樣的時代機遇，有賴于社會各界的共同呵護，相向而行。
（文章首發于微信公號“深水研究”，僅代表作者觀點。作者崔桂林博士，研究員，研究方向為技術創新與企業戰略，曾任清華大學全球產業研究院高級研究員、創新與產業發展研究中心總監，現在一家知名的行業智庫工作。）
?