科技公司和傳統汽車廠商都在做自動駕駛，它們有什麼區別？誰更有優勢？

12-28

剛去了洛杉磯車展，發現英特爾、英偉達、IBM、亞馬遜這些科技公司的高管都去了，活動第一天的議題，「全自動駕駛的未來能否提供無縫體驗」、「出行分享的策略」、「聊天機器人和人工智慧如何改變汽車零售」、「使用虛擬現實創建沉浸式體驗」、「關於飛行汽車的一切」、「自動駕駛之城」、「實現電動化之夢」，「數據是新的機油」，幾乎全部都是科技話題。

本題已加入知乎圓桌 ?看車展 · 看未來，更多「車展」討論歡迎關注。

科技公司和傳統汽車廠商對自動駕駛的理解差別較大。前者希望能在五年甚至十年後直接顛覆人類的出行方式，另一個更注重於當下如何立刻將自動駕駛落地。

我從優劣勢的角度解釋一下科技公司和車企做自動駕駛的區別。

汽車企業

談優劣勢之前，我們先看看車企自動駕駛已經做到何種地步？

目前已經量產了的擁有自動駕駛或半自動駕駛的車企有：奧迪（A8），特斯拉（Model 系列），凱迪拉克（CT6）、寶馬7系和賓士S級。奧迪A8宣稱已具備L3級別自動駕駛功能，其他四位目前為止都只具備Level2的功能，即輔助駕駛。

先比較一下他們的感測器配置

註：以上參數均根據網上資源整理。圖片轉載請取得我的授權。

為什麼一定要談感測器的配置呢？

相比於互聯網公司「把感測器都往車上堆」的腦迴路，車企會更注重於「當前的感測器配置能不能實現我最初定下的功能」和「保證安全和性能的前提下，是否有成本更低的替代方案」，即以目標為導向地配置感測器。

他們注重的是落地。目的是掙錢，而不是炫技。

所以接下來的十年，大家會看到傳統車企發布的車上會慢慢出現Level 2.5、Level 3、Level 4，最後到Level 5的技術。而不是像互聯網公司他們直接Level 4甚至Level 5。

特斯拉之所以沒有被我列為互聯網公司，是因為他自身有造車的能力。他們定下的感測器配置方案是十分「擬人」的（8個攝像頭，視覺為主），我認為他們的感測器配置方案才是未來自動駕駛汽車該有的樣子。

但是！！！但是！！！但是！！！

目前可用於自動駕駛汽車上的硬體、機器視覺演算法在計算能力、檢測能力和準確度上都還不夠成熟，感測器的感知距離雖然達到，甚至超過了人類開車時的感知距離，但是識別率及準確度遠沒有達到人類的判斷能力。

在機器視覺、人工智慧的在車上應用還不是十分成熟的當下，想實現Level 3級別以上的自動駕駛，激光雷達還是十分有必要的。這也是為什麼Waymo摸索了9年的自動駕駛，現在依然要在頭上頂一個激光雷達的原因。

言歸正傳，看優劣勢。

劣勢1：成本和時間壓力

傳統車企為了保證自己品牌的競爭力，必須緊跟市場步伐，推出具備自動駕駛功能的汽車。有了Deadline，就不能向互聯網公司一樣技術為本，潛心研究。更多需要考慮技術量產的可能性。

任務定義：該款車型需要完成什麼樣的自動駕駛技術？高速公路巡航？自動泊車？

硬體選型：什麼樣的硬體配置可以實現？需要激光感測器？控制器計算能力是否足夠？

成本控制：1個攝像頭夠不夠？12個超聲波雷達多不多？哪家供應商服務好、又不貴？

測試場景：技術上如何處理極端工況？測試場景是否考慮全面？

失效模式：感測器故障如何應急處理？用什麼方式提示駕駛員接管汽車？

等等...

這些都是量產時不得不考慮的問題。成本和時間的壓力會造成技術上的妥協，有時候不得不放棄太過複雜的自動駕駛功能。

劣勢2：安全 &> 技術

傳統車企不會像特斯拉那樣激進地發布自動駕駛技術，更不會作死地把自己的僅達到 L2.5 的技術宣稱為自動駕駛。

他們把安全放在首位。任何一例安全事故對傳統車企來說都是災難。即使汽車上使用了激光雷達，也不會設計太過複雜的功能或太高的最大允許車速。雖然A8現在設置的自動駕駛速度上限是60km/h，但我相信，隨著軟體的更新迭代，這個值會慢慢提高的。

在安全、成本、開發時間的妥協，會給人造成傳統車企自動駕駛技術不如互聯網公司的錯覺。然而事實並非如此，傳統車企在自動駕駛領域的技術積澱相比互聯網公司有過之而無不及。

優勢1：專利數量

談到專利這個話題，讓我想到了現在在移動互聯網中如日中天的高通，每個手機的生產到售出，都必須給高通繳納專利費。未來十年是屬於自動駕駛的時代，因此誰能掌握足夠多該領域的專利，誰就將引領這個行業的發展並搶到足夠份額的蛋糕。

自動駕駛專利是傳統車企和Tier 1相比於互聯網公司極具優勢的地方，有了這些專利，傳統車企就能牢牢把握住未來市場的主動權。下圖是2010年到2017年7月，自動駕駛領域的專利分布，神壇上的Google並沒有像大家想想的那樣把握著絕對的專利優勢。而專利更多地被傳統車企和 Tier 1 獲得。

圖片出處：Who Leads the Autonomous Driving Patent Race?

優勢2：量產

畢竟是汽車領域的老大哥們，在量產這件事上，比互聯網公司高到不知道哪裡去了。由量產帶來的好處也不言而喻。

數據採集

自動駕駛技術的發展需要足夠多的數據做支撐，數據上量的積累最終會引起技術上質的突破。

傳統車企可以利用量產車上感測器獲取數據，上傳至雲端，用真實數據訓練演算法。今年5月特斯拉發布的軟體更新就推出了「小視頻」計劃——發動廣大車主為自動駕駛提供數據。對比Waymo，數據採集都是在測試車上完成，這個數據採集的效率不可同日而語。

「小視頻」的詳細報道可以參考：特斯拉正式啟動「小視頻」計劃

更好的服務和更多的成本談判籌碼

車企做自動駕駛會有明確的量產計劃，這也引得各種供應商蜂擁而至。互聯網公司如果只買幾件產品做研究，供應商都不願意花時間陪他們玩，提供的服務質量也會打折扣。

但車企不同，一旦裝有該感測器的車量產了，那簡直就是供應商的搖錢樹。於是為了讓車企選擇自己的產品做量產，供應商們會提供更好的技術支持和更低的量產報價。

———————分割線———————

互聯網公司

像Waymo，Uber，百度等互聯網公司如果想「單幹」研究自動駕駛技術是很困難的。最直接的就是車輛底層的控制權和未來量產的可行性。當然，作為擁有雄厚技術積累的互聯網公司也擁有得天獨厚的優勢。

劣勢1：汽車的控制權

自動駕駛對互聯網公司來說，最直接的問題就是如何控制汽車。即使上層的演算法做得再好，如果不能完全獲取底層的控制方式，及時地向底層輸送控制指令，也無法達到自動駕駛的目的。

而想通過黑客破解的方式完全獲取車輛各感測器的信息及汽車底盤控制權是一件幾乎不可能的事情。因此互聯網公司必須在汽車控制這個點上對傳統車廠做出妥協，以期共同開發。

此問題我向我司做汽車底盤控制的工程師求證過。

劣勢2：量產

作為自動駕駛領域最具代表性的互聯網公司——Waymo（原Google無人車團隊），從2009年開始做自動駕駛，8個年頭的技術積累足以橫掃目前任何一家自動駕駛公司。如此優秀的技術儲備，為什麼大家依舊看不到Waymo的無人駕駛車滿街跑呢？最大的問題就是量產。

一個沒有量產方案的技術，再牛X，也是空中樓閣。大家都是出來掙錢的，哪跟你談情懷。

這一點不僅是Waymo的軟肋，也是所有互聯網公司的軟肋。互聯網公司要麼自覺站隊，與車企合作開發；要麼主動投入車企的懷抱，被車企收購。

諸如合作陣容：BMW + Intel + Mobileye + Delphi，Volvo + Uber。當然還有收購大軍：Ford + Argo，GM + Cruise。

下圖為目前在自動駕駛領域佔得一席之地的車企、互聯網公司和各種解決方案的Suppliers。

圖片出處：Segmenting the Autonomous Vehicle Value Chain: A Look at Who is in the 「Driverless" Seat

互聯網公司在或許在看得見摸得著的領域不那麼「硬」，但在「軟」的方面有著得天獨厚的優勢。

優勢1：完善的軟體開發、測試流程及人才儲備

互聯網公司相比於傳統車企在軟體開發方面的技術積累可能不止強一個數量級。

傳統車企做自動駕駛大多使V模型作為軟體開發模型。一旦市場對軟體的需求發生變化時，由於V模型本身的缺陷，會導致重新的需求定義、設計、編碼、測試，開發的時間節點不得不推遲。

而互聯網公司擁有更為豐富的軟體開發經驗和強大的人才儲備。高效率的軟體開發和測試流程，能更早地實現自動駕駛的功能。

優勢2：無量產壓力，可直接Level 4起步

目前大多數互聯網公司在自動駕駛領域還沒有明確的商業計劃，都是摸著石頭過河，以開發技術為先。

我接觸到的一些國內互聯網公司，更多的是在做給車企做 Demo 演示，屬於自動駕駛「預研」階段，並沒有很明確的量產計劃。

正是沒有量產的交付壓力，互聯網公司敢於直接跳過L3，做L4甚至L5級別的自動駕駛。在技術上也能專註於更前沿的技術研究，推動自動駕駛整體技術的進步。

結論

科技公司和傳統車廠在短期內在自動駕駛領域，不會有沒有太多交集。因為目標不同，戰略也不太相同。至於誰更有優勢，仁者見仁，智者見智。都在或多或少推動自動駕駛的進步，又何必分個伯仲。

———————分割線———————

知乎專欄：無人駕駛乾貨鋪

更多無人駕駛的內容：

自動駕駛汽車涉及哪些技術？

高精地圖對自動駕駛來說有多重要？在自動駕駛上和一般的導航地圖有什麼區別？

無人駕駛，個人如何研究？

互聯網公司和汽車企業都在開發自動駕駛，你更看好誰？

更多段子：

你珍藏了哪些高級黑的段子？

你這麼好看，一定很會點贊~

以人來類比，比較直觀形象。

傳統的汽車廠商，從一開始就致力於給汽車設計最強健的體格，可靠性、被動安全性、速度感、駕乘體驗，有心臟和強健的四肢，但是幾乎沒有大腦，也不需要，因為人就是活動的大腦，掌控一切。

現在時代不同了，有兩個維度都在對傳統汽車行業產生顛覆式的影響。

一個就是互聯網、大數據、雲計算，這個人工智慧的潛力理論上是無限的，將來會有更多更厲害的Alpha Go出行，越來越逼近並在某些特定應用領域超越人的大腦。

另外一個就是高精度MEMS感測器和高速運算處理器，可以比人的感知器官（眼睛、耳朵、鼻子….）更快更精準更系統的探測外部世界和駕駛環境，更早更科學的做出預判。

前一類科技公司就是搞系統平台的，比如谷歌、百度、樂視、Uber；

後一類科技公司就是搞感測器和高速處理器的晶元廠商，比如IBM，Intel，Freescale,…；

這兩類科技公司都致力於給傳統汽車添加一個聰明的大腦和環境感知系統，也就是一個虛擬的駕駛員：人工智慧。

當汽車有了比人腦更聰明的駕駛員後，自動駕駛就水到渠成了。

自動駕駛是目前行業的趨勢，三類公司都在往自動駕駛靠攏，只是每個群體依託的技術優勢不一樣，但結果是可以預知的：

一個以虛擬大腦為智能核心，配備了高精度環境感測器的智能的車聯網系統將會在不久的將來變成現實。

至於在這個過程中，誰吃掉誰，我個人覺得最上層做大腦的公司，機會更大些。

謝邀。

關於它們的關係，路透社之前有一個說法很形象：兩隻不得不相擁的刺蝟。

這種競合關係從近期的幾件大事也能看出來：Mobileye 與特斯拉合作破裂，英特爾、寶馬和 Mobileye 組成聯盟、福特和 Uber 進行無人車測試。

之所以會這樣，是因為它們現階段各有各的優勢。傳統汽車廠商在整車研發、製造和銷售方面更厲害，而科技公司在細分的技術領域更強，比如激光雷達、數據採集處理、地圖、人工智慧、網路連接、安全性。

在實現路徑上，它們的區別更明顯。傳統汽車廠商是一種漸進式的技術改進，科技公司在突破技術障礙後，未來會提供一種無人駕駛技術的通用方案。

具體來看，傳統廠商目前是通過車載的高精度攝像頭，實時採集路面數據並反饋給車輛，車輛通過演算法對數據進行分析，做出實時決策。

而科技公司是通過激光雷達，對路面數據實時掃描，繪製出高精度 3D 地形圖並上傳到車內電腦，電腦再通過對數據的分析形成決策。

也正是這個緣故，科技公司在無人駕駛方案上的障礙目前更多。

首先是數據量太大。

因為行駛的車輛和高精度地圖數據需要進行實時比對，每公里的數據量在 3 - 4 GB 左右。

這麼龐大的數據，還需要實時傳輸，在當前的網路條件下實現很苛刻。

按照英特爾 CEO 科再奇的說法，到 2020 年每輛智能汽車每天產生的數據量在 4000 G 左右。

第二，目前對於數據的實時處理必須要在車上完成，無法藉助雲端實現。

所以你看到的谷歌和百度無人駕駛車，基本上都是一部移動的高性能電腦。

三是成本太高。

谷歌一套無人駕駛系統的總成本在 30 - 40 萬美元，實現量產完全不現實。

相比之下，傳統汽車廠商的技術方案目前優勢更明顯。

除了多年的工業製造基礎，它們的高精度實時感測器獲得的數據量在每公里 10 k 左右，能夠實時傳輸。另外這套方案也不需要在有高精度地圖數據的地區才能使用，幾乎任何地方都行。

不過傳統汽車商最大的優勢還是，現在路面上跑的大部分汽車都是出自它們手中，要做無人駕駛汽車，只用在現有汽車上升級，不斷加入無人駕駛技術，而科技公司的一整套技術方案，更像是從零開始。

但從大趨勢來看的話，隨著基礎設施的改進，科技公司陣營可能會更有優勢。

比如數據傳輸的問題，5G 網路包含了三大應用場景：超高速率、低時延、大連接，數據傳輸就不是問題。至於成本過高，隨著規模效應形成，成本也會實現遞減。舉一個例子，歐司朗已經把激光雷達的成本降到 50 美元。

在計算能力和數據積累方面，科技公司也走在了前面，例如 Nvidia 與特斯拉合作，為每一台特斯拉裝載 PX2 超級電腦。谷歌通過 6 年的無人駕駛路測，積累了上百萬英里的數據，而特斯拉也已經收集了 30 億英里的行駛數據。

傳統廠商也沒有閑著，在用收購來追趕科技行業的優勢。今年初，通用汽車就收購了成立僅 3 年的無人駕駛初創公司 Cruise Automation。

by 紀振宇（我在矽谷，想和我聊聊？關注騰訊科技微信公眾號「qqtech」，回復「紀振宇」即可獲取微信和郵箱）

個人感覺，無人駕駛當前最需要做的是落地，而不應該只存在與實驗室，先從基礎的高速lv3，目前看商用的也只有特斯拉，無人駕駛從實驗室到商用，可不是一個簡單的事。

騰訊/360/百度做的自動駕駛往波音上裝你敢坐嗎

即便level4 的無人駕駛離各位心中的人工智慧都還遠得很，所以科幻電影的場景就不要扯進來了。
傳統車企和互聯網公司目前對於自動駕駛的定義還是各執一詞，就說明這玩意兒一時半會兒都只是吸金概念，炒股票懂伐，等車聯網和地圖靠譜了再討論不遲。

打個比方，傳統汽車公司的優勢是生孩子和養孩子；而科技公司則更像是學校，負責教育方面。他們之間並不存在矛盾，反而可以能夠很好的融合發展，各展所強。

我們只想把產品做好，開發一代、預研一代、規劃一代。用戶是我們的上帝，提供給他們目前我們能做到最好的產品是我們的目標。科技公司給我們帶來了巨大壓力，事實確實如此。然而我們真的無暇顧及，因為客戶在期待我們的產品，還有太多工作需要完善，僅此而已。

這次人工智慧革命即將把傳統汽車公司變成代工廠了。

個人的一些體會，目前發展無人駕駛的思路大致分兩種：
一種做法有些像初創公司的運營模式，直接從自動駕駛的目標出發，希望藉助一些現有或新興的技術一步革命性的完成這個功能，達成五級自動駕駛，這種方法完全將車看做一個被控對象，跟控一個掃地機器人沒有本質上的區別。
另一種則是從車輛本身現有的水平出發，從各種輔助半自動功能開始往後延伸，一步步逐級向上實現，最終實現自動駕駛。
第一種更接近與科技公司的做法，見效快而且往往是顛覆性的，但至少目前消費者還不太能完全信任這種車，更多的是觀望。第二種更像傳統車企畢竟他們最終目的是讓消費者放心的買他們的車。
大家思路不同，盈利點也不同。

差別很大。
我相信谷歌的無人駕駛是在安全的前提下便捷地把人帶到目的地。相比之下，百度的無人駕駛服務更豐富，會先把人帶到美容院，然後拉到豐胸院，然後無痛人流，然後到哪個酒店，，，，，，，途徑多個景點最終到達目的地，相當於一次旅遊。

謝邀。下面講一下自己的想法，非專業人員，僅供拋磚引玉，請勿參考以防打臉。

自動駕駛需要搭建一個cyber-physical system（cps），建好一個cps需要有將物理世界的機械運動和能量轉換等信息轉化成數據的能力和經驗，反過來還需要有將數字世界的模型還原到物理世界的能力和經驗。

放在自動駕駛上，汽車廠商更懂得應當收集哪些數據，什麼樣的數據代表什麼樣的情況，以及數字控制的設計。IT公司更懂得如何整理數據（例如將圖形識別成對計算機有意義的信息），高效地計算處理數據，並得出有意義的結論。

具體到應用和發展優勢上，it公司更容易開發出能夠自動駕駛的系統（滿足安全），汽車公司更容易開發出乘坐感受好油耗優化程度高的系統。都是相對來說，汽車廠商也不會單幹，肯定收購幾個it公司或者和it公司合作，it公司哪怕google也不會從頭到尾都單打獨鬥。最終差距不會很大。

說的好像傳統汽車公司就不是科技公司了一樣...

你想啊，如果汽車能自動駕駛了，那麼駕駛員在汽車裡面幹什麼捏？
你覺得這是汽車公司的優勢還是互聯網公司的優勢？

掃了一遍所有答案，貌似有很多答案可以總結為：我們已經有無人駕駛的代碼和實現方案，就差幾個造車的工程師了！

hmmmmmmmm

「我們已經有一個很好的idea，就差個程序員了"這個梗貌似還沒涼透吧？

所以我們是不是應該感謝鋼鐵俠沒抱有這種想法早早就懂得從三大拉各種高管各種供應鏈關係，所以現在比起各種PPT好歹有個特斯拉造出個真的量產車才能讓抱有上面想法的大牛們侃侃而談？

2333333333333

傳統汽車廠商在研究駕駛輔助功能。

科技公司如google在研究AI自動駕駛。

特斯拉重新定義了「自動駕駛」。

目前的自動駕，基礎理論都是三十年前的，基本都是依靠雷達，但是這個系統有致命的缺陷，就是對於縱向行駛目標的檢測效果很好，但是對於切向目標的檢測效果極差，而且雷達對於近距離目標的效果也不好，之前特斯拉的事故就是以上問題的綜合問題的體現。
所以目前的自動駕駛系統只敢說是駕駛輔助，用在封閉的高速路和城市快速路效果很好，但是用在有交叉路口的城鎮道路就有比較大的問題。

至於視頻識別，現在的數據處理能力不足，只能作為雷達的輔助。

所以，除非自動駕駛的基礎理論或者硬體方面出現革命性的進步，否則看不到自動駕駛取代人的希望。

表妹大學到博士都學的雷達專業，研究生和博士都在清華，曾在智能車國家重點實驗室工作，師兄師姐多有在谷歌等公司研究智能車的，以上信息都來自她，按照她的說法——真的在研究生和博士研究過這個的後來基本都不幹這個了，她有個師兄十多年前畢業，畢業就去石油公司了，這幾年石油不行了，正好她有個師姐在谷歌，看到了十多年前那個師兄的論文，就把他弄到谷歌去了。。。十多年沒幹過這個了。。。

先報一下利益相關。ADAS control unit developer。坐標矽谷，就職於Tire one supplier。因為是中間層，所以既能面對車廠，互聯網公司，又能面對下邊的IC公司。他們各懷鬼胎，各有各的打算。

沒有什麼宏大的提綱，我也就想到哪裡寫到哪裡好了~

首先從下往上說，現在矽谷的IC公司，在經歷了上一波的手機IC的瘋狂，之後的下滑，沉淪之後。現在基本上達成了一種共識，就是下一輪IC的增長點，「一定」出現在汽車行業。所以在矽谷的IC玩家的牌桌上每個人都躍躍欲試。無論是核心的CUP，GPU 還是邊緣的DRAM Memory這些公司都想摻一腿。舉個例子，只要我們去參加個什麼技術會議，只要亮出我們汽車行業的背景，我們總是能夠見到一些非常high level的經理啊 CTO什麼跟我聊天謀求合作，可見IC業對這塊處女地是非常饑渴的。

說一下幾個著名的IC廠的個性。

Intel：特點就是財大氣粗，但是是一個控制欲很強的組織。他們希望控制一切，一切和IC相關的東西，CPU，GPU，FPGA各種和計算相關的solution也是比較的齊全。因為真正自動駕駛的環境下，那些fancy的algorithm不會最後就跑在固定的某一總silicon上邊的，肯定是某種混合狀態。所以從這個角度來看，我還是比較看好他們家的。當然設計到具體的工作的感覺是，他們家可真TM有錢啊，要啥resource 基本上就是買買買，給給給，賊大方~

有空再更~

說的好像大眾，豐田這種造車巨頭就招不起牛逼的演算法工程師一樣。互聯網企業做的好的話最後會成為巨頭車企的供應商，但他們離做一輛好車還距離遙遠。

支持老牌汽車企業的朋友無非是因為老牌企業有經驗、有口碑。確實，老牌公司雖然軟體技術上相對落後，但是畢竟有長達一個世紀的經驗積累，特別是在生產、分銷、營銷方面。畢竟，如果沒有產量，沒有銷路，哪裡來的銷量。聽上去似乎有些道理。但本人認為：老牌公司終將敗給互聯網公司。以下僅是本人個人拙見。

支持老牌汽車企業的朋友有三個致命的假設：
1. 產量很重要
2. 製造技術與人工智慧技術同等重要
3. 輔助駕駛是做到自動駕駛的必經之路
下面我們來逐一推倒這些假設。

首先，產量真的重要嗎？確實重要，但是這完全不會威脅到以谷歌為首的新晉技術公司。那些老牌公司錯就錯在誤以為像谷歌、優步、蘋果這樣的技術公司也會去生產自己的車。這些新晉公司確實會在剛剛起步的時候製作出一些車用來測試，但是絕對不會面向消費者批量生產。首先，更多的技術公司會將自動駕駛作為服務出售，比如像優步一樣的打車軟體。如果保守估算，每輛車每小時可以滿足10個乘客的出行需求，每個城市有1000輛車，每天就可以滿足24萬個用戶的出行需求。再次，有了共享自動駕駛車之後，普通老百姓購買私家車的慾望會更低。何況自動駕駛車本身成本高，如果直接賣給消費者，市場會很小。共享模式才是市場的發展方向。就算這些公司需要批量生產，比如谷歌說自己需要在一年之內產五萬輛車，相信所有老牌公司都會爭先恐後的來搶這個大單。因為拿到和谷歌合作的機會就是搶到了絕對的發展先機。可見，科技公司並沒有批量生產這個需求，就算有，這也是一個買家市場，老牌公司在談判桌上很容易失利。

但願我們的下一代不會只在歷史書里讀到寶馬和賓士的故事

其次，製造技術和人工智慧技術同等重要嗎？製造技術固然重要，但是我們應該思考一下傳統汽車行業的本質。老牌公司其實並沒有自己獨特的核心科技競爭力，靠的還是百年的品牌積累和高不可攀的行業壁壘。不同汽車品牌之間的生產技術其實沒有本質上的區別。然而人工智慧行業則不同。公司之間研究的方向完全不一樣。有的主打攝像頭視覺，有的主打高精地圖，有的側重研發新技術，有的側重數據積累。這些公司不僅具有本質上的差異性，如果能做大做強，競爭對手想抄襲也會很難。如此看來，拿一個沒有獨特技術的老牌公司和一個有獨特技術的新晉技術公司比較，誰更需要誰？答案顯而易見。

再次，想做自動駕駛，就一定要先做好輔助駕駛嗎？並不盡然。將汽車自動化無非是為了兩個初衷：1. 解放人類雙手 2. 再也沒有交通事故。大量研究顯示，如今以特斯拉為代表的輔助駕駛，不但沒有減少交通事故，反而增加了行車危險。原因很簡單。如果開啟自動駕駛模式（autopilot），司機很可能就會放鬆戒備，去做其他事。一旦系統警告司機必須馬上搶回方向盤，司機往往來不及反應，結果造成不可挽回的悲劇。可見，如果只做到輔助駛，而做不到100%的自動駕駛，開車反而更加危險。這就違背了第二個初衷。何況，autopilot只可以在高速公路上使用，需要司機隨時待命搶回方向盤。這還算不上解放人類雙手。既然兩個初衷都不能遵循，為什麼不直接開發100%的自動駕駛技術，而將輔助駕駛作為過渡產品呢？

需要下高速了，但autopilot還在按高速模式行駛。司機此時必須馬上搶回方向盤，否則非常危險。

總結

1. 產量並不能作為贏得遊戲的籌碼。

2. 比起汽車製造技術，人工智慧技術才是公司的核心競爭力。

3. 只有做到100%意義上的自動駕駛，才是真正解放人類雙手，真正保障了乘客和司機的安全。否則就是違背了自動駕駛的初衷。

三個假設既然可以全部推倒，老牌汽車公司想打敗互聯網公司恐怕沒這麼容易。

微信關注"自動駕駛說"

知乎專欄：自動駕駛