美國(guó)當(dāng)?shù)貢r(shí)間10月19日，Tesla發(fā)布聲明稱，包括還未上市的Model 3在內(nèi)，目前工廠在產(chǎn)的特斯拉汽車都將全部配備能夠?qū)崿F(xiàn)完全自動(dòng)駕駛（full self-driving capability）的硬件。其中，包括8個(gè)車身周圍的攝像頭，12個(gè)最新的超聲波傳感器，1個(gè)增強(qiáng)版前向毫米波雷達(dá)以及處理能力將比上一代高40倍的車載計(jì)算設(shè)備NVIDIA’s Drive PX 2，其作用及安裝位置如表1與圖1所示。特斯拉想借此實(shí)現(xiàn)以下公司愿景：

為所有人提供比人類駕駛更高的行車安全；

為車主提供更低的交通成本；

為無(wú)車之人提供低價(jià)、按需的出行服務(wù)。

無(wú)人駕駛技術(shù)的幾大層面

按照美國(guó)高速公路安全管理局（NHTSA）的分級(jí)，自動(dòng)駕駛系統(tǒng)可以分為五個(gè)不同的等級(jí)：

第零級(jí)：車輛完全沒有任何的自動(dòng)駕駛，駕駛員對(duì)車輛完全掌控；

第一級(jí)：車輛具備至少一種基本的電子輔助系統(tǒng)；

第二級(jí)：車輛具備至少兩種電子輔助系統(tǒng)，能夠幫助駕駛員減輕駕駛工作；

第三級(jí)：車輛具備足夠信賴的自動(dòng)駕駛能力，但關(guān)鍵時(shí)刻駕駛員仍然對(duì)車輛具有操控權(quán)；

第四級(jí)：駕駛員對(duì)車輛不具有操控權(quán)力，僅需輸入目的地或?qū)Ш?a href="http://www.solar-ruike.com.cn/soft/special/" target="_blank">資料便能完成整個(gè)旅程。

目前，主流水平的無(wú)人駕駛處在第二與第三階段之間，而特斯拉的無(wú)人駕駛技術(shù)則處在第三階段，因?yàn)樘厮估⑽催_(dá)到第四階段所說的車輛可以監(jiān)控安全相關(guān)的駕駛功能。

特斯拉的無(wú)人駕駛原理

表1 Tesla所配硬件及其功能

圖1 Tesla所配硬件的安裝位置

在Tesla創(chuàng)始人Elon Musk的看來，“每年交通事故造成全球死亡人數(shù)高達(dá)120萬(wàn)，其中美國(guó)人有3萬(wàn)多人。汽車實(shí)現(xiàn)全自動(dòng)駕駛的基礎(chǔ)已經(jīng)具備，且其安全性至少是人類駕駛員的2倍以上，既然如此為什么不加速這個(gè)進(jìn)程呢？”從理論上講，這是有道理的，因?yàn)槠嚿习惭b的傳感器能夠不知疲倦地實(shí)時(shí)捕捉汽車周圍人類無(wú)法察覺到的大量信息，由車載計(jì)算設(shè)備及時(shí)處理后以人類無(wú)法觸及的速度做出反應(yīng)。但事實(shí)上，由于今年5月美國(guó)佛羅里達(dá)州的一位Tesla車主在使用Autopilot時(shí)發(fā)生車禍不幸生亡，普通民眾對(duì)Tesla Autopilot系統(tǒng)并不十分信任。

一路既往地，Tesla全自動(dòng)駕駛的這條新聞一經(jīng)發(fā)布，便在全世界范圍內(nèi)引起熱議。在Tesla的擁躉看來，Elon Musk是精明而有遠(yuǎn)見的企業(yè)家，而在批評(píng)家及競(jìng)爭(zhēng)對(duì)手（主要是傳統(tǒng)車企）眼中，Musk的部分決策過于冒險(xiǎn)甚至有些膽大妄為（reckless）：Elon Musk給自己設(shè)置的研制能夠從洛杉磯自動(dòng)行駛到紐約的無(wú)人駕駛汽車的最終期限是2017年年底之前，而福特、通用與Google都是2021年，百度則為2019年，由此可見Musk的雄心和激進(jìn)。

如今該新聞已經(jīng)過去近10多天，喧囂已經(jīng)過去大半。如果再仔細(xì)分析一下Tesla官方發(fā)布的文件及權(quán)威媒體的報(bào)道，我們就會(huì)發(fā)現(xiàn)其實(shí)Elon Musk所做出的每一個(gè)決策，其背后都是有科學(xué)依據(jù)和理性思考作為支撐的，而且正好都體現(xiàn)了硅谷IT企業(yè)所具有的典型思維方式和硅谷企業(yè)家改變世界的情懷。

Tesla硬件配置中為什么沒有采用激光雷達(dá)？

在硅谷有一個(gè)明確的做事原則，即要最大限度地采用便宜的資源，盡可能節(jié)省寶貴的資源，該做法最初是受由香農(nóng)第一定律引出的霍夫曼編碼（即）的啟發(fā)得來的，在經(jīng)濟(jì)學(xué)上被稱為“吉爾德定律”（Gilder’s Law）。例如，由于摩爾定律的作用，集成電路芯片上所集成的晶體管的數(shù)目每隔18個(gè)月翻一倍（如圖2所示），反過來看便是相同性能微處理器的成本每隔18個(gè)月降一半，這是一種較便宜的資源。因此，類似于Google和Facebook這樣的IT巨頭必然將越來越多原本由工程師這種較昂貴的資源來完成的工作交給計(jì)算機(jī)來完成，以降低總的辦公成本。

圖2 微處理器中晶體管數(shù)量變化與摩爾定律

具體到Tesla全自動(dòng)駕駛系統(tǒng)采用“攝像頭+40倍計(jì)算能力”的方案而不是像Google、Uber那樣使用激光雷達(dá)（Light Detection And Ranging，LiDAR）而言，亦可用“吉爾德定律”來解釋。如圖3所示，在摩爾定律的作用下，計(jì)算能力的成本隨時(shí)間以較陡的曲線下降，而機(jī)械旋轉(zhuǎn)式激光雷達(dá)和機(jī)械制造部件的成本對(duì)時(shí)間并不敏感，幾乎只能由于大規(guī)模生產(chǎn)所產(chǎn)生的規(guī)模效應(yīng)而降低。

圖3 無(wú)人駕駛汽車各部件的成本隨時(shí)間的變化（取自馭勢(shì)科技）

由于Tesla的汽車已經(jīng)量產(chǎn)，成本的控制對(duì)銷量的提升便是至關(guān)重要的。相對(duì)應(yīng)地，Google與Uber的無(wú)人駕駛汽車目前還只是處于測(cè)試階段，幾百輛的規(guī)模即便全部配置8萬(wàn)美元的激光雷達(dá)也花不了多少錢。所以，Tesla “低成本感知+高性能計(jì)算”的選擇是對(duì)于Tesla短期控制整車成本是十分合理的。

雖然Elon Musk在多個(gè)場(chǎng)合表示：“I‘m not a big fan of LiDAR， and I don’t think it makes sense in this context.（我不是激光雷達(dá)的支持者，我并不認(rèn)為它對(duì)于無(wú)人駕駛汽車是絕對(duì)必要的）”，但考慮到當(dāng)年比爾-蓋茨在微軟的DOS系統(tǒng)與蘋果公司的“視窗+鼠標(biāo)”系統(tǒng)競(jìng)爭(zhēng)時(shí)也表達(dá)過類似的態(tài)度卻在背地里偷偷地研發(fā)Windows 3.0系統(tǒng)的行為，我們可以將Musk的話理解為對(duì)媒體和用戶的洗腦，用自己的個(gè)人威信給Tesla解決方案的安全性背書，目的是為激光雷達(dá)價(jià)格地下降爭(zhēng)取時(shí)間，因?yàn)榘╒elodyne和Quanergy等公司成熟的固態(tài)激光雷達(dá)產(chǎn)品正在研制中，據(jù)這兩家公司的公開信息，其成本可降低到250美元以下。

但是，激光雷達(dá)對(duì)于保證無(wú)人駕駛汽車99.9999%+的行車安全依然是十分必要的，按照普林斯頓大學(xué)肖建雄博士的說法：“我非常懷疑，Tesla有一種不使用激光雷達(dá)的安全解決方案，激光雷達(dá)是唯一一種能實(shí)現(xiàn)100%安全的解決方案。”所以，我們有理由相信，等到固態(tài)激光雷達(dá)的成本降低到100~200美元，Elon Musk的態(tài)度會(huì)來一個(gè)180度大轉(zhuǎn)變，在Tesla的無(wú)人駕駛汽車上配置激光雷達(dá)。據(jù)網(wǎng)友在Twitter上曝光的、在加州道路上拍攝到的車頂裝有激光雷達(dá)Tesla正在道路上測(cè)試的照片，由此可以一窺Musk的真實(shí)想法。

另外，值得一提的時(shí)，在PC時(shí)代有所謂的基于“安迪-比爾定律”構(gòu)成的Win-Tel體系，用以概括PC時(shí)代“比爾-蓋茨的Windows操作系統(tǒng)與各軟件廠商一起升級(jí)軟件，致使Intel CEO安迪-格魯夫生產(chǎn)的上一代處理器性能不夠用，逼迫用戶購(gòu)買配置了新一代Intel處理器的計(jì)算機(jī)”的現(xiàn)象。類似地，智能手機(jī)時(shí)代有類似的“谷歌安卓系統(tǒng)-高通手機(jī)芯片”構(gòu)成的Android-Qualcomm體系。汽車工業(yè)目前并沒有類似的規(guī)律作支撐，但考慮到汽車的平均使用壽命一般為10年左右，是PC與智能手機(jī)的5倍，所以，Tesla選擇比上一代性能強(qiáng)大40倍（2^5=32）的車載計(jì)算設(shè)備，似乎在預(yù)示著Elon Musk有意締造無(wú)人駕駛汽車時(shí)代的Tesla-NVIDIA體系？

Tesla為什么采用OTA的方法升級(jí)軟件？

在不久前舉行2016中國(guó)汽車工程學(xué)會(huì)年會(huì)（SAECCE 2016）的分會(huì)討論中，地平線機(jī)器人科技創(chuàng)始人余凱博士提到，“Tesla先把硬件系統(tǒng)裝上去，然后逐步升級(jí)軟件的做法，已經(jīng)在上一代Autopilot中實(shí)踐過了【注：如圖4所示，特斯拉定期通過無(wú)線網(wǎng)絡(luò)更新其汽車軟件，以提高性能和修復(fù)安全漏洞。多年來，它一直在使用這些所謂的無(wú)線軟件更新（Over-The-Air Software Update，OTA）。之前這種巧妙的設(shè)計(jì)能使特斯拉即使在汽車出廠之后依然能夠依據(jù)反饋到云端的數(shù)據(jù)，即時(shí)做出反應(yīng)，不斷提升性能和用戶體驗(yàn)】。但是，這種做法對(duì)于傳統(tǒng)車企來說，依然是不可想象的。”與余凱博士持類似觀點(diǎn)，F(xiàn)ortune雜志也評(píng)論道：“Loading cars with hardware that might not be used for years—and requires a software download to unlock the features—is unprecedented in the industry.（在汽車上預(yù)先搭載可能多年都不會(huì)使用的硬件，并且需要通過更新軟件來解鎖新功能，這在汽車行業(yè)是前所未有的）。”

圖4 Tesla OTA升級(jí)歷史（取自汽車之家）

正如上汽集團(tuán)總工程師程驚雷在SAECCE 2016評(píng)價(jià)車企與IT企業(yè)的不同之處時(shí)說到的，“汽車企業(yè)都是牛頓的學(xué)生，而IT企業(yè)都是香農(nóng)的學(xué)生”，傳統(tǒng)車企的做法的科學(xué)基礎(chǔ)是由起始于17世紀(jì)的牛頓力學(xué)經(jīng)過300多年演化而來的“機(jī)械思維”。基于機(jī)械思維的一切決策都是以確定性或還原論為前提的，具體的做法是要做到算無(wú)遺策，所有可能的情形都要提前預(yù)料到并做好應(yīng)對(duì)措施，爭(zhēng)取一次做成功，如果一個(gè)環(huán)節(jié)沒有想到，后果就是災(zāi)難性的。最典型的例子便是基于泰勒科學(xué)管理的流水線生產(chǎn)模式，20世紀(jì)初，亨利-福特便是用此大批量制造生產(chǎn)汽車的：

首先將復(fù)雜的產(chǎn)品分解成簡(jiǎn)單的部分，分別加以設(shè)計(jì)與制造，即2=1+1；

一個(gè)過程的結(jié)果是可預(yù)測(cè)的，在生產(chǎn)線的起點(diǎn)放入相應(yīng)的零件，經(jīng)過這個(gè)流水線的組裝，一定可以得到所想要的產(chǎn)品，即1+1=2；

上述過程，類似于將初始參數(shù)帶入牛頓力學(xué)方程后，一定可以計(jì)算出物體的運(yùn)動(dòng)軌跡，一切都是確定的、可還原分解的。

但是隨著科學(xué)的發(fā)展，科學(xué)家們發(fā)現(xiàn)，這個(gè)世界并不是確定的。不論是有法國(guó)數(shù)學(xué)家龐加萊（Henri Poincaré）在三體問題、美國(guó)氣象學(xué)家洛倫茲（Edward Lorenz）在天氣預(yù)報(bào)等宏觀世界中發(fā)現(xiàn)的混沌現(xiàn)象，還是有物理學(xué)家海森堡（Werner Heisenberg）在微觀世界中發(fā)現(xiàn)的測(cè)不準(zhǔn)原理，都表明：這個(gè)世界在大部分情況下是不可預(yù)測(cè)的（即1+1≠2）。

基于這個(gè)世界是不確定的前提，在第二次世界大戰(zhàn)中，美國(guó)數(shù)學(xué)家維納（Norbert Wiener）和香農(nóng)（Claude Shannon）各自逐步發(fā)明了一套新的方法論，即控制論和信息論。而直到第二次世界大戰(zhàn)結(jié)束才真正開始發(fā)展的硅谷和以色列則跳過了指導(dǎo)了前兩次工業(yè)革命的牛頓力學(xué)和機(jī)械思維，直接接受了這套新的方法論，避免了歷史包袱，從而成為了全世界IT創(chuàng)新創(chuàng)業(yè)最活躍的地區(qū)。

香農(nóng)的信息論，可以簡(jiǎn)單地理解為利用信息消除不確定性（即信息熵），現(xiàn)在提的比較多的“大數(shù)據(jù)思維”本質(zhì)上是香農(nóng)的信息論。而維納的控制論，可以簡(jiǎn)單地理解為根據(jù)反饋不斷進(jìn)行調(diào)整輸出，而放棄對(duì)未來做過多的預(yù)測(cè)，因?yàn)殡S機(jī)性無(wú)處不在。在Google內(nèi)部，產(chǎn)品經(jīng)理們都遵循這樣一個(gè)規(guī)則：在沒有數(shù)據(jù)之前，不要給出任何結(jié)論。這正好體現(xiàn)了信息論與控制論的思維方式。吳軍博士在《智能時(shí)代》中提到：“人類在機(jī)器智能領(lǐng)域的成就，其實(shí)就是不斷地把各種智能問題轉(zhuǎn)化成消除不確定性的問題，然后再找到能夠消除相應(yīng)不確定性的信息，如此而已。”不論是Google在線廣告與用戶的高度匹配，還是Nate Siliver準(zhǔn)確預(yù)測(cè)出2012年美國(guó)大選所有50個(gè)州及華盛頓特區(qū)的結(jié)果，皆是如此。

具體到無(wú)人駕駛汽車而言，最先研制出的Google的做法也體現(xiàn)了“利用信息消除不確定性”并在此基礎(chǔ)上“根據(jù)反饋不斷進(jìn)行調(diào)整輸出”的原則——Google無(wú)人車是Google街景項(xiàng)目的延伸，只能在街景車掃過的、具有大量數(shù)據(jù)積累的地方行駛，Google工程師根據(jù)測(cè)試的結(jié)果離線調(diào)整程序。而當(dāng)Google的無(wú)人駕駛大數(shù)據(jù)具有了完備性，即覆蓋了所有可能的情況時(shí)，不確定性就被完全消除了，無(wú)人駕駛汽車就實(shí)現(xiàn)了100%的安全。但事實(shí)上，這對(duì)Google而言比較困難，因?yàn)槠湓跍y(cè)的無(wú)人車數(shù)量比較少，只有幾百臺(tái)。據(jù)華爾街日?qǐng)?bào)美國(guó)當(dāng)?shù)貢r(shí)間10月5日?qǐng)?bào)道，Google宣布自己的無(wú)人駕駛汽車剛剛完成200萬(wàn)英里道路行駛里程。從2010年紐約時(shí)報(bào)曝光Google無(wú)人車算起，時(shí)間經(jīng)過了6年。而由于搭載Tesla Autopilot的汽車數(shù)量大了兩個(gè)量級(jí)，Elon Musk幾天后在個(gè)人Twitter上宣布：Tesla Autopilot發(fā)布后的1年中累計(jì)行駛里程已達(dá)到2.22億英里。因此，Tesla更有機(jī)會(huì)先達(dá)到大數(shù)據(jù)的完備性。

當(dāng)然，實(shí)現(xiàn)大數(shù)據(jù)完備性不可能是一蹴而就的。如果汽車工況也如自然界和社會(huì)中的許多現(xiàn)象一樣，遵循帕累托分布（即冪律），則圖4中綠色部分表示的經(jīng)常發(fā)生的少數(shù)工況占所有工況發(fā)生次數(shù)的絕對(duì)比重（如80%以上），而不經(jīng)常發(fā)生的大量工況則分布在圖中黃色的長(zhǎng)尾中。但由于汽車保有量的基礎(chǔ)達(dá)到億輛級(jí)別，長(zhǎng)尾中的小概率工況乘以10^9后，發(fā)生的次數(shù)也是驚人的。而要覆蓋長(zhǎng)尾中的小概率工況，需要積累比80%經(jīng)常發(fā)生的工況多得多的行駛里程，比如后者需要積累100萬(wàn)公里，前者可能需要積累100億公里里程，相似的例子可以在搜索引擎中找到。細(xì)心的用戶可能會(huì)發(fā)現(xiàn)，對(duì)于常見的關(guān)鍵詞搜索，比如“人工智能”，Google和微軟Bing搜索的結(jié)果差不多，但是遇到偏僻的關(guān)鍵詞，如“倫勃朗早期作品”，由于Google長(zhǎng)期積累的數(shù)據(jù)足夠訓(xùn)練出這些“長(zhǎng)尾搜索”的點(diǎn)擊模型，它的結(jié)果要比Bing要準(zhǔn)確的多。

圖5 帕累托分布

Tesla作為一家誕生于硅谷并自詡為“IT公司”的汽車企業(yè)，自然深諳上述道理——產(chǎn)品在達(dá)到一定水準(zhǔn)后，只有通過先上線，得到反饋，然后再修改，才能完善，那種一次性設(shè)計(jì)開發(fā)一個(gè)完美的產(chǎn)品的做法，在未知因素過多的情況下，幾乎不可能做到。其OTA（Over-The-Air）升級(jí)軟件系統(tǒng)的做法，即Tesla官方文件中聲稱的“Before activating the features enabled by the new hardware， we will further calibrate the system using millions of miles of real-world driving to ensure significant improvements to safety and convenience.（在啟用由新硬件激活的新功能之前，我們將使用數(shù)百萬(wàn)英里的真實(shí)駕駛里程進(jìn)一步校準(zhǔn)系統(tǒng)，以確保顯著提高安全性和便利性）”，體現(xiàn)了“利用信息消除不確定性”及“根據(jù)反饋不斷調(diào)整輸出”的思維方式：Tesla會(huì)針對(duì)出現(xiàn)的小概率新工況，做出相應(yīng)的反應(yīng)，及時(shí)制定應(yīng)對(duì)措施，這完全不同于傳統(tǒng)車企的做法。

通常情況下，車企試圖在研發(fā)階段就提前預(yù)測(cè)到一切可能的情形，然后在開發(fā)的過程中予以解決。對(duì)傳統(tǒng)車企而言，在汽車離開流水線的一剎那，兩者之間的聯(lián)系就被切斷了，車企對(duì)于汽車的運(yùn)行狀況其實(shí)是一無(wú)所知的。汽車廠商對(duì)數(shù)據(jù)并不關(guān)注，并不會(huì)像通用電氣那樣認(rèn)真地收集航空發(fā)動(dòng)機(jī)每次飛行所產(chǎn)生的數(shù)據(jù)，將提煉出的寶貴信息用于下一代產(chǎn)品的開發(fā)。例如，在汽車出廠之后，根據(jù)每一個(gè)車主的不同駕駛習(xí)慣和形式工況的數(shù)據(jù)，汽車廠商能夠做到修改標(biāo)定過的內(nèi)燃機(jī)MAP圖以提升經(jīng)濟(jì)性或動(dòng)力性嗎？并不能！因?yàn)閭鹘y(tǒng)車企本質(zhì)上是基于牛頓力學(xué)的，并不關(guān)注不確定性和個(gè)性化。

就研發(fā)無(wú)人駕駛汽車而言，傳統(tǒng)車企那種想保證完全安全之后再發(fā)布新車的做法是行不通的，因?yàn)殚L(zhǎng)尾中的小概率工況只有通過收集大量的數(shù)據(jù)，以O(shè)TA的方式才能逐步覆蓋，正如Tesla所做的那樣。值得一提的是，只要汽車的被動(dòng)安全技術(shù)做到位，Tesla這種看似比較激進(jìn)的做法并不會(huì)導(dǎo)致無(wú)法挽回的結(jié)果，但卻可以實(shí)實(shí)在在地在整體上提升行車的安全性。

Tesla全自動(dòng)駕駛系統(tǒng)的商業(yè)模式是什么？

無(wú)人駕駛汽車可算是一種新技術(shù)，而一種新技術(shù)想要對(duì)整個(gè)社會(huì)產(chǎn)生積極正面的影響，需要有相應(yīng)的商業(yè)模式配合。就之前的汽車行業(yè)而言，傳統(tǒng)車企的商業(yè)模式百年來基本沒有大改，大致可以歸納為：由零部件廠商供應(yīng)零部件給整車制造商，再由后者向銷售網(wǎng)絡(luò)中的經(jīng)銷商提供汽車產(chǎn)品，經(jīng)銷商從事賣車、維修等服務(wù)，再配以金融服務(wù)商提供如車貸、車險(xiǎn)之類的汽車金融服務(wù)。

這從圖6所示的傳統(tǒng)車企與像Tesla這樣的科技公司在資本性支出與企業(yè)人才的結(jié)構(gòu)分布上就可見一斑。前者較注重硬件開發(fā)與制造這種對(duì)生產(chǎn)資料和金融資本要求很高但邊際成本也很高的生產(chǎn)活動(dòng)，這也符合第二次工業(yè)革命中誕生的企業(yè)的特點(diǎn)；后者更偏重軟件開發(fā)這種對(duì)人力資本要求很高同時(shí)邊際成本很低的研發(fā)工作，同樣這也符合信息革命中誕生的企業(yè)的特點(diǎn)。由此造成的結(jié)果便是：汽車企業(yè)中毛利潤(rùn)率最高分豐田也不過15%，而硅谷的科技公司的毛利率普遍在60%~70%以上。

圖6 汽車制造商與科技公司在資本性支出與企業(yè)人才的結(jié)構(gòu)分布上的比較

或許是看出上述傳統(tǒng)汽車工業(yè)的“阿基里斯之踵”，Elon Musk為Tesla無(wú)人駕駛汽車設(shè)計(jì)的商業(yè)模式，除了傳統(tǒng)的汽車銷售之外，還有交通出行服務(wù)提供商，即Tesla Network，而后者與Uber的主營(yíng)業(yè)務(wù)是重疊的。在Tesla的官方文件中是這樣表述的：

“…Please note also that using a self-driving Tesla for car sharing and ride hailing for friends and family is fine， but doing so for revenue purposes will only be permissible on the Tesla Network， details of which will be released next year.”【也請(qǐng)注意，使用無(wú)人駕駛Tesla進(jìn)行汽車共享或?yàn)榕笥押图胰颂峁＼嚪?wù)當(dāng)然是可以的，但想借此盈利的話，將只被允許通過特斯拉網(wǎng)絡(luò)（Tesla Network）來實(shí)現(xiàn)，其相關(guān)細(xì)節(jié)將在明年發(fā)布。】

如果關(guān)注一下行業(yè)內(nèi)其它專業(yè)人士在公開場(chǎng)合表達(dá)過的觀點(diǎn)，就會(huì)發(fā)現(xiàn)持有類似看法——對(duì)用戶而言，重要的不是擁有汽車的產(chǎn)權(quán)，而是使用權(quán)；對(duì)企業(yè)而言，相比于直接擁有大量固定資產(chǎn)，在當(dāng)下掌控事物之間的連接關(guān)系或許更易成功——并不只有Musk一人。

汽車租賃行業(yè)鼻祖Zipcar的創(chuàng)始人羅賓-蔡斯（Robin Chase）于8月10日在Medium上發(fā)文《Self-Driving Cars Will Improve Our Cities. If They Don’t Ruin Them》，指出汽車共享將給交通與就業(yè)帶來巨變，政府應(yīng)提前做好預(yù)案；

進(jìn)入汽車共享領(lǐng)域比Uber更早的Lyft的聯(lián)合創(chuàng)始人大衛(wèi)-齊默（David Zimmer）于9月18日在Medium上發(fā)文《The Third Transportation Revolution》，描繪了無(wú)人駕駛汽車共享這種商業(yè)模式將帶來的“正外部性”；

Google無(wú)人車之父塞巴斯蒂安-特龍（Sebastian Thrun）在10月29日的知乎Live中再次表達(dá)了“Transportation as a Service”（出行及服務(wù)）的觀點(diǎn)，即按需使用出行服務(wù)但并不購(gòu)買汽車。

McKinsey與Bloomberg New Energy Finance在10月初發(fā)布的《An Integrated Perspective on the Future of Mobility》報(bào)告中，也將共享無(wú)人駕駛汽車作為主要的交通方式之一，如圖6所示。

圖6 麥肯錫眼中的城市交通模式之一：無(wú)縫交通系統(tǒng)（Seamless Mobility）

如果Tesla Network真將得到有力執(zhí)行，那么Tesla與Uber之間早晚會(huì)有一戰(zhàn)，且雙方的優(yōu)勢(shì)都來源于目前各自手中所掌握的大數(shù)據(jù)——Tesla擁有更多道路行駛里程數(shù)據(jù)，Uber擁有更多用戶出行習(xí)慣數(shù)據(jù)——并正在或有意圖把手升到對(duì)方的地盤中——Tesla有意開展汽車出行服務(wù)，而Uber正致力于開發(fā)Level 4以上的無(wú)人駕駛汽車——爭(zhēng)奪出行網(wǎng)絡(luò)中的樞紐節(jié)點(diǎn)的地位（如同Google之于互聯(lián)網(wǎng)、Facebook之于社交網(wǎng)絡(luò)），以此壟斷萬(wàn)億美元的出行市場(chǎng)，孰勝孰負(fù)遠(yuǎn)未明了。