本文发表在我的微信个人公众号上，欢迎关注公众号“我思锅我在，ID：angelplusdevil），与我一起深度探讨。
2011年1月，$苹果(AAPL)$ 在第一财季宣布手机及其配件总营收达到104.7亿美元，一举超过诺基亚，坐上全球手机厂商的宝座；
2020年7月，Salesforce以1792亿美金市值第一次超越Oracle，宣告了新兴软件对传统厂商一次里程碑式的胜利；
还是7月，$特斯拉(TSLA)$ 以2072亿美金市值超过了丰田的2019亿美金，摘得全球市值最高车企的桂冠，这距离它成为全球第二大市值车企仅过去六个月。
内燃机汽车逾130年的垄断似乎在一年内被颠覆，不少人开始将特斯拉与苹果类比，而当初Salesforce高呼"软件吞噬一切"的口号，似乎也在渗透这个人类工业历史上璀璨又古老的领域——
软件开始"定义"汽车。
回到1908年，福特T型车面世。至今，超过1500万辆T型车伴随着美国第一次黄金时期一同起飞，期间是经济和投资市场的纸醉金迷。
直到1929年的黑色星期四，以燃油汽车代表的美国经济黄金二十年才宣告终结。但其缔造的车轮国度和汽车文化，奠定了美国梦坚实的基础。
可以说，福特不仅带来了国民性的产品，还有一种根深蒂固的理念：
最能体现先进科技和工业发展的产业，代表着人类本我的荣耀之点。人类文明的每一次迭代，是先进科技每一次重塑人类自己的过程。
所以，当特斯拉、比亚迪和蔚来纷纷跻身全球车企前十之时，当马斯克决定卖掉全部房产却成为全球首富之时，我们该如何看待这个充满科技与荣耀的"泡沫"？
以及在这场现代工业剧变的背后，各方争执的制高点究竟在何处？
01
"7000亿"泡沫为何物？
特斯拉到底是什么？
回答这个问题前，先要理解现代工业：
- 看工业必须落笔终端；
- 看硬件必须先看软件；
- 看算法必须应用芯片。
浓缩成七个字：软硬一体化终端。
首先，单纯从汽车工业的角度，特斯拉不是一家传统意义上的主机厂。
琳琅满目的车型，数以万计的配件和上下游，覆盖完整且散碎的修理门店以及带有浓浓机油味道的工人，这些画面一天都没有在特斯拉的工厂里发生过。
成立十七年仅只有四款车型，生产线号称全球最智能、最现代与最具未来感。工人已经不能称之为工程师，这是一群汇聚了算法、AI和智能制造的科学家团队，他们把汽车彻底地软件化、芯片化和高算力化，自己搭建智能新生态。
最终驾驶者会被资产化，人和车，未来甚至无法断定谁才是工具。
十八年前，马斯克决定安家洛杉矶，他要造一台符合硅谷文化逻辑的现代车。
2008年，他以一个未来汽车人身份走向舞台中央。面对潮水般的质疑，他掀开了Roadster的面纱——一台真正意义上的电动跑车终端：
- 100%电力驱动，理论值1000公里续航，令汽油车望尘莫及的加速度和推背感；
- 传统的底盘与车身结构，不在物理性上做重大创新和突破，维持安全和稳定性；
- 性感的外观，略微昂贵的价格，环保理念。
三大特征在本质上对应以下底层逻辑：
- 有创新但绝不挑战认知极限，很好地管理了科技人士的期望值，产品可落地；
- 纯粹的电动车，把传统驱动能源彻底区隔，且保证极佳的动力和续航能力；
- 人文关怀和普世价值，用尖端科技真正带来环保实际价值，占据道德制高点。
诚然百年汽车工业，哪是一个Roadster便可轻易撼动。
总计2450辆的销量甚至赶不上将Roadster送上太空的营销广告费，但从某种意义上，马斯克已经达到了开山的目的，接下来好戏登场。
02
终端才是汽车界"苹果"的标志
如果Roadster是特斯拉的第一个终端，17寸液晶大屏则是第二个。
1984年初乔布斯发布了第一代Macintosh，一个将图形用户界面运用于个人计算机上的产品，图形界面的概念出现，并带来了苹果两个划时代的产品：Mac OS，和它的本名Mac机。
Mac机诞生彻底刷新了人们对于易用性和交互性的认知，即人与计算机最好的交互载体就是显示屏，而显示屏最好的交互手段就是图形化表述。
背后逻辑是用户将需求合盘托出，显示屏进行图像化展示并与用户深度交互，前提是这个终端拥有一颗强大算力的大脑来处理繁复信息和即时需求。同时，在终端上基于OS搭载丰富的应用生态 —— 这便是平台效应。
在Mac之后的iPod及iPhone，无不体现了乔布斯对终端的逻辑。从硬件终端向智能终端的演化，更需要依赖软件和算法在硬件上的创造力。
这个创造力便被马斯克用在了电动车上。
汽车原本意义是驾驶。然而驾驶途中如果运用过于丰富的操作组件和内容应用，还有智能识别带来的繁重能耗，会不会造成巨大的负载和安全隐患？
马斯克的回答是先把屏幕终端放进车里，犹如第一代Mac机，终端商扯及智能化问题逐步破解。
就这样，一个17寸的液晶触屏出现在了2012年的Model S中。
一台电力驱动的汽车，一个电力驱动的可交互平台，一颗基于开源Linux和独立算法的大脑。
仿佛记忆又回到乔布斯的1984年。
Linux的诞生本身就充满互联网底层文化的味道，人类科技发展在螺旋中走向开放、合作和共享。
全栈式的软件开发更依赖开放的开发者生态及其创造力，在这样的开源文化之下诞生了第一代Tesla操作系统——Version。
Version颇有为后来ADAS（Advanced Driving Assistance System，高级驾驶辅助系统）造势的意味：一辆智能车终端，拥有一双明亮的"眼睛"。
而只有先消灭自动驾驶的问题，才能去思考如何为在车上为乘客消磨时光，即如何丰富应用。
2015年，Version 7正式推出Autopilot，包括自动车道保持、自动变道和泊车，宣告了自动驾驶时代的到来。可以说，机器视觉，AI及配套软硬件将奠定新一代汽车的智能化和生态基础。
紧接着，如同Mac OS的演化，硬件和软件逐渐开始耦合，两者互相推动，互相促进，将逐渐改造整个传统汽车工业。
在互联网浪潮下，软件几乎定义了所有硬件和基础设施。
终于，软件定义汽车，第一次出现在世人面前。
03
软件定义终端
第二个终端伴随第一代大脑上车，完成了软硬件的第一层耦合。
Version 7的划时代意义在于，要真正实现Autopilot中的"Auto"，必须加载更多传感器、雷达和摄像头等硬件。
于是，前视觉摄像头，固态激光和毫米波雷达、360度超声波传感器等一系列看似和传统汽车无关的硬件，正式开始向车规级进军。
这迅速引发了第二个问题：
如何定义未来的主机厂？如何定义未来的Tier 1？
上述问题直指一个本质：
汽车制造业的未来，核心还是不是解决驱动问题？
在传统汽车制造里，90%的驱动问题源自硬件，而在软件比重逐步提高的智能汽车中，让主机厂在软件层面更加智能的公司，是不是比单纯解决驱动问题的硬件公司更适合做未来的Tier 1？
至此，当今在Tier 1里超过80%与驱动问题相关的工种，以后将何去何从？
2008年，特斯拉没有软件收入，和传统车企无异，它是一个单纯以销售汽车为主的汽车公司。
2020年，以FSD（Full Self-Driving，完全自动驾驶选装包）为核心的软件收入已经暴增至19亿美元，占据了总销售额的7%。
根据安信证券预测，到2025年FSD将贡献汽车业务总毛利达到25%。
到底是谁，为什么为FSD买单？
任何一项服务一定是带来了客户价值才能够被付费 —— 当Version系统不断升级之后，车主惊奇地发现，系统升级竟然会带来加速度的提升，自动泊车问题迎刃而解，未来继续"氪金"，解锁自动驾驶真的只是钱的问题。
最性感的地方在于帮助车主实现梦想的时候，客户在按互联网时代以来最典型的模式付费 —— "免费"获客，无限"升级"。
而华尔街已经开始从通常在SaaS软件财报中才会出现的"递延收入"项里寻找，以推测FSD的收入体量和发展情况。
这一切变化开始冲击被称为历史上最难撼动的传统车企的商业模式和产业结构。
技术改变了商业，商业撼动了产业。
而这时候，传统汽车工业的经验反倒成了掣肘。
宝马早在2008年就开始拥抱车载以太网，试图通过百兆车载以太网的数据传输链路，为汽车本体打造多样化的多媒体娱乐空间，也就是著名的车载IVI系统。
（2013年宝马X5搭载的车载以太网，来源：知乎）
但十二年过去了，没有任何一个客户会将宝马和智能车联系在一起。正如前面所述，撇开技术，本质上这犯了本末倒置的错误——
当司机需要全神贯注在驾驶上时，此时的智能程度并不能称之为智能，只配得上销售的花头。
反观特斯拉，从2012年第一代Version系统面世的八年间，当系统已经更新改良40多次的时候，传统车企和主机厂甚至还未拥有自己的Version。
从智能化和操作系统的工业发展原理上看，这个落后和传统工业制程上的落后，本质上是一个逻辑。
未来，到底什么样的汽车公司才能登顶Tier 1？
04
争夺制高点
早有宝马2008年拥抱车载以太网，现有大众成立车载软件开发部门，纷纷定义自己的车联网操作系统，而操作系统必须自建主机厂生态。
换言之，四十三年前成立的苹果和微软，还有谷歌，都在用自己的方法打造庞大的生态体系，构建商业闭环。这个逻辑和博世、大陆与主机厂的关系，本质上没有区别。
而拥有自己的开源系统、算法、软件和用户定义的谷歌显然是这里面的带头大哥，一个开放的安卓生态，赋予了而后的英伟达、Mobileye、百度，甚至华为以生命，并且将开源的概念根深蒂固地印在了所有科技企业和互联网公司的灵魂深处。
开源的软件环境及强大的生态效应，在未来的Tier 1中将扮演越来越重要的角色。硬件如果没有软件能力的驱动，再好的汽车也无法实现智能。
那么，高度的智能化又基于什么呢？
当然还是芯片。
犹如当初被问及为何要推出拥有自研芯片的iPhone？
乔布斯的解释言简意赅：一个被丰富定义的算法和应用，必须要被自己的芯片去集成。
只有自己的芯片，才能最大程度展现两件事：软件的魅力和极致的性能。
早在Model S问世时，丰富应用的问题就已经提上日程。丰富程度主要包含两个方面：
- 解决大规模的车内交互问题；
- 解决自动驾驶问题。
传统汽车永远把稳定的驾驶性能放在第一位，而交互往往停留在收音机、CD播放、开关车窗等强物理动作，基本驱动都是点对点，对连续智能没有要求。
而智能车不仅要与人互动，其与外界环境产生的交互数据量远大于车内与人的交互数据量，往后还必须与云数据中心发生交互。
智能车自身将彻底成为"私有云"，和公有云中心产生的海量非结构化数据所组成的混合云体系之上的智能化，对AI的要求变得极其苛刻。
自此，智能车Tier 1的尚方宝剑登场：
一款真正意义的车规级AI芯片成为新时代的制高点和关键点。
然而，车规级AI芯片的第一次著名应用，又得请出老朋友：BMW。宝马7系早在2007年便和Mobileye合作，将毫米波雷达和多传感器视觉融合的方案耦合到了Eye Q2上。
但成功总是讲究天时地利人和，智能化应用还未在手机普及的彼时，显然不可能在产业更加固化的汽车工业上实现重大突破，加之传统Tier 1有明确的护城河和产业阵营，汽车电子领域更有博世的一家独大，既得利益明确且长期有效的传统Tier 1们并没有给Mobileye太多的进取空间。
在彼此既真诚又虚伪的两年合作后，这段短暂的合作就此终结。
而彼时，暂时不具备AI芯片开发能力的特斯拉也选择了Mobileye。但Mobileye却并非真正意义的“白衣骑士”：算法无法更改，迭代代码不开放，芯片不可编程等一系列问题，让马斯克大为光火，一系列封闭的条框并不符合特斯拉的长期利益和价值观。
加之随后崛起的英伟达，马斯克终于意识到，要获得成本、功耗和算力多项平衡的芯片，只有自己才知道真正的规格和要求。
早在和Mobileye合作的时候特斯拉便开始自研FSD芯片，但车规级芯片的研发并非一日之功，其对功耗算力比和图像处理速度的极致要求，都反映在了最终的成片上，对比Mobileye和英伟达：
- FSD：处理速度2300帧/秒，功耗算力1W/TOPs，算力双芯片144TOPs，总功耗72W；
- Mobileye EYE Q5：处理速度36帧/秒，功耗算力0.41，算力24TOPs，总功耗5W；
- 英伟达Xavier：处理速度110帧/秒，功耗算力2，算力20TOPs，总功耗106W。
可以看出，FSD在图像处理速度上与其他芯片相比做了明显的加强，同时平衡了总功耗，为而后Model 3在商业价值上的一飞冲天奠定了坚实的基础。
05
中国智能汽车的元年？
未来谁才是真正意义上的Tier 1，换句话说，谁能成为新一代的产业盟主？
综上，有以下四个基本条件：
- 传统基础层：传统造车的整车生产能力；
- 技术基础层：自研的决策，感知，神经网络全栈式AI能力；
- 应用基础层：至少具备基于某款SoC开发的关键车载AI应用；
- 全面复合层：自洽的OS和软硬件能力，自研AI芯片和算法开源。
把目光转回国内的造车新势力：蔚来、理想和小鹏。
从上述结论中，我们逐渐看清三家新贵的定位：
- 何小鹏从应用基础层开始，基于英伟达的芯片，自研了感知视觉和决策规划算法；
- $蔚来(NIO)$ 类似，只是将感知结果也交给了芯片合作伙伴Mobileye；
- 李想则更好完善了自己的终端产品，并且在未来车与人的逻辑关系上，提出了自己的见解。
（来源：凤凰网）
从芯片的角度出发，AI芯片不同于传统集成电路的技术发展路径，并没有完全依赖于过去的半导体产业链。
所以中国公司在AI芯片的发展史上，和美国的起步时间并没有太大区别。在这个领域，我们完全没有妄自菲薄的必要。
培植自己的车规级AI芯片生态，和美国将会并驾齐驱，是完全有可能的。
而任何车规级AI芯片的功能都取决于智能车本身的需求，而终端的需求则来源于市场和用户，一定是明确的正循环和正反馈机制。
其次，从智能化角度，在正反馈到达一定极限的时候，由NXP等芯片巨头进一步提出了"域"的概念——汽车的智能化将会被分开管理。
一个由中央控制器即MCU管理的多域智能车发展模式，将很可能引领时代。
基于每个域，不同的应用、底层的通信、协议及其转化逻辑，还有相关硬件等将会细分成多个赛道，在未来的十到二十年间，会成为投资者、市场以及政府相关部门重点关注的大赛道。
但是，智能车终究还是一个初生儿。一个将被软件充分定义的硬件产品，而创新的底层逻辑用一句话表述：
软件算法是否可以通过高通量的数据、即时的通信能力和强大的中央处理器，去调动硬件更大效率地迎合应用的智能化，来满足人类对于驾驶的终极乐趣和终极需求。
人性的终极乐趣和需求到底是什么？
这个问题已经在手机上见证了太多意想不到的可能。
2020年——智能车的真正元年，甚至可以称为中国智能汽车的元年，往后仍有几个重要的问题亟待了解，比如：
首先，特斯拉在没有布局关键硬件比如激光雷达的情况下，推动完全自动驾驶落地的可能性有多大？以中国三大新能源势力为代表的全栈式硬件布局和关键硬件布局这两套武功，到底谁才是推动全自动驾驶的最佳性价比方案？
其次，神经网络的根本挑战是在安全关键系统实现足够的可靠性，仅仅用大量的摄像头来解决极其困难的问题，是否现实？软件对硬件的补充能力到底有多强？
最后，未来的智能车在同等性能下，到底可以比现在的电动车降低多少车身重量？集控单元的决策和执行可做到的简化能达到什么程度？现有电池的本质科技没有突破，智能车最大续航逻辑上能达到多少？
行文至此，未来数期文章，我们会继续围绕智能车的各个细分赛道，分析行业机会，梳理投资逻辑，为智能汽车的未来抛砖引玉。
有理由相信，所有的讨论和问题将随着这个初生儿的成长而逐渐明了。
这条探索之路，也将伴随上面的终极问题一起——
变得更加复杂，但无限有趣。
精彩评论