到底是硬件+AI，还是AI+硬件？
｜王艺
｜王博
“我真的不喜欢当前的消费电子产品。比如，无论怎样都会默认每年更新一代。”
近期，智能硬件Rabbit创始人吕骋在接受科技媒体The VergeNilay Patel的专访时谈到了此前饱受争议的Rabbit R1以及对AI硬件产品的看法。
Rabbit R1自从在今年年初的CES上推出以来，就因为AI硬件的标签而广受关注，但是数据造假、套壳安卓、炒作概念等质疑纷至沓来，全球拥有近2000万粉丝的知名数码评测博主Marques Brownlee（MKBHD）对Rabbit R1的评价是：“这很难评（ Barely Reviewable）。”
但是，这些质疑和差评并没有让Rabbit“凉”下去，吕骋在The Verge的访谈中还专门提到公司的最新进展，Rabbit发布了一个建立在大型行为模型Large Action Model之上的通用跨平台代理系统——LAM Playground，LAM可以根据用户的语音指令浏览网络内容。而且， 吕骋还透露，售价199美元的Rabbit R1，硬件利润率超过40% 。
「甲子光年」从AI硬件行业知情人士处了解到，Rabbit还计划推出一款新的AI硬件。
而在国内，字节跳动近期发布了集成了豆包大模型的智能耳机Ola Friend。用户戴上该智能耳机后，可以通过语音对话随时使用豆包，同时在豆包App上也可以操控这款耳机。
和Rabbit R1发布后一样，这款产品也遭受了质疑，例如：为什么必须要用一款专门的耳机来跟豆包对话；Ola Friend和普通耳机加个大模型chatbot没什么本质差别，不是真正的AI硬件。
但不管怎么样，AI硬件的热潮是翻起来了，无论是大厂还是初创公司都在纷纷入局。「甲子光年」统计，自2019年以来，包括吕骋在内，已经有十多位大厂或知名公司的高管下场进行AI硬件的创业。
AI硬件领域大公司高管创业汇总，整理及制图：甲子光年
AI硬件的赛道中，并不缺少现象级产品，但是部分产品似乎陷入了一种 “昙花一现”的魔咒 ——它们短时间内吸引了大量关注，却没有形成足够的产品力，也没有获得更广泛的市场认可。
虽然如此，但是正如吕骋所说的，如今的消费电子产品缺乏创新，即使一些AI硬件不尽如人意，但AI硬件的市场前景仍不容忽视。
那么，AI硬件当前存在什么问题，又有哪些解决之道？什么样的AI硬件才是理想的产品？
1.AI硬件：市场很大，焦虑很多
AI硬件几乎是和GPT-4等大模型在同一时间出现在市场上的，但是其发展速度并没有追上大模型的步伐。
2023年11月，Humane AI Pin横空出世，以刷屏的姿态引爆了当时的科技圈。这款以自然语音交互为基础、以增强现实（AR）的投影功能为亮点的AI别针被当时的媒体类比为“初代iPhone”。还未正式发布的时候，Ai Pin就被《时代》杂志评为「2023 年最佳发明」之一，并获得了超过2亿美元的投资。
Humane AI Pin 图源：官网
然而，就是这样一款“出道即巅峰”的明星产品，其销售量却不及退货量。
今年6月份，《纽约时报》援引两位匿名消息人士的话称，Humane公司已售出10000台 AI Pin。但据The Verge在8月援引一位“直接知情人士”的话报道，如今只有7000台售出的设备没有被退回，内部销售数据显示退货量超过了设备/配件销售额（约900万美元）。The Verge还透露，有1000台AI Pin的订单在发货前就被取消了。
AI Pin之所以遭遇销售滑铁卢，主要是因为产品功能太鸡肋。
AI Pin只能打电话、发信息、拍照，缺少App调用的能力，唯一靠谱的功能是播报时间；此外，续航和发热等也是其经常被用户吐槽的问题。前文提到的博主MKBHD甚至做了一期视频吐槽AI Pin，标题是《目前为止我测评过最差劲的产品(The Worst Product I've Ever Reviewed... For Now)》。
AI Pin推出之后，Rabbit R1也上演了类似的故事。此外，去年苹果推出的Apple Vision Pro、索尼XR头显等大模型时代诞生的AI硬件，也都在发布后的不同时期遭遇了销售的滑铁卢。
硬件之所以总是复制这种“昙花一现”的发展路径，主要还是产品定义上存在缺失。 它们要么是没有找到用户真正的需求、提供了冗余功能，要么是只满足了用户某一部分的需求，但是仍然需要依赖手机运行，无法作为独立的个人计算设备出现。
即便如此，大厂和初创公司还是一窝蜂地投入到AI硬件的创业浪潮中去，试图抢占AI时代的流量入口。Emergen Research数据显示，AI硬件在2022年的市场规模为92.1亿美元，年复合增长率为17.7%，预计到2032年将达到465.9亿美元的市场规模。如此庞大的市场，任何一个玩家都想提前进场分一杯羹。
字节推出Ola Friend耳机就是最典型的例子。
AI开发者、“科创学院”旗下AI硬件创业者陈正翔告诉「甲子光年」，对于这款耳机，以字节的实力，本可以在麦克风阵列的相位处理、内噪和外噪的处理、声纹分离、唤醒词和意图的识别、结束标志的延迟、息屏唤醒、后台无豆包App运行的唤醒对话等音频和声学领域做得更好，但是字节没有这么做，而是通过收购Oldance团队再用大模型做简单包装的形式迅速推出AI耳机。在陈正翔看来，这体现了字节想要赶上AI硬件这趟车的焦虑。
一位接近字节的人士对「甲子光年」印证了这一说法。他表示，字节想建立一个以C端应用为基础，横跨C端（消费端）和B端（企业端）的“大而全”的AI体系，然后以此为支点，进一步打入云计算等底层技术的基建生态。豆包大模型是字节在B端的布局，在占住B端生态位之后，字节要在C端也抢占生态位，而AI硬件就是不可或缺的流量入口。
市场如此广阔，玩家却普遍焦虑。AI硬件，到底该怎么做才好？
甲子光年 」认为，或许可以从“硬件”和“软件”两个方面思考这一问题，思考是“硬件+ ”还是“AI+硬件”。
做新的硬件产品一般有两种思路：一，在已有品类上做创新和提升；二，定义全新的品类。
第一种思路是“硬件+AI”的逻辑，用AI赋能本就存在的硬件产品，做功能的迭代升级，或者找准细分市场需求做差异化的创新。
第二种思路是“AI+硬件”的逻辑。AI作为一种新的技术形式，是可以从根本上变革个人计算设备的产品形态的。正如互联网催生了PC和笔记本电脑，移动互联网催生了智能手机、iPad，AI大模型也催生了Humane AI Pin、Rabbit R1等新的AI硬件形态。换句话说，可以通过软件定义硬件。
2.硬件+AI：润物细无声
在原有产品功能已经非常强大的情况下，“硬件+AI”要怎么才能做出让用户眼前一亮的花样来呢？
或许可以从科技发展的历史规律中找答案。
科技行业一直有一个“普适计算（ubiquitous computing）”的思想，它来自美国计算机科学家马克·维瑟。
1991年，时年39岁马克·维瑟在《科学美国人》上发表了《21世纪的计算机（The Computer for the 21st Century ）》。在这篇文章中，马克·维瑟对普适计算做了如下描述：
用一句话概括，就是“ 润物细无声 ”。
在普适计算理念之下，马克·维瑟认为21世纪的计算机会融入网络、融入环境、融入生活。为此，计算机会更小、更廉价；同时，它们会有网络连接、超越图形界面、可以与环境和人做更多的交互； 他认为最伟大的计算技术是那些从人们的视线中消失，融入到日常生活用品当中的技术，让人们意识不到计算的存在 。他甚至为这种“融入网络、融入环境、融入生活”的智能设备定义了三种形式：
尽管马克·维瑟在1999年与世长辞，但他的思想对乔布斯产生了巨大的影响。2001年，iPod诞生；2007年，iPhone发布，开启了真正意义上的“普适计算”时代；2010年，iPad发布，连名字都与马克·维瑟的预言吻合了。
马克·维瑟的普适计算预言不仅帮助乔布斯缔造了苹果这样一个庞大的商业帝国，后来TWS耳机、AR眼镜、蓝牙音箱等智能硬件和可穿戴设备的出现更是印证了这一预言的有效性。
也就是说， 想要在“硬件+ ”领域做出花样， 第一种可行策略 可以借鉴马克·维瑟和苹果的思路，将产品做得更便利 ，更有 陪伴性 ，更具 沉浸感。
Rewind（后更名为Limitless）公司推出的Pendant吊坠就是这种“陪伴性”的体现。Limitless吊坠可以像无线麦克风一样别在衬衫上，也可以像项链一样用绳子系起来，挂在脖子上。该设备不受天气影响，电池寿命长达100小时，可通过USB-C端口轻松充电，因此可以保持一种“always on”的状态，随时记录用户一天的谈话内容，并借助后台AI软件自动生成转录内容。
Limitless的Pendant吊坠 图源：官网
这种吊坠的存在，使得用户无需开启手机录音就可以自然地记录自己2到3天的全场景信息，并随时调用后台生成的转录做复盘，是一种“润物细无声”的信息记录者。
销量证明了这一产品的成功：仅仅发布5天，Limitless Pendant吊坠的销量就突破了2万条，其中美国用户占一大半。
除了陪伴性和沉浸感，对AI硬件领域的新玩家来说，第二种可行策略是 寻找到一条足够细分差异化的赛道，用AI升级原有硬件，寻找新的需求。
科大讯飞就是其中的一个典型代表。他们瞄准了“商务办公”场景，围绕各种痛点需求，用AI升级原有硬件的能力。
在办公场景，针对办公场景下80%使用的是台式机、没有麦克风的痛点，科大讯飞推出了AI智能鼠标，在鼠标里内置了麦克风，能够将用户的语音转换成文字输入到电脑中；同时，用户的语音输入还能调起讯飞星火大模型，帮助用户快速生成PPT大纲、分析数据表格。
针对会议场景下手机录音嘈杂、整理不便的痛点，科大讯飞推出了iFLYBUDS Pro 2耳机，该耳机拥有“红点录”功能，开盒按压耳机盒内置的“红点”按钮，无需开启APP，即可开启现场闪录，讯飞星火大模型会自动整理录音、做会议纪要；此外，针对商务洽谈多语言场景，该耳机接入大模型，实现近乎实时的翻译体验。
除了鼠标和耳机，科大讯飞还用AI升级了翻译机、办公本等产品。
这种针对一个细分场景、围绕原有硬件用AI做功能升级的策略为科大讯飞带来了正向的回报：2023年公司的智能硬件营收为16.17亿元，同比增长22.35%。刚刚发布的2024半年报也显示，科大讯飞在2024年上半年的营业收入达到了93.25亿元，其中智能硬件业务实现了营收9亿元，同比增长56.61%。
自2023年5月科大讯飞正式发布星火大模型以来，讯飞星火大模型的变现方式就分为赋能现有业务、API授权付费、企业定制化模型3类，目前来看，C端硬件的营收增长是最明显的。可以说，在当下大模型商业化的普遍困境下，用“硬件+AI”的方式做大模型的落地变现似乎也是大模型企业的一条破局之道。
3.AI+硬件：软件定义硬件
除了“硬件+AI”，还有一种方式是“AI+硬件”，也就是用软件定义硬件。
黄仁勋今年7月在和《连线》杂志资深撰稿人劳伦·古德（Lauren Goode）的炉边谈话中，给以GPU为代表的AI计算下了一个定义叫“ 加速计算 ”。之所以叫“加速计算”，是因为要和之前的“经典计算”做出根本性的区别。2G—5G时代的个人计算设备算力是运行在云端的，它是在冯诺依曼结构的计算机上跑的确定性的代码， 输入与输出是由人编写的代码定义的精确的关系，类似农耕民族以种地谋生的方式，一分耕耘一分收获；而AI加速算力是在Transformer等神经网络上训练出来的，它是一个黑盒，动态性更高、结果更不可预测，类似游牧民族以放羊、狩猎为生。
不同的文明催生不同的经济形态，不同的算力催生不一样的产品。此次AI算力变革的力度之大让科技领域直接从农耕时代进入了游牧时代，也让AI硬件产品的形态发生了巨大的变革——从以窗口和命令为主导的Photoshop到只输入一段Prompt就能生成图片的Midjourney，从智能手机通过屏幕交互的GUI（Graphic User Interface，图形用户界面）型的硬件，到后来Humane AI Pin、Rabbit R1等通过语音与用户交互的LUI（Language User Interface，语音用户界面）型的硬件，算力和软件的变化对硬件形态的更新起到了举足轻重的作用。
个人计算设备的演变 图源：公众号“鹿其鹿粦chilling”
大模型厂商提供的产品和服务千篇一律，新的AI硬件形态具体是什么也并没有收敛和达成共识。那如何才能做好“软件定义硬件”这件事、做出有商业化变现能力的AI硬件产品呢？
软件定义硬件，最重要的不是发挥硬件的价值，而是发挥软件的价值，将硬件作为流量入口来设计。这就倒逼AI硬件厂商从需求端想问题。
用 重塑需求，或许是软件定义硬件的一种解决思路。
正在探索“AI+养老”方向创业的陈正翔认为，正如语言可以塑造人的想象，具有语言理解能力的AI也可以重新塑造需求。
“以TWS/OWS耳机为例，我们大多数人是用它们来听音频的，极少主动跟耳机对话。但是AI耳机相较于传统的TWS/OWS耳机来说，最大的变量就在于用户是在跟大模型、跟一个‘虚拟的人’对话。一开始你可能只是对耳机说，我今天心情不好，你给我讲个笑话吧，AI耳机会在聊天过程中主动提议，那你把手里的工作放一放，咱们去喝杯咖啡放松一下，然后触发大众点评或者滴滴打车的接口，这就成为了这些App的流量入口，可以获得App收益的流量分成。”陈正翔说。
在陈正翔描述的这一案例中，AI耳机让一个原来只想吐槽工作，并不想喝咖啡的人通过大模型下了一单咖啡外卖，或者驱使他去了咖啡馆散心，这就是成功的需求塑造。
假如AI耳机调用了滴滴或者马蜂窝的接口，在用户劳累的时候主动触发用户出门旅游的需求，给用户做行程规划、路线安排并发起一个100公里的顺风车订单，那么在马蜂窝、滴滴等互联网服务商受益的同时，AI耳机的运营商也可以从中获得抽成，这甚至已经为AI耳机趟出一条清晰可见的商业模式—— 在中国制造业的利润只有1%、2%的艰难处境下，单卖硬件是不赚钱的，必须要靠软件获取增值收益；而AI耳机对需求的重塑，就是放大这种增值收益的绝佳杠杆。
而要想真正做出这种能重塑需求的AI硬件，首先就需要在 硬件技术上做升级和革新 。
以AI耳机为例，要想实现真正对需求的重塑，就需要AI耳机厂商在声纹分离、麦克风阵列、语义识别等方面做更多的工作。这里面甚至可以加入一些视觉的因素，比如搭载摄像头，让AI耳机具备环境感知和识别的功能，进而更加深入地理解用户行为、重塑用户需求。
值得一提的是，前魅族副总裁、怒喵科技创始人李楠就在筹备带有摄像头的AI耳机产品。
这和马克·维瑟在《21世纪的计算机》里提出的另一条构想不谋而合。他认为，更多 传感器 的加入可以给AI设备带来更多新的交互手段，“随身携带的智能设备+传感器”将拥有人和环境的感知能力，拿到环境数据的新型硬件产品形态将越来越理解人，越来越能满足甚至重新定义人的需求，逐步替代掉原有的GUI时代的王牌产品，谷歌搜索甚至都将成为历史。
这也是苹果这么多年来一直在升级传感器的原因。每一个传感器的加入、每一代产品的革新，都解决了上一代产品解决不了的问题；更多传感器的加入，也让苹果积累了更多的用户行为数据，为发现更多新的需求、推出更多新的功能做准备。
连续创业者、Airbnb前中国区产品负责人Roc Yu告诉「甲子光年」，AI硬件中有一个非常好的打法是 超级单品路径， 他认为，Tesla电动汽车就是一个“超级大单品”，它拥有海量的传感器和上亿公里的FSD自动驾驶数据，用数据资产搭建起了自己的护城河。AI硬件产品创业也可以参考这种打法，让自己的产品形成一个Data-Information-Knowledge-Wisdom的闭环。
但 除了硬件技术，软件和交互方式的突破同样重要 。某前沿科技基金管理合伙人、专注于AI和机器人方向投资的Aaron Qian就在自己的文章中提出了在多模态大模型出现之后，AI硬件的三层架构：
Aaron认为，现阶段的AI硬件，特别是新品类新团队的机会大多在第一层，即新式传感器，但长期中如果不能将价值向第二和第三层延伸，则会陷入消费电子卷成本的深渊无限竞争（参考激光雷达之于自动驾驶）。因此，如何在“软件定义硬件”的基础上，更加充分地发挥软件的能力，AI硬件创业者需要考虑的最根本问题。
Roc Yu持有同样的观点。他认为， 硬件是入口，真章全在入口后面， 垂直的小模型，端侧模型，丰富的场景数据，机器深度的绑定垂直场景，精密协作的分工和详细的Agentic Flow（智能体工作流），才有机会基于数据资产和数据网络效应，形成AI时代的护城河——正所谓“冰山底下见真章”。
Roc Yu表示，在超级单品路径之外，AI硬件的第二类创业思路是 大生态路径 ，类似苹果的打法，围绕硬件这一基础的载体去做开发者生态，形成一个类似App Store一样的开发者平台，比如可以以AI耳机为载体，在里面做足够多的Agent，用户可以随时通过语音调用Agent，满足自己各样的需求。
“外在的形式是很容易做的，中国作为制造业大国，外在function的能力不是难题，核心能力是能否更深层次地触达、了解用户，倾听他、辅导他，陪伴他，这比单纯做硬件是难上加难。”Roc Yu说。
尤瓦尔·赫拉利在他的新书《Nexus（智人之上）》中写道：“计算机在人类之间充当中介，有时候甚至会控制人类。这些计算机与人的连接不同于传统的人与文件的连接，因为计算机现在能够自行做出决策、创造想法，并深度伪造亲密关系，对人类发挥过去文件做不到的影响力。”
正如尤瓦尔·赫拉利所说，曾经算法驱动的注意力经济，正逐步演变成AI驱动的深层次亲密关系经济。无论是AI软件还是AI硬件，他们都是作为一种个人助手，也就是Agent存在的。“未来无论是软件这种虚拟的Agent还是AI硬件这种实体的Agent，所有的Agent都将成为relationship Agent。”Roc Yu说。
尽管到底是走“硬件+AI”还是“AI+硬件”的道路，市场和工业界仍然没有达成共识，但是在多模态大模型、强化学习、传感器和新材料技术的突飞猛进下，一个更加智能的、用AI驱动深层次亲密关系的个人计算设备时代离人们将不会遥远。
参考资料：
《Rabbit CEO Jesse Lyu isn’t thinking too far ahead》，The Verge
《万字探讨：AI硬件的突围方向和可能性未来》，鹿其鹿粦chilling
《和怒喵李楠聊AI硬件：取代iPhone的可能是耳机、项链、眼镜，“AI手机”不是正确答案》，脑放电波
跨越AI大模型的门槛：尤洋教授的理论与实践指南｜甲子光年
尤洋教授的《实战AI大模型》为读者提供了一把跨越AI技术门槛的钥匙，他凭借在高性能计算领域的深厚积累，分享了大模型的理论与实践。 从GPT-3.5的崛起开始，尤洋洞察到大模型将成为未来发展的重要趋势，他不仅缩短了BERT模型的预训练时间，还关注AI软件市场的爆发增长，尤其看好中国在AI领域的崛起。 然而，大模型的门槛并不只是对于初学者，对于专业人士而言，如何驾驭尖端技术并实现降本增效是挑战。 尤洋教授以Colossal-AI系统为核心，构建了一本实战指南，帮助读者理解模型原理、训练方法和实际应用，如Transformer、BERT和GPT等。 他强调，理解基础概念和算法至关重要，这使得大模型从感知理解世界走向生成创造世界的过程更加清晰。 尤洋的创新不仅体现在理论研究上，他的创业公司潞晨科技开发的Colossal-AI，解决了大模型训练中的资源瓶颈，通过分布式训练和优化技术，使得大模型在商业应用中变得更加可行。 他的愿景是通过开源和易用的工具，降低大模型的门槛，让每个人都能参与到这个AI革命中来。 《实战AI大模型》不仅是一个技术指南，也是大模型时代的桥梁，连接了理论与实践，帮助读者在AI大模型的浪潮中找到自己的定位，共同推动AI技术的发展和应用。
为什么自动驾驶遇瓶颈，但自动代客泊车却很热？｜甲子光年
撰文 | 火柴Q
| 甲小姐
设计 | 一凡
视频中，一位女士开着奥迪A8L在写字楼附近下车，她轻轻按了手机中的一个键，车就在无人驾驶的情况下自动来到地库并进入了车位。
等女士离开写字楼时，只需在上车点用手机一键召唤，车又自己从车库开了回来。
开门、上车、走人，干净利落，省去了费时耗力的停车、取车环节。
这就是“自动代客泊车”（Auto Valet Parking）场景(在奥迪当时的展示中使用的是piloted parking“遥控泊车”概念)。
在功能上，它是泊车辅助系统、ADAS（高级自动驾驶辅助系统）等的升级；在技术上，则属于低速L4级自动驾驶。
但5年来，并不新颖的AVP概念仍未照进现实。 近两年的自动驾驶热潮更多表现在另一个细分赛道：城市道路乘用车L4级自动驾驶。
这是最符合一般人印象中的自动驾驶——无需司机操作，车能自动载客穿梭于大街小巷，完成超车、倒车、避让行人等所有人类司机应该完成的任务。
其对应的终极商业模式是 Robo-Taxi（机器人出租车） ，它属于 TaaS（Transportation as a Service，运输即服务） 模式的一种。 成立于2009年的Waymo（隶属于Google母公司Alphabet）是这一领域的先驱。
从2016年开始，这一细分赛道越加火热：通用于当年收购了自动驾驶公司Cruise，目前估值已达146亿美元；、、、文远知行等瞄准高速L4/L5级自动驾驶的创业公司相继成立；网络的Apollo自动驾驶平台，Uber、滴滴的自动驾驶计划陆续上马。
但这种“快速发展”目前看来主要表现在融资和估值上。 经过前两年的热潮，城市道路乘用车L4级自动驾驶在2018年进入瓶颈一年。
2018年11月，Waymo公司CEO John Krafcik在公开场合坦言自动驾驶技术的普及还需要几十年 。 几天后，苹果联合创始人Steve Wozniak也表示： 自动驾驶 汽车 不可能在不久的将来实现 。
困住这些世界级聪明头脑的无非两个词：量产和商用化。
然而，AVP却很有可能率先打破城市空间中，乘用车高级别自动驾驶的量产和商业化僵局。
现在，市场离AVP的量产落地终于只有临门一脚了。
有可能踢出这“临门一脚”的是一家从ADAS辅助驾驶系统切入自动驾驶领域的上海公司——纵目 科技 。
2018年12月26日，纵目 科技 宣布收到中国一汽的项目定点信，将在中国一汽红旗品牌2020年的量产车型上，部署低速L4级自动驾驶AVP产品。 纵目成为中国首个拿下整车厂AVP量产项目的公司。
让纵目拿下车厂订单的是他们在去年11月针对停车场低速场景推出的AVP1.0版的升级版。 而纵目对这一领域的 探索 起步于更早之前的2016年9月。
当时，在国内自动驾驶领域，相比黑 科技 感更强的无人车方向，AVP并不是焦点。
到2017年7月，戴姆勒和博世在斯图加特梅赛德斯奔驰博物馆共同宣布了“自动代客泊车”（Auto Valet Parking）概念（二者在这一领域的合作始于2015年），业内才对这一场景有了较为统一的说法。
而2018年，AVP的竞争已是如火如荼。
纵观以上进展，大部分是概念、Demo、技术方案、战略合作的发布。
这说明两个问题：
一、各玩家都看到了AVP的前景。
纵目 科技 创始人兼CEO唐锐也告诉「甲子光年」：“我认为AVP是中国市场上（自动驾驶领域）最具有战略价值的高地。”
梅赛德斯-奔驰乘用车中国研发中心负责人安尔翰（Prof. Dr. Hans Georg Engel）也曾在去年表示：AVP是通往自动驾驶之路的重要里程碑。
二、真正在这一领域有长期积累的玩家并不多。
上述进展中，有些项目的研发是在去年才启动的，许多进展仅停留在合作发布阶段，还未到测试，更未到量产阶段。
在这个背景下， 纵目在12月拿到的一汽红旗轿车AVP量产订单就具有了重要的市场开拓性意义 ——纵目的AVP系统很可能率先登录主流乘用车。
站在众玩家扎堆进军AVP的时刻，纵目 科技 创始人兼CEO唐锐向「甲子光年」回顾了他的思考历程：为何在2017年上半年就看准了AVP？
可以先从商业逻辑来看这个问题。
在考虑 自动驾驶各落地场景的机会大小和商业化速度时，主要看4个维度： 封闭场景/开放场景、固定路线/自由路线、低速/高速、车里有乘客/无乘客。
除了技术差异外，以上四维度中，封闭场景/开放场景还涉及路权问题；有乘客/无乘客则涉及立法难度。
而自动驾驶的商业模式则主要有两种：
一是上文提到的 TaaS ，在这个模式中，自动驾驶是运营服务得以成立的核心技术。
二是 汽车 产业的传统商业模式，即 在 汽车 里加入自动驾驶功能，再卖给消费者，唐锐将其总结为VaaP （Vehicle as a Product）。 在这个模式中，提供自动驾驶系统的公司充当整车厂的供应商。
VaaP是现在，TaaS是未来。
以这个框架来看，最复杂且商业价值最大的情况是“开放道路、自由路线、高速、车里有人”，它可以直接应用在城市出行上—— 、、文远知行等公司，以及全球自动驾驶头把交椅Waymo都是在向这个“桂冠场景”挑战 。 其对应的商业模式Robo-Taxi将彻底改变人类出行方式，进而改变生活方式、交往形态，催生一系列新业态。
这也是这类公司吸引了大量风投的原因，大机会不容错过。 但这一场景的商业化时间目前看起来还很遥远。
最容易落地的情况则是“封闭道路、固定路线、低速、车里无人” ，比如矿区中的矿车和园区里的无人物流车；但这一场景的商业价值有限，向其他场景的迁移性也有限。
而AVP则处在中间——“开放道路（但停车场、尤其是地库等类型的停车场里行人不多）、自由路线、低速、车里无人”。
这刚好是一个折中的、有较大延展性的场景 ，它具备以下特点：
一、法律法规障碍小——落地快、量大
相比其他城市中开放、半开放场景，低速且车中无人的AVP的立法难度和伦理风险显然更小。
这个场景中不存在“保乘客还是保行人”的伦理难题；由于速度低和地库较少有行人出入，其事故风险也更小。
唐锐告诉「甲子光年」，他认为AVP能更快落地的根本原因就是：“法律法规更简单，车厂上量产订单的意愿会更强。”
这直接带来的商业后果就是AVP能更快落地，且量大。
二、同时面向VaaP和TaaS市场——能造血、空间大
在VaaP市场 ，大众、戴姆勒、宝马、沃尔沃等公司都已将嵌入AVP系统的量产车型提上日程。 纵目此次拿到的一汽AVP量产订单也属于VaaP模式。
VaaP让做AVP的厂家能在 相对短期内获得营收，具备一定自我造血能力 。
而同时， AVP又具有切入运营服务，即TaaS市场的潜力 。
当下，AVP产品形态就可以直接切入 汽车 分时租赁运营服务 。
这个模式其实就是共享单车的 汽车 版。 但相对自行车， 汽车 的取放更复杂。 分时租赁运营商需要在调度车辆上花大量运营成本，且停车、取车不便也影响了分时租赁的市场接受度。
所以 分时租赁运营商有采用AVP系统的强烈需求 。
在分时租赁模式中，AVP厂商有机会参与运营，提供增值服务，如为保险业提供数据洞察、在乘客的AVP控制入口（如手机APP）上添加精准营销、目的地打折信息、广告等业务。
这是一个比供应商角色更轻、边际效益更大、 更有利润空间的商业模式 。
三、AVP未来有切入“桂冠场景”的潜力
如前所述，投入自动驾驶的资本和人才浩浩汤汤，最让大家的兴奋的还是“桂冠场景”——城市道路高速自动驾驶场景。
而AVP具有切入这一场景的潜质。
这是因为AVP对技术的要求其实很高。
这个场景满足开放道路、自由路线的特点，这意味着需要完全的L4级自动驾驶技术才能保证AVP的大规模商业落地。
AVP与自动驾驶桂冠场景的差异主要在于：
而 以上两大差异，正是目前限制高速L4级自动驾驶落地的瓶颈 。
前者使得方案里不得不使用探测距离更远、但价格昂贵的激光雷达，成本居高不下。
后者则有待技术突破。 正如Waymo CEO John Krafcik所说，自动驾驶普及还需要几十年，主要是因为技术还没有突破在任何天气、任何条件下都能驾驶的最高等级L5。 只要这个能力不解锁，就无法真正保障自动驾驶的安全性。
换言之，有实力做出可靠AVP方案的公司，在技术上，和瞄准高速L4级自动驾驶的公司并无泾渭分明的鸿沟。
用唐锐的话说，技术上能有的都有。 而那些该有还未有的技术，大家都还在等待。
其次， 与园区物流车、高速公路卡车等细分赛道相比，AVP直接应用在乘用车上 ，与乘用车高速自动驾驶场景更具有商业和合作上的顺承性。
先成为整车厂的低速L4级AVP供应商，再共同研发高速L4级自动驾驶，可能会成为一条稳扎稳打的桂冠场景进击路。
“我认为这是一个战略高地，如果这个占领住了，再去打高速，这个很Solid（有坚实的基础）。 ”唐锐说，“在中国，低速L4级自动驾驶可能先落地”。
纵目能在2016年底较早捕捉到AVP的机会还得益于这家公司的基因。
纵目刚好代表自动驾驶领域的 一大派别“车+AI”，另一大派则是“AI+车” 。
所谓 “车+AI”就是以 汽车 行业为基点切入自动驾驶 。 通用、大众、丰田等车厂的尝试，博世、采埃孚、大陆、现代摩比斯等Tier 1（一级供应商）的尝试都属于这一派，其特点是产品导向。
成立于2013年的纵目也是一家“车派”的自动驾驶公司，团队有深厚的 汽车 背景：
纵目创始人唐锐曾有14年 汽车 半导体的研发管理经验；团队中还包含了原奇瑞 汽车 工程研究院总工程师陈卓超等多位国际一流Tier1的高管和技术专家；在2016年开始组建技术团队后，也引进了曾在Zoran与CSR公司担任高级研发经理的王凡等AI人才。 纵目对车厂的量产流程，如何控制产品成本有清晰、清醒的认识。
而“AI+车”则是以AI技术为基点，从自动驾驶的算法切入，逐步谋求商业落地。 许多有互联网 科技 背景的公司都属于“AI+车”一派。
其在海外的代表是Waymo、Cruise、Uber自动驾驶、Auto X等公司，在国内的代表则有网络Apollo和、、文远知行等（最后提及的这三家公司都有网络背景）。
但 到了2018年的萧瑟环境中，市场更关心的是谁能好好活在当下 。
从“生存力”上来说，车+AI一派有一定的优势。
纵目的发展历程也正是如此。
2013年到2017年是纵目的第一个阶段，完成了从初创公司到Tier 1的跨越。
此阶段纵目主推的产品是L0到L2级的ADAS系统，能实现司机在最后3-5米的辅助泊车及辅助驾驶功能。
到2017年5月，已经在厦门、上海建立了自己的生产线，并拿到IATF认证（一种生产过程质量体系认证）的纵目从主要提供算法和方案的二级供应商，升级成了直接面向车厂、同时提供软硬件产品和服务的Tier 1，合作车企包括吉利、威马、上汽大通、北汽银翔、江铃新能源、车和家等。
与此同时，完成A轮融资后，纵目在 2016年春节后开始组建自动驾驶团队 。 与“AI+车”派的最大区别是，纵目从第一天做自动驾驶，想的就是怎么才能真正量产。
唐锐对如何实现自动驾驶量产有3个思考。
首先， 量产一定要在品质上达到“车规级” 。
汽车 是出行工具，但从另一个角度看，也是“杀人机器”， 汽车 之所以成为工业明珠，就是因为任何用在 汽车 上的零部件和系统一定要经过各种高低温、跌落、震荡、老化等极端情况的考验，尽可能保证安全性和稳定性。
这是一个快不起来的过程。 法雷奥中国区CTO顾剑民曾表示：“从方案到最后的量产，一款真正的车规级的开发一般需要花费五年或七年。 ”作为Tier 1，纵目开始做自动驾驶时，车规级产品出货已达50万套，有较丰富的研发和量产经验。
第二，在质量过硬的同时， 一定要严格控制成本，才能上量 。
这也是纵目着力进军低速L4场景的原因，因为低速场景不需要太长的制动距离，不用使用动辄数万元的激光雷达等昂贵部件，对于计算平台的处理能力也不会有过高要求。
纵目以视觉的感知方案为基础，搭配低成本毫米波雷达，使用价格较低的高通骁龙820A平台，把AVP的成本控制得很低。 “我们可以把整套系统，控制器加所有传感器做到几千元以内。 ” 纵目副总裁陈超卓告诉「甲子光年」。
第三， 量产还要满足市场需求 。
停车难、取车难，以及城市道路上的拥堵是中国出行领域的特殊痛点。 所以唐锐判断，美国的高速场景可能有一定优势，但在中国，大概率是低速L4自动驾驶先落地。
在这样的思考下，纵目在2016年9月开始开发AVP产品，在2017年11月底率先推出了自己的AVP1.0系统。
回顾纵目如何能获得市场先机，唐锐说：“这是一个思维方式的问题， 当时很多人都想做很炫酷的高速自动驾驶公司，没有严肃地去想，中国市场到底需要什么自动驾驶。 ”
在具体开启AVP的商业打法时， 纵目也保持了“车+AI”的稳健 。
稳首先表现在资本借力上。 由于ADAS产品线已相对成熟，和许多大举融资的自动驾驶公司不同，纵目的做法是用ADAS的造血能力来覆盖研发自动驾驶的部分成本，因而对外部资本的依赖没那么大。
在拓展商业模式上，纵目首先仍是做好供应商的角色，从2018年初开始推动与整车厂的AVP量产订单， 走完了技术交流、SOR （Specification Of Requirements，车厂对供应商的产品规格要求） 、招标、定标、工厂审核的复杂流程 ，最终在年底拿到了一汽的定点信。
这个过程中，纵目花了3年多时间建立的一级供应商角色的优势开始显现，具体表现为与车厂采购部门的良好商业关系，与车厂研究院的多年的技术合作和与SQE（供应商质量工程师）在生产和质量把控上的默契。
同时，自动驾驶技术也让纵目有了跳出“一级供应商”实现产业链位置再升级的机会，即切入分时租赁运营服务。
“我有一个观点，L4级的自动驾驶一定是运营相关的。 ”唐锐说，“ 分时租赁是我们看到的一个大机会，它不仅能让传统的ADAS升级，还能带来新的商业模式。 ”
目前，纵目已经和多家整车厂旗下的分时租赁平台展开了初步接触，共同 探索 AVP在分时租赁模式下的落地方式。
梳理5年的 历史 ，并不高调的纵目有一条从辅助驾驶到自动驾驶的清晰升级路径：
“从整个公司来讲，战略很清楚——我们怎么从低速、AVP这个切口，树立纵目在自动驾驶的领导地位。 这个我们没变过。 ”唐锐告诉「甲子光年」。
在AVP即将量产的前夕，这个市场仍有一些不确定之处。
最大的争议点是技术方案的收敛方向：
目前，在AVP具体怎么做上，存在一个光谱分布，光谱一端是“改车派”、一端是“改车库派”。
纵目是改车派，追求 “车的智能” ，即在不改造地库的情况下，实现AVP。
唐锐认为改车方案有三个好处：
一是能更好地控制成本——改造地库的成本比较高，而且限制了AVP使用的地域范围；
二是纵目本身与车厂有较强的合作关系，而大车厂可以通过量产出货迅速催熟AVP这一商用特性，改造车库则要牵涉与地产商、物业的合作，市场碎片化和区域属性太强，增加了商业落地难度；
三是改造地库的方案对车的智能要求不够高，而通过“改车”来实现AVP，则更接近未来的高速L4自动驾驶场景，符合纵目的长远发展战略。
“如果停车场有通信和车-场协同更好，但如果不改造，车也有足够的智能，就像人能在陌生停车场找到停车位一样。 ”唐锐说。
地平线也属于改车派，在去年11月28日，地平线首次公开测试了其AVP项目，不过地平线目前的方案用的是Velodyne 16线激光雷达（官方售价为3999美元），成本有待进一步降低。
全球最大一级供应商博世则是“改车库派”的代表 ，可以通过对车库的改造，让不同车型实现“自动停车”，车辆本身只需要电子制动、自动换挡、电子助力转向及远程互联等基础功能，不需要任何环境感知功能。
这个方案的优点是对车辆要求低，但目前的成本较高。
在去年博世和戴姆勒于中国联合展示的方案中，他们使用了柱式安装的工业级单线激光雷达。 基于系统冗余的考虑，实际应用中，可能平均每3个车位就要布局25个激光雷达，在成本上尚不现实。
禾多 科技 去年底推出的 Holoparking则处在中间位置 。
用禾多 科技 创始人倪凯的话总结是 “场端、高精地图端、车端”组成的“三端合一”方案 。
这一方案的难点是需要做系统性研发：“我需要把这三端都做研发，面相对铺得比较开，需要很多的技术模块共同来完成。 ”倪凯曾在接受采访时说。
不管是“改车派”还是“改地库派”， 在推进AVP商业落地的过程中，都面临一个共同问题，就是需要整合各方资源，制定一套新的产业链利益分配方式 。 这是因为AVP作为L4自动驾驶的一个应用，脱离了单一硬件模块或者软件功能的概念；AVP技术提供方也不再是单纯的整车厂Tier 1供应商，而是越来越深地卷入了AVP“产品+后服务”的全生命周期。
目前来看，AVP这一场景牵涉的商业角色有6类：AVP自动驾驶技术提供方、整车厂、分时租赁运营方、高精地图图商（自动驾驶技术的实现需要配套的地库高精地图）、充电技术供应商和商业地产/物业公司。
各方有待厘清的问题主要在于两方面。
一是商业模式 ，这涉及最终谁来买单，上游如何分润。
买单方是相对明确的 ——不管是VaaP模式还是TaaS模式，最后的付费者都有C端的司机/乘客；而TaaS模式下，还可以有部分“羊毛出在猪身上”的收入，比如与出行服务结合的营销、广告、保险等业务。
各参与方需要考虑的是最终端的消费者愿意为AVP系统花多少钱？是愿意按次花钱，还是一次付完？
上游的分润模式则有更大的不确定性。 对纵目这样的技术供应商来说，他们可能想终止以往卖产品、卖license的单次收费模式，改为按调用次数收费，并试图切入以AVP为基础的增值服务；图商、物业也需要在新模式中找到合理的分润方式。
二是权责如何分配： 万一车辆在自主泊车过程中出现事故，谁是责任方？保险公司应如何赔付？
“一定是服务的商业模式，”唐锐坚定地看好AVP和分时租赁结合的运营服务，但他也坦言： “具体的利益分配、责任分配现在看还不清楚。”
但这种“模糊”的状态，往往也意味着机会。
对纵目这类 汽车 行业的后起之秀而言，它们有机会通过新一轮变革获得最有利的市场位置。
“整个市场是比较碎片化的，谁都没有完全的话语权， 正是因为这个事比较复杂，所以需要一个核心的技术供应商来挑头。 ”唐锐这样看待现在的局势和纵目可能的位置。
目前，纵目已和部分车厂、图商、商业地产物业等相关角色讨论新的商业规则。
接下来，纵目的远期目标是在实现AVP的基础上，升级到高速L4级自动驾驶。
这家步步为营的公司，制定了一个三步走方案。
第一步是继续和整车厂密切合作，跑通AVP技术量产落地的从0到1。
2018年，纵目已接到了大量国内车企的预研项目，在一汽红旗车型的量产AVP订单后，纵目或将公布更多好消息，包括进入合资车企的供应链。
唐锐自己的判断是， 跑通从0到1的关键是2020年，当装载AVP的车辆到达一年10万台以上后，AVP才算经受了市场检验。
同时， 纵目也已开始布局第二步，用AVP技术提升分时租赁服务商的调度效率 。
“我个人判断，做分时租赁的企业比较适合从1到N复制。 ”唐锐告诉「甲子光年」，这类运营厂商更看重市场推广和铺量，在产品被充分验证前，很难满足他们的商业拓展需求。
所以，纵目的计划是在稍晚的时间——大概2019年下半年开始和分时租赁公司谈具体的落地项目。
在此之前，纵目会在小范围内通过大量测试，跑通AVP与分时租赁结合的各个技术点，再去和大平台做联合运营。
第三步，则是 在未来开始真正进入高速L4级自动驾驶领域 。
在这个过程中，纵目仍会借助自己的Tier 1身份，以ADAS和AVP产品线获得收益，自我造血。
同时，在技术条件更成熟、传感器成本降低、法律法规环境也更完善时，进军高速L4级自动驾驶的“桂冠场景”。
唐锐对“时机”的判断是，真正L4级产品的竞争会发生在未来5到10年间，这是一个足够大的机会，也需要付出足够的耐心。
“真正让自动驾驶exciting（令人兴奋）的东西，一定是service（运营）。 ”唐锐说。
在新的自动驾驶和运营结合的时代里，纵目不会停留在一个传统Tier 1的角色，而是考虑更多可能性——比如通过核心部件切入，深入参与出行方式变革带来的一系列增值服务。
“我们希望是第一个在中国证明L4能真正商业化落地的公司。 ”唐锐是一个不愿过多展露锋芒的人，但这一次，他不吝说纵目就是要当第一。
第一究竟花落谁家，和自动驾驶的发展一样，“欲速则不达”，心急看不了结果。
但率先拿到一汽AVP量产订单，为纵目的豪言增添了底气，这家公司己赢得了一个有利位置。 未来两年，它将对阶段性的胜利发起冲刺。
