数据 传感器 打车服务 谁是未来无人车制胜关键？

无人车上路之前出现，这样的话特斯拉就尴尬了。我们拭目以待。

因此，网络效应——“赢者通吃”效应在于数据中：包括驾驶数据以及地图。

这引申出两个问题：谁会得到数据，你又需要多少数据？

数据的所有权是一个有趣的权力和价值链问题。显然特斯拉在尝试自己解决所有的重要技术问题并将它们用在自己的汽车上，因此特斯拉也会拥有数据。但一些OEM会说，汽车是他们的，客户关系是他们的，因此，数据也应该是他们的，数据如何使用的决定权应该在他们手里，而不是交给任何技术合作伙伴。

从传感器供应商的角度而言，这或许是种站得住脚的态度：我不确定把GPU、摄像头和激光雷达当做商品来卖，同时又试图保有数据这种事是可持续的。但因为工作需要，那些制造无人车零件的公司需要得到数据。如果你不把数据循环回技术，后者就无法提升。

这意味着OEM将为供应商创造网络价值，但自己什么都得不到。这和PC或安卓OEM的地位是一样的：它们通过同意在自己的产品中使用软件来创造网络效应，这让它们能卖出产品，但它们的产品就变成了“半商品”，同时网络效应还会流向科技公司，对于科技公司来说，这是一个良性循环，多数价值都会流向供应商而不是OEM。这也是为什么多数汽车OEM都想自力更生的原因：它们不想像康柏一样GG。

这把我引向了终极问题：你真正需要的数据到底有多少？当你向其中投入更多数据时，系统能不能持续变强？或者说，这件事上有没有S曲线——在某个节点之后，再加入更多数据会出现收益递减吗？

也就是说，网络效应有多强？

对于地图而言，这是个很明显的问题。多大的车辆密度、多高的频率才能让你的地图变得更好？这又会转变为最低多少的市场份额？市场给参与者留了多大的空间？十家公司行吗，或者两家？一打二级OEM结盟然后共享数据能行吗？送货车能卖自己的数据吗，就像它们今天卖其他种类的地图数据一样？

这仍然和消费软件生态系统不一样——RIM和诺基亚没法插手黑莓和S60的用户基础，但你却可以在地图上这么干。这会是进入的一个障碍，还是进入的一个条件？

这个问题同样适用于驾驶数据，而且事实上，适用于所有的机器学习项目：在哪个点，当你加入更多数据时会出现收益递减；在哪一点，曲线又会变平？多少人能得到那么大的数据量？

举个例子，对于通用目的的研究而言，提升看上去是无限的。但对于无人车而言，确切得说，这件事应该是有天花板的——如果一辆无人车能够在那不勒斯毫无压力地开上一年，还需要做多大的提升？在特定的某一年你将能有效地把它完成。

因此，网络效应意味着如果你拥有更多的用户，你的产品就会变得更好，但在你的产品变得“足够好”之前，你需要多少用户？在你的无人车变成市场上最好的之前，你需要卖掉多少辆车？多少公司可能达到这个水平？同时，机器学习本身也在快速地发生着变化——说不准哪天，实现自动驾驶所需的数据量会骤减。

小结

上面所说的这些都基于一个假设，就是未来的自主驾驶系统会有好坏之分。但“比较差”的无人车意味着什么？会让你比较容易出车祸，还是只是无人车会更容易懵比然后停在路边等人类支援？手动控制装置会蹦出来吗？汽车会鼓励你这么干吗？

问题的答案，我猜，是L5级别的自动驾驶将会是L4的进化，并且每辆车都会有手动控制系统，但它们会用得越来越少。

随着手动控制越来越没人用，L5级别自动驾驶将会正式登上舞台。这可能将会依照场景来逐步实现，我们可能会在德国首先实现L5，然后是那不勒斯、莫斯科……这将意味着在全自动驾驶实现之前，收集上来的数据在网络规模下被利用得非常好。