一覺醒來，我們似乎已經(jīng)進(jìn)入自動(dòng)駕駛時(shí)代。作為人工智能重要的分支，發(fā)展最迅猛，引來的資本關(guān)注也是空前的。

盡管谷歌從2009年開始，一直在做自動(dòng)駕駛的研究，但直到2014年，才開始大范圍鋪開。所有一線車企都投資了自動(dòng)駕駛，推出各種發(fā)展計(jì)劃，收購(gòu)創(chuàng)業(yè)公司，互聯(lián)網(wǎng)科技公司和通訊、芯片公司也積極參與進(jìn)來。

人人都惟恐錯(cuò)過這場(chǎng)技術(shù)的盛宴，資本就是他們進(jìn)場(chǎng)的門票。人人都相信，投資將在數(shù)年內(nèi)產(chǎn)生回報(bào)，分析機(jī)構(gòu)開出各種版本的支票，仿佛他們都摸過預(yù)言的水晶球。

從2020年商用化到2030年智能汽車滲透率超過2/3的預(yù)測(cè)，比比皆是。那為什么我們還沒用上這套系統(tǒng)呢？按照預(yù)期，我們?cè)?-7年內(nèi)會(huì)用上，但到那時(shí)，恐怕仍然距離成熟無人駕駛?cè)杂?-7年。

如此一來，自動(dòng)駕駛吹起的泡泡，恐怕不止一個(gè)。

技術(shù)泡泡

自動(dòng)駕駛的技術(shù)核心，并非傳感器（激光雷達(dá)、毫米波雷達(dá)、攝像頭），而是決策系統(tǒng)。決策系統(tǒng)越“聰明”，人類越放心將方向盤交給它。

和人類駕駛員一樣，機(jī)器也是要學(xué)習(xí)的，它們需要被訓(xùn)練成能對(duì)付各種路況和突發(fā)事件。因?yàn)槭孪葻o法窮盡所有可能的情況，人們就希望自己的車能學(xué)會(huì)這一切。這套以大數(shù)據(jù)喂養(yǎng)的訓(xùn)練算法，被稱為深度學(xué)習(xí)。

而主流的深度學(xué)習(xí)沒有號(hào)稱自己是模擬大腦的（不包括人類腦計(jì)劃，這些項(xiàng)目的任務(wù)并非深度學(xué)習(xí)）。嚴(yán)肅的學(xué)者都承認(rèn)，人工神經(jīng)網(wǎng)絡(luò)（用數(shù)學(xué)模型模擬神經(jīng)元）只是生物神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)化模型而已。但在輿論風(fēng)潮里，人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)直就是縮小的人腦。

雖然深度學(xué)習(xí)得到了一些有趣的結(jié)果，譬如在模擬復(fù)雜路況下，自動(dòng)駕駛汽車采取了明智的決策。后者極大地引發(fā)科技公司爭(zhēng)先投入大量資源，但接下來則是漫長(zhǎng)的平臺(tái)期——自動(dòng)駕駛技術(shù)實(shí)際進(jìn)展很小，與公眾被炒爆的期待值相差越來越遠(yuǎn)。

在自動(dòng)駕駛系統(tǒng)的訓(xùn)練模型中，需要拿大量的數(shù)據(jù)去填喂——即搭載自動(dòng)駕駛傳感器的有人駕駛平臺(tái)上獲取的數(shù)據(jù)（特斯拉和豐田正在大肆搜集用戶數(shù)據(jù)）。

就像給深度學(xué)習(xí)系統(tǒng)100萬張各種貓的圖片，再給它一張全新的貓圖片，它認(rèn)出來了。但給一張狗的，又茫然不知。AlphaGo就被填喂了眾多對(duì)局和棋譜，它的等級(jí)分已經(jīng)超過任何歷史上已知人類棋手，但它仍然不會(huì)做別的，比如下國(guó)際象棋。

人們擔(dān)心，盡管整車制造商有能力獲取大量數(shù)據(jù)，但仍然在訓(xùn)練決策系統(tǒng)上缺乏進(jìn)展；而IT公司和基礎(chǔ)硬件公司（譬如英偉達(dá)）則為數(shù)據(jù)來源發(fā)愁。

深度學(xué)習(xí)的訓(xùn)練價(jià)值在于無監(jiān)督學(xué)習(xí)，而能夠用于實(shí)踐的，卻是有監(jiān)督學(xué)習(xí)。就像你在自動(dòng)駕駛汽車?yán)锩婧戎Х瘸瑁蝗幌到y(tǒng)宣布轉(zhuǎn)入人工駕駛，緊接著你就看到迎面一個(gè)大貨逆行過來……深度學(xué)習(xí)面對(duì)解決不了的問題，強(qiáng)行甩鍋且不給“交班”時(shí)間，畫面不要太美。

在爆炒兩年里，我們看不到商業(yè)化自動(dòng)駕駛系統(tǒng)，就是因?yàn)樗械难芯繖C(jī)團(tuán)隊(duì)都陷在瓶頸里，只是他們不好意思承認(rèn)而已。

人才泡泡

研究自動(dòng)駕駛的硅谷企業(yè)，包含谷歌、優(yōu)步和整車廠收購(gòu)的創(chuàng)業(yè)企業(yè)，他們最初的人才，往往來自密歇根大學(xué)、卡耐基·梅隆大學(xué)和斯坦福。

創(chuàng)建Google X試驗(yàn)室的塞巴斯蒂安·特龍，離職回到斯坦福教書并創(chuàng)建了自己的企業(yè)。他表示，優(yōu)步以近7億美元的價(jià)格收購(gòu)了擁有70名員工的自動(dòng)駕駛卡車新創(chuàng)公司Otto。通用汽車花費(fèi)10億美元收購(gòu)40名員工的初創(chuàng)企業(yè)CruiseAutomation公司。其實(shí)，優(yōu)步和通用是在花錢買人才，一個(gè)人才的市場(chǎng)價(jià)格是1000萬美元。

在特龍看來，隨著需求的增大，這個(gè)數(shù)字還將繼續(xù)增大。硅谷自動(dòng)駕駛?cè)瞬诺氖袌?chǎng)價(jià)格在兩年前就已經(jīng)飛上天。獵頭公司都蹲守在這些企業(yè)和大學(xué)的門外，一旦發(fā)現(xiàn)有人想離開，就揮舞支票簿，試圖高薪引誘。梅隆大學(xué)機(jī)器學(xué)習(xí)學(xué)院就被挖得千瘡百孔。學(xué)院院長(zhǎng)湯姆·米切爾（Tom Mitchell）稱，優(yōu)步去年“洗劫”了學(xué)院，優(yōu)步至少重金挖走了40名人工智能和機(jī)器人專家。學(xué)生們開玩笑說，現(xiàn)在學(xué)院連個(gè)做PPT的助教，都被學(xué)院盯緊防止被挖。

國(guó)內(nèi)相關(guān)產(chǎn)業(yè)人才沒有達(dá)到硅谷那樣的價(jià)格，但相關(guān)專業(yè)博士畢業(yè)兩三年，年薪至少50萬人民幣起跳。

現(xiàn)在的自動(dòng)駕駛領(lǐng)域，最賺錢的是“人頭”生意，因?yàn)樵擃I(lǐng)域的人才實(shí)在是太短缺了。深度學(xué)習(xí)、自然語言處理、圖像識(shí)別、推薦算法，只要跟這些專業(yè)沾邊的，一網(wǎng)打盡。

有人統(tǒng)計(jì)過自然語言處理的算法工程師招聘廣告，招聘的職位達(dá)到700多人。而國(guó)內(nèi)從事相關(guān)專業(yè)的高等級(jí)人士（幾家相關(guān)專業(yè)畢業(yè)的、有工作經(jīng)驗(yàn)的博士），總數(shù)也不過如此。

細(xì)分專業(yè)如此，整個(gè)自動(dòng)駕駛/人工智能領(lǐng)域，人才爭(zhēng)奪更是達(dá)到白熱化程度。根據(jù)某獵頭公司不公開的價(jià)碼，該領(lǐng)域職位最低的工程師年薪在30-50萬，創(chuàng)業(yè)公司中的研究員則在50-100萬之間，項(xiàng)目主管或CTC則大多會(huì)在年薪80萬以上且上不封頂，普遍在150萬左右。

而大公司里面，高級(jí)職位薪酬高過創(chuàng)業(yè)公司，基礎(chǔ)職位薪酬則低于后者。據(jù)稱，相關(guān)項(xiàng)目運(yùn)作經(jīng)驗(yàn)的高管，多半出自百度、微軟亞研門下。業(yè)內(nèi)年中聽聞某獵頭公司企圖以1300萬元年薪挖一個(gè)做人工智能來創(chuàng)業(yè)企業(yè)任CTO。

一個(gè)年薪千萬的團(tuán)隊(duì)，起碼要給企業(yè)創(chuàng)造過億利潤(rùn)，才具備相應(yīng)價(jià)值。但很遺憾，目前所有的公司都處于燒錢階段，根本無利潤(rùn)可言。

投資泡泡

相比人力投入，這些公司在自動(dòng)駕駛業(yè)務(wù)上還沒見到回頭錢，投資周期多以5年起。

有數(shù)據(jù)表明，僅2016年以來，我國(guó)已經(jīng)有145家企業(yè)投資自動(dòng)駕駛/人工智能領(lǐng)域，他們中間除了BAT這樣的科技實(shí)體企業(yè)，還有大量PE和VC機(jī)構(gòu)參與。

以自動(dòng)駕駛技術(shù)為業(yè)務(wù)主線的公司，大多以整車廠為業(yè)務(wù)方向。大量的研發(fā)支出。目前現(xiàn)金流上巨虧似乎是不可避免的，在業(yè)務(wù)上也無法找到可以用于衡量的增長(zhǎng)指標(biāo)。

投資機(jī)構(gòu)只能相信一些在學(xué)術(shù)上有已被證實(shí)成就的人，盡管他的公司可能商業(yè)上不成功，但他的學(xué)生和人脈會(huì)進(jìn)他的公司，這些人可能帶來一些商業(yè)邏輯更強(qiáng)的人一起“重建”公司，到那時(shí)投資更有把握。但機(jī)構(gòu)們大都心急，在第一階段就大舉殺入。

也就是說，投資人投的就是人，而不是公司。這頗像前兩年O2O、VR的天使輪投資模式。但從沒像今天投資自動(dòng)駕駛這樣瘋狂，僅靠一個(gè)團(tuán)隊(duì)，什么都沒干，就能撐起上億美金規(guī)模的融資。

2016年突然爆發(fā)的自動(dòng)駕駛輿論熱度與投資熱度不謀而合。但不是所有投資人都清楚，將自動(dòng)駕駛技術(shù)應(yīng)用到實(shí)際場(chǎng)景，需要很多年的時(shí)間。2020年、2025之類的承諾，多半出于給投資人打氣的目的。

前兩年熱度空前的VR，今年迎來了低谷。而自動(dòng)駕駛應(yīng)用前景比VR更大，也許投資人能熬住更久的時(shí)間不去想盈利的事。當(dāng)投資人一看到“自動(dòng)駕駛”字樣的企劃書就搖頭的時(shí)候，可能就迎來了自動(dòng)駕駛的投資低谷。到那時(shí)，三個(gè)泡泡可能一起破裂。

雖然過早的商業(yè)關(guān)注，對(duì)自動(dòng)駕駛技術(shù)進(jìn)步可能是阻礙。但泡泡破裂后回歸理眭，結(jié)果并不壞。

學(xué)術(shù)界上一次突破（深度學(xué)習(xí)算法）在自動(dòng)駕駛上應(yīng)用紅利馬上就要透支完畢，問題是，投資人是否有耐心等待下一次突破？endprint