0. 小引
农历狗年除夕之夜,百度阿波罗平台(Apollo)的自动驾驶汽车登上央视春晚的新闻刷爆了朋友圈。按照官方的说法,Apollo 计划已经取得或即将取得的成就如下:
 
2017 年 04 月,百度公司 COO 陆奇在上海车展公布了百度自动驾驶汽车技术商业化策略,即「Apollo 计划」;
 
2017 年 07 月,百度正式发布 Apollo 自动驾驶开放平台,将自身积累的自动驾驶技术、数据和资源面向全行业开放,以期降低无人驾驶研发的门槛,加速自动驾驶技术的普及;
 
2017 年 11 月,科技部宣布将依托百度建设自动驾驶国家新一代人工智能开放创新平台;
 
2017 年 12 月,百度与雄安新区达成合作,拟将雄安打造为全球领先的智能出行城市样本;
 
2018 年,百度 Apollo 与金龙客车自主研发的无人驾驶小巴「阿波龙」即将面世,并开展示范运营;
 
2019 年,百度将与江淮、北汽推出自动驾驶量产车型;
 
2020 年,百度将与奇瑞推出自动驾驶量产车型;
 
迄今为止,加入 Apollo 计划的的企业或机构共有 88 家。
 
自诞生起,百度阿波罗平台一直声称要成为「自动驾驶领域的 Android 操作系统」。号称「受到包括李想、李斌、何小鹏、付强等行业大佬的一致好评,包括徐留平、朱华荣、付强、曾毓群、杨浩涌、王劲、董海洋、廉玉波等行业大佬主动成为订阅用户」的建约车评不止一次发布软文,对百度 Apollo 计划大唱赞歌:
 
2017 年 04 月 19 日:《 百度扔下原子弹,炸掉全球无人驾驶数百亿美金研发投入 》,这篇文章的逻辑推理非常奇葩,从前提条件到结论的推演路径相当诡异,而赞美陆奇的态度几近跪舔;
 
2017 年 08 月 08 日:《「怼」百度 Apollo 的正确姿势 》,大批何平 8 月 6 日发表在《经济观察报》上的文章《 百度阿波罗计划打折:虽挂名,但与百度暂无实质合作 》缺乏专业性,作者没有职业操守。事实上,是谁不专业谁没节操,明眼人一看便知;
 
2018 年 01 月 10 日:《 自动驾驶,百度在谷歌家门口向谷歌宣战 》,对百度敢于在 Waymo 总部所在地加州的临州内华达州开 Apollo 2.0 发布会的「勇气」大加赞赏;
 
2018 年 02 月 16 日:《 百度无人车亮相春晚,何时飞入寻常百姓家 》,对百度 Apollo 能击败阿里巴巴、腾讯和华为,被官方钦点为中国自动驾驶汽车的国家队,钦佩不已。
 
如果大佬们真的相信这些标题近似咆哮、内容不诉诸理性而只求煽动读者情绪的文章中得出的结论,那可真的是要栽跟头了。因为百度 Apollo 平台成为「自动驾驶领域的安卓操作系统」的可能性几乎为 0。
 
1. 基本的智慧:为什么 Waymo 从没说过要做「自动驾驶的 Android」?
1.1 段永平的智慧
2016 年 11 月,在得到专栏「硅谷来信」第 46 封信《 巴菲特午餐聊什么(二)》中,《浪潮之巅》的作者吴军博士讲过一个发生在步步高集团董事长段永平身上的故事:
 
当年步步高曾夺得央视广告的标王,靠着黄金时段的广告,这家公司的品牌迅速被广大消费者接受。为了维持品牌,也为了宣传自己新的产品,公司每年都投入几个亿到现在的几十个亿做广告。当然,这也让广告公司挣得盆满钵满。
 
脑筋灵活的读者看到这里可能马上会想:与其让广告公司挣钱,为什么不自己成立一家广告公司,或者收购一家呢?
 
的确,当时步步高的很多高管也意识到这一点,向段永平建议自己创办广告公司。但是段永平并不认可这种想法,认为自己办广告公司一定会办砸。段永平解释道:「我确实不知道为什么我们不可能办好,但是我知道一定会是一个失败的结果。因为如果你们的逻辑成立的话,今天世界上最大的广告公司应该是可口可乐广告公司或者宝洁广告公司。但是结果却不是,这里面必然有它的原因。」
 
段永平向吴博士透露,当年和他先后夺得央视广告标王的企业,无一例外地成立了自己的广告公司,今天它们绝大部分消失了,个别的还在苦苦挣扎。而他因为没有去做那些自己不懂的事情,而是把心思放在一代代产品的更新上,十几年来公司发展得非常稳健。这些智慧是他从巴菲特身上学到的。
 
1.2 Google 自动驾驶技术发展历程
某种程度上,整个自动驾驶汽车产业是被 Google 一家明星企业给带热起来的。它从 2005 年开始涉足自动驾驶汽车领域,其发展大事记如下:
 
2009 年,启动自动驾驶汽车项目,成立自动驾驶汽车团队,大范围采集街景数据,构建地图数据库;
 
2010 年,经由《纽约时报》,正式对外公布正在研发全自动驾驶汽车(SAE Level 4 及以上);
 
2012 年,获得加州机动车管理局(DMV)颁布的自动驾驶汽车路测许可;
 
2013 年,正式开始复杂情况下的城市道路实测;
 
2013 年,设计 Firefly(萤火虫)原型车并进行系列改装;
 
2015 年,公司重组为 Alphabet,开始和汽车制造商 FIAT 合作,不再亲自制造汽车本身;
 
2016 年,成立专注研究并商业化自动驾驶技术的独立实体公司 Waymo;
 
2017 年,拿到美国高速公路安全管理局(NHTSA)的认定文件,开启真人乘车试验;
 
2018 年,在亚利桑那州拿到美国首个商业自动驾驶打车服务执照。
 
截止 2017 年 11 月,Waymo 已在 4 座城市进行道路测试,里程累计超过 400 万英里。2018 年 2 月,加州 DMV 发布的《 Autonomous Vehicle Disengagement Reports 2017 》显示(见表 1),Waymo 在加州的自动驾驶车队在过去的一年中共行驶了 352545 英里,但只发生了 63 次「脱离」状况(即需要安全驾驶员进行人工干预的车况),平均可行使 5596 英里而无需人类驾驶员介入。
 
表 1  2017 年加州各自动驾驶路测机构人工干预情况
 
1.3 Google 自动驾驶技术发展历程
与之相比,中国互联网公司百度在 2013 年开始无人驾驶汽车项目,2014 年正式启动,其大事记如下:
 
2015 年,公布自动驾驶原型车,在北京首次实现城市、环路及高速道路混合路况下的全自动驾驶,随后成立自动驾驶事业部,致力于研究 L4 级别无人驾驶(完全无人驾驶);
 
2016 年,发布智能汽车战略,成立智能汽车事业部,致力于研究 L3 级别无人驾驶(有限条件自动驾驶),并获得加州 DMV 颁发的测试许可,首次在浙江嘉兴进行开放城市道路运营,并与国内 3 座城市签约进行道路实测合作;
 
2017 年,成立智能驾驶事业群组,并与博世合作研发高精地图,宣布为汽车行业和自动驾驶领域的合作伙伴开放 Apollo 平台;
 
2018 年,百度阿波罗系的百余辆自动驾驶汽车登上央视春晚珠海分会场,包括乘用车(与比亚迪合作)、短驳巴士(与金龙客车合作)、扫路车和物流车(与智行者合作)。
 
此外,如表 1 所示,百度自动驾驶车队去年在加州的测试总里程为 1971 英里,脱离次数 43 次,平均只能自动驾驶 45.8 英里。
 
1.4 Larry Page 和 Sergey Brin 同时犯错的概率有多高?
由上可知,世界上最适合在自动驾驶领域建立 Android 联盟,即开展百度 Apollo 计划的机构应该是 Google 母公司 Alphabet 旗下自动驾驶子公司 Waymo。因为它握有世界上最先进、最完备的自动驾驶技术,拥有最强人力资源、最长的道路实测里程以及仅次于 Apple 的现金储备(截至 2017 年第二季度,Alphabet 拥有 947 亿美元现金,苹果公司拥有 2460 亿美元现金),同时其兄弟公司 Google 也拥有运营智能手机 Android 联盟的成功经验。
 
但是即便如此,Google 却没有尝试去做「自动驾驶的 Android」,这到底是为什么呢?
 
聪明如 Larry Page 和 Sergey Brin 难道两人都没有想到过这个问题吗?不希望在 Alphabet 被美国司法部祭出《谢尔曼反托拉斯法》肢解之前在其它领域孕育出下一个同等体量的 Google 吗?
 
几乎不可能!唯一的解释是:Page 和 Brin 早就知道在自动驾驶领域照搬 Android 那套是行不通的,即使做了也是徒劳无功白费力气!
 
如果李彦宏和陆奇有上述基本的智慧 / 思考问题的方式,估计就不会想出并执行「自动驾驶的 Android」这个几乎不可能成功的选项了。或许是陆奇这位空降的 COO 急于巩固自己在公司的地位,才在到任后 3 个月内依样画葫芦,画出了 Apollo 计划。

 

2. 自动驾驶的本质:汽车主动安全技术的终极形态
2.1 汽车安全——汽车工业的三大主题之一
2.1.1 如何用数学方法推导出未来汽车工业形态?
学汽车专业的都知道,汽车工业有三大主题——能源、环境与安全,任何汽车技术的发展都是为了解决这三方面的问题。如果按照数学的逻辑 - 公理体系进行推理的话,大致就能够得出「未来汽车是什么样的?」这一问题的答案了。
 
全自动驾驶技术(SAE Level 4 及以上)是汽车主动安全技术的终极形态,因此未来的汽车必定是自动驾驶的。能源(指能源安全及能效问题)与环境(指环境污染问题)是一而二二而一、可同时解决——只要单辆汽车配置运行效率比内燃机高得多的驱动电机,并使用来源清洁且可再生的能源所生产的电能。与此同时,在汽车保有总量上控制汽车规模。
 
由此,推导出的未来汽车就是电动、自动驾驶且是以共享的方式使用的(即 Mobility as a Service,按需使用),即「Shared Autonomous Electric Vehicle」。
 
2.1.2 Waymo 在汽车安全方面做的工作
 
图 1  Waymo 自动驾驶安全报告
 
2017 年 10 月 13 日,Waymo 发布了专门的安全报告《 On the Road to Fully Self-Driving:Waymo Safety Report 》(如图 1 所示),来解释其整套全自动驾驶系统是如何运作的。
 
图 2  Waymo 企业使命的核心——安全
 
如图 2 所示,在报告的开头第二段,Waymo 明确表示「『安全』是 Waymo 的企业使命的核心,是 8 年前组建 Google 自动驾驶项目的原因(Safety is at the core of Waymo’s mission—it’s why we were founded over eight years ago as the Google self-driving car project)」其中,「安全」被定义为「免于可能造成死亡、受伤、职业病、设备及财产的损坏或损失、环境破坏的环境的自由(Freedom from those conditions that can cause death, injury, occupational illness, damage to or loss of equipment or property, or damage to the environment)」。
 
Waymo 解决自动驾驶汽车安全问题的设计方案被称为「系统安全程序( Waymo’s System Safety Program)」,旨在在车辆设计阶段就对安全加以保障,即「Safety by Design」,共分为 5 个部分:行为安全(Behavioral Safety)、功能安全(Functional Safety)、碰撞安全(Crash Safety)、操作安全(Operational Safety)和非碰撞安全(Non-Collision Safety):
 
行为安全:指自动驾驶汽车在道路上的驾驶决策与驾驶行为。与人类驾驶员一样,自动驾驶汽车也要遵守交通规则,并在各种驾驶场景(不论是否在数据库中)下安全地行驶到目的地——无论是预料中的还是意外的;
 
功能安全:指能确保即便出现系统故障或失效时自动驾驶汽车也可安全运行或靠边停车的策略,这通常意味着要设置冗余以处理意外情况,如 Waymo 自动驾驶汽车配置有备用计算系统(Backup Computing)、备用制动与转向系统(Backup Braking & Steering)和备用电源系统(Backup Power Systems)等;
 
碰撞安全:指车辆通过多种措施保护车内乘客以减少伤亡的能力,如车辆内部结构设计、安全带之类的座椅约束和安全气囊等;
 
图 3  Waymo 自动驾驶汽车交互设计细节:物理按键与可视化设计
 
操作安全:指 Waymo 自动驾驶汽车与乘客之间的交互设计(如图 3 所示),可确保乘客在车内拥有安全舒适的体验,如乘客会对自动驾驶汽车的行为有明确的预期,从而可减少乘车焦虑;
非碰撞安全:指为可能与车辆接触互动的各类人群提供人身安全保障,包括可能会对乘员乘客、测试人员、行人等造成伤害的电气系统(电压较高)或传感器故障隐患。
 
图 4  Waymo 自动驾驶汽车硬件在极端环境下的可靠性测试
 
通常而言,在设计阶段融入自动驾驶汽车的安全元素,尚需经过各类严格测试的考验。Waymo 自动驾驶汽车测试的对象包括自动驾驶整车及其三大子系统:
 
传统汽车原有的机械部分和电子电器部分,其质量由汽车制造商(OEM)来认证;
 
由 Waymo 在公司内部设计或制造的硬件,如各类传感器和计算平台,测试内容包括可靠性(Reliability)与耐久性(Durability)测试(如图 4 所示),即便在极端环境下,如高温高寒、暴雨暴雪;
 
做出所有驾驶决策的自动驾驶软件系统,测试方法包括模拟测试(Simulation Testing)、封闭园区测试(Closed-Course Testing)和公共道路测试(Real-World Driving)三大类,对应到 Waymo 便是模拟场景构建软件 Carcraft、加州 Castle 基地和山景城以及凤凰城等城市的公共道路。

 

2.1.3 「软硬一体」理念的提出者——Alan Kay
如前文所述,建约车评怼《经济观察报》何平的文章缺乏专业性,声称类似「只有 Waymo 那样软硬一体才能成功」的观点是「对自动驾驶生态的认识显得业余」的表现。事实上,真正不专业的是他们自己。在他们对百度 Apollo 计划百般谄媚的文章中,从未指出过以下核心要点:自动驾驶汽车的安全性才是第一位的!
 
图 5  计算机科学家 Alan Kay 的名言
 
图 5 中的文字是 2003 年图灵奖得主 Alan Kay 最著名的一个观点——「真正认真对待软件的人,应该自己设计制造硬件!(People who are really serious about software should make their own hardware)」。
 
显然,Kay 所倡导的「软硬件都由一家机构来做」的方式能够更好地确保汽车在行驶过程中的安全性——如果某一家企业能够控制全自动驾驶汽车的所有方面,在没有人类驾驶员为各种车辆突发故障「擦屁股」的情况下,由于「软硬一体」的模式在设计研发阶段需要协调的相关方更少,出差错的概率必然越低,且能够提供更好的整体体验,类比 iPhone 与 Android 手机。
 
在人身安全面前,效率和便利性也是必须要往后放的!
 
2.2 Waymo 的「苹果化」
2.2.1 苹果公司的基因与 Google 的使命
苹果公司的产品( iPod、iMac、iPhone、iPad)总给人一种「这是一件艺术品」的感觉,吴军博士的解释是,因为在「将技术与艺术结合」这一点上,没有人的境界能够超过 Steve Jobs,而大学都没毕业的乔帮主也因为「开创和发展个人电脑工业」当选为美国工程院院士。
 
在产品设计上,苹果公司不具备开放的基因。以 PC 产业为例,苹果公司的做法一直是「通吃从芯片(和摩托罗拉合作)和硬件设计,到操作系统,再到应用软件整个 PC 生态链的各个环节」,拒绝开放麦金托什计算机技术。在很大程度上,这是因为在 Oracle 和微软之前,软件都是在卖硬件时白送给用户的,这样软件就不能直接挣钱,其价值必须通过硬件的销售才能体现出来。
 
以「整理全球信息,使人人皆可访问并从中受益(To organize the world’s information and make it universally accessible and useful)」为企业使命的 Google 以及现在的 Alphabet 几乎不涉及硬件产品,其最成功的产品——搜索服务和 Android 操作系统都是软件产品。众所周知,由于反摩尔定律和原材料价格因素的影响,软件产品的利润率要比硬件要高很多。
 
但是,在自动驾驶领域,Waymo 明显地采取「苹果化」的策略——自动驾驶系统中感知、决策、规划部分所涉及的算法都由自己来设计与训练,激光雷达、视觉系统、雷达系统以及计算平台的硬件也由自己来设计!
 
2.2.2 Waymo 自己设计、制造自动驾驶原型车
2010 年 1 月,Google 自己做了一款手机 Nexus One,目的是通过这款手机了解手机设计和制造的整个流程,优化 Android 操作系统本身,并提供更好的云计算服务。
 
图 6  Waymo 自动驾驶原型车 Firefly 设计过程
(来自 Waymo 于 2017 年 6 月 13 日发布的官方 Medium 文章)
 
类似地,如图 6 所示,Waymo 在 2013 年自己试制过一款自动驾驶原型车用于试验与学习,即著名的 Firefly(萤火虫)。Firefly 在加州设计并在密歇根州手工打造,其主要设计者是美籍韩裔女设计师杨俊安(YooJung Ahn)。通过从零开始设计与制造一辆真正的全自动驾驶汽车,Waymo 的工程师们能够解开几个最基本的自动驾驶谜题,例如:
 
在哪个部位放置哪类传感器更合适?
 
如何将车载计算平台整合进汽车?
 
坐在车内的乘客需要亲自操控哪些汽车控制功能?
 
图 7  Waymo 的两代自动驾驶汽车:Firefly 和 Chrysler Pacifica
 
在寻找这些问题答案的过程中,Firefly 帮助确定了 Waymo 自动驾驶汽车的一些最可辨识的外观设计,例如每一辆自动驾驶汽车顶部都会有的圆顶状物(如图 7 所示),通过将激光雷达与摄像头放在汽车中心位置的设计,传感器可以感知到更多车辆周围环境的数据,且车载计算平台可以更有效地处理这些数据。
 
2.2.3 Waymo 自己设计车载计算平台
2017 年 9 月 19 日,Waymo 通过官方 Twitter 宣布——已与 Intel 合作,完成了自动驾驶汽车车载计算平台(Compute Platform)的开发。
 
图 8  Waymo 官方 Twitter 17 年 9 月 19 日所发推文
 
与激光雷达、雷达系统(毫米波雷达和超声波雷达)和视觉系统一样(该传感器套件可无瑕疵地协同工作,绘制出周围环境的三位模型,并标注出动静态物体,包括行人、骑自行车者、路上其它车辆、交通信号灯、道路障碍锥等,其布置方案如图 8 所示), Waymo 在其自动驾驶汽车上使用的计算平台也完全由 Waymo 的工程师在公司内部进行设计(与 Intel 的工程师一起合作),但芯片的制造工作交给了经验丰富的 Intel 来完成。
 
该计算平台是 Waymo 为在公司内部设计的传感器套件与自动驾驶软件架构所专门设计制造的,用于实现自动驾驶的传感器融合、决策、路径规划等功能。反之,通过独立开发自己的计算平台,Waymo 的工程师可以删选出最适合全自动驾驶的传感器套件。
 
图 9「Intel Inside」的 Waymo 自动驾驶汽车
 

 

考虑到 Waymo 此前数年一直不急于将自动驾驶技术商业化,而是专注于通过道路测试(封闭测试区与公共道路)和模拟测试的方式获取更多的数据来消除掉各种边缘案例(Edge Cases)以期能够实现大数据的完备性,个中缘由,不言自明:
 
要想让用户安心地把汽车方向盘交给自动驾驶系统,安全性是最起码也是最重要的前提,如果说手机用户更在意方便性和价格因素,那么自动驾驶汽车的终端用户更关注行车安全;
 
用户最终必然只会选择把自己的身家性命交给最安全而不是第二第三安全的自动驾驶汽车,如果「自动驾驶 Android」的存在只是方便了生产制造方,却增加了用户面临的危险,最后在商业上必定会失败;
任何公司的自动驾驶汽车只要出现一次由自身设计疏漏引发的交通伤亡事故,所有用户对该公司产品可靠性的信任度就会大打折扣,潜在集体诉讼(Class Action)所带来的巨额赔偿是任何企业也承受不了的。
 
2.3 百度的「谷歌化」
2.3.1 百度 Apollo 计划成员单位
 
表 2  百度 Apollo 计划 88 家成员单位统计(点击可看高清大图)
 
有意思的是,Waymo 在研发全自动驾驶汽车时学习借鉴苹果公司「软硬一体化」的产品思路,百度却走上了 Google 聚焦软件、回避硬件的老路。在表 2 中,笔者对 88 家 Apollo 计划成员单位做了简单的统计分类。与 Waymo 自己设计制造传感器套件、自动驾驶计算平台甚至自动驾驶汽车本身不同,百度把自动驾驶汽车所需的硬件全部都交了出去:
 
激光雷达:Velodyne LiDAR,速腾聚创,禾塞科技;
 
毫米波雷达:Bosch,Continental,Delphi;
 
摄像头:ZF,中科慧眼;
 
计算平台:NVIDIA,Intel,NXP,Infineon,Renesas,地平线机器人;
 
自动驾驶汽车:北京汽车,奇瑞汽车,金龙客车,智行者科技等。
 
虽然百度将自己的自动驾驶系统各环节(定位、感知、预测、决策、规划、控制等)在 GitHub 上进行了开源(网址:https://github.com/ApolloAuto/apollo),但是该项目本身是基于 ROS 的,即基于已经开源的东西,且没有将国内合作伙伴的硬件写进去。
 
此外,百度 Apollo 计划是有免责声明的(网址:https://apollo.auto/docs/disclaimer_cn.html),要点摘录如下:
 
……阿波罗或百度均不对有关平台代码的准确性、完整性、遗失、错误或瑕疵做任何形式(明示或默示)或源于交易习惯、使用方法或其他的声明或保证。
 
除法律另有规定或书面同意外,本平台或百度不因您使用或无法使用平台代码或程序而承担任何种类或性质的损失、费用或直接、间接、附带、惩罚性损害……
 
……本平台和百度均不会对平台代码的输出和使用结果的正确性、准确性或可靠性作出任何保证,也不会就任何已知或未知的错误或缺陷承担任何进行改正、修改、发布升级补丁或做出通知的法律责任。若您在道路测试或其他行动中依赖平台代码,您将自行承担使用平台代码的风险和相应责任。
 
在法律允许范围内,您同意保护本平台、百度及其各自关联公司、雇员、合作伙伴,以及任何相关人员,免遭任何由您使用、修改、共享或转移平台代码引起的或有关的任何索赔、责任、损失、起诉、损害和经济损失,包括合理的法律费用,以及任何第三方的损害或损失。
 
上述免责声明,结合下文从博弈论角度进行的分析,百度 Apollo 计划最后的结局很可能是:Apollo 平台充斥着假数据,也没有汽车制造商敢用 Apollo 平台提供的任何测试数据来研发自动驾驶汽车,整个平台可有可无,意义不大。
 
2.3.2 「苹果化」是大势所趋
 
图 10  地平线机器人自主研发的自动驾驶 AI 芯片 Journey 1.0
 
软件和硬件不同时做有个什么坏处?地平线机器人 CEO 余凯博士表示,通过地平线的实践发现,软件和硬件之间配合不好就会出现分离,这种分离是以星期和月的速度往前迭代。他进一步解释道:
 
我们看到一个趋势,在自动驾驶产业中,半导体厂商不仅仅只是做硬件,它们其实越来越多的往上层在走,越来越多的去构建软件的架构。
 
我们还看到另外一种情景,传统的、过去只做软件的玩家现在也朝着向软硬一体的方向去走。比如说 Google,之前主要是做软件的,现在也朝着人工智能硬件、软硬一体化去发展。
 
包括地平线,核心创始人都是来自百度、来自 Facebook,我们也是软件背景(注:2017 年 12 月 20 日,地平线发布了自主研发的人工智能芯片:面向智能驾驶的征程 1.0 处理器和面向智能摄像头的旭日 1.0 处理器,如图 10 所示)。我们认为,未来要真正去解决人工智能的应用落地,必须从软件到硬件、软硬一体。
 
综合本节前段论述,笔者认为:「软硬一体」是保证自动驾驶汽车安全的重要手段,也将是自动驾驶产业的制高点,拥有「软硬一体」开发能力的企业将会受到市场的青睐!
 
3. Android 联盟的本质:无利益冲突的公司们在一起欢快地赚钱
3.1 Google 的 Android 联盟
3.1.1 Android 联盟成员
在移动互联网时代,面对苹果公司 iPhone 的竞争及其把一条产业链从头吃到尾的老套路,Google 效仿当年微软在 PC 时代的做法——只关心智能手机产业链中最重要的操作系统部分,把上下游全部交出去,在 2007 年 11 月 5 日成立了 Android 联盟,有意识地构建智能手机产业的 Android-ARM 体系(对应 PC 时代的 WinTel 体系)。比微软更绝的是,Google 为了加速产业链的形成,将 Android 操作系统免费开放。由此,Google 站上了互联网 3.0 时代的制高点。
 
图 11  智能手机产业双雄:Google 和苹果
 
Android 联盟中的主要成员包括:
 
首先,是四家最重要的处理器厂商:Qualcomm、Broadcom、Marvell 和 Texas Instruments,这四家公司几乎垄断了智能手机的处理器市场;
 
其次,是世界上的主要手机制造商:当时包括除了诺基亚之外的所有手机厂商,如 Samsung、Motorola、LG、HTC 等,现在包括华为、小米、OPPO、vivo 等崛起的中国智能手机厂商;
 
最后,是一大堆电信运营商:如 AT&T、Verizon、Vodafone、Deutsche Telekom、中国移动、中国联通、中国电信等。

 

3.1.2 Android 的商业模式
有一点非常关键:Google 如何在免费的 Android 操作系统上挣钱的?
 
某一项新技术或种产品只有在商业上取得成功,才能真正对社会产生影响,赔本赚吆喝的事情是不可能持久的。Google 挣钱的办法其实很简单:
 
首先,通过 Android 将现有的现金奶牛,即互联网广告业务,横向拓展(Leverage)到移动端。为此,Google 收购了无线广告公司 AdMob,将其有机地整合到自己的广告系统中。在移动互联网时代,Google 并没有因为用户上网习惯的改变而流失广告收入。
其次,挖掘出新的盈利点——APP 商店 Google Play,Google 可获得那些付费 APP 和音频内容的分成。像剪羊毛那样,虽然每一笔的收入并不多,但总量却很可观,足够支付维护 Android 的费用。
 
通常情况下,好的商业模式都非常简单,即使是外行也能一眼看清楚。相反,一种商业模式要是几个小时都说不清楚,要么根本不存在,要么是在骗人。对应到 Android 联盟中的三类公司:处理器厂商和手机制造商分别通过销售手机芯片和智能手机来盈利,电信运营商通过销售话费套餐和上网流量赚钱,各凭本事挣钱,相互之间不零和博弈。
 
而作为 Android 联盟网络的枢纽节点(Hub Node),Google 则通过采用卖广告的商业模式,与上述三方避免了直接的利益冲突,从而使整个联盟得以稳定持续运行——各成员只需关注自己的切身利益,借助市场的无形之手,开动各自的商业模式,欢快地挣钱!
 
3.2 数据的重要性
3.2.1 Apollo 社区管理规范
在百度 Apollo 计划的官网上,有一份 770 字的《社区管理规范》(网址:https://apollo.auto/docs/manifesto_cn.html),其中提到:
 
Apollo 的成长离不开合作伙伴的贡献。高质量的数据训练出高质量的自动驾驶系统,高质量的自动驾驶系统的广泛部署又可以产生出更多高质量的数据, 这将实现一个良性循环。经过不断迭代,自动驾驶汽车和相应的服务将会自我演进、不断成熟,从而完成技术的自我突破,将开放、完整、安全的自动驾驶技术展现在公众面前。
 
Apollo 欢迎来自任何合作伙伴的贡献:例如,提供高质量的数据,将会是最重要的贡献之一。作为第一波推动力,百度愿意贡献自己的自动驾驶数据集,以启动「数据 - 服务」的良性循环。未来,随着更多合作伙伴的加入,更多的高质量数据在 Apollo 上汇集,每个合作伙伴都可以藉由自己的贡献,享受到数倍于此的数据服务。
 
在笔者看来,让成员单位贡献出自己的数据给其他单位(包括竞争对手),这完全是陆奇和李彦宏的一厢情愿,在现实中很难真正发生。本小节将详细分析。
 
3.2.2 在数据为王的时代,企业并不愿意共享数据
当下,有先见之明的科技公司普遍接受「数据驱动」(Data Driven)的理念,即力求从海量的数据中提取出信息以消除商业决策或技术决策过程中的不确定性。其中,最明显的例子便是 Google。
 
作为将「整理全球信息」作为使命的企业,Google 深知大数据的价值并率先实践。例如,大多数人认为 Google 的搜索比微软的 Bing 在质量上做得略好一点的原因是 「Google 的算法好」。真实原因是 Google 手里有更多的数据,并利用它们形成了正反馈效应——Google 凭借 PageRank 算法给搜索结果带来了质的变化,而好的搜索结果能吸引更多的用户使用 Google 的搜索引擎,这不知不觉间给 Google 提供了大量的点击数据。
 
有了这些数据之后,Google 可以训练出更精确的「点击模型」,而点击模型贡献了今天搜索排序至少 60%~80% 的权重,这将吸引更多的用户。如此循环往复,Google 的搜索质量永远领先于竞争对手。
 
图 12  夺得 2005 年 DARPA 无人驾驶汽车挑战赛冠军后,斯坦福车队负责人 Sebastian Thrun 被 Larry Page 请来负责 Google 街景项目(Project Street View)
 
再如,很多人认为最早发明无人驾驶汽车是 Google 而不是传统汽车制造商的原因是前者的技术更先进。错!还是因为 Google 手里有更多的数据,并采用了「数据驱动」的理念——对于 Google 街景车「扫过街」的地方,Google 都收集到了非常完备的信息。这些数据 Google 都已经事先离线处理好了给自动驾驶汽车备用,由此将车辆在道路行驶过程中的绝大多数不确定性都尽可能事先加以消除了,不需要在行驶过程中对周围环境进行临时识别。
 
即使如 Toyota、GM 或 VW 这样的汽车巨头也不具有 Google 那么多的数据,因此它们虽然在自动驾驶汽车的研制方面早起步几十年,但是很快就被拥有数据优势的 Google 超越。
 
3.2.3 Apollo 计划中各成员间潜在的利益冲突
 
图 13  数据:新时代的石油
 
如图 13 所示,2017 年 5 月 6 日出版的《经济学人》杂志以「世界上最有价值的资源:数据和新的竞争规则」为封面,介绍了数据产业的发展现状以及全球市值最高的 5 家公司——Apple、Google、Microsoft、Amazon、Facebook——如何依靠数据以及处理数据的计算资源来统治整个行业并阻断竞争对手的进阶之路的。
 
图 14  数据驱动式收购
 
图 14 中展示的是由《经济学人》整理的近几年 IT 行业重大的收购案例。从数据的角度看,大公司之所以收购某家公司,其真正想要的或许是收购标的所拥有的数据或数据处理能力,例如:
 
Intel 之所以花 153 亿美元收购 Mobileye, 是因为后者拥有经过大量数据训练过的处理图像数据的数学模型及其芯片产品;
 
微软之所以花 262 亿美元收购 LinkedIn,是因为后者拥有最全的职场社交数据;
 
Google 之所以花 12 亿美元收购 Waze,是因为后者拥有的地图数据以及地图数据的收集方法,等。 
 
如前文所述,在 Android 联盟中,Google 的商业模式和各成员有差异,彼此之间没有利益冲突,所以整个联盟能够稳定运行。而百度却要求 Apollo 计划的各成员贡献最宝贵的核心资产——数据,很难相信这不是在为难联盟成员。而 Android 联盟的成员无需作出此类牺牲。
 
图 15  上汽集团在自动驾驶产业进行独立布局
 
由此引发的利益冲突即便不会使整个联盟分崩离析,也不会吸引到重要的成员加入。例如,中国汽车行业的龙头上汽集团(2017 年销售额 8400 亿元,利润 342 亿元,2017 年财富世界 500 强排名第 41 位)和自主品牌的龙头吉利汽车(2017 年利润 100 亿元,2017 年财富世界 500 强排名第 343 位)就没有参加 Apollo 计划,而是自己进行独立布局。以上汽集团为例:
 
2016 年 7 月 25 日,上汽与 Alibaba 成立合资公司「斑马智行」,提供车联网解决方案;
 
2017 年 9 月 28 日,上汽与武汉光庭成立武汉中海庭数据技术有限公司,围绕高精度地图进行深度合作;
 
2018 年 1 月 9 日,在 CES 展上上汽宣布与 Intel 及其旗下的 Mobileye 在自动驾驶和高清地图领域展开合作,利用 Mobileye 的技术优势(包括计算机视觉、感知、传感器融合、高精地图和驾驶决策等)与 Intel 的开放计算平台、数据中心和 5G 通信技术。

 

3.2.4 美国的经验
事实上,在 NHTSA 于 2016 年 9 月 20 日颁布的文件《联邦自动驾驶汽车政策:加快实现下一代道路安全技术革命》(Federal Automated Vehicle Policy:Accelerate the Next Revolution in Roadway Safety)中,美国政府要求参与自动驾驶汽车道路测试的企业在测试汽车发生事故时必须与 NHTSA 以及其他企业共享该故障的相关数据。但很明显,各企业对此表现得并不热心。
 
代表 Google、Uber 和 Lyft 三家企业的游说人士 David Strickland 表示,「在商业竞争激烈的自动驾驶汽车领域,要求企业共享出宝贵的、甚至包含有机密商业信息的数据,确实令企业为难。魔鬼往往存在于细节中,操作起来相当困难。」(The devil is in the details when it comes to data sharing, and that’s going to be a sticking point for all private companies involved, especially in a space as closely competitive as autonomous vehicles.)
 
自动驾驶初创企业 nuTonomy(已在 2017 年 10 月 25 日被 Delphi 以 4.5 亿美元收购)的创始人 Karl Iagnaema 在一次接受 MIT Technology Review 的采访中也表示:「汽车厂商共享数据的行为将非常有意义,特别是对于自动驾驶这种需要大量且多样数据的技术领域。但是,汽车厂商的高层们担心这会削弱自身优势,因而心底并不是很情愿,这使得共享数据资源变得十分困难。」(It makes a ton of sense for car companies to share data, particularly for a problem like this where a vast amount of diverse data is required. Typically, however, leaders are unwilling to pool resources, for fear of diluting their advantage. It makes sharing of resources difficult.)
 
事实上,即便退一步看,即便在 Apollo 平台内有成员愿意贡献出自己的数据,其它成员会相信或者说敢在研发过程中使用这些数据吗?
 
博弈论的推理结果告诉我们——并不会!
 
3.3 博弈论的视角
3.3.1 最佳应对与纳什均衡
 
图 16  博弈论是一个普世理论,甚至可用于解释生物进化过程
 
博弈论(Game Theory)是用来研究这样一种情境,即人们的决策结果不仅取决于他 / 她自身如何在不同的可能策略之间进行选择,而且取决于与之互动的他人所做出的选择。一般情况下,任何背景中的博弈都具有以下三方面的特征:
 
存在一组参与者(不少于两个),即博弈参与人;
 
每个参与人都有一组关于如何行动的备选项,即参与人的策略集;
 
每个策略行为的选择,都会使参与人得到一个收益 / 回报。
 
一旦完整给出了参与人、策略集和回报,就严格描述了一个博弈。随后,就可以来推理参与人将会如何选择他们的策略。但在此之前还需约定几个假设:
 
第一,每个参与人关心的所有事情都表达在自己的回报中;
 
第二,每个参与人都对博弈结构充分了解;
 
第三,每个参与人选择某一策略的目的都是为了达到自身收益的最大化,且他 / 她也知道其他参与人也会选择收益最大化的策略,这种个体行为模型通常被称为「理性人模型」(Rationality)。
 
基于第三个假设,定义博弈论中的重要概念「最佳应对」(Best Response)。假设 S 是参与人 1 的一个选择策略,T 是参与人 2 的一个选择策略。在收益矩阵(下一小节会举例子)中的某个单元格对应策略组(S,T)。用 P1(S,T) 表示参与人 1 从这组决策获得的收益,P2(S,T) 表示参与人 2 从这组决策获得的收益。针对参与人 2 的策略 T,若参与人 1 用策略 S 产生的收益大于或等于任何其他决策,则称参与人 1 的策略 S 是参与人 2 的策略 T 的最佳应对,即
 
P1(S,T)  ≥  P1(S',T)
 
S' 表示参与人 1 除 S 外的其它策略。相应地,对于参与人 2 也有完全对称的定义。当上述表达式中的等号不存在时,即 P1(S,T) > P1(S',T),则称参与人 1 的策略 S 是参与人 2 的策略 T 的「严格最佳应对」(Strict Best Response)。
 
基于最佳应对的概念,可定义「占优策略」(Dominant Strategy)和「严格占优策略」(Strictly Dominant Strategy)的概念:
 
参与人 1 的占优策略,是指该策略对于参与人 2 的每一策略都是最佳应对;
参与人 1 的严格占优策略,是指该占优策略对于参与人 2 的每一策略都是严格最佳应对。当任意参与人有一个严格占优策略时,则可以预期该参与人肯定会选择它。
 
当任意参与人在博弈中都无严格占优策略时,则需要通过其它方式来预测什么行为倾向于在实际中发生,即博弈论中著名的「纳什均衡」的概念。
 
图 17  著名数学家 John Nash
 
1950 年,John Nash 在推理一般博弈行为时,提出了一个简单但非常重要的原则:即使不存在占优策略,也可以通过参与人彼此策略的最佳应对,来预测参与人的策略选择行为——假定参与人 1 选择策略 S,同时参与人 2 选择策略 T,若 S 是 T 的最佳应对,同时 T 也是 S 的最佳应对,即,则称策略组 (S,T) 是一个纳什均衡(Nash Equilibrium)。在一组备选策略中,策略彼此之间都是最佳应对,则任何参与人都没有激励或动机去改换一种策略,由此该系统处于一种均衡的状态中,没有什么力量将它推向不同的行为结果。Nash 由于发展和分析了这个概念,分享了 1994 年的诺贝尔经济学奖。

 

3.3.2 一个例子:囚徒困境
博弈论发展史上最著名的场景便是「囚徒困境」(The Prisoner’s Dilemma)(如图 13 所示),从 20 世纪 50 年代以来,有大量文献研究成果,它很好地刻画了有关在个体私利面前,建立合作是十分困难的模型。以下是该场景的具体描述:
 
假设有两个嫌犯被警察抓住,并且被分开关押在不同的囚室。警察强烈怀疑这两个嫌犯和一场抢劫案有关,但是却没有充足的证据证明他们的抢劫行为。然而,他们都拒捕的事实也是要判刑的,尽管会少一些,比如说 1 年。
 
两个嫌犯都被告知以下事实:「如果你坦白,而另外一人抵赖,则你可以马上释放,另外一人将承担全部罪行。你的坦白将足够证明另外一方的罪行,则他将会被关押 10 年。如果你们都坦白,则不需要相互证明对方有罪,你们的罪行都将被证实。(虽然,在这种情况下你们的罪行将会减少——只有 4 年,这是因为你们有认罪表现)最后,如果你们都不坦白,那么没有证据证明你们的抢劫罪,我们将以拒捕控告你们。另外一方也正在接受这样的审讯。你想坦白吗?」
 
图 18  囚徒困境
 
为了使该场景更具正式化的博弈结构,需要确定博弈三要素,即参与人、可能的策略集和收益。两个嫌犯都是参与人,每个参与人都可在两种可能的策略中做出选择——坦白(Confess,C)或抵赖(Not-Confess,NC)。最后,通过收益矩阵(Payoff Matrix),可以将上述场景中的收益情况形象化(由于对两个嫌犯来说,坐牢是负效益,因此用负数表示;每个单元格中的第 1 个数字表示嫌犯 1 的收益),如表 3 所示。
 
表 3  囚徒困境的收益矩阵
 
选择考虑其中一个嫌疑犯的行动,如嫌犯 1,来推测他的决策集:
 
假设嫌犯 2 计划坦白,则嫌犯 1 通过坦白行为得到的收益是 -4,通过抵赖行为得到的收益是 -10。所以,在这种背景下,嫌疑犯 1 最好选择坦白;
 
假设嫌犯 2 计划抵赖,则嫌犯 1 通过坦白行为得到的收益是 0,通过抵赖行为得到的收益是 -1。同样,在这种条件下,嫌犯 1 应该选择坦白。
 
因此,坦白是一个严格占优策略,即无论其他参与人如何进行选择,坦白都是最佳选择。自然地,就可以预测嫌疑犯都会进行坦白,彼此得到收益是 -4。
 
在这里有一个值得注意的现象:嫌疑犯都知道,当他们都选择抵赖时,结果会是更优的。但在理性行为的博弈中,参与人根本不可能得到这个结果,他们只能得到对彼此都较差的结果。
 
3.3.3 Apollo 计划各成员收益矩阵分析
百度的 Apollo 计划本质上是想实现测试数据的共享。该计划的各参与方,特别是汽车制造商,会乖乖就范,把数据贡献出来,最后让百度独享垄断带来的好处吗?
 
如果答案是不愿意,或者假装愿意但在上传数据的时候使坏(如把假的数据掺进去),那么这个计划还存在成功的可能性或者存在的必要吗?特别考虑到,百度自身是不会像 Google 大手笔收购 Motorola 那样管这摊事的(见前文提到的免责声明)。
 
我们不妨来分析一下两家车企上传数据时的博弈结构:
 
博弈参与人有:车企 1 和车企 2;
可选择的策略有两个:上传假数据(false data,FD)和上传真数据(Truthful Data,TD);
收益矩阵:假设车企 1 上传假数据,而车企 2 上传真数据,则车企 1 在研发自动驾驶汽车的过程中就会取得优势,用数值来刻画这种收益情况,如表 4 所示。
 
表 4  车企上传真假数据的收益矩阵
 
经过简单分析,此博弈的纳什均衡如表 4 中红框圈出的策略组,即双方都选择上传假数据。事实上,此博弈和囚徒困境的机构是一样的。
 
所以,Apollo 平台中最后将充斥虚假的测试数据,而 Apollo 计划的各成员也知道其他成员会上传假数据,所以在研发过程中不会使用这些数据。由此,百度 Apollo 计划还没开始发挥作用就已经彻底凉了。
 
3.3.4 Google 使用博弈论的经验
 
图 19  UC Berkeley 荣誉教授、Google 首席经济学家  Hal Varian
 
2002 年,UC Berkeley 的著名经济学教授 Hal Varian 以顾问的身份加入 Google。2007 年 Varian 教授至今担任 Google 首席经济学家,致力于 Google 广告拍卖系统、金融策略、企业战略和公共政策等的设计。Varian 教授是世界著名的微观经济学家,由其撰写的《 Intermediate Microeconomics : A Modern Approach 》是各国大学商学院的通用教材。
 
众所周知,基于 AdWords 和 AdSense 的广告系统是 Google 的现金奶牛,如印钞机般日夜不停地为 Google 创造者利润。Hal Varian 在 Google 作出的最大贡献之一是利用博弈论的研究成果(主要是「广义次价拍卖」,Generalized Seccond-Price Auction,拍卖也是博弈场景的一种),主导设计了 Google 的广告位拍卖系统,让 Google 广告系统的挣钱效率得以最大化!
 
由此可以料想,Waymo 肯定早已知晓 3.3.3 小节中的分析结果——假数据泛滥,平台名存实亡。但鉴别数据也是有成本的,甚至是巨额成本。
 
所以,Waymo 的领导层肯定会想,既然如此,还不如自己做自动驾驶汽车的软硬件,这样还能帮助提升汽车的安全性。

 

4. Apollo 计划最多只能算「阉割版」的 Android 联盟
4.1 老大应有的魄力
4.1.1 智能手机专利大战
2009 年前后,当使用 Android 操作系统的智能手机在全球以势不可挡的气势抢夺市场的时候,PC 双雄自然不会坐以待毙。该来的还是会来,苹果和微软挑起了和 Android 联盟的手机专利战争。
 
在互联网时代,微软的发展开始出现停滞,先后败给 Yahoo! 和 Google。而在移动互联网时代,微软则几乎被边缘化了。于是它和苹果(联合其他一些公司)以 45 亿美元的高价从破产的加拿大北电公司那里购买了大量与移动通信相关的专利。买下这些专利后,微软并不是为了利用它们来研制更好的产品或带来科技进步,而是试图通过打专利侵权官司阻挠 Google 和 Android 联盟的手机厂商进入智能手机市场——虽然说微软的行径就是「专利流氓」,但在欧美等对知识产权保护执行得很严格的地区,这种做法是完全合法的。
 
从 2011 年开始,微软通过打官司向 Samsung、HTC 等在美国有业务的 Android 手机厂商收费,它开出的价钱是每部 15 美元,不过业界估计它应该可以收到一半,即每部手机 7~8 美元。即便如此,微软每年也可以有至少 10 亿美元的专利费收入,随之而来的是微软法务部门的话语权有比技术部门还大的趋势。
 
4.1.2 Larry Page 的回击
Google 当然不会坐以待毙,为了一劳永逸地解决这场专利纠纷,Larry Page 想出了一个奇招——以 120 亿美元收购 Motorola(但考虑到后者尚有 30 亿美元现金,真实的价格为 90 亿美元),并在 2011 年 8 月达成了收购协议,经过各国政府马拉松式的反垄断审查,终于得到各方面的批准,最终于 2012 年完成收购。
 
作为最早的移动通信厂商,摩托罗拉拥有该行业最多而且有用的专利。如果 Google 获得这些专利,它就完全可以反制微软和苹果。后来,借助这些专利,Android 联盟的手机厂商开始在法庭上反击苹果了,并在一些国家赢得了官司。
 
等到了 2014 年,在拥有了足够多的移动通信专利并且对整个手机行业有了足够的了解之后,Google 将 Motorola 再次出售给中国的联想公司,售价只剩下 29 亿美元。
 
这里面的差价,除了当初从摩托罗拉获得的现金、已经出售的资产和税务优惠之外,主要反映在 Google 拿走的 7000 多项重要专利上,Google 用它们修筑了坚不可摧的专利长城。
 
由此,微软和苹果想制止 Google 进 入手机操作系统市场的企图,最终也没有达成。
 
4.2 谁在修筑自动驾驶的专利长城?
4.2.1 Waymo 吃一堑长一智
在智能手机上吃了「专利流氓」的亏的 Google,在进入市场规模更大的自动驾驶汽车创业时,便吸取了过往的教训。Google 与兄弟公司 Waymo 一起提前修筑了一道又长又高又厚的技术长城(公开专利 + 商业机密),以保障在进行市场扩张时不会被竞争对手揪住专利侵权的小辫子,受制于人。
 
图 20  科技公司与传统车企在汽车产业的专利布局
 
如图 13 所示,据咨询公司 Oliver Wyman 和世界知识产权组织(World Intellectual Property Organization,WIPO)的研究显示,2012 年至 2016 年期间,由 12 家领先汽车制造商和全球科技公司提交的在出行领域的专利有近 5000 件。其中,有近 3800 件属于 6 家汽车厂商(Audi、Daimler、GM、VW、BMW 和 Tesla),主要涉及新能源技术,包括电动汽车、动力电池、燃料电池和可替代燃料。值得一提的是,在该领域,以 Google 为首的科技公司只拥有 7 项专利。
 
但是,在剩下的 1200 件与网联与自动驾驶技术(Connected and Autonomous Vehicle,CAV)相关的专利中,有 1/3 属于以 Google 为首的科技公司。事实上,Google 在该领域拥有 221 项专利,几乎与奥迪公司在新能源领域拥有的专利数(223 项)相等,超过了 BMW(198 项)、Daimler(159 项)、GM(141 项)和 VW(75 项)。此外,科技公司苹果、Facebook、微软、Amazon 和 Uber 在该领域亦有专利布局。
 
不过需要指出的是,Google 申请 CAV 专利的目的是防御性的,即不会申请那些将来可能有用但自己未必使用的专利并专门用来告别人侵权以谋取赔偿,只是为了保证自己在进入 CAV 领域时不被竞争对手以专利为由提出不合理的要求。这符合 Google 一贯的「不作恶」(Do not be evil)的精神,而且业务尚在快速发展期的 Google 没必要像 IBM 或微软那样通过专利大战来保护自己的利益。
 
4.2.2 自动驾驶专利诉讼第一案
读到这里,读者或许会感到奇怪,既然 Waymo 的专利布局是防御性的,那又为什么会在去年 2 月起诉 Uber 呢?
 
事实上,在此之前,Alphabet 旗下公司从来没有在专利官司中主动充当原告,前董事长 Eric Schmidt 曾在公开场合表示:「专利大战只有死路一条,专利诉讼并不利于创新。」
 
就此次由 Waymo 前员工 Anthony Levandowski 在离职前一个月内下载 14000 份共 9.7G 高度机密文件并转投竞争对手 Uber 而引起的诉讼而言,除了起诉 Uber 专利侵权(Patent Infringement)之外,Waymo 的诉讼缘由还包括「滥用商业机密」(Trade Secret Misappropriation)和「不公平竞争」(Unfair Competition):
 
「商业机密」包括在 Waymo 的激光雷达供应商名单、激光雷达设计中实际采用的设计制造细节以及 Waymo 对多年研发过程中所得到的经验教训所做的包含高度技术性信息的工作声明;
「不公平竞争」是指 Uber 通过窃取 Waymo 商业机密及侵犯专利的方式来推进该公司自动驾驶汽车相关技术而不是依靠自身独立研发的行为触犯了公平竞争原则。
 
Waymo 发起此次诉讼的真正目的是阻止 Uber 将自己的技术机密泄露出去,导致自己的技术长城被敌军攻陷。这从 Waymo 的两大诉讼请求中包括要求法官 William Alsup 对 Uber 发布「临时禁令」(Preliminary Injunction)可以看出,即 Waymo 希望禁止 Uber 在诉讼期间进行与自动驾驶汽车方面的研发及测试直至完成最终判决。最终法规同意了该项诉求。
 
事件发展到今年 2 月 10 日,在「临时禁令」的威力下——因为专利官司旷日持久(典型的例子是 Cisco 与 Arista 的官司,从 3 年前打到现在还未结案),而竞争对手可都没闲着——Uber 与 Waymo 之间终于达成了一份庭外和解协议——Uber 支付给 Waymo 本公司 0.34% 的股份(约 2.45 亿美元)作为赔偿,并承诺不会将 Waymo 的机密技术应用到本公司自动驾驶汽车的硬件和软件中。

 

4.2.3 百度与 Waymo 在自动驾驶领域的专利布局
在厚势 18 年 01 月 08 日推送的文章《 百度与谷歌无人驾驶汽车技术专利对比分析 》中,武汉理工大学汽车学院的廖燕副教授分析了 Google(现为 Waymo)与百度在自动驾驶领域的专利布局(数据检索时间截至 2017 年 6 月 30 日),可与 Oliver Wyman 的研究互为参照。
 
表 5  Waymo 与百度公司自动驾驶专利整体概况(点击可看高清大图)
 
表 6  Waymo 和百度自动驾驶汽车专利布局(点击可看高清大图)
 
图 21  Waymo 和百度专利趋势图
 
如表 5、表 6 和图 21 所示,Waymo 已授权的有效专利共有 110 组(每组可以有多件专利构成),分别在 2012 年 ~ 2016 年之间获得,主要分布在中国与美国这两个全球最大的汽车市场。与之相比,百度已授权的有效专利只有 3 组,集中在 2016 年获得且全部在中国。
 
百度在美国一件专利都没有,只是在今年美国 CES 展上开了一个 Apollo 2.0 的发布会,真的胆敢进入美国市场,必然会被「专利流氓」虐得体无完肤。建约车评却在《 自动驾驶,百度在谷歌家门口向谷歌宣战 》一文中将其夸大为「此刻的谷歌,也许会尤为尴尬,作为自动驾驶领域的『始作俑者』和江湖传说中的『一哥』,它的地位正在经受挑战,就在自己的家门口,就在这个展会上」,将百度的行为不知是美化还是丑化为「这样的叫板,在反应百度自信的同时,也给中国的企业树立了一个标杆,以后任何一家做自动驾驶的企业,想要拥有市场地位,先得来到谷歌的隔壁,告诉它『我要成为自动驾驶领域的安卓』」。
 
类似这种评论是难说专业的——即便百度真的能够成为自动驾驶的 Android,顶多也是一个「阉割版」的。
 
4.3 百度只是一家区域性互联网公司
吴军博士在《浪潮之巅》最后一章《下一个 Google》中表示,「如果在不久的将来,全世界只剩下四家半主要的主营业务在互联网或电子商务的公司」,应该是:
 
Google :它控制着全世界的信息源;
 
Amazon:它是电子商务中的沃尔玛;
 
Facebook :它控制着互联网的社区;
 
Alibaba:它拥有全球最完整的电子商务的生态链和最大的营业额;
 
Tencent:它拥有全世界最大的注册用户群,并控制着中国互联网和手机网的虚拟社区,由于主要业务在中国,只能算半家 。
 
吴博士在书中特别提到:「这里面中国的公司占一大一小两家。有人可能会问为什么没有中国的百度,因为它只是一个区域性互联网公司(注:与之相对的是『全球性的跨国公司』,它们在各自领域处于主导地位)。有人把它比作中国的 Google,这个比喻并不恰当。」
 
他进一步解释道:「Google 更多地是一个科技公司,而百度仅仅是一个互联网公司,就如同当年风光一时的雅虎是个技术竞争力不很强的互联网公司一样。科技公司可以通过不断创新,开拓新的成长点,而靠运营壮大起来的互联网公司在主营业务成熟后,成长就会成为很大的问题。事实上如果把阿里巴巴的淘宝看做一种商品搜索,他的广告收入已经和百度处在同一个量级。百度难以国际化的原因是它在所有的非中国大陆市场上的努力都是失败的。相比之下,阿里巴巴在海外的扩张至今是成功的。」
 
优秀的美国企业几乎都有一个共同的特点,那就是做全球市场,打造全球品牌,这一点在硅谷尤为明显。在全球主要国家中,美国是人均拥有世界级品牌最多的国家。中国的贸易额和出口量高于美国,但是美国拥有比中国多得多的跨国公司。在美国标准普尔 500 指数中的成份股公司,一半左右的收入来自于海外。一家企业不论选择只做哪个市场,即便是中国市场,都是全球的一部分市场,而非全部。
 
百度已经习惯于蜷缩中国市场,而不论 Android 还是 Windows,作为操作系统,都是畅行全球的。所以即便百度 Apollo 能够成为「自动驾驶的 Android」,也只能说是「阉割版」的,它只适用于中国市场。
 
一旦走出国门,没有专利「长城」的保护,面对海外市场潜在的「专利流氓」,百度目前并无还手之力,这还怎么让 Apollo 计划中的「小弟们「安心跟着你混?
 
5. 小结
经过上文长篇论述,在此总结全文的 4 个要点:
 
开发自动驾驶技术的目的是提升汽车安全性,而安全性是用户选择某家公司产品或服务的首要考虑因素;
为了保证并提升自动驾驶汽车的安全性能,「软硬一体化」的开发模式是首选;
一个联盟能否成功,得看联盟成员之间的利益是协调一致还是相互冲突,以及老大是否真心愿意解决核心困难(如 Google 花 120 亿美元解决了 Android 联盟的专利问题;百度却不愿意解决鉴别测试数据真伪这一难题);
一家习惯于蜷缩于本土市场的企业,难以在「专利流氓」横行的海外市场取得成功,因此,「自动驾驶的 Android」这个称呼,以后就请不要再提了。
 
另外,需要解释一下标题中「画虎不成反类犬」的涵义:
 
体量上的差别——百度约为 Alphabet 的 1/10:据不久前发布的未经审计的年报,2017 年,Alphabet 营收为 1108 亿美元,利润为 127 亿美元,目前市值为 7711.4 亿美元;百度营收为 130.3 亿美元,利润为 28.9 亿美元,被寄予厚望的自动驾驶项目在年报中的篇幅并不大,目前市值为 864.65 亿美元;
技术理解力:百度似乎不知道自动驾驶汽车的第一要务是保证安全,一味追逐操作上的便利性;
商业理解力:百度不能事先考虑到 Apollo 计划成员单位之间的利益冲突,并在事后加以解决,盲目学习 Google 表面的做法而不得其成功的精髓。
 
最后,关于自动驾驶最好的商业模式——收保护费(来自 IBM 的经验),笔者今后将会另辟一篇文章来讨论。
 
感谢阅读!
 
参考文献
1. 吴军 . 浪潮之巅(第 3 版)[M]. 人民邮电出版社 . 2016.06
 
2. 吴军 . 智能时代 . 人民邮电出版社 [M]. 2015.12
 
3. 曼昆 . 经济学原理:微观经济学分册(第 6 版)[M]. 2012.07
 
4. David Easley, Jon Kleinberg. Network, Crowds, and Markets: Reasoning about a Highly Connected World [M]. Cambridge University Press. 2010
 
5. Avinash Dixit, Susan Skeath and David Reiley. Games of Strategy, Third Edition [M]. W.W. Norton & Company. 2009
 
6. Kate Conger. Federal Policy for Self-Driving Cars Pushes Data Sharing [N/OL]. Tech Crunch.  2016.09.20
 
7. Will Knight. An Ambitious Plan to Build a Self-Driving Borg [N/OL]. MIT Technology Review. 2016.10.10
 
8. 廖燕,余业干 . 百度与谷歌无人驾驶汽车技术专利对比分析 [J]. 北京汽车 . 2017.12.25