用1500個字講講，A16Z合伙人是如何看無人車網路效應的

無人車市場會怎麼發展？像PC時代和智能手機時代一樣，憑藉網路效應出現贏者通吃的情況；還是可能會有十家左右的大公司瓜分市場？在無人車產業哪一個環節取得勝利將幫助企業獲得其他環節的優勢？本文基於著名風投資金A16Z合伙人Benedict Evans近日的博客，展開討論。

首先排除確定不會產生網路效應的部分：車輛硬體和感測器。就像LCD屏幕一樣，儘管產品有高科技含量，但是你並不會因為別人使用了這個牌子的屏幕而使用同品牌的屏幕。量產LCD屏幕可以降低生產邊際成本，使產品在價格上更具競爭力，但這是規模效應，不是網路效應。

在無人車場景中，一個用來掃描路況的激光雷達LIDAR的價格大概是5萬美元，隨著技術進步，可能會降至幾百美元或者更少，體積也會變得更小；但同樣，由規模帶來的邊際效益不能幫助LIDAR生產商獲得無人車其他方面的優勢，除非它壟斷了激光雷達市場。

而有可能產生網路效應的是自動駕駛系統，該系統的核心是地圖和駕駛行為這兩種數據。下面就依次分析兩種數據的性質、來源和它們的網路效應：

三維模型是人類在空間中安全活動的必要條件，這樣我們的祖先才可能在複雜的環境中奔跑而不至於撞到頭或者被絆倒。同樣的概念在自動駕駛技術中被稱為SLAM（同時定位和繪圖），即在一個空間里實時判斷周邊環境和自己所處位置的能力；自動駕駛汽車必須知道它在哪裡，轉彎、減速帶和紅綠燈在哪裡，以及周邊哪裡有車和它們開得有多快。

但是目前，機器學習技術尚不能，直接通過二維圖片繪製足夠無人車使用的三維環境。所以大多數無人車公司都使用LIDAR和多種感測器組合的方式，為無人車提供更完整的路況信息。同時，無人車公司也會將提前搭建好的高清三維地圖模型裝在系統里；這樣，無人車在路上行駛時，不需要在海量圖片信息中尋找紅綠燈，內置地圖會提示車輛信號燈在哪裡；也不需要靠視覺判斷周邊的車輛情況，車輛會向地圖上傳數據從而幫助彼此了解路況。

地圖會產生網路效應。當車輛在地圖的範圍內行駛時，它一邊對比地圖和真實世界信息的不同，一邊更新地圖信息。每一輛無人車也是一輛測繪車，賣出50萬輛無人車的公司一定會比賣出1萬輛無人車公司更新地圖的速度更快；前者的車輛也就會更少遇到意料之外的情況而不知所措。所以，網路效應就體現在：車賣的越多，公司所有的車都會變得更好。（當然，如果計算機視覺有重大突破，無人車可以靠攝像頭自行判斷周邊情況，那麼基於地圖數據產生的網路效益就沒有什麼意義了）

其二是駕駛行為數據。機器需要學習人類駕駛員的行為，從而幫助無人車在路上與有人駕駛的車輛和平相處。所以，擁有越多駕駛員行為的數據，機器學習的就越快，系統就能更準確地理解其他車輛的行為和決定下一步動作。除了直接使用在真實交通場景中，無人車公司需要這些數據在虛擬遊戲環境中測試自己的駕駛系統；更多數據意味著更準確的遊戲模擬和反饋。所以同樣的，車賣的越多，所有車都會表現得更好。

了解產生以上網路效應的數據后，我們要問：誰擁有這些數據，我們實際上需要多少數據？這是涉及產業價值鏈的問題。特斯拉自己製造車輛所需的關鍵技術部件，所以當然擁有其車輛收集的數據。但是如果整車製造商的關鍵技術部件由供應商製造，那麼供應商就需要擁有這些數據，從而幫助繼續提高產品的質量。這將意味著，整車製造商賣越多的車，就會為關鍵技術部件供應商創造更大的網路效應。所以，這也說明為什麼有些車企要開發自己的技術和系統。

那麼，接下來的問題是：我們其實需要多少數據就夠了？持續增加數據會讓系統持續變好，但是過了某個臨界點邊際效益會遞減么？

網路效益是有上限，如果無人車在城裡開了一整年都沒有遇到意外情況，網路效益可提升的空間就不大了。所以，向市場投放多少量無人車是足夠的？這些車可以轉化為多少市場佔有率？市場可以支持一兩家還是十家公司？有沒有可能感測器供應商把地圖數據匯總在一起率先觸及網路效應的天花板？

以上是Benedict Evans拋出的問題，供大家思考和討論。

圖片來源：levinsonstefani.com