作者：Mark

出品：紅色星際（ID：redplanx）

頭圖：美團創始人王興

今天的北京陰雨連綿。

夏華夏和興哥約了一個會議，想探討一下公司無人車的發展問題。

十點半，夏華夏走進了興哥的辦公室。

興哥抬頭問道，無人配送車最近發展的怎么樣??？

為什么選擇七維交互？

夏華夏回答道，我們團隊把整個無人配送車的場景想了一遍，最后我們出了一套終極方案和一套替補方案。

在我們制定方案的過程中，發現不同場景產生價值和公司估值是不一樣的，同時場景的選擇也直接決定了公司市場規模和商業模式。

以外賣為例，外賣有非常豐富的場景，同時因為它對速度要求是相對較低，又是載貨的，所以更容易讓自動駕駛的技術落地。

但它的價值是最大的，因為時效性和分散性導致了外賣對人力的需求更高，因此無人車替換起來市場也最大。

外賣無人配送的各個場景，我們分為開放道路和封閉道路，在此下面分為B端到C端，當然中間也有交叉，暫且是這么分的。

我們認為商場的場景產生的價值最大，一方面是因為90%的外賣訂單都是在大商場的餐館里出，另一方面是騎手時間的1/3都浪費在商場上，而且商場作為一個封閉場景，高精地圖比較容易得到，所以最先在商場搞。

那你們打算用哪種模式搞，Waymo還是Aurora？

夏華夏想了想說，目前市面上準確的說不止這兩種，還有第三種方案，一種是做全場景的Waymo模式，每年需要投入5億美金左右，打造一支規模龐大的測試、運營車隊；

第二種是研發高性能仿真系統的Aurora模式，但難度不亞于打造一支測試車隊，每年需要投入1到2億美金。

第三種就是特定場景下的自動駕駛，比如封閉港口，封閉高速公路，這種投入成本和技術要求相對較低。

我們結合自身的情況，選擇了第三條路徑，在特定應用場景下落地無人駕駛，具體來說，圍繞外賣無人配送車展開。

我聽說在B端，朝陽大悅城免費讓咱們測試，效果怎么樣？王興問道。

夏華夏思考了片刻，效果怎么說呢，商場的邏輯是通的，就是在實踐的過程中遇到了很大的挑戰。有慕名前去看的，特別是一些家長為了開拓孩子的視野，成堆成堆的去。對外傳播效果是很好，就是要打通這個場景難度太大了。

交互場景太復雜了，小孩，卡丁車，情侶，特別是周末，人擠人，無人車完全走不動。

在所有的交互場景里，最難的是與電梯的交互（特別是人擠人時候，無人車被欺負了1個小時）。我們也和物業討論過改裝問題，或者和三菱等有梯控資質的企業一起改，或者給無人車加一個機器手，甚至想過再加一部電梯，專門為咱們無人車服務，但是商場物業并不是很積極。

怎么自動的，有效的上下電梯，我們需要聯合通信、系統公司，一起打造一套智能電梯的控制方案，但這個需要時間，需要5G技術。如果無人車可以自由地坐電梯（就相當于曹操的軍隊可以打水戰，天下統一就不遠了），我們瞬間就能打通很多的場景。

此外還有一個誤區，目前自動駕駛行業認為，落地順序是室內落地、園區落地，最后在公開道路落地。因為室外涉及各種復雜的障礙物，不同的交通標，各種復雜的交通狀況，所以公開道路最復雜，最難落地。但以我們這幾年的實踐經驗看，外賣行業獨樹一幟，商場是落地最難的場景。

王興想了想說，難度怎么大，我們要不要放棄這塊。我個人感覺也是認為目前階段，商場里的交互有可能是所有無人駕駛技術里最難的，特別是對于有時效性的外賣服務，難度更大。

組團挑戰七維交互

夏華夏想了想說，目前我們團隊是這么想的。商場這塊難度最大，但是競爭的企業也很多，我們可以成立一個開放平臺，把我們的場景和訂單外賣調度系統開放給他們，讓他們探索。

（無人車引擎圖）

未來如果要做到B端到C端完全通，肯定不是一輛車能完成的，需要小車和大車配合。至于最終具體是什么車型、什么技術水準的無人車，什么場景內送貨最合適，目前還處于摸索階段。

像Segway爬梯式的無人車，我們也可以根據場景針對性和新石器，毫末智行一起設計車型，我個人感覺產業鏈的力量是巨大的。

王興無意的說道，那再加2顆激光雷達效果會不會更好，現在我聽說是單線激光雷達，如果加到16線激光雷達，無人車是否可以更順暢。

夏華夏立馬回答，這個不是感知的問題，是交互的問題，雖然交互也和感知有關，但主要是交互的場景太復雜了。

王興笑了，算我沒問，你們都是沖鋒在第一線的，你們自主決定怎么做。關于開放平臺，你們團隊是怎么思考的？

夏華夏繼續說道，以我們團隊近3年的探索，發現外賣是最難的無人駕駛場景。傳統乘用車也就是人、車、路、云四維交互，我們外賣是人、車、路、云、柜、梯、門七維交互。

王興驚詫道，多少，一種不祥的預感突然出現在王興的腦中，這種不祥的感覺來自王興20年的互聯網經驗。

夏華夏說，七維還是抽象的，不包括貓，狗，小孩等。這個難度在我們團隊實踐了3年后發現的，大大超出我們之前的預期。

整個鏈條我們從最開始，與電梯、貨柜、門和門禁系統進行交互，到與交通標識，交通資質，物業的交互，最后也是最主要的一點是與通信V2X的交互。

原先的計劃是用戶下單后，云端智能調度中心即向無人智能車發出指令，智能調度中心同時會將室內目的地的高精地圖發送給無人車，幫助其在室內行駛中保持安全。

現在這些方面都是一抹黑。所以只有建立開放平臺，建立產業鏈合作，才有可能最終打通外賣整個場景。

我們軟件自研能力確實很強，但也只能夠解決一部分問題，像通信、器件、整車、實業和政府等領域，我們只能和別人合作。無人配送車要上路，必須有相關的牌照和路權；無人配送車要進樓宇、乘電梯，也需要通訊的網絡企業；而在基礎設施方面，智慧交通、5G 網絡的建設需要政府來推動。

現在我們主要是先提出場景需求，然后讓各家合作伙伴去嘗試。

每個地方會有不同的無人車產品方案，有的公司選擇機器視覺方案，有的選擇激光雷達方案，有的車是四驅，有的車是兩驅。

場景也多樣化，各類氣候和路況條件下需要有不同適用能力的無人配送車。不同場景中的配送對無人配送車的配置需求也是不一樣的。有現車車型的企業，我們因地制宜安排，沒有車型的企業，根據需求一起研發生產。

我們一方面堅持從自研的角度做技術積累，另一方面從開放平臺的角度，因為配送市場足夠大，所以需要一個完整的生態系統。

（美團開放平臺生態圖片）

王興打住了夏華夏的講話，這么長的產業鏈，我們肯定做不來。開放平臺上的合作伙伴是怎么反饋的？

夏華夏回答道，新石器單飛了，其它合作伙伴也是貌合神離，各自有各自的小算盤。

七維交互降為六維交互

王興想了想說，我們可以先戰略性的放棄這塊（開放平臺），或者先在仿真系統上跑，等想好怎么做后再做。

（王興順手打開了美團無人車的網站，發現已經有2年沒有更新了，合作伙伴也是之前的，裹動智駕已經在2年前不做無人配送車了，華夏幸福都快倒閉了，可是合作伙伴里依然有他們的名字。）

你要從本質上想，我們做無人配送車的目的是什么，王興加快了語速，是幫助快遞小哥去處理惡劣極端的工作場景，比如雨雪天氣和極熱極冷環境等；同時承擔超遠距離和超重訂單，來增加現在騎手的收入。

特別是我們24小時服務的項目。從這點出發，我認為我們先放棄這個場景（B端），并不會與我們最初的目標，愿景沖突。幫助小哥去提升配送效率，讓他們賺更多錢，這個是我們的目標。

夏華夏急忙說，我們未來可能會面臨幾十萬的騎手缺口。目前我們團隊預估未來5年我們的外賣訂單量可能會增加2到3倍，而且隨著00后逐步進入社會，未來會有越來越少的人有意愿從事外賣快遞員。

王興接著說，公開道路的無人車配送，完全可以覆蓋這短缺的勞動力。

王興低下頭思考，如果去掉商場這個場景，就相當于把外賣的源頭給規?；?，這和京東現在做的從集中倉分發到快遞用戶住處，沒有什么兩樣。本來想著可以避免一場無人配送車戰爭，兜兜轉轉又競爭到一起了。

（美團無人車圖片）

這就是我和東哥的宿命！

終端的場景做的怎么樣？王興深沉的問道。

住宅區的人流相比商場少一點，交互也少一些，我是認為有很大機會，但挑戰依然很大。

做終端這塊，我們必然要去和小區、物業、寫字樓、園區打交道，因此我們需要聯合很多地產、物業、園區這些企業。有些地產園區和物業天生有這樣的需求，比如華夏幸福、金地集團的產業園區，寫字樓，中關村產業園區等，有強烈的創新科技示范需求以及創新技術提升商業價值需求。

有些物業和地產則比較難搞，特別是一些傳統產業園區，負責人怕擔責，往往需要簽對賭協議才讓我們的無人車進入。

這些還不是最難的，真正讓我們頭疼的是小區內部行駛，特別是門牌號的精準定位。

小區內很多道路在地圖上是找不到的，所以我們需要為這些路建立高精地圖，為每棟房子、每個商鋪、每個公交站都標注詳細的信息。

特別是北斗系統精準定位和精準導航能力，這個是最核心的。但這需要一些政府部門的審批，需要有制圖資質。

最最麻煩的還是和小區物業打交道，得方方面面的交代清楚，不能出任何差錯，否則他們就會攆走我們的無人配送車。

王興反問道，那這些工作是我們自己做，還是在我們對外平臺上做。

夏華夏回答，因為我們對地圖中的POI（信息點）細化要求很高，交給第三方地圖服務商處理會影響消費者體驗，所以我們自己做這些細化工作。而且這些屬于核心的數據信息，我們必須要掌握在自己手中。

目前我們團隊不僅在開發小區高精地圖，還有公開道路高精地圖，包括車道線信息、道路限速、限高等標識信息，都會被記錄到地圖上。

高精地圖作為L4級別自動駕駛最重要的感知工具，我個人的實踐是，沒有之一，比激光雷達和視覺感知好幾十倍，即使未來的芯片計算性能大大提升以后，高精地圖也必須是L4級車的必配物。

王興點點頭，你繼續講終端場景。

我們團隊認為住宅區是有可能大規模鋪開無人車的，但也面臨著一些困難（比商場的難度?。?/p>

最最主要的問題就是門和梯的交互，我們必須和一些大的房地產開發商去談，或者一些大的物業公司去談，智能門禁解決方案是第一步，然后是智能電梯的控制方案（自動的上下電梯）。這2個問題解決了，大量鋪開是沒有問題的。

而且也很符合我們的成本規劃。由于末端配送對用戶量特別敏感，只有用戶高度密集，才有盈利的可能性，用戶數量少，無人車成本費都很難收回。

以人力成本為例，一線城市外賣員的人力成本超過10萬元每年，而無人車考慮3-5年的壽命和充電、維修等成本，綜合計算，無人車大規模推行的價格閾值在每臺15萬元左右。

如果每個小區每天能達到200到300元的收入，我們不需要燒太多資金，就可以大規模地去鋪開。

為什么說這塊容易鋪開呢？因為未來一定是智能化住宅，智慧園區，無論對于園區還是住宅區，其實都有潛在的需求。

這些的前提是先解決智能電梯控制方案和智能門禁解決方案，這2個問題也需要地產商，物業，政府，通信公司，電梯公司的協作。

王興問道，現在我們是幾維交互？

夏華夏回答，人、車、路、云、梯、門六維交互。

王興繼續講道，我覺得我們的模式還是太復雜了，干脆我們直接把最難的2端先給砍了，優先將精力聚焦在相對比較簡單解決的公開道路行駛部分（相對而言），同時引入新的開放平臺合作伙伴，通過合作伙伴的車輛滿足室內配送和小區配送的需求。

六維交互降為四維交互

夏華夏突然醒了，興哥，我說一下我的看法吧。過去十年的互聯網很多只是商業模式上的創新，未來十年是技術創新的之路。

我認為我們最少也得做人、車、路、云四維交互，這是最低的標準了，不能再砍了。單純靠商業模式的互聯網砸錢時代已經過去了，從最近的反壟斷法也可以看出來國家的想法，未來我們必須在技術創新領域有所突破。

王興笑著說，對。四維交互是最低了，否則做這個項目就沒有任何意義了，再砍只能砍你了。

夏華夏笑著說，砍我不要緊，關鍵是保持美團的核心競爭力。

對公開道路無人配送，你們團隊怎么看？王興笑著問道。

夏華夏想了想說，那我們干脆就把外賣場景都給砍了，外賣場景的交互復雜性確實遠遠超過了我們的預期。然后把外賣場景嫁接到我們的賣菜場景里。

王興想了想說，可以嘗試一下。

夏華夏接著說，那我們就得大動干戈一把。賣菜物品和外賣物品不一樣，外賣的飯盒相對容易標準化，而賣菜物品尺寸則大小不一。

（夏華夏和同事思考問題圖片）

車輛改裝成送菜的，就需要更大的容量。同時需要把格子式餐盒和打開方式（門）都重新設計一遍，可以參考特斯拉和Nuro的開門方式，大鵬展翅門。

外賣對于時效性的要求非常高，要求30分鐘，最多一個小時內到達。而且外賣配送的起點是大多是分布式商家，而賣菜則有集散站可以做物件的調度。

這2個特點需要我們不止在外觀架構方面重新設計，感知硬件也需要全面升級，可以用魔袋產品全部代替小型車，做一次全面的產品升級和戰略升級。

激光雷達必須由單線的改成禾賽的64線，探測距離也從50米提高到200米，從線控底盤到車身，需要由毫末智行重新設計生產，行駛里程希望能達到200公里，時速達到每小時40公里甚至更高。

夏華夏還在不停的說著如何改動......

王興陷入了沉思。折騰了這么一圈，最后還是回到了公開道路L4級自動駕駛上，原先想的低成本，容易落地，外賣業務的衍生，統統的化成了云煙。

賣菜服務天生就把前端和后端給砍掉了，比京東無人配送車的模式還簡單。前端統一裝貨，后端直接給社區團長打電話取貨，這比給用戶打電話管用多了（有些用戶上下樓取餐都20分鐘）。

那我們為什么不能學美國的Nuro，王興疑惑的問道？

夏華夏突然愣了一下，Nuro？Nuro在美國配送一單的價格折合人民幣40多元，美國因為地廣人稀，特別是郊區。油錢加人力成本和時間加起來遠遠超過40元。

但反觀中國，配送價格若是40多元，幾乎是不能想象的，甚至京東快遞都要開始改行送外賣了。現在中國快遞行業價格戰一直在打（極兔入局），價格還在下探。

Nuro我們目前學不來（最多學學他們微笑的設計理念），這和兩國的國情和居民習慣有關。中國居住環境相對更密集，特別在一二線城市中，商超、便利店隨處可見。根本不需要幾十塊錢的配送費。

王興接著問道，那我們直接做L4級乘用車不就行了，反正已經掐頭去尾了?，F在這種模式和L4無人車有什么區別，L4無人車完全可以代替魔袋產品，而且速度還快，也沒有那么復雜的輔路人車交互。

直接可以在主路上行走，拉的貨還比魔袋產品多，沒貨的時候，還可以轉為我們的美團打車專車。

都64線激光雷達了，感知硬件一個也不少；速度也能達到60km/h，還能減少維度的交互，車路云三維交互，沒有了行人的隨意性。

（無人車交互圖片）

夏華夏打斷了王興的講話，興哥，無人車限速是每小時40km，而且乘用車只能在測試區域使用，未來幾年可能都無法在市區測試。

王興緩過神來，喔，可能剛才有點激動，想得有點多。

夏華夏趕忙安慰道，末端無人配送在城區公開道路中，車輛速度雖然最多40km/h，但車輛面臨的場景非常復雜且隨機。車輛要跟不同路況里的行人、交通工具、障礙物等物體進行交互，從技術角度來看和Robotaxi面臨的挑戰是一樣的。

我們的最終目標肯定是L4，如果真的把自動駕駛技術在無人配送場景里做好了，我們就非常有信心把相關的技術遷移到乘用車的無人駕駛環境里去。之后技術如果更成熟了，再遷移到美團打車上，提高打車的效率。

王興嘆了口氣，無人車到底會不會造成騎手的失業，這個問題你要老實回答我。我們不能光追求技術，追求利潤，把為我們打江山弟兄的后路給斷了。

夏華夏笑著回答說，這個問題就是80年代下崗浪潮一樣，只是騎手的職責變了。

無人車會創造大量的維修、保養、電池管理的需求，還包括遠程監控、安全、遙控等。這個時候，美團的53萬騎手隊伍，可以很快地轉化為無人配送車運維團隊。

還有一個問題，目前我們在北上深雄都有布局，第五個城市我認為應該選擇在西部城市，比如成都。成都的區位、人才和政策三大優勢。

王興反問道，成都有汽車工業嗎，成都有自動駕駛產業嗎？我覺得我們還是應該在這4個城市好好打磨我們的產品，我們的商業模式，再想擴張的事情。

從2016年10月到現在，5年過去了，我們在無人配送車領域沒有一點建樹，戰略和規劃改來改去，一會要做外賣，一會要做開放共贏平臺，一會做送菜服務，一會直接做L4測試。

看看我們同時期成立的公司，AutoX，小馬智行，圖森未來，Aurora等，哪個不是幾十億美金的估值，哪個不是都在準備上市。

京東四維交互降為三維交互

關于未來的發展，我有時候也和東哥聊。京東作為中國物流產業鏈的效率標榜者，無人配送車做得不好，還可以做無人駕駛卡車，因為他們主要和物流行業打交道。我們呢？東哥給我們的建議是可以轉型做L4級乘用車。

我們主要是和人打交道，東哥給我們的建議也是我們未來的一個選擇。

（東興飯局圖片）

聽你今天講了這么多，我感覺你還是沒有抓住無人駕駛汽車的脈絡，更多的是在人云亦云。

王興自動駕駛維度論

我給你提供一個框架，以后你在這個框架下思考問題，思考公司的規劃和戰略問題。

自動駕駛的難易應該說，不是按照低速，高速，這些來劃分的，或者說這些分類還不夠抽象，沒有E=MC2質能方程式這個簡單。

準確地說，就是按照交互維度來劃分的。

比如飛機，典型的一維交互，而且是最早實現了自動駕駛的交通工具。飛機的路線是固定的，因此不需要與路和車進行交互，飛機只是和云端進行交互。

比如地鐵，就是二維交互，也已經實現了自動駕駛。地鐵在通行過程中，只需要與車和云進行交互，路也是固定的。

三維交互有什么場景呢？高速卡車，他們就屬于三維交互，因為高速上沒有行人，只有機動車（理論上說），自動駕駛卡車只需要與車路云進行交互，就可以安全行駛。

而我們平時所說的L4乘用車，就是典型的四維交互場景，人車路云都得照顧到，隨著維度的上升，難度也呈現幾何式的增長。

所以L4乘用車為什么難落地，就是因為交互維度太多了。有人說美國基本不怎么發展車路協同，更多的是以單車智能為主，那就沒有與路的交互。但我想說，除非你的行駛路徑是不變的，或者說是一條直線（舉例），那你可以不與路交互。只要你需要選擇路徑，選擇左轉或者右轉，你就需要和路交互。

這個交互媒介可以是不斷更新的高精地圖，也可能是智慧路桿，不管何種行駛，你都必須和路進行交互。

而我們的無人車呢？砍掉商場的柜臺（商家）交互，終端住宅區的場景是人、車、路、云、梯、門六維交互，應該比L4級車多出了幾個量級的難度。

再加上商場的柜臺，七維交互，瘋了。如果真的能做出來，那我們就不是人了，就是神了。這個七維交互的產品，基本很難做出來。

夏華夏聽完王興的分析，內心突然慌張了起來。隨意說了一句，那八維場景呢？

王興笑著說，再往上就是移民火星這些幾百年才能實現的東西了。但有一個物種是可以橫跨這些的，就是人類，人是萬維之王。

所有的場景，人都可以輕松應付，人類是這些維度的創造者，也是解決者。

所以無人車技術的發展還得我們美團自己（人）解決。

今天這個會就開到這里吧，開得頭疼。你回去好好想想，咱們的無人車到底選擇哪個場景，選擇哪條路徑，是要打磨技術還是要實際應用？注意，從自動駕駛維度理論出發。

夏華夏一臉郁悶的走出來興哥的辦公室。

-END-