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

盡管谷歌從2009年開始，一直在做自動駕駛的研究，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駕駛，推出各種發(fā)展計劃，收購創(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來。

人人都惟恐錯過這場技術的盛宴，資本就是他們進場的門票。人人都相信，投資將在數(shù)年內產(chǎn)生回報，分析機構開出各種版本的支票，仿佛他們都摸過預言的水晶球。

從2020年商用化到2030年智能汽車滲透率超過2/3的預測，比比皆是。那為什么我們還沒用上這套系統(tǒng)呢？按照預期，我們在5-7年內會用上，但到那時，恐怕仍然距離成熟無人駕駛仍有5-7年。

如此一來，自動駕駛吹起的泡泡，恐怕不止一個。

技術泡泡

自動駕駛的技術核心，并非傳感器（激光雷達、毫米波雷達、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，機器也是要學習的，它們需要被訓練成能對付各種路況和突發(fā)事件。因為事先無法窮盡所有可能的情況，人們就希望自己的車能學會這一切。這套以大數(shù)據(jù)喂養(yǎng)的訓練算法，被稱為深度學習。

而主流的深度學習沒有號稱自己是模擬大腦的（不包括人類腦計劃，這些項目的任務并非深度學習）。嚴肅的學者都承認，人工神經(jīng)網(wǎng)絡（用數(shù)學模型模擬神經(jīng)元）只是生物神經(jīng)網(wǎng)絡的簡化模型而已。但在輿論風潮里，人工神經(jīng)網(wǎng)絡簡直就是縮小的人腦。

雖然深度學習得到了一些有趣的結果，譬如在模擬復雜路況下，自動駕駛汽車采取了明智的決策。后者極大地引發(fā)科技公司爭先投入大量資源，但接下來則是漫長的平臺期——自動駕駛技術實際進展很小，與公眾被炒爆的期待值相差越來越遠。

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

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

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

深度學習的訓練價值在于無監(jiān)督學習，而能夠用于實踐的，卻是有監(jiān)督學習。就像你在自動駕駛汽車里面喝著咖啡唱著歌，突然系統(tǒng)宣布轉入人工駕駛，緊接著你就看到迎面一個大貨逆行過來……深度學習面對解決不了的問題，強行甩鍋且不給“交班”時間，畫面不要太美。

在爆炒兩年里，我們看不到商業(yè)化自動駕駛系統(tǒng)，就是因為所有的研究機團隊都陷在瓶頸里，只是他們不好意思承認而已。

人才泡泡

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

創(chuàng)建Google X試驗室的塞巴斯蒂安·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7億美元的價格收購了擁有70名員工的自動駕駛卡車新創(chuàng)公司Otto。通用汽車花費10億美元收購40名員工的初創(chuàng)企業(yè)CruiseAutomation公司。其實，優(yōu)步和通用是在花錢買人才，一個人才的市場價格是1000萬美元。

在特龍看來，隨著需求的增大，這個數(shù)字還將繼續(xù)增大。硅谷自動駕駛人才的市場價格在兩年前就已經(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。梅隆大學機器學習學院就被挖得千瘡百孔。學院院長湯姆·米切爾（Tom Mitchell）稱，優(yōu)步去年“洗劫”了學院，優(yōu)步至少重金挖走了40名人工智能和機器人專家。學生們開玩笑說，現(xiàn)在學院連個做PPT的助教，都被學院盯緊防止被挖。

國內相關產(chǎn)業(yè)人才沒有達到硅谷那樣的價格，但相關專業(yè)博士畢業(yè)兩三年，年薪至少50萬人民幣起跳。

現(xiàn)在的自動駕駛領域，最賺錢的是“人頭”生意，因為該領域的人才實在是太短缺了。深度學習、自然語言處理、圖像識別、推薦算法，只要跟這些專業(yè)沾邊的，一網(wǎng)打盡。

有人統(tǒng)計過自然語言處理的算法工程師招聘廣告，招聘的職位達到700多人。而國內從事相關專業(yè)的高等級人士（幾家相關專業(yè)畢業(yè)的、有工作經(jīng)驗的博士），總數(shù)也不過如此。

細分專業(yè)如此，整個自動駕駛/人工智能領域，人才爭奪更是達到白熱化程度。根據(jù)某獵頭公司不公開的價碼，該領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，項目主管或CTC則大多會在年薪80萬以上且上不封頂，普遍在150萬左右。

而大公司里面，高級職位薪酬高過創(chuàng)業(yè)公司，基礎職位薪酬則低于后者。據(jù)稱，相關項目運作經(jīng)驗的高管，多半出自百度、微軟亞研門下。業(yè)內年中聽聞某獵頭公司企圖以1300萬元年薪挖一個做人工智能來創(chuàng)業(yè)企業(yè)任CTO。

一個年薪千萬的團隊，起碼要給企業(yè)創(chuàng)造過億利潤，才具備相應價值。但很遺憾，目前所有的公司都處于燒錢階段，根本無利潤可言。

投資泡泡

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

有數(shù)據(jù)表明，僅2016年以來，我國已經(jīng)有145家企業(yè)投資自動駕駛/人工智能領域，他們中間除了BAT這樣的科技實體企業(yè)，還有大量PE和VC機構參與。

以自動駕駛技術為業(yè)務主線的公司，大多以整車廠為業(yè)務方向。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)務上也無法找到可以用于衡量的增長指標。

投資機構只能相信一些在學術上有已被證實成就的人，盡管他的公司可能商業(yè)上不成功，但他的學生和人脈會進他的公司，這些人可能帶來一些商業(yè)邏輯更強的人一起“重建”公司，到那時投資更有把握。但機構們大都心急，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駕駛這樣瘋狂，僅靠一個團隊，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，將自動駕駛技術應用到實際場景，需要很多年的時間。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。而自動駕駛應用前景比VR更大，也許投資人能熬住更久的時間不去想盈利的事。當投資人一看到“自動駕駛”字樣的企劃書就搖頭的時候，可能就迎來了自動駕駛的投資低谷。到那時，三個泡泡可能一起破裂。

雖然過早的商業(yè)關注，對自動駕駛技術進步可能是阻礙。但泡泡破裂后回歸理眭，結果并不壞。

學術界上一次突破（深度學習算法）在自動駕駛上應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