数据公司特斯拉

不过，如果我们放下财务、竞争和 Elon Musk 这个神奇的存在，从理性、中立、客观的角度观察特斯拉，其实是能得到更多独特解读的。

如果说特斯拉在电动化上的技术积累可能会被对手迎头赶上，那么它在数据上绝对无人能敌。

特斯拉正在利用这些数据搭建世界上最先进也最复杂的神经网络。

大数据还是「明日之星」吗？

硅谷喜欢用一些热词来形容「下一个划时代的产品」。

就拿大数据来说，它就被称为「新型石油」。

这个形容非常贴切，数据就像埋藏在地壳中的石油，等待着人们去开发、提炼和利用并借此建立自己的竞争优势。

不过，多年之后的今天，大数据这个概念的光芒却开始逐渐暗淡。

因为从技术角度来看，如何从海量的数据中攫取真正有价值的部分是一个巨大的挑战——无论这些数据是否有自己的组织架构。

事实上，我们已经陷入 Gartner 所说的大数据「理想幻灭的低谷」()。

这项技术没能像十年前预想的那样，成为庞大的统一数据平台。

大数据风口过了之后，人工智能（AI）与机器学习（ML）成了新的香饽饽。

不过，不同于社交媒体平台（只想优化算法来售卖广告），大家还是保持着初心，用心在做有意义的事，特斯拉就是其中之一。

特斯拉真正的竞争力在于对数据、AI 和 ML 的熟练整合与运用，而它们凝聚成了特斯拉的神经网络：

一套将传感器、数据、通讯、CPU、外围硬件与软件紧密结合的超级系统。

这些关键节点不但能相互配合处理信息，还能像人一样适应与学习。

大赛已经开场

华尔街分析师相信，自动驾驶带来的市场潜力是万亿级的。

这也是特斯拉、Waymo 等科技巨头和传统制造商投入一切疯狂争夺的原因。

其实转念一想，你就会意识到，自动驾驶这个概念很多年前就已经开始向我们的驾驶习惯中渗透了。

类似定速巡航、ABS 防抱死等技术的普及，其实就是人类在一步步逐渐让渡车辆控制权。

而特斯拉的 Autopilot，可能是当下能在市场上买到最复杂的驾驶辅助系统。

不过，从半自动驾驶升级到全自动驾驶并非易事。

我们如何能保证车轮上这台电脑能在这个疯狂世界中保持思考、判断并作出正确决定？

要知道，全自动驾驶系统的成熟至少需要工程师投入数百万小时的精力，他们得写代码，定义并不断精炼算法、3D 模型，在这期间模拟器和测试车还一刻都不能停。

当然，这是特斯拉眼中的「传统」方式，而 Musk 最擅长打破常规，他带领特斯拉走上了一条新奇之路。

经过 16 年的发展，特斯拉电动车在全球的保有量已经突破 60 万辆。

但这些出厂的车辆，甫一上路就是特斯拉的数据收割机。

人类驾驶员在车上的一举一动，比如打方向、刹车或踩油门，都是特斯拉需要的数据点。

这些采集到的数据会被特斯拉「投喂」给自家算法，升级后的算法又会通过 OTA「反哺」给特斯拉的车辆。

截至今年 7 月的数据，特斯拉已交付超 64.3 万辆具有自动驾驶功能的特斯拉汽车，其中 52.8 万辆了搭载 Autopilot Hardware 2.0 系统。

特斯拉自动驾驶里程达 15.6 亿英里，占特斯拉行驶总里程（144 亿英里）的 10.8%。

与其相比，在自动驾驶路测上最有心得的 Waymo 也只不过有 1500 万英里的经验。

而特斯拉在「影子模式」下恐怕累积的数据采集里程已经有 100 亿英里了。

对特斯拉的神经网络来说，这确实是个无人可及的超级宝库。

不过，这还不是特斯拉与其他公司最重要的不同，特斯拉最可怕之处在于：

Musk 曾表示：「当一辆车学到了新的知识点，所有特斯拉都能顺势掌握。」

显然，特斯拉开发了一个在外界看来最牛的众包 AI/ML 训练项目。

Autonomy Day 见闻

相信很多人会好奇：特斯拉是如何刷出这些数据，并通过数据实现系统性能的持续提升？

在特斯拉今年的一系列活动中，最有干货的就是「Autonomy Day」。

在主题演讲中，特斯拉工程部门副总裁 Stuart Bowers（目前已离职）【1】 给我们讲述了特斯拉的心路历程。

「在开始之前，我们先是试着理解周边的世界。」Bowers 说。「特斯拉电动车都标配 8 颗摄像头和 12 个超声波传感器（雷达），同时还有惯性测量装置与 GPS 加持。

此外，经常被大家遗忘的方向盘与踏板操作也必须考虑在内。」

Bowers 还指出，这些传感器都有「重叠区域」，可以进行双重确认。

通过这种方式，特斯拉「能对周边发生什么有一个极其精确的了解。」

每发生一个事件，或者一次人机交互，都会被记录下来并上传到特斯拉的数据库。

随后，这些数据会被用来进行 3D 模拟，供特斯拉软件工程师研究如何提升与精炼现有算法。

升级后的算法当然会通过 OTA 推送给每一位特斯拉车主，进一步提升车辆的驾乘体验。

影子模式

当然，在车上进行软件迭代并不能像智能手机那么随意，毕竟这事关人身安全。

在这里，特斯拉聪明的用到了「影子模式」，即在这种模式下测试修改后的系统。

显然，这相对于简单的模拟器或是派车上路测试是一种巨大的进步，毕竟影子模式是实时运行的，而且与现实世界紧密相关。

不过，整个车辆的「思考和决策」是在背后进行的，这样就能搭建出一个连续的反馈闭环。

简单来说，影子模式就像一个十几岁的小青年，没有驾照的他经常会坐在副驾驶观察父亲的一举一动。

「当有新算法出现我们第一时间就想尝试，在影子模式下你就能把它推给车队，看看在现实世界中它表现如何。」Bowers 解释。

最终，特斯拉能借助机器学习拥有更强的能力，随后进入阶段部署，也就是特斯拉的「早期用户参与计划」（early access program）。

眼下，特斯拉还在测试新的行为预测功能，方便车辆提前预知前方行人或自行车的下一步动作。

「我们能探测到路上的障碍，而行人就是障碍之一。」Bowers 说道。「车辆确实能看到路上的行人与自行车，特斯拉下一代自动刹车系统不但会为正前方路上的行人停车，还会自动为那些即将走上道路的行人让行。」

Bowers 透露称，现在这项新功能就在影子模式下运行着。

未来，特斯拉肯定会把这项功能推给每个车主。不过在这之前，会先在那些签了早期用户参与计划的硬核车主身上进行「实验」。

另一个例子是高速公路上的车道变更。

特斯拉称在 Autopilot 模式下已经成功完成了 900 万次变道。

「我们几乎每天都能累积 10 万次成功的车道变更案例」。Bowers 说道。

在 Bowers 看来，真正的终局之战「就是要将神经网络、车辆与所有数据进行大整合，创造出帮车辆认识世界的终极真理」。

出行即服务（Mobility as a Service）

自动驾驶的降临意味着原有车辆销售模式会全面崩塌，取而代之的是人人打车的新时代，即我们所说的出行即服务（MaaS）。

在最近的一次采访中，专注于创新科技与市场的投资公司 ARK 分析师 Tasha Keeny 就指出：

从某种意义上来看， MaaS 已经在路上，毕竟 Uber 已经站上单季度提供 10 亿次出行服务的里程碑，而类似 Uber 的打车服务在全球都很受欢迎。

不过，Keeny 手上的数据显示，「租」一辆车还是比买一辆车贵。

如果买一辆车，全周期算下来每英里平均花费为 70 美分，比出门打车还是要便宜一些。

当然，这个现象会在自动驾驶降临后被彻底翻转，剔除了人类驾驶员后，MaaS 每英里只要 22 美分。

而且别忘了，正值壮年的千禧一代，对共享经济也是轻车熟路。

Keeny 认为，那个转折点到来后，用手机呼叫自动驾驶汽车这个动作背后，会诞生一个超过 5 万亿美元的超级市场。

这也是各家厂商不惜一切争夺自动驾驶高地的主因——否则，哪个投资者能受得了 Uber 单季亏损 50 亿美元。

特斯拉当然会参与到 MaaS 的大戏中：

特斯拉要「征用」车主的车部署自动驾驶车队，其目标是双赢。

车主的车辆不用再长时间停在停车场，这些车辆能在车主工作时出门拉活，而特斯拉则能赚取服务费分成。

赌注确实很高，但战利品同样很丰盛。

一旦 MaaS 的世界正式落成，游戏规则就会彻底改变。从技术角度来看，特斯拉确实领先优势巨大。

现在的传统汽车厂商已经竭尽全力，它们设计并打造最好的车辆，同时通过大规模量产来削减成本以求获得竞争优势。

这也是它们当下最好的选择。

不过，行业搅局者们可不会被这些既定规则所束缚，而特斯拉就是这种不走寻常路的公司。

自研的芯片、硬件、软件，还有自己的神经网络与 MaaS 车队，特斯拉已经将命运牢牢掌握在自己手上，而数据起的作用就是穿针引线，它是驱动整套系统运作的主动脉。

至于产能问题，不过是整个过程里权重最低的一项罢了。

如果你还不信，看看上海超级工厂就明白了。