02
中美，必有一战？
谈起自动驾驶之争，说得最多的便是以特斯拉为主的“纯视觉解决方案”，以及除特斯拉之外，其他公司都在积极拥抱“激光雷达解决方案”。
但如果跳出这种利用“感知方式”的限制，从整体自动驾驶解决方案的角度出发，数据、算法、算力三个层次的比拼，则意味着自动驾驶的战争，将会变得更加激烈、复杂；而且，其波及范围也不仅仅局限在Robotaxi的赛道。
首先，数据层面，自动驾驶的数据可以简单地分成两种，一种指用于自动驾驶模型训练的数据，另外一种则是依靠车端传感器采集到的即时性数据。当然，两者并非完全解耦，只不过中间还隔着数据传输、数据存储、数据加工等多个步骤。
大家可能会比较关心，关于上文榜单中，为什么“牛气”的特斯拉会缺席，其实有一部分原因就是因为数据。
换言之，特斯拉卖的车足够多，其收集到的数据已经达到了某个量级，所以通过费力“考试”去获取数据、名声的心思不大。再加上其自身的自动驾驶能力未知，能否在自动驾驶的红海中脱颖而出，还真的是有待推敲。
事实上，除了数据本身具备的经济价值之外，数据安全也一直是自动驾驶领域，乃至整个社会所关心的问题。
去年的时候，特斯拉的车辆曾经有一段时间被禁止进入到部队大院、政府机构等特殊区域，随之“间谍车”的论调也变得此起彼伏，直到特斯拉在中国建设了数据中心，用于中国大陆市场销售车辆产生数据的存储、使用，相关事件才逐渐平息下来。
其次，算法层面，自动驾驶的算法通常会按照功能不同分为多种，如感知算法、定位算法、控制算法，以及预测、决策和规划算法……
其中，感知算法和定位算法，凭借激光雷达、高精地图等“外设”的加持，基本上各企业能够做出个不相上下。但与Behavior相关的算法，就没有那么容易，而且这个环节也是各大企业技术能力体现出区分度的地方。
原因很简单，随着场景变得更多、更复杂，类似“若a则b”的规则成本会逐渐增加，算法的泛化适用能力在下降，“按下葫芦浮起瓢”的bug也就出现的愈加频繁。
尽管Robotaxi公司在宣传自己的自动驾驶能力时，常常会提到自己实现了xxx级别的自动驾驶，因为对于他们来说，首要的核心竞争力便是在算法层面。
但另一方面，与谷歌、亚马逊、百度、阿里等互联网巨头们相比，这种算法层面的优势，却并没有想象中的那么大。
只不过，就现在的情况来看，巨头们似乎更愿意出钱占股，坐在“幕后”伺机而动，既避免了前期市场不稳定的种种风险，也不至于错过风口踏空，白白丢失市场份额。
最后，算力层面，以自动驾驶芯片为核心的硬件配套，是实现自动驾驶的必由之路。但现在的问题就是，半导体行业的黑洞，已经是让不少国内资本畏之如虎；再加上来自国外的技术封锁和竞争，目前的环境说一声“悲壮”也并无不可。
晶圆制造、EDA工业软件方面的问题暂且不谈，就自动驾驶芯片领域而言，英伟达早已是根深蒂固的存在，除了特斯拉自研成功了FSD芯片之外，国内的蔚来、小鹏、集度等整车企业，优先配置的也是英伟达的自动驾驶芯片。
要知道，马太效应的加持下，雪球在越滚越大；尽管国内的自动驾驶芯片厂商，如地平线、芯驰、黑芝麻等，也都渐渐起了“声势”，但半导体行业终归是长周期行业，再加上车规安全方面的考虑，车企们不敢用，没有市场验证的后来者，任重而道远。
