文|新立場NewPosition B哥
編輯|李凡
過去一年對于馬斯克而言難說如意，除了圍繞Twitter收購事宜產生的來回拉鋸，特斯拉的股價在這期間跌幅過半，市值已從最高點的約1.2萬億美元回調到了近期不足的6千億，馬斯克的個人財富也因此縮水超過千億美元。
不過相較于同行普遍遭受的供應鏈困境，特斯拉的垂直整合模式穩(wěn)定支撐了產能爬坡，算是所有車廠里受影響最小的那批。傳統(tǒng)車企為芯片電池這些零部件焦頭爛額的時候，馬斯克大概還在加州某棟別墅里遙控賽博論壇。何況即便是堪堪6千億的市值，也已經超過了后面5家車企的總和。
特斯拉的成功很大程度上因歸功于它的硅谷基因，商學院的案例里，特斯拉只是一家碰巧生產汽車的軟件公司。李書福2018年在接受吳曉波采訪時也曾談到，“特斯拉表面上在造汽車，本質是在構建它的線上技術，造車只是它構建線上技術的一個載體，一個實驗室?！?/p>
上述評價所言不虛?？陀^的講，軟件已成為引領傳統(tǒng)車企轉型電動智能汽車的關鍵變量。
01 BBA的認知障礙與行為失調
在最近這場行業(yè)電動化革命到來之前，汽車被視為是一個最成熟的工業(yè)品類。盡管工程師們過去一直在嘗試做改進發(fā)動機效率或降低車體風阻系數等工作，但從大眾甲殼蟲車型的生產從1938年持續(xù)到了2003年就能看出，這是個慣性制導的行業(yè)。
特斯拉的入局改變了這一點，汽車在其長達一百多年的歷史里，迎來了第一次真正意義上的角色轉變。不過《新立場》這里指的，并不是所謂從內燃機到電機的技術調整。
事實上，對于汽車有點了解的讀者或許知道，電動汽車并不是項全新的技術。早在20世紀初期，倫敦街頭的汽車大概就有40%都是電動的。1911年的《紐約時報》曾這樣寫道：“與燃油的內燃汽車相比，電動汽車無疑是理想的交通工具，它既清潔又安靜，關鍵的是還可以省不少錢?！?/p>
如文章開頭所提到的，馬斯克帶來的其實一種全新的產品范式，特斯拉更準確的定義應該是碰巧生產汽車的軟件公司。
如果說十年前從業(yè)者對這個趨勢還沒有摸清看透，那么行業(yè)發(fā)展到今天，關于智能電動汽車的角色爭論，可以說已經由實踐擇出了真理：未來的汽車必然是裝上四個輪子的計算機。
所有無法改變認知，仍把汽車看作摩托化載具的玩家，都已經或者即將被歷史掃入垃圾堆。
計算機跟傳統(tǒng)汽車最大的區(qū)別，在于它是一類可編程的設備，是可以承載豐富軟件的硬件平臺。從計算機行業(yè)的發(fā)展路徑來看，它有兩次重大變革，分別是PC和智能手機的興起。
這兩次變革中，無論是微軟和蘋果的崛起，還是IBM和Sun這些硬件廠商的沒落，都表明軟件生態(tài)基礎上的用戶體驗是在變革浪潮中脫穎而出的關鍵。
因此，上面所說的傳統(tǒng)車企視角切換的本質，是要從之前的硬件導向轉向軟件導向。而從很多傳統(tǒng)車企現(xiàn)有的轉型經歷來看，這種認知切換比燒油到燒電的動力切換還要困難。以BBA為代表的傳統(tǒng)汽車豪門，在這上面頻繁受挫，頗有一種知易行難、把握不住的感覺。
例如，大眾曾在2020年7月推出獨立的軟件公司CARIAD，并在去年7月宣布加速轉型成為軟件驅動型移動出行服務提供者。但今年10月卻傳出消息，由于CARIAD軟件開發(fā)進程不順，旗下的奧迪Q6 e-tron和保時捷Macan EV車型的推出將因此推遲至2024年。
更早之前，大眾的首款量產電動汽車ID.3，也因為軟件問題推遲上市。
這跟特斯拉在供應鏈短缺潮中的做法形成了鮮明對比：當時特斯拉通過自己編寫軟件適配通用芯片，實現(xiàn)了用供應不短缺的芯片替代短缺芯片的效果。
傳統(tǒng)汽車廠商轉為軟件導向主要有兩方面的困難，首先是技術上的。
雖然在過去幾十年里，一輛汽車上的“軟件濃度”在不斷增加，但這些軟件通常都存在于嵌入式的零部件中，汽車廠商以組裝的方式把它們集成到整車中。而進入智能汽車時代，汽車身上的功能不斷增加，這種粗放堆疊的方式將使得整合變得復雜和難以處理。
例如，根據麥肯錫的報告，過去十年車載軟件的復雜度提高了4倍，而汽車行業(yè)對應軟件開發(fā)的生產力進步卻不超過原來的1.5倍。傳統(tǒng)車企迫切需要向特斯拉為代表的新勢力學習，它們將軟件工程里的通用經驗拿了過來。通過引入平臺型的OS，既提供開發(fā)應用功能所需要的APIs，也通過連接到云端實現(xiàn)對車輛的全周期管理。
傳統(tǒng)車企“軟化”的另一個困難則是文化上的，因為其多年的做事方式已經滲透到基因里。
比如，汽車行業(yè)推出或者更新一項產品往往需要數年時間，而軟件通常的更新都是以月甚至天計；傳統(tǒng)汽車在推出后除非因缺陷召回，否則不會有大的更新，但軟件卻都是通過不斷迭代得到改善的。
像特斯拉頻繁通過OTA更新提升性能豐富功能，對之前的傳統(tǒng)汽車廠商來說，就是不可想象的。
需要注意的是，軟件上的問題會對車企有長期的遺留影響，很多bug的生命周期遠遠超過一般的硬件。熟悉編程的讀者大概知道，程序員會把歷史上難以維護的代碼稱為“屎山”。即便是實現(xiàn)相同功能的代碼，在水平上都可能會有10倍的差距，既包括性能方面也包括可維護性。
就像現(xiàn)在Windows里還有Dos時期寫的代碼那樣，軟件領域一個不那么優(yōu)秀的開始，可能會成為后續(xù)某個廠商車機系統(tǒng)數十年煩惱的根源。按照麥肯錫采訪的一位車企負責人的說法，光是為過去的代碼付出的維護成本，就足以消耗掉所有的軟件研發(fā)資源，還談什么創(chuàng)新呢？
02 傳統(tǒng)車企救贖之道和中西療法
前面一章的標題雖然點名BBA，但其中的描述對于所有傳統(tǒng)車企都是適用的，無論是西方的老牌廠商，還是國內之前從燃油車起步的那批民企國企。但在意識到需要轉型和轉型面臨的問題過后，中西方的傳統(tǒng)車企為解決問題選擇了不同的藥方。
對于以BBA為代表的西方傳統(tǒng)車企來說，它們主要選擇的是在原有體系內做調整來補齊短板。比如無論是像Stellantis那樣大幅擴充軟件開發(fā)部門的規(guī)模，還是像大眾那樣干脆把軟件開發(fā)獨立成新公司CARIAD，這種調整下軟件團隊仍然是整個車企研發(fā)團隊的一部分。
《新立場》將其稱之為西式療法。西式療法是改造型的，這種方法期待在不對現(xiàn)有企業(yè)組織架構做顛覆性變動的基礎上，把傳統(tǒng)車廠改造成適應新形勢的智能汽車廠商。
國內的傳統(tǒng)車企相較于西方老牌的競爭對手，選了一條不同的救贖之道。為了實現(xiàn)轉型，這些國內玩家，無論地方國企央企還是民企，都基本走的是推出全新子品牌的路子。像東風推出了嵐圖，長安推出了深藍，上汽推出了智己，吉利搞了個極氪，長城旗下有魏牌還有歐拉。
《新立場》將其稱之為中式療法。中式療法是重造型的，這種方法通過獨立新品牌來減輕歷史包袱實現(xiàn)輕裝上陣，采取更靈活先進的技術來應對市場競爭。
之所以會出現(xiàn)中西療法的區(qū)別，是因為國內車企在燃油車時代并沒有建立像BBA那樣強力的品牌認知，也就不需要像國外車企那樣在保留品牌架子不變的基礎上更換內核。對BBA來說，投入巨大的資源，另起爐灶搭一套新架子起來，然后還要鋪營銷教育用戶，當然不劃算。
與之相反，得益于在新能源汽車供應鏈領域的深厚積累，對國內車企來說，推出新品牌是快速占領用戶心智提升產品市場層級的更優(yōu)方案。
中式療法這種換個屋子再請客的解決方案，使得這些車企能夠拋棄掉原來組織或者業(yè)務流程上的沉疴痼疾，從一開始就能對標業(yè)界最先進的實踐范式。這種范式在硬件層面上是對現(xiàn)成的優(yōu)質供應鏈和營銷渠道的整合，在軟件層面是利用更先進的工具將系統(tǒng)研發(fā)、車輛運行、軟件更新做的更高效細微。
尤其在國內“蔚小理”等諸多新勢力的帶動下，無論是公司運營層面的辦公協(xié)同，還是產品層面的研發(fā)或運行，國內車企都顯得更加敏感和靈活，對數字化轉型更加積極。
組織結構和業(yè)務流程的優(yōu)化，是企業(yè)數字化轉型的基礎選項，其實現(xiàn)一般依賴于“云+產業(yè)”的結合，利用數據上云、流程上云來提高效率節(jié)約成本，這點在云計算與工業(yè)互聯(lián)網中普遍存在，汽車廠商也不例外。對他們而言，云計算的特殊意義更在于關乎自動駕駛。
對新能源汽車而言，自動駕駛是最重要的核心能力之一，在研發(fā)層面效率和成本是關鍵，在運行層面算力是繞不開的大山。如今的智能網聯(lián)汽車每天產生的數據量都在TB級，只有通過云計算才能提供匹配的算力對這些數據進行處理。
云已經是汽車車機系統(tǒng)的有機延伸，在可預見的未來將越來越像城市路網一樣，成為必要的交通基礎設施。在物理空間，車子跑在路上；在數據層面，車子跑在算力平臺之上。
不過雖然上云是個確定要做的題目，但對大部分車企來說，由于自身體量和資金有限，是不可能自己去做這件事的，因此選擇和技術較為成熟的云廠商就是必要的。
特斯拉就宣稱，其自研的云端超算平臺Dojo，甚至可以挑戰(zhàn)AWS和GCP這些專業(yè)云廠商。而更多車企并沒有特斯拉這樣的規(guī)模優(yōu)勢和資金實力，而且正處在高速增長和隨時掉隊的巨大不確定性中，相比于自建數據處理中心這樣過重的運營模式，與有處理復雜海量數據經驗的AWS、阿里云的平臺合作顯然更合時宜，這些電商戰(zhàn)場出身的平臺對算力有著天然的優(yōu)勢。
除了在算法的運行層面如此，自動駕駛似乎更加應該與云計算結合，這也是國內車廠先進于海外的另一個方面。
國外的福特大眾之前合資成立了Argo AI，專門用來自研自動駕駛相關的技術。但由于自動駕駛的研發(fā)成本極高，尤其是其中算法模型的訓練，對于算力有極高的要求，Argo AI在耗光了來自福特和大眾的數十億美元資金后，還是被迫倒閉。
國內廠商在這方面就要靈活得多，更傾向于和幾家云廠商合作，以此來大幅降低研發(fā)成本。
像吉利長城都使用了阿里云提供的自動駕駛云開發(fā)平臺，即便是像小鵬這種對自研要求較高的新勢力，也選擇了與阿里云共建自動駕駛智算中心“扶搖”。
過去小鵬一個核心模型需要7天時間才能完成一次訓練，借助智算中心后，訓練時間縮短至不到1小時。這其中的提速，接近170倍。用何小鵬的話說，“扶搖”的算力支撐，將是小鵬2022年到2025年達到智能輔助駕駛下一級別“全場景智能駕駛”的一個基礎條件。
相較于使用Mobileye，或者其他科技公司提供的開箱即用的自動駕駛解決方案，利用云平臺來開發(fā)企業(yè)自己的自動駕駛技術，也能在方案自主可控和引入外部技術助力研發(fā)之間達成平衡。
其原理在于，自動駕駛云平臺可以提供“海量數據預處理”和“仿真場景模擬”等功能，而這些功能能夠大幅加速車企研發(fā)進程，既節(jié)約成本又讓團隊專注自動駕駛技術本身。
當然，盡管中西方傳統(tǒng)車企選擇了兩條不同的道路，但它們仍然面臨一些重要的共同問題。
除了像特斯拉這種最頭部的廠商，能夠憑借與生俱來的硅谷基因與資金體量，實現(xiàn)幾乎全體軟件系統(tǒng)的自建，其他車企必然要考慮同科技企業(yè)合作來搭建完整系統(tǒng)。因此哪些部分需要自研，哪些部分需要外包，以及數據話語權如何分配就成了關鍵問題。
03 寫在最后
在這場汽車行業(yè)的大變革中，以BBA為代表的老牌傳統(tǒng)車企無疑已經落后了。并且目前來看，這種落后還沒有任何縮窄的趨勢。而它們陷于困境的根本原因，并不在于無法從機械技術上把握內燃機向電機的轉型，而恰恰在于沒有早早得把機械式的汽車觀矯正過來。
對于BBA來說，它們過去百年的技術沉淀和品牌積累，某種意義上講成為了它們實現(xiàn)大象轉身的障礙。在這方面，國內傳統(tǒng)車企由于包袱輕反而具有優(yōu)勢。
時至今日，如果還有人無法理解BBA遇到的問題，不妨看看德國四大汽車廠商的董事會吧。其中三分之一的成員都有機械工程師背景，但卻沒有一個來自IT技術領域。
或許，BBA的董事會真就差個程序員。