IT之家 5 月 4 日消息，OpenAI 于 2022 年 11 月发布 ChatGPT-3 以来，AI 赛道就吸引了科技巨头、资本、媒体、用户的广泛关注。CNBC 最新报道聚焦将这些大语言模型搬上舞台的软件工程师， 但他们更多的情绪主题是压力、无奈、无力。
科技巨头都想要在 AI 赛道上抢占先发优势，因此敦促旗下的工程团队不断迭代和发布新的 AI 产品。
微软一位不愿透露姓名的工程师表示，该公司正在展开一场“人工智能激烈的竞赛”，他还声称，微软优先考虑的是发布人工智能产品的速度，而不是道德和安全问题。
IT之家援引该媒体报道，一位亚马逊 AI 工程师正和好友一起享受周末，被上级紧急召回加班赶进度。该工程师师花了周末的时间来完成任务，但没多久项目却被关闭了。
文章中以微软和亚马逊员工的视角，表明科技公司一味的求快，往往忽略了准确性和测试，而且让很多软件工程师筋疲力竭，很难激发足够的热情来完成工作，导致工作效率低下。
帮百度AI干脏活累活的公司，都死了
文 | 李夜
在接触数据采标行业过程中，黑智听到一个陆奇和河南标注工厂的故事。
据悉，大部分河南标注工厂用的是网络的标注工具，干的是网络的活。陆奇掌旗网络时，放出了大量采标需求。当时，活不难（准确率只有90%），标注的利润空间可以达到60%—70%。有些企业盲目扩张，一下子招了几百人；陆奇离开后，网络需求恰也减少。2018年下半年，准确率又普遍提高至95%-96%，活难干了。这些工厂只会网络的标注工具，很难接别家的业务，因此死了一批。没有死的工厂不得不裁员，目前处于艰难转型中。
当河南标注工厂艰难转型时，张三的标注公司却正式营业。公司初建，百事繁杂，前几天，黑智才在中午空闲时间，联系上他。他告诉黑智，两个年前的单子需要返工，一直在忙。对于初建公司，忙比闲好。如果有一天空闲下来，张三说他晚上都会睡不着觉，“一天没活干，几千块钱就打水漂了。一个月得支出15万（注：目前，公司有65名员工）。”
在他看来，标注行业是一个苦行业，“前半年，一定会赔钱的，你要做好一个人赔一万块钱的准备。”他笑着告诉黑智，“如果你和谁有仇，就劝他干标注吧。”这是标注圈有名的段子。标注圈说大不大，说小也不小，分了四个梯队。张三说，他的公司属于第三梯队。第一梯队，比如网络众测、京东众智等。第二梯队，比如龙猫数据、Testin云测、倍赛 BasicFinder、数据堂等。他将第二梯队和第三梯队的关系，比做小房地产开放商和搬砖工人。第三梯队之下，是数量巨大的小作坊，团队规模在3-5人之间。
标注行业又是一个有前景的新生行业。
新生意味着不确定与无限可能，“干标注就像将水倒进一个水桶里，每拉一个框就是添一碗水。目前，谁也不知道还能添多久，只有水溢出来时，才知道。”这并不妨碍张三设计未来，“第一步，现阶段先服务好第二梯队，以后搞一个平台，把公司做成第二梯队。”
300亿市场与转折点
数据采集、标注市场有多大？300亿元。
1984年前后，这个市场就出现了。欣博友的公司是众多公司中的一家。当时，这些公司更像一个“录入公司”——将纸质内容电子化，而不是标注公司。“录入”是一个劳动密集型的工作，一家公司需要雇佣很多人来做这件事。智联招聘显示，欣博友在公司人数项上，勾选的是“1000—9999”。
和欣博友不同，海天瑞声成立于1998年，做的是语音标注，自建了很多语音库，业内人士告诉i黑马&黑智，重复销售以前做的语音库是海天瑞声比较大一块业务。数据堂成立于2011年，通常外界对其最深印象是“它是国内最大的数据交易平台”。这和其起家业务相关。
2015年前后，随着以榜单中的人工智能公司TOP50的强势崛起，数据标注和采集需求逐渐多了起来。这个市场才真正意义上形成，也即前面提到的四个梯队。他们作为乙方，进入到这个日益扩大的市场，为估值超10亿美金的AI独角兽服务，教能够改变世界的人工智能产品学习。
1.得数据者得AI的天下
数据是AI公司的必需品。就像人每天需要一日三餐，而AI模型也每天需要数据的喂养。数据和AI模型的关系，倍赛 BasicFinder创始人兼CEO杜霖理解深刻。高中期间，他开始研究计算机视觉，高三发表了论文。大学期间，他也一直在做相关的研究。他知道数据对于AI模型的重要性，并得出“AI建模没有门槛，数据才是门槛”的结论。
在他看来，现阶段的人工智能是简单的认知智能。“认知智能就是帮你去识别、分类这个世界。分类器的构造是个数学问题，就是由数据堆起来的。”“深度学习本质上是个数学问题，是由大量的样本空间数据反向构造分类器的系数空间的过程。你要有很多样本，什么叫样本？知道正确答案的才叫样本。这跟我们小时候求多样式、求系数式是一个道理。我们要有很多空间中的已知点，才能拟合成一个多样式。同理，深度学习也是这个模式，也需要大量样本，也即标定好的数据。”
于是，杜霖认准了“在现阶段工业界的AI应用研发，标数据是一定跳不过去的，可能10年之内都要依赖于标数据。”数据对于AI的重要性如斯，但数据的标注和采集公司并没有学界、业界、资本甚至是媒体的认可，光环一开始便属于那些做模型研发的AI公司，比如商汤 科技 、旷视 科技 等。
“一个公司做成了很好的人工智能产品，大家都会说人工智能算法牛或者科学家牛，但从没见人说数据收集得好的。”Testin云测VP贾宇航说。贾宇航告诉i黑马&黑智，不但镁光灯照不到，数据采标还是个“苦活”。苦到没有人想去做。它很像移动互联网，产品好，没人想到军功章有APP测试者一份。一旦出了问题，第一个被责备的一定是做测试的部门。
2.300亿元数据采标市场
数据对于AI公司的重要性不言而喻。据悉，AI公司投入10%—15%的经费用于数据采标。也有人提到，这一比例为20%—30%。2018年，中国AI公司的总融资规模达到千亿元以上，数据采标的市场约为100亿元—300亿元。其中，有三分之一是AI公司内部的标注部门之间消化的，有一些会被商务流程外包公司瓜分，剩下的25%—33%流向专门做数据采标的第三方公司。目前，AI融资规模约以每年25%的速度在增长。
随着AI技术门槛的降低，越来越多的公司开源了自己的框架，把数据喂进去就能出来一个模型。越来越多的头部垂直公司开始建立AI部门，之前它们多会把业务交给做AI模型的公司来做，这两年，龙猫数据、Testin云测、倍赛 BasicFinder的很多客户不是来自AI行业的客户，而是传统公司的AI业务部门。龙猫数据创始人兼CEO昝智认为从这个角度来看，市场规模并不好算，BAT、小米、京东、TMD等互联网公司和传统行业里的传统企业，它们会拿出多少预算做AI，不得而知。唯一可以肯定的是，这两三年，数据采标的市场规模越来越大。
这两三年，AI模型对数据采标的复杂度和精细度要求也越来越高了。比如说，现在，做一个人脸拉框，人脸的拉框精度要求在五像素以内或者三像素以内；又或是，整批数据精确度需在97%或者99%以上。贾宇航认为，精度的提高是AI行业发展的必然结果。对于AI行业，有一句话叫 Garbage in, Garbage out，低精度的标注数据对于算法没有任何意义。只有能持续输出高精度采标数据，才是一个能持续保持竞争优势的服务商。
第二，更庞大、更多样的数据规模。庞大在于数据量会更大，以传感器为例，随着传感器成本下降，并被大量应用，将有更多大量的数据需要被标记；更多样指的是更丰富的数据维度，在今年的CES展上，松下推出的智能家居解决方案，不仅仅通过电视上的摄像头观测人脸的疲劳度，还通过椅子上的电容传感器，去检测人的心跳。而之前，疲劳检测只是通过摄像头捕捉人脸。将来，更多维度的数据将被收集，不单单是2D的图象、声音，3D的激光雷达以及心跳数据等也将被纳入到采标的范围内。
3.转折点
需求侧的变化，不可避免地在供给侧引起不小的地震。供给侧开始从密集劳动型行业向新产业、新模式——工具+众包转型。洗牌开始了，数据采标迎来了下半场。
受负面影响最大的第四梯队。无论是采标的复杂还是要求愈高的精度，对于它们来说都不是好消息。去年中旬以来，每天十几、二十几家小作坊要求挂靠在倍赛 BasicFinder旗下，这说明小作坊已经失去业务的来源。“他们靠低质量数据和低价抢市场的模式，已经不能持续了。因为AI工程师不能接受低质量的数据，也不能接受不靠谱的交期。”杜霖说。
张三认为，第四梯队坏了规矩。他们先靠低价四处抢单子，而后内测什么样的项目能够在单位时间内产出最多，再去做这个项目。其它项目，则被分包给更小的团队去做。质量难以保证。“他们不算房租、管理等，只核算人工费用。他们的逻辑是一个人一天50块钱，高于这个价就是赚的。于是他们就报100元的单价。而第三梯队需要承担房租，税收、管理费用以及每天的喝水吃饭等乱七八糟的消耗，至少报200元的单价，才可以做。”
早期，第四梯队靠着这种方式，赚了一些钱，回收了硬件成本，并有结余。但2018年初，第二梯队开始做店测，“看看你有多少人，看看你的场地。你不专业，行业正在慢慢把你淘汰掉。”淘汰，意味着没有业务来源，那么多人需要吃饭、拿工资，不专业的第四梯队危机便出现了。即便能够找到项目，采标项目的要求提高，比如准确度要达到95%甚至是99%以上，小作坊必须从团队中抽出一部分人脱产质检和最后的抽检，成本也会上升。
压力，对于行业中的每一个参与者都是同样的。对于龙猫数据、Testin云测、倍赛 BasicFinder等第二梯队公司来说，他们需要创业迭代，他们需要想清楚在这个过程中如何突破自我，不断创新，走出自己的舒适区。他们找到了一个抓手起步，需要思考的是未来怎么才能取得全胜。业界认为，第四梯队危机的出现，有利于实力强大的第二梯队靠着服务质量与效率抢占退出的小作坊留下的市场空白。
新阶段与新竞争
数据标注和采集是一个技术活。
需求来到，采标公司做两个方面的工作，一，调配和研发模块，二，进行试标，并尝试总结规则，并培训。做完了这两方面的工作，公司会向需求方报价，报价过程中，采标公司回去准备相关应标材料或者应答材料。
中标之后，采标公司开始传输数据，上传到平台上，并开始配置生产和标注业务。据悉，数据标注业务的配置是一个复杂的数学模型。比如，有些任务需要串并联的工作流，并联的工作流是多人协同的工作。串联的工作流是后一个结果是基于前一个结果进行处理的，串并联的工作流需要平台来实现业务工作流的配置。比如一些NLP型的文本标注作业，需要多个人来标，最后N选一或者投票。串并联配置涉及到底层数据流的分发等。
标注过程中，质量的协同管理和绩效的统计非常关键。平台需及时统计到每个人的准确率、稳定性以及效率。标注完了之后，客户验收前，采标公司还需要抽检。最后，公司按照与客户约定的格式进行交付，这又涉及到格式转化的问题。
以上过程包含了整个标注系统所有的技术核心点。标注和采集服务并不是堆人就能够干出来的。对于依靠人力的第三、第四梯队来说，贾宇航认为，如果它们想转型众包+工具的新生产方式，“局限性比较大”。理由有二：
一，数据行业的领头者会通过这3年的持续服务，在客户圈赢得口碑，品牌效应会给其带来一定的商业积累。一些更在意质量、更在意投入产出比的公司会逐渐向领头者们倾斜。二，技术优势。头部标记公司有资金去优化自己的工具和应对客户的定制化需求，并通过管理经验优化对应的服务体系和流程。而对于小团队想要快速建立已有工具和流程化体系去覆盖一个或多个行业是有局限性的。有两条路可供它们选择，第一，精简团队，专营一个或几个AI公司的业务，做一个小而美的生意；第二，与精英合作，使用精英提供的工具，做平台分配过来的任务。
对于尚未入场的后来者来说，如果后来者一开始便立志做一个众包+工具的平台，除了克服商务壁垒外，在众包方面，众包平台需要强运营能力，需要足够多的人在平台上。平台方需要考虑如何拉新，如何保留日活、月活等。在工具方面，只有一个可采标的APP也是不够的，没有便捷的沟通方式减少误差的传递，也是很难做成的。这就像木桶理论一样，缺一块板都装不了水。换言之，留给新进入者的窗口期逐渐关闭。
业内人士认为，采标市场将进入战国争霸期。实力强大的第二梯队之间不可避免地面临着一场混战。数据采标市场开始趋于统一。第一梯队注定不会成为争霸期的主角。因为行业竞争等方面的考量，采标需求方不会将数据交给网络、京东的众包平台来做。做人力资源外包的上市公司会在下半场拿到一定比例的市场份额，会对五家标采公司造成一定的威胁，但该威胁不大。
下半场，第二梯队将如何竞争？通过与第二梯队中的三家公司深入交流，黑智发现它们对未来和竞争理解各异，布局也不尽相同。这些差异在它们诞生的那一刻起，便被注定。
1.做轻还是做重？
在回答“做轻还是做重”这个问题上，龙猫数据、Testin云测、倍赛 BasicFinder给出了不同的答案。Testin云测、倍赛 BasicFinder都建有自己的标注团队，而龙猫数据则坚持用众包的形式来做标注。
不同选择的背后，是各家不同的基因。Testin云测成立于2011年，以App兼容性测试作为切入点，进入企业服务，后衍生出功能测试、自动化测试、安全测试、性能测试等服务，成为一站式测试平台。2017年，Testin云测积累了大量客户。一些AI公司找到云测，希望通过云测的众测平台做数据采集。这是Testin云测采标业务的起点。
Testin云测的采标业务做得很重，比如除了众包采集外，它还会做定制化场景采集，甚至和横店影视基地合作，利用横店群演资源，搭建专属场景，完成客户的定制化场景采集。在标注方面，Testin云测又自建标注基地，与房山市政府合作用于数据标注。贾宇航表示，Testin云测所做的一切都是为了客户需求，“通过工具研发驱动保障标注的效率、精度，以及安全性。并通过项目管理、风控管理等方式，确保标注精度达到客户标准，以满足客户对于准确度的要求。”
从倍赛BasicFinder的产品基因上来看，倍赛的工具偏向于团队模式的管理工具，而不是众包模式。2018年12月，倍赛并购了欣博友，前面提到欣博友是一家运营了30年的北京数据处理公司。该公司提需求，倍赛做技术支持。“我们迭代了很多次，每个工具、快捷键、每个设置的优化，都是我们在数据生产中磨合起来的。倍赛接业务比别的公司都晚，2016年基本没接业务，2017年才开始接。我们的工具做得很扎实。”
除了欣博友，倍赛BasicFinder一直在积极拓展产能，杜霖说，目前，倍赛BasicFinder又拓展了将近3000多个人的子工厂。“通过拓展自有产能，实现最专业的服务。”2018年9月，倍赛BasicFinder收购丁火智能100%股权。丁火智能旗下“荟萃APP”已积累数十万活跃众包用户。“我们搭建了一套自主采集系统，再搭配荟萃APP实现数据采集，完成更多样性的任务。”
和Testin云测、倍赛BasicFinder不同，龙猫数据没有自己的标注团队，工具偏向众包模式。昝智和联创，出身于互联网公司，他们更希望用互联网平台化的方式去做采标，而不是“做一个纯的数据工厂”。昝智既往经验告诉他，应该让系统做这些复杂的数据处理，而不是靠人对人的管理。因为人对人的管理非常低效。
据昝智介绍，龙猫数据是较早使用众包模式做数据采标的，“我们用众包把事情做成了，很多跟进者也开始用众包去做。”昝智认为，龙猫数据打造出了“倚天剑”。他不觉得学龙猫数据的人能够做好众包，“早进入这个行业的玩家，有一把宝刀，他们用这把宝刀获得了利益，然后看到别人拿了倚天剑获得了更大利益，为了造倚天剑，他不可能把宝刀丢了。刀丢了，他们可能啥都没了。但不丢刀，他们又很难造出倚天剑。因为人的精力是有限的，思维是局限的，他们不可能一边把精力放在宝刀上，又一边造倚天剑，而且造倚天剑还比我们造得好，这不科学。”
昝智认为，龙猫数据没有宝刀，“接到客户需求，我们只能优化系统，才能保证准确产出数据。对于他们来说，接到客户需求，他们还有退一步的路可以走，那就当场监督大家认真去干。他们是有退路的，我们也没有退路，我们必须把它搞定。有退路的时候，人一急了，就容易选退路了。”据了解，目前，龙猫众包平台有400多万用户，其中只有一千多是做标注的。龙猫数据的标注业务主要由一千多个渠道商团队承担。
2.建模还是不建模？
贾宇航提到数据标注的产业链可分为三个部分：人员、工具以及算法。而Testin云测坚持做好人员+工具，不做算法。“数据具有可复制性这一特点，如果采集标注公司会算法，这有点像一个算法公司找另一个算法公司做标注，这一份数据到底是否用于乙方的提升，这中间存在一定的争议。”“我们是在数据领域服务的企业，而不是卖算法的公司。我们只负责完成企业的数据采标需求就可以了，完成了交付，我们将彻底清除客户数据。”
杜霖或许不会同意贾宇航的观点，因为倍赛 BasicFinder正在打造一款傻瓜式建模系统——用户只需要输入数据，便可以得到一个AI模型。“如果客户想成立AI部门，只需要部署上倍赛的系统上，然后再找两三个AI工程师调参，就可以自己出模型了。如此，标注、采集、建模就会变成一个大闭环了，因为客户懂业务，他知道业务数据应该是什么样子。”杜霖说。
现在，倍赛BasicFinder避免直接建模，杜霖强调，“我们将我们自主研发的私有化标注系统及主流的深度学习框架，统一封装进倍赛的AI基础系统BasicAI，实现AI数据及模型的整个生命周期管理。倍赛不建模，我们只给客户提供一套底层工具，让客户自己去建模。”杜霖解释说，“Tensorflow、Keras及Pytorch这些深度学习库的出现，让建模没有门槛，未来甚至高中生都能够建模。”
如果一个 汽车 公司让倍赛BasicFinder帮忙做一个自动驾驶系统，杜霖表示做不了。但他也说，“我们的BasicAI实现从标注到建模的高效流程管理。客户在倍赛标数据，数据流到建模平台，客户在Tensorflow里调点参数，模型就出来了。” 今年，倍赛将推出3.0新版本，同时提供SaaS化标注工具服务，帮助客户实现数据标注管理。杜霖提到，为团队打造的采标及建模流程化工具，可以提高倍赛的业务延展性，提高竞争中的优势。
选择无优劣，但市场会给所有选择一个清晰的答案。而战国混战，或在接下来的几年见分晓。不过，客户并不希望一家独大，大树之下，寸草不生的局面。未来，数强并立的局面或将长期存在。
走向终局
一个场景，一个市场，一个产业，一个江湖。
熙熙攘攘被裹挟着进场的人，有的主动选择，有的则是被动，但一旦进入，市场和资本的逻辑发挥作用，他们你我都变成生产链上的生产要素，被挑选，被进步，亦或被淘汰。
各个产业参与者的位置，从诞生起或已被注定。从产生的那一刻起，它按着既有逻辑在走，从不以个人意志转移。上半场，草根英雄辈出，拼价格，下半场拼品牌、服务与效率。精英开始清场，草根离场或者重新站队。而资本，加速整个产业迭代。
现在，下半场刚开启，谈终局似乎有些为时过早。有太多的不确定将在接下来几年的竞争中，变得确定。但更多的不确定性，可能又会出现。城头变幻大王旗，只在一瞬之间。
黑智认为接下来几年，不确定性虽是主流，但仍有几件事是确定的：
1.下半场仍将是性价比之争。客户永远希望用最小的成本获得更高质量的数据。为了生存和在竞争中脱颖而出，供给侧不得不迎合性价比需求，他们不得不通过技术来获得降价空间和利润空间。贾宇航觉得，技术永远是最重要的。“通过技术的方式倒逼自己不要赚太多钱。如此，价格才能降下来，竞争力则提了上去。”
2.不要忽视传统公司的AI需求。毫无疑问，接下来几年，传统企业的AI需求将会出现井喷，如何抓住他们，并服务好他们，这是所有采标公司亟需思考的。当然，也不能忽视AI行业的新数据，比如3D的激光雷达以及心跳数据等。
3.不能忽视商务能力。不强的商务能力，或将成为采标公司的新短板。现阶段，它们的产品和商业模式已基本经过市场的验证。他们需要通过放大商务杠杆扩大产品的覆盖范围。
4.建立第二条增长曲线。接下来几年，有人离开，有人留下。每个人都有所归属，在产业链上，支配或者被支配。所有留下的公司都应该寻找第二条增长曲线，如此才能突破现有成本收益的限制。另外，张三的梦仍需要做，仍需要努力实现。梦想总是要有的，万一实现了呢。（注：张三为化名）
简述现代市场营销部门的组成及相互关系是什么？
研究和理顺市场营销 部门与其他职能部门的关系,建立以顾客为中心的组织结构,是解决矛盾的唯一出路。 营销部门在公司中起核心作用，除策划和协调公司的全部营销活动外，还协调各部门之间的活动与关系。 为了有效地实现商品销售，企业营销经理需要经常地研究市场需求，弄清楚谁是潜在顾客，他们需要什么样的商品，为什么需要，需要多少，何时何地需要，研究本企业在满足顾客需要方面的合适性，研究可能存在的销售困难和困难来源，并且对应地制定满足每一个顾客需要的市场营销策略。 这就是市场调查与研究职能的基本内容。
为什么自动驾驶遇瓶颈，但自动代客泊车却很热？｜甲子光年
撰文 | 火柴Q
编辑 | 甲小姐
设计 | 一凡
视频中，一位女士开着奥迪A8L在写字楼附近下车，她轻轻按了手机中的一个键，车就在无人驾驶的情况下自动来到地库并进入了车位。
等女士离开写字楼时，只需在上车点用手机一键召唤，车又自己从车库开了回来。
开门、上车、走人，干净利落，省去了费时耗力的停车、取车环节。
这就是“自动代客泊车”（Auto Valet Parking）场景(在奥迪当时的展示中使用的是piloted parking“遥控泊车”概念)。
在功能上，它是泊车辅助系统、ADAS（高级自动驾驶辅助系统）等的升级；在技术上，则属于低速L4级自动驾驶。
但5年来，并不新颖的AVP概念仍未照进现实。近两年的自动驾驶热潮更多表现在另一个细分赛道：城市道路乘用车L4级自动驾驶。
这是最符合一般人印象中的自动驾驶——无需司机操作，车能自动载客穿梭于大街小巷，完成超车、倒车、避让行人等所有人类司机应该完成的任务。
其对应的终极商业模式是 Robo-Taxi（机器人出租车） ，它属于 TaaS（Transportation as a Service，运输即服务） 模式的一种。成立于2009年的Waymo（隶属于Google母公司Alphabet）是这一领域的先驱。
从2016年开始，这一细分赛道越加火热：通用于当年收购了自动驾驶公司Cruise，目前估值已达146亿美元；、、、文远知行等瞄准高速L4/L5级自动驾驶的创业公司相继成立；网络的Apollo自动驾驶平台，Uber、滴滴的自动驾驶计划陆续上马。
但这种“快速发展”目前看来主要表现在融资和估值上。经过前两年的热潮，城市道路乘用车L4级自动驾驶在2018年进入瓶颈一年。
2018年11月，Waymo公司CEO John Krafcik在公开场合坦言自动驾驶技术的普及还需要几十年 。几天后，苹果联合创始人Steve Wozniak也表示： 自动驾驶 汽车 不可能在不久的将来实现 。
困住这些世界级聪明头脑的无非两个词：量产和商用化。
然而，AVP却很有可能率先打破城市空间中，乘用车高级别自动驾驶的量产和商业化僵局。
现在，市场离AVP的量产落地终于只有临门一脚了。
有可能踢出这“临门一脚”的是一家从ADAS辅助驾驶系统切入自动驾驶领域的上海公司——纵目 科技 。
2018年12月26日，纵目 科技 宣布收到中国一汽的项目定点信，将在中国一汽红旗品牌2020年的量产车型上，部署低速L4级自动驾驶AVP产品。 纵目成为中国首个拿下整车厂AVP量产项目的公司。
让纵目拿下车厂订单的是他们在去年11月针对停车场低速场景推出的AVP1.0版的升级版。而纵目对这一领域的 探索 起步于更早之前的2016年9月。
当时，在国内自动驾驶领域，相比黑 科技 感更强的无人车方向，AVP并不是焦点。
到2017年7月，戴姆勒和博世在斯图加特梅赛德斯奔驰博物馆共同宣布了“自动代客泊车”（Auto Valet Parking）概念（二者在这一领域的合作始于2015年），业内才对这一场景有了较为统一的说法。
而2018年，AVP的竞争已是如火如荼。
纵观以上进展，大部分是概念、Demo、技术方案、战略合作的发布。
这说明两个问题：
一、各玩家都看到了AVP的前景。
纵目 科技 创始人兼CEO唐锐也告诉「甲子光年」：“我认为AVP是中国市场上（自动驾驶领域）最具有战略价值的高地。”
梅赛德斯-奔驰乘用车中国研发中心负责人安尔翰（Prof. Dr. Hans Georg Engel）也曾在去年表示：AVP是通往自动驾驶之路的重要里程碑。
二、真正在这一领域有长期积累的玩家并不多。
上述进展中，有些项目的研发是在去年才启动的，许多进展仅停留在合作发布阶段，还未到测试，更未到量产阶段。
在这个背景下， 纵目在12月拿到的一汽红旗轿车AVP量产订单就具有了重要的市场开拓性意义 ——纵目的AVP系统很可能率先登录主流乘用车。
站在众玩家扎堆进军AVP的时刻，纵目 科技 创始人兼CEO唐锐向「甲子光年」回顾了他的思考历程：为何在2017年上半年就看准了AVP？
可以先从商业逻辑来看这个问题。
在考虑 自动驾驶各落地场景的机会大小和商业化速度时，主要看4个维度： 封闭场景/开放场景、固定路线/自由路线、低速/高速、车里有乘客/无乘客。
除了技术差异外，以上四维度中，封闭场景/开放场景还涉及路权问题；有乘客/无乘客则涉及立法难度。
而自动驾驶的商业模式则主要有两种：
一是上文提到的 TaaS ，在这个模式中，自动驾驶是运营服务得以成立的核心技术。
二是 汽车 产业的传统商业模式，即 在 汽车 里加入自动驾驶功能，再卖给消费者，唐锐将其总结为VaaP （Vehicle as a Product）。在这个模式中，提供自动驾驶系统的公司充当整车厂的供应商。
VaaP是现在，TaaS是未来。
以这个框架来看，最复杂且商业价值最大的情况是“开放道路、自由路线、高速、车里有人”，它可以直接应用在城市出行上—— 、、文远知行等公司，以及全球自动驾驶头把交椅Waymo都是在向这个“桂冠场景”挑战 。其对应的商业模式Robo-Taxi将彻底改变人类出行方式，进而改变生活方式、交往形态，催生一系列新业态。
这也是这类公司吸引了大量风投的原因，大机会不容错过。但这一场景的商业化时间目前看起来还很遥远。
最容易落地的情况则是“封闭道路、固定路线、低速、车里无人” ，比如矿区中的矿车和园区里的无人物流车；但这一场景的商业价值有限，向其他场景的迁移性也有限。
而AVP则处在中间——“开放道路（但停车场、尤其是地库等类型的停车场里行人不多）、自由路线、低速、车里无人”。
这刚好是一个折中的、有较大延展性的场景 ，它具备以下特点：
一、法律法规障碍小——落地快、量大
相比其他城市中开放、半开放场景，低速且车中无人的AVP的立法难度和伦理风险显然更小。
这个场景中不存在“保乘客还是保行人”的伦理难题；由于速度低和地库较少有行人出入，其事故风险也更小。
唐锐告诉「甲子光年」，他认为AVP能更快落地的根本原因就是：“法律法规更简单，车厂上量产订单的意愿会更强。”
这直接带来的商业后果就是AVP能更快落地，且量大。
二、同时面向VaaP和TaaS市场——能造血、空间大
在VaaP市场 ，大众、戴姆勒、宝马、沃尔沃等公司都已将嵌入AVP系统的量产车型提上日程。纵目此次拿到的一汽AVP量产订单也属于VaaP模式。
VaaP让做AVP的厂家能在 相对短期内获得营收，具备一定自我造血能力 。
而同时， AVP又具有切入运营服务，即TaaS市场的潜力 。
当下，AVP产品形态就可以直接切入 汽车 分时租赁运营服务 。
这个模式其实就是共享单车的 汽车 版。但相对自行车， 汽车 的取放更复杂。分时租赁运营商需要在调度车辆上花大量运营成本，且停车、取车不便也影响了分时租赁的市场接受度。
所以 分时租赁运营商有采用AVP系统的强烈需求 。
在分时租赁模式中，AVP厂商有机会参与运营，提供增值服务，如为保险业提供数据洞察、在乘客的AVP控制入口（如手机APP）上添加精准营销、目的地打折信息、广告等业务。
这是一个比供应商角色更轻、边际效益更大、 更有利润空间的商业模式 。
三、AVP未来有切入“桂冠场景”的潜力
如前所述，投入自动驾驶的资本和人才浩浩汤汤，最让大家的兴奋的还是“桂冠场景”——城市道路高速自动驾驶场景。
而AVP具有切入这一场景的潜质。
这是因为AVP对技术的要求其实很高。
这个场景满足开放道路、自由路线的特点，这意味着需要完全的L4级自动驾驶技术才能保证AVP的大规模商业落地。
AVP与自动驾驶桂冠场景的差异主要在于：
而 以上两大差异，正是目前限制高速L4级自动驾驶落地的瓶颈 。
前者使得方案里不得不使用探测距离更远、但价格昂贵的激光雷达，成本居高不下。
后者则有待技术突破。正如Waymo CEO John Krafcik所说，自动驾驶普及还需要几十年，主要是因为技术还没有突破在任何天气、任何条件下都能驾驶的最高等级L5。只要这个能力不解锁，就无法真正保障自动驾驶的安全性。
换言之，有实力做出可靠AVP方案的公司，在技术上，和瞄准高速L4级自动驾驶的公司并无泾渭分明的鸿沟。
用唐锐的话说，技术上能有的都有。而那些该有还未有的技术，大家都还在等待。
其次， 与园区物流车、高速公路卡车等细分赛道相比，AVP直接应用在乘用车上 ，与乘用车高速自动驾驶场景更具有商业和合作上的顺承性。
先成为整车厂的低速L4级AVP供应商，再共同研发高速L4级自动驾驶，可能会成为一条稳扎稳打的桂冠场景进击路。
“我认为这是一个战略高地，如果这个占领住了，再去打高速，这个很Solid（有坚实的基础）。”唐锐说，“在中国，低速L4级自动驾驶可能先落地”。
纵目能在2016年底较早捕捉到AVP的机会还得益于这家公司的基因。
纵目刚好代表自动驾驶领域的 一大派别“车+AI”，另一大派则是“AI+车” 。
所谓 “车+AI”就是以 汽车 行业为基点切入自动驾驶 。通用、大众、丰田等车厂的尝试，博世、采埃孚、大陆、现代摩比斯等Tier 1（一级供应商）的尝试都属于这一派，其特点是产品导向。
成立于2013年的纵目也是一家“车派”的自动驾驶公司，团队有深厚的 汽车 背景：
纵目创始人唐锐曾有14年 汽车 半导体的研发管理经验；团队中还包含了原奇瑞 汽车 工程研究院总工程师陈卓超等多位国际一流Tier1的高管和技术专家；在2016年开始组建技术团队后，也引进了曾在Zoran与CSR公司担任高级研发经理的王凡等AI人才。纵目对车厂的量产流程，如何控制产品成本有清晰、清醒的认识。
而“AI+车”则是以AI技术为基点，从自动驾驶的算法切入，逐步谋求商业落地。 许多有互联网 科技 背景的公司都属于“AI+车”一派。
其在海外的代表是Waymo、Cruise、Uber自动驾驶、Auto X等公司，在国内的代表则有网络Apollo和、、文远知行等（最后提及的这三家公司都有网络背景）。
但 到了2018年的萧瑟环境中，市场更关心的是谁能好好活在当下 。
从“生存力”上来说，车+AI一派有一定的优势。
纵目的发展历程也正是如此。
2013年到2017年是纵目的第一个阶段，完成了从初创公司到Tier 1的跨越。
此阶段纵目主推的产品是L0到L2级的ADAS系统，能实现司机在最后3-5米的辅助泊车及辅助驾驶功能。
到2017年5月，已经在厦门、上海建立了自己的生产线，并拿到IATF认证（一种生产过程质量体系认证）的纵目从主要提供算法和方案的二级供应商，升级成了直接面向车厂、同时提供软硬件产品和服务的Tier 1，合作车企包括吉利、威马、上汽大通、北汽银翔、江铃新能源、车和家等。
与此同时，完成A轮融资后，纵目在 2016年春节后开始组建自动驾驶团队 。与“AI+车”派的最大区别是，纵目从第一天做自动驾驶，想的就是怎么才能真正量产。
唐锐对如何实现自动驾驶量产有3个思考。
首先， 量产一定要在品质上达到“车规级” 。
汽车 是出行工具，但从另一个角度看，也是“杀人机器”， 汽车 之所以成为工业明珠，就是因为任何用在 汽车 上的零部件和系统一定要经过各种高低温、跌落、震荡、老化等极端情况的考验，尽可能保证安全性和稳定性。
这是一个快不起来的过程。法雷奥中国区CTO顾剑民曾表示：“从方案到最后的量产，一款真正的车规级的开发一般需要花费五年或七年。”作为Tier 1，纵目开始做自动驾驶时，车规级产品出货已达50万套，有较丰富的研发和量产经验。
第二，在质量过硬的同时， 一定要严格控制成本，才能上量 。
这也是纵目着力进军低速L4场景的原因，因为低速场景不需要太长的制动距离，不用使用动辄数万元的激光雷达等昂贵部件，对于计算平台的处理能力也不会有过高要求。
纵目以视觉的感知方案为基础，搭配低成本毫米波雷达，使用价格较低的高通骁龙820A平台，把AVP的成本控制得很低。 “我们可以把整套系统，控制器加所有传感器做到几千元以内。” 纵目副总裁陈超卓告诉「甲子光年」。
第三， 量产还要满足市场需求 。
停车难、取车难，以及城市道路上的拥堵是中国出行领域的特殊痛点。所以唐锐判断，美国的高速场景可能有一定优势，但在中国，大概率是低速L4自动驾驶先落地。
在这样的思考下，纵目在2016年9月开始开发AVP产品，在2017年11月底率先推出了自己的AVP1.0系统。
回顾纵目如何能获得市场先机，唐锐说：“这是一个思维方式的问题， 当时很多人都想做很炫酷的高速自动驾驶公司，没有严肃地去想，中国市场到底需要什么自动驾驶。 ”
在具体开启AVP的商业打法时， 纵目也保持了“车+AI”的稳健 。
稳首先表现在资本借力上。由于ADAS产品线已相对成熟，和许多大举融资的自动驾驶公司不同，纵目的做法是用ADAS的造血能力来覆盖研发自动驾驶的部分成本，因而对外部资本的依赖没那么大。
在拓展商业模式上，纵目首先仍是做好供应商的角色，从2018年初开始推动与整车厂的AVP量产订单， 走完了技术交流、SOR （Specification Of Requirements，车厂对供应商的产品规格要求） 、招标、定标、工厂审核的复杂流程 ，最终在年底拿到了一汽的定点信。
这个过程中，纵目花了3年多时间建立的一级供应商角色的优势开始显现，具体表现为与车厂采购部门的良好商业关系，与车厂研究院的多年的技术合作和与SQE（供应商质量工程师）在生产和质量把控上的默契。
同时，自动驾驶技术也让纵目有了跳出“一级供应商”实现产业链位置再升级的机会，即切入分时租赁运营服务。
“我有一个观点，L4级的自动驾驶一定是运营相关的。”唐锐说，“ 分时租赁是我们看到的一个大机会，它不仅能让传统的ADAS升级，还能带来新的商业模式。 ”
目前，纵目已经和多家整车厂旗下的分时租赁平台展开了初步接触，共同 探索 AVP在分时租赁模式下的落地方式。
梳理5年的 历史 ，并不高调的纵目有一条从辅助驾驶到自动驾驶的清晰升级路径：
“从整个公司来讲，战略很清楚——我们怎么从低速、AVP这个切口，树立纵目在自动驾驶的领导地位。这个我们没变过。”唐锐告诉「甲子光年」。
在AVP即将量产的前夕，这个市场仍有一些不确定之处。
最大的争议点是技术方案的收敛方向：
目前，在AVP具体怎么做上，存在一个光谱分布，光谱一端是“改车派”、一端是“改车库派”。
纵目是改车派，追求 “车的智能” ，即在不改造地库的情况下，实现AVP。
唐锐认为改车方案有三个好处：
一是能更好地控制成本——改造地库的成本比较高，而且限制了AVP使用的地域范围；
二是纵目本身与车厂有较强的合作关系，而大车厂可以通过量产出货迅速催熟AVP这一商用特性，改造车库则要牵涉与地产商、物业的合作，市场碎片化和区域属性太强，增加了商业落地难度；
三是改造地库的方案对车的智能要求不够高，而通过“改车”来实现AVP，则更接近未来的高速L4自动驾驶场景，符合纵目的长远发展战略。
“如果停车场有通信和车-场协同更好，但如果不改造，车也有足够的智能，就像人能在陌生停车场找到停车位一样。”唐锐说。
地平线也属于改车派，在去年11月28日，地平线首次公开测试了其AVP项目，不过地平线目前的方案用的是Velodyne 16线激光雷达（官方售价为3999美元），成本有待进一步降低。
全球最大一级供应商博世则是“改车库派”的代表 ，可以通过对车库的改造，让不同车型实现“自动停车”，车辆本身只需要电子制动、自动换挡、电子助力转向及远程互联等基础功能，不需要任何环境感知功能。
这个方案的优点是对车辆要求低，但目前的成本较高。
在去年博世和戴姆勒于中国联合展示的方案中，他们使用了柱式安装的工业级单线激光雷达。基于系统冗余的考虑，实际应用中，可能平均每3个车位就要布局25个激光雷达，在成本上尚不现实。
禾多 科技 去年底推出的 Holoparking则处在中间位置 。
用禾多 科技 创始人倪凯的话总结是 “场端、高精地图端、车端”组成的“三端合一”方案 。
这一方案的难点是需要做系统性研发：“我需要把这三端都做研发，面相对铺得比较开，需要很多的技术模块共同来完成。”倪凯曾在接受采访时说。
不管是“改车派”还是“改地库派”， 在推进AVP商业落地的过程中，都面临一个共同问题，就是需要整合各方资源，制定一套新的产业链利益分配方式 。这是因为AVP作为L4自动驾驶的一个应用，脱离了单一硬件模块或者软件功能的概念；AVP技术提供方也不再是单纯的整车厂Tier 1供应商，而是越来越深地卷入了AVP“产品+后服务”的全生命周期。
目前来看，AVP这一场景牵涉的商业角色有6类：AVP自动驾驶技术提供方、整车厂、分时租赁运营方、高精地图图商（自动驾驶技术的实现需要配套的地库高精地图）、充电技术供应商和商业地产/物业公司。
各方有待厘清的问题主要在于两方面。
一是商业模式 ，这涉及最终谁来买单，上游如何分润。
买单方是相对明确的 ——不管是VaaP模式还是TaaS模式，最后的付费者都有C端的司机/乘客；而TaaS模式下，还可以有部分“羊毛出在猪身上”的收入，比如与出行服务结合的营销、广告、保险等业务。
各参与方需要考虑的是最终端的消费者愿意为AVP系统花多少钱？是愿意按次花钱，还是一次付完？
上游的分润模式则有更大的不确定性。 对纵目这样的技术供应商来说，他们可能想终止以往卖产品、卖license的单次收费模式，改为按调用次数收费，并试图切入以AVP为基础的增值服务；图商、物业也需要在新模式中找到合理的分润方式。
二是权责如何分配： 万一车辆在自主泊车过程中出现事故，谁是责任方？保险公司应如何赔付？
“一定是服务的商业模式，”唐锐坚定地看好AVP和分时租赁结合的运营服务，但他也坦言： “具体的利益分配、责任分配现在看还不清楚。”
但这种“模糊”的状态，往往也意味着机会。
对纵目这类 汽车 行业的后起之秀而言，它们有机会通过新一轮变革获得最有利的市场位置。
“整个市场是比较碎片化的，谁都没有完全的话语权， 正是因为这个事比较复杂，所以需要一个核心的技术供应商来挑头。 ”唐锐这样看待现在的局势和纵目可能的位置。
目前，纵目已和部分车厂、图商、商业地产物业等相关角色讨论新的商业规则。
接下来，纵目的远期目标是在实现AVP的基础上，升级到高速L4级自动驾驶。
这家步步为营的公司，制定了一个三步走方案。
第一步是继续和整车厂密切合作，跑通AVP技术量产落地的从0到1。
2018年，纵目已接到了大量国内车企的预研项目，在一汽红旗车型的量产AVP订单后，纵目或将公布更多好消息，包括进入合资车企的供应链。
唐锐自己的判断是， 跑通从0到1的关键是2020年，当装载AVP的车辆到达一年10万台以上后，AVP才算经受了市场检验。
同时， 纵目也已开始布局第二步，用AVP技术提升分时租赁服务商的调度效率 。
“我个人判断，做分时租赁的企业比较适合从1到N复制。”唐锐告诉「甲子光年」，这类运营厂商更看重市场推广和铺量，在产品被充分验证前，很难满足他们的商业拓展需求。
所以，纵目的计划是在稍晚的时间——大概2019年下半年开始和分时租赁公司谈具体的落地项目。
在此之前，纵目会在小范围内通过大量测试，跑通AVP与分时租赁结合的各个技术点，再去和大平台做联合运营。
第三步，则是 在未来开始真正进入高速L4级自动驾驶领域 。
在这个过程中，纵目仍会借助自己的Tier 1身份，以ADAS和AVP产品线获得收益，自我造血。
同时，在技术条件更成熟、传感器成本降低、法律法规环境也更完善时，进军高速L4级自动驾驶的“桂冠场景”。
唐锐对“时机”的判断是，真正L4级产品的竞争会发生在未来5到10年间，这是一个足够大的机会，也需要付出足够的耐心。
“真正让自动驾驶exciting（令人兴奋）的东西，一定是service（运营）。”唐锐说。
在新的自动驾驶和运营结合的时代里，纵目不会停留在一个传统Tier 1的角色，而是考虑更多可能性——比如通过核心部件切入，深入参与出行方式变革带来的一系列增值服务。
“我们希望是第一个在中国证明L4能真正商业化落地的公司。”唐锐是一个不愿过多展露锋芒的人，但这一次，他不吝说纵目就是要当第一。
第一究竟花落谁家，和自动驾驶的发展一样，“欲速则不达”，心急看不了结果。
但率先拿到一汽AVP量产订单，为纵目的豪言增添了底气，这家公司己赢得了一个有利位置。未来两年，它将对阶段性的胜利发起冲刺。
