作者：Mark
出品：红色星际（ID：redplanx）
头图：美团创始人王兴
今天的北京阴雨连绵。
夏华夏和兴哥约了一个会议，想探讨一下公司无人车的发展问题。
十点半，夏华夏走进了兴哥的办公室。
兴哥抬头问道，无人配送车最近发展的怎么样啊？
为什么选择七维交互？
夏华夏回答道，我们团队把整个无人配送车的场景想了一遍，最后我们出了一套终极方案和一套替补方案。
在我们制定方案的过程中，发现不同场景产生价值和公司估值是不一样的，同时场景的选择也直接决定了公司市场规模和商业模式。
以外卖为例，外卖有非常丰富的场景，同时因为它对速度要求是相对较低，又是载货的，所以更容易让自动驾驶的技术落地。
但它的价值是最大的，因为时效性和分散性导致了外卖对人力的需求更高，因此无人车替换起来市场也最大。
外卖无人配送的各个场景，我们分为开放道路和封闭道路，在此下面分为B端到C端，当然中间也有交叉，暂且是这么分的。
我们认为商场的场景产生的价值最大，一方面是因为90%的外卖订单都是在大商场的餐馆里出，另一方面是骑手时间的1/3都浪费在商场上，而且商场作为一个封闭场景，高精地图比较容易得到，所以最先在商场搞。
那你们打算用哪种模式搞，Waymo还是Aurora？
夏华夏想了想说，目前市面上准确的说不止这两种，还有第三种方案，一种是做全场景的Waymo模式，每年需要投入5亿美金左右，打造一支规模庞大的测试、运营车队；
第二种是研发高性能仿真系统的Aurora模式，但难度不亚于打造一支测试车队，每年需要投入1到2亿美金。
第三种就是特定场景下的自动驾驶，比如封闭港口，封闭高速公路，这种投入成本和技术要求相对较低。
我们结合自身的情况，选择了第三条路径，在特定应用场景下落地无人驾驶，具体来说，围绕外卖无人配送车展开。
我听说在B端，朝阳大悦城免费让咱们测试，效果怎么样？王兴问道。
夏华夏思考了片刻，效果怎么说呢，商场的逻辑是通的，就是在实践的过程中遇到了很大的挑战。有慕名前去看的，特别是一些家长为了开拓孩子的视野，成堆成堆的去。对外传播效果是很好，就是要打通这个场景难度太大了。
交互场景太复杂了，小孩，卡丁车，情侣，特别是周末，人挤人，无人车完全走不动。
在所有的交互场景里，最难的是与电梯的交互（特别是人挤人时候，无人车被欺负了1个小时）。我们也和物业讨论过改装问题，或者和三菱等有梯控资质的企业一起改，或者给无人车加一个机器手，甚至想过再加一部电梯，专门为咱们无人车服务，但是商场物业并不是很积极。
怎么自动的，有效的上下电梯，我们需要联合通信、系统公司，一起打造一套智能电梯的控制方案，但这个需要时间，需要5G技术。如果无人车可以自由地坐电梯（就相当于曹操的军队可以打水战，天下统一就不远了），我们瞬间就能打通很多的场景。
此外还有一个误区，目前自动驾驶行业认为，落地顺序是室内落地、园区落地，最后在公开道路落地。因为室外涉及各种复杂的障碍物，不同的交通标，各种复杂的交通状况，所以公开道路最复杂，最难落地。但以我们这几年的实践经验看，外卖行业独树一帜，商场是落地最难的场景。
王兴想了想说，难度怎么大，我们要不要放弃这块。我个人感觉也是认为目前阶段，商场里的交互有可能是所有无人驾驶技术里最难的，特别是对于有时效性的外卖服务，难度更大。
组团挑战七维交互
夏华夏想了想说，目前我们团队是这么想的。商场这块难度最大，但是竞争的企业也很多，我们可以成立一个开放平台，把我们的场景和订单外卖调度系统开放给他们，让他们探索。
（无人车引擎图）
未来如果要做到B端到C端完全通，肯定不是一辆车能完成的，需要小车和大车配合。至于最终具体是什么车型、什么技术水准的无人车，什么场景内送货最合适，目前还处于摸索阶段。
像Segway爬梯式的无人车，我们也可以根据场景针对性和新石器，毫末智行一起设计车型，我个人感觉产业链的力量是巨大的。
王兴无意的说道，那再加2颗激光雷达效果会不会更好，现在我听说是单线激光雷达，如果加到16线激光雷达，无人车是否可以更顺畅。
夏华夏立马回答，这个不是感知的问题，是交互的问题，虽然交互也和感知有关，但主要是交互的场景太复杂了。
王兴笑了，算我没问，你们都是冲锋在第一线的，你们自主决定怎么做。关于开放平台，你们团队是怎么思考的？
夏华夏继续说道，以我们团队近3年的探索，发现外卖是最难的无人驾驶场景。传统乘用车也就是人、车、路、云四维交互，我们外卖是人、车、路、云、柜、梯、门七维交互。
王兴惊诧道，多少，一种不祥的预感突然出现在王兴的脑中，这种不祥的感觉来自王兴20年的互联网经验。
夏华夏说，七维还是抽象的，不包括猫，狗，小孩等。这个难度在我们团队实践了3年后发现的，大大超出我们之前的预期。
整个链条我们从最开始，与电梯、货柜、门和门禁系统进行交互，到与交通标识，交通资质，物业的交互，最后也是最主要的一点是与通信V2X的交互。
原先的计划是用户下单后，云端智能调度中心即向无人智能车发出指令，智能调度中心同时会将室内目的地的高精地图发送给无人车，帮助其在室内行驶中保持安全。
现在这些方面都是一抹黑。所以只有建立开放平台，建立产业链合作，才有可能最终打通外卖整个场景。
我们软件自研能力确实很强，但也只能够解决一部分问题，像通信、器件、整车、实业和政府等领域，我们只能和别人合作。无人配送车要上路，必须有相关的牌照和路权；无人配送车要进楼宇、乘电梯，也需要通讯的网络企业；而在基础设施方面，智慧交通、5G 网络的建设需要政府来推动。
现在我们主要是先提出场景需求，然后让各家合作伙伴去尝试。
每个地方会有不同的无人车产品方案，有的公司选择机器视觉方案，有的选择激光雷达方案，有的车是四驱，有的车是两驱。
场景也多样化，各类气候和路况条件下需要有不同适用能力的无人配送车。不同场景中的配送对无人配送车的配置需求也是不一样的。有现车车型的企业，我们因地制宜安排，没有车型的企业，根据需求一起研发生产。
我们一方面坚持从自研的角度做技术积累，另一方面从开放平台的角度，因为配送市场足够大，所以需要一个完整的生态系统。
（美团开放平台生态图片）
王兴打住了夏华夏的讲话，这么长的产业链，我们肯定做不来。开放平台上的合作伙伴是怎么反馈的？
夏华夏回答道，新石器单飞了，其它合作伙伴也是貌合神离，各自有各自的小算盘。
七维交互降为六维交互
王兴想了想说，我们可以先战略性的放弃这块（开放平台），或者先在仿真系统上跑，等想好怎么做后再做。
（王兴顺手打开了美团无人车的网站，发现已经有2年没有更新了，合作伙伴也是之前的，裹动智驾已经在2年前不做无人配送车了，华夏幸福都快倒闭了，可是合作伙伴里依然有他们的名字。）
你要从本质上想，我们做无人配送车的目的是什么，王兴加快了语速，是帮助快递小哥去处理恶劣极端的工作场景，比如雨雪天气和极热极冷环境等；同时承担超远距离和超重订单，来增加现在骑手的收入。
特别是我们24小时服务的项目。从这点出发，我认为我们先放弃这个场景（B端），并不会与我们最初的目标，愿景冲突。帮助小哥去提升配送效率，让他们赚更多钱，这个是我们的目标。
夏华夏急忙说，我们未来可能会面临几十万的骑手缺口。目前我们团队预估未来5年我们的外卖订单量可能会增加2到3倍，而且随着00后逐步进入社会，未来会有越来越少的人有意愿从事外卖快递员。
王兴接着说，公开道路的无人车配送，完全可以覆盖这短缺的劳动力。
王兴低下头思考，如果去掉商场这个场景，就相当于把外卖的源头给规模化了，这和京东现在做的从集中仓分发到快递用户住处，没有什么两样。本来想着可以避免一场无人配送车战争，兜兜转转又竞争到一起了。
（美团无人车图片）
这就是我和东哥的宿命！
终端的场景做的怎么样？王兴深沉的问道。
住宅区的人流相比商场少一点，交互也少一些，我是认为有很大机会，但挑战依然很大。
做终端这块，我们必然要去和小区、物业、写字楼、园区打交道，因此我们需要联合很多地产、物业、园区这些企业。有些地产园区和物业天生有这样的需求，比如华夏幸福、金地集团的产业园区，写字楼，中关村产业园区等，有强烈的创新科技示范需求以及创新技术提升商业价值需求。
有些物业和地产则比较难搞，特别是一些传统产业园区，负责人怕担责，往往需要签对赌协议才让我们的无人车进入。
这些还不是最难的，真正让我们头疼的是小区内部行驶，特别是门牌号的精准定位。
小区内很多道路在地图上是找不到的，所以我们需要为这些路建立高精地图，为每栋房子、每个商铺、每个公交站都标注详细的信息。
特别是北斗系统精准定位和精准导航能力，这个是最核心的。但这需要一些政府部门的审批，需要有制图资质。
最最麻烦的还是和小区物业打交道，得方方面面的交代清楚，不能出任何差错，否则他们就会撵走我们的无人配送车。
王兴反问道，那这些工作是我们自己做，还是在我们对外平台上做。
夏华夏回答，因为我们对地图中的POI（信息点）细化要求很高，交给第三方地图服务商处理会影响消费者体验，所以我们自己做这些细化工作。而且这些属于核心的数据信息，我们必须要掌握在自己手中。
目前我们团队不仅在开发小区高精地图，还有公开道路高精地图，包括车道线信息、道路限速、限高等标识信息，都会被记录到地图上。
高精地图作为L4级别自动驾驶最重要的感知工具，我个人的实践是，没有之一，比激光雷达和视觉感知好几十倍，即使未来的芯片计算性能大大提升以后，高精地图也必须是L4级车的必配物。
王兴点点头，你继续讲终端场景。
我们团队认为住宅区是有可能大规模铺开无人车的，但也面临着一些困难（比商场的难度小）。
最最主要的问题就是门和梯的交互，我们必须和一些大的房地产开发商去谈，或者一些大的物业公司去谈，智能门禁解决方案是第一步，然后是智能电梯的控制方案（自动的上下电梯）。这2个问题解决了，大量铺开是没有问题的。
而且也很符合我们的成本规划。由于末端配送对用户量特别敏感，只有用户高度密集，才有盈利的可能性，用户数量少，无人车成本费都很难收回。
以人力成本为例，一线城市外卖员的人力成本超过10万元每年，而无人车考虑3-5年的寿命和充电、维修等成本，综合计算，无人车大规模推行的价格阈值在每台15万元左右。
如果每个小区每天能达到200到300元的收入，我们不需要烧太多资金，就可以大规模地去铺开。
为什么说这块容易铺开呢？因为未来一定是智能化住宅，智慧园区，无论对于园区还是住宅区，其实都有潜在的需求。
这些的前提是先解决智能电梯控制方案和智能门禁解决方案，这2个问题也需要地产商，物业，政府，通信公司，电梯公司的协作。
王兴问道，现在我们是几维交互？
夏华夏回答，人、车、路、云、梯、门六维交互。
王兴继续讲道，我觉得我们的模式还是太复杂了，干脆我们直接把最难的2端先给砍了，优先将精力聚焦在相对比较简单解决的公开道路行驶部分（相对而言），同时引入新的开放平台合作伙伴，通过合作伙伴的车辆满足室内配送和小区配送的需求。
六维交互降为四维交互
夏华夏突然醒了，兴哥，我说一下我的看法吧。过去十年的互联网很多只是商业模式上的创新，未来十年是技术创新的之路。
我认为我们最少也得做人、车、路、云四维交互，这是最低的标准了，不能再砍了。单纯靠商业模式的互联网砸钱时代已经过去了，从最近的反垄断法也可以看出来国家的想法，未来我们必须在技术创新领域有所突破。
王兴笑着说，对。四维交互是最低了，否则做这个项目就没有任何意义了，再砍只能砍你了。
夏华夏笑着说，砍我不要紧，关键是保持美团的核心竞争力。
对公开道路无人配送，你们团队怎么看？王兴笑着问道。
夏华夏想了想说，那我们干脆就把外卖场景都给砍了，外卖场景的交互复杂性确实远远超过了我们的预期。然后把外卖场景嫁接到我们的卖菜场景里。
王兴想了想说，可以尝试一下。
夏华夏接着说，那我们就得大动干戈一把。卖菜物品和外卖物品不一样，外卖的饭盒相对容易标准化，而卖菜物品尺寸则大小不一。
（夏华夏和同事思考问题图片）
车辆改装成送菜的，就需要更大的容量。同时需要把格子式餐盒和打开方式（门）都重新设计一遍，可以参考特斯拉和Nuro的开门方式，大鹏展翅门。
外卖对于时效性的要求非常高，要求30分钟，最多一个小时内到达。而且外卖配送的起点是大多是分布式商家，而卖菜则有集散站可以做物件的调度。
这2个特点需要我们不止在外观架构方面重新设计，感知硬件也需要全面升级，可以用魔袋产品全部代替小型车，做一次全面的产品升级和战略升级。
激光雷达必须由单线的改成禾赛的64线，探测距离也从50米提高到200米，从线控底盘到车身，需要由毫末智行重新设计生产，行驶里程希望能达到200公里，时速达到每小时40公里甚至更高。
夏华夏还在不停的说着如何改动......
王兴陷入了沉思。折腾了这么一圈，最后还是回到了公开道路L4级自动驾驶上，原先想的低成本，容易落地，外卖业务的衍生，统统的化成了云烟。
卖菜服务天生就把前端和后端给砍掉了，比京东无人配送车的模式还简单。前端统一装货，后端直接给社区团长打电话取货，这比给用户打电话管用多了（有些用户上下楼取餐都20分钟）。
那我们为什么不能学美国的Nuro，王兴疑惑的问道？
夏华夏突然愣了一下，Nuro？Nuro在美国配送一单的价格折合人民币40多元，美国因为地广人稀，特别是郊区。油钱加人力成本和时间加起来远远超过40元。
但反观中国，配送价格若是40多元，几乎是不能想象的，甚至京东快递都要开始改行送外卖了。现在中国快递行业价格战一直在打（极兔入局），价格还在下探。
Nuro我们目前学不来（最多学学他们微笑的设计理念），这和两国的国情和居民习惯有关。中国居住环境相对更密集，特别在一二线城市中，商超、便利店随处可见。根本不需要几十块钱的配送费。
王兴接着问道，那我们直接做L4级乘用车不就行了，反正已经掐头去尾了。现在这种模式和L4无人车有什么区别，L4无人车完全可以代替魔袋产品，而且速度还快，也没有那么复杂的辅路人车交互。
直接可以在主路上行走，拉的货还比魔袋产品多，没货的时候，还可以转为我们的美团打车专车。
都64线激光雷达了，感知硬件一个也不少；速度也能达到60km/h，还能减少维度的交互，车路云三维交互，没有了行人的随意性。
（无人车交互图片）
夏华夏打断了王兴的讲话，兴哥，无人车限速是每小时40km，而且乘用车只能在测试区域使用，未来几年可能都无法在市区测试。
王兴缓过神来，喔，可能刚才有点激动，想得有点多。
夏华夏赶忙安慰道，末端无人配送在城区公开道路中，车辆速度虽然最多40km/h，但车辆面临的场景非常复杂且随机。车辆要跟不同路况里的行人、交通工具、障碍物等物体进行交互，从技术角度来看和Robotaxi面临的挑战是一样的。
我们的最终目标肯定是L4，如果真的把自动驾驶技术在无人配送场景里做好了，我们就非常有信心把相关的技术迁移到乘用车的无人驾驶环境里去。之后技术如果更成熟了，再迁移到美团打车上，提高打车的效率。
王兴叹了口气，无人车到底会不会造成骑手的失业，这个问题你要老实回答我。我们不能光追求技术，追求利润，把为我们打江山弟兄的后路给断了。
夏华夏笑着回答说，这个问题就是80年代下岗浪潮一样，只是骑手的职责变了。
无人车会创造大量的维修、保养、电池管理的需求，还包括远程监控、安全、遥控等。这个时候，美团的53万骑手队伍，可以很快地转化为无人配送车运维团队。
还有一个问题，目前我们在北上深雄都有布局，第五个城市我认为应该选择在西部城市，比如成都。成都的区位、人才和政策三大优势。
王兴反问道，成都有汽车工业吗，成都有自动驾驶产业吗？我觉得我们还是应该在这4个城市好好打磨我们的产品，我们的商业模式，再想扩张的事情。
从2016年10月到现在，5年过去了，我们在无人配送车领域没有一点建树，战略和规划改来改去，一会要做外卖，一会要做开放共赢平台，一会做送菜服务，一会直接做L4测试。
看看我们同时期成立的公司，AutoX，小马智行，图森未来，Aurora等，哪个不是几十亿美金的估值，哪个不是都在准备上市。
京东四维交互降为三维交互
关于未来的发展，我有时候也和东哥聊。京东作为中国物流产业链的效率标榜者，无人配送车做得不好，还可以做无人驾驶卡车，因为他们主要和物流行业打交道。我们呢？东哥给我们的建议是可以转型做L4级乘用车。
我们主要是和人打交道，东哥给我们的建议也是我们未来的一个选择。
（东兴饭局图片）
听你今天讲了这么多，我感觉你还是没有抓住无人驾驶汽车的脉络，更多的是在人云亦云。
王兴自动驾驶维度论
我给你提供一个框架，以后你在这个框架下思考问题，思考公司的规划和战略问题。
自动驾驶的难易应该说，不是按照低速，高速，这些来划分的，或者说这些分类还不够抽象，没有E=MC2质能方程式这个简单。
准确地说，就是按照交互维度来划分的。
比如飞机，典型的一维交互，而且是最早实现了自动驾驶的交通工具。飞机的路线是固定的，因此不需要与路和车进行交互，飞机只是和云端进行交互。
比如地铁，就是二维交互，也已经实现了自动驾驶。地铁在通行过程中，只需要与车和云进行交互，路也是固定的。
三维交互有什么场景呢？高速卡车，他们就属于三维交互，因为高速上没有行人，只有机动车（理论上说），自动驾驶卡车只需要与车路云进行交互，就可以安全行驶。
而我们平时所说的L4乘用车，就是典型的四维交互场景，人车路云都得照顾到，随着维度的上升，难度也呈现几何式的增长。
所以L4乘用车为什么难落地，就是因为交互维度太多了。有人说美国基本不怎么发展车路协同，更多的是以单车智能为主，那就没有与路的交互。但我想说，除非你的行驶路径是不变的，或者说是一条直线（举例），那你可以不与路交互。只要你需要选择路径，选择左转或者右转，你就需要和路交互。
这个交互媒介可以是不断更新的高精地图，也可能是智慧路杆，不管何种行驶，你都必须和路进行交互。
而我们的无人车呢？砍掉商场的柜台（商家）交互，终端住宅区的场景是人、车、路、云、梯、门六维交互，应该比L4级车多出了几个量级的难度。
再加上商场的柜台，七维交互，疯了。如果真的能做出来，那我们就不是人了，就是神了。这个七维交互的产品，基本很难做出来。
夏华夏听完王兴的分析，内心突然慌张了起来。随意说了一句，那八维场景呢？
王兴笑着说，再往上就是移民火星这些几百年才能实现的东西了。但有一个物种是可以横跨这些的，就是人类，人是万维之王。
所有的场景，人都可以轻松应付，人类是这些维度的创造者，也是解决者。
所以无人车技术的发展还得我们美团自己（人）解决。
今天这个会就开到这里吧，开得头疼。你回去好好想想，咱们的无人车到底选择哪个场景，选择哪条路径，是要打磨技术还是要实际应用？注意，从自动驾驶维度理论出发。
夏华夏一脸郁闷的走出来兴哥的办公室。
-END-