BBA的董事会差个程序员

            
            图片来源@视觉中国
            文｜新立场NewPosition，作者 | B哥，编辑 | 李凡
            过去一年对于马斯克而言难说如意，除了围绕Twitter收购事宜产生的来回拉锯，特斯拉的股价在这期间跌幅过半，市值已从最高点的约1.2万亿美元回调到了近期不足的6千亿，马斯克的个人财富也因此缩水超过千亿美元。
            不过相较于同行普遍遭受的供应链困境，特斯拉的垂直整合模式稳定支撑了产能爬坡，算是所有车厂里受影响最小的那批。传统车企为芯片电池这些零部件焦头烂额的时候，马斯克大概还在加州某栋别墅里遥控赛博论坛。何况即便是堪堪6千亿的市值，也已经超过了后面5家车企的总和。
            特斯拉的成功很大程度上因归功于它的硅谷基因，商学院的案例里，特斯拉只是一家碰巧生产汽车的软件公司。李书福2018年在接受吴晓波采访时也曾谈到，“特斯拉表面上在造汽车，本质是在构建它的线上技术，造车只是它构建线上技术的一个载体，一个实验室。”
            上述评价所言不虚。客观的讲，软件已成为引领传统车企转型电动智能汽车的关键变量。
            BBA的认知障碍与行为失调
            在最近这场行业电动化革命到来之前，汽车被视为是一个最成熟的工业品类。尽管工程师们过去一直在尝试做改进发动机效率或降低车体风阻系数等工作，但从大众甲壳虫车型的生产从1938年持续到了2003年就能看出，这是个惯性制导的行业。
            特斯拉的入局改变了这一点，汽车在其长达一百多年的历史里，迎来了第一次真正意义上的角色转变。不过《新立场》这里指的，并不是所谓从内燃机到电机的技术调整。
            事实上，对于汽车有点了解的读者或许知道，电动汽车并不是项全新的技术。早在20世纪初期，伦敦街头的汽车大概就有40%都是电动的。1911年的《纽约时报》曾这样写道：“与燃油的内燃汽车相比，电动汽车无疑是理想的交通工具，它既清洁又安静，关键的是还可以省不少钱。”
            如文章开头所提到的，马斯克带来的其实一种全新的产品范式，特斯拉更准确的定义应该是碰巧生产汽车的软件公司。
            如果说十年前从业者对这个趋势还没有摸清看透，那么行业发展到今天，关于智能电动汽车的角色争论，可以说已经由实践择出了真理：未来的汽车必然是装上四个轮子的计算机。
            所有无法改变认知，仍把汽车看作摩托化载具的玩家，都已经或者即将被历史扫入垃圾堆。
            计算机跟传统汽车最大的区别，在于它是一类可编程的设备，是可以承载丰富软件的硬件平台。从计算机行业的发展路径来看，它有两次重大变革，分别是PC和智能手机的兴起。
            这两次变革中，无论是微软和苹果的崛起，还是IBM和Sun这些硬件厂商的没落，都表明软件生态基础上的用户体验是在变革浪潮中脱颖而出的关键。
            因此，上面所说的传统车企视角切换的本质，是要从之前的硬件导向转向软件导向。而从很多传统车企现有的转型经历来看，这种认知切换比烧油到烧电的动力切换还要困难。以BBA为代表的传统汽车豪门，在这上面频繁受挫，颇有一种知易行难、把握不住的感觉。
            例如，大众曾在2020年7月推出独立的软件公司CARIAD，并在去年7月宣布加速转型成为软件驱动型移动出行服务提供者。但今年10月却传出消息，由于CARIAD软件开发进程不顺，旗下的奥迪Q6 e-tron和保时捷Macan EV车型的推出将因此推迟至2024年。
            更早之前，大众的首款量产电动汽车ID.3，也因为软件问题推迟上市。
            这跟特斯拉在供应链短缺潮中的做法形成了鲜明对比：当时特斯拉通过自己编写软件适配通用芯片，实现了用供应不短缺的芯片替代短缺芯片的效果。
            传统汽车厂商转为软件导向主要有两方面的困难，首先是技术上的。
            虽然在过去几十年里，一辆汽车上的“软件浓度”在不断增加，但这些软件通常都存在于嵌入式的零部件中，汽车厂商以组装的方式把它们集成到整车中。而进入智能汽车时代，汽车身上的功能不断增加，这种粗放堆叠的方式将使得整合变得复杂和难以处理。
            例如，根据麦肯锡的报告，过去十年车载软件的复杂度提高了4倍，而汽车行业对应软件开发的生产力进步却不超过原来的1.5倍。传统车企迫切需要向特斯拉为代表的新势力学习，它们将软件工程里的通用经验拿了过来。通过引入平台型的OS，既提供开发应用功能所需要的APIs，也通过连接到云端实现对车辆的全周期管理。
            

            
            传统车企“软化”的另一个困难则是文化上的，因为其多年的做事方式已经渗透到基因里。
            比如，汽车行业推出或者更新一项产品往往需要数年时间，而软件通常的更新都是以月甚至天计；传统汽车在推出后除非因缺陷召回，否则不会有大的更新，但软件却都是通过不断迭代得到改善的。
            像特斯拉频繁通过OTA更新提升性能丰富功能，对之前的传统汽车厂商来说，就是不可想象的。
            需要注意的是，软件上的问题会对车企有长期的遗留影响，很多bug的生命周期远远超过一般的硬件。熟悉编程的读者大概知道，程序员会把历史上难以维护的代码称为“屎山”。即便是实现相同功能的代码，在水平上都可能会有10倍的差距，既包括性能方面也包括可维护性。
            就像现在Windows里还有Dos时期写的代码那样，软件领域一个不那么优秀的开始，可能会成为后续某个厂商车机系统数十年烦恼的根源。按照麦肯锡采访的一位车企负责人的说法，光是为过去的代码付出的维护成本，就足以消耗掉所有的软件研发资源，还谈什么创新呢？
            传统车企救赎之道和中西疗法
            前面一章的标题虽然点名BBA，但其中的描述对于所有传统车企都是适用的，无论是西方的老牌厂商，还是国内之前从燃油车起步的那批民企国企。但在意识到需要转型和转型面临的问题过后，中西方的传统车企为解决问题选择了不同的药方。
            对于以BBA为代表的西方传统车企来说，它们主要选择的是在原有体系内做调整来补齐短板。比如无论是像Stellantis那样大幅扩充软件开发部门的规模，还是像大众那样干脆把软件开发独立成新公司CARIAD，这种调整下软件团队仍然是整个车企研发团队的一部分。
            《新立场》将其称之为西式疗法。西式疗法是改造型的，这种方法期待在不对现有企业组织架构做颠覆性变动的基础上，把传统车厂改造成适应新形势的智能汽车厂商。
            国内的传统车企相较于西方老牌的竞争对手，选了一条不同的救赎之道。为了实现转型，这些国内玩家，无论地方国企央企还是民企，都基本走的是推出全新子品牌的路子。像东风推出了岚图，长安推出了深蓝，上汽推出了智己，吉利搞了个极氪，长城旗下有魏牌还有欧拉。
            《新立场》将其称之为中式疗法。中式疗法是重造型的，这种方法通过独立新品牌来减轻历史包袱实现轻装上阵，采取更灵活先进的技术来应对市场竞争。
            之所以会出现中西疗法的区别，是因为国内车企在燃油车时代并没有建立像BBA那样强力的品牌认知，也就不需要像国外车企那样在保留品牌架子不变的基础上更换内核。对BBA来说，投入巨大的资源，另起炉灶搭一套新架子起来，然后还要铺营销教育用户，当然不划算。
            与之相反，得益于在新能源汽车供应链领域的深厚积累，对国内车企来说，推出新品牌是快速占领用户心智提升产品市场层级的更优方案。
            中式疗法这种换个屋子再请客的解决方案，使得这些车企能够抛弃掉原来组织或者业务流程上的沉疴痼疾，从一开始就能对标业界最先进的实践范式。这种范式在硬件层面上是对现成的优质供应链和营销渠道的整合，在软件层面是利用更先进的工具将系统研发、车辆运行、软件更新做的更高效细微。
            尤其在国内“蔚小理”等诸多新势力的带动下，无论是公司运营层面的办公协同，还是产品层面的研发或运行，国内车企都显得更加敏感和灵活，对数字化转型更加积极。
            组织结构和业务流程的优化，是企业数字化转型的基础选项，其实现一般依赖于“云+产业”的结合，利用数据上云、流程上云来提高效率节约成本，这点在云计算与工业互联网中普遍存在，汽车厂商也不例外。对他们而言，云计算的特殊意义更在于关乎自动驾驶。
            对新能源汽车而言，自动驾驶是最重要的核心能力之一，在研发层面效率和成本是关键，在运行层面算力是绕不开的大山。如今的智能网联汽车每天产生的数据量都在TB级，只有通过云计算才能提供匹配的算力对这些数据进行处理。
            云已经是汽车车机系统的有机延伸，在可预见的未来将越来越像城市路网一样，成为必要的交通基础设施。在物理空间，车子跑在路上；在数据层面，车子跑在算力平台之上。
            不过虽然上云是个确定要做的题目，但对大部分车企来说，由于自身体量和资金有限，是不可能自己去做这件事的，因此选择和技术较为成熟的云厂商就是必要的。特斯拉就宣称，其自研的云端超算平台Dojo，甚至可以挑战AWS和GCP这些专业云厂商。
            而更多车企并没有特斯拉这样的规模优势和资金实力，而且正处在高速增长和随时掉队的巨大不确定性中，相比于自建数据处理中心这样过重的运营模式，与有处理复杂海量数据经验的AWS、阿里云的平台合作显然更合时宜，这些电商战场出身的平台对算力有着天然的优势。
            除了在算法的运行层面如此，自动驾驶似乎更加应该与云计算结合，这也是国内车厂先进于海外的另一个方面。
            国外的福特大众之前合资成立了Argo AI，专门用来自研自动驾驶相关的技术。但由于自动驾驶的研发成本极高，尤其是其中算法模型的训练，对于算力有极高的要求，Argo AI在耗光了来自福特和大众的数十亿美元资金后，还是被迫倒闭。
            国内厂商在这方面就要灵活得多，更倾向于和几家云厂商合作，以此来大幅降低研发成本。
            像吉利长城都使用了阿里云提供的自动驾驶云开发平台，即便是像小鹏这种对自研要求较高的新势力，也选择了与阿里云共建自动驾驶智算中心“扶摇”。
            过去小鹏一个核心模型需要7天时间才能完成一次训练，借助智算中心后，训练时间缩短至不到1小时。这其中的提速，接近170倍。用何小鹏的话说，“扶摇”的算力支撑，将是小鹏2022年到2025年达到智能辅助驾驶下一级别“全场景智能驾驶”的一个基础条件。
            相较于使用Mobileye，或者其他科技公司提供的开箱即用的自动驾驶解决方案，利用云平台来开发企业自己的自动驾驶技术，也能在方案自主可控和引入外部技术助力研发之间达成平衡。
            其原理在于，自动驾驶云平台可以提供“海量数据预处理”和“仿真场景模拟”等功能，而这些功能能够大幅加速车企研发进程，既节约成本又让团队专注自动驾驶技术本身。
            当然，尽管中西方传统车企选择了两条不同的道路，但它们仍然面临一些重要的共同问题。
            除了像特斯拉这种最头部的厂商，能够凭借与生俱来的硅谷基因与资金体量，实现几乎全体软件系统的自建，其他车企必然要考虑同科技企业合作来搭建完整系统。因此哪些部分需要自研，哪些部分需要外包，以及数据话语权如何分配就成了关键问题。
            比如之前上汽集团董事长陈虹就曾提到，与华为这样的第三方公司合作自动驾驶，上汽是不能接受的，因为这相当于华为成了灵魂，上汽成了躯壳。成为躯壳的惨淡命运，在之前的PC时代已经由惠普联想这些电脑厂家指出来了。
            写在最后
            在这场汽车行业的大变革中，以BBA为代表的老牌传统车企无疑已经落后了。并且目前来看，这种落后还没有任何缩窄的趋势。而它们陷于困境的根本原因，并不在于无法从机械技术上把握内燃机向电机的转型，而恰恰在于没有早早得把机械式的汽车观矫正过来。
            对于BBA来说，它们过去百年的技术沉淀和品牌积累，某种意义上讲成为了它们实现大象转身的障碍。在这方面，国内传统车企由于包袱轻反而具有优势。
            时至今日，如果还有人无法理解BBA遇到的问题，不妨看看德国四大汽车厂商的董事会吧。其中三分之一的成员都有机械工程师背景，但却没有一个来自IT技术领域。
            或许，BBA的董事会真就差个程序员。