??（图片源自网络）
??智能驾驶第一性原理其实对大家日常的工作没有多大帮助。但是，当你碰到一些非常复杂的事情，或者觉得很困惑，想不明白的时候，回头去看一下今天说的一些东西，也许，会有一些启发。如果有这么一点帮助，我觉得今天的这个讨论其实也就有价值的了。
我们首先需要去明确的一个问题是，我们当下所从事的这个工作到底和过去有什么区别？很复杂的一个问题，但是用最简单的语言去总结的话，就是我们以前的汽车，其实是再造一个非常可靠的一个机械产品，这是我们这百年的汽车工业的精华。但是我们现在的这个智能汽车，或者说互联网汽车，其实是在制造一个身体，一个智能体的事情。
当前是第三次工业革命的末端，这个时点，我们不能说完成了一个智能体，这可能是第四次工业革命的事，现在，我们其实在造智能体的一个身体，为智能的真正产生做好准备。现在很多汽车企业在造机器人，其实也是在为这个趋势做准备。然我们说身体其实也只是一个比喻了，驱动整个行业调整的自然不可能是一个比喻，而是有背后核心的动因，其核心是化解复杂性和灵活性的矛盾。
汽车业无疑是传统制造业当中最复杂的。在制造的五大难点——科技含量、产业链复杂度、安全要求、市场变化、批量生产中，汽车行业虽然在这五个方面都排不上第一，但除了汽车以外再没有一个行业要求完整涵盖这五种特性，其复杂性可见一斑。我们可以造出高安全的、高科技含量的军工航天产品，但无法控制其成本进行规模化的生产。我们可以规模生产高安全要求的医疗器械，但是这种产品不像汽车那样面对频繁的需求变化。手机算是目前和汽车最为相似的产品了，但两者在安全性的要求上差距还是极大的。
汽车的整个研发生产过程，究竟有多复杂？我们可以看到汽油车有上万个零部件，纯电车零部件数量也在大几千的级别，相关的供应商有几百上千家，涉及的零部件在设计、研发、测试、生产、质保、物流等任何一个环节出现问题都将导致整车无法量产。另外，大规模的整车生产有很强的“节拍”要求，为了降低库存的压力，做到精益生产，订单的延误往往以分钟计算，足可见配合的紧密程度。
除了复杂的构成，汽车还有苛刻的安全与质量要求。大部分行业，产品设计好之后通常是直接量产，没有多少反复验证过程。如果量产之后发现问题，还可以回过头来再改设计和工艺。但这在汽车行业是极难被允许的。因此，一家供应商如果同时做汽车产品和非汽车产品，需要专门成立一个汽车事业部，来满足额外的质量与安全要求。现代历史上重要的生产和质量管控革命，几乎都是从汽车制造业开始的。
以上还只是汽车行业固有的一些复杂性要素。智能驾驶的融入，给汽车产品带了更多变数。智能驾驶作为一个边缘学科，其和机器人技术、人工智能技术等密切联系，而这些并不在传统汽车人的学科体系内。智能驾驶逐步开始和交通系统、物联网系统等建立起连接，这打破了汽车作为独立产品的概念。其产品推广还要面对其他产品所没有的一些“法律与政策问题”、“伦理与道德问题”，甚至还有“宣传和教育问题”。汽车企业开始更多和政府以及行业外的企业建立联系。
智能驾驶的融入，无形中还推高了汽车的固有标准（安全、质量、敏捷等）。过去汽车要承担人驾驶过程的被动安全，然后更多的主动安全设计加入其中，进入智能驾驶时代，汽车还需要替代人成为安全责任的主体。汽车原本1-2年的功能迭代周期，在新架构下已经被缩短至月级别。
一句话就是汽车变的更加复杂了，但这其实并不是研发困境的源头，传统汽车行业面对复杂性其实已经给出了行之有效的方法论，汽车行业并不是无法消化复杂性，而是在消化的同时还要解决一些“灵活性”的问题。
整车研发有一套完整的流程，来完成对复杂性的分解。具体不展开，在这里我们只需要知道一点，这个复杂性分解的过程一般需要1-2年的时间。这个现状在过去并没有被太多挑战，甚至有时候还是“质量”的代名词，毕竟慢工出细活。但当下市场似乎不再默许这个状态。
用户需求的变化越来越快，车企无奈必须缩短从需求获取到需求落地的时间，而其所要缩短的“时间”也正是整车厂原本最需要的“时间”。在复杂性的牵制下，整车厂很难在原有技术框架下实现“灵活性”。这就引发了一场轰轰烈烈的技术调整。
解决“复杂性”和“灵活性”矛盾的方法并非没有。在解释之前，我们需要一些背景知识。无论哪种架构设计其实都存在分散式和集中式两种设计思路。
分散式设计的原则是将系统整体分解成相互并行弱耦合的多个独立个体上，由个体协同工作满足整体目标要求。这种设计的好处是复杂性可以较好地被分散到个体上，方便个体更好地处理功能。同时风险和安全也更容易处理，因为个体复杂度越小，其风险也就越小。另外，系统被良好分解后，个体还可以更好地进行标准化设计，有利于产品的规模化。而其缺点是当个体均完成了各自的模块化之后，在进行整体变更时，其效率往往不令人满意，其很容易受到不同个体原有设计的牵制。
而集中式设计的原则是将系统内的资源集中到单个个体上，由单个个体来负责整体目标的实现。这种设计的优缺点和分散式的设计正好相反。其复杂性往往被高度集中在单个个体上，且相比分散式的设计更不利于标准化。但在变更过程中，因为其核心资源掌握在内部，所以有着较高的变更效率和灵活性。
传统汽车更多是分散式的设计，而手机和家用电脑更多是集中式的，似乎汽车只要沿用手机的硬件设计思路就可以解决问题了。对，汽车行业也正在这么做，这就是所谓的域控架构，但问题其实也还没有这么简单。
手机或者电脑产品的升级都有一个共同的特点，产品性能的提升往往和硬件性能的提升强挂钩。如果你经常购买电子产品，这个感受会非常明显。但这2年情况开始发生变化，因为摩尔定律正在逐渐失效。摩尔定律是英特尔创始人之一戈登·摩尔的经验之谈，简单理解就是，每18个月芯片的性能会提升一倍，价格会降低一半。但芯片单位面积内可以集成的电路数量总存在一个物理极限，而当下距离这个极限已经非常接近。因此面对这个状况，我们需要换一个思路来提升产品性能。
这个思路就是异构Soc芯片，对于“什么是异构Soc？”，我们之后再具体讨论。其背后的核心逻辑是设计从“通用化”向“定制化”的转移。相较于满足所有可能的需求，满足特定业务的需求往往可以进一步“腾挪”出一部分产品上升的空间。诸如软硬件一体化设计，汽车/手机的一体式电池设计都是这种“定制化”思想的体现。
“定制化”并非没有代价，其舍弃了通用性的同时，也舍弃了分散式设计的可能性。采用“定制化”的无奈，配合对“灵活性”的要求，促使集中式定制化的设计正在压过离散式通用化的设计成为主流。
这里我们要停下来思考，模块化和离散式的设计是否就此消失了？其实也并没有，只是更换了一种形式，以知识产权和软件服务为“单位”的新模块化出现。规模化效应在一个新的维度上发挥作用。其实知识产权和软件服务也可以视为一种新的“分解”，继续发挥其在标准化和规模化的成本优势。具体到汽车行业，就是我们常说的“软件定义汽车”。在市场上流动的东西，从“硬件”变成了“软件和知识产权”，硬件则逐渐走向“静止”，由少数供应商进行集中生产，这也是为什么软件和知识产权的变得越来越重要的根本原因。在集中式的硬件之上配合分散式的知识产权和软件服务，我们将同时获得分散式和集中式设计所带来的收益。
这听起来非常不错，我们找到了一种完美的方法，但上帝是公平的，在没有基础科学创新的基础上，所有这些架构调整的收益都不会凭空出现。在获得产品性能全面提升的同时，一定会付出必要的代价。
这个代价就是单点集中的复杂性，其实是很难被消化掉。复杂性是一个不好的特性吗？是也不是。不好在于其必然会推高研发难度。而好的地方在于其可能是唯一一个在提升一个产品维度时，不影响其他产品维度的特性。真正为此付出代价的是为研发难度买单的大批从业者。
因此，从业者碰到的问题，才是这场变革面对的最大问题。这个问题就是开篇就谈到的“不理解”或者说“不适应”。传统发动机和变速箱的从业者不适应电气化。擅长横向硬件整合的主机厂不适应纵向的软硬件一体化。传统软件算法工程师不适应数据驱动的开发方式。习惯了流程推进的员工不适应“小兵团特种作战”的新合作模式。
我们正在面临的这场架构调整，很大程度上并非技术驱动的。所使用到的技术，在互联网发展的早期都已经具备，技术本身其实很好改变。但如果人和团队还是对这种变化抱有“不理解”和“不适应”，那技术上的变化不仅不会改善现状，甚至会助推产品向更糟糕的方向发展。
总结一下，在灵活性提升、基础科学受限以及产品复杂性飙升的共同作用下，催生了各层次的架构设计必须步调一致地从“分散式模块化”逐步转向“集中式服务化”， 这场“大迁移”所带来的的一系列问题，都必须由从业者来面对，从业者转型的成功与否，也决定了这场变革的成败。
下面两张图其实是我个人一直非常喜欢的，左面这张是对人思考过程的一个剖析，这里边有很多的这个认知学的观点，也有很多心理学的观点，甚至解剖学的观点，然后我把他们的观点综合了一下。而右边这张图其实就是我们现在在做智能汽车的过程当中，每一个技术环节的配合关系，很显然当前智能车的逻辑和一个人的认知过程其实已经非常相似了。
这里着重强调下差异，我们一直觉得我们是依靠某些鉴定的目标在促使我们成长，但其实，促使我们不断成长的是“差异”。我们通过内心的世界模型对环境做出一个预测，但是当未来的时间我们发现我们感知到的一个结果和之前预测的结果不一致的时候，他就会构成差异。而一般来说，人在面对差异的时候会更加沮丧，会更加难受，但是如果说我们的预测和我们的感知结果非常契合的时候，就会非常舒适，能让我们成长的其实是痛苦，也就是说有差异的时候，人也就没有了成长。
自动驾驶其实也是这个逻辑，感知、融合、预测、规控是一个行为的闭环，在这个过程中，配合差异的发现，还有另外一个差异消减的闭环，这是目前我们常说的训练过程，或者说我们人常说的反思的过程。未来的智能驾驶也就是在这种不断更新差异，并消减差异的过程中，得到提升的。
这个过程中有一个特别重要的共性点就是“管道的构建”，管道是一个宽泛的概念，即建立一系列高效的信息转换机制。机器和机器之间的信息转换可以称为管道，人和人之间沟通也是一个管道，芯片的设计也有管道，不同层次上的管道，同一个层次不同业务的管道相互衔接，确保整个“脑内”信息游走的高效性。而这其实背后是对3个点的强化，一个是由复合型知识体系建设，正确的文化宣贯支撑起来的人和人之间的沟通管道，良好的移动性和交互性的人和机器之间的工具管道，还有就是具有强算法属性的机器与机器之间的容器管道。三者共同促进了一个“智能体”的诞生。
??如果用一句话总结“智能”，其实就是在一个类似“世界模型”的基础框架下，夯实行为闭环的铺开，以及差异消除闭环的扩展。在时间的长河中，不断的和环境发生交互，积累反馈，持续提升内部信息传递管道的效率和密度，最终必然会有有趣的事情发生。
??转载自智驾最前沿，文中观点仅供分享交流，不代表本号立场，如涉及版权等问题，请您告知，我们将及时处理。
