圖片來源@視覺中國

文｜新立場NewPosition，作者 | B哥，編輯 | 李凡

過去一年對於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。2萬億美元回撥到了近期不足的6千億，馬斯克的個人財富也因此縮水超過千億美元。

不過相較於同行普遍遭受的供應鏈困境，特斯拉的垂直整合模式穩定支撐了產能爬坡，算是所有車廠裡受影響最小的那批。傳統車企為晶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裡遙控賽博論壇。何況即便是堪堪6千億的市值，也已經超過了後面5家車企的總和。

特斯拉的成功很大程度上因歸功於它的矽谷基因，商學院的案例裡，特斯拉只是一家碰巧生產汽車的軟體公司。李書福2018年在接受吳曉波採訪時也曾談到，“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。”

上述評價所言不虛。客觀的講，軟體已成為引領傳統車企轉型電動智慧汽車的關鍵變數。

BBA的認知障礙與行為失調

在最近這場行業電動化革命到來之前，汽車被視為是一個最成熟的工業品類。儘管工程師們過去一直在嘗試做改進發動機效率或降低車體風阻係數等工作，但從大眾甲殼蟲車型的生產從1938年持續到了2003年就能看出，這是個慣性制導的行業。

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裡，迎來了第一次真正意義上的角色轉變。

BBA的認知障礙與行為失調

事實上，對於汽車有點了解的讀者或許知道，電動汽車並不是項全新的技術。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。”

如文章開頭所提到的，馬斯克帶來的其實一種全新的產品正規化，特斯拉更準確的定義應該是碰巧生產汽車的軟體公司。

如果說十年前從業者對這個趨勢還沒有摸清看透，那麼行業發展到今天，關於智慧電動汽車的角色爭論，可以說已經由實踐擇出了真理：

不過《新立場》這裡指的，並不是所謂從內燃機到電機的技術調整。

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。

未來的汽車必然是裝上四個輪子的計算機。

從計算機行業的發展路徑來看，它有兩次重大變革，分別是PC和智慧手機的興起。

這兩次變革中，無論是微軟和蘋果的崛起，還是IBM和Sun這些硬體廠商的沒落，都表明軟體生態基礎上的使用者體驗是在變革浪潮中脫穎而出的關鍵。

計算機跟傳統汽車最大的區別，在於它是一類可程式設計的裝置，是可以承載豐富軟體的硬體平臺。

而從很多傳統車企現有的轉型經歷來看，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月推出獨立的軟體公司CARIAD，並在去年7月宣佈加速轉型成為軟體驅動型移動出行服務提供者。但今年10月卻傳出訊息，由於CARIAD軟體開發程序不順，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，也因為軟體問題推遲上市。

這跟特斯拉在供應鏈短缺潮中的做法形成了鮮明對比：當時特斯拉透過自己編寫軟體適配通用晶片，實現了用供應不短缺的晶片替代短缺晶片的效果。

傳統汽車廠商轉為軟體導向主要有兩方面的困難，首先是技術上的。

雖然在過去幾十年裡，一輛汽車上的“軟體濃度”在不斷增加，但這些軟體通常都存在於嵌入式的零部件中，汽車廠商以組裝的方式把它們整合到整車中。而進入智慧汽車時代，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複雜和難以處理。

例如，根據麥肯錫的報告，過去十年車載軟體的複雜度提高了4倍，而汽車行業對應軟體開發的生產力進步卻不超過原來的1。5倍。傳統車企迫切需要向特斯拉為代表的新勢力學習，它們將軟體工程裡的通用經驗拿了過來。透過引入平臺型的OS，既提供開發應用功能所需要的APIs，也透過連線到雲端實現對車輛的全週期管理。

傳統車企“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裡。

比如，汽車行業推出或者更新一項產品往往需要數年時間，而軟體通常的更新都是以月甚至天計；傳統汽車在推出後除非因缺陷召回，否則不會有大的更新，但軟體卻都是透過不斷迭代得到改善的。

像特斯拉頻繁透過OTA更新提升效能豐富功能，對之前的傳統汽車廠商來說，就是不可想象的。

需要注意的是，軟體上的問題會對車企有長期的遺留影響，很多bug的生命週期遠遠超過一般的硬體。熟悉程式設計的讀者大概知道，程式設計師會把歷史上難以維護的程式碼稱為“屎山”。即便是實現相同功能的程式碼，在水平上都可能會有10倍的差距，既包括效能方面也包括可維護性。

就像現在Windows裡還有Dos時期寫的程式碼那樣，軟體領域一個不那麼優秀的開始，可能會成為後續某個廠商車機系統數十年煩惱的根源。按照麥肯錫採訪的一位車企負責人的說法，光是為過去的程式碼付出的維護成本，就足以消耗掉所有的軟體研發資源，還談什麼創新呢？

因此，上面所說的傳統車企視角切換的本質，是要從之前的硬體導向轉向軟體導向。

前面一章的標題雖然點名BBA，但其中的描述對於所有傳統車企都是適用的，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後，中西方的傳統車企為解決問題選擇了不同的藥方。

對於以BBA為代表的西方傳統車企來說，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那樣大幅擴充軟體開發部門的規模，還是像大眾那樣乾脆把軟體開發獨立成新公司CARIAD，這種調整下軟體團隊仍然是整個車企研發團隊的一部分。

傳統車企救贖之道和中西療法

國內的傳統車企相較於西方老牌的競爭對手，選了一條不同的救贖之道。為了實現轉型，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尤拉。

傳統車企救贖之道和中西療法

《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有企業組織架構做顛覆性變動的基礎上，把傳統車廠改造成適應新形勢的智慧汽車廠商。

《新立場》將其稱之為中式療法。中式療法是重造型的，這種方法透過獨立新品牌來減輕歷史包袱實現輕裝上陣

之所以會出現中西療法的區別，是因為國內車企在燃油車時代並沒有建立像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核心。對BBA來說，投入巨大的資源，另起爐灶搭一套新架子起來，然後還要鋪營銷教育使用者，當然不划算。

與之相反，得益於在新能源汽車供應鏈領域的深厚積累，對國內車企來說，推出新品牌是快速佔領使用者心智提升產品市場層級的更優方案。

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務流程上的沉痾痼疾，從一開始就能對標業界最先進的實踐正規化。這種正規化在硬體層面上是對現成的優質供應鏈和營銷渠道的整合，在軟體層面是利用更先進的工具將系統研發、車輛執行、軟體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同，還是產品層面的研發或執行，國內車企都顯得更加敏感和靈活，對數字化轉型更加積極。

組織結構和業務流程的最佳化，是企業數字化轉型的基礎選項，其實現一般依賴於“雲+產業”的結合，利用資料上雲、流程上雲來提高效率節約成本，這點在雲計算與工業網際網路中普遍存在，汽車廠商也不例外。對他們而言，雲計算的特殊意義更在於關乎自動駕駛。

對新能源汽車而言，自動駕駛是最重要的核心能力之一，在研發層面效率和成本是關鍵，在執行層面算力是繞不開的大山。如今的智慧網聯汽車每天產生的資料量都在TB級，只有透過雲計算才能提供匹配的算力對這些資料進行處理。

，採取更靈活先進的技術來應對市場競爭

不過雖然上雲是個確定要做的題目，但對大部分車企來說，由於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雲廠商就是必要的。特斯拉就宣稱，其自研的雲端超算平臺Dojo，甚至可以挑戰AWS和GCP這些專業雲廠商。

而更多車企並沒有特斯拉這樣的規模優勢和資金實力，而且正處在高速增長和隨時掉隊的巨大不確定性中，相比於自建資料處理中心這樣過重的運營模式，與有處理複雜海量資料經驗的AWS、阿里雲的平臺合作顯然更合時宜，這些電商戰場出身的平臺對算力有著天然的優勢。

除了在演算法的執行層面如此，自動駕駛似乎更加應該與雲計算結合，這也是國內車廠先進於海外的另一個方面。

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。但由於自動駕駛的研發成本極高，尤其是其中演算法模型的訓練，對於算力有極高的要求，Argo AI在耗光了來自福特和大眾的數十億美元資金後，還是被迫倒閉。

國內廠商在這方面就要靈活得多，更傾向於和幾家雲廠商合作，以此來大幅降低研發成本。

像吉利長城都使用了阿里雲提供的自動駕駛雲開發平臺，即便是像小鵬這種對自研要求較高的新勢力，也選擇了與阿里雲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，藉助智算中心後，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年達到智慧輔助駕駛下一級別“全場景智慧駕駛”的一個基礎條件。

相較於使用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，利用雲平臺來開發企業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之間達成平衡。

其原理在於，自動駕駛雲平臺可以提供“海量資料預處理”和“模擬場景模擬”等功能，而這些功能能夠大幅加速車企研發程序，既節約成本又讓團隊專注自動駕駛技術本身。

當然，儘管中西方傳統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，能夠憑藉與生俱來的矽谷基因與資金體量，實現幾乎全體軟體系統的自建，其他車企必然要考慮同科技企業合作來搭建完整系統。因此哪些部分需要自研，哪些部分需要外包，以及資料話語權如何分配就成了關鍵問題。

比如之前上汽集團董事長陳虹就曾提到，與華為這樣的第三方公司合作自動駕駛，上汽是不能接受的，因為這相當於華為成了靈魂，上汽成了軀殼。成為軀殼的慘淡命運，在之前的PC時代已經由惠普聯想這些電腦廠家指出來了。

。

在這場汽車行業的大變革中，以BBA為代表的老牌傳統車企無疑已經落後了。並且目前來看，這種落後還沒有任何縮窄的趨勢。而它們陷於困境的根本原因，並不在於無法從機械技術上把握內燃機向電機的轉型，而恰恰在於沒有早早得把機械式的汽車觀矯正過來。

對於BBA來說，它們過去百年的技術沉澱和品牌積累，某種意義上講成為了它們實現大象轉身的障礙。在這方面，國內傳統車企由於包袱輕反而具有優勢。

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。

雲已經是汽車車機系統的有機延伸，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；在資料層面，車子跑在算力平臺之上。