特斯拉|自动驾驶新拐点已至，渐进式路线的“毫末智行们”如何实现升维？( 三 ) 参谋长|李涛|总经理|手机部|小

自动驾驶领域非常具有迷惑性，所有人都只盯着技术供给，以为只要技术供给没问题了，自动驾驶就能够成功。事实证明，相比技术供给，技术需求是真正决定企业存亡的因素。
一个是迷惑性的“供”，另一个是致命性的“需”，而MVP式设计的本质就是需求导向，只不过自动驾驶赛道在MVP式设计上再次出现了分化。
有业内人士表示，目前业内大多数人想法是有什么BUG不重要，车能跑就行了，出了问题后面再修。虽然特斯拉、蔚小理们的自动驾驶技术还并不成熟，但依然作为辅助驾驶系统应用到了车上，这就相当于照搬了互联网商业中的MVP式设计。
而互联网领域进行MVP式设计时曾出现的问题自然也出现在特斯拉路线上，但不同的是，手机死机了可以重启，汽车死机就是人命关天的严重安全问题。
而毫末智行这类玩家与特斯拉、蔚小理并不太一样。特斯拉、蔚小理相当于对自动驾驶产品进行了MVP式设计，属于产品渐进。而毫末智行这些玩家是对场景进行MVP式设计，属于场景渐进。
自动驾驶不应该只是简单的看做一种技术，更可以看做是一种通过人工智能、视觉计算、雷达等多种技术组合形成的广泛的技术运用场景，场景渐进的本质仍然是需求渐进。
而且相比产品渐进路线，场景渐进更有利于规避安全事故。比如毫末智行的核心业务低速物流配送车，“低速”意味着即便无人车出现故障，即便造成损失也难以带来过于严重的安全问题。同时，“物流配送”属于商用，C端不是主要使用者，反而可以随着运营常态化瓦解人们对于自动驾驶技术的不信任与敌意，帮助企业获得社会认同。
场景渐进同样存在缺陷，那就是难以解决corner case，也就是长尾数据问题。安全与数据，如鱼和熊掌，两者不可兼得。
自动驾驶的传感器方案、计算平台日渐趋同，供应商就那么几家。因此，自动驾驶公司的决胜点在数据。如果场景不同，长尾数据问题不同，而且长尾数据问题解决难易程度也不同。
如果选择容易落地的场景当做温床，难以获取长尾数据，企业未来大概率会被超越；如果选择全部投入复杂场景，则很可能入不敷出，没有资本支持的情况下弹尽粮绝。最好的做法或许是简单场景落地“养家”，同时为复杂场景“攻坚”提供资粮。
自动驾驶已经到了反思的时刻，未来的科技变革不会过于遥远，最后也希望各位玩家都能够走到实现理想的时刻。