用1500个字讲讲，A16Z合伙人是如何看无人车网络效应的

无人车市场会怎么发展？像PC时代和智能手机时代一样，凭借网络效应出现赢者通吃的情况；还是可能会有十家左右的大公司瓜分市场？在无人车产业哪一个环节取得胜利将帮助企业获得其他环节的优势？本文基于著名风投资金A16Z合伙人Benedict Evans近日的博客，展开讨论。

首先排除确定不会产生网络效应的部分：车辆硬件和传感器。就像LCD屏幕一样，尽管产品有高科技含量，但是你并不会因为别人使用了这个牌子的屏幕而使用同品牌的屏幕。量产LCD屏幕可以降低生产边际成本，使产品在价格上更具竞争力，但这是规模效应，不是网络效应。 

在无人车场景中，一个用来扫描路况的激光雷达LIDAR的价格大概是5万美元，随着技术进步，可能会降至几百美元或者更少，体积也会变得更小；但同样，由规模带来的边际效益不能帮助LIDAR生产商获得无人车其他方面的优势，除非它垄断了激光雷达市场。 

而有可能产生网络效应的是自动驾驶系统，该系统的核心是地图和驾驶行为这两种数据。下面就依次分析两种数据的性质、来源和它们的网络效应： 

三维模型是人类在空间中安全活动的必要条件，这样我们的祖先才可能在复杂的环境中奔跑而不至于撞到头或者被绊倒。同样的概念在自动驾驶技术中被称为SLAM（同时定位和绘图），即在一个空间里实时判断周边环境和自己所处位置的能力；自动驾驶汽车必须知道它在哪里，转弯、减速带和红绿灯在哪里，以及周边哪里有车和它们开得有多快。 

但是目前，机器学习技术尚不能，直接通过二维图片绘制足够无人车使用的三维环境。所以大多数无人车公司都使用LIDAR和多种传感器组合的方式，为无人车提供更完整的路况信息。同时，无人车公司也会将提前搭建好的高清三维地图模型装在系统里；这样，无人车在路上行驶时，不需要在海量图片信息中寻找红绿灯，内置地图会提示车辆信号灯在哪里；也不需要靠视觉判断周边的车辆情况，车辆会向地图上传数据从而帮助彼此了解路况。 

地图会产生网络效应。当车辆在地图的范围内行驶时，它一边对比地图和真实世界信息的不同，一边更新地图信息。每一辆无人车也是一辆测绘车，卖出50万辆无人车的公司一定会比卖出1万辆无人车公司更新地图的速度更快；前者的车辆也就会更少遇到意料之外的情况而不知所措。所以，网络效应就体现在：车卖的越多，公司所有的车都会变得更好。（当然，如果计算机视觉有重大突破，无人车可以靠摄像头自行判断周边情况，那么基于地图数据产生的网络效益就没有什么意义了） 

其二是驾驶行为数据。机器需要学习人类驾驶员的行为，从而帮助无人车在路上与有人驾驶的车辆和平相处。所以，拥有越多驾驶员行为的数据，机器学习的就越快，系统就能更准确地理解其他车辆的行为和决定下一步动作。除了直接使用在真实交通场景中，无人车公司需要这些数据在虚拟游戏环境中测试自己的驾驶系统；更多数据意味着更准确的游戏模拟和反馈。所以同样的，车卖的越多，所有车都会表现得更好。

 了解产生以上网络效应的数据后，我们要问：谁拥有这些数据，我们实际上需要多少数据？这是涉及产业价值链的问题。特斯拉自己制造车辆所需的关键技术部件，所以当然拥有其车辆收集的数据。但是如果整车制造商的关键技术部件由供应商制造，那么供应商就需要拥有这些数据，从而帮助继续提高产品的质量。这将意味着，整车制造商卖越多的车，就会为关键技术部件供应商创造更大的网络效应。所以，这也说明为什么有些车企要开发自己的技术和系统。

那么，接下来的问题是：我们其实需要多少数据就够了？持续增加数据会让系统持续变好，但是过了某个临界点边际效益会递减么？

网络效益是有上限，如果无人车在城里开了一整年都没有遇到意外情况，网络效益可提升的空间就不大了。所以，向市场投放多少量无人车是足够的？这些车可以转化为多少市场占有率？市场可以支持一两家还是十家公司？有没有可能传感器供应商把地图数据汇总在一起率先触及网络效应的天花板？

以上是Benedict Evans抛出的问题，供大家思考和讨论。

图片来源：levinsonstefani.com