独家访谈｜方圆：造车新势力成功之匙—技术和体系

本篇文章以专访形式，与汽车行业资深专家、《车业杂谈》汽车新媒体平台独家特约汽车行业评论员方圆就造车新势力生存、崛起、成功等问题进行深入讨论。

01

《车业杂谈》：在上一期的专访中（《方圆：车市进入纯量竞争，SUV仍是热点，造车新势力堪忧，红旗崛起》），您部分讨论了造车新势力生存、崛起、成功等问题，关于这个话题，网友和我们还想了解更多，您能进一步谈谈吗？

方圆：的确，在上一期的报告中部分讨论了造车新势力生存和崛起等问题。造车新势力要如何才能健康地生存、发展、崛起、成功，首先还是得从汽车工业/行业、造车、卖车的本质开始讨论。

首先，造车是一个大系统工程，在各个市场发展时期/阶段都有其规律性以及适合各个汽车企业/文化的最佳组织模式。造车涉及造什么样的车、目标/潜在的客户群是谁（产品策划/规划体系）？现有的热门及未来的技术、零部件/功能/性能是否能满足量产及客户需求（研发、制造及采购体系）？一部车的各个零部件（成千上万）的质量与成本、以及整车质量与成本要达到什么要求以及如何保证等等（质量体系）。

以上都涉及到时间效应-积累、沉淀、升华。

1、以技术成熟度为例。一般情况下，一种新技术/零部件产品从技术概念触发到其能规模化量产时往往要经过几个阶段。可以参考著名的Gartner曲线（如下图）所描述的：技术触发期、过高的希望期、回归现实期、稳步发展期、规模化量产期（2-10年左右，10年以上的时间）。

参见网络《三思派》： 2019 Gartner汽车电子技术成熟度曲线

2、以产品成熟度为例。一般情况下，汽车车型换代的时间大约在5-7年左右。而车型换代的一个重要任务之一是配置升级或增加/配置新技术。由此可见，一个新技术或升级的技术/配置往往至少需要5-7年的研发及验证的时间，还不计算之前的预研发及概念等的验证时间。

如2019年9月上市的长安CS75 PLUS（上市第一个月销量火爆、销量超万辆）是2014年4月份上市CS75的换代升级产品。如著名的丰田卡罗拉，近期其第九代产品（2000-2006年）、第十代产品（2006-2013年）、第十一代产品（2013-2019年）。再以著名的福特福克斯为例。第一代福克斯（1999-2005年）、第二代福克斯（2005-2011年）、第三代福克斯（2011-2018年），第四代福克斯（2018年至今）。

以上案例都是成熟的汽车企业在已有的车型基础上升级换代所需要的大致时间。如果开发一个全新的车型一般还需要更长的时间，如特斯拉2003年成立，2012年才生产首款规模化的车型Model S。

3、以企业成熟度为例。一般一个汽车企业能够开发出引起市场/顾客瞩目的、爆款的整车/产品也往往会经过类似的发展阶段（或约跨越初创期S曲线），在市场、研发、制造、销售、流程、方法、工具、文化等上的积累、沉淀、打造，形成成熟的或相对成熟的体系。成熟的、优秀的、卓越的汽车企业才能造出成熟产品、经典产品、爆款产品。

如在世界造车历史上的典型案例：福特的轿跑野马、SUV探险者、轿车福克斯（曾经全球年销量过百万辆，如2013年106万辆，获60项汽车大奖、75个赛道冠军。诞生20年、平均年销量75万辆，目前累计销量1500万辆），皮卡猛禽F系列（全球年销量过百万辆，如2017/2018年销量均为108万辆。诞生70年、平均年销量39万辆，目前累计销量2700万辆）等；丰田的卡罗拉（全球年销量过百万辆，如2016年132万辆，2017年123万辆，2018年118万辆。诞生52年、平均年销量87万辆，目前累计销量4541万辆、全球第一）；长城的SUV H6系列，诞生7年、平均年销量37万辆，累计超过262万辆（长城2002年开始量产SUV，2011年开始量产H6）；特斯拉的Model S（北美销量超过同级别的BBA）及Model 3（发布的第一年全球订单过50万辆，2018年销量14.6万辆、EV车型全球第一）。

参见网络Gartner：详细解读Gartner每年魔力象限和技术成熟度曲线报告

02

《车业杂谈》：您认为造车是一个大系统工程，涉及造什么样的车？目标/潜在的客户群是谁？那您认为如何确定这些？

方圆：造车是一个大系统工程。首先涉及的是造什么样的车？目标/潜在的客户群是谁？也就是产品的精准定位。有了产品的精准定位才能进行产品的精准定义，有了产品的精准定义才能进行产品的精准定价。

产品的精准定位实质上是定产品的目标/潜在的客户群是谁。在一般情况下，一个车型不可能所有的指标都好。一是成本上不能承受，二是一个企业不可能所掌握的技术都领先以及时刻都能创造出时尚的造型。用以下5个基本指标体系为例。在完成产品精准定位后，就可在这些指标中根据目标客户群进行取舍、来实施产品的精准定义。

1.性能指标（百公里加速时间，智能驾驶等级，低油耗，操控性，舒适性，音响质量等）

2.质量指标（耐用/皮实，中国质量评价体系，或JD Power IQS等）

3.时尚指标（造型，内饰，酷的装饰....等）

4.实用指标（自动/无人泊车.............等）

5.易用指标（一键式/遥控式自动/无人泊车等）

还以福特福克斯为例。福克斯定位的目标客户群：喜欢运动/操控的年轻客户。福克斯产品定位：同级别车型中No.1的精准操控，优于许多高级别的车型精准操控，媲美豪车的精准操控，高质量，超高性价比。

如何实现超高性价比？那一定不能使用类似宝马的底盘/悬挂系统（宝马曾经的口号是终极/精准操控 – the Ultimate Drive Machine/终极驾驶机器），而需要自己研发出一套相对低成本的、可实现精准操控的底盘/悬挂系统。为此，福特福克斯底盘/悬挂系统团队研发了其独特的、操控精准的，同时又低成本的底盘/悬挂系统 – 为后悬架研发了SLA Control Blade式后悬挂系统（Short Long Arm Control Blade/长短臂控制刀锋式悬挂），这套系统（如下）在行驶中能够精准地控制后轮的运动轨迹。

参见网络：平民操控之王，关于福克斯，你想知道的都在这里

以丰田卡罗拉为例。卡罗拉的目标客户群：讲究经济实惠、居家过日子的中产阶级。卡罗拉定位：均衡最佳（单独的指标不一定是最好、但一定是优良，很难找出其显著缺点，但整体综合指标最优），低油耗，高质量（开不坏的丰田车），实用、耐用、易用，超高性价比。进一步的以低油耗为例，丰田发动机的热效率全球闻名，采用多种复合技术（如无缝切换奥托循环和阿特金森两种循环，以及双VVT-iW可变气门正时等技术），在量产车型中热效率最高，可高达40/41%。卡罗拉还配置了多种选择。如新一代的卡罗拉动力有1.6L（百公里综合油耗5.9L），1.8L混合动力（百公里综合油耗4.1L），1.2T（百公里综合油耗5.5L）。

以特斯拉Model S（P100D等）为例。特斯拉的目标客户群：环保主义及对科技狂热追捧的豪车客户。特斯拉Model S定位：续航里程最长（650km），百公里加速最快（2.6s），快充电时间最短（快充1h），在可类比/竞争的豪车中价格最低（如宝马5系，雷克萨斯ES，奔驰E系列等）。为此，特斯拉整合并研发世界领先的（目前还没有企业/车型能超越的）三电系统（电机、电控、电池）。同时，上市时开发了其独特的、领先的智能/自动驾驶系统以及远程升级系统OTA（Over the Air）等，以独一无二的差异化领先。

再以自主品牌长城哈弗H6 为例。哈弗H6的目标客户群：城市实用经济型中产阶级。哈弗H6的定位：城市大众化SUV（类似卡罗拉 - 均衡），亲民价格、精准细分价位/性价比，即在适合价格范围内，连续细分配置组合以满足客户的精准选择需求。如曾在一个时期，H6以不同风格的造型、内饰、动力组合等分为红蓝标，总共可有84种的配置选择。使得一般情况下顾客总能找到一款适合其价位的精准配置组合（类似于福特F系列的组合）。精准细分价位/性价比是通过其体系来保障实现的（市场、研发、制造、供应链体系等）。

03

《车业杂谈》：从上面看到，当产品定位确定后，技术/研发体系非常重要，是来保障其定位、定义、定价能够落地的。那如何打造成熟的研发体系获取关键核心领先技术，您的看法如何？

方圆：当产品定位确定后，技术/研发体系非常重要，是来保障其定位、定义、定价能够落地的。对于一个新型企业（如造车新势力），由于时间紧迫，技术/产品的兼并、整合、研发能力非常重要，供应链的整合能力非常重要，战略采购实施的能力非常重要。

以特斯拉为例。特斯拉通过十多年的技术兼并、整合、研发，使其量产车型在三电（电池、电控、电机）综合方面领先于所有企业。即使目前唯一有可能够挑战特斯拉Model S的，预计在2020年上市的保时捷Taycan Turbo S的性能也在很多方面还是不及特斯拉Model S P100D，如下表所示。如今，特斯拉还研发出自己的全自动驾驶计算系统FSD（Full Self-Driving Computer）的芯片/硬件系统HW3.0或HW3，以及（据报道）近期进一步地收购了计算机视觉初创企业DeepScale以加快其向更高级的自动驾驶级别进阶的步伐，以逐步实现全自动驾驶功能。在电池电芯制造方面，据报道，特斯拉也收购了加拿大电池设备企业Hibar Systems。

特斯拉的FSD（Full Self-Driving）的芯片/硬件系统HW3中的关键核心器件是其NPU（Neural-Network Process Unit - 神经网络处理器），同时有一组CPU以及一个GPU，如下图所示。FSD系统NPU拥有72 TOPS图像处理及运算性能（有两个36 TOPS芯片），而整个FSD计算系统拥有144 TOPS的性能，与目前的HW2.5相比，成本降低20%，性能提升21倍，功率上升约25%。同时，HW4的研发也在进行中，性能预计是HW3的3倍，并预计2年左右完成，如下图所示。特斯拉FSD（HW3）将被配置在2020年Model S/X，以及Model 3上。

在零部件技术/产品还处于没有充分竞争的状态下，垂直整合零部件或零部件系统来保持整车领先是一个高效的方法。目前，特斯拉在电动车及自动驾驶方面的技术兼并、整合、研发能力全球领先，技术领先大约3-5年（特斯拉用了3年时间研发其自己的NPU/HW3芯片）。特斯拉的关键核心领先技术是：电池/电控、自动驾驶芯片、自动驾驶数据/算法等。

如上述所述的每个爆款车型（福克斯、卡罗拉、Model S等）都有其技术领先/标签/特征的支撑，特别是特斯拉的每一款车都有其杀手锏：Roadster-第一款量产电动跑车/价格亲民，Model S-第一款量产百公里加速最的快车/价格亲民，Model X-第一款量产电动SUV/鹰翼门/价格亲民，Model 3-第一款量产电动轿跑/大规模/价格极其亲民。

以客户/服务为中心（或从以产品为中心向以客户/服务为中心转变），是需要有技术特征支撑来落地的，是需要将技术力转换成产品力，将产品力转换成品牌力来完成持续循环向上达到辉煌的。

04

《车业杂谈》：在上面的丰田卡罗拉案例中，丰田有着“开不坏的丰田车”的质量口碑。由此可见整车的质量控制、质量体系的好坏对于打造爆款车型是非常重要的，您怎么看？

方圆：质量是企业的生命、品牌的生命、产品的生命。一个品牌/产品有两个核心要素，性能特征以及质量特征。两个特征都是需要时间来得到市场/客户的认可的。对于整车/整车企业来说，质量控制面临的挑战巨大。一部整车有成千上万的零部件，每一件都要达到质量要求的标准。同时，一个车型每年量产的几万辆车（特斯拉Model S）、十几万辆车（特斯拉Model 3）、几十万辆车（哈弗H6）、以至于上百万辆车（丰田卡罗拉）都要符合质量标准。

以零部件为例，一般都用PPM（Parts per Million - 每百万零部件中所含有缺陷的零部件数）作为指标来衡量一个零部件企业及其制造的零部件的质量水平。汽车行业零部件制造质量一般的标准是：制造缺陷大约在10-100PPM之间。不同种类的零部件的标准不同，不同的企业要求也不同。

质量体系涵盖零部件/供应链、整车研发/制造等。其中质量体系中事件/零部件质量追踪方法（可追溯源头，避免部门间相互推诿）及数据系统（可连接各个环节，避免数据孤岛）极其重要，特别是将制造与设计联系起来，共同找出潜在的质量问题。一款高质量的、规模化的量产车型一定是有一个卓越的质量体系来保障的。

为此，汽车行业/企业经过多年的发展，根据市场需求、国家法规等，形成了一整套的、各个层级的产品质量管理体系，如著名的TS16949质量体系，ASPICE（Automotive SPICE）/CMMI软件过程改进和能力测定标准等。一个汽车企业的质量体系建立，供应链（几百家到上千家，成千上万的零部件）质量体系的建立，团队需要时间磨合，将体系的能力发挥到有效、极致。

05

《车业杂谈》：基于以上讨论，那么一个初创汽车企业走向成熟大约至少需要多少时间，需要多少时间来打造成熟的产品策划体系、研发体系、制造体系、质量体系、成本体系、采购/供应链体系、营销体系等？

方圆：不同行业的初创企业走向成熟需要的时间也不同。就汽车行业而言，大致要经过至少十年左右时间开始走向成熟（3个车型）。再以特斯拉为例，特斯拉成立于2003年，2008年开始小批量生产Roadster（总共生产了2450辆），2012年6月才正式量产规模化的产品Model S（2013年Model S全球销量约2.24万辆；截止2018年12月底，总共累计销售约25万辆），2015年量产规模化的产品SUV Model X（2018年全球销量4.9万辆，总共累计销售约13万辆），2017年量产规模化的产品Model 3，2018年1-12月Model 3全球销量14.6万辆（预计2019年销量大约在30万辆左右，2020年超过50万辆）。以前面的特斯拉FSD的迭代升级为例，其也经历了约8年时间。以2013年特斯拉全球销售了约2.24万辆Model S为标准（占当时全球新能源车年销量的10%左右，占全球纯电动车年销量的17%左右，占美国新能源车年销量的19%，占美国纯电动车年销量的28%左右）。

一般来说，造车新势力/企业大约至少需要10年左右时间建立起成熟的产品策划体系、研发体系、制造体系、质量体系、成本体系、采购/供应链体系、营销体系等，同时有能力使企业的各个部门无缝对接/协调无误，使企业走向成熟，研发出为市场所接受的成熟产品、经典产品、爆款产品。当然，时代在变化，每个企业也不同，造车新势力/企业成为成熟企业所需要的时间也会有所不同。

最后引述马斯克在2018年7月1日的讲话：“我想我们刚刚成为一家真正的车企”，这一天特斯拉实现了每周生产5000辆Model 3的能力。

06

《车业杂谈》：谈到造车新势力，代表未来技术方向的自动驾驶也可能影响其成功。而最近关于L3/L4甚至L5级的自动驾驶实施落地的竞争日趋激烈，特别是关于智能/自动驾驶控制计算单元ECU的运算处理能力提升的竞争、环境感知技术路线的竞争、AI深度神经网络算法的竞争、行驶数据采集及模拟等方面的竞争，您对此怎么看？

方圆：的确，自动驾驶实施落地的竞争日趋激烈，就在刚刚2019年9月24日，为追赶其它联盟，现代汽车与安波福也就自动驾驶技术的合作成立了合资公司。造车新势力的代表特斯拉在这方面的表现也非常抢眼。

全自动驾驶是汽车/出行的终极目标/形式，也是汽车共享经济、汽车使用（效率/效益）进一步地提升的基础。从长远的角度来说，有了全自动驾驶，出行中的人们也可以休息、娱乐、学习、工作、开会等等。从近期来看，由于技术的快速进步，L3/L4级的智能/自动驾驶的实现要比预计的快。在特殊路段、特殊区域的L5级的自动驾驶的实现也要比预计的快、甚至比L4级落地都要快。

如在2019年Gartner汽车电子技术成熟度曲线报告中所描述：具备L5级智能驾驶能力的汽车计算机及控制单元ECU需要至少有100 TOPS的计算处理能力，超过128GB的内存，超过2TB的抗易失性存储，快于1Gbps的接口数据传送速度（L4/L3级要求见下表）。而这些基本条件目前基本上已经实现，特别是特斯拉匹配HW3或HW4芯片组合的汽车控制单元FSD运算处理系统。

全球著名咨询机构IHS预测，至2025年全球自动驾驶汽车销量将有100万辆，营销公司ABI称到2025年全球将会增加800万辆自动驾驶汽车，而麦肯锡认为2030年全球自动驾驶车辆销售占比为50%。为此，智能/全自动驾驶技术是各个整车企业、一级零部件企业、二级汽车电子/传感器企业必争之地。

就世界著名咨询公司Navigant Research发布的（如下图所示）2019年自动驾驶竞争力排名榜而言，领导者（第一梯队）中有谷歌/Waymo、通用、以及福特，而特斯拉在第三梯队中垫底（由于评估标准中的有些项目并不能完全反映特斯拉的实际状况，同时特斯拉的自动驾驶之路、特别是数据采集之路也与其它三个公司不同）。目前，在自动驾驶领域中，个人认为四家头部企业最具竞争力：Waymo与特斯拉，通用与福特。

Waymo于2009年开始研发无人驾驶汽车且取得了显著成就（凤凰城无人出租车运营），路试实测里程累积达到1500万英里，模拟仿真里程达到100亿英里/161亿公里（2018年7月达到50亿英里，2.5万辆虚拟车辆）。

通用与福特研究自动驾驶技术可以追溯的更早，也在扎实地稳步前进。通用进步更快，以通用/Cruise为例，2018年通用在加州路试45万公里，排名第二名（Waymo第一，120万公里），人为干预频率为0.19次/千英里，排名第二（Waymo第一，0.09次/千英里）。类似于Waymo的Carcraft自动驾驶模拟仿真软件，2019年Cruise云计算自动驾驶模拟仿真软件The Matrix上线运行，其功能可以创建10万多个仿真场景，产生300 TB的数据，相当于3万辆虚拟车辆在运行。

关于自动驾驶技术/落地的竞争，除了精准定位，路线规划，决策执行之外，目前主要体现在以下几个方面：自动驾驶控制计算单元ECU的运算处理能力/功率/成本，环境感知技术路线，AI深度神经网络算法，数据采集拥有量及模拟方法等。

以下主要以特斯拉为例作为讨论。

1. 自动驾驶计算机及控制单元ECU（车载计算机）。目前，全球有几个专门为自动驾驶打造的车载计算机及控制ECU系统。一个最新的是NVIDIA刚刚发布的Nvidia Drive AGX Pegasus平台，采用2个NVIDIA Xavier处理器和2个新一代Tensor Core GPU构架（据报道已经有几十家汽车企业与其合作，同时还有145家以上的自动驾驶初创公司），使其总体运算处理力达到320 TOPS，功率500W（整体性能功率效率0.64 TOPS/W，单芯片为1 TOPS/W）。另一个是特斯拉2019年发布的FSD（Full Self-Driving）系统的HW3中的关键核心器件是其NPU（Neural-Network Process Unit - 神经网络处理器），如前所述，其同时有一组CPU以及一个GPU。FSD系统NPU拥有72 TOPS图像处理及运算性能（有两个36 TOPS芯片），而整个FSD计算系统拥有144 TOPS的性能。特斯拉自己研发的HW3/NPU与目前的HW2.5（2017年NVIDIA Drive Xavier PX2 平台）相比，成本降低20%，性能提升21倍，功率上升约25%。其中，NPU的总功率为7.5 W，约占其FSD功耗的21％。这使其单芯片性能效率约为4.8 TOPS / W，为迄今为止的量产中最高性能功率效率之一（Mobileye EyeQ4 单芯片性能功率效率0.83 TOPS/W，预计2020年发布的EyeQ5单芯片为 2.4 TOPS/W，据报道宝马2021年将配置）。

车载计算机系统的功耗是一个重要指标，特别是对于电动车来说，过高的功耗会影响或显著影响续航里程。这也是特斯拉要自己研发智能/自动驾驶车载计算机系统及ECU的重要原因之一。其它的重要原因是HW3的计算能力显著提升，超过了Gartner对L5自动驾驶车载计算机及ECU计算力预测的要求，同时成本降低20%。为此，特斯拉作为整车企业，在FSD实施落地方面进步迅速（预计其2021年的HW4芯片配置可以使运算处理能力大幅度地提升，为目前基于HW3的FSD系统的3倍左右，约可达400 TOPS左右）。

2. 数据采集拥有量及模拟方法。就道路行驶数据采集而言，特斯拉拥有绝对的优势（特斯拉从其销售的车辆在实际运行中采数据）。引用兰德智库专家尼迪卡·卡拉的评论：毫无疑问,特斯拉具有一种优势。它们可以从更加广泛的经验中学习,而且对比配备受训司机进行测试的自动驾驶公司,特斯拉学习的速度远远更快。

兰德智库还曾在一份研究报告中提出：自动驾驶汽车将必须行驶上百亿英里，有时甚至是上千亿英里才能证明它们的安全性。特斯拉Autopilot启动时的行驶数据就远远超过Waymo的实测数据。如截止2019年10月，Autopilot启动时的数据采集里程达15.5亿英里，2018年7月为12亿英里，2016年10月为2.22亿英里，5月为1亿英里（而目前特斯拉的总里程数已达100亿英里）。

目前，特斯拉预计大约有50万辆搭载了Autopilot系统的车子在道路上行驶，预计每日行驶里程可达1500万英里。按照目前的生产/销售状态，这个车队的规模很快就可增加至超过100万辆，那么每月产生的行驶里程将可达10亿英里。对比之下，目前Waymo已经累积了约1500万英里的实际道路测试/行驶里程。特斯拉的数据优势也部分地决定了其深度神经网络性能的好坏（三个因素：训练数据、网络架构、算法优化）。

3. AI深度神经网络算法。目前，在自动驾驶深度神经网络算法方面常用/研究的大致有三种方法：强化学习、自我监督学习、模仿学习方法。模仿学习需要大量的标注数据来训练网络，自我监督学习的优势是可以应用标注数据及非标注数据来训练网络，强化学习的优势是可以训练网络从更加宏观的角度/形势来做出更精准的判断。由于数据的相对充足，预计特斯拉三种方法都在应用。而Waymo由于数据不足，面临着“长尾：一些罕见的场景”问题的巨大挑战。为此，Waymo也研发其模拟仿真软件Carcraft来应对。当然，即使特斯拉数据相对充足，其依然要面对“长尾”问题（如这次其智能召唤/Smart Summon功能开发面临的挑战）。

模拟仿真测试已经成为自动驾驶研发中的关键/不可或缺的一环。Waymo已经模拟仿真了100亿英里，在这个方面，Waymo独占优势。通用Cruise使用其模拟仿真软件“The Matrix”预计也已模拟仿真了50亿英里。目前具有类似功能的模拟仿真软件还有PanoSim 、CarSim等。

4. 环境感知技术路线。就环境感知技术路线来说，大多数企业都会采用激光雷达作为传感融合补充选择方案。但特斯拉坚持以摄像视觉系统+超声波雷达+微波雷达为主的环境感知技术路线。以人类视觉为参考，用8个摄像头+12个超声波雷达+1个毫米波雷达，特斯拉坚信可以达到L4/L5级的自动驾驶水准（个人认为如果加上全场/Full Field 200米远红外激光摄像视觉功能，基于摄像头视觉的环境感知系统会得到更进一步的加强）。同时据报道，特斯拉为了进一步地提升其视觉深度神经网络DNN效率、低功耗、低成本，收购了DeepScale。

DeepScale擅长使用低功率处理器，来精确驱动计算机视觉系统，实现最小延迟。DeepScale展示了在参数量减少了50倍的情况下，即使用小型DNN SqueezeNet在ImageNet上也可以实现AlexNet级别的精度。DeepSacle最著名的成果是SqueezeNas -可以利用神经构架搜索技术来实现DNN开发自动化，精度高同时延时低。

目前，环境感知技术路线大致有三种：激光雷达+毫米波雷达+摄像视觉+超声波雷达的全传感器融合路径，毫米波雷达+摄像视觉+超声波雷达的+（完善上述毫米/摄像/超声感知系统+完善深度神经网络算法）的特斯拉路径，结合外部网络、V2X实现对自动驾驶的统筹控制。

07

《车业杂谈》：由于实际行驶测试数据量的挑战，模拟仿真测试已成为自动驾驶车研发中的关键/不可或缺的一环，除了Waymo有自己研发的模拟仿真测试软件Carcraft以及通用Cruise的“The Matrix”，其它类似的商业软件水平如何？

方圆：如上所述，由于深度神经网络的学习需要大量的数据，除了特斯拉有相对充足的实际行驶数据，其它的企业的数据量远远不够；为此，模拟仿真测试已成为自动驾驶车研发中的关键/不可或缺的一环。

Waymo也是借助其模拟仿真测试软件Carcraft来极大的加快其4/5级自动驾驶的研发，其自动驾驶车队已经投入了凤凰城无人出租车运行。没有模拟仿真测试的帮助，Waymo是不可能完成4/5级自动驾驶的研发（至少需要上百亿英里的数据）。到目前为止，Waymo的实际行驶测试里程数据为1500万英里，而其Carcraft的模拟仿真行驶测试里程数据已达100亿英里。

目前除了Waymo有自己研发的模拟仿真测试软件Carcraft以及通用Cruise的“The Matrix”之外，市场上还有一些专业级不同的商业模拟仿真测试软件，其中比较知名的、专业化程度较高、各具特色有PanoSim、PreScan、CarSim、Apollo 2、IPG、VIRES、SANNeR等。以PanoSim为例，PanoSim是一款高度专业化的模拟仿真软件，是集高度复杂的车辆动力学（发动机、变速箱、电机等）/车辆运动学模型（底盘/操控/悬挂/制动/转向系统、轮胎，车身/刚度等）、汽车行驶三维环境感知模型（路面/光照/雨雪等）、汽车行驶交通模型（信号灯/路标/V2X等）、车载环境传感器系统模型（视觉像机/雷达/Lidar等）、导航GPS、无线电通信模型、以及高精度数字地图模型等的大型模拟仿真软件平台/引擎。

写在最后：造车初创企业发展、崛起、成功，品牌的打造、向上、辉煌的一个重要关键核心要素是技术的积累、整合、提升。将技术力转换成产品力，再将产品力转换成品牌力。

以往的福特福克斯、丰田卡罗拉、以及近来的特斯拉Model S以及Model 3等的成功都是有技术标签或技术特征支撑的。最显著的案例是特斯拉Model S P100D车型树立了技术特征标杆，并迎来了一众的挑战者、豪车的挑战者，如近来的预计2020年上市的保时捷 Taycan Turbo S（预计BBA等都会在不远的将来挑战标杆，捍卫品牌）。即使是保时捷，其百公里加速、续航里程等还是不如特斯拉。特斯拉Model S P100D 百公里加速2.6秒，续航里程650公里，而保时捷 Taycan Turbo S为2.8秒，465公里。这0.2秒之差，185公里之差的结果说明在三电技术（效率、热管理、控制等）、综合技术上的差异。近来的一汽红旗的崛起也是基于其技术实力、打造客户/市场认可的产品。就在刚刚过去的法兰克福车展上，一汽红旗展现了其目标量产化的红旗超跑S9：百公里加速1.9秒，大型电动SUV（E115）拥有超过600公里的续航能力，百公里加速少于4秒、为该级别SUV的极品。

总之，以领先的技术形成产品/品牌的特征，可以加快得到顾客/市场的认可，可以加快产品/品牌的打造、向上、辉煌。