AI产业正走向繁荣。
AI浪潮汹涌而至，产业持续迭代。科技的发展改变了我们每一个人的生活方式。
正如比尔·盖茨所言：“人们总是高估了未来一到两年的变化，低估了未来十年的变革。”
在过去的一段时间里，无论是个人、企业还是市场，都对AI行业有了更充分的了解和认知。站在当下，我们又该如何看待其带来的影响与改变？如何看待其未来发展趋势？
10月12日，一场主题为《AI 赋能 探索信创产业发展新路径》的对接洽谈会，在“之江同心 新知新质圆桌会”信创产业发展专场活动上开启。甲子光年创始人、CEO张一甲与来自人工智能领域科学界、企业界、金融界的嘉宾们探讨了在新的AI范式革命下的机遇与挑战，以及如何借助AI实现产业重塑，推动产业快速发展等重要议题。
范式革命下，与机遇交锋
耿俊岭（信雅达科技股份有限公司董事长） ：对于这一轮AI的崛起和爆发，我们非常兴奋。大语言模型给银行业带来了非常大的机遇，我们非常坚决地All in AI。我们认为，AI在整个中国行业里，一定是重构+原生两条腿共同走。
高天寒（东北大学教授、博士生导师，幻霄科技联合创始人&首席科学家） ：近几年，以大模型和AIGC为代表的人工智能技术快速发展和落地，不但给传统行业带来深刻变化，对信创产业本身也带来了前所未有的发展机遇和挑战。
AI的大量使用，可以显著提升信创产品本身的智能水平，无论是信创领域中的基础硬件、基础软件和应用软件，AI的加持都能够显著提升其效能。相信大模型、AIGC在信创领域的植入，一定会为这个领域带来更多创新性的落地应用场景。
未来，随着人工智能技术的不断迭代和深入融合，信创产业一定可以保障国家安全，在推动下一代信息技术自主可控层面，发挥越来越多的作用
张志明（复星创富投资执行 总经理 ：在AI基础设施领域，大家比较关注算力，性能好不好，算力是第一个要考虑的。但还有一个非常容易忽略的重要因素，那就是互联力。
对照Nvdia来看，大家容易看到它的超一流的算力性能和包罗万象的CUDA生态，但还有两大法宝也是极其重要到。一个卡间互联的NVlink，另一个则是集群互联的Infiniband。这两个法宝构成千卡万卡集群的关键。对于算力的提升能带来极其显著的乘数效应。
目前，我们国内做Ai算力芯片的公司不少，有一些也跑出了不错的成绩，但具备高速互联技术的公司还凤毛麟角。未来，Ai高速互联领域仍具有极大的发展潜力，值得重点关注。
田群喜（北京致远互联软件股份有限公司首席创新官、协同研究院院长）： 数字要素的产业化市场是非常巨大的。在公共数据的治理、管理、运营、安全流通体系，以及融合计算都有很多机会。AI在场景驱动和场景引导方面会有颠覆性变革。
从经济规模和效益来看，我的观点是，首先应用+AI会带来一个快速的市场机会。比如智能业务流和业务自动化领域，AI能力替代传统的规则引擎、路由，解决复杂的个性化定制，能快速解决工程效率和规模化的问题。 其次人工智能在数据要素服务中既是需求者又是推动者，公共数据要素的管理运营和安全流通提供了丰富的场景和巨大市场机会。
严宇杰（北京合思信息技术有限公司 高级副总裁 ：在产业AI当中，我们看到一个明显的趋势，大家在效率提升以及交互应用上的方向非常明确。我们自己也做了相对应的工作，比如让审批更智能，利用AI将复杂的费控报销管理制度解构出来，帮助企业提效。
同时，我们也在尝试用AI做一些智能交互。我们相信，AI在未来能够创造出一些此前没有看到的需求和机会。
王兵（东方富海 合伙人 ：我认为，在目前中美博弈的情况下，打造一个自主可控的、人工智能的信创的供应链，是完全有必要的。
但是，在这个过程中，要特别注意两点：
第一是市场化，特别是创新产业的市场化。像人工智能这样的产业，在大赛道的投资远远不足。
第二是生态化。创新力的本质不是让一两家大公司扛着整个国家的科研，而是让很多早期的初创企业都能在不同的方向探索，形成一个生态。
中国是不缺资金的，但是大批量的资金没有用到正确的地方，我们希望能够把这些资金，充分地用到前沿的科技和创新领域。
杨震（北京电子数智科技有限责任公司战略及市场负责人） ：目前，中国整体人工智能基础建设格局非常离散，算力、算法、数据都各成体系，形成不同的烟囱，比如数据掌握在各大政企机构手里、芯片和算法各成闭源生态。
人工智能产业的发展，需要解决这些烟囱问题。比如，算力层面，在落实信创的过程中，只有单一国产GPU并不能满足真正的AI需求，需要多国产GPU协同作战，且使用方无体感。因此，屏蔽底层硬件，按吞吐量计算，才能为国产算力的发展提供可能；模型层面，基座模型广泛适配主流开发框架，提供无差别的模型服务；以及数据层面，通过区块链、数字合约技术手段对数据使用次数和用途做规定，让数据流动、使用起来。
以及，政府层面也需要开放数据和场景，引导人工智能企业走进当地，才能形成人工智能产业发展的长坡厚雪。
2.借助 ，实现产业重塑
何进（北京大学信息科学技术学院教授、深圳系统芯片设计重点实验室主任）： 我们都知道要追算力，但建立算力中心这不是一些中小企业可以完成的事情。模型也一样，构建一个大的模型，不仅需要很多参数，更关键的是需要许多数学家与软件工程师组成的团队，也不是我们可以轻易做到的。信创产业的发展，应该更多地从传感、网络、存储这几部分去做，也有许多空白与细分领域可以诞生小巨人，专精特新，这才是我们中小企业在信创领域值得做，可以有所作为的事情。
张煜（清智资本创始 合伙人 ：传统的信创更多集中在一些基础的软件和芯片上，AI有点不一样，AI其实有很多的特征。现在的信创动不动就是大的基建、大的投入，做芯片、做算力，其实最基础的还是人。我认为首先应该是加强在人方面的培养。
秦少博（基石创投管理 合伙人 ：今天信创走到了深水区的阶段。我们看到，产品侧已经从不好用、能用到好用。我们从政策保护下的一个生意，做到了在全球某些领域的技术创新。这是投资端更愿意看到的事情。走向市场化的竞争，才有创新的持久动力。
林杰（软通计算有限公司华东大区 总经理 今年年初我们发布了基于华为昇腾的AI产品，今年年底我们还会发布信创AI终端，大家有硬件需求可以找我，我们可以一起合作。
国庆前，软通动力在北京通州参与建设的京津冀信创小镇正式启动，其核心是智能制造工厂，目的是改进生产工艺、提高产品质量、提升售后服务。同样，我们在金华也有一个厂，在金义工厂我们投了两根产线，2019年投资了一条半自动化产线，2021年又新投资一条全自动化产线。我觉得自动化并不代表它就是AI，智能和自动还是不一样的。后续的我们可以在智能AI工厂改造上多交流。
季天诚（南京硅基智能科技有限公司 合伙人 在抖音上有一个段子，说义乌的商人是最与时俱进的，义乌老板人均掌握四五个AI工具，早上用AI设计产品，下午用AI主播做直播带货，晚上把视频用 AI 翻译成27国语言放到TikTok和YouTube，很荣幸其中很多产品都是我们公司的。我们在准备全套的AI培训和教育体系，包括AI的全套工具，去服务各地产业的需求升级。
3.携手共进，才能走得更远
霍朝骏（深圳市蓝凌软件股份有限公司浙江区 总经理 ：我们看到了三个趋势：
第一，对于一些组织或企业来说，在安全、合规和自主可控的情况下，算力足够，都有做私有化大模型的机会；
第二，要做好私有化大模型的应用，质量取决于数据，数据质量高不高、准不准确、好不好，直接的影响未来私有化大模型的应用质量；
第三，在有数据质量的情况下，我们要关注落地，最终用户能用的，那就是知识工程。我们一直关注知识工程这一方面，也帮助了更多的企业在AI浪潮到来以后，关注自身的知识工程，帮助企业、组织做它的业务赋能。
张奥圣（浪潮数字企业技术有限公司浙江区副 总经理 ：浪潮在信创领域的布局很大，在基础软件、基础硬件、应用软件，以及一些信息安全领域都有涉及。
抓住能抓得住的、理解透的，快速形成一个商业模式。浪潮还有智慧水务、智慧医疗、智慧交通等。靠浪潮一家肯定是做不深、做不透的，我们希望能和这些领域里的专家相互合作。
蒋纯（普华资本管理 合伙人 ：熟悉这个行业的朋友可能知道我们今天说的信创 ，信息技术应用创新，原来有一个名字叫做安全可控。安可。强调的更多的是补断点，打造信息产业全安全可控的供应链。补断点无疑是重要的，但是盯着今天的断点补还是一种被动的防守。
技术创新是产业迭代最大的推手。在这样的迭代中 旧的霸主会被削弱甚至替代 新的势力正在崛起。举个例子 我们所知道的英特尔 就是先在移动互联网的崛起中落后于ARM 后来又在人工智能的竞争中落后于英伟达 受到重挫。
人工智能正在带来这样的机会 并且目前还方兴未艾，人工智能的技术 将随着多模态的兴起和深入 脱离人类本身的数据限制，直接接触和处理物理世界的信息，所应用的范围也将日渐广泛 这里会带来从模型变革到基础计算底层各方面的创新和革命 带来大量的信息产业应用创新机会。
所以我们祝愿今天的信创产业创业者 能够抓住这样技术创新带来的机会。让我们的信创产业不仅能守住我们信息安全的底线 还能在未来的全球信息技术竞争中勇夺头筹，始于安可 成就于创新。
孙志明（江苏汇智智能数字科技有限公司 从业务角度来说，很多中小企业需要产业场景、大模型地基。但是因为它的技术成本很大，下游的AI智慧服务商和行业服务商很难做适配。汇智智能自主研发的CarrotAI大模型和Agent云平台，正是为解决这一痛点而生，我们通过提供标准化的AI服务，大幅降低了企业应用AI的门槛。
我们的技术不仅能够提升企业运营效率，还能为客户带来显著的ROI提升，在多个行业已经取得了瞩目的成果。如果有相关的服务商或者金融服务，可以跟我们联系，共同探讨如何利用AI技术为更多中小企业赋能，推动产业智能化升级。
刘煜晨（上海意言科技有限公司 我们是一家创业公司，主要做大模型应用层和中间层的软件，支持大型企业的复合AI系统。之所以叫复合AI系统，是因为构建一个可落地的AI应用，其背后包含的不仅仅是大模型，还涉及其他的组件和模块。
我们一直针对大型企业，特别是500强企业做AI应用的落地，特别是制造业、消费品和医药行业，很多大家听过的百强企业，都是我们目前一起做联合创新的客户。
苏战超（卓世科技（海南）有限公司投融资 合伙人 卓世科技从19年成立就聚焦人工智能赋能产业，22年底我们从原来的技术和产品出发All in AI大模型，并且选择从行业模型平台及应用出发，经过一年多沉淀，搭建璇玑玉衡底座大模型，构建MaaS和Agent双引擎平台。2024年开始，我们陆续落地医疗健康、政务、企服、文旅教育等行业应用，逐渐聚焦在医疗和大健康方面落实很多场景。
例如，我们和国家卫健委做的家庭医生，目前在全国多个社康服务中心落地大模型应用，还有跟北京民政局合作开发的千亿健康大模型，还和青岛医院做了AI预问诊。在健康管理、医疗健康的合作，主要依托清华大学精准医学研究院的研究资源。
金圣涵（金沙江联合资本 执行董事 ：大家提到，无论是国内的产品市场还是资本市场，现在都非常卷。我们最近做的一件事是，从海外招引一些项目，并且帮助国内的项目出海。如果对海外、东南亚市场有需求，可以进一步交流。
黄德涛（达泰资本 合伙人 ：达泰2010年成立于上海，一直围绕半导体做投资，以硬件为主，软件为辅。我们的计划比较简单，围绕AI方向找一些好的企业，为它做好后续的增值服务，希望可以培育出一些比较好的企业。这是我们一直做，而且未来会接着做的事情。
于建政（国科长三角招商中心金华项目负责人） ：国科长三角资本目前跟金义新区以基金+基地的模式，开展信创产业项目招引、产业投资和产业培育的深度合作，管理金义新区10亿的信创产业基金，集成电路、半导体、电子信息、物联网以及传感、网络安全，甚至整个国产替代领域，是重点招引和基金投资方向，希望后续能与各位进一步交流合作。
章高男（华映资本管理 合伙人 ：AI与信创产业的结合可以从两个方面考虑：
第一是利用好自己的私有数据，借助Al模型和自己私有数据结合，形成细分赛道的知识体系；
第二是充分利用大模型已有的知识体系，通过技术方法高效为行业提供精准内容。
同时我们也高度关注非LLM的基础理论创新。
陆佳清（国科嘉和高级 合伙人 ：我认为在当前的市场环境下，AI和信创领域的投资面临着不少挑战。首先，从营收角度来看，即使这些公司达到一个亿的利润，也可能无法顺利进行IPO。这使得很多初创公司在融资和生存上面临巨大压力。
我注意到，过去几个月里，几乎每个月都会看到国产GPU厂商倒闭或面临困境的新闻，这是一个非常严重的问题。我希望这种情况能够有所改变，因为这种资源浪费对整个行业的发展不利。地方政府的资金有限，如果继续分散支持多家小企业，可能会导致没有一家企业能够真正壮大。因此，我建议集中资源支持少数几家有潜力的企业，让它们能够更好地发展。
此外，并购退出可能成为一种现实的选择。例如，我们最近投资的一家专注于智能机器人前沿力控技术研发及应用的国家高新技术企业，可能更适合这种方式。我们也希望与上市公司合作，共同孵化和支持有潜力的项目，为这些企业提供更多的机会和发展空间。
不可否认，人工智能技术的快速发展正在深刻改变着各行各业的面貌，这不仅是技术革新带来的效率提升与智能化升级的机会，更是中国在新一轮科技革命中实现自主可控、保障国家安全的重要契机。
从大语言模型对各行业的赋能，到AIGC等先进技术在传统行业及信创领域的广泛应用，嘉宾们一致认为AI将为产品和服务带来前所未有的智能化水平，并且在效率提升、智能交互以及创造新需求方面展现出巨大潜力。
然而，要真正发挥出AI的最大效能，还需要解决一系列挑战，例如市场化进程中的资金合理配置问题、构建开放共享的数据生态体系、促进创新企业成长形成良好生态系统等。尤其值得注意的是，在当前复杂多变的国际形势下，打造一个安全可靠的人工智能供应链变得尤为重要。
为此，各方应加强合作交流，共同探索如何更好地利用AI技术推动产业发展，同时也要注重培养相关人才、优化政策环境，以确保我国能够在这一轮科技创新浪潮中占据有利位置，最终实现经济高质量发展和社会全面进步的目标。
通过共同努力，我们有理由相信未来将充满无限可能，AI不仅会成为推动经济增长的新引擎，也将为我们打开一扇通往更加智慧便捷生活的大门。
参加本次活动的其他企业/机构嘉宾还有：卓世智星科技有限公司运营总监苏鹏程、达晨财智浙江分公司总经理李端祯、华控基金执行董事方德华、华方资本投资总监吴许碧清、黄海资本投资副总监苏昕、黄海资本投资副总监李魏、幻霄科技（上海）有限公司运营总监陈昱静、北京电子数智科技有限责任公司战略合作总监王丹、赛智伯乐战略关系负责人张冬璐。
星星离我们有多远读书笔记摘抄
我推荐的星星离我们有多远读书笔记摘抄如下：1、星星离我们有多远，仿佛是触手可及，却又相隔万里。 2、星星的距离，虽是无法触及的遥远，却也因此让我们的心灵在夜空中得以自由翱翔。 3、那些远离我们的星星，像是一些心中无法割舍的梦想和愿望，令人既向往又追求。 4、在宇宙的尺度下，星星之间的距离如同我们生活中的困难与挫折，虽然使人望而生畏，但只有勇敢前行，才能寻找到人生的真谛。 5、星星的遥远不仅是空间上的距离，也是时间上的跨度，它们见证了宇宙的无限与辽阔。 6、星星闪烁，它们离我们多么遥远，似乎是永恒的谜团，让人无限遐想。 7、在静谧的夜空下，星星犹如点睛之笔，将遥远的距离巧妙地转化为诗意的美。 8、在静谧的夜空下，星星犹如点睛之笔，将遥远的距离巧妙地转化为诗意的美。 9、我们离星星太远了，所以黑夜能仰望深邃的星空；我们离星星太近了，所以只能如飞蛾扑火。 不知离你多少光年，才能看到你的美。 10、可能，我们之所以喜欢星星，正是因为它离我们足够遥远。
为什么自动驾驶遇瓶颈，但自动代客泊车却很热？｜甲子光年
撰文 | 火柴Q
| 甲小姐
设计 | 一凡
视频中，一位女士开着奥迪A8L在写字楼附近下车，她轻轻按了手机中的一个键，车就在无人驾驶的情况下自动来到地库并进入了车位。
等女士离开写字楼时，只需在上车点用手机一键召唤，车又自己从车库开了回来。
开门、上车、走人，干净利落，省去了费时耗力的停车、取车环节。
这就是“自动代客泊车”（Auto Valet Parking）场景(在奥迪当时的展示中使用的是piloted parking“遥控泊车”概念)。
在功能上，它是泊车辅助系统、ADAS（高级自动驾驶辅助系统）等的升级；在技术上，则属于低速L4级自动驾驶。
但5年来，并不新颖的AVP概念仍未照进现实。 近两年的自动驾驶热潮更多表现在另一个细分赛道：城市道路乘用车L4级自动驾驶。
这是最符合一般人印象中的自动驾驶——无需司机操作，车能自动载客穿梭于大街小巷，完成超车、倒车、避让行人等所有人类司机应该完成的任务。
其对应的终极商业模式是 Robo-Taxi（机器人出租车） ，它属于 TaaS（Transportation as a Service，运输即服务） 模式的一种。 成立于2009年的Waymo（隶属于Google母公司Alphabet）是这一领域的先驱。
从2016年开始，这一细分赛道越加火热：通用于当年收购了自动驾驶公司Cruise，目前估值已达146亿美元；、、、文远知行等瞄准高速L4/L5级自动驾驶的创业公司相继成立；网络的Apollo自动驾驶平台，Uber、滴滴的自动驾驶计划陆续上马。
但这种“快速发展”目前看来主要表现在融资和估值上。 经过前两年的热潮，城市道路乘用车L4级自动驾驶在2018年进入瓶颈一年。
2018年11月，Waymo公司CEO John Krafcik在公开场合坦言自动驾驶技术的普及还需要几十年 。 几天后，苹果联合创始人Steve Wozniak也表示： 自动驾驶 汽车 不可能在不久的将来实现 。
困住这些世界级聪明头脑的无非两个词：量产和商用化。
然而，AVP却很有可能率先打破城市空间中，乘用车高级别自动驾驶的量产和商业化僵局。
现在，市场离AVP的量产落地终于只有临门一脚了。
有可能踢出这“临门一脚”的是一家从ADAS辅助驾驶系统切入自动驾驶领域的上海公司——纵目 科技 。
2018年12月26日，纵目 科技 宣布收到中国一汽的项目定点信，将在中国一汽红旗品牌2020年的量产车型上，部署低速L4级自动驾驶AVP产品。 纵目成为中国首个拿下整车厂AVP量产项目的公司。
让纵目拿下车厂订单的是他们在去年11月针对停车场低速场景推出的AVP1.0版的升级版。 而纵目对这一领域的 探索 起步于更早之前的2016年9月。
当时，在国内自动驾驶领域，相比黑 科技 感更强的无人车方向，AVP并不是焦点。
到2017年7月，戴姆勒和博世在斯图加特梅赛德斯奔驰博物馆共同宣布了“自动代客泊车”（Auto Valet Parking）概念（二者在这一领域的合作始于2015年），业内才对这一场景有了较为统一的说法。
而2018年，AVP的竞争已是如火如荼。
纵观以上进展，大部分是概念、Demo、技术方案、战略合作的发布。
这说明两个问题：
一、各玩家都看到了AVP的前景。
纵目 科技 创始人兼CEO唐锐也告诉「甲子光年」：“我认为AVP是中国市场上（自动驾驶领域）最具有战略价值的高地。”
梅赛德斯-奔驰乘用车中国研发中心负责人安尔翰（Prof. Dr. Hans Georg Engel）也曾在去年表示：AVP是通往自动驾驶之路的重要里程碑。
二、真正在这一领域有长期积累的玩家并不多。
上述进展中，有些项目的研发是在去年才启动的，许多进展仅停留在合作发布阶段，还未到测试，更未到量产阶段。
在这个背景下， 纵目在12月拿到的一汽红旗轿车AVP量产订单就具有了重要的市场开拓性意义 ——纵目的AVP系统很可能率先登录主流乘用车。
站在众玩家扎堆进军AVP的时刻，纵目 科技 创始人兼CEO唐锐向「甲子光年」回顾了他的思考历程：为何在2017年上半年就看准了AVP？
可以先从商业逻辑来看这个问题。
在考虑 自动驾驶各落地场景的机会大小和商业化速度时，主要看4个维度： 封闭场景/开放场景、固定路线/自由路线、低速/高速、车里有乘客/无乘客。
除了技术差异外，以上四维度中，封闭场景/开放场景还涉及路权问题；有乘客/无乘客则涉及立法难度。
而自动驾驶的商业模式则主要有两种：
一是上文提到的 TaaS ，在这个模式中，自动驾驶是运营服务得以成立的核心技术。
二是 汽车 产业的传统商业模式，即 在 汽车 里加入自动驾驶功能，再卖给消费者，唐锐将其总结为VaaP （Vehicle as a Product）。 在这个模式中，提供自动驾驶系统的公司充当整车厂的供应商。
VaaP是现在，TaaS是未来。
以这个框架来看，最复杂且商业价值最大的情况是“开放道路、自由路线、高速、车里有人”，它可以直接应用在城市出行上—— 、、文远知行等公司，以及全球自动驾驶头把交椅Waymo都是在向这个“桂冠场景”挑战 。 其对应的商业模式Robo-Taxi将彻底改变人类出行方式，进而改变生活方式、交往形态，催生一系列新业态。
这也是这类公司吸引了大量风投的原因，大机会不容错过。 但这一场景的商业化时间目前看起来还很遥远。
最容易落地的情况则是“封闭道路、固定路线、低速、车里无人” ，比如矿区中的矿车和园区里的无人物流车；但这一场景的商业价值有限，向其他场景的迁移性也有限。
而AVP则处在中间——“开放道路（但停车场、尤其是地库等类型的停车场里行人不多）、自由路线、低速、车里无人”。
这刚好是一个折中的、有较大延展性的场景 ，它具备以下特点：
一、法律法规障碍小——落地快、量大
相比其他城市中开放、半开放场景，低速且车中无人的AVP的立法难度和伦理风险显然更小。
这个场景中不存在“保乘客还是保行人”的伦理难题；由于速度低和地库较少有行人出入，其事故风险也更小。
唐锐告诉「甲子光年」，他认为AVP能更快落地的根本原因就是：“法律法规更简单，车厂上量产订单的意愿会更强。”
这直接带来的商业后果就是AVP能更快落地，且量大。
二、同时面向VaaP和TaaS市场——能造血、空间大
在VaaP市场 ，大众、戴姆勒、宝马、沃尔沃等公司都已将嵌入AVP系统的量产车型提上日程。 纵目此次拿到的一汽AVP量产订单也属于VaaP模式。
VaaP让做AVP的厂家能在 相对短期内获得营收，具备一定自我造血能力 。
而同时， AVP又具有切入运营服务，即TaaS市场的潜力 。
当下，AVP产品形态就可以直接切入 汽车 分时租赁运营服务 。
这个模式其实就是共享单车的 汽车 版。 但相对自行车， 汽车 的取放更复杂。 分时租赁运营商需要在调度车辆上花大量运营成本，且停车、取车不便也影响了分时租赁的市场接受度。
所以 分时租赁运营商有采用AVP系统的强烈需求 。
在分时租赁模式中，AVP厂商有机会参与运营，提供增值服务，如为保险业提供数据洞察、在乘客的AVP控制入口（如手机APP）上添加精准营销、目的地打折信息、广告等业务。
这是一个比供应商角色更轻、边际效益更大、 更有利润空间的商业模式 。
三、AVP未来有切入“桂冠场景”的潜力
如前所述，投入自动驾驶的资本和人才浩浩汤汤，最让大家的兴奋的还是“桂冠场景”——城市道路高速自动驾驶场景。
而AVP具有切入这一场景的潜质。
这是因为AVP对技术的要求其实很高。
这个场景满足开放道路、自由路线的特点，这意味着需要完全的L4级自动驾驶技术才能保证AVP的大规模商业落地。
AVP与自动驾驶桂冠场景的差异主要在于：
而 以上两大差异，正是目前限制高速L4级自动驾驶落地的瓶颈 。
前者使得方案里不得不使用探测距离更远、但价格昂贵的激光雷达，成本居高不下。
后者则有待技术突破。 正如Waymo CEO John Krafcik所说，自动驾驶普及还需要几十年，主要是因为技术还没有突破在任何天气、任何条件下都能驾驶的最高等级L5。 只要这个能力不解锁，就无法真正保障自动驾驶的安全性。
换言之，有实力做出可靠AVP方案的公司，在技术上，和瞄准高速L4级自动驾驶的公司并无泾渭分明的鸿沟。
用唐锐的话说，技术上能有的都有。 而那些该有还未有的技术，大家都还在等待。
其次， 与园区物流车、高速公路卡车等细分赛道相比，AVP直接应用在乘用车上 ，与乘用车高速自动驾驶场景更具有商业和合作上的顺承性。
先成为整车厂的低速L4级AVP供应商，再共同研发高速L4级自动驾驶，可能会成为一条稳扎稳打的桂冠场景进击路。
“我认为这是一个战略高地，如果这个占领住了，再去打高速，这个很Solid（有坚实的基础）。 ”唐锐说，“在中国，低速L4级自动驾驶可能先落地”。
纵目能在2016年底较早捕捉到AVP的机会还得益于这家公司的基因。
纵目刚好代表自动驾驶领域的 一大派别“车+AI”，另一大派则是“AI+车” 。
所谓 “车+AI”就是以 汽车 行业为基点切入自动驾驶 。 通用、大众、丰田等车厂的尝试，博世、采埃孚、大陆、现代摩比斯等Tier 1（一级供应商）的尝试都属于这一派，其特点是产品导向。
成立于2013年的纵目也是一家“车派”的自动驾驶公司，团队有深厚的 汽车 背景：
纵目创始人唐锐曾有14年 汽车 半导体的研发管理经验；团队中还包含了原奇瑞 汽车 工程研究院总工程师陈卓超等多位国际一流Tier1的高管和技术专家；在2016年开始组建技术团队后，也引进了曾在Zoran与CSR公司担任高级研发经理的王凡等AI人才。 纵目对车厂的量产流程，如何控制产品成本有清晰、清醒的认识。
而“AI+车”则是以AI技术为基点，从自动驾驶的算法切入，逐步谋求商业落地。 许多有互联网 科技 背景的公司都属于“AI+车”一派。
其在海外的代表是Waymo、Cruise、Uber自动驾驶、Auto X等公司，在国内的代表则有网络Apollo和、、文远知行等（最后提及的这三家公司都有网络背景）。
但 到了2018年的萧瑟环境中，市场更关心的是谁能好好活在当下 。
从“生存力”上来说，车+AI一派有一定的优势。
纵目的发展历程也正是如此。
2013年到2017年是纵目的第一个阶段，完成了从初创公司到Tier 1的跨越。
此阶段纵目主推的产品是L0到L2级的ADAS系统，能实现司机在最后3-5米的辅助泊车及辅助驾驶功能。
到2017年5月，已经在厦门、上海建立了自己的生产线，并拿到IATF认证（一种生产过程质量体系认证）的纵目从主要提供算法和方案的二级供应商，升级成了直接面向车厂、同时提供软硬件产品和服务的Tier 1，合作车企包括吉利、威马、上汽大通、北汽银翔、江铃新能源、车和家等。
与此同时，完成A轮融资后，纵目在 2016年春节后开始组建自动驾驶团队 。 与“AI+车”派的最大区别是，纵目从第一天做自动驾驶，想的就是怎么才能真正量产。
唐锐对如何实现自动驾驶量产有3个思考。
首先， 量产一定要在品质上达到“车规级” 。
汽车 是出行工具，但从另一个角度看，也是“杀人机器”， 汽车 之所以成为工业明珠，就是因为任何用在 汽车 上的零部件和系统一定要经过各种高低温、跌落、震荡、老化等极端情况的考验，尽可能保证安全性和稳定性。
这是一个快不起来的过程。 法雷奥中国区CTO顾剑民曾表示：“从方案到最后的量产，一款真正的车规级的开发一般需要花费五年或七年。 ”作为Tier 1，纵目开始做自动驾驶时，车规级产品出货已达50万套，有较丰富的研发和量产经验。
第二，在质量过硬的同时， 一定要严格控制成本，才能上量 。
这也是纵目着力进军低速L4场景的原因，因为低速场景不需要太长的制动距离，不用使用动辄数万元的激光雷达等昂贵部件，对于计算平台的处理能力也不会有过高要求。
纵目以视觉的感知方案为基础，搭配低成本毫米波雷达，使用价格较低的高通骁龙820A平台，把AVP的成本控制得很低。 “我们可以把整套系统，控制器加所有传感器做到几千元以内。 ” 纵目副总裁陈超卓告诉「甲子光年」。
第三， 量产还要满足市场需求 。
停车难、取车难，以及城市道路上的拥堵是中国出行领域的特殊痛点。 所以唐锐判断，美国的高速场景可能有一定优势，但在中国，大概率是低速L4自动驾驶先落地。
在这样的思考下，纵目在2016年9月开始开发AVP产品，在2017年11月底率先推出了自己的AVP1.0系统。
回顾纵目如何能获得市场先机，唐锐说：“这是一个思维方式的问题， 当时很多人都想做很炫酷的高速自动驾驶公司，没有严肃地去想，中国市场到底需要什么自动驾驶。 ”
在具体开启AVP的商业打法时， 纵目也保持了“车+AI”的稳健 。
稳首先表现在资本借力上。 由于ADAS产品线已相对成熟，和许多大举融资的自动驾驶公司不同，纵目的做法是用ADAS的造血能力来覆盖研发自动驾驶的部分成本，因而对外部资本的依赖没那么大。
在拓展商业模式上，纵目首先仍是做好供应商的角色，从2018年初开始推动与整车厂的AVP量产订单， 走完了技术交流、SOR （Specification Of Requirements，车厂对供应商的产品规格要求） 、招标、定标、工厂审核的复杂流程 ，最终在年底拿到了一汽的定点信。
这个过程中，纵目花了3年多时间建立的一级供应商角色的优势开始显现，具体表现为与车厂采购部门的良好商业关系，与车厂研究院的多年的技术合作和与SQE（供应商质量工程师）在生产和质量把控上的默契。
同时，自动驾驶技术也让纵目有了跳出“一级供应商”实现产业链位置再升级的机会，即切入分时租赁运营服务。
“我有一个观点，L4级的自动驾驶一定是运营相关的。 ”唐锐说，“ 分时租赁是我们看到的一个大机会，它不仅能让传统的ADAS升级，还能带来新的商业模式。 ”
目前，纵目已经和多家整车厂旗下的分时租赁平台展开了初步接触，共同 探索 AVP在分时租赁模式下的落地方式。
梳理5年的 历史 ，并不高调的纵目有一条从辅助驾驶到自动驾驶的清晰升级路径：
“从整个公司来讲，战略很清楚——我们怎么从低速、AVP这个切口，树立纵目在自动驾驶的领导地位。 这个我们没变过。 ”唐锐告诉「甲子光年」。
在AVP即将量产的前夕，这个市场仍有一些不确定之处。
最大的争议点是技术方案的收敛方向：
目前，在AVP具体怎么做上，存在一个光谱分布，光谱一端是“改车派”、一端是“改车库派”。
纵目是改车派，追求 “车的智能” ，即在不改造地库的情况下，实现AVP。
唐锐认为改车方案有三个好处：
一是能更好地控制成本——改造地库的成本比较高，而且限制了AVP使用的地域范围；
二是纵目本身与车厂有较强的合作关系，而大车厂可以通过量产出货迅速催熟AVP这一商用特性，改造车库则要牵涉与地产商、物业的合作，市场碎片化和区域属性太强，增加了商业落地难度；
三是改造地库的方案对车的智能要求不够高，而通过“改车”来实现AVP，则更接近未来的高速L4自动驾驶场景，符合纵目的长远发展战略。
“如果停车场有通信和车-场协同更好，但如果不改造，车也有足够的智能，就像人能在陌生停车场找到停车位一样。 ”唐锐说。
地平线也属于改车派，在去年11月28日，地平线首次公开测试了其AVP项目，不过地平线目前的方案用的是Velodyne 16线激光雷达（官方售价为3999美元），成本有待进一步降低。
全球最大一级供应商博世则是“改车库派”的代表 ，可以通过对车库的改造，让不同车型实现“自动停车”，车辆本身只需要电子制动、自动换挡、电子助力转向及远程互联等基础功能，不需要任何环境感知功能。
这个方案的优点是对车辆要求低，但目前的成本较高。
在去年博世和戴姆勒于中国联合展示的方案中，他们使用了柱式安装的工业级单线激光雷达。 基于系统冗余的考虑，实际应用中，可能平均每3个车位就要布局25个激光雷达，在成本上尚不现实。
禾多 科技 去年底推出的 Holoparking则处在中间位置 。
用禾多 科技 创始人倪凯的话总结是 “场端、高精地图端、车端”组成的“三端合一”方案 。
这一方案的难点是需要做系统性研发：“我需要把这三端都做研发，面相对铺得比较开，需要很多的技术模块共同来完成。 ”倪凯曾在接受采访时说。
不管是“改车派”还是“改地库派”， 在推进AVP商业落地的过程中，都面临一个共同问题，就是需要整合各方资源，制定一套新的产业链利益分配方式 。 这是因为AVP作为L4自动驾驶的一个应用，脱离了单一硬件模块或者软件功能的概念；AVP技术提供方也不再是单纯的整车厂Tier 1供应商，而是越来越深地卷入了AVP“产品+后服务”的全生命周期。
目前来看，AVP这一场景牵涉的商业角色有6类：AVP自动驾驶技术提供方、整车厂、分时租赁运营方、高精地图图商（自动驾驶技术的实现需要配套的地库高精地图）、充电技术供应商和商业地产/物业公司。
各方有待厘清的问题主要在于两方面。
一是商业模式 ，这涉及最终谁来买单，上游如何分润。
买单方是相对明确的 ——不管是VaaP模式还是TaaS模式，最后的付费者都有C端的司机/乘客；而TaaS模式下，还可以有部分“羊毛出在猪身上”的收入，比如与出行服务结合的营销、广告、保险等业务。
各参与方需要考虑的是最终端的消费者愿意为AVP系统花多少钱？是愿意按次花钱，还是一次付完？
上游的分润模式则有更大的不确定性。 对纵目这样的技术供应商来说，他们可能想终止以往卖产品、卖license的单次收费模式，改为按调用次数收费，并试图切入以AVP为基础的增值服务；图商、物业也需要在新模式中找到合理的分润方式。
二是权责如何分配： 万一车辆在自主泊车过程中出现事故，谁是责任方？保险公司应如何赔付？
“一定是服务的商业模式，”唐锐坚定地看好AVP和分时租赁结合的运营服务，但他也坦言： “具体的利益分配、责任分配现在看还不清楚。”
但这种“模糊”的状态，往往也意味着机会。
对纵目这类 汽车 行业的后起之秀而言，它们有机会通过新一轮变革获得最有利的市场位置。
“整个市场是比较碎片化的，谁都没有完全的话语权， 正是因为这个事比较复杂，所以需要一个核心的技术供应商来挑头。 ”唐锐这样看待现在的局势和纵目可能的位置。
目前，纵目已和部分车厂、图商、商业地产物业等相关角色讨论新的商业规则。
接下来，纵目的远期目标是在实现AVP的基础上，升级到高速L4级自动驾驶。
这家步步为营的公司，制定了一个三步走方案。
第一步是继续和整车厂密切合作，跑通AVP技术量产落地的从0到1。
2018年，纵目已接到了大量国内车企的预研项目，在一汽红旗车型的量产AVP订单后，纵目或将公布更多好消息，包括进入合资车企的供应链。
唐锐自己的判断是， 跑通从0到1的关键是2020年，当装载AVP的车辆到达一年10万台以上后，AVP才算经受了市场检验。
同时， 纵目也已开始布局第二步，用AVP技术提升分时租赁服务商的调度效率 。
“我个人判断，做分时租赁的企业比较适合从1到N复制。 ”唐锐告诉「甲子光年」，这类运营厂商更看重市场推广和铺量，在产品被充分验证前，很难满足他们的商业拓展需求。
所以，纵目的计划是在稍晚的时间——大概2019年下半年开始和分时租赁公司谈具体的落地项目。
在此之前，纵目会在小范围内通过大量测试，跑通AVP与分时租赁结合的各个技术点，再去和大平台做联合运营。
第三步，则是 在未来开始真正进入高速L4级自动驾驶领域 。
在这个过程中，纵目仍会借助自己的Tier 1身份，以ADAS和AVP产品线获得收益，自我造血。
同时，在技术条件更成熟、传感器成本降低、法律法规环境也更完善时，进军高速L4级自动驾驶的“桂冠场景”。
唐锐对“时机”的判断是，真正L4级产品的竞争会发生在未来5到10年间，这是一个足够大的机会，也需要付出足够的耐心。
“真正让自动驾驶exciting（令人兴奋）的东西，一定是service（运营）。 ”唐锐说。
在新的自动驾驶和运营结合的时代里，纵目不会停留在一个传统Tier 1的角色，而是考虑更多可能性——比如通过核心部件切入，深入参与出行方式变革带来的一系列增值服务。
“我们希望是第一个在中国证明L4能真正商业化落地的公司。 ”唐锐是一个不愿过多展露锋芒的人，但这一次，他不吝说纵目就是要当第一。
第一究竟花落谁家，和自动驾驶的发展一样，“欲速则不达”，心急看不了结果。
但率先拿到一汽AVP量产订单，为纵目的豪言增添了底气，这家公司己赢得了一个有利位置。 未来两年，它将对阶段性的胜利发起冲刺。
一光年就是光飞行一年的距离，光：我一瞬间就可飞行一光年
光年，并不是字面上看起来的时间单位，而是指的距离，也就是光在一年时间里飞行的距离。 大约等于9.46万亿千米，多用于描述浩瀚宇宙天体之间的距离。 光年是人为的定义，也就是说，站在人类角度（以人类或者地球）为参照系，光飞行一年的距离就是一光年。 但我们都知道爱因斯坦狭义相对论中有“钟慢效应”（时间膨胀效应），速度越快，时间就越慢。 这意味着，达到光速飞行，时间就会停止。 那么对于光子自身来讲，它的时间是不是就停止了呢？也就是说，光本身就没有时间概念？ 没错，确实是这样，狭义相对论是建立在四维时空基础上的理论。 在四维时空里，时间和空间是不可分割的有机整体。 任何物体的速度越快，时间流逝速度就越慢。 狭义相对论的“钟慢效应”对我们的传统时间认知冲击很大，甚至完全颠覆了我们的传统认知。 我们通常认为，时间是永恒不变的，每个人的时间流逝速度都是一样的，但狭义相对论却告诉我们，时间空间都是相对的，这种相对性与速度有关，也就意味着与不同的参照系有关，这就是“相对”的想要表达的意思。 对于光子来说，它以光速飞行，所以它本身的时间是停止的，也就是说，光子可以瞬间跨越任意浩瀚星际距离，哪怕是宇宙的边缘，光子也可以瞬间到达。 有人可能会问：你这不是矛盾吗？刚才你不是说“光飞行一年的距离是一光年”吗？怎么回过头来又说“光无论飞行多远都是瞬间到达呢？” 两者并不矛盾。 前者是以人类的视角（人类自身为参照系）来测量的，也就是说，我们去观察一束光，飞行一年的距离为一光年。 但是在光子眼里（假设光子有意识），根本不需要任何时间，一瞬间就可以飞行一光年的距离。 参照系的不同，会造成完全不同的两种结果。 很多人之所以认为相对论很玄乎，甚至不愿意相信相对论，基本上都是因为没有弄清楚参照系的选择问题，迷失了自我。 狭义相对论中除了时间膨胀（钟慢效应），还有尺缩效应。 两者是等价的，因为时间和空间本来就是不可分割的，时间和空间不能单独存在。 还用光来举例子。 光可以瞬间跨越任何浩瀚的距离。 同时，对于光来说，如果它有意识，在它飞行的一瞬间，任何浩瀚宇宙都好像就在眼前一样触手可及，哪怕是宇宙的边缘，也是近在眼前，这就是尺缩效应。 狭义相对论的时间膨胀效应和尺缩效应在我们日常生活中真实存在，科学家很早就验证了尺缩效应的存在，科学家将两台铯原子钟分别放在两架飞机上，飞行一段时间后，与地面上的原子钟对比，会发现飞机上的原子钟比地面上的时间要慢。 同时，在我们日常生活中，时间膨胀（钟慢效应）的应用也处处可见。 我们生活中离不开的导航系统就是时间膨胀的直接体现。 科学家必须提前对天上卫星的时间进行调整，让其和地面时间保持一致，因为由于卫星的速度相对很快，如果不调整会造成两个时间发生错乱，导航也就彻底崩溃了，有可能把你导航到阴沟里去。 当然除了速度导致的时间膨胀，还需要考虑到引力对时间的影响，这就牵扯到广义相对论，这里不再详述了。
