随着人工智能算法的突破，我们已经迎来软件开发2．0的时代，以数据驱动取代逻辑驱动，以机器学习取代码农编程，实现更高的软件迭代效率。数据驱动使得算法对各种不同场景有非常好的泛化适应能力。

当然，逻辑编程和机器学习在极长时间内都是共存状态，并且相辅相成，但重心是逐渐向机器学习偏移的。

经常看到主机厂说要招几千个软件开发人员，培养智能化核心能力，这其实还是软件开发1．0时代的思路。特斯拉的软件团队也只有几百人，但在智能化方面领跑，本质上是靠软件开发2．0的先进生产力。

自动驾驶渐进式技术路线渐成主流

我们谈到智能汽车和自动驾驶，绕不开的是Waymo和特斯拉，他们也在过去代表了两种主流的路线：特斯拉采用的是基于量产车从L2的功能起步逐渐渐进式路线；而Waymo一开始就会把司机的元素抛弃，从L4进攻。大概六七年前Waymo代表的路线还是最主流的路线，在2016年的时候我曾经写过一篇文章探讨了这个路线问题，我的答案是渐进式路线才是主流。

从技术上来讲，自动驾驶是一个复杂的工程问题，注重的是对于长尾问题的解决能力，这样的解决能力只能在实践中打磨，靠海量数据去积累，注定了我们需要这样的渐进式路线。

渐进式路线在商业模式上的优越性也极为明显，本质上是消费者承担了研发成本，而跨越式路线得自己扛起来所有的负担。

这不是说跨越式自动驾驶路线对行业没有贡献，相反，他们为整个行业进行了极为可贵的探索，在底层技术上推进了自动驾驶的边界。在边缘性的局部场景下的商业化也可圈可点。Momenta的“两条腿”产品战略无疑是一个理性的路线，量产自动驾驶Mpilot快速落地积累数据，打磨长尾场景解决方案，技术上通过完全自动驾驶建立更优秀的底层框架，值得借鉴。

即使是特斯拉，在底层框架上也是不断重构，如今的FSD相对于与当年的Autopilot，基本也是推倒重来了，渐进式路线不是一条平滑曲线，而是阶梯状的小幅跃迁。

任何复杂的系统，其进化之路都有相似性，不可能一蹴而就，只能在实践中逐步完善。阿里的电商平台在发展过程中，底层架构重构了六次，每一次相比前一次都有提升，但呈现出的整体发展路线依然是渐进式的。你无法在还没有商业化的时候就构建一个十亿用户级别的后台，那样做会烧光所有的钱，都迎不来曙光。

自动驾驶的两条技术路线之争

渐进式路线始终贯穿在特斯拉的功能演进过程中：从过去功能的低点起步缓慢更新，再到去年下半年推出全球首个在量产车辆部署的自动驾驶系统，它的迭代速度越来越快，发展到今天已经达到了每周可以更新一次的水平。

而我们反观Waymo还是局限在加州等几个地方做封闭场景的运营，正因为如此，硅谷的投资女皇凯瑟琳·伍德在最近的一个分析里面指出，她说2022年如果特斯拉的自动驾驶乘车服务如期而至的话，那么从里程数来讲，到2025年特斯拉能够占据20％的市场，而Waymo占1％。这里面就体现了两种技术路线的优劣。

数据来源：ARK Investment Management LLC， 2020