自动驾驶汽车是一条死路

十多年来，市场一直被灌输一个特定的承诺：消费者自动驾驶汽车不可避免，人类驾驶员是一个等待被移除的遗留层。这个前提是错误的。不是因为机器人技术停滞不前，而是因为痴迷于自动化私人汽车是一种战略性的工程资源错配，其商业模式也值得怀疑。我们一直在尝试自动化错误的技术栈层次。我们一直在试图制造机器人汽车，而我们应该制造的是机器人工人——能够同时充当司机、机械师和劳动者的通用智能体。未来不是一辆能到处自动驾驶的汽车。未来是一台通用机器，可以在需要时驾驶汽车，在不需要时执行上百种其他任务。

1、生命周期错配

自动驾驶汽车策略的根本缺陷不在于软件，而在于架构。我们犯了一个战略性错误：把驾驶员焊死在底盘上。汽车是一种寿命为十五到二十年的长期物理资产。而自动驾驶所需的计算栈是一种快速贬值的数字资产，寿命只有三到四年。虽然软件定义汽车（SDV）模型试图通过更新来弥合这一差距，但这种做法引入了关键故障模式，包括车队范围内的停运场景、不断升级的软件复杂性以及不可持续的长期支持成本。

缺乏一个基础的运营保障（OA）层（这需要单独分析），当前的行业方法将这两个不兼容的时间线融合到单一产品中。这造成了一个过时陷阱：汽车层被迫以软件的速度演进，而自动驾驶层则继承了重机械的负债、耐久性要求和监管惯性。有一种更优越的架构：解耦。我们必须将车辆视为底盘，将智能视为模块化驾驶员。这一转变将自动驾驶从环境-车辆界面重新定位到智能体-环境界面。

2、技术栈没有死，它只是转移了

这种架构转变并不意味着自动驾驶工程学的死亡。事实上，它验证了其价值。过去十年开发的核心技术仍然至关重要。同步定位与地图构建（SLAM）、路径规划和传感器融合并没有消失。它们迁移了。这些能力不再位于轿车的车顶上，而是转移到人形机器人的头部和躯干。行业不需要停止构建自动驾驶能力。它需要停止将其铆死在路面上。

这种转移解锁了车辆物理上无法到达的"最后一米"物流价值。自动驾驶汽车解决了中间里程的问题，但在路边打破了监管链。通过将感知栈移植到人形机器人形态因子中，我们将操作领域从沥青路面扩展到了货架之间的过道。投入到自动驾驶研究中的资本支出并非损失。它是对机器人行业的一种补贴，为能够在人类世界的非结构化复杂性中导航的智能体提供了基础训练数据。这种从车辆到通用智能体的价值转移解释了为什么特斯拉的市值远超汽车本身的经济价值。

3、平台 vs 功能的经济学

即使开放世界驾驶的技术挑战被解决，自动驾驶汽车的经济模式仍然脆弱。自动驾驶汽车只有在行驶中才能创造价值。为了证明资产的合理性，它需要无情地 24/7 全天候运营（如机器人出租车）。停车时，它只是死资本。相比之下，人形机器人是一个平台。它天然适应为人类形态建造的世界，而不是要求世界去适应它。

一旦你接受了解耦，产品策略就变得显而易见。一个通用人形机器人可以驾驶车辆、装卸货物、在专为人类设计的设施中操作，并处理复杂的物流交接。驾驶成为众多技能之一，而不是整个产品。平台始终比功能变现得更好，因为其经济性是乘数级的。机器人出租车是一个狭窄的业务线。人形机器人是实体工作的操作系统。

4、延迟与生物接口

批评者认为，由于机械延迟，人形机器人驾驶车辆天生不如嵌入式自动驾驶。嵌入式系统通过线控技术在微秒级别直接与刹车和转向通信，而人形机器人必须感知、决策并物理驱动肢体来操作控制器。在 F1 比赛中，这种机械延迟将是致命的。然而，商业物流的基准不是微秒级的完美，而是人类的一致性。人类的反应时间可能以数百毫秒计，但在疲劳、分心和认知负荷下会急剧下降。这种生物抖动是事故风险的主要来源。人形机器人驾驶员不需要在原始信号速度上超越嵌入式 ECU。它需要在八小时的轮班中超越一个分心的人类驾驶员。通过消除反应时间的波动，并在任何班次长度下保持一致的反应范围，机器人实现了优于生物操作员的安全系数，即使它在机械速度上慢于硬连线芯片。

此外，这种"机械 API"提供了一个嵌入式系统无法比拟的战略优势：向后兼容性。世界上充满了数十亿台"棕地"机器——卡车、叉车、起重机——它们缺乏数字线控接口。为嵌入式自动驾驶改造这些资产需要对每个品牌和型号进行侵入性、昂贵且定制的工程改造。相比之下，人形机器人通过方向盘和踏板这一通用标准进行交互。它可以将一辆二十年前的货运面包车变成自动驾驶资产，而不需要拼接一根电线。在这种情况下，机械延迟的微小代价，换来了与世界现有资本存量的即时、通用互操作能力，这是微不足道的。

5、驾驶模式与能量链

双足机器人在坐在驾驶座上时保持热管理和稳定性控制的能耗问题是可以解决的。在传统的"棕地"部署中，机器人依靠内部能量运行，在停机时更换电池包——这在工业电动工具中已经是标准工作流程。然而，更优越的长期架构是"驾驶模式"。在兼容车辆内操作的人形机器人并非作为一个自由漫游单元运行。它硬连接到车辆上，从车辆的电气系统获取电力并卸载热管理。这重新定义了能量链本身。电力的流动从电网，到家用充电器，到车辆的高压电池，最后到机器人。在这种架构中，车辆不再仅仅是能源的消耗者，而是变成了一个移动变电站。它为智能体充当一个巨大的外部电池包和类似外骨骼的支持系统。

这种架构催生了一个新的行业标准：驾驶员接口。虽然这不是操作 20 年车龄卡车的先决条件，但在驾驶舱内引入一个标准化的连接点（很可能是座椅底座中的高电流分离连接器），将允许机器人绕过其内部电池，直接利用车辆巨大的千瓦时储备运行。通过在未来车队中增加这一个硬件，机器人的续航焦虑消失了，汽车成为移动劳动力的终极扩展坞。

6、通用接口

人形机器人形态因子的主要优势在于它能够同时在两个层面操作：物理层面和数字层面。机器人可以物理操作标准接口，如方向盘、踏板和车门，确保与现有车队的兼容性。同时，它可以与高速数字层集成，在可用时消费车辆遥测数据和设施数据流。机器人成为一个移动端点——在有集成时用机器语言通信，在没有集成时则模仿人类行为。

这种双重性为物理世界创建了一个通用接口层。在纯数字系统中，如果 API 损坏或地图过时，系统就会失败。然而，人形机器人拥有物理后备方案。它将模拟世界——生锈的杠杆、褪色的停车标志、手动门闩——都视为另一种接口。这种能力解锁了被困在"棕地"资产中的数万亿美元。我们不需要报废世界上现有的起重机、叉车和卡车车队来使它们自动驾驶。我们只需插入一个符合它们设计规格的驾驶员。

关键在于，这种架构提供了更优越的安全态势：物理气隙。软件定义的汽车永久连接到云端，将控制平面暴露于远程车队范围的黑客攻击。人形机器人驾驶机械车辆创建了更强的隔离边界。车辆的转向和制动系统在物理上与互联网隔离。机器人可以接收指令，但车辆本身保持"哑"状态，免受直接数字劫持。在安全要求高的环境中，这种智能（机器人）与执行（车辆）之间的物理分离不是缺陷，而是韧性的先决条件。

7、部署楔子：从哪里开始

虽然对于分析企业自动化的人来说显而易见，但通往市场的路径不是消费者的车道，而是工业场地。第一个可行的部署将出现在高度可控、低变异性的环境中，这些环境中的劳动力短缺经济压力巨大，而公共责任风险可控。物流枢纽、港口和私人设施环路代表着采用的楔子。在这些区域，速度低、路线受地理围栏限制，而物理搬运货物的"最后一米"问题与驾驶车辆同样关键。人形机器人将不是通过取代司机，而是通过填补工业物流队伍中的缺口进入市场。

这一策略依赖于监管套利：将初始问题空间从 NHTSA（国家公路交通安全管理局）转移到 OSHA（职业安全与健康管理局）。公共道路受 NHTSA 管辖，一个致命的边缘案例就可能使整个车队停运并招致联邦审查。私人场地受 OSHA 管辖，安全通过明确的协议、培训和受控访问进行管理。通过将机器人保持在大门内，运营商绕过了开放世界交通法规和公共责任的无限复杂性。它们解决了"棕地循环"——在仓库门和卡车车厢之间搬运货物，这正是目前监管链断裂且人力最为稀缺的地方。

8、主权与供应链

中国有能力通过制造规模和供应链集成来压缩人形机器人技术的发展时间线。通过利用为电动汽车建造的巨大工业基础——特别是电池、永磁电机和执行器——中国将比西方分析师预测的更快地将机器人底盘商品化。如果西方预计功能人形机器人需要二十年的时间线，中国可能将其压缩到个位数年份。这造成了一种硬件不对称：物理机器人变得廉价、丰富且大部分依赖进口，类似于消费电子模式。西方无法在身体的成本上竞争。它必须在思想的质量和可审计性上竞争。

然而，人形机器人不仅仅是贸易商品；它们是具有监视能力的具身智能体。在港口或国防相关设施中运行的外国人形机器人，配备摄像头、麦克风和 LiDAR 传感器，会带来不可接受的国家安全风险。市场可能会分叉为全球硬件层和主权软件层。底盘可能在深圳制造，但控制平面、训练数据和策略权重必须保持本地化、可验证和安全。我们正走向一个"主权权重"的未来——工人的操作系统被视为受保护的国家资产，在外国身体和国内思想之间创建了一道防火墙。

9、75,000 美元的赌注

战略赌注在资本配置上产生了明显的分歧。自动驾驶汽车的赌注依赖于解决世界上最难的工程问题之一来自动化一份单一的工作。这是对零可选性的贬值资产的押注；今天买的自动驾驶汽车永远不会学会刷墙或修理漏水。相比之下，人形机器人的赌注是对通用能力的投资，驾驶仅仅是其中一个应用。它代表着具有无限可选性的资产，增加新技能（如管道工程、仓储或安保）的边际成本仅仅是软件更新，而不是硬件购买。

我们正处于 AI、机器人和通信的交汇点，使后一种模式成为可能。AI 提供推理能力，机器人提供具身形态，通信提供控制平面。如果一位 CFO 有 75,000 美元用于生产力投资，与购买一个能开车、能卸货、能管理仓库的通用工人相比，购买一辆能自己开的车是糟糕的资本配置。前者是更好的工具。后者是新的劳动力。自动化终将胜利。但汽车选错了载体。

原文链接: Self-Driving Cars Are a Dead End

汇智网翻译整理，转载请标明出处