在过去的一年多里，九章智驾在跟诸多自动驾驶公司交流时听到的最高频的关键词正是“交付压力大”。这些自动驾驶公司的神经时刻紧绷着：没量产订单的时候，愁的是订单从哪来；有量产订单的是，愁的是如何保质保量交付。

　　“哪怕客户提的需求是错的，我们也不得不跟着他们去试错，以此来证明我们是对的。”“要求的是飞机的质量，但给的是玩具的价格。”“简直把我们‘往死里日’啊。”“跟主机厂打交道，没有谁可以活得有尊严。”在这个阶段，几乎每个供应商都觉得自己被主机厂给PUA了。

　　然而，贵为“甲方爸爸”的主机厂们也并不轻松。算法如何移植、软硬件如何协同、信息安全问题如何处理、V字型开发流程是否要继续坚持......这些问题无一不令人头疼。

　　鉴于内部培养工程人才的周期比较长，很多自动驾驶公司都将从工程能力强的公司里“挖人”视为补齐工程短板的捷径，然而，如何保证挖来的工程人才能留下来，对很多自动驾驶公司的CEO们来说也是个严峻的挑战。

　　在量产交付阶段，大多数公司都是疲于奔命，在招聘时，只要他能对我的项目交付“有用”，就赶紧招过来 ，鬼才管他是不是跟我“三观一致”。这就导致，在交付阶段，很多公司都招聘来了一些跟自己的团队无法融合的人进来，进而导致公司质量降低。

　　不过，这些问题并非完全无解——在本文的第三部分，我们以近8000字的篇幅介绍了一个“自动驾驶公司如何提升工程能力”的案例。

　　去年下半年，在一次线下活动上，九章智驾曾向两位主机厂的自动驾驶产品经理抛出一个问题：从主机厂的角度看，衡量一个自动驾驶供应商的量产能力的最主要指标有哪几个？

　　F.成本控制能力。除前面所说的供应商管理能力外，内部运营效率的提升，也是成本控制能力的重要组成部分。

　　H.市场调研能力。即你如何去评估自己在未来能获得多少订单，并如何在此基础上规划自己的产能，以做到供需之间的平衡。

　　除最后两条外，前面几条都指向了“工程落地能力”，即把PPT上的方案转化成真正可以销售的产品的能力。

　　其一是航天工程学家西奥多·冯·卡门的观点：科学家研究世界的本来面目，而工程学则创造不曾有的世界。

　　其二是波士顿大学电气与计算机工程系的教授马克 N·霍伦斯坦在《工程思维》一书中的观点：科学就是寻找可能性，而工程才是要去收敛到一个最经济的道路上。

　　简单地说，从科学到工程，至少有要跨过两个障碍：能造得出来，成本可控。显然，这不仅取决于你对技术原理的掌握能力，运营能力同样重要，甚至占的权重更高。

　　宇多田在《辅助驾驶，不相信天才》一文中提到：自动驾驶方案公司通常信誓旦旦告诉主机厂，只要用X颗激光雷达与X颗摄像头和毫米波雷达，就能实现卓越的上下匝道与自动变道等能力;但是，他们根本没有选择硬件的权利——主机厂根本不会看科技公司给出的方案，而是直接告诉你——“我就是只有200万像素的摄像头和这点儿算力。你，去给我做。”

　　这篇文章中还提到，很多对成本控制极其严格的车型，会想方设法让自动驾驶方案公司“用参数再低X倍的硬件”来实现他们所说的能力。

　　也有主机厂的自动驾驶产品经理告诉九章智驾，自动驾驶方案公司固然可以靠依赖于很大算力和很多传感器的方案做demo给主机厂看，但到了真正量产落地时，主机厂对成本卡得很死，因此，算力和传感器都不会配置得很高；同时呢，量产方案的性能也不能离demo中的表现相差太大。

　　进入2023年，“硬件减配”已经有了苗头，即一些对成本敏感的主机厂已经开始考虑将激光雷达从之前用3颗的减为1颗，将soc从之前的2颗减为1颗；但他们并不希望硬件的减配会带来系统功能的明显。这简直是把供应商方在火上烤啊——软件优化的工作量大幅度增加。

　　“要求的是飞机的质量，但给的是玩具的价格。”主机厂的“既要又要还要”，让自动驾驶方案商们觉得自己被PUA了。与此同时，他们有也深刻地意识到，“吹牛”是要交税的。

　　贝加莱工业自动化(中国)有限公司技术传播经理宋华振在解释“工程思维”时提到的一个概念可以用来概括上述现象：在约束条件下工作。

　　宋华振说：“一个材料可能是易于加工的，但寿命却并不长，一个寿命满足要求的材料可能需要很多个复杂工艺段来完成，你可以用高品质的材料或工艺，但是，成本却是不能承受的，而工程师任何时候都得面对这些并不理想的约束条件（可能是两条，也可能更多），并从中寻找最优路径。”

　　自动驾驶的工程落地难体现在各个方面。下面，我们从硬件、软件、软硬协同及方案与场景的适配几个层面简单举例分析。

　　某新势力的算法工程师说：很多人吐槽我们公司的第三款车上毫米波雷达的位置影响美观度，对此我们并不否认，但我们也是有苦衷的——如果设计时坚持美观优先，那毫米波雷达的性能就会受到干扰。

　　这位工程师说：“毫米波雷达很容易受到干扰，我之前做毫米波雷达开发时，花了很多心思去考虑油漆的厚度会对毫米波雷达产生怎样的影响。”

　　激光雷达的造型如何跟车辆进行匹配，这个问题看起来很简单，但实际上，倾斜角多少、转角多少这些主机厂提出的细节耗费了激光雷达厂商太多的精力和人力。有激光雷达厂商的销售称，这些“折腾”让他们不敢贸然接太多客户的订单。

　　此前，曾经发生过激光雷达被撞坏，维修需要将近1万元的案例，对消费者来说，如果随时担心前面有个很昂贵的传感器可能会被碰坏，那体验是相当糟糕的，因此，整车布置工程师们得考虑清楚，如激光雷达如何安装才能彻底避免剐蹭。

　　某造车新势力的算法工程师说，他曾亲手拆解过自家公司的车，发现自动驾驶域安装在副驾的地板下面，“藏得很深，但如果上面再铺了地毯之类的东西，它的散热就会存在很大的问题。”

　　这位工程师认为，域也可以用水冷系统来散热，但目前的安装位置会导致售后维修的时间成本很高——毕竟，他花了2个小时才将域拆下来。

　　质检部门即便发现了这一问题，他们也没权限去改；即使把问题反映上去了，从整车布局的角度看，也很难调整，毕竟，目前的方案，已是经过了无数个回合的调试的产物。

　　激光雷达是安装在车上的外表面，直接被暴晒，因而，在环境温度很高的条件下，其“体温”会比域高得多。为保证激光雷达在经历过吐鲁番的的高温后依然可以有效工作，激光雷达厂商们需要把所有散热和加强传导的材料都研究个遍。

　　摄像头的散热同样令人无法省心。“L2的摄像头听上去没有那么高大吧，但这个摄像头放在窗户底下经历高温的考验，因此，其在散热能力方面面临的挑战比域还大。”某Tier 1 CEO说，摄像头散热能力，对自动驾驶公司的热实验仿真实验能力要求很高。

　　某主机厂自动驾驶产品经理吐槽道：自动驾驶硬件的车规标准是怎样的？目前行业里并没有一个统一的说法。实操的过程中，各家都是自己定义一套标准，结果就经常遇到这两种问题：

　　供应商做的“车规级”产品，客户并不认可，或者，是按客户A的要求达到了“车规级”，但B客户不买账；

　　某一家主机厂先用了A公司的产品，然后他觉得车规是这样的，那么B公司再来供货，他的产品实际上也是ok的，但跟A公司的标准不一样，结果被主机厂拒绝。

　　自研的域、传感器，如果预期订单不够理想，可能找不到愿意代工的供应商，这时候，自动驾驶公司门可能自建生产线。如此一来，成本岂不是又上升了一层？

　　此外，自建生产线便等于是涉足了制造领域，而关于科技公司涉足制造时面临的挑战，马斯克此前在介绍星舰基地时有过一段特别经典的话：

　　“我认为，目前设计被高估了，制造被低估了。人们通常认为，就像灵光一闪，有了这个想法，事情就好了，但像这样的设计，在生产系统中简直是千分之一，甚至万分之一的工作量。

　　“比如拿我们在设计猛禽号火箭发动机时所花费的精力与制造生产系统相比，开发制造系统远比设计困难10-100倍。相比于进入制造系统的工作量而言，设计的工作量四舍五入为零。

　　“如果人们没有从事过制造业，尤其是制造一些新的东西，那他们就不会理解这一点，他们会认为设计是最难的部分，觉得生产就像复印件或类似的事情，这种想法是完全错误的。”

　　对软件的工程化，某明星算法公司的定义是：将算法真正运用到车上做成产品的转换过程，包括算法与车上的关联件打通、故障诊断能力、故障处理能力等。这个过程同样困难重重。

　　某国际Tier 1算法工程师说，最一开始，AEB刚上车的时候，他们还是做得很轻松的，因为，当时客户无非关注一个维度：在NCAP测试中的得分；但在2019年之后，跟造车新势力合作时，他们更关注的是，在真实到了车上，AEB的正确触发率是多少。“这个要求对我们来是就是灾难性的，因为‘正确触发率’是一个抽象的概念，这意味着客户的需求实际上不是那么清晰，你做得越多，反而可能做错得越多。”

　　某造车新势力算法工程师说，之前做NOP时，老板提出的一些新增需求，超出了公司现有的实际能力。“做那个功能，需要供应商提供更多底层信号来供我们进行更深度的开发，供应商也能提供，但提供完之后，通信负载也极大了，而负载过高之后，会造成整个整车can网络的通信中一些优先级较低的信号就丢失掉了。”

　　之前的ADAS，软架构简单，因而，系统集成起来比较方便，但在集中式架构下，大域控里包含太多东西了，通常，主机厂对域控中的各软件模块分开定点，分开定点看起来简单，但要把这些来自不同供应商的软件模块集成在一起，难度并不小。

　　如果集成得不好，运行效率就会特别低——每个模块单独测试都没有问题，但集成在一起有问题了。那你找哪个供应商去追责呢？

　　此外，信息安全功能对代码质量的要求挺高。那么，在模块划分得比较多的情况下，如何确保各模块之间代码质量的一致性？

　　某明星算法公司的工程师认为，为了让车的所有关联件打通，除了做底层软件外，他们还需要车企的标准做通信，确保算法与底盘三大件、车身相关信号做交互。

　　算法并不能说崩溃就崩溃了，要有相关的处理措施，如在遇到紧急情况时将系统降级，将它做成一个安全模式交给驾驶员。这项能力，是目前很多算法公司所欠缺的。

　　传统的V字型开发流程是否还适用于自动驾驶软件开发对“快速迭代”的需求，一直是存在争议的。某造车新势力软件开发工程师说，在实践中，大家还是更多考虑如何解决那些火烧眉毛的急事，而不怎么会受V字型流程的束缚。

　　某传统主机厂自动驾驶规控算法负责人说：软件的测试并不能“放水”，因为有时候测试不周全，导致软件会很多返工。

　　过去几个月里，在跟一些业内朋友交流时，笔者经常提起一个观点：软件定义汽车，但硬件说了算。 什么意思呢？跟主机厂打交道时，硬件背景的公司，比纯软件公司的地位高。

　　诸多业内人士在跟九章智驾交流时都提到，“纯算法公司”很容易被取代，因而，在主机厂面前也没有话语权。

　　某主机厂自动驾驶产品经理说：“说实话，纯算法公司给传统主机厂做项目，合同金额300万，到后面，他们线万，主机厂是不会给你的。因为，他觉得你做的的东西就‘只值100万’，你也不能跟他们讲什么。”

　　某自动驾驶算法公司发现，自己给主机厂做劳务外包能赚到钱，毛利高达200%-300%，但其主营业务（卖算法）的毛利就10% 。“纯软件卖不了钱。除非你把软件跟硬件在一起，靠硬件收钱，把软件带进去。”

　　有不少算法公司为了赢得主机厂的信任，甚至不得不去做自己并不擅长的硬件，结果，战线拉得很长，亏损压力更大，人也被折腾得疲惫不堪。

　　不同于传统车。