今天小編分享的科技經驗：全棧自研是個筐，什麼都能往裡裝，歡迎閱讀。
眾所周知，汽車圈是出了名的會造詞，而且主打的就是一個 " 不明覺厲 "，比如最近被頻頻提及的全棧自研。
全棧（Full Stack）原本是 Facebook 一位工程師早年提出的一個概念，指的是一個軟體工程師不能只會寫客戶端的代碼，也應該會開發伺服器端的應用程式，最好是個有全局視野的多面手。
不過，當 2021 年上汽董事長陳虹提出 " 靈魂論 " 之後，這個高大上的 " 舶來詞 " 就在汽車行業被重新演繹和解讀，并迅速登上各大車企的官方宣傳物料中，成為 " 技術主權 " 的代名詞。
但至于全棧自研為何物，自研的邊界在哪裡，這麼做的意義到底有多大，大家并沒有共識。
不少汽車工程師認為這不過是一場文字遊戲，并揶揄道：" 全棧自研就像老婆餅到底有沒有老婆，800V 系統裡的最高壓到底有沒有 800V 一樣，本質上是道語文題。"
有趣的是，當 " 蔚小理 " 們想要以這種方式來宣示 " 技術主權 " 并以此證明 " 我的靈魂我做主 " 時，以華為、百度為代表的智能化供應商們卻帶頭唱起了反調。
華為餘承東就明确表示 " 規模和資金實力不夠的車企在智能化上全棧自研就是死路一條 "；百度副總裁儲瑞松則是建議車企 " 與其追求全棧自研，不如追求全棧可控 "；地平線副總裁李星宇則表示：" 全棧自研是個奢侈品，從歷史來看，真正擁有全棧能力并在商業上取得成功的公司絕對是少數，也是不可復制的極少數。"
事實上，很多車企也不傻，也知道全棧自研難度大，花錢多，到頭來可能是吃力不讨好，于是 " 說一套、做一套 "，一邊在公眾面前打着 " 全棧自研 " 的旗号，有的甚至造出 " 全網域自研 " 的概念，但背地裡又和一大堆科技公司打得火熱。
從這個角度來看，全棧自研不是目的，而是工具，不是一道 " 要不要做 " 的選擇題，而是一道關于 " 如何構建新型整零關系 " 的主觀題。
一、由來：黑盒方案引發的 PTSD
如果說垂直整合解決的是硬體層面 " 能不能造 " 的問題，那麼全棧自研更多的是解決軟體算法層面 " 會不會寫 " 的問題。
這也是為什麼全棧自研這個詞是到 2020 年之後才頻繁出現在中文互聯網上，而且往往是和自動駕駛挂鉤，原因在于，當時以 Mobileye 為代表的 " 黑盒方案 " 正在被頭部新勢力所放棄。
文心一言理解的全棧自研
在自動駕駛領網域，黑盒方案指的是軟硬耦合，難以解綁，以 Mobileye 為例，就是把芯片和感知算法封裝在一起，客戶只管買，但不能改，只知其然，但不知其所以然。
小鵬汽車董事長何小鵬曾說過，他第一次去調研汽車產業，當問到對方關于輔助駕駛和自動泊車的情況時，沒有人可以告訴他數據，因為沒人知道。
舉個簡單例子，客戶買了 Mobileye 打包好的視覺方案之後，車輛能知道 " 前方 30 米有車 " 這類已經被系統判斷過的數據，但至于攝像頭看到了什麼，不同傳感器之間是如何融合的，整個數據鏈路是怎樣的，車企無從知曉 [ 1 ] ，當然，Mobileye 也不可能讓對方知道。
對于早已習慣了這種分工方式、自己又不擅長寫代碼的傳統車企來說，接受這套的遊戲規則并沒有什麼難度，因為他們更多追求的是省心、省事和省錢。
但對于本身就在互聯網行業摸爬滾打多年，常年把自動駕駛和 OTA 挂在嘴邊，對數據視若珍寶的車界萌新來說，接受這套黑盒無異于 " 送脖子給對方卡 "，誇張點說就是 " 我命由天不由我 "。
從這個角度來看，想在智能化上有所作為的車企搞全棧自研實際上也是被逼無奈，因為傳統零部件标準化程度高，技術迭代也比較線性，供應鏈以及合作模式都比較成熟，但在智駕領網域，技術日新月異，可靠的供應商少且強勢，對下遊客戶挑肥揀瘦，響應速度也跟不上。
從結果上看，這種 " 黑盒方案 " 必然會招致強勢的頭部車企的抵制。
2016 年，一輛特斯拉 Model S 在美國撞上了一輛橫亘在道路中間的卡車，駕駛員當場身亡，這件事直接導致特斯拉和 Mobileye 分道揚镳，前者開始自研算法，甚至撸起袖子自研 FSD（全自動駕駛）芯片。
和特斯拉一樣，為了将產品快速推向市場，國内這波新勢力的第一款車普遍用的也是 Mobileye 的打包方案，但很快就改弦易轍，比如小鵬第二款車 P7 用的就是算力更大，生态更開放的英偉達 Xavier 芯片，而 2021 款理想 ONE 也把 Mobileye EyeQ4 換成了國產的地平線 J3 芯片。
只不過，馬斯克很少在公開場合提 " 全棧自研 " 的概念，相比之下，國内的車企們實在是太愛秀了，常常把自研算法（包括感知、定位、規劃和控制）和全棧自研劃等号。
事實上，一輛高級的智能車裡有上億行代碼，算法只是最上面的冰山一角，冰山之下的比如底層作業系統、中間件以及芯片，絕大部分車企都沒有能力，也沒有必要自研。
自動駕駛的技術棧
但不可否認的是，自研算法确實有助于車企形成數據閉環，充分發揮硬體的潛力，并為其快速的功能迭代打下技術基礎。比如小鵬 P5 僅憑一塊 30TOPS 的 Xavier 芯片和兩顆激光雷達就能實現城市 NOA，而 2021 改款理想 ONE 采用 J3 芯片之後，AEB（緊急制動）能力也有了質的提升。
此外，在軟硬解耦的大趨勢下，整車的電子電氣架構從過去的分布式向集中式轉變，車企也有動力，也有欲望将全棧自研的範圍從軟體延伸到硬體。
以蔚來為例，今年推出了全棧自研的 ICC 智能底盤網域控制器，相當于打開了 Tier 1 給的 " 黑盒子 " 并實現了軟硬解耦，能夠更好地協調制動、轉向、空懸以及 CDC 減震器等不同模塊，并可以通過後期的 OTA 來提升行駛質感。
從這個角度來看，無論是為了避免失去自動駕駛的靈魂，抑或是為了充分發揮硬體的潛力，從而更好地匹配公司的發展節奏，" 全棧自研 " 看上去都是十分有必要的，但與此同時，代價也是極其高昂的。
以 " 蔚小理 " 為例，三家公司去年的研發投入分别達到 108 億元、52 億元和 67.8 億元，而相比之下，年銷百萬輛的長城汽車去年的研發投入也不過 122 億元，這也意味着不是所有車企都能承受得住這種重資產的開發模式，畢竟不是誰都能從資本市場上獲得巨額輸血。
二、平衡：全棧可控更靠譜
在燃油車時代，傳統的整零關系基本模式是：整車廠提需求——一級供應商開發——整車廠驗收，以此類推，但在智能時代，這種比較單向的 " 黑盒 " 交付方式已經不太适應行業的發展，整車廠比之前更迫切地想要掌握關鍵技術的 knowhow，推動數據閉環和快速迭代。
但這種訴求并不意味着車企必須什麼都要 " 全棧自研 "，因為最激進的全棧自研本質上就是閉門造車，不符合社會分工的規律。
強如特斯拉，座艙芯片也是由 AMD 提供的，底層作業系統也是基于 Linux 來深度開發的；垂直整合如比亞迪，輔助駕駛也是選擇和一眾供應商合作，包括博世、Momenta、大疆、速騰聚創等公司；野心如蔚小理，現階段也不可能自建一個像特斯拉 DOJO 這樣的超算中心。
換言之，全棧自研與深度合作并不衝突，某種程度上甚至可以說是相輔相成。
在今年的上海車展上，長城汽車 CTO 王遠力就指出了一個認知誤區，" 很多人會說掌握全棧自研的能力就等于構建了一個相對封閉的生态，恰恰相反，掌握全棧自研能力更需要合作夥伴的深度協同協作。"
事實也的确如此。以自動駕駛為例，追求全棧自研的企業屈指可數，而且即便是打全棧自研牌的車企，也毫不排斥和科技公司的深度合作，甚至會直接下場投資，比如上汽投資 Momenta，比亞迪和 Momenta 成立合資公司，廣汽投資禾多科技等。
在李星宇看來，通過和科技公司合作，車企和 Tier 1 可以在過程中學習算法、數據閉環等技術，有效減少大舉投入帶來的高昂試錯成本，并且沉澱出自研能力，确定自研的重點領網域，進而做到最優化的產業分工。
換言之，絕大部分車企追求全棧自研并不是為了越俎代庖，替代 Tier 1 或者 Tier 2，而是為了掌握關鍵技術，從而更好地和供應商配合，實現靈魂可控和產品差異化。
百度副總裁、智能汽車事業部總經理儲瑞松曾解釋過車企追求自研的原因：一方面是出于對某些強勢 Tier1 做法的不滿，比如在一錘子黑盒交付完之後，必須支付高額的開發費用才能實現更新，另一方面，車企在智能化時代想要對用戶體驗有更多的掌控力。
而重塑整零關系的核心在于信任、理解和尊重。
一方面，供應商需要理解整車廠對于 " 失去靈魂 " 的焦慮與恐懼，願意和對方共享一部分技術能力；另一方面，整車廠也要尊重供應商的知識產權，理解對方對于卸磨殺驢的擔心。
比亞迪副總裁廉玉波在去年的一次公開演講中提到，車企和 Tier 1 和 Tier 2 之間的合作方式主要是 " 全黑盒模式 " 和 " 全白盒模式 "，但 " 黑盒模式 " 產品不能滿足車廠的需求，而全白盒模式會讓供應商失去部分競争力，他認為未來行業需要探索出一種介于兩種模式之間的 " 灰盒模式 "。
在汽車行業，整車廠和供應鏈的博弈永遠存在，只不過，這種博弈在技術變革期顯得格外激烈，不過，随着技術成熟以及市場擴大之後，各方都将明确自己的能力邊界，開放與合作仍将是行業的主旋律。
