今天小编分享的科技经验：全栈自研是个筐，什么都能往里装，欢迎阅读。
众所周知，汽车圈是出了名的会造词，而且主打的就是一个 " 不明觉厉 "，比如最近被频频提及的全栈自研。
全栈（Full Stack）原本是 Facebook 一位工程师早年提出的一个概念，指的是一个軟體工程师不能只会写客户端的代码，也应该会开发伺服器端的应用程式，最好是个有全局视野的多面手。
不过，当 2021 年上汽董事长陈虹提出 " 灵魂论 " 之后，这个高大上的 " 舶来词 " 就在汽车行业被重新演绎和解读，并迅速登上各大车企的官方宣传物料中，成为 " 技术主权 " 的代名词。
但至于全栈自研为何物，自研的边界在哪里，这么做的意义到底有多大，大家并没有共识。
不少汽车工程师认为这不过是一场文字游戏，并揶揄道：" 全栈自研就像老婆饼到底有没有老婆，800V 系统里的最高压到底有没有 800V 一样，本质上是道语文题。"
有趣的是，当 " 蔚小理 " 们想要以这种方式来宣示 " 技术主权 " 并以此证明 " 我的灵魂我做主 " 时，以华为、百度为代表的智能化供应商们却带头唱起了反调。
华为余承东就明确表示 " 规模和资金实力不够的车企在智能化上全栈自研就是死路一条 "；百度副总裁储瑞松则是建议车企 " 与其追求全栈自研，不如追求全栈可控 "；地平线副总裁李星宇则表示：" 全栈自研是个奢侈品，从历史来看，真正拥有全栈能力并在商业上取得成功的公司绝对是少数，也是不可复制的极少数。"
事实上，很多车企也不傻，也知道全栈自研难度大，花钱多，到头来可能是吃力不讨好，于是 " 说一套、做一套 "，一边在公众面前打着 " 全栈自研 " 的旗号，有的甚至造出 " 全網域自研 " 的概念，但背地里又和一大堆科技公司打得火热。
从这个角度来看，全栈自研不是目的，而是工具，不是一道 " 要不要做 " 的选择题，而是一道关于 " 如何构建新型整零关系 " 的主观题。
一、由来：黑盒方案引发的 PTSD
如果说垂直整合解决的是硬體层面 " 能不能造 " 的问题，那么全栈自研更多的是解决軟體算法层面 " 会不会写 " 的问题。
这也是为什么全栈自研这个词是到 2020 年之后才频繁出现在中文互联网上，而且往往是和自动驾驶挂钩，原因在于，当时以 Mobileye 为代表的 " 黑盒方案 " 正在被头部新势力所放弃。
文心一言理解的全栈自研
在自动驾驶领網域，黑盒方案指的是软硬耦合，难以解绑，以 Mobileye 为例，就是把芯片和感知算法封装在一起，客户只管买，但不能改，只知其然，但不知其所以然。
小鹏汽车董事长何小鹏曾说过，他第一次去调研汽车产业，当问到对方关于辅助驾驶和自动泊车的情况时，没有人可以告诉他数据，因为没人知道。
举个简单例子，客户买了 Mobileye 打包好的视觉方案之后，车辆能知道 " 前方 30 米有车 " 这类已经被系统判断过的数据，但至于摄像头看到了什么，不同传感器之间是如何融合的，整个数据链路是怎样的，车企无从知晓 [ 1 ] ，当然，Mobileye 也不可能让对方知道。
对于早已习惯了这种分工方式、自己又不擅长写代码的传统车企来说，接受这套的游戏规则并没有什么难度，因为他们更多追求的是省心、省事和省钱。
但对于本身就在互联网行业摸爬滚打多年，常年把自动驾驶和 OTA 挂在嘴边，对数据视若珍宝的车界萌新来说，接受这套黑盒无异于 " 送脖子给对方卡 "，夸张点说就是 " 我命由天不由我 "。
从这个角度来看，想在智能化上有所作为的车企搞全栈自研实际上也是被逼无奈，因为传统零部件标准化程度高，技术迭代也比较线性，供应链以及合作模式都比较成熟，但在智驾领網域，技术日新月异，可靠的供应商少且强势，对下游客户挑肥拣瘦，响应速度也跟不上。
从结果上看，这种 " 黑盒方案 " 必然会招致强势的头部车企的抵制。
2016 年，一辆特斯拉 Model S 在美国撞上了一辆横亘在道路中间的卡车，驾驶员当场身亡，这件事直接导致特斯拉和 Mobileye 分道扬镳，前者开始自研算法，甚至撸起袖子自研 FSD（全自动驾驶）芯片。
和特斯拉一样，为了将产品快速推向市场，国内这波新势力的第一款车普遍用的也是 Mobileye 的打包方案，但很快就改弦易辙，比如小鹏第二款车 P7 用的就是算力更大，生态更开放的英伟达 Xavier 芯片，而 2021 款理想 ONE 也把 Mobileye EyeQ4 换成了国产的地平线 J3 芯片。
只不过，马斯克很少在公开场合提 " 全栈自研 " 的概念，相比之下，国内的车企们实在是太爱秀了，常常把自研算法（包括感知、定位、规划和控制）和全栈自研划等号。
事实上，一辆高级的智能车里有上亿行代码，算法只是最上面的冰山一角，冰山之下的比如底层作業系統、中间件以及芯片，绝大部分车企都没有能力，也没有必要自研。
自动驾驶的技术栈
但不可否认的是，自研算法确实有助于车企形成数据闭环，充分发挥硬體的潜力，并为其快速的功能迭代打下技术基础。比如小鹏 P5 仅凭一块 30TOPS 的 Xavier 芯片和两颗激光雷达就能实现城市 NOA，而 2021 改款理想 ONE 采用 J3 芯片之后，AEB（紧急制动）能力也有了质的提升。
此外，在软硬解耦的大趋势下，整车的电子电气架构从过去的分布式向集中式转变，车企也有动力，也有欲望将全栈自研的范围从軟體延伸到硬體。
以蔚来为例，今年推出了全栈自研的 ICC 智能底盘網域控制器，相当于打开了 Tier 1 给的 " 黑盒子 " 并实现了软硬解耦，能够更好地协调制动、转向、空悬以及 CDC 减震器等不同模块，并可以通过后期的 OTA 来提升行驶质感。
从这个角度来看，无论是为了避免失去自动驾驶的灵魂，抑或是为了充分发挥硬體的潜力，从而更好地匹配公司的发展节奏，" 全栈自研 " 看上去都是十分有必要的，但与此同时，代价也是极其高昂的。
以 " 蔚小理 " 为例，三家公司去年的研发投入分别达到 108 亿元、52 亿元和 67.8 亿元，而相比之下，年销百万辆的长城汽车去年的研发投入也不过 122 亿元，这也意味着不是所有车企都能承受得住这种重资产的开发模式，毕竟不是谁都能从资本市场上获得巨额输血。
二、平衡：全栈可控更靠谱
在燃油车时代，传统的整零关系基本模式是：整车厂提需求——一级供应商开发——整车厂验收，以此类推，但在智能时代，这种比较单向的 " 黑盒 " 交付方式已经不太适应行业的发展，整车厂比之前更迫切地想要掌握关键技术的 knowhow，推动数据闭环和快速迭代。
但这种诉求并不意味着车企必须什么都要 " 全栈自研 "，因为最激进的全栈自研本质上就是闭门造车，不符合社会分工的规律。
强如特斯拉，座舱芯片也是由 AMD 提供的，底层作業系統也是基于 Linux 来深度开发的；垂直整合如比亚迪，辅助驾驶也是选择和一众供应商合作，包括博世、Momenta、大疆、速腾聚创等公司；野心如蔚小理，现阶段也不可能自建一个像特斯拉 DOJO 这样的超算中心。
换言之，全栈自研与深度合作并不冲突，某种程度上甚至可以说是相辅相成。
在今年的上海车展上，长城汽车 CTO 王远力就指出了一个认知误区，" 很多人会说掌握全栈自研的能力就等于构建了一个相对封闭的生态，恰恰相反，掌握全栈自研能力更需要合作伙伴的深度协同协作。"
事实也的确如此。以自动驾驶为例，追求全栈自研的企业屈指可数，而且即便是打全栈自研牌的车企，也毫不排斥和科技公司的深度合作，甚至会直接下场投资，比如上汽投资 Momenta，比亚迪和 Momenta 成立合资公司，广汽投资禾多科技等。
在李星宇看来，通过和科技公司合作，车企和 Tier 1 可以在过程中学习算法、数据闭环等技术，有效减少大举投入带来的高昂试错成本，并且沉淀出自研能力，确定自研的重点领網域，进而做到最优化的产业分工。
换言之，绝大部分车企追求全栈自研并不是为了越俎代庖，替代 Tier 1 或者 Tier 2，而是为了掌握关键技术，从而更好地和供应商配合，实现灵魂可控和产品差异化。
百度副总裁、智能汽车事业部总经理储瑞松曾解释过车企追求自研的原因：一方面是出于对某些强势 Tier1 做法的不满，比如在一锤子黑盒交付完之后，必须支付高额的开发费用才能实现更新，另一方面，车企在智能化时代想要对用户体验有更多的掌控力。
而重塑整零关系的核心在于信任、理解和尊重。
一方面，供应商需要理解整车厂对于 " 失去灵魂 " 的焦虑与恐惧，愿意和对方共享一部分技术能力；另一方面，整车厂也要尊重供应商的知识产权，理解对方对于卸磨杀驴的担心。
比亚迪副总裁廉玉波在去年的一次公开演讲中提到，车企和 Tier 1 和 Tier 2 之间的合作方式主要是 " 全黑盒模式 " 和 " 全白盒模式 "，但 " 黑盒模式 " 产品不能满足车厂的需求，而全白盒模式会让供应商失去部分竞争力，他认为未来行业需要探索出一种介于两种模式之间的 " 灰盒模式 "。
在汽车行业，整车厂和供应链的博弈永远存在，只不过，这种博弈在技术变革期显得格外激烈，不过，随着技术成熟以及市场扩大之后，各方都将明确自己的能力边界，开放与合作仍将是行业的主旋律。
