汽车产业路在何方？

徐鸿鹄

知识星球-几何四驱 中国北京 100000

大自然是巨大的技术加油站，地球上没有新鲜事。人类所“创造”的任何技术，永远都无法逾越大自然的馈赠。当一群从大自然而来的技术整合在一块的时候，他们相互支撑组合，就界定了一个产品甚至产业。

如果你不理解这个命题，我们就不如深入汽车产品，探寻一系列支撑性技术背后自然现象的存在。

1）压缩机系统 能量传递时，流体流速和压力可以改变。

2）燃烧系统 碳分子在高温下和氧气混合时，会释放能量。

3）润滑系统 不同器件之间的分子所形成的薄膜使它们能更容易地相互滑过。

4）涡轮系统 流体撞击到移动着的表面可以产生“功”。

5）特定的测压装置 载荷会使材料倾斜。

6）轴承和构件 载荷可以由物理结构传递。

7）伯努利现象，用于流量测定 流体运动增加会引起电压下降。

8）风扇和排气 物体以一定速度被射出会产生大小相等，方向相反的作用。

电动汽车关键技术的背后，也有其规律：

1）带有电流电压温度监控的高比能量且长寿命、稳定、安全的动力电池。

2）根据车辆行驶状态调配有限的车载能量，协调各个功能部分工作的能量管理系统。

3）启动力矩大，较宽恒功范围，效率高，适应频繁启动和功率变化的电动机。

4）大功率柔性，高度标准化，高可靠性，甚至双向能量交互的充电技术。

关于光和电的技术维度，一定离不开一系列更基础的技术发明。

1）18、19世纪，静电效应、电蚀作用、电场和磁场导致的电流偏转、感应现象、电磁辐射以及辉光放电效应都被发现了。

2）随着以上这些现象的捕捉和驯服，一系列电子时代发明的方法、工艺和设备诞生：电池、电容、电感、变压器、发电机和电动机、电话、无线电、阴极射线管以及真空管等。

3）关于电以及电效应有关的设备和方法，电容器、感应器、晶体管、运算放大器聚集在电学的领域。而光以及与光传播的相关的元素：激光、光学放大器、光学传感器等慢慢聚集成光电子学。

4）20世纪，继电器、触发器、存储器、全加器、机器码以及汇编语言等一系列发明带来了全新的电子计算机技术。

电学和光电子学持续进化，不断提供素材和积木，为更复杂的技术上层建筑组合成为产品打下基础，不断丰富人类的物质生活。

展望未来，到了信息时代，控制论、通讯理论、博弈论、数学和统计学、逻辑学等奠基性发展为知识系统甚至机器智能的出现做了长期的储备，而这些技术也都是汽车实现电气化、智能化的基础。

颠覆性改变

虽然第一台纯电动汽车在一个世纪之前早已出现，但赋予其商用普及能力的关键技术却并没有诞生。

在人类的不懈推动下，电动车技术攻关正在加速，魔咒即将终结。从这个意义上来看，电动汽车的大规模商用可算是“必然”。如果人类回归原始，重新点开科技树，我相信燃油车和电动车的故事必定以相似的方式展开——电动汽车的发展再次经历挫折，不会一帆风顺。人们寻找做事的新方式，民众对新事物的认知，往往需要时间——只有“时间”能够确认这么做会改善他们的生活。

詹姆斯·瓦特的蒸汽机发明于18世纪60年代，但是直到19世纪20年代才开始普及。电动机和发电机出现于19世纪70年代，但是直到20世纪前20年，它们对工业的全面影响才被人们感受到。微处理器和阿帕网（互联网的先行者），在20世纪70年代初已进入可使用阶段，但它们的影响，即使在目前数字经济模式已经形成的情况下，依然没有充分发挥出来。早期探索电动汽车商业化的丰田，在20世纪石油危机时期就开始发力了。但由于产品缺乏市场认可，直到21世纪之交才借助混动汽车为“三电技术”注入核心品质。在每一个领域，技术的集群形成了一种“语言”，在这种语言里，具体的产品又得以诞生。

一场颠覆性改变的完全展开，需要等我们对那些围绕着新技术的底层技术及活动（企业或商业流程）进行重新组织，并且直到这些技术也开始适应我们之后才算真正完成。然而，对于规模较大的项目来说，协调通常是很困难的。大规模项目的组件，可能是由不同团队甚至不同公司设计的，这样一来，他们之间就需要进行“平衡”。一个团队的解决方案对于另一个团队来说可能反而是障碍，因此需要充分讨论来加以协调。

从这个角度看，工程成了一种社会组织形式，而并非技术决定一切。

历史学家托马斯·休斯说过：“一个新项目成功与否，它是否能形成可见的设计物，很大程度上依赖于围绕其周围的利益关系网——工程团队、融资系统、投资者以及其他参与者，他们从项目中获得或失去的，包括权力、安全以及威望等。”

因此，设计与发展是与人高度相关的组织和行动过程。工业没有长期的积累和传承，是很难在创新上有所建树的，“弯道超车”“后发优势”都是伪命题。有了积累和传承，更要洞察人性和组织的力量，智慧与人性甚至是相悖的，而这就是推动进步的艰难之处。

真正的变革

汽车产业在1900年诞生之初，就带来了两方面的影响：一方面是技术淘汰——汽车开始取代马车，随后，马车运输的死亡又引发了铁匠和马车制造业的消逝，铁匠的消逝又引发了铁砧制造业的消逝。另一方面，汽车产业又创造了一套与之匹配的需求，即机会市场——汽车需要流水线生产方式，汽车需要铺装道路和燃油提纯，汽车还需要维修设施和加油站。燃油又产生了进一步的需求——建造炼油厂，这又促动原油进口以及石油的开采。这就好像是说，一旦我们拥有了火箭技术，就会产生一种太空探险的需求。

一旦我们创造了电动汽车，就会产生对电动汽车的需求和依赖，不同于燃油车使用的社会活动。简单类比，我们可以预见到，现今的电动化趋势下，一旦燃油车技术被逐渐退出技术体，他的附件也要被丢弃，商品的生产和消费模式会重新调整以适应这些变化。燃油车成本和价格会随之进行调整 ——这又正是电动车新技术产生的诱因。

不管诱因来自用户需求、环保压力、共享经济、能源战略还是数字化进步，穷其种种，电动汽车已经不可逆转，我们必须研究深挖电化学、电子、半导体的技术潜能。

以电化学为例，需要深入研究电泳、电腐蚀等反应现象、不同类型的电池和电分析传感器器件以及金属电镀等技术。而“三电”的开发测试，还要引入热力学、动力学及光谱学等领域的测试技术和手段，他们同样来自人们对自然基础现象的解读和利用。

一旦把电动汽车作为一个概念提出，就要在自然界中找到一组可用的现象和效应，然后找出实现这些现象所需的元器件和集成件，最后进行组合。而这个组合又会带来更多的次生问题，比如电池的热失控，解决这个问题又会带来更多的次生问题，比如电化学反应的控制。

因此电动汽车这一产品的实现将是一个在不同层次的问题和解决方案之间来回反复的漫长过程，直至产品力完全实现。比如三元电池的元素比例、电芯形状、电池模组尺寸、制程规范、工艺标准以及各种参数一直在进行调整和磨合并日臻成熟，以期达到目标产品力的要求。

威廉·奥格本早在1922年就观察到一个现象：可用于辅助发明的东西越多，发明的数量就越大。他意识到，技术的增长是按指数级增加的。

不难理解，一旦电动汽车所需要的技术堆积并合理结合在一起，便会创造一个固定的产品结构（比如“三电模块”），制造、物流及服务依次发生，“电动车经济”便由此出现。这个经济体随之又反过来决定，哪些新的技术、哪些类型的劳动者允许被进入其中添砖加瓦。

可以说，每一次以新技术作为解决方式都会创造出新的挑战和新的问题。新的挑战和问题又带来新的技术解决方案，这个方案并非全新的发明 ——它同样来自大自然，人类对物理现象的认知，只不过用全新的方式将其组合。正是电池技术的痛点，带来了电池技术的持续进化。

工程学的应用学科，本质是建立在数学和物理的基础上，但涉及到一些复杂的因素而很难做直接计算。需要试制和更多的实验来获得参数。某些参数可能适用于这种环境，而不适用于那种环境，这为工程知识带来了不确定性。

然而，一旦人们的注意力整天都在谈论电动汽车的痛点和瓶颈，那这个问题终究会得到解决。因为大量的测试，验证，开发资源正以史无前例的规模进行再组织，通过技术迭代逐步打造核心竞品。

在电池产能、成本、能量密度等一系列问题得到缓解后，电池热管理、热失控技术还炙手可热，此外不当处理的废弃汽车电池带来环境污染的问题等，开始逐步成为电动汽车产品的痛点，而这些问题，也会随着人们对技术理解的加深，逐步得到解决（比如越发成熟的安全设计、材料回收技术、全新固态电池发展等）。

但需要留意的是，技术的结合需要一定的逻辑、检验和磨合。比如电子设计需要考虑的冗余设计、防止单点故障的设计、Fail-Safe原则、防火墙以及看门狗等，而不是技术的随意的组合或粗制滥造。

在燃油汽车里，人们就不会在发动机测量压力装置旁边放置燃烧装置，我们也不会把电容器放在感应器的旁边，因为那样会导致不必要的振动。某项技术都为特定的目的而工作，所有的技术被召集并合理地组织在一起——这就是模块化的思想。

如此思考当下电动汽车领域，电池技术存在的短板，只是我们还没有探索出全面兼顾产品力要求性能足够均衡的技术方案而已。

回顾工业历史，你可能会发现很多奇怪的现象，比如在美国的工厂里，为什么电动机花费了40年的时间才取代了蒸汽机？

令人意外的是，核心难度其实不在于电动机技术本身，而是来自电动机的使用环境。电动机需要不同于旧有的或依照蒸汽机布局结构设计的工厂建筑。

也就是说，新技术要求重新建造工厂——这个代价无疑是昂贵的。可即使下决心要重建，那么工厂需要被重构成什么样子，当时的人们其实也并没有清晰的蓝图。

蒸汽机时代进入电气时代的关口上，电子工程师们懂得电动机的知识，但却不懂工业建筑；工业建筑师懂得建筑，但却不懂电气化技术。因而，将新技术与安置新技术的工业布局设计之间进行整合，并将整合之后的知识传播出去，需要大量的时间。

同样的，燃油汽车向电动汽车的转型，也有着类似的境遇——生产电动汽车也需要对现有汽车生产工厂，能源基础设施等进行大规模改造。

以大众的茨维考工厂为例，从燃油车转换为纯电驱动生产，就投资了12亿欧元，埃姆登和汉诺威的工厂总计也要花费15亿欧元左右——代价无疑是巨大的。相比之下，新能源转型，能源基础设施的投入更是天文级的数字。

看来，仅有企业和人们对电动化新技术的适应还不够，只有新技术自身也开始适应企业和人，才到了真正开始变革的时候。

百年发展

燃油车的产品力，经历了百年发展的不断打磨，已经变得细腻而可靠。燃油车发动机，我们可以做简单拆分，比如动力系统、进气装置、燃烧系统、涡轮系统、燃油系统、冷却系统等等，每个系统的设计都采用了这样或者那样的现象和原理。继续做拆分，进气系统有进气道，为调整进气量；我们还要设置节气门，为控制进气门，还要继续深入执行机构，控制程序……

产业链上，无数技术节点不断迭代进步，让内燃机技术得以飞速发展，在过去的几十年中，燃油车已将污染物排放水平降低了很多很多。如今，轮胎和制动器产生的颗粒物排放比内燃机排放物（在内燃机汽车和电动汽车中）排放的问题更大。

如此背景下，电动汽车如果要赶超燃油车，实现高水平的产品力，绝不是一蹴而就的。但电气化的诱人前景，已经让我们神往——在航空领域，电传系统取代了此前的机械系统，新的控制系统更轻更快，甚至更可靠。计算机控制的电传系统操纵比人的控制更加精确，甚至可以纠正飞行员的不良操控。电传系统使得存在“内在不稳定性”的军用飞机成为可能。因此，控制一架内部不稳定的飞机比控制内部稳定的飞机更容易。就像人可以通过反向运动维持平衡一样，控制一架不稳定的双轮自行车，比控制一台三轮车更加容易。

汽车的电气化，也有类似的现象，比如电动助力转向带来了更加精细和个性化的手感，甚至借助ADAS辅助或干预驾驶员的操作，简化驾车的枯燥程度并确保安全。

电子节气门、电子刹车、电动助力转向一系列技术的诞生，都使得汽车产品力在持续进化，丰富汽车的功能。汽车的操控变得更加容易，汽车的机械素质的地位在弱化——人们已经不再关注汽车有多少动力，或将汽车逼近运动的极限，汽车的价值将越来越倚重半导体了。

技术从来不是从无到有被发明出来的，而是人类需求所致不断改良优化而成，而电气和智能在给人类带来便利的同时，同时改变着人们的购买心理，也触动了人们敏感的神经。

人类贪婪地从自然界拾取经验——如果我们仅仅使用自然现象的原始形态去驱动水车或推动帆船，我们对这项技术就会有家的感觉，感到舒适。但是现在，随着即将到来的基因工程、机器智能、仿生学、气候工程学，我们正在开始使用技术（利用自然）直接干预自己的决定，甚至是大自然了。

干预自然的感觉让部分人极度不适，这种内心深处的不安会不知不觉地反映在很多方面：我们为追求原始的驾驶乐趣抵制机械素质已经妥协的智能汽车，我们抵触智能代管出行并忽视人类伦理的无人驾驶汽车。基于同样的理由，我们转向传统，转向环保主义，燃油车被炮轰，电动化被追捧，可电动车的产品性和商业运营方式，正在逐步剥夺我们天然驾驭的乐趣，这恰恰是反传统的。

当科技树走向另一个分支，汽车的机械时代被电气时代和智能时代颠覆的关键节点上，我们仍旧唯唯诺诺、瞻前顾后。而在经济的世界里，企业解决问题带来新的问题，新问题随之被解决，经济循环往复，无论进步是否存在，无论人类是否对技术感觉良好，甚至技术出现倒退。解决问题和出现问题之间的往复循环，都是由技术带来的，而经济，只是这一过程的结果。

企业并不是技术的发起人，他们只是顺应经济的循环，不断前行开发新的技术，而不对技术做过多的价值判断。

1955年，海德格尔做了一场演讲，题为《技术的追问》。他说：“技术的本质绝不是技术的。它是一种看见自然的方式，是让所有本质上的东西自我揭示，成为人类可以加以利用的潜在资源。”

技术的本质就是对自然的编程，它是一种对现象的捕捉。技术只秉持三个原理：一切技术都是元素的组合。这些元素本身也是技术。所有的技术都是利用某个现象达到某个目的。

技术之外，经济就站在幕后，导演并调和着生产资料、政策导向、组织结构安排等过程，他发出需求信号，检验商业理念的可行性，提出对新版技术的需求。汽车电动化里，经济的手段、初创公司、风险投资、金融衍生品以及数字化等也在改造着商业的部分，促进创造新的技术组合，配置新的产品。

就算是乔布斯在世，也没办法每一次都能抓住经济的脉络，抓住用户的心理。在预测未来方面，基于过去大家都不是很靠谱的平均表现，任何汽车电动化技术路线图都不具现实意义。

直到拉姆齐定律给予了心存幻想的人们最后一击，这个定律力图说明的是：在“随机”中，你总会发掘出“规律”——只要把握数据，你总是可以找到某些好像有道理，但纯粹是随机性导致的“模式”。

结语

许多经验之谈，只是披着“规律”外衣的随机性而已。分析师说的话，“准了”是偶然，“不准”是必然。不管预测方法多么的“科学”，却并不能带给我们什么深刻的洞见——只要握有数据，你总能找到规律出来。

在汽车产业研究领域，销量回顾预测，数据解读......大数据时代里的数据驱动决策或许只是人类的一厢情愿，好的模型不会永远成立，预测的短暂成功或许只是变革的短暂缺失。

其实，当预测未来时，“我不知道”几乎总是答案重要的一部分。在变革成为常态的年代里，在没有秩序的时候不要试图寻找所谓的准则和规律，也不要过度倚重运气所占的优势。

未来的不确定性让人沮丧，但太过确定的未来更加令人害怕。尽管未来的本质是难以预测的，但总有某一类人在创造未来方面自己预测得相当好。让能冒出新想法的那一类人包围住你——如果你希望能迅速发现自己的观念已经陈旧，那就去跟这样的人交朋友，再也没有比这更好的办法了。敞开怀抱，珍视探索，储备兴趣，关注当下，严肃活泼，才有机会赢得未来。