摘要：当全球自动驾驶行业仍在技术奇点与商业回报的摇摆中艰难求索，一位曾带领图森未来敲响纳斯达克钟声的硬核极客，正在用更“严苛精准”的算法重构价值公式——不是接管率，不是Demo里程数，而是冷峻到毫厘的“每英里成本”（Cost per Mile）。从Caltech神经

当全球自动驾驶行业仍在技术奇点与商业回报的摇摆中艰难求索，一位曾带领图森未来敲响纳斯达克钟声的硬核极客，正在用更“严苛精准”的算法重构价值公式——不是接管率，不是Demo里程数，而是冷峻到毫厘的“每英里成本”（Cost per Mile）。从Caltech神经科学实验室到北美I-10州际公路，Bot Auto创始人侯晓迪的二十年技术长征，恰是自动驾驶行业从“仰望星空”到“脚踩泥泞”的范式转型：他曾在硅谷天使投资圈见证300多份商业计划书背后的创投逻辑与幻梦；十年后，当他执掌上市公司时却发现，华尔街钟爱的“卡车故事”背后，竟是40美元成本与2美元收入的反差---一场注定失衡的死亡倒挂。

这位经历过生死误诊的连续创业者，正在将“第一性原则”推向极致：当多数公司仍在比拼夜间复杂路况的Demo视频时，Bot Auto已把总部迁至休斯顿货运枢纽，用“肉身贴地”的笨功夫重构技术路径——放弃华而不实的传感器军备竞赛，将生成式AI的预训练革命引入卡车领域，把数据标注成本压缩至传统模式的2%；拒绝“平台经济”的估值诱惑，以运输服务商的身份亲自运营车队，在货运潮汐中验证真实成本曲线。

在卡车司机平均年龄突破50岁的美国，Bot Auto试图解答一个更本质的产业命题：当自动驾驶褪去科技光环，能否用比人类司机更低的价格，撑起70%陆地货运的钢铁动脉？本期访谈走进这位技术出身CEO的“反共识”商业哲学，看他如何用“毫厘必争”的运营算法，重塑万亿级物流市场的终极等式。本期Z Potentials访谈系列，我们很荣幸邀请到Bot Auto的创始人侯晓迪，与我们分享他的心路历程，Enjoy！

我常常自问：“如果这是我生命中最后的决定，我是否会后悔？”如果答案是肯定的，我会毫不犹豫地去做；如果是否定的，那便说明它并不重要。这个思维方式影响了我后续许多重要的决定。

这些研究工作的加速，加上底层算力的快速发展，预示着未来将充满巨大的不确定性，一定会有重大变革，这个时候就是要尽可能折腾，捡大的打，于是我们选择了自动驾驶，而且要直接干L4......因此，我们选择从最难的L4入手，因为从L4转向L2相对容易，反之则几乎不可能。这种选择也体现了我们的性格——价值创造、纯粹、直接、长期主义。

第一次技术突破是Deep Learning带来的，进入到2016-2022年的第二阶段，Deep Learning逐渐普及，比如用Deep Learning做Detection、Recognition，物体的检测就不是一个大问题了......2022年之后是第三阶段，你会听到很多新词，比如End-to-end、大模型，其实是不是End-to-end其实不重要，用一个大模型去解决问题更重要，对我们来讲，此处的大模型就是Foundation Model。

我认为行业的进化带来的周边技术的成熟对于组织结构的改变，如同蒸汽机对于社会结构的改变。从我们角度而言，在传统技术时代下我们做了很多annotation，即人工标定......而大语言模型LLMs给我们指明了一条路——可以通过大规模的预训练达到很好的模型效果，再用很少的钱去做Fine-tuning，我们把数据标定的成本做到了以往的2%。

我希望我们的公司是一承担社会责任的公司。我们公司一方面具有内生性的价值创造机制，另一方面也有很强的正向外部性，我们要做的是一个“珊瑚礁”公司，即扩大市场，能让更多的人参与进来，而不是在零和游戏中你争我抢。

01 生死边缘的顿悟：关于价值创造和真正快乐的人生哲学

ZP：欢迎晓迪，请您先简单介绍一下自己吧！

晓迪：大家好，我是Bot Auto创始人侯晓迪，上学期间我是在交大读本科、在Caltech读博士，当时的研究方向聚焦在计算机视觉，并结合心理物理学（Psychophysics）和神经科学（Neuroscience）汲取灵感，构建计算模型。研究的核心目标是探索如何通过计算方法，将像素信息转化为可解释的概念。当时还花了半年时间进行电生理实验，研究猴脑神经元对视觉刺激的反应，这样的研究经历，也让我思考当前的人工神经网络与生物大脑的关系非常遥远，仅在某些基础构造上有相似性，而最终的实现方式却截然不同。

毕业后我面临两个选择：一是进入学术界，二是创业，当时周围的同学大多选择了教职，但我认为教职并非最大化实现价值创造的最佳途径，所以我本能地选择了创业这条路。2010年我加入了Pasadena Angels，这是一个由美国南加州最受尊敬、最具人脉的天使投资人组成的组织。在那里，我每周都会参与项目评估，一年内审阅了300多个商业计划书，这段经历让我对创投有了初步了解，也坚定了我创业的决心。

2014年，我参与创立了第一家公司——知图科技，担任CTO，我们的初衷是利用AI技术识别图片为广告提供更多上下文信息，从而提高广告的精准度，但经过一年，我们发现AI对于广告平台来说更多是Value-add即增值服务，很难颠覆而是要依附于广告平台，作为创业公司很难和巨头竞争，于是就决定不做了。这个项目的股东当时有新浪科技，对我们的技术还是很认可，提议重新成立一家技术公司，之前的债转成新公司股份，他们同时追加首轮投资，于是2015年我们原班人马成立了图森未来。

ZP：在您成长过程中有哪些关键选择或者转折点吗？这些经历如何塑造了今天的您？

晓迪：最重要的一次经历是大学时期收到病危通知书，大二时，我在校运会上参加400米比赛后突发急性肾衰竭，医生告知我仅剩三个月寿命。虽然后来发现这是一次误诊，但是我最大的感觉是，真到死到临头的时候，反倒不怕死了。当时我正在阅读《从神经元到脑》（From Neuron to Brain）这本书，最大的遗憾竟然是还没读完它。这让我意识到，学业成绩、GPA、期末考试等，在生死面前变得无足轻重。出院后，我开始用不同的角度看待人生。在面对选择时，我常常自问：“如果眼前的机会是我生命中最后的机会，错过它我是否会后悔？”如果答案是肯定的，我会毫不犹豫地去做；如果是否定的，那便说明它并不重要。这个思维方式影响了我后续许多重要的决定。

我的人生规划一直围绕着“价值创造”展开。在攻读博士学位之初，我的导师问我一个关键问题：“你更喜欢从事发现类的工作，还是发明类的工作？”他说，这一选择将决定我未来的研究方向。我几乎没有犹豫，坚定地选择了发明类的工作。相比于发现一种新型的神经元并为此兴奋，我更倾向于创造出真正可用的技术，并看到它发挥实际作用。不过这种热情并非源于那次误诊，而是一直根植于我的内心。我始终沉迷于价值创造，只要是由我亲手打造的事物能够成功运行，我就会感到极大的满足。我认识许多优秀的创业者，他们大多怀有同样的信念：真正的创业者所追求的，远远超越了经济回报。他们的动力来源于创造对社会有价值的事物，而非单纯的财务回报。

ZP：十年前刚好是图森未来成立，当时对自己的期待是什么？站在今天，对十年后的期待是什么？

晓迪：坦白说，我对自己并没有特别的期待。我始终认为，精神上的富足对我而言最为重要。过去十年，我的成长让我感到满意，因为我从未让自己停留在舒适区。如果说期待，我对自己的期待始终是持续成长，做出有趣的东西。至于财富，我曾经在纸面上成为亿万富翁，但这并没有让我感到快乐，我也没有卖股票。我希望与团队保持同舟共济的关系，直到最后的胜利，而不是让他们觉得我与他们之间有很大距离。天时地利人和，人和最重要，在过程中享受和战友们齐心协力，也是创业吸引人的地方。

图森的上市无疑是团队取得的一个重要里程碑，但这对于我来说并不代表任何意义上的成功，我仍然在路上。关于让我个人感到快乐的体验，我想分享三个时刻。第一个是某天早上被闹钟叫醒后，突然发现今天是节假日，可以再睡个回笼觉那种轻松自在的感觉。第二个时刻，是在2021年底，我们团队终于跑通了“Driver Out”项目（公共道路上的全无人自动驾驶，没司机，没安全员，没远程遥控），达成了我们给自己定下的目标，然而这种成就感让我快乐，但它只持续了十分钟，因为我知道这个模式并不持久，后面还有运营的硬仗要打。第三个时刻是我从加州开车去我们在亚利桑那州的办公室的路上，在高速公路上，看到我们自己的卡车一辆接一辆迎面驶来时的满足感，我们自己的一步一个脚印做的运营终于稳定迈入新阶段了，那一刻，我感受到价值创造的真实意义，之前的奋斗终于有了具象化的落地感。

02 图森未来启示录：坚持第一性原则，降低成本是L4技术成功的关键

ZP：如果用一句话概括图森未来的定位，会是什么？

晓迪：图森的核心目标是实现L4级别的无人驾驶卡车干线物流。作为CTO，我的主要任务是定义这一技术方向，而具体的商业模式则由团队共同探索。

ZP：图森未来成立之初，我们方向的选择上是如何思考的？

晓迪：我为自己设定了三个原则：首先，公司必须由技术主导，因为这是我们的强项；其次，商业模式必须清晰，客户是谁、找谁收钱要明确；第三，我希望哪怕是做技术，我也希望是一个长期主义的技术价值创造的事情，技术的迭代空间足够大。

当时考虑了几个方向，最终进入决赛圈的是智能零售和自动驾驶。我当时的思考是，首先深度学习技术在当时刚刚兴起，2012年底才被提出，到2015年发展时间还不足三年，学术界对深度学习仍存在诸多质疑，但是我观察到两个重要趋势，并在团队决策时强调了这两点：第一，NVIDIA的GPU技术持续迭代，算力不断提升，作为一名游戏爱好者，我对GPU的迭代很有体感，并坚信其未来会随着新应用场景的出现而继续发展。第二，尽管学术界尤其是长期从事机器学习理论研究的不少教授们对深度学习还持怀疑态度，甚至不乏刻意打压，但越来越多的研究者投身其中，高质量的研究成果层出不穷，我认为学术圈的实用派必定会压倒理论派，甚至很可能还能反哺理论派。这些研究工作的加速，加上底层算力的快速发展，预示着未来将充满巨大的不确定性，一定会有重大变革，这个时候就是要尽可能折腾，捡大的打，于是我们选择了自动驾驶，而且要直接干L4。

ZP：当时行业技术发展的状态是什么样的？我们为什么在那个时间点坚定地选择L4？

晓迪：我的想法是，既然已经决定投身于如此不确定的领域，那就必须深入探索。要真正做好自动驾驶，不能从当时流行的L2入局做一个追随者，而是需要全面理解整个系统，才能找到颠覆行业的机会。对我而言，认知的核心在于，我们当时清楚地意识到自己是“蚂蚁”，而Google X和Mobileye则是“大象”。如果大家都按套路出牌，蚂蚁无法撼动大象。因此，我们选择从最难的L4入手，因为从L4开始走，走得越远，越有机会破局，反之从L2做起则几乎不可能。这种选择也体现了我们的性格——价值创造、纯粹、直接、长期主义。

关于L2和L4的争议，我至今仍然认为L4才是真正的价值创造。L2对车厂而言更像是一种奢侈品，正如我一位从事奢侈品行业的朋友所说，奢侈品是人们在没钱时首先放弃的东西。L2辅助驾驶的价值与图森早期为广告平台提供视觉识别服务类似，更多是增量而非核心价值。以纵目科技（注：2025 年春节后首个工作日，智能驾驶领域明星创业公司纵目科技因创始人“跑路失联”、全员欠薪、社保断缴及高管离职私转大额款项等负面消息，陷入舆论漩涡。）为例，尽管我对该公司并不熟悉，但据我所知，他们最初确实取得了一定的收入。然而，随着车厂纷纷自主研发相关技术，纵目的市场空间被大幅压缩。这种现象在行业内并不罕见——原本稀缺的技术资源逐渐变得普遍，最终导致其价值被稀释。无论是自主研发还是采购第三方解决方案，车厂都掌握了定价的主动权，而供应商则处于被动地位，难以获得合理的溢价空间。

依附于他人的商业模式往往会很被动。如果L4技术已经广泛实现，随便拉个团队都能做，那它是个商品，这意味着你可以货比三家，选择性价比高的供应商来提供软硬件支持。然而，L4的产品化还没有完成，更不用说货比三家。在近未来，L4的关键在于如何降低成本，如果你的成本比人类司机更低，那么你才是一个合格的L4产品。如果像我们之前完成“Driver Out”项目时那样，成本高达40美元每英里，而收入只有2美元每英里，那显然是不可持续的。因此，降低成本是L4技术商业化的关键。（ZP注：文章后续会详细展开）

ZP：那么当时对实现L4的预期是怎样的？是否有具体的时间规划，以及如何应对可能遇到的挑战？

晓迪：我们当时的预期是，到2020年前后能够实现去掉司机的目标，这个预测也相对准确，我们真正实现时间是2021年。此外，我们坚信能够第一个实现商业化，因为我们虽然无法衡量“大象”有多大，但我们知道它们使用的是上一代技术。当时，Google X和Mobileye尚未采用深度学习，而我们对新技术的应用使我们有机会在起跑线上超越它们。这种信念支撑着我们入局，尽管当时并未过多考虑其他因素。看，我连病危通知书都拿过了，还有什么可畏惧的？

ZP：复盘来看，在图森未来这段创业经历，有哪些做得比较正确的决策？背后的原因是什么？

晓迪：从技术路线的选择来看，图森做得出奇得好。昨天我在一场会议上遇到了一位曾在2017年见过我的投资人，他说当时我强调视觉技术的重要性，认为不能完全依赖激光雷达，他当时觉得我在胡扯，但是现在觉得我讲得太对了。其次，我们当时的态度是，激光雷达有它的优势，但不能完全照搬DARPA Grand Challenge的模式（注：美国国防部高级研究计划局”举办的一个无人驾驶车挑战赛）。2015年时，距离DARPA无人车比赛并不久远，当时的Google和其他公司主要依赖激光雷达，摄像头仅用于识别红绿灯。有点好笑的是，今天舆论的风向好像正好反过来，认为没有激光雷达才能体现算法先进性。这种二极管思维不可取，我们对传感器选择的态度应该是开放的，即不对用或者不用任何传感器持有宗教般的偏见。我们始终秉持“黑猫白猫，抓住耗子就是好猫”的原则，有什么就用什么。这一观点至今未变，我们在技术路线上一直保持灵活务实的态度。

从商业路线的选择来看，我们早期就定位在卡车领域，这一点许多人多年后才逐渐意识到卡车比Robotaxi（注：即自动驾驶出租车）更早具备商业化潜力，如今这已成为一种共识。我们当时坚持认为，高速和干线物流是更适合的场景，因为其交通规则相对明确，而交通规则的模糊性才是无人驾驶的最大挑战。这一判断至今仍然成立。

我认为，我们能够做出正确决策的核心在于坚持第一性原则。我始终认为，做任何事都要明确其最终目的，并诚实地为之负责，回到技术选择，无论是传感器的灵活性还是高速干线场景的定位，都是基于第一性原则的自然选择。

ZP：复盘来看，这段创业经历又有哪些Learning？

晓迪：公司为了迎合华尔街的期望，采取了一些短视的策略。首先，公司通过花钱购买收入的方法来扩大运营规模，这种做法虽然短期内账面数据好看，但并未真正创造价值。Aurora的财报也反映了类似的问题——只谈收入而不谈成本，这显然是不合理的。其次，规模与开发速度之间存在冲突，从全局视角来看，车队的规模是一把双刃剑，它限制了算法和系统迭代的速度，这是一个复杂的问题，你会发现这涉及到商业开发、硬件运营和算法开发等多个方面的交织。越大的公司，越容易出现团队之间缺乏合作的情况。小公司则需要具备团队协作的精神。因此，在Bot Auto的创业过程中，我明确了自己作为CEO的角色就是制定vision，并确保各个团队对这个vision的理解统一且精确，避免各自为政。

ZP：从个人角色转变的角度来看，这段创业经历给您带来了哪些成长？

晓迪：我有三次角色转变，第一次是技术黑客，第二次是技术管理者，第三次是真正的公司管理者。早期作为一个创业公司，我们无法招募到特别有经验的人才，招了许多UCSD的实习生，把大家手把手培养成全职员工。最初大家都是摸着石头过河，主要由我和其他一两位工程师带领团队推进工作，我会直接参与关键代码的编写。渐渐地，我从技术黑客转变为技术管理者，这是第二阶段。随着团队规模的扩大，我不再亲自写代码，而是专注于带领团队做好技术工作，尤其是技术路线的选择。即使有些工作我能独立完成，我也会交给团队成员去锻炼他们的能力。

第三阶段的转变发生在2021年完成“Driver Out”项目之后。这个项目是图森的一个重要里程碑，涉及软件、硬件、算法、工程甚至运营，所有压力最终都集中在我一个人身上。完成这个项目后，我的视野发生了变化，我意识到公司的使命不仅仅是开发一项技术，还需要考虑商业模式的成立性，成本与收益的巨大差距，谁能解决这个问题，谁才能真正推动公司发展，打造出切实可行的产品。我必须成为公司的CEO，确保公司表里如一地向前发展。

03 再出发，定位Transportation as a service，以Cost per mile为纲去解决无人驾驶问题

ZP：一个非常扎心的问题，这次创业依然选择无人驾驶卡车方向，是因为执念吗？

晓迪：哈哈，每次提到这个问题我总是被太多人误解，必须要解释一下，许多人对我存在误解，认为我是出于赌气或者复仇，才继续做无人驾驶，实际上，我先前接受采访中说过一句话是：“我是一个没有感情的决策机器。”这句话虽然容易被误解，但确实反映了我处理问题的方式。我倾向于从第一性原则出发进行判断，而非基于个人情感。回到我的个人经历，我在做重大决策时，并非为了争一口气或证明什么。对我而言，创业的根本动力在于创造价值。正如徒手攀岩者Alex Honnold所说，只有在攀岩时，他才真正感受到自己活着。这种对生命意义的追求，也是我选择创业而非打工的核心原因。

第二是当时我确实考虑过多个行业。2023年3月初，我从图森董事会离职，因为他们决定进行一系列调整，包括放弃美国市场、转向中国市场，以及从L4转向L2。我当时潜在的方向包括具身、大模型，甚至有投资人说如果我选择做大模型，他们愿意立刻支持。但对于大模型领域我存在一些疑虑，如果一家垄断型大公司利用其平台优势，在其产品中整合人工智能工具，我是否能够与之竞争？例如，Google即使不采取特别行动，也能占据相当的市场份额；Bing搜索引擎仅通过与Edge浏览器绑定，就能获得大量流量，这种平台的影响力让我觉得，大模型这个方向有很多看不清楚的陷阱。对于无人驾驶，在图森的经历我踩过许多坑，这些经验是我创立新公司时的宝贵财富。但如果选择机器人领域，我可能需要重新面对类似的挑战。例如，我无法确定应该开发拧螺丝机器人还是叠衣服机器人。此外，我对未来10年内机器人是否一定要两条腿一直存有疑问。我对机器人领域的了解并不深入，在自动驾驶以外的领域，我的选择可能经不起推敲，如果三年后发现最初的决策错误，我可能会非常悔恨。相比之下，在无人驾驶领域，我已经证明卡车方向在技术上没有卡点，并且需要注重运营。这些经验教训让我在重新创业时能够避免重复错误，就像打游戏即将通关时失败，重新开始后，我对宝箱的位置和路径选择有了更清晰的认识。哈哈还有一点（创始人无奈自嘲），无人驾驶行业已经到了冰点，未来只会更好，不会更差。

ZP：所以您预期到了环境的艰难，但依然选择了这个方向。

晓迪：是的，2023年4月我开始融资，7月份完成，整个过程持续了三、四个月。那段时间的感受非常糟糕，许多投资人对无人驾驶领域持谨慎态度，认为风险较高。他们建议我转向新的风口领域，但我坚持第一性原则，我看到了无人驾驶的未来。我相信，明年无人驾驶的状况会比现在更好。

我对团队提出了一个关键问题：我们是否有信心在“内无粮草、外无救兵”的情况下，实现无人驾驶的商业化？我希望每位加入的成员都能认真思考这个问题。如果答案是否定的，那么请不要加入。我们通过在各个层面上的创新，极致降成本、极度重运营，将公司总部从舒适的加州迁至德州的休斯顿，每天看着卡车的实际运营。我相信，只要我们坚持这一路径，未来将是一片坦途。无人驾驶行业一定不存在一个10亿美金的中等规模的公司，要么你做得更大、要么就直接死——Go big or go home。我也提醒团队我们需要做好迎接三到五年苦日子的准备。这次我感到自豪的是，我招募的团队成员都是坚定的信仰战士，大家凝聚在一起，共同创造无人驾驶的未来。

ZP：您如何看待无人驾驶卡车行业的技术演变？在过去十年，技术上有哪些关键的突破？

晓迪：2016年以前是第一阶段，大家还是用传统方式去做，所有人都在挣扎和纠结的问题在于传统意义下能不能做到把每个物体都识别出来，这件事情本身就很难。第一次技术突破是Deep Learning带来的，进入到2016-2022年的第二阶段，Deep Learning逐渐普及，比如用Deep Learning做Detection、Recognition，物体的检测就不是一个大问题了。这一次进步相当于解决了温饱，于是人们准备奔小康，即出现各种各样的新功能，比如预测问题就变成了一个重要的Topic。

2022年之后是第三阶段，你会听到很多新词，比如End-to-end、大模型，其实是不是End-to-end其实不重要，用一个大模型去解决问题更重要，对我们来讲，此处的大模型就是Foundation Model，即多任务共享模型，不是必须上千亿参数才能叫大模型。而End-to-end是给我们的模型结构的设计上加了一个不必要的限制条件，即需要放弃一些非End-to-end的高级技术，我一直强调牛顿力学和交通规则这两件事是不应该用End-to-end去解决，所以我认为我们不应该认准一个Buzzword去谈论技术，尤其站在技术演化的角度来看，没有什么技术是像孙悟空一样从石头缝里蹦出来，都是站在巨人的肩膀上一步一步向前演化的，这是一个连续过程，我们应该怀着谦逊的心态看待技术发展。

在我看来，Foundation model这一波的进化在于，第一是Multi-task，能够用一个模型解决从Detection到Tracking再到Prediction的一系列问题；第二是Multi-modality，一个模型能够吸收多模态/单帧多帧数据的输入，比如摄像头和激光雷达的输入，都是基于一个网络解决的，可以有更多的计算资源让模型变得更大。所以在我看来，这个阶段是进入了无人驾驶的第三阶段。

ZP：站在今天的时点，希望实现Bot Auto的目标，还有什么技术卡点吗？

晓迪：其实我觉得没有，现在来讲很多无人驾驶公司能跑出来，甚至很多L2的公司现在也能很有信心去Demo复杂场景下的自动驾驶。技术分三种：Best Case最好情况、Average Case一般场景和Worst Case最糟糕情况下的系统性能，现在的无人驾驶技术在最好和一般的场景都已经被解决得很好，现在的重点应该在下限，即确保能够在人不接管的情况下系统仍能符合交通规则。这个问题是一个既包含软件、硬件、也包含对交通法规理解的复杂问题，它就不是一个狭义的机器学习问题，所以也不能幻想靠深度学习包打天下。狭义（机器学习）来看，新一代的技术在技术上限和技术均值上，有进步，但不是突破，而广义（工程问题）来看，系统的复杂度有了很大程度的简化，以及开发成本至少一个量级的大幅降低。

ZP：伴随生成式AI的迅速发展，您如何看待在无人驾驶卡车领域的潜在应用，能为这个行业带来哪些改变？

晓迪：这里可以先举一个例子，蒸汽机的发展不会让家家户户都会有一个蒸汽机，而是造成了劳动力的高度聚集，从而改变了社会结构。我认为狭义的技术进化带来的广义的组织结构变革，就如同蒸汽机对于社会结构的改变。从我们角度而言，在传统技术时代下我们做了很多人工标定。而LLMs的一大特点是模型需要足够庞大，没有公司能承受如此大的标定成本，所以大家会想其他办法做预训练，即采用多年来互联网所沉淀下来的人类产生的文字的训练方法，这件事可以被看作是开启了预训练的大门，这个技术在无人驾驶领域被低估了。其实在上一次创业时，我们花了很多钱去做标定，而LLMs给我们指明了一条路——可以通过大规模的预训练达到很好的模型效果，再用很少的钱去做Fine-tuning，我们把数据标定的成本做到了以往的2%。

Bot Auto第一笔关于人工标定的支出是在2024年3月8日，而在2月份以前我们公司没有花费任何一笔钱去做这件事，而23年底到24年初我们在做预训练，基于我们对LLMs的一些想法和思考将它迁移到了卡车上。所以我认为AI的发展一定会给各个领域带来大幅度的进步，但这种进步不是简单地把两件事情绑在一起，而是润物细无声的。这也是这几年我发现我们作为一个这么小的团队为什么这么能打，一方面是由于我们的团队团结且有经验，另一方面是我们在吸收所有的新东西，这才使得我们可以用更少的人和更有效率的组织去做更大的事情。

ZP：如果用一句话概括Bot Auto的定位，会是什么？

晓迪：回答这个问题，需要回到最基本的问题：如何做价值创造？而价值创造最好的体现是在Cost per mile的节省上，无人驾驶技术带来的必须是每英里的运营成本降低。目前公司的形态已被我精确的定义到，以Cost per mile (CPM)，即每英里运营成本，为纲去解决无人驾驶问题，所以我们公司正在做的是Transportation as a service。

ZP：Cost per mile，为什么这个指标这么重要？

晓迪：CPM的概念不是一个技术概念，而是一个商业概念，我认为这个概念会是在未来主导无人驾驶领域的根本概念。之前有一个指标是MPI（miles per intervention），即接管率，这里指的是只有“为保护行车安全做出的接管”才算接管，所以导致每家公司的标准差别很大，而且当接管率上升到一千一万英里一次的时候，就变成了小概率事件，是一个非常不稳定标志，所以MPI不能被用来作为评判一个公司是否可靠的标准。现阶段无人驾驶已经过了技术是核心问题的阶段，商业才是问题，即CPM，这是一个Benchmark且无法作弊的健康指标，让大家在此基础上有所参考和对标。

ZP：Bot Auto在尝试解决什么样的问题？目前这个需求是如何被满足的？

晓迪：重点说一下美国市场，因为美国是我们现阶段深耕的市场。在美国市场会有一些做微创新的公司，比如平台撮合类，即你那里有货物，我这里有运力，就可以用更创新（IT/自动化）的方法实现匹配优化，做一个信息差的中间商，在美国有很多小公司在做这类事情。在我来看这里确实存在明显的不对称，需求侧常年供给不足，这是美国市场的宏观规律，但从微观视角切人会发现很多公司会遇到在淡季没货可运，oversupply的问题这是目前美国市场宏观和微观的现状。如果有人想做宏观供给不足的生意，就需要在微观层面承受Oversupply的风险，这就造就了美国市场一个著名的行业潮汐——过几年一个卡车公司会有低谷期，而过几年就是高潮期。

无人驾驶应该担起的大任是供给侧的改革，值得注意的是，在美国没有很多年轻人开卡车了，一个原因是21世纪以后出生的人和老一辈人的心态很不一样，开卡车真的辛苦，导致现在人不愿意从事卡车司机这个行业的；第二是因为随着社会福利的提升，人们能够做的事情也会越多，就不会为了生计去选择工作。但从需求侧来看，对卡车货运的需求是只增不减的状态，比如以前货物采用铁路运输的方式一星期能到，而现今各大电商平台很少有如此长的期限，所以只能选择更为灵活的卡车运输，卡车侧的需求暴涨。美国70%的货物都是通过卡车运输的，而美国卡车司机的平均年龄是50岁，年轻一辈的劳动力又没有跟上，所以这个问题会愈发显著。

ZP：我们的客户是谁？这是一个多大的市场？

晓迪：这是一个8000亿-1万亿美元的市场，其中司机占了巨大的成本，所以肯定是一个大有可为的行业。在美国所有货物的70%都需要卡车运输，比如建筑材料、农副产品以及亚马逊的包裹。

ZP：我们的竞争对手会是谁？

晓迪：可以先讲一下我们的商业模式，在无人驾驶领域，有的公司会做出一套软件出售，有的人会做出一套软件搭配一套硬件出售，但对于我来讲，没必要卖给别人，我们自己就是一个卡车车队，因此我们的客户和其他无人驾驶卡车公司的客户其实没有太多交集。至于竞争对手，我们公司目前不存在真正意义上的竞争，因为这是一个长期需求大于供给的状态。在我们最乐观的估计下，公司也不会强大到在2030年以前把卡车司机的缺口补上。从经济学角度来看造成这种状态的原因是“规模不经济”，一个公司如果管理的卡车司机越多，涉及的事情就会越多，管理层级就越复杂，成本也就会越高，所以美国最大的卡车车队C. H. Robinson最多只有2万辆。很多运营形式是个人开一个小公司，拥有一个小车队，但出现的问题是信息不流通、维修没有经济效益等效率低下的问题。但公司太大，人员管理就会成为一大痛点。能对这种问题破局的，就是无人驾驶技术，这是一个规模经济的新形态。

从历史角度来看，最开始没有人做卡车无人驾驶，大家都做的是轿车。所以在2018年以前，大家还是对无人驾驶卡车有很多质疑，比如说为什么不去做一个更高大上的市场。后来，Robotaxi受阻，Robotruck迎来了春天，当时有三家相关技术的公司上市了（图森、Embark、Aurora）。市场的态度是钟摆式的，我认为有韧性的创业者不应该被钟摆的短期波动左右，看清楚自己的路前行就好。现状是其他类似的竞品公司都还在做Demo，也几乎没有人在公开领域把自己的CPM（Cost per mile）讲出来，这很遗憾。我接下来一两个月就会公开我们自己的CPM计算方法，因为这样做才能让行业有一个健康的发展方向。

ZP：客户核心关注的点是什么？

晓迪：客户其实不关注我们的神经网络有多厉害，他们的底层需求是能不能按时把货物运送到、价格是否合理、能否有长期稳定的运力供给。当然很自然的，如果我们的卡车车队无人化了，我们就能顺手做到很多人工驾驶公司很难做到的事情，比如实时监控车辆位置、确保货物安全抵达等免费的信息化服务。在定价方面，在早期无人驾驶的定价不应比人工昂贵，也不应该过于低廉，它需要以一种不扰乱市场的形式去赚钱。如果把人类司机的定价看作一条线，定价比线高，说明还没有达到产品化，如果比线低，说明在很长一段时间内无需降价。人类司机会越来越少，这是一个自然的置换效应。无人驾驶也会带来其他的工作岗位，比如随着无人驾驶运营中心的增加，在运营中心工作的劳动力的需求也会提升。

ZP：今年我们会有什么重要的Milestone吗？

晓迪：提前剧透一下，去年已经完成了白天和夜间点对点运输的Demo，今年我们的目标是把冗余系统做到足够高的完善度，在这个基础上完成一段较长时间的“Driver out”试运营。再往后一到两年，我们能在每公里运营成本上做到比人便宜。

ZP：Bot Auto的长期愿景是什么，2030年Bot Auto会成为一家什么样的公司？

晓迪：我希望我们的公司是一承担社会责任的公司。我们公司一方面具有内生性的价值创造机制，另一方面也有很强的正向外部性，我们要做的是一个“珊瑚礁”公司，即扩大市场，能让更多的人参与进来，而不是在零和游戏中你争我抢。如果我们能把物流网络做成基础设施，就具有了对于外部的拉动效应，我们就可以帮助其他人并给他们提供赚钱机会。回头看，阿里当年也具有平台式的愿景，“让天下没有难做的生意”，阿里养活了多少中小业主，通过构造外部的良性生态，也成就了自己的成功。现在我们有机会成为推动时代进步且处在物流行业变革的C位，这个时候的健康心态就是利他心态。

04 快问快答

ZP：您的星座或MBTI类型？

晓迪：双子座、INTJ、O型血。（ZP注：捕捉一枚创业路上自带“阳光滤镜”的乐观派创始人，实拍奉上～）

ZP：除了创业本身，您平时还有什么其他的兴趣爱好？

晓迪：我的兴趣爱好其实挺多的。首先是音乐，我特别喜欢重金属（Heavy Metal），我自己也是一名吉他手。此外，我以前还经常跑步，跑过半马，最好成绩是1小时40分钟。我还特别喜欢骑山地车，但也因此骨折过。虽然搞无人驾驶，但我自己一直开的是手动挡的汽油车，对这些东西都比较感兴趣。

另外，我还是个吃货，喜欢做中餐，做得还挺专业。我还喜欢喝茶、喝咖啡，对这些东西都挺有研究。我很热爱生活，如果没有工作，我的兴趣爱好可以让我一天只睡四个小时。

ZP：对您影响比较大的一本书？

晓迪：这个问题算快问慢答吧，应该是《三国演义》，因为里面有很多东西可以参考。小时候我喜欢诸葛亮，觉得他神机妙算。从高中到大学，甚至创业初期，我最喜欢的是姜维，因为他百折不挠，明知不可为而为之。当时我很需要姜维的勇气。后来，随着公司发展，面临越来越多的艰难决定，我现在最喜欢的是刘备。我经常以刘备来勉励自己，比如他面对曹操的进攻时，依然坚持做正确的事情。我也经历了类似的艰难选择，虽然知道无人驾驶是正确的方向，但也会被人背后议论。难归难，我还是要做正确的事情。刘备一直在做难而正确的事情，这给了我很多勇气和指引。以前觉得刘备怎么那么窝囊，天天打败仗，现在我也是连续失败两次的创业者，但没关系，无论成功还是失败，继续往前走才是最重要的。所以，要放弃小我，拥抱真善美。在这个点上，我很喜欢刘备，并且要向他看齐。现在，我的人生英雄就是刘备。

ZP：您平时最喜欢的播客？

晓迪：我特别喜欢两个播客，一个是《忽左忽右》，另一个是《半拿铁》，因为它们都具备相当的深度。比如《半拿铁》以相声的形式讲述商业史，通过将具体的人和事置于历史背景中，我们不得不以更长的时间尺度去审视这些决策，这使得决策过程变得更加清晰，这种历史感是我特别喜欢的，能够将其与行业、世界格局的变化联系起来，发现其中的相似性，历史是极其重要的，随着年龄的增长，我愈发希望从历史中汲取教训，避免重蹈覆辙。

Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的创业者访谈。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。

🚀 我们正在招募新一期的实习生

🚀 我们正在寻找有创造力的00后创业

关于Z Potentials

来源：一个数据人的自留地