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。
仔细梳理后发现，量产中的大多数问题都可以归结为“工程能力不足”。
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。
一．工程落地能力，是量产能力的重中之重 1. 如何衡量一个自动驾驶公司的量产能力？
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？
答案集中在如下几点——
A.量产经验。即你这套自动驾驶方案已经搭载在多少辆车上，并且这些车也已经上路了。
B.闭环能力。即你这套方案有没有形成一个完整的闭环。
C.供应链管理能力。其中，最重要的是确保供应商的交付能力，并在供应商面前有较强的议价权。
D.质量管控能力。即你有没有一套质量评价体系和评价方法。
E.召回率。即产品在交付后，出现质量缺陷的车辆占总出货量的比重是多少。
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。
G.可扩展、可迭代的能力。即你的方案要能响应供应商的需求，增加新的功能。
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。
2.工程落地为什么特别难？
工程，是一个跟“科学”相对的概念。关于两者的区别，有几个大牛的解释有一定的参考价值——
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。
在自动驾驶的量产实践中，工程能力经常集中体现为将有限资源的价值“吃干榨净”。
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;但真相是，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倒退。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。”
在约束条件下工作，工程师们往往承受着巨大的压力。
二．工程落地难的具体表现
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。
1.硬件层面的问题
（1）传感器和整车的适配难
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。
供应商们被折腾得疲惫不堪，而主机厂的整车布置工程师们也没轻松多少。
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。
（2）域控制器和传感器的散热难题
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，发现自动驾驶域控制器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，域控制器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个小时才将域控制器拆下来。
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。
至于激光雷达的散热问题，就更加显而易见。
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”会比域控制器高得多。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控制器还大。”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。
（3）车规标准不统一
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。
（4）自建工厂遇到的问题
自研的域控制器、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被迫自建生产线。如此一来，成本岂不是又上升了一层？
再者，自建的生产线需要通过主机厂以16949等标准进行的稽核。如果没有通过稽核，那主机厂就不会有信任感。
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。”
2. 软件层面的问题
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。
（1）需求不清晰
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。”
（2）需求超出实际能力
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。”
（3）各软件模块分开定点带来的问题
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？
（4）通信难度大
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。
（5）故障处理难度大
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。
（6）V字型流程，要不要遵守？
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。
但这样真的好吗？
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。
（7）“纯算法公司”生存艰难
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，他们真正能收回来的钱可能就100万多一点，剩下的那200万，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捆绑在一起，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。
3. 软硬件协同层面的问题
不同于传统车辆，自动驾驶车辆在工作中需要软硬件的高度协同，并且，硬件的变更也往往对软件提出新的需求。
（1）算法能否弥补硬件的短板？
某主机厂算法工程师提出这样一个问题：在某些场景下，若激光雷达的探测能力下降后，算法能不能进行“自动补偿”？
（2）架构设计不具备可延展性
如果一开始没有将架构设计好，后面要增加一个新的功能就特别难。
（3）硬件的差异化导致算法高度定制化
通常，算法公司都希望自己的产品能做成标准化产品，一个版本可卖给多家客户/多个车型。然而，事与愿违。
主机厂为了追求差异化，也为了追求供应链安全，不同车型采用的自动驾驶的芯片（soc）都不一样，而鉴于工具链不成熟、中间件难以标准化等原因，算法移植难度极大——基于A公司的芯片平台开发的算法，无法直接在B公司的芯片上复用。
甚至，激光雷达测距方式或扫描方式、摄像头分辨率的改变，都可能会导致之前积累的数据无法复用，算法也得被推倒重来。
在去年下半年的一次线下活动中，某商用车无人驾驶公司技术负责人说：我们现在，数据跟传感器是深度绑定的。比如我开始用A厂商的激光雷达采集数据，做点云标注，后面再换成B厂商的另外一种技术路线的激光雷达，那我原来花几十万元采集的数据都作废了。
对算法供应商（或主机厂内部的算法团队）来说，这意味着他们需要针对不同车型做定制化开发。
定制化开发意味着，每增加一个项目，你就得多招一批人；但万一哪天客户采用自研技术了，或更换供应商了，你这招的这帮人如何安置呢？
（3）软硬件分开定点导向协同难
主机厂的供应商管理策略通常是，将软硬件等不同模块分开定点，但这往往会导致不同供应商之间的协同性很差。
采用这种方式最令人痛苦的两点：一是这些组合在一起的软硬件公司在工程进度上很慢，他们需要不断地进行磨合；二是搞不清楚问题的源头，一旦系统出了问题，几家供应商之间互相踢球，主机厂往往不知道该让谁来解决。
也许，预集成（芯片、算法、传感器在交付给主机厂之前就已经被集成到一起了）是一个比较好的方式。但预集成的话，“项目经理”由谁做呢？预集成的软硬件接口由谁定义呢？芯片厂商的人担任项目经理吗，传感器厂商凭啥鸟他们？
实践中，主机厂往往指定一家Tier 1来担任“项目经理”的角色。但Tier 1也是满肚子的委屈啊——Tier 2是由主机厂“钦定”的，Tier 1并无法挣差价；但主机厂又不想承担责任，Tier 2的交付出了问题，主机厂仍会向Tier 1问责。因此，在很多项目中，自动驾驶公司都不想做Tier 1。
为了既解决软硬件高效协同的问题，又能避免上面的一系列问题，很多算法公司选择自研域控制器、中间件，域控制器公司也自研算法、中间件，中间件公司也选择自研算法、域控制器......
某感知算法公司决定自研中间件的理由是:很多工程问题都卡在中间件环节，但跟外部中间件厂商的协同很难。 但这个逻辑好像不太对啊，难道自己组建团队做中间件，难度就比跟别人合作低？
现状是，等于每家公司都在“无边界扩张”，战线拉得越来越长，进而离盈利之日越来越远。
（4）跨部门沟通的难度大幅度上升
某Tier 1的工程师说，在做底盘、发动机等传统汽车的零部件时，他们主要是跟内部的产品规划、质量、售后、测试等部门对接，但在做ADAS产品负责人或系统工程师的时候，为了了解到更详细的产品参数，除上述部门外，他还需要跟系统功能、硬件架构、ECU、传感器单元等相关部门的人沟通。
可以说，随着系统复杂度的上升，工程师们跨部门沟通的难度也大幅度上升。
（5）测试验证准则不清晰
某造车新势力算法工程师说：有些开发还没有将需求定义清楚，就直接交给测试部门去测。
像NOP这种的新功能在首次上线时，测试环节并没有现成的经验可供参考，有时测试任务交到他们手上，他们会直接问开发部门“这东西该怎么测”，这时，开发的同事可能也答不上来。
于是，测试部门的人明白了，开发部门自己都还没有搞清楚需求的边界在哪，“我擦，你都不告诉我标准是怎样的，我怎么去验证它合格还是不合格？”
（6）任务“没完没了”，工程师们疲惫不堪
某造车新势力算法工程师说：
“传统汽车的硬件产品，基本上，到了SOP这一步，工程师们的任务就算画上了句号，剩下的问题交给质量部门、售后部门就可以了；但自动驾驶来了之后，软硬件结合及在此基础上产生的OTA其实处于一个长期无法’结案‘的状态。
“SOP 1之后是SOP 2,基本上每隔一段时间就会有一轮新的迭代需求，这也导致整个开发流程非常长，而工程师们也会被搞得疲惫不堪，你的任务好像永远都没完没了。”
4. 自动驾驶方案与场景的的协同
这一条，主要是那些面向细分场景的低速L4公司的痛点。
对这些公司来说，在很大程度上，对场景的理解，是比技术原理更高的壁垒，谁对场景的理解更到位，谁就更有能力以更低的成本做出最合适的方案。
如易控智驾技术VP林巧向笔者介绍如何避免算力资源的浪费时说：一定要深入理解场景。比如，我们做面向矿山无人驾驶场景的算法，不需要像在公开道路上那样去预测前方会不会突然跑出来个小孩，也不需要去预测会不会跑出个小动物，这就让预测模块简单了许多。
但问题在于，大部分细分场景的L4公司都没法派出大队人马驻扎在现场去“理解场景”，如果真的如此，结果可能是天价——真正的、优秀的算法工程师、架构师实在是太贵了，如果以他们的薪酬来计算服务费用，所有的订单都是亏损的。
对于正常的AI企业，重头的开销本来是在研发上，可事实教育之下发现，更多的成本及精力其实耗费在跟场景适配的工程环节。
三．如何提升工程化能力？
无论对哪种类型的公司而言，要想在前装量产上有所作为，就得提升工程化能力。从笔者了解到的情况看，提升工程化能力的组合拳中主要包含了如下几项——
1. 由工程背景的人来带研发团队——研发和工程不分家
为解决技术人才工程能力普遍不足的问题，谷歌的做法是招很多动手能力强的博士来做工程人员，然后，让工程团队亲自下场做研究，研究和工程开发不分家——谷歌没有严格意义上的研究部门，所有开发人员遇到实际问题需要研究时，因为没有可以指望的研究部门做后盾，只能自己动手。
国内公司中，华为长期以来都强调专家“垂直循环”机制，即专家不能在一个岗位呆很长时间，要到前线作战去循环。在华为，一部分人在研发部门和工程部门之间轮岗，是常态（技术研发到工程研发居多）。任正非认为，“没有理论的实践，会在盲目摸索中经历数十次才能感觉到；没有实践，对理论就没有深刻的理解”。
某自动驾驶公司的高管称，他们在跟华为深入交流后得知，华为将研发部门的定位从成本中心调整为利润中心，如此一来，对研发工程师的考核都是按照利润中心的标准来的——不是看你发了多少论文，而是要看你开发的产品好不好卖，帮公司创造了多少利润；可以说，研发部门也要以业务为导向，那研发人员必然要时刻考虑工程化的问题。
同样，矿山无人驾驶公司易控智驾的策略也是研发和工程不分家，甚至，是让工程背景的人来带研发团队。
就这一话题，九章智驾近日跟易控智驾车辆VP、产品总监、感知算法专家、项目经理、整车EE工程师等多人交流后，总结出以下几点——
（1）组织架构中的工程导向
在2021年底的一场人才沙龙上，易控智驾创始人兼CEO Wason称，从一开始，他就没有把算法看得那么重，但对工程问题特别关注。
Wason说：“我们董事长张磊曾在宇通负责新能源及无人驾驶研发，并且也有煤炭相关工作经验，他在团队管理上就很关注工程化；第二合伙人林巧也是硬件工程背景，第三个合伙人也来自主机厂，车辆工程背景。可以说，我们的顶层架构就是工程导向的。”
易控智驾在组织架构方面的另外一个亮点是：公司内部所称的“工程部门”，特指负责无人驾驶运输运营、运维的部门，而负责将技术产品化的那些工程人才，都被划在“产品部”了；此外，研发部门占比人最多，但实际上并没有“纯研发部门”，大量的研发人才干的是“工程的活儿”。
在成立初期的摸索阶段，易控智驾基本上只能依据现有的技术水平做方案，但往后发现，工程现场的不少需求超出公司现有技术水平。因此，2021年之后，在董事长张磊的主导下，公司开始以现场的工程实践优先，技术只是为工程需求服务。
这个过程中，组织架构方面最大的变化体现在车辆工程部——之前，公司也有车辆工程部，但是挂在技术中心下面，但到了2022年，车辆工程部被独立出来，由一个专门的VP来负责。
之前，易控的技术人员以算法工程师为主，车辆方面，就是主机厂给什么车，他们用什么；后来，是跟主机厂联合开发，但发现效果也不及预期（毕竟，主机厂的客户很多，不可能在单一的小客户身上投入太多资源）；在车辆工程部成立之后，线控底盘及三电系统都由自己定义了。
（2）思维方式中的工程导向
易控智驾的总人数中，研发人员占比最高，但研发人员基本都是带着工程思维做事。
2022年下半年从主机厂加入易控智驾担任合伙人兼车辆VP认为，研发跟工程是一脉相承的，两者没有严格区分。“一定要结合场景及工程需求去做你的研发，研发的时候就要有工程化、落地应用的概念。如果工程都做不好，那怎么能称为研发呢？那不就建了一座海市蜃楼嘛？”
易控智驾前算法总监认为，在2016-2018年，掌握算法的人还不够多，那时候，最有价值的就是算法了，但现在，掌握核心算法的人其实很多了，算法已经没那么神秘了。实际上，具体落地中，在1000行代码中，真正核心的算法可能不到总代码数的10%，甚至不到5%，剩下的90%、甚至95%以上都是在解决各种各样的corner case，这都属于工程化问题。
在公司成立之初就加入的感知算法专家说：“我们的研发最终还是要体现在业务中的，因此，不能仅做纯技术研发，而是得考虑技术如何直接应用于我们的产品上。我所在的部门，在别人看来可能就是一个纯研发部分，但实际上我们也是偏工程、偏业务导向的。”
这位感知算法专家称，整个公司的思维方式都是工程导向的。因为，从公司成立之初，高层就反复强调“我们做的是to 大B的业务，因此，要以业务需求为导向、以产品为导向”，长此以往，一个以工程为导向的文化就形成了。
近日，在ICVS的论坛上，笔者偶遇了已在几个月前离职的易控智驾前算法总监赵博士，聊工程化的话题，赵博士说：“只有前期的Demo算是纯技术，后面我们更多的时间都花在工程化上。搭建工程化体系不像算法那么高深，但需要的时间很长，尤其是人跟人之间的磨合过程，没有捷径可走。因此，一个公司如果能在工程化上走在前面，工程化能力就会成为他们的护城河。”
跟工程导向高度相关的一个理念是结果导向。
关于结果导向，易控智驾项目经理举了个例子：
比如，很多公司都会说自己的无人驾驶效率已经超过人工，但我们很坦诚，我们认为，无人驾驶毕竟是一个运输工具，效率不能自己说了算，而是得反映到客户的作业效率中去。
如果只看运营市场的话，无人驾驶的工作时长是超过人工的（可以省去换班、吃饭、上厕所的等时间），但看整体作业运输效率的话，我们目前还不如人工。为提高效率，我们对研发工作做了很多分解。
（3）落地实践中的工程导向
易控智驾的产品经理说，在加入易控智驾之前，他在另一家公司负责矿山信息化解决方案的销售，很多时候，公司更多地关注自己的销售额和利润，而对这个东西对客户有什么用关注比较少。“于是，在方案设计的时候，我们追求的是大而全，但有很多功能华而不实，客户根本用不到。”
而现在，做工程运营，易控便得确保每一项工作都能发挥相应的效益。“你每做一个功能都要考虑它的价值点，我是能够帮客户提高零点几个百分点生产效率，还是能帮人家降低几个百分点的生产成本。那些看上去花里胡哨但对节约成本 提高效率没有帮助的事情我们都不做。”
这就要求全体的工程人员、产品经理对工程的需求非常了解。
易控车辆工程VP认为，矿山无人驾驶是个生产工具，用户就是希望用它来降本增效，没有像C端用户那样的“花里胡哨”的诉求，因此，他们会要更多地关注可靠性、故障率、维护的方便性及成本。
这位车辆VP说：
“有时候，为了防止一些小概率事件，自动驾驶公司会增加很多成本，但问题也没有彻底解决，而只是把性能从80分提升到85分，或者从90分提高到92分，从工程的角度看，这样未必有意义。”
“我们做研发，不盲目追求高大上，不需要花里胡哨但实际用不到的东西技术，好用就行，因此，做减法、化繁为简很重要。我来易控智驾的第一天，就把车上的零部件做减法，比如，将很多线束、接插件合二为一。”
易控感知算法专家说，在选择使用哪个算法模型时，他们更关注这个模型的可靠性和实用性，而不是它的先进性。“比如说，我们当前感知算法中用的深度学习算法模型可能还是三年前、四年前的，它的性能不是最好的，但可靠性是最好，那这个我们就认为这是适合我们的算法。”
聊到这里时，笔者有一些好奇：“这样做，有没有担心就别人会觉得你们的技术不够先进？”对方的回答是：“不担心。同样是一个成熟的、不那么先进的技术，别人不能把它用好，而我能用得很好，这就是很强的工程能力，这也是一种竞争壁垒。 ”
（4）研发人员常驻工程现场
易控的感知、规控算法等多位研发骨干长期驻扎在工程现场（矿山）。笔者甚至曾在三年前亲眼目睹了易控的多位算法工程师在矿车上改代码的情形。
这些驻扎在现场的研发人员，不仅是收集场景对研发的需求，而且，还会“亲自”上阵解决一些工程问题。比如，在土方挖采的时候如何布铲、车辆的运行中如何拟人化、待装载位的方案如何跟现场匹配、车辆的通行效率如何提高？
2022年7-8月份，在疫情特别严重的时候，原来的安全员回家后无法返回现场，而他们又无法招到新的安全员，然后，车辆点检等维保工作就没人做了，针对这些问题，易控的研发人员制定了很多 check list ，涉及到如下问题：复盘车辆的月点检、周点检、日点检怎么做，挡墙应该修成什么样，加油环节怎么做，整个过程中各种设备之间如何协同等。
在这些琐碎的细节确认完毕之后，他们发现，现场的安全员可以减少70%。目前，基本上每10辆车只需要3个安全员了。
从以上细节可以看出，在易控智驾，除了HR、财务等职能部门外，其他部门的人，不管名片上印的Title是啥，实际上都是在“给工程部门干活儿”。
2. 提高工程人才的地位
在软件算法背景的无人驾驶公司，要指望存量人才能在短期内补上工程化能力，过于“奢侈”。因此，行业内更常见的做法是，从工程能力更强的公司挖人。因而，博世、法雷奥、经纬恒润这些老牌公司也成为了自动驾驶工程人才的黄埔军校。
不过，光靠挖人还不行，工程能力还需要一系列的组织机制来保障。
前段时间，一位曾供职于英伟达的朋友在跟笔者聊起被业界广泛吐槽的“英伟达服务差”的话题时说：“英伟达做不好服务，有很大的必然性。因为，做服务的人，在公司里地位不高。”这话在理，如果一个部门的人在公司里拿的钱比别的部门少，并且受尊重程度也不够，那如何指望他们能乐呵呵地替客户服务呢？
同理，工程人才在加入自动驾驶公司后的诉求也会是：要么给我钱，要么给我权，否则，我就卷铺盖走人。
在自动驾驶行业，总体上，研发人才的教育背景、工作履历要比工程人才更光鲜，因此，在很多情况下，研发人才认为，工程人才应该崇拜甚至是仰视他们，他们还可能会以居高临下的姿态跟后者相处，甚至对后者提的配合要求有一些“不屑”。
事实上，有些算法公司面临的问题正是，好不容易从别处挖来了工程人才，但由于创始人和核心高管都是研发背景的，工程人才在这里没有实权，“说了不算”。因而，干不了多久就被逼走了。
孟子在《滕文公章句上》中提出了“劳心者治人，劳力者治于人”，大概科学就是“劳心”而工程技术则是“劳力”，可见，我们的文化中，工程人才的地位天然就不够高。 但要想留住工程人才，就得扭转这种文化，在企业内部建立起工程人才足够受尊重的企业文化。
很多企业的CEO都说自己很重视工程化能力，那么，你仔细想想，做工程的人在公司的组织架构中的地位是怎样的呢，他们每个月领了多少钱呢？他提的建议，受到重视了吗？
华为的经验值得借鉴。
据网络最近热传的文章《任正非在“难题揭榜”花火奖座谈会上的讲话》，华为将科学家的成长道路分成两条：一种是垂直往上走，为了科学理想爬“喜马拉雅山”，工资钱少一点，但是收入一定还是体面的；另一种是拿着“手术刀”参加“杀猪”的战斗，用你学到的本事，帮我们发现存在的问题，解决问题，产生商业价值，按价值评价也许钱会多一点。如果你认为钱拿少了，就拿着你的理论知识参加“杀猪”的战斗去，收入多少与“杀猪”产生的价值相关。
这意味着，在华为，同等级的工程人才的收入不会比研发人才低，甚至可能更高。
在易控智驾，前面说过，除CEO Wason外，仅有的三个合伙人（其中一位担任董事长，另外两位担任VP）全部是工程背景，因而，也完全不存在“做工程的人地位不高”的问题。
易控智驾项目经理甚至还说：“在易控，工程部门就是研发部门的甲方啊，如果甲方不用我们的技术，那我们做得再多也没有意义啊。”既然是甲方，怎么可能地位不够高呢？
3. 保持团队稳定
工程能力，是要靠积累的，而积累得怎么样，在很大程度上取决于团队的稳定性。
目前，整个无人驾驶行业的一个普遍情况是，大家互相靠加薪来挖人，有的就仅仅是靠钱来吸引人，团队的稳定性总体上很差。但易控智驾是一个罕见的例外。
易控智驾的感知算法专家自公司成立之初便加入，至今已经有四年半了，而跟他同时加入公司的另外3位同事至今都还在。
易控智驾的项目经理算上这个行业的老人了，在2021年10月份加入易控智驾前，他说先后在另外两家矿山无人驾驶公司工作过两年多。据他说，易控的团队稳定性要比他的另外两家前东家强得多。“我加入易控到现在也很快一年半时间了，据我所知，核心人员离职的只有一位。”
不仅如此，多位受访者均不约而同地提到，在易控智驾，员工的主人翁意识普遍比较强，很多人是真心为公司利益着想。“我们做事主要靠自驱力，而不是KPI。”
在笔者深入了解过的自动驾驶初创公司中，易控智驾在团队稳定性、员工归属感、团队凝聚力方面的表现，无出其右者。笔者总结出的原因有如下几点——
（1）招聘时避开“简历牛”，更关注匹配度
易控大量的技术人员是长期驻扎在条件艰苦的矿上的，在这种环境下，团队还能保持很高的稳定性，这首先跟Wason的用人策略有很大关系。
2020年3月份，笔者在跟Wason交流时，Wason提到一个观点：我认为做成事，不一定需要很牛逼的人。起初，笔者是将信将疑，但到了量产及工程落地阶段，这个观点得到了进一步的验证。
工程化能力，类似于日本的“工匠精神”，表面看起来“单调枯燥”，实则壁垒很高。能不能搞出好的创意，天才的“灵光一闪”很重要；但工程化能力，尤其是硬件工程能力，哪怕特别牛的人，也需要熬足够的时间才能“修成正果”。
在很大程度上，这个“熬”的背后是一种“忍受枯燥乏味”的能力。很多细节，你可能已经迭代了几十遍了，也没有实质性进展。所以，很牛逼的人，或者“自认为很牛逼”的人，反而很难具备这种能力；或者是，“不屑于”具备这种能力。
近日，在跟一位不久前从无人驾驶公司算法岗位离职转到金融行业的朋友聊天时，谈起转行的原因，笔者开玩笑称：“你这家伙，工程化能力肯定不行吧？我看你写长文章时那幽默风趣的风格，就断定你‘八成不是个工程化人才’。”对方竟然没有否认，而是哈哈大笑。
某互联网巨头在做自动驾驶时还遇到一个问题：内部有个类似于“研究院”的机构，自动驾驶部门就脱胎于这个“研究院”，这些从“研究院”出来的人都热衷于发论文、打榜，对工程化所需要的成本控制（如节省算力）、提升产品可靠性及运营效率等没什么兴趣。
一位主机厂的朋友曾戏谑称：“我发现，无人驾驶公司的算法人才基本上认为自己是‘摘星星’的，对量产交付中需要的工程细节问题，充满了不屑。”
实际上，九章智驾在自己的发展中也有过类似的体会——
2021年7月份，九章在招聘作者时提了个标准“有很强的工程化能力”，大部分人应该都没看懂这句话什么意思，但我们的咨询负责人刘嘉俊是看懂了——把极其琐碎的信息整理成结构化的、信息密度很高的文章或报告，并且还要将有限的素材的价值都“吃干榨净”，这个过程极度枯燥乏味，没有很强工程化能力的人绝对干不好。
而从我们实践的结果来看，也是那些履历最好也最聪明的同事最无法忍受一直干这种没有技术含量的事情——毕竟，他们完全有机会选择枯燥程度更低、薪水也更高的工作，干这种琐碎的事情，机会成本实在太高了。
实际上，一直有耐心做个“信息搬运工”，不断精进的，都只会是像笔者这种认为自己是个普通人、也甘愿做个普通人的人。
硬让那些对枯燥乏味缺乏耐受力的牛人去做工程，他们可能待不了多久就离职了。因此，要指望技术人才有工程能力强，在招聘的时候，就不能过分看重对方的简历牛不牛，而是侧重其落地能力。
Wason说：在很多牛人眼里，我们矿山无人驾驶是“比较 low” 的赛道，因此，他们根本看不上，我们得找更适合自己的人。
实际上，与行业里流行的从高大上的行业、明星公司挖一些有光环的牛人不同，Wason更喜欢从那些员工收入水平比无人驾驶赛道低、工作条件又比矿山无人驾驶赛道更艰苦的“寒门赛道”里选拔优秀的人才，这样，员工就有觉得自己的收入变高了、工作条件也改善了，获得感就比较强，因而归属感也比较强。
这话倒不是diss易控智驾那些工程能力强的朋友们“不够牛逼”，而是说，他们中的很多人不符合吃瓜群众的标准下的典型意义上“牛逼”。
无独有偶，去年年底，禾赛CEO李一帆在接受九章智驾采访时也提到，公司在进入从1到10的阶段后，对“牛人”的定义要调整——不能仅是简历牛，要看是不是足够务实、落地能力如何。
（2）招聘时很看重“我们是不同一类人”
在量产交付阶段，大家都是疲于奔命、焦头烂额，招人的时候，鬼才管他是不是跟我“三观一致”，只要他能对我的项目交付“有用”，就赶紧招过来；至于招这个人对组织文化是否有伤害，对不起，我现在还顾不上考虑。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。
上面这段话本来只是笔者的“凭空猜测”，但前段跟一个在产业一线的朋友聊起时，他“竟然”特别共鸣。“现在，大家面临的更多是如何生存的问题，根本顾不上有尊严地活着。”可见，很多公司的团队不稳定，从为了应付项目交付而降低招聘标准那一刻起就注定了。不过，这种问题并没有在易控智驾出现过。
易控智驾项目经理说，他们对新增人员是很谨慎的，“对候选人能力和素质的考察很严格，尤其是，在考核候选人跟我们企业文化的匹配度上下了很多功夫。”
关于筛选机制的严格程度，在2021年底的一场人才沙龙上，易控智驾CEO Wason称，可能要认识100个人，才能招到1-2个，“一定要确保招到跟我们自己的文化很接近的人”。
怎么判断候选人跟自己的文化很接近呢？其实很难，Wason说，没有捷径，很难通过一两次的面试就断定一个人合适还是不合适，“通常，我遇到的候选人，都是跟我认识一两年、双方沟通过很多轮之后才加入我们”。
Wason说，候选人不仅要跟他聊，还要跟他们团队的其他人聊。“聊得多了，他就知道我们的文化是怎样的了，他认可不认可，我们的人也慢慢心里有数”。
此外，据笔者了解，Wason对候选人的背调，通常不是委托给第三方背调公司，而是亲自做。Wason在行业里的朋友非常多，根据“六度人脉”理论，他很容易就能联系到跟候选人有交集的人，然后去当面交流。
当然，这意味着，招聘的时间成本极高。实际上，Wason的时间有60%以上都花在了招聘了。但从结果来看，这是值得的。“通过这种方式招进来的人，磨合成本才会比较低”。
（3）企业文化好，员工比较舒服
“您愿意留在易控智驾，最重要的理由是什么?”在这轮访谈中，九章智驾向每位受访者都抛出了这个问题，而每个人给出的答案中，都有一条是：我们的企业文化极好。
感知算法负责人说，在公司，大家做事都很专注，人际关系也极为简单，对他来说，这是非常理想的工作环境。
项目经理称，易控的整体文化比较扁平化，上层愿意放权，员工有足够多的发挥空间。员工在拿出方案后，可以积极争取资源，而上面也愿意支持。
项目经理说，在他所经历过的公司中，易控智驾CEO是最追求极度透明的，“他经常会给员工分享各种消息，包括融资进展、商务上的进展，也乐意分享他对行业的各种思考。这样，大家都能了解到公司运转的真实情况，所以会更有信心，更容易all in。”
（4）“团建”常态化
易控的大量员工，在过集中驻矿的经历。类似于军训一样，一群人在较长时间内呆在一个半封闭空间，又为着同一目标奋斗，彼此之间就容易建立起深厚的“革命感情”。
去年，笔者在朋友圈发过一段话：“在目标一致的前提下，一起加班做项目就是最好的团建。”多数人是不会认同这种“混账话”的，但如果企业文化足够好，多年后再回忆，必定如此。 要不怎么说“一起下过乡、一起扛过枪”的人感情最深呢？
一位年轻同事对笔者这句话印象深刻，后来有一次我们订加班晚餐的时候，她开玩笑说：“又要团建了。”从这个意义上说，为赶在节点前完成既定目标，易控智驾大量员工集中驻矿，就是“团建常态化”，长此以往，团队的凝聚力肯定就很强了。
（5）相信公司能成功、相信老板可以“共富贵”
要让优秀人才愿意长期呆下来，肯定不能光靠企业文化、团队凝聚力这些精神利益层面的满足，还得满足他们的物质利益，而物质利益包括短期的和长期的。
短期物质利益方面，九章智驾通过跟猎头交流得知，易控智驾的员工薪资要比同类型公司高出不少。
在优秀人才比较短缺的行业里，资历深的员工与资历浅的员工薪资倒挂是普遍现象，站在用人单位的角度，这是“不得已而为之”，但站在员工的角度，这算是“欺负老实人”。如果薪资倒挂问题长期不能解决，那些满腹委屈的老员工就会跳槽。实际上，跳槽已经成为涨薪的最有效手段。但在易控智驾，不存在薪资倒挂的问题。
Wason曾告诉笔者，他们如果发现给新员工开的工资比老员工高，就会主动根据市场价及时上调老员工的工资。
长期利益，则主要指期权/股票。
2021年底的一场人才沙龙上，好几个CEO都抱怨候选人宁可要现金，也不要股票/期权，而此后笔者在跟几个企业员工交流时也听到了“我只看现金，不相信股票/期权”的说法，但这次，易控智驾的多位员工在跟笔者交流时都表露出了自己对公司的期权“高度相信”。
这种“高度相信”，包括两个方面的相信：相信公司能成功；相信在公司取得成功之后，老板许诺给自己的那一份都能兑现。
“相信公司能成功”，在很大程度上也跟公司工程导向的文化有关。因为，工程导向容易让大家频繁看到公司在商业化落地上的阶段性进展。
易控项目经理称，他觉得，易控真是在踏踏实实地做事情，无论是无人驾驶运营里程数据，还是无人驾驶车辆规模数据，还是在效率提升上的阶段性突破，都会让他们这些一线员工很有收获感和成就感。“这又让我们相信公司的前景真不错，那在期权兑现后，我们个人未来的财富也比较客观。”
这位项目经理还说：“公司掌门人所打造的这种文化，能让大家相信这件事有成功的希望。”
相信“在公司取得成果之后，老板许诺给自己的那一份都能兑现”，则源于对创始人人品的高度信任。
长期驻在矿上的人，回家很少，他们对家庭是有亏欠的。在被问及“您是如何说服家人支持您长期在易控智驾工作”时，易控的感知算法负责人说：
“一方面，我是公司的首批员工之一，我现在做的这个事情可能是我这一辈子唯一的一次参与一个比较有意义的事情、经历从 0 到 100 这样一个过程的机会，对我来说，这是一份可以称得上‘事业’的工作。
“另一方面，公司确实对我们比较好的，没有亏待我们，我们该有的一些回报是能拿到的。公司的期权制度挺好的，我们相信，在公司取得成功后，我们的家人也能得到更好的保障。”
算法负责人的这种“相信”，让笔者想起另一个例子——
去年年初，笔者认识了一位Wason的前合伙人。当Wason在十年前做游戏时，他是Wason的合伙人；Wason后来做新能源汽车时，他还是Wason的合伙人；在新能源车公司关闭后，他去广州做跨境电商了，做得还挺好，但到了2021年底，Wason的一位朋友创办的无人驾驶公司缺人，找Wason推荐，Wason就想到了这位前合伙人，这位前合伙人在得到消息后，便很快把广州的跨境电商公司转手给别人，风尘仆仆地赶到了上海，支援了一段时间。
尽管笔者跟Wason认识多年，已经很了解他的为人，但这位前合伙人表现出的这种“脑残式信任”，还是让笔者大吃一惊。
不过，这次，面对这么多易控员工对公司表现出的强烈信任感，笔者不再惊讶了。
未尽之语
几个月前，笔者在哈佛商业评论上看过两篇文章《这个世界的领导很多，但真的有且只有7款》《看看这七种风格，你就知道领导者之间的差距有多大》，这两篇文章把管理者分为机会主义者型、外交家型、专家型、功成名就者型、个体主义者、战略家型、炼金术士型：
这七类是按管理能力由弱到强的顺序排列的，我们姑且称为从L1到L7吧。从笔者过去五年多的观察看，很多技术背景的自动驾驶公司CEO的管理风格属于上表中的L3，这类管理者的详细特质如下图所示：
从笔者的长期观察来看，这种个人能力强但管理能力差的“专家型”老板往往都是真正在“给员工打工”，因为，员工跟着这种老板干一段时间，学到了一些自己想要的东西，但看不到公司的前景在哪里，就另谋高就了；然后，老板再招一些员工，从头开始培养， 这些员工翅膀硬了之后又发现了老板的天花板，又走了...... 多年后，优秀员工一个个快速成长起来了，只有老板自己在原地踏步。
不过，通过笔者过去四年多对易控智驾CEO Wason的行为特质的了解来看（通过跟他们公司的员工、合作伙伴、他的前同事、行业里的朋友聊），Wason的管理风格属于L7（炼金术士）。
在看到这段话后，笔者算是彻底搞明白了为什么不仅易控智驾内部的凝聚力超强，而且Wason在行业里的人缘也极佳了。
虽然这上面这段话没有明确提到，但根据笔者的长期观察，“炼金术士型”领导者往往同理心极强。而Wason也是笔者认识的同理心最强的创业者之一。
三四年前，笔者一度非常纳闷，为什么萨蒂亚.纳德拉在《刷新》一书中差不多有25%的篇幅都在谈“同理心”，而不是“管理”；直到过去一年多，在比较了不少初创公司的内部组织能力都跟创始人/CEO的同理心“高度正相关”之后，笔者方才恍然大悟——
总体上，同理心差的创始人/CEO，跟团队成员是“长官”跟“下属”的关系，沟通方式是“命令式沟通”，遇到不同意见容易“恼羞成怒”，因此，优秀人才都会用脚投票，久而久之，只有“找不到更好下家”的庸才才会留下来；相反，同理心强的创始人、CEO，跟团队成员则是经常师生关系、决策者与智囊的关系、朋友关系，沟通上也特别坦诚透明，不仅决策失误率大大降低，而且，人才的归属感及“主人翁意识”也很强。
事实上，在人才密度比较高、并且人才也可以自由流动的领域创业，同理心正是“第一领导力”。
最前沿的电子设计资讯
