一年過後大檢閱： 自動駕駛威脅下的UBER
首先，UBER 係一間literally 不會閉門造車的公司，即他們不會打算開發自己的自動駕駛(AV, Autonomous Vehicles)系統，而係跟不同AV車輛的合作夥伴，他們是需求匯聚者(demand aggregator)
Google旗下的Waymo或Tesla Robotaxi、中國的百度等，或許擁有世上最先進的自動駕駛技術，但技術和營運是兩回事來的
正如在舊文寫過，自動駕駛車隊的營運不單是技術的問題，還包括在地營運方面，例如最重要的獲取顧客、較為次要的車輛清潔、失物認領等
今年二月推出的Uber Autonomous Solutions，反映Uber 目前的策略為加快AV夥伴的商業化時間
AV公司投入了大量資金，應該希望盡快回本的
另一方面，AV公司長於路面的技術，但未必認識客流和需求
Uber Autonomous Solutions涵蓋三大核心領域
基礎設施
用戶體驗
車隊營運
以基礎設施來說
數據豐富的專屬地圖可以令AV公司運用數百億次行程累積的數據，幫助AV改良接送地點、路線和預計到達時間，甚至能避開繁忙時間特定路口或應對突發封路
Uber 目前仍有專門收集數據的車隊，這就可以協助AV公司訓練他們的模型
用戶體驗方面
Uber Autonomous Solutions憑藉共乘和預約搭車的經驗，可以提高AV車輛的使用率(這方面會在後面詳細探討)
而且行程當中，顧客可能出現問題，但AV公司未必有經驗和客戶溝通解決，Uber也提供已經成熟的客服網絡給AV用家
最後就是車隊營運
這方面涉及個別汽車的即時狀況，營運商可以決定是否需要人手介入。必要時例如惡劣天氣，Uber更能調動人類司機
由此可見，Uber的策略係透過深厚的路面營運知識，加快AV車輛的大規模落地，有助他們加速商業化進程
對於AV公司威脅的常見講法，包括AV公司會自行推出App，完全排除Uber此類中間人，然而仔細一想，這個想法(至少在短期)站不住腳的
Uber 擁有的龐大需求密度（Demand density) 與調度演算法，能讓 AV 發揮最大效益。需求密度簡單地講，就係指在指定時段指定區域內有多少人想叫車。我們可以想像在5-6pm的非假日時段，中環需求密度高；相對地深井的需求密度就較低了
AV如果出現在需求密度低的地方，只會原地空轉，對於投資大額金錢的AV公司來說無疑係浪費
Uber就在最新的Autonomous Vehicles Spotlight分享單日非繁忙時段需求可能只有繁忙時段的 5%，星期一的需求也通常只有星期六的是45%，如果 AV 公司獨立營運，提供固定數量的車隊，就有可能在繁忙時間唔夠車，接唔到單；但在非繁忙時間，車輛就會閒置
Uber強調AV+人類司機的 hybrid network，可以解決到這一個問題，把AV作為base load supply，即係一個基本的供應。當有人call車時，系統會先調派最接近的AV。當需求在日內因各種突發事情而激增，系統就會調派人類作為補充，AV 公司就不需要為了應付短暫的繁忙時間而盲目購買大量備用車輛，精簡他們的成本
Uber的調度演算法也令到唔會有過多的AV派去客流不足的地區
從數字上也可得到證明，例如Uber 25Q4 Earnings Call就有分享：
we’re seeing AVs on our platform at significantly higher utilization than kind of 1P stand-alone platforms based on the publicly available data in that trips per vehicle per day are 30% higher, ETAs are better as well.
就是說Uber平台上AV利用率，比AV公司自家平台的利用率要高30%，預計到達時間(ETA, estimated time of arrival)也更快
Uber過去也曾分享過在Austin 的AV每日完成的行程次數，超越了當地 99% 的人類司機
(自從開了Paid Tier，我都希望給付費讀者多一點價值，其中一個想法是一些更新的文章，付費讀者可以先睹為快，見到更多的內容
所以大概這個更新的UBER分享，付費讀者會率先看到全部內容，免費讀者大概可以看到一半。付費之後你會看到UBER對AV公司的價值、被顛覆風險、送遞及廣告服務、一些值得留意的指標，以及我的估值和部署)
(希望大家能訂閱支持有心機的寫作 ，對花時間研究、寫作及維持質素作出肯定)