做自动驾驶就能多卖出一辆车？谁也不知道。但不做，可能又会错过一个时代。
撰文 | 宇多田
在吉利汽车技术日上，当看到展示橱窗里挂着「L4级自动驾驶」的标识时，不禁让人皱起眉头。
在自动驾驶落地艰难，收益遥遥无期，大小公司纷纷往慢速应用场景寻找出路的当下，技术公司们谈及L4乘用车也慎之又慎，转而向保守的车厂量产进度看齐。
「L4」、「乘用车」、「量产」……
如果在两年前把这三个词放在一起，我们还能竖起大拇指说一句「有气魄」；而现在，它们则变成了迷惑大众的「致命毒药」，对车厂亦是如此。
所幸吉利只是想炫耀一下自己的研发优势与技术进展，而一旦涉及到「卖车」，就连董事长李书福也多说了几句话：
「我们必须摒弃浮躁的功利主义。智能汽车的关键虽然是智能，但是本质上仍然是车，任何安全和健康方面的疏漏都可能让行业和用户付出惨重代价。」
让无人车跑上路是一码事，把无人车卖出去则是另一码事。当涉及到「风险转移」时，这件事的性质就彻底变了。
前者一个诸葛亮就能做到，而后者则是宋江与真假结义兄弟们的长篇故事。
为了把这两者区分开，吉利整个论坛几乎没提及自己的技术研发细节，而把Tier1、车联网、5G、边缘计算、云服务、单车技术公司等多个维度的技术人士都拉到了这次论坛的讲台上，只为了定义自动驾驶乘用车的一个特性——
安全。
对于谷歌，一辆车或者几百辆车出现了故障，直接开回总部即可；而对于车厂，涉及到技术或零部件故障召回动辄十几万辆，这无疑是个噩梦。
而这两类公司，也都会面临因一种情况而陷入无法翻身的境地——由无人车引发的致命车祸。
因此，尽管目前还没有人非常明确什么样的「技术叠加」才能让一辆自动驾驶汽车的安全系数达到最高。但无疑，越多的「安全冗余」，至少听起来会让人舒服。
只靠摄像头的智能单车或许安全行驶概率能达到70%，被马斯克骂傻子才会用的「激光雷达」或许能再提升20%，联网智能公路的「辅助监督」也许会再提高几个百分点，而5G一直被提及的低延时与高传输率特性，自然对安全来说有百利而无大弊。
5G自动驾驶联盟秘书长任大凯在跟感知技术专家的沟通中发现了一个很有意思的细节：
雷达和摄像头本身处理时延非常短，是一毫秒，但是它每一针之间间隔时间比较大；图像现在做得好一些，一秒钟做到三五十针，这中间都会有一些时间段的跳跃。
「假如就像很多公司所说的，全都放在车端去实现，对车的预算压力会比较大。
现在的车都是奔着向四化（政府报告称将四化解释为「电动化」、「智能化」、「网联化」、「轻量化」）去的，尤其是新能源车，车上的电很稀缺，如果车上有很多计算需求，它的耗电需求是下不来的。
因此，我们不要把复杂的计算放在车上，在车上更多是要做跟安全强相关的事，形成车路协同体系。
我们把本来放在车上激光雷达、摄像头放在路边去，在路边上通过这些摄像头，让它把信息采集给到5G网络里非常重要的一个点——边缘计算。
边缘计算是什么？就相当于放到了5G下面一堆服务器资源和计算资源。在这上面有非常大的预算能力，同时又用到5G低时延特点，5G时延大概是10毫秒一厘。
跟吉利等车企做的5G示范区，就是在搞关于这方面的测试。」
当然，以上还处于解决问题的阶段。
说的不厚道一点，假如基础设施与产品都变得成熟以后，吉利真要在未来要卖给我们一辆L3级自动驾驶乘用车（从L3级开始就对人车控制权有明确划分），结盟拉伙，出了事锅才不会全让自己一个人背。
「划归一起事故的责任问题，有几个层面。
第一，事故本身是谁的；第二事物最后到技术层面的问题。
事故本身还好一点，有保险理赔。
而如果是因为事故暴露的技术问题或者其他问题引发的后续维修问题，从数据上来说，传感器感知上的问题，实际上是决策的一些问题，到底是感知的问题，还是决策的问题，这并不是非黑即白的问题，一定要有一些法律来保障这些事情的确定。
同时我们基于这些结果，有相应的责任主体来负责把系统进行大规模修复。
很重要的是，这还需要各个生态合作伙伴的帮助，甚至是合作初期就去界定各自的责任范围，换言之，这是一个责任共担的问题。
我们共同享受生态的利益，享受利益之前一定要想清楚责任的分担，分享利益前一定要想到怎么样挨板子，挨板子甚至要比分享利益要想得更前面。」 腾讯自动驾驶总经理苏奎峰将自动驾驶汽车责任界定需要解决的问题阐述的简单明了。
因此，这与其说是一场传统车企谈自动驾驶布局、合作伙伴来站台的宣讲会，如果仔细思考台上各个技术分支大咖的身份与定位，这更像是一个各个新技术赛道帮中国汽车产业出谋划策的吹风会。
但是做自动驾驶，做车路协同，真的能帮吉利多卖一辆车吗？谁也不知道。
但是不做，可能又要错过一个时代。
而话又说回来，要做的话，怎么做才能不劳民伤财出事故，才是问题的关键。
在听完政府对自动驾驶发展的长篇论述而昏昏欲睡时，李德毅院士一上台就对自动驾驶技术展开的检讨和抨击让台下一下子清醒过来：
「我搞了十多年无人驾驶车，什么概念车、演示车、示范车拿了很多冠军，但是把领导请来了，大家试坐一下，然后皆大欢喜。
但是说到真的落地上，全球有自动驾驶车的量产吗？没有！全世界的量产没有超过50台。
有人把100台也叫做量产，传统汽车就笑，你们这叫量产？
对于消费者，自动驾驶车要给人实实在在的获得感，才叫量产。因此量产还是个‘无人区’。
实际上，我们才刚刚走出自动驾驶的科研探索期，正处于初级产品的孵化阶段，即使到2025年也可能只有万辆规模。
而我认为，自动驾驶汽车真正达到大规模量产，要等到2060年。
因此，我们人工智能工作者不能太着急，目前的首要任务仍然是解决可靠性及成本等各种问题。」
或许，从车企的角度去试着看问题，才是自动驾驶技术的正确解锁方式。
以下是吉利技术日唯一有自动驾驶创业公司参与的圆桌论坛，内容涉及当下围绕自动驾驶技术延伸出的各类议题，值得一看，机器之能做了不改变原意的精简整理：
问题1：人工智能在自动驾驶中大规模的应用，大家可能会联想的就是737的死亡俯冲，一旦决策系统是由机器完成的，那怎么样保证安全性？今天上午的演讲环节都谈到安全和可靠，传统的汽车行业和在技术前沿的科技公司在技术研发上手段方法存在着一些差异，下面我想请在这个行业的三位绝对的技术大咖谈一下，你们怎么看待自动驾驶的安全问题。
驭势科技CEO吴甘沙：737这个事情我们也做了分析，不说算法，就说这一件事本身体现出来的几个问题：
第一，它是靠单一传感器的，而且传感器的数值明显不正常，如何采信，为什么采信这样的数据，为什么没有冗余的设计。
第二是人机界定，机器做这个决策人是不可见的，人要干预这个决策，机器不让他干预，这里面就出现了很大的问题。
我们做自动驾驶，肯定需要有这样的敬畏之心，敬畏之心就体现在很多方面。比如说传感器是不是要足够的冗余，不能说算法特别好，只要一两个传感器就够了。
第二，我需要做人机的交互，任何一个地方出了问题，首先要保证安全，其次能持续的在一种降级的状态中，优雅的把这个系统交接给人。
第三，人机的设计需要考虑更多的因素，让交互的设计能真正的解决很多从来没有见过的问题。这需要大量跨学科的合作，才能把这个事情做成。
纵目科技CEO唐悦：这个事，川普说为什么要自动驾驶，找一个飞行员开安全多了，还有小笑话，说这个事最后甩给印度工程师了，说印度工程师设计不好。
这个事，我觉得其实有两个观点：第一，这不可怕，我们也不能一下子推翻掉人工智能，推翻掉自动驾驶，根本上讲推动行业进步是在改善我们的生活，使我们的生活品质更安全，我们要积极拥抱它。
但从这个事情暴露的本身来看，我认为要用严谨方法去做这个事，737这个歧视是非常低级的错误，如果有比较严谨方法去做，它不应该不会被找出来。
安全方面我们还是要予以尊重，汽车是安全性因素非常大的行业，还是要按照非常严格的安全论，对整个系统进行完整的分析分解，针对这些情况做出真正的好的设计，考虑多种传感器的冗余，不同传感器类型之间的冗余等等。
我们知道产品是在哪些边界情况下是工作，如果在它的工作范围之内可以检测出失效的情况，就能使系统有比较优雅的方法退化到人工接管的状态。
腾讯自动驾驶总经理苏奎峰：飞机自动巡航、自动驾驶是很正常，出现这个事情是工程开发过程中不合规范，或者是测试验证的时候没有覆盖到很多问题。
这个事件，对自动驾驶汽车来说也需要严格看待，尤其是车的行业里面积累了这么多年的严格的软件硬件开发流程体系，甚至针对与自动驾驶来说，需要制定更详尽、更完善的开发，测试、验证，来保证系统安全。
安全在自动驾驶里面是最低的底线，这个底线满足了以后才可以谈未来、谈理想，谈其他的情况。
从另外一个维度来说，我们解决安全问题还是要从各个维度去保证，一个泊车功能，也可以通过5G、通过端系统，甚至调度系统来实现，从各个维度去保证，才能保证这个系统的安全。
首先从方法论上要有完善的体系，我坚信所有的开发体系还没有足够完善到解决自动驾驶系统，需要大家各个行业甚至是更广的知识体系一起去努力。
另一方面，从各个角度解决安全问题，让它覆盖更多。
最后一个方面，也不能给自动驾驶系统或者是机器人系统做过高的要求，安全是安全，但我们更强调比人安全，而不能强调零事故，如果要对它做零事故的要求，我觉得多长时间都很难实现。
菜鸟网络科技ET实验室自身技术专家黄佑勇：从我们现在的视角看，飞机完全是纯端的很不可思议，至少当失效的时候我们可以采取一些措施，但在飞机上体现不出这一点来，我觉得是需要改进的。
联通智网科技有限公司董事长辛克铎：安全问题很有意思，可能与我们以前的经历有关吧，安全也是思考得比较多的议题。
天上安全和地上的安全不是一回事，我觉得自动驾驶的安全，如果解决不了安全的问题其他的都无从谈起。
我觉得驾驶安全比以前所有的问题都复杂，比如网络安全一般是指计算机相关的网络安全，还有一个安全是通信网络安全，现在还有隐私安全，还有国家层次的安全，这是很复杂的事，如果谈安全，既包括信息安全也包括功能安全的话，这是非常复杂，是立体性的，比我们想象的要复杂，要大家一起研究解决。
问题2：你们不造车，你们提供技术，如果车辆发生安全事故，你们认为责任怎么界定，谁来界定，这也是这个行业未来可能会面临的很大问题。这让我联想到Uber和特斯拉的事故，最后谁来背这个锅？
我们讲生态，实际上这个生态就意味着其实是有众多参与者来做这个事情，如果一旦不幸产生了这种安全事故，谁来背这个锅？
驭势科技CEO吴甘沙：这是一个生态，一旦出了事，是大家要去解决的，不能甩锅；
第二，当你有非常完备的数据记录时，甩也甩不掉，如果未来每一辆车上都装了非常可靠的黑匣子，非常完备的记录了车在行驶过程中的状况，最终还是要有第三方，有公信力的机构把这个事情分析出来。
第三，自动驾驶汽车不是完全零事故的机器，就算方法论设计得特别好，我们只解决了理想状态的问题，当你这个边界确定了，我确保在这个边界里面工作是正常的，但你永远会碰到没有见过的问题，所有它不是零事故的东西。
从社会来看，需要对这个新生事物有一个包容，它其实在减少大量事故，并且对社会带来很大好处的同时，也会造成一些事故，你不能过分的苛责这样的问题。
从商业模式来说，要把保险，其他的一些生态伙伴拉进来，使得最终确定了责任以后，你不会让一家车厂或者是供应商破产，通过社会的宽容，通过新的商业模式，保险公司的引入，使这个技术还能往前发展。
纵目科技CEO唐悦：这个问题我记得春节期间胡总跟我们有个交流，L4无人驾驶会带来具有挑战性的一些新的生态甚至是商业模式，比如保险等等。
我觉得，这个东西得一层一层来看：
第一，现在还没有立法，我相信未来会有立法，判断驾驶员出事和自动驾驶出事的责任问题可能还会有一些边界没有被量化。比如说突然马路边跳出一个人，那这个自动刹车是刹得住还是刹不住，如果人开车也是很主观的，究竟是人还是车的责任，多远没刹车是车的责任还是人的责任，其实这是没有完全界定和量化的，有一些事情是需要持续探讨的。
一旦有了界定以后，通过车上的黑匣子，我们可以判断是不是属于无人车的责任。
责任像洋葱皮一样，一层一层，最外面一层是车厂，然后核心系统的供应商，然后一层一层会转嫁到保险公司。
责任会是一个更大的、更本质的问题。我们有没有办法去分割探讨，不同的情况是不同的，把不同的技术整合在一个车上做无人车的，比如说特斯拉全部是自己做的，那责任就全部是这个车企。
另外一个车企可能用的都是供应商的，但供应商里面可能也有不同的供应商，有可能是车企跟供应商一起联合开发，将来责任的界定我觉得会是非常复杂的问题，取决于有多少个合作方，在中间能不能有办法相对清楚界定大家的工作范围和责任边界。
如果没有的话，通过更生态的方法去解决，如果有那就好办多了。这是一个非常有意思的话题，还需要通过时间和大家一起去摸索什么样是最好的方法。
腾讯自动驾驶总经理苏奎峰：从分析问题本身，或者说定位谁的责任问题，有几个层面：
第一，事故本身是谁的，第二事物最后到技术层面的问题。
事故本身还好一点，有保险理赔，而事故以后怎么解决因为技术或者其他问题造成大量召回维修的问题。
从数据上来说，传感器感知上的问题，实际上是决策的一些问题，到底是感知的问题，还是决策的问题，这并不是非黑即白的问题，一定要有一些法律来保障这些事情的确定，同时我们基于这些结果，有相应的责任主体来负责把系统进行大规模修复，这还需要在生态合作伙伴，甚至是合作初期去界定责任。
我们共同享受生态的利益，但享受利益之前一定要想清楚责任的分担，分享利益前一定要想到怎么样挨板子，挨板子甚至要比分享利益想得更前面。
高德集团副总裁、AMAP平台职业部总经理韦东：其实我们阿里巴巴在做自动驾驶，也有一些投入，现在看起来，安全真的没有绝对的安全，我们谈安全的责任问题，应该这么思考——
人打盹是按照个人来的，如果真的到了自动驾驶从概率来讲，它的概率会很高，但没有绝对的安全，从数据可以看得出是谁的问题，是软件的问题还是硬件的问题。
从安全来讲，我觉得无人驾驶，至少我能看得到的，我也很同意李院长上午讲的逻辑，技术上大家会勇敢的攀登、努力，但的确要思考它的现实性和量产化的问题，要把实际能落地的场景，比如说无人的物流车，特别是小区最后一公里，还有固定路线的公交，速度慢，比较可靠，基础设施比较好建，可以先把这些搞起来。
乘用车除了安全还有乘坐的舒适性，做无人车难受得想吐，速度很慢，那也不行。这些问题现阶段在中国，特别是今年的车展，好象真的没有多少人在谈无人驾驶了。
问题3：什么是中国特色的自动驾驶，有没有中国特色的自动驾驶这一说法。
武汉大学卫星导航定位技术研究中心教授刘晖：我曾经在美国用了比较低档次的驾驶，给我的感觉就是在国内，它的复杂程度要比国内低一些，而且随意变道的情况要少很多，所以就中国的车企来说，做无人驾驶和自动驾驶的话，可能要处理行车和非机动车辆的情况要更多一些，尤其是决策的算法，可能反应要更快速，而且要适应不同的场景，这是我个人的一些想法。
菜鸟网络科技ET实验室自身技术专家黄佑勇：中国2018年的物流，去年达到了500多亿，若干个第二第三国家的总合，无人驾驶在物流行业先做，这绝对是正确的，这也是中国特色，物流从末端、干线都有很好的条件。
联通智网科技有限公司董事长辛克铎：首先我旗帜鲜明的认为一定是有中国特色的自动驾驶，中国的场景不一样，中国法规不一样，中国的习惯不一样，中国政府推动自动驾驶特别是5G及大数据发展的力度不一样，中国发展路径、发展模式未来的管理模式也一定不一样。
这几年来不仅是在给车厂讨论、业内讨论自动驾驶车，商用车也好，乘用车，物流是商用车，其实跟城市也有合作，去年下半年我们发现跟政府的合作很多，谈了很多都是无人驾驶。
问题4：高精地图是进入L4必需，从高精地图来看，在这个领域，中国的高精地图跟国际同行之间有什么差别，格式上或者是形式上的差别。
腾讯自动驾驶总经理苏奎峰：说高精地图要说两个维度，对高精地图本身来说，在数据层面或者是数据的生产层面，我觉得没有本质性的区别，尤其是上了规模化的，无论是高速快速路还是城区的。
更深层次来说，尤其是从技术层面来说，我们现在所解决的高精地图还只是刚刚开始，还没有看到真正的覆盖到城市规模的城区的高精地图，甚至说现在没有非常可靠的解决方案，我们能低成本的做城区高精地图，今年年底可以做到不是特别大城区3D地图的定位技术。
本身在这个层面来说，应该会和国外有一定的差异性，因为你的城市环境、人文环境、交通环境完全不一样，你的要素也是不一样的。
另外，从地图使用层面来看，地图除了解决自己的环境描述、解决定位以外，它更多是做感知的补充，比如说一个静态的很小的物体，有了地图这一层，可以增加感知，同时也是在决策的应用，高精地图的使用在自动驾驶系统里面是各个维度的使用，甚至在控制系统里面也在用。
结合使用，结合地图的描述，一定和你的地域性差异很大。所以在跟国外的比较，差别是有的，从技术实现角度来说，也跟自动驾驶传感器安装也是有有关。
高德集团副总裁、AMAP平台职业部总经理韦东：从地图用于汽车的历史，因为它是科学地图，不像生活中用的生活地图，它叫科学地图，科学地图是要讲规范的，今天问题是汽车产业走了这么多年形成了一个特征，地图做出来并不是给人看的，是给机器看的，谁看，谁看得懂，就决定了地图到底采用什么格式。
汽车一百多年来，不像运营商通信，设备是很具有规范性的，它的供应商也相对比较统一。包括德国的BBA自己弄一套，他的供应商体系、硬件体系能识别这一套地图，可能中国就识别不了。
我们的确需要把地图从采集到生产，变成比较规范、标准格式的，能让设备读得懂，这是非常美妙的前景。
今天看，汽车产业，站在联盟角度想搞这么一个规范我觉得还是比较难的，更主要是车厂使用者，比较流行是德国NBS的格式，他是硬件厂商和软件来主导，就是我能读懂这些，你就按照这个来做，是这个逻辑。
武汉大学卫星导航定位技术研究中心教授刘晖：我来补充一点。电子地图对自动驾驶而言，作用是三个方面：路径规划，路径引导，电子匹配。
高精地图对我们而言就是车道的地图，就是划分车道，你要自动驾驶就必须要知道车道在哪，一个是靠卫星定位，一个是电子匹配。我们国家对高精地图有一部分使用限制的，这是需要车厂引起注意。
纵目科技CEO唐悦：这个问题跟上一个问题可以结合在一起回答，上一个问题是中国特色的自动驾驶，这个问题是中国高精地图有什么特色。
地图核心功能到底是什么？其实地图最核心的功能不是别的，是定位，你需要一个地图的时候，不管后面延伸的功能是什么，你都想知道今天在这个地图里面我在什么位置，传统来讲，手机上的地图我要从这个路口导航到另外一个地方。
有了位置的地位以后还有延伸的功能，比如汽车导航，就是知道你的位置，然后怎么样规划你要到的位置。
还有POI，更多我是想从自己的位置到POI的位置。
地图和定位是一个硬币的两面，中国自动驾驶和高精地图，我觉得会不会有一些不一样的地方呢，也许可以跳回来看，中国自动驾驶还有一些什么特殊性需求，如果我们有独特的自动驾驶需求，比如说吉利的爬行者系统，以及行业里很多同仁在做APP，这就是一个更新的市场。
在这些复杂的环境下怎么样做一个好的地图，首先精度要满足需求，另一方面有一些额外的怎么样帮你做更好的定位，以后还会有各种各样传感器的信息，有了这些信息以后，我觉得这也是做高精地图需要思考，对这些地方进行拓展。
联通智网科技有限公司董事长辛克铎：我分享一个数据，中国每十万辆车每年出现104起致命的事故，美国每十万辆死12个，人开车的时候出问题其实绝大多数是决策的问题。
现在做自动驾驶进入深水区，我们发现难点恰恰是从感知、定位跑到决策上去了，优步去年在加州报出来的数据，114起人工接管，其中跟感知相关的只有25%，跟决策错误相关的是46%，预测相关的是4%，还有19%是其他情况，把这些搬到中国来，决策碰到的问题会更多，因为我们鲁莽的行人更多，外卖、快递小个更多，我们驾驶员行为更不可预测。
问题5：前两天马斯克说自动驾驶根本不需要激光雷达，大家怎么看这样一个问题呢？为什么做车路协同，怎么样做车路协同，到底要不要激光雷达。
联通智网科技有限公司董事长辛克铎：我理解，是不是需要激光雷达，这个是一个老问题，其实我们想得比较多还是V2X的问题，这是一个共同的问题，讨论来讨论去也没有太大意思，一开始肯定是鼓励激光雷达的，但比较贵，未来网络有了，这些成本可以降下来，我个认为激光雷达是需要的，网络也是需要的，当然5G部署在哪里，先部署在城内还是部署在高速公路上，这也是我们考虑的事。
驭势科技CEO吴甘沙：激光雷达我认为一定要。车路协同我一直在想，还有没有另外一种思路，假设5G还是有的，路测端铺设备很贵，能不能做车云协同，车云协同一定程度上也能把今天的自动驾驶往前推一步。
举一个例子，我们做L3还是需要驾驶员在里面，这对物流来讲很不好，我本来是想省一个驾驶员，现在车上还是有两个。
L3当它需要切换的时候，不是说需要在车上有一个驾驶员，而是在云里有一个驾驶员，通过5G对它进行接管，假如说它已经降级在比较低速的情况下，通过5G，云端的驾驶员是能够对它进行处理的，它就变成了3.8或者是3.9的状态，还是需要人处理未知情况，但这个人不在车上。
未来网络情况更好了，这变成一种商业模式了，比如说美国人，美国开货车的司机成本很高，晚上不愿意开，我可以在东南亚请一些驾驶员在云里面准备接管，美国晚上东南亚是白天。这就是一个新的模式，它并不需要大量的去改路。
联通智网科技有限公司董事长辛克铎：大家想当然认为3G、4G、5G是一样的，未来5G不会像3G一样覆盖，未来5G是点状部署，是点加光纤部署的，没有5G激光雷达是必需的，并且成本很高。
纵目科技CEO唐悦：激光雷达是很有意思的话题，很多时候我觉得他的原话可能没有被媒体正确解读，或者比较直爽，会触动做自动驾驶的技术系。
我觉得大家多看一看，看马斯克上下文的原话，我们想一想他为什么要这样想一个问题，他反复表达他并不讨厌激光雷达技术本身，但是自动驾驶中他确实说了一句话，他说今天凡是依赖激光雷达的人比较笨。
他说今天为什么需要这么昂贵的传感器呢，而且一样有天气的一些问题。这里面反映出来的是他的思维方式，我觉得是这个看法，为什么有那么多人觉得他这个人比较极端，他的思考方式里面有两个东西值得关注：第一，他反复强调一个事情，我做很多问题是做第一性的思考。第二，他提到，摄像头在一些情况不管用，天气允许的时候我这个雷达是管用的。
另外还有很大不一样的地方，他是非常明确的产品导向的商人，我们做一个事情，他造车是非常明确的思考，是在怎么样的，包括成本、产量边界环境里做这个事情，在成本边界下，在今天这个时间点上，为什么说自动驾驶想要先落地，大量是APP。激光雷达因为成本的原因，因为大规模生产量产所需要的原因，第一时间就被人排除掉。
我觉得这是他的思考方法。如果再给一个时间尺度，激光雷达成本下来了，我想他绝对不会排除使用它。
很多做自动驾驶的企业，很多时候他们是在瞄准一些低速的应用市场，这个时候更多是技术导向，而不是产品的思考方式。
