话题一：

特斯拉 FSD 为什么牛？这个话题来自我们上期节目的观众留言。想听大卫聊聊 FSD 为什么牛，我看大卫你既然都被点了，我们就必须安排起来。

热点二：

最近有新闻流出，柔宇，一家做柔性屏的公司，发不出来工资了，我们这期聊聊柔宇折叠屏真的要凉凉吗？

话题三：

最后一起看看瑞幸债务重组起死回生，瑞幸这一年也经历了很多，今天就来聊聊瑞幸那些值得借鉴、讨论和参考的商业模式。

大小马聊科技，用毒辣视角，聊科技热点。

每周聊三个科技热点，我是小蛋泥，我是大卫，我是电动Emma。

小蛋泥：

我们先聊第一个话题，特斯拉 FSD 为什么牛？这个话题来自我们上期节目的观众留言。他说大卫有时间聊聊 FSD 为什么牛，要不就下期聊聊吧。我看大卫你既然都被点了，我们就必须安排起来。

按理说大卫你自己的公司就是做自动驾驶的，而且和特斯拉走的是完全不同的路线，我想听一下今天你准备怎么去吹一下友商？

大卫：

这个公司确实太厉害了，所以我会从头到尾给大家讲一遍，我不是从吹的角度，我觉得咱们还是从底层技术，尽量用浅显的语言给大家讲明白，那我可以开始我的表演了吗？

小蛋泥：

来，开始你的表演。

大卫：

我开始我的表演了，其实对于大部分人来说，这个 FSD 就等于自动驾驶，实际上不是的，我们还是回到这个 SAE 的自动驾驶分级本身。

无论从 L0 还是到 L5， FSD 本质上它的定义是一个比 L2 还要高那么一点点的，而且在英语的 term 当中，这个Full Self Driving，它不是一个很严谨的技术类语言。如果按照分级的严谨要求，应该叫做 level 几的 automation 就是第几级别的自动驾驶能力，然后每一个能力都有很多打勾的地方。

但是特斯拉它搞笑的点在于它不走寻常路。它说我不跟你靠拢，因为我跟你靠拢就容易掉到你那个分级的陷阱里。那我 L2 打了很多勾， L3 的功能有一些勾， L4 的功能又有一些勾，所以你说我是 L 几呢？我上到 L4，下到 L2 你自己去体会。所以就跟这个 Waymo这些公司真正做运营服务，它就是按照 L4 标准来做的，它是很不一样的，这个是首先大家要明白。

那其次说很多人都觉得自动驾驶 L2 和 L4 它有什么具体区别呢？实际上就是在这个 liability 里，我们叫做责任上。其实特斯拉它从来不为车主承担自动驾驶的责任，这个我相信二位也知道。就是说 L2 的责任在谁，驾驶员对不对？然后 L4 的责任才是在主机厂或者说这个技术的生产公司。所以这里面体现出来 L2 的技术它是做在方向盘后面的，而 L4 的技术它其实是做在后排的，这个做的位置不同也是能体现出它的级别和责任的不同。

对还有一个重大的区别，就是特斯拉是使用纯视觉技术的，这个也是它不走寻常路的主要点，我也会用三个阶段来给大家讲。那么我先对比一下特斯拉的方案，就是纯视觉。

那么 Waymo，或者说百度，或者其它所有做 L4 的公司，基本上都是基于高精地图和激光雷达。所谓的一个三明治的方案，上面有一个传感器，这一大坨传感器，一个大帽子，然后下面有提前测好的地图，所以实际上地图也参与到了很大的感知当中，但是这个方案就会导致非常非常的贵。

所以我也要给大家解释为什么 L4 的方案，像 Waymo 、百度这些方案它可以用得很贵，是因为这个商业模式叫做 Mobility as a Service（ MaaS ），就是出行服务作为一种产品，所以它其实不是卖车的公司，它是卖服务的公司。

那既然是卖服务，我就要保证每一单的服务质量是 OK 的，没有任何乘客因为我技术上的不足而受伤，甚至是没有乘客因为我技术上的不足而导致效率的不行，所以这个 MaaS 的服务就是要提升它的产品体验，然后技术的冗余度，然后它的鲁棒性等等，所以导致它的成本是指数上涨的。

那么对于特斯拉来说，作为一个卖车的公司，它把这个车卖出去就行了。其实很多人买特斯拉根本就没有刷卡去买这个 FSD ，实际上FSD 占的比重，它可能不超过10%。

Emma：

肯定不超过，我还专门问过特斯拉内部的人，跟我挺好朋友的，都说他们这个是最机密的信息，不可以说，那就证明卖得不好。

小蛋泥：

表现不好才当机密。我们之前节目也说了，不推荐大家在现在这个节点，在中国买 FSD ，毕竟你的 EAP 价格是32,000，对应功能还是有增加的，但是 FSD 现在卖64,000，但其实你真正能用的功能和 EAP 是差不多的。所以目前从消费者角度，我们不推荐买，但是咱不耽误聊 FSD 到底技术方面有多厉害。

大卫：

我会再告诉大家为什么这 FSD 特别适合美国，稍等，稍安勿躁。

小蛋泥：

现在 FSD Beta 已经在美国广泛推了，它会根据这些司机的信用，安全的信用等级给你推。我记得从上个季报来说，它已经推了有 6 万多人在使用这个 FSD Beta。

大卫：

OK 无论哪种方案，我们都是在技术上解决三个比较浅显的问题。

第一个是我周围都有谁，举这个例子：就好像把我一岁半的儿子丢到了野生动物园，他什么动物都不认识，我什么动物都需要跟他解释，这是因为他对这个陌生的环境没有认知。也就是说如果换到这个自动驾驶当中，一辆车对周围的障碍物，它怎么知道周围什么是大车，什么是小车，什么是交通灯，什么是车道线，什么时候是 stop sign 停止标志？什么东西是斑马线，这需要大量的数据灌到它大的神经网络当中去做训练，然后在车上的芯片再做部署，大家先浅显地这么理解。

那第二件事情就是我们所在的这个空间是如何被统一的？

就因为特斯拉它没有高精地图，那在没有高精地图的时候，路面的维度，障碍物离我有多远是很难判断的。但是我们人为什么在路上可以判断出他前后左右的位置信息呢？

是因为我们熟悉这个环境，所以我这里举一个例子：当把大家戴上潜水眼镜，丢到海里潜水的时候，因为我们对海是陌生的，你可能看到一个海带很大，但你不知道它距离你多远，你可能还看到一个珊瑚，因为视觉在海底被放大了，你很难估算出这个距离，所以这个时候你就懵了，你就不知道周围到底离你有多远。然后你往下看幽蓝海的这个深渊，你也不知道它有多深，这就是空间没有被统一起来。

Emma：

还有你也不知道这个东西是硬的还是软的。有很多时候出意外，就是一个垃圾袋从天上飘下来，然后它急刹车。但其实它是一个软的东西，我们人的眼睛就很容易判断出来。

大卫：

对，那第三个点就是时间维度，就好像说我看到一个交通牌，结果过了一段时间我忘了，就我是鱼脑子，或者说前面明明有一个红绿灯，但是有一个很大的车在你前面开过去，把红绿灯挡住了。这个时候作为一个鱼脑子的我，就说：怎么又多了个红绿灯？

就好像早年周星驰那个电影一个刀靶，一个刀柄，刚把那个飞刀扔出去，他给忘了，怎么我多了个刀柄？车也会这样的，所以当一个车，在没有高精地图提示的情况下，它刚经历了一个比如说提示牌，让你前面要 stop ，你走多远，你会把这个 stop 记住，然后不把它忘掉，这涉及到很大的，时间维度上的统一。

言而总之，这三个问题无论是 Waymo ，还是特斯拉，还是若干自动驾驶公司都要解决：

我周围有什么？

空间是如何统一的？

时间是如何统一的？

那么我们就跳到特斯拉的这个世界当中，为什么它是一个跟别的公司非常不同的产品。首先神经网络，这里我不再给大家做赘述神经网络是个什么东西，你可以理解为它有若干个卷积层，有 40 层，然后你丢进去一个图片，它最后可以给你出现一个图片的分割，会告诉你这图片的边界是什么，或者告诉你图片的属性是什么，它能告诉你这个东西是什么。但是我们周围的环境有太多的障碍物了，有太多的东西需要我们识别。

像我刚才讲的，无论是障碍物，大车、小车、行人、两轮车、三轮车，还有交通灯、交通牌、还有路面的车道线、路面的斑马线，如果每一个障碍物我都给它配一个专属的识别它的神经网络，那它对算力的要求会过高，就太高了。

所以这个时候，特斯拉就推出了一个，其实也是在业内不止特斯拉用，很多人都在用，就是一个大神经网络模型当中，我们把这个大的神经网络几十层，分为前中后三段，它有主干网络，有neck就是瓶颈，脖子这段的网络，还有头，这个头就是最后告诉你，它不同的物体是什么的一个归类器。

那么特斯拉这个大神经网络叫什么？叫 hydra 。

我不知道二位知道吗？hydra 是希腊神话中的九头怪物。

为什么叫九头怪物呢？实际上就是取了谐音。因为特斯拉这个 HydraNet 有特别多的头，每一个头是输出一个结果，但是它用的主干网络是一个。

所以这个时候的好处就是，无论你识别的是任何的障碍物，从行人到斑马线到车道线到交通灯，大部分网络的主干都是统一的。所以这个时候你可以把它理解为有 50 个小神经网络，这 50 个小神经网络的主干部分都统一了，只是在最后有一点点不同，所以这个就省了很多算力。

这个是一次它的飞跃，也是它的 AI 老大叫 Andrej Karpathy 是一个旷世奇才，然后也是人工智能大牛李飞飞的学生，他提出来的。

所以当大家在看YouTube 或很多国内的博主放出来这些工程图的时候，大家会看：为什么每一个物体上都带着一个数字？我相信 Emma 你也看过，有些人把 FSD 破解了，它上面会有各种标签，每一个标签代表每一种物体的属性。

然后每一个数字可能代表两种意思，一个是这个物体的 ID 信息，它到底编号多少？因为你前面如果有十个障碍物，你给这十个障碍物不同的编号，它是不会乱的。

好像一个美女从我前面走过去，然后我回头一看，后面有十个美女，刚才那个妹子到底是谁呢？有点摸不着，所以要给她编个号。就是那一号妹子从我前面略过了，然后她一直是一号，到我后面她也是一号，所以我回头看，原来白裙子那个是一号，所以这样就不会错。

第二个数字就是所谓的置信度，就是 confidence ，就是我有多大的把握判断前面这个东西是一个美女。即可信度。

所以这个可信度，不同的公司在调这个模型的时候给了不同的参数。可能有些人认为她 90% 以上好看，她就是个美女，给她归为美女了，有些人是 85% 以上好看就归为美女。但是到底这个百分之几十是怎么设置的呢？就是通过大量的数据灌进去。

比如说我教我儿子乔治让他认识这是个红苹果，我可能要拿一个卡片教他很多次，这是红苹果。所以他下次看到红苹果，他就会说这可能是个红苹果。

但是人的认知和机器不一样的点在于：人的认知叫非监督学习，我们所有人都是非监督学习。比如说我现在教一个两岁的小孩儿，他问我什么是大象，我会说它长得好大，有四个脚，前面有个长长的鼻子，有两个大耳朵，这叫非监督学习。在我没有给他看到大象图片的情况下，单纯靠我抽象的去描述，他差不多到动物园能知道那是个大象。

但是机器它叫监督学习，就是把大象从屁股到头，我给了一百张照片，各种角度的不停地给它做强化训练，这是大象。最后给了一个猪给它，它可能觉得 85% 像大象，但是我取了一个 90% 才能叫大象，所以这个时候这个猪的图片就被排除掉了。我这么讲应该是讲得很浅显了，二位一下子就听明白了吧。

小蛋泥：

关于大卫刚才提到的那个 Andrej Karpathy ，我其实找过他之前的一个讲 HydraNet

刚才大卫也提到了，它的神经网络特斯拉的一个演讲，我们到时候也会把这个链接放到文章最下方。

我稍微解释一下，有的时候大家可能在我们各个平台看视频，听音频的时候没有看到评论区置顶，这是因为有一些平台会有限制，无论是字数限制还是外链限制。所以大家可以自行去其他平台找一找这个评论区置顶，至少在小破站（B站“小丹尼本尼”），你肯定是能找到我们评论区置顶的。

然后大卫我有一个问题会可能相对来说比较尖锐一些。我最近也看到马斯克他上 TED 一个演讲，那个主持人就问马斯克，他提到了说我们之前不是老说特斯拉的马斯克他老吹牛画大饼，但是他有些饼其实是画的真正实现了，比如说他在 2014 年的时候，就预测特斯拉在 2020 年交付会达到 50 万，2014年时候也就大概交六七万辆车，最终他真的去实现了。

但是同样有一些饼就没有实现，而且相差还比较大。他当时也在五年前预测，说特斯拉在 2020 年的时候成功实现，没有人工干预的这种 FSD：从洛杉矶开到纽约，但其实我们都知道，实际情况还是差别很大的。别说从洛杉矶开到纽约了，开到内华达可能都不一定能开到，包括他现在其实 FSD Beta 版本已经放到一些车主上去测试了，其实还是会出现一些无论是撞雪糕桶也好还是出现这些 bug 。

刚才我们也聊到它的技术比较牛逼，但是你怎么看就说它现在其实还是有挺多问题的。

Emma：

我这里也补充一个，国外现在都有人在说，感觉这个 FSD 要做到马斯克承诺的那个时间，可能比人上火星的时间还要久。

大卫：

怎么说，从业内角度来说，我觉得已经算是速度很快的了。实际上这个 flag 当年立不是说他们公司立对吧，百度也立，16年我们还觉得 2020 年是商业化元年呢，今年都 2022 年了，所以实际上大家都在往后不断地推，而且是任何技术都有一个曲线。

刚开始是高歌猛进，到了一个乐观的巅峰，然后慢慢就会到一个失望的低谷，再回归到一个正常的平台期。

所以其实特斯拉现在已经回归到了这个正常的平台期了。那么这个正常的平台期，实际上跟这个网络就像我跟大家讲的 Hydra 也好，后面我要介绍的，都是在 2020 年中期搭建起来的，所以它其实现在是在不断地在收割技术的果实了。包括 Waymo 也是，等等都是这样的。

但是为什么在那个时候有些公司会吹这个牛，是因为这不是一个企业的问题，这是这个时代的问题。这个时代大家经历过互联网1.0、2.0的造富之后，大家认为三年就能上市就能创造巨额的财富，比如说像拼多多，比如说像游戏公司等等。

但是作为一个硬核的非常扎实的技术来说，实际上我们是要奔着十年以上去做的，或者少说要五六年，而不是说短期内就能造富。所以这个实际上是要把大家从当年互联网的那一波造富热情当中再拉回现实，包括火箭技术也是，还有我们后面可能要讲到的液晶屏、柔性屏等等技术都不是一个短期之内，就完全能从理论到工程化到产品化，还得市场化，你想哪有这么快。所以扎实和不扎实的公司实际上是有区别的。

小蛋泥：

那大卫你怎么看，我们都说特斯拉是纯视觉路线，包括它从去年开始已经陆续把它的那些雷达数据关闭不用了，别说激光雷达了，它包括什么毫米波雷达那些数据都关闭不用了，那你觉得特斯拉这一波操作靠谱吗？

大卫：

非常靠谱，且听我讲第二段。

刚才讲了如何在一个陌生的环境认识周围的障碍物，那么还是不够的。因为神经网络就是通过摄像头识别的神经网络，实际上它有个局限性，它看到的是二维的世界。二维的世界投影到三维的世界，是一个比较复杂的坐标转换过程。

然后这么多摄像头在一起，再进行坐标转换，实际上就会造成一些多摄像头拼接时候的畸变等等问题，所以早期的摄像头到三维投影这个技术就被淘汰了，实际上那个技术很多公司现在还在用。

那么特斯拉就引入了它第二次的，我自己觉得是人工智能当中一个革新，就是做了一个 Bird's Eye View 的鸟瞰图。

什么叫 Bird's Eye View 呢？我们看周围的世界应该是我们人站在了这个世界当中看到的周围，实际上从上帝视角把我们每个人拍扁了，我们这个人可能就是一个小点，周围的车就是个方块，所以每一个车和人等等都是先天带有一个位置关系的。

但是这个位置关系，吊诡的地方就在于，如果我把不同方向的摄像头都识别出来之后，再拼接在一个上帝视角的状态下，它就会不准。所以这里面 Andrej Karpathy 就把这个 Bird's Eye View ，简称 BEV ，做成了单独的矩阵层，装到了神经网络的中段，即装到了神经网络的中间，然后让它在神经网络识别之前或者识别的过程中，就自动把这个位置信息直接打标签打进去了。

这个原理我给大家解释一下：大家很多人画画的时候画过素描，早期我们这个摄像头二维的是怎么跟三维挂钩的呢？

画素描的时候首先会找一个水平线，这个水平线它发散出来，比如说一个方块，它发散出来，我一定是能画出立体的效果的，这个 Emma 你应该马上就能脑补出那个画面，就是你画素描的时候它是怎么做二维和三维之间投影的。但是这个事情对于很多很多个相机来说就不是那么容易了。

因为不同的相机要放在车身不同的位置，然后有不同的焦段，有的是广角的，有的是鱼眼的，有的是长焦的，那这么多摄像头放在一起，还要把一个障碍物精准的组合到一起，实际上就很难，还有很多的这种 corner case ，极端 case 是无法处理的。

比如说一个特斯拉的车，Model 3 就这么小，周围有一个大货车，长 20 米，等于说我从车头到车身到车尾都能看到这个车不同的段。那怎么把它拼到一起呢？拼到一起，这个车是不是真的是 20 米长在我右边的一个障碍物呢？可能就不是了，所以这个时候就出现了问题。这个时候 Andrej Karpathy 就引入了这个 BEV layer，加入到神经网络当中。

大家可以理解为第一次把空间维度直接丢到了神经网络的训练过程当中，而且这里面有很多的技术创新，比如说用了当年自然语义提取当中的这个 transformer 。

这个 transformer 本来是给语音做这个 feature matching 的或者 feature 的提取的，结果用到了图像上面，这也是当时它的一个创新点。

然后在这个 BEV layer 产生之后，所有摄像头的拼接，空间上就统一了，而且不用做后融合了，它在前端直接把每个摄像头的参数就直接统一好了。

所以这是它第二次革命，这个革命直接导致了它不需要依赖激光雷达和毫米波雷达，给它提供更加准确的 xyz ，就是三维世界的向量信息了，它用视觉摄像头就可以把周围的向量信息准确抠出来了，这个才是核心的点。这也是很多个人没有明白为什么特斯拉它有勇气取消毫米波雷达，而且它不用激光雷达。

实际上为什么要用多传感器重融合？

多传感器融合就是利用不同传感器的优点，激光雷达的优点在于它可以准确地判断周围障碍物的位置信息和它的三维信息。毫米波雷达的优点在于它可以判断周围障碍物的速度信息，而且是移动体，是比较感冒的。那这些在这个 BEV layer 当中都得到了解决，都变成了矢量化信息了，所以这个才是它第二次技术革命。

那么这里还有一个第三次的技术革命，也是我自己觉得最惊为天人的，就是它如何取消了高精地图。

二位有没有一个感觉，比如说我们到一个主题公园，到深圳的欢乐谷或者迪士尼，你刚开始看到一个摩天轮等等，你会说哇这个好酷，找不到北了，一个游乐园很大，然后你转着你自己就能定位出来，这个是过山车，那个是摩天轮，因为我们人在做定位的时候是不断的一个学习过程，而且人是有自我定位能力的，就是我不断地学习它跟我的方位，我差不多能摸索出来我周围的环境到底有多宽？到底有多长？到底是个什么状态？但是对于特斯拉来说，它没有这个高精地图怎么办呢？所以它需要引入一个空间的概念。

这个空间的概念就是我把这个车身的传感器，比如说这个组合导航，它的速度和加速度信息也一起丢到了这个神经网络当中，所以让这个车它知道他前后帧的匹配关系。

这个时候这个车走过一段路，它就知道刚才那些路无论是在空间上还是时间上它能串到一起，所以它能串出刚才路的整个周围地貌出来。所以这是一个创新，没有这件事情，它还是需要高清地图的。但是有了这个空间时序上的叠加，它就可以不用高精地图，直接把周围的环境给堆叠出来了。

而且你们在 YouTube 上看那些国外的车主在做测试的时候，会发现这些车道线经常抖动，然后开过去之后就不抖了，它识别到这些车道线，这个交通灯等等，它就不抖了。而且这里这个技术能规避掉很多 corner case ，比如我前面有一个红绿灯被一个大的货车挡住了，然后这个货车开走了，我继续看到这个红绿灯，我可以准确地定位，就是刚才那个红绿灯，或者周围的交通牌都可以准确地定位，它就是刚才那个交通牌，它不是一个新出现的交通牌，这是因为它在这个神经网络当中引入了时序的概念，也就是若干帧合成在一起，所以时间轴是很关键的。

所以我讲这个，就是给大家做一个科普，空间时间的概念引入到神经网络整个主干当中，是非常非常大的创新，这也是很多公司没有做到的。所以比如说像小鹏 NGP 它虽然是用视觉做自动驾驶，但是它必须有一个视觉高精地图给它做辅助。所以这种技术跟特斯拉本质上是有天壤之别的。

Emma：

我觉得你刚才说的就是那种技术的分析，其实如果纯粹从效果来说，我跟你也讨论过，比如说那种很牛掰的 4D 点云雷达，钱到位的时候，其实那个效果能做得特别好。

但是特斯拉它厉害的地方就是，它用纯视觉的这一套方案，能够让它在车上的硬件特别便宜，这样就卖出去了。

你像现在比如说它 Model 3 Model Y 热卖之后，它一个摄像头大概我听业内人士告诉我 70 块人民币，那你一个车里面 8 个摄像头，500多块钱就搞定了。

之前其实也说过，比如说你装很多那种多传感器的融合方案，装很多这种高新硬件，其实装得越多，坏的几率就越大。

大卫：

对的，而且融合本身是一个消耗算力的过程，融合本身也是考验我们鲁棒性和冗余度，会增加我们很多烦恼。我看 Andrej Karpathy 有一次在 Zoom 上做分享，为什么要取消这个毫米波雷达，他讲得很清楚。

他们现在的技术完全可以取消掉毫米波雷达。因为毫米波雷达它有个问题就是，它对金属障碍物敏感，它对移动体敏感，但是它的角分辨率太低了。所以你看在中国有些交通事故，我都是因为这个产生的。

如果一个车它在一个人行天桥下面，这个毫米波雷达在远处的时候，它是不能分辨车和人行天桥之间是有空隙的，因为它的角分辨率相对较低，或者说前面这个车是一个大白车，它停在隔离带附近，它不动，那毫米波雷达对于这种非移动体它也是敏感度比较低的，所以这个时候就需要各种 corner case 去匹配，去再做调试，就给主机厂或者自动驾团队带来很多问题。所以 Andrej 就直接说，算了不要了，我们只在神经网络上发力。

Emma：

对，它这样做的还有一个好处，你的车卖出去了，其实就可以有很多车主免费给你跑数据。所以我觉得它有一个蛮厉害的地方，就是它在AI day 的时候，公布了它整套的自动驾驶方案。我觉得即使是友商它有这套方案，你还是没有像特斯拉那么多的数据，你还是没有它这种像从视觉到向量空间这种完整的闭环去给你跑数据。

大卫：

马斯克的终极理想是他说的叫 photon to control ，从光子到控制，然后这个写在了 FSD 的 beta release 的文件上面。

然后大家觉得这是个玩笑，实际上这不是个玩笑，因为马斯克觉得目前的相机是通过光子，然后到了 CMOS 传感器，然后再到了 ISP做这个图像处理太慢了，为什么不用一个光子的照相机，直接把原始的真实世界的这个 raw data 直接怼到这个神经网络当中。

这个就是他下一次的创新。当然这个点太魔幻了，我不知道他能不能做出来，但我希望他能做出来。

小蛋泥：

我能不能这么理解，其实特斯拉我们都说它视觉方案，它并不是上来纯是搞这种摄像头视觉。它其实是基于比如说毫米波雷达的话，我查了一下，在 2018 年底的时候， Autopilot 数据积累已经到 10 亿的英里了，就乘以 1.6 就差不多 16 亿的公里。

然后在 2020 年初的时候 Andrej Karpathy 他演讲的时候也公布了，差不多两年多前的时候，就已经有 30 亿英里的 Autopilot 的数据，就差不多 48 亿公里的数据。所以它相当于把这些刀枪棍棒都使了个遍。

它其实自己也在测试那种特斯拉上面顶一个大帽子，用这种激光雷达的方案，相当于刀枪棍棒它都用一遍了，而且数据量又很丰富了，所以它就逐步地把这些砍掉，最终就使用它最顺手的。

可能大家看到它现在就用一个棍子，比如说就用这个摄像头视觉方案做自动驾驶，但其实是它都已经把这些武功都练过了，然后打了仗，打架次数也很多了，就相当于数据积累的次数很多了，所以最终选它最拿手的。

大卫：

它有一个训练服务器芯片，这个训练服务器叫做 Dojo，就是在日文当中叫“道场”。

这个“道场”实际上就是把它之前大量的数据，比如说都标注过的，标记过的，重新再用新的神经网络训练方法再滚一遍。

所以这里面我要回到最早的一个问题，就是为什么这个产品在北美，在美国非常好用，是因为美国从纽约到洛杉矶，大部分的路牌、路障还有交通参与者都是长得很像的。它不像中国，是从北到南，从东到西的这个交通告示牌、路标什么都不一样，它非常像，就可以大规模的部署了，这是一个比较好的点。

所以我相信特斯拉如果到中国的话，它会针对不同的省份，首先会先选择高附加值的省份，然后单独的再训练一下，再调一调。因为中国比如说三大城市东部沿海的这个北京、上海、深圳，交通参与者、交通告示牌等等，甚至红绿灯的长相都非常差异化，这个会给像特斯拉这种纯视觉的自动驾驶带来非常大的挑战的，所以还是要重新训练。

Emma：

我有一个问题：现在马斯克他是 diss 那种雷达方案的，那其中有一个原因其实就是因为现在还是很贵。如果有一天雷达方案它便宜了，而且这种多传感器融合它效果也很好的时候，特斯拉会不会还可以（把雷达）加在它的这个（视觉方案上）。

大卫：

如果是我在今年这个阶段再去想这个问题的话，我觉得不会，这个整个神经网络搭建，包括训练都是针对视觉的，实际上他的这个路径依赖也很强了。就像 Waymo 是不可能转到 Tesla 这条路的，Tesla 也不可能转到多传感器融合这条路，大家的路径依赖非常非常强了。

可能早年2015、2016年的时候，因为硬件也不行，软件也刚起步，所以大家互相的切磋，互相尝试都可以，现在已经完全不在一个路线上。所以我不觉得它会再用激光雷达了，当然也只有它能这么做。

今天我们虽然是个聊天节目，但这里有大量的技术图片，我们会在视频版本给大家都贴出来，我觉得这个东西可以当成一个科普的视频，让这些小朋友或者哪怕你是个汽车销售人员，你听完之后我都相信你，你特斯拉会多卖几辆。你把大卫这套操作直接拿出去，我的天，开玩笑么？

小蛋泥：

你不是前两天去试驾特斯拉的时候，正好那销售还听过我们节目吗？

大卫：对的，销售听过我们节目。

小蛋泥：

Andrej Karpathy 之前演讲提到一句话，我还印象挺深刻的，虽然比如说一辆 Waymo 的车，一辆特斯拉的车，比如说到十字路口时候，它都会停下来犹豫一会，然后再作出反应，但其实它们背后的逻辑差别很大，相当于 Waymo 他们用高精地图的时候，用的多传感器融合，然后基于很多历史数据去做判断。但是像特斯拉，它用神经网络，相当于它到路口的时候，每次遇到的都是一个新的情况。

就跟人走到十字路口，你要再看看车，左顾右盼一下，所以我觉得这可能也是他们的差别。

大卫：

实际上 Waymo 所有多传感器融合加高精地图的方案都有一种作弊的嫌疑，就是这个地方我要先跑一遍。而特斯拉这种车是可以部署到一个完全陌生地方的。咱们现在说的陌生地方是北美范围内一个陌生的地方。

所以这里面有很多涉及到神经网络的知识，实际上就很有意思，特斯拉的套路是把这个东西做得越来越第一性，越来越像人。而 Waymo 的套路是把它越来越像一个机器，像一个 terminator

所以这两种方案最后殊途同归，都能把我们从 A 点带到 B 点。

小蛋泥：

我看马斯克在TED 演讲上说，他希望在今年 2022 年的时候，FSD 全部部署到美国的时候，它这个水平应该比人开车的事故率要低，这是他的目标。但是他也说这个很可能被打脸，他说被打脸已经习惯，在明年的时候你再采访一下，看看是不是被打脸。但这是在美国的情况，但大卫你觉得在中国的情况会不会差别还是很大的？

大卫：

差别很大。这里讲两件事情，一个是交通参与者不同，一个是环境不同。说到底即使环境一模一样，交通参与者的不同也会给自动驾驶最后的应用带来巨大的差异。就好像美国和菲律宾的政治制度几乎是一样，那菲律宾人躺那睡觉，美国人多勤劳，这完全就不是一回事。

小蛋泥：

那你觉得假如对于中国这些买车消费者，反正开头我表明我的立场了，我不推荐大家现在买 FSD 在中国。

大卫：

我一会录完节目就去买车。实在太喜欢这个产品了。

小蛋泥：

那到时候等你测 FSD 的时候，看看反馈怎么样，我们之后的节目可以再聊聊。

大卫：

对，今天就把特斯拉这个 FSD 我先给大家讲到这，但是还有很多很可以讲的，比如说它的自研芯片，它的训练服务器道场等等，这个留到以后，让观众朋友们再挑。好吧，反正我们这个话匣子有很多技术可以挑出来，我就是那个哆啦 A 梦。

小蛋泥：

对，这以后可能成为我们常规项目了，就是点大卫，想听大卫讲什么，就点他。

像点唱 K 一样想要哪首歌，你给我唱一下，那 HydraNet 到底是怎么形成的？

好，那我们就到时候看看观众的评论反馈。

小蛋泥：

那我们接着聊第二个话题，柔宇折叠屏要凉凉？

其实最近大家也应该能看到一些新闻，柔宇，做柔性屏的一家公司，最近发不出来工资了。

其实上一轮融资都已经在差不多两年前了。

其实之前是一个非常明星的公司，在深圳，深创投其实也是重金投入的。

包括我看2018 年的时候，它的那个柔性屏手机发布会叫柔派真的是锣鼓喧天，鞭炮齐鸣，真的是把各路明星都请过来了。我看了有央视主持大咖，还有深创投的老大，还有新希望的老大刘永好，甚至都把凯文·凯利请过来了，反正当时真的是又有钱，声势又旺，但是这也就差不多不到四年时间。

大卫：

我觉得它点背，咱们从客观来讲，我稍后再给大家讲技术，先讲点它为什么点背，就是去年上市没成功，然后又没有办法在现在的环境海外上市，对于这种体量的公司来说，你的现金流不能保持充分，理想终归还是理想，我只能说它点背。

小蛋泥：

我感觉它不只是因为时机的问题，我觉得它的产品确实也有自己问题的。我其实是比较被动地尝试用了柔宇的手机，原因是什么呢？因为我们之前不是聊过那个Vertu

那个手机就巨贵。聊完了以后，我就买了一台那个 Vertu 的折叠屏手机

最低配的版本，不过也很贵，也几万块。然后有甚至卖了 8 万多块的，但是我是买了那个比较便宜的一款，就体验了这个Vertu手机。做这次节目的时候我突然发现，Vertu曾经和柔宇合作过，然后我又看柔宇的第二款折叠屏手机-柔派二代的时候，我看这个手机布局跟我的Vertu折叠屏怎么一模一样的。

我就具体查参数：包括它的摄像头参数，布局什么的，我发现一模一样，所以基本上可以肯定说这个Vertu手机就是柔派二代。

我们都不说像素级致敬了，基本上就是柔宇生产的， Vertu 它又相当于做了一些定制化的手机壳，屏保， App 什么的，然后卖贵个10倍。

所以我就被动地体验了一下柔宇手机，确实也发现它的手机还是有挺多 bug 的，包括我们看它的销量，柔派那个折叠屏手机销量也都不是很好，而且大家也都在投诉有各种什么这个黑点什么的。

大卫：

其实在讲技术之前，我想抛出来一个话题，就是柔宇这家公司到底是做一个三星这样的公司，还是做一个京东方这样的公司，这是有本质区别的。

我觉得如果它是自己做一个京东方这样的公司，只做供应商，可能不会像你有这样负面的反馈，因为它不会冲在前面。因为说实话，对于一个手机，对一个 pad 来说，它的体验不只是显示这么简单，还有它的人机交互，方方面面。但这不应该是一个像柔宇这样的科技公司去操心的事情，它应该把更多的精力放在屏幕本身。然后我之前看新闻，就是它怼了小米，应该是小米推出了一个折叠手机。

后来柔宇说，我们才是最早推出折叠手机的。实际上这就在我看来是很不明智的一个做法，因为小米可能是你潜在最大的客户。你把客户给怼了。

小蛋泥：

目前柔宇是既有 To B 的业务，也有 To C 的业务。我感觉它刚开始是想做这种 To B 供应商的，像京东方一样站在后台的这种公司，但是结果可能跟客户聊崩了，你看现在华米 OV 其实都不用柔宇的柔性屏，都是自己在搞这个折叠屏手机。

所以我觉得刚才大卫也提到 2019 年，柔宇的高管，先是副总裁站出来怼了一波小米，然后它的创始人也开始出来，叫刘自鸿，他也开始怼了一波小米。

我感觉反正也都谈崩了，那你又说自己是第一代折叠屏，那就开怼吧。

但是我是觉得怼的无论是措辞还是态度，都感觉不是像一个很大气，格局很高的一个公司。比如说他们的副总裁樊俊超，英文名 Jason ，他的这个原话说：“谁要不服就把产品拿出来卖，少瞎逼逼，不要在国际上像个缩头乌龟，而只会在国内炒概念，以假乱真，混淆视听，这样感觉真的很low 。”

反正他自己这个措辞也感觉挺 low 的。其实还有一个数据，我也大概研究了一下折叠屏的行业市场情况。其实在 2021 年的时候，折叠屏市场还是涨得很快的。

但是看这个出货量的时候，其实三星的折叠屏在全球还是遥遥领先的，占到 83.5% 的市场份额，其次就是华为9.4%。然后小米是排第三2.5%。

虽然是第三，但是相比第一第二，已经差很多了。而且小米出完那个折叠屏以后，其实大家的反响也不是很好，吐槽的也挺多的。

然后柔宇之前的手机更不行了，你有点菜鸡互琢的感觉。但其实人家三星还有华为的折叠屏做得是很好的。所以感觉柔宇既 ToB，跟这些华米 ov 都撕币了。然后另外自己的产品出来了，两代的手机反响又不好，所以这个是我觉得不只是时机问题，也是它自己的产品的问题。

Emma：

给我的感觉，柔宇有点像本来帮人家在幕后写歌的，后来就跟歌星跟明星都闹崩了，然后就自己走到台前去唱，然后发现嗓子还不太好。发现真不容易。

大卫：

说到技术，它确实有它的创新点，让我还是觉得眼前一亮的。

而且它也是一个不走寻常路的公司，就像特斯拉那样不走寻常路。因为实际上它的整个技术路线和目前三星、京东方、维信诺这些公司是完全不同的。

但是这个点也可能导致它一直在这个理论上做实践，出货量不大，包括量产能力上有问题，导致最后这些事情发生的。

Emma：

对，这里我也想补充一个小故事，如果你的那个技术是跟主流不一样的话，其实是有很大的风险的。我爸爸在 10 年前，也投资过一个柔性屏的技术公司，那时候应该是他当时个人最大的一笔技术投资，是一个硅谷的创业项目，当时也是非常被看好的。

那时的手机屏幕基本有两种形式，一种就是主流的那种电容式的，现在的那些折叠屏其实就是电容式的，它的特点就是是玻璃的，所以亮度很好，而且大家都用惯了。

然后我爸爸当时投的那家公司呢，他们的屏幕是电阻式的，不是电容式的，所以它缺点就是亮度没有电容式那么鲜艳，而且不是当时大家用惯的那种玻璃状的，更薄，所以大家一下子要接受这个新的东西，要花一点时间。

但它最大的优点就是这种电阻式的柔性屏，它能够在所有角度都被折叠起来。所以它跟那个电容式的比，就有点像行李箱和衣服的区别，你的行李箱就是咔一下，只能折叠一下，我们现在折叠屏也是，只能折叠那么一处。但是如果像衣服那样，你是那个电阻式的话，其实你就可以多重折叠，最后那个屏幕能被折叠得特别小。

大卫：

实际上历史上先进的技术被主流技术所淘汰也很多，像VMAX跟 5G 之争就被 5G 淘汰了，因为这里面还有一个工程上的触发路径问题。其实如果你的供应商整个产业链都是这样子，然后你突然跳出来，从材料到理论全是新的，有的时候生不逢时。

Emma：

对，还有一个就是本来我爸爸投资这个项目的技术优势，在车载的屏幕上面，当时是不能用很大的电容屏，因为我们那些燃油车发动机点火的时候会对这个电容屏造成很大的干扰，所以他就只能用一个小小的屏幕。

那当时他们那个团队就觉得，这个电阻屏就可以让这个屏幕更薄更大，因为不会像电容屏那样受干扰。结果很不巧的，就是电动车起来了，电动车不需要点火，就没有这个被干扰的问题。所以车企都在向电动化转型，就更没有必要买你这个，在解决一个旧问题的技术。

小蛋泥：

我看到一个网友的评论，我觉得特别好。他评论柔宇的那个柔派手机，说“个人感觉光凭屏幕技术去打手机市场有点蛇吞象。”

其实感觉折叠屏它就只是手机里头的一个（亮点），就有点像高刷一样，一个亮点吧，我们高情商的说法，确实折叠屏有自己独特体验，但它也只是手机的一个环节。就像那个 120Hz的高刷屏一样，只是主打这种屏幕能折叠的话，确实还不够完善。

那你们觉得之后柔宇科技会怎么样，包括它的这个独董就叫刘姝威，其实也是在个人公众号一直在呼吁政府，意思是说柔宇其实还是有这种从 0 到 1 的创新能力的，大家快来救他们。

其实像政府救企业这个事情我们之前也都遇到过，比较好的案例，就是合肥去救蔚来，但是也有不好的案例，比如说成都去救锤子，但是也没有弄起来。

大卫：

实际上这里面的点在于汽车产业，它是一个终端消费品，它能拉动很多上游。没错，而屏幕是个上游公司，它怎么拉动它的上游，它的上游就很少了。而且它不是个终端消费品。如果你说是一个深圳的知名手机厂，那可能政府还真的会出手，因为它带动了从电池到摄像头到屏幕等等相关的，但它就是一个屏幕。所以我把话说到这，大家自己做判断呗。

小蛋泥：

这点确实有道理，就像上海引特斯拉的话，肯定不只是引它一个品牌，整个上游供应链都给它带起来。

大卫：

对，它不会引一个什么米其林轮胎对吧，一个轮胎，它不能产生太大火花，但它引进了一个主机厂，这个是两件事情。

Emma：

而且这种一个点的这种创新，其实那个风头过了，就很难再翻身了。

大卫：

它这个技术叫那个超低温非硅制。

这里面有两个核心的技术点，一个是超低温，一个是非硅制。我今天就不把它展开讲那么深了，它主要是在材料选型上面有它的创新，还有它的制备工艺上面。

就是它这些材料之间的粘合，包括应力应变是比这个 LED 的像索尼三星这些做的这个要好的，它自己说这个可卷曲 200 万次。但是我不知道这200 万次是量产产品，还是这个实验室级的产品拿去做的检测，这个我也不知道。

小蛋泥：

对，反正我看刘姝威文章，就说了一些数据，说深圳市政府请各个专家去对柔宇考核，说它的投片良产率达到81.6%，就相当于生产出来的良品率比较高。然后抛出结论说要拯救柔宇，保持我国在柔性技术领域的国际领先水平。

反正我觉得这些话说的都还挺大，我觉得最主要的问题也是我之前提到了，它的这项技术没有被这些哪怕友商，或者是它下游手机厂商去用。

我觉得这个是最大的问题，就是它到底好不好，其实不只是看比如说良品率，更重要的是，我觉得最熟悉的人肯定是冲在最一线的。这些真正做折叠屏手机的人，他们都没有对柔宇这项技术很认可的话，那我觉得这个可能就是一个很大的问题。

大卫：

不只是手机生产商对吧，新势力为什么不用它的柔性屏，在车内做智能座舱呢？其实在珠三角找到 100 个下游公司一点都不难。

小蛋泥：

其实本来车内的这些柔性或者是曲面屏，比如说我们之前聊过凯迪拉克LYRIQ

包括Taycan，其实都是那种曲面的，还有奔驰EQS，正常情况下车企有钱，目前柔宇我是没看到它接到一个车企的车机的这些用户订单，那我觉得也是一个问题，相当于在这个比较新兴行业其实已经好几年了，都没有接到一个订单的话，那只是接到Vertu这种订单的话，其实是养不活的嘛。

大卫：

只能你养它了。

小蛋泥：

那我其实就帮大家踩坑，然后为做节目效果。

每期节目我们都会抽取一个评论，送上大小马神秘礼包一份，这次抽中的是铂霖II，他说“关于 4680 能量密度 5 倍这个地方的表述是错的。另外 4680 的无极耳设计也没讲明白，并不仅仅是充放电效率的问题，请重视。”感谢你的评论，也欢迎大家多多指正和给我们评论反馈，没准下一个获奖的就是你。

小蛋泥：

好，那我们接着聊第三个话题：瑞幸债务重组起死回生。其实我们选瑞幸话题也是有我自己的一点小私心。大家知道我在 B 站的视频，播放量最高的就是聊瑞幸的，就是靠瑞幸起家的，争议非常大。

原因就是我在差不多 2020 年 1 月份的时候做了一期瑞幸，当时瑞幸是非常火热的，各种店开得又多，而且我当时那集主要是分析它的各种商业模式，我觉得还是非常有价值的。

结果之后的几个月先是浑水做空，后来就是瑞幸爆雷，财务造假。结果大家就很嗨了，网友喜欢看这种打脸的，就开始在我的那个视频里各种留言，说终于看到小蛋泥被打脸了。

大卫：

你上次有没有写，说不提供任何投资建议。

小蛋泥：

投资建议这个肯定大家默认都知道。反正我还鸭子嘴硬，后来做了一个评论置顶，财务造假或者浑水做空这件事情都是不好的。但是我还坚持认为瑞幸的商业模式还是非常有价值的，哪怕瑞幸不行了，大家致敬它的商业模式去模仿的话，还是会有公司按照它的这个商业模式去起来的。

原因也比较简单，我觉得瑞幸它的这个商业模式确实弥补了星巴克在中国做得不够好的一些点，比如说咖啡这个品类，那星巴克都是卖 30 多块钱，我觉得还是会有一大批人，就是咖啡的爱好者，他是能接受比如说在 15 到 20 块钱左右价位的咖啡，而且他不需要在星巴克店里头坐那么长时间。

另外的话，还有关于外卖咖啡，其实 20 块钱左右能送到你家的话，还是能提供它独特的价值的，这个其实是我觉得瑞幸很重要一点。包括它的这个 App ，近两年翻身，其实也是靠一些它做新品的能力，大家比较熟悉的就是它的这个厚乳系列，还有什么生椰拿铁。

Emma：

还有一个其实瑞幸也是让咖啡走进了 23456 线城市，这个是星巴克没有做的。

小蛋泥：

其实让很多人知道，咖啡不只是一个用来装币的，用来拍照的。其实真正还是有一些用户，你只要价格压下来一些，然后方便一些，更符合中国人的口味一些，还是能培养大家喝咖啡的习惯。

大卫：

星巴克实际上现在面临很大的竞争压力，你像这个精品咖啡，就像阿拉比卡，

还有国内的这个什么 Manner，还有 M Stand，对它在手冲和精品咖啡市场的冲击力是很高的。

所以大家不会想到说，其实你看咱们喝咖啡这么多,好喝这两个字跟星巴克有关系吗？关系不大。

Emma：

还有一个我觉得还挺惊喜的，你们有没有发现，比如说像在一线城市有特别多的那种不是连锁的，但是特别精美的咖啡店，我觉得这个就跟我在欧洲看到的是很像的。

其实欧洲的人大部分是不会去星巴克买咖啡的，他会去当地的一些，无论是装修，还是咖啡的味道都很特别的地方，现在我们在中国也见到了这样的店。

小蛋泥：

对，是的。包括我去年在上海住过一段时间，就在大学路附近，我常去的一家咖啡就叫 Corner Coffee（Bakery），应该叫街角咖啡

旁边也有瑞幸，也有各种连锁的星巴克什么，但是我还是喜欢去它那个精品咖啡，咖啡确实好喝。就像刚才我们说的，其实星巴克咖啡你说好喝，基本上跟好喝两个字没什么关系。

大卫：

它就是方便，在各大商圈，流量入口肯定是星巴克。我前两天跟我们公司同事出差，然后找星巴克，问一个大娘，大娘估计没听懂我们在说什么，然后说星巴克它指二楼，我就跟我同事说，怎么可能星巴克在二楼，它一定是这个地方流量的入口，一定是这个大楼的门口。

反而从这个角度，蛋泥你看，瑞幸的这个选址都选到写字楼的大堂里面，也挺会找的。

小蛋泥：

对，它都是那种小门店。而且我看了一个数据，就是在 2021 年底年报的数据，其实门店已经达到 6024 家了，其中的自营门店是 4000 多，联营是1600多。

然后它6024 家这个数据，其实已经超过星巴克在中国门店的数据 5557 家了，这个还是很厉害的。

而且我看了它这个开店的趋势，它在爆雷的时候， 2020 年二季度的时候，开始门店下降，就从 5000 家跌到了 4800 多家。

然后它在 2021 年初又开始扩张步伐了，相当于这个从去年开始它的门店数就在一直增长。

而且它的亏损也大幅度减少，其实相对来说已经进入一个比较正向循环的过程了。所以可以说瑞幸已经缓过劲了，而且还是一个挺优质的资产。

Emma：

还有一个数据，就说起开新门店。其实咖啡店还有一个挺重要的，开新门店之后，一年后的那个存活率。之前瑞幸的那个存活率是比较低的， 2019 年一年后的存活率，新店存活率只有63%。

然后在 2021 年这个数据也是大大的提升，现在到了93%，所以证明它们在选址，在运营上面也是有了提升。

小蛋泥：

包括它的那个营销费用其实减少非常明显。我看 2019 年这个营销开支是8.1亿，到 2020 年就已经砍了一半，差不多一半， 4.6 亿。然后在 2021 年就是 3.3 亿，店越多，营销费用越少，进入一个比较良性循环。

还有我觉得它很厉害的一点，就是它其实带动了一波新品的风潮，比如说我们之前说的有各种的什么椰云拿铁，包括最近我看它还跟那个椰树出的椰云拿铁。

大卫：

广告界的Ganster，我从小喝到大，我的天，我看完这个标签我简直人都不行了。

小蛋泥：

然后我看他新品研发中心有 60 多名员工，累计推出了有 113 款的新品的 SKU , 我觉得这还挺有意思，我感觉这 60 多位员工天天就在那喝，什么搭比较好喝，比较符合中国人的口味。

Emma:

而且它其实整个的研发逻辑，你们觉不觉得其实它是想营造出那种咖啡味的奶茶，让我感觉有点像保时捷造电动车，其实它是想造一辆燃油车味的电动车。

小蛋泥：

对，就有点带咖啡因的这种美味饮品，椰汁奶茶什么的。

Emma：

它这个我觉得很有意思。因为如果你看奶茶店和咖啡店的区别，其实奶茶店反而是在那种二三四线城市，人头拥有的奶茶店是更多的。像咖啡店的话，如果它能做成奶茶味也更好让它打下沉市场。

小蛋泥：

对，比较好破圈。而且对于之前不太喝咖啡的人来说，有点像咖啡味的奶茶，这其实是挺好的一个拓圈手段。其实它之前也开发一些吃的东西，像面包什么。说实话不太行，它的那些配咖啡的吃的就很一般。

那它现在主要还是靠那种饮品去拓圈，这个也值得注意，包括他还带起了一些风潮，比如说生椰拿铁也火了，其他的各个品牌都开始做自己的那个生椰拿铁。

大卫，我听说你其实也认识之前瑞幸创始人陆正耀，现在已经被踢出去，我看开始开面馆了是吧，你能不能给我们爆料点他的比较独家的信息。

大卫：

我还等着找陆总拉投资呢。言而总之，其实他们这个团队挺逗的，从神州系出来，然后瑞幸、舌尖，其实大部分是一拨人。

如果你看瑞幸的人其实跟神州有着，不能说 100% 的关系，95%是有的。然后舌尖跟瑞幸的关系也是这样的。实际上我只能说陆总人中龙凤，一个商业模式趟出来之后，每一个都能复制。

实际上我觉得这个租车行业也好，专车行业也好，包括咖啡，它其实都是把最大的资产的留给了要做这件事情的人，而不是集团公司本身。

就比如说瑞幸咖啡跟专车司机，它的最大相同点在于都是要自己拿着钱，相当于说买了整个设备，然后当店长也好，当司机也好，然后靠份子钱去还。所以最大的资产已经剥离出公司的表了，而不是像星巴克那样，所有的店都是美国公司驻华直营，这是个超级重资产。

小蛋泥：

是的，这点也提醒我了，我看瑞幸财报，其实自己的那个门店是分为 Self-operative Store ，就是它自营的门店，还有Partnership Store，其实它这两年尤其在去年时候增长最快的不是那个自营门店，而是那种合作门店。我觉得他的路径可能是，刚开始先通过自营门店把水趟明白了，路打清楚了，之后开始资产越来越轻了。

Emma:

而且它的这个加盟店是不用钱的。所以这个就让它增长会很快。就普通的那些美甲店，你想加盟一下还要钱。

大卫：

对，你说多少人有一个当老板的梦想。

Emma：

但是你那个成本是很高的，你自己要租金，什么设备。

不用交什么那种品牌授权费，什么保证金，刚开始的那个冷启动的门槛低一些。

你还想听我们大小马聊什么科技主题呢？欢迎给我们评论留言，顺便点个关注，我们下期再见。