无人机只占难题的 15%

原标题The Drone Is Only 15 Percent of the Problem

Zipline 首席执行官 Keller Rinaudo Cliffton 谈:为什么是卢旺达的血液配送,而不是一架更酷的飞机,打造出了全球最大的商业自主系统。

SGSarah Guo主持 · Conviction
频道
No Priors
发布
2023年2月20日
视频
50:12
阅读
15 分钟
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

在 No Priors 节目中,Zipline 联合创始人兼首席执行官 Keller Rinaudo Cliffton 对 Sarah Guo 说,客户真正购买的东西里,飞机只占约 15%。其余部分是一家完整的物流公司:它几乎因为服务卢旺达的一家医院而夭折,之后发展成他所说的全球最大商业自主系统。贯穿始终的是极致的务实:尽早向客户收费,把自己当作会犯傻的人,并且不要把慈善和一套能服务 60 亿人的单位经济模型混为一谈。

  1. 1Keller 对产品做了一个直白的拆分:飞行器本身只占复杂度的约 15%。他认为,大多数机器人和自主系统公司至今仍未意识到这一点。
  2. 2看到 Kiva 那些橙色的仓库机器人之后,他断定,总会有人为仓库之外的场景设计一个 Kiva,而那家公司会改变世界的样貌。
  3. 3一名工程师提出了一个他自己也称为“蠢”的方案:靠听声音来探测其他飞机。团队想证明它行不通,却两次失败;四年后,它已经带着监管许可在飞。
  4. 4麦克风便宜、几乎没有重量,而且能 360 度收听——这是唯一适合一架约 23 公斤(50 磅)的电动飞机、又必须能在云层中工作的感知方案。
  5. 5在已经签约的合同上,Zipline 计划在 2023 年把飞行量提高 400%,一年内完成的自主配送,大约是公司成立以来全部配送量的两倍。
  6. 6非洲业务并不是慈善:几乎每个配送中心都实现了毛利率为正,而这正是一套方案能够覆盖 60 亿人口的唯一途径。
全文

按章节阅读完整文稿

01

一位攀岩选手、曾做 DNA 计算机的人,认定物流值得他投入十年

Keller Rinaudo Cliffton 在 No Priors 节目中对 Sarah Guo 说,他的人生道路很曲折。大学期间,他做出了由 RNA 和 DNA 组成、能在人体细胞内运行的计算机,目标是造出能在细胞层面识别癌症的分子医生。毕业后,他当了一年半的职业攀岩运动员,之后又迷上了机器人技术。他说,学术实验室做出了很酷的技术,但几乎没有人能把它做到足够可靠,让数百万人真正依赖它。

团队对机器人了解得越多,就越觉得物流是合适的方向:枯燥、重复,却正合适。而他们对物流了解得越多,就越清楚这套系统只服务于“黄金十亿人”,也就是地球上最富有的十亿人,对其他人则做得很糟。他说,每年有 550 万儿童因为无法获得基本医疗用品而死亡,而世界却假装这个问题无可避免,或者情有可原。如果他们要打造一套新的物流系统,既自动化、又零排放,还要快十倍,那他们希望它是第一个平等服务所有人的系统。这个愿景后来就成了 Zipline。

他们并不是一开始就做这个。Keller 的第一家公司 Romotive,起源于他们没有工作,于是把机器人放到 Kickstarter 上众筹,卖出了价值 15 万美元的机器人。在当时,这对他们来说是一笔巨款。他们在 Tony Hsieh 位于拉斯维加斯的公寓里组装机器人;这位 Zappos 的创始人十年前与他住过同一所大学宿舍,后来成了他的导师。这些机器人是激光切割的亚克力底座,可以把手机夹在上面,用来教孩子编程或做远程临场。人们买来以后,过了一两个月就把它们放到架子上。家庭并不是受控的环境,叠衣服也不是重复性任务。

那段时间,Keller 认识了 Kiva Systems 的创始人。这家公司的橙色仓库机器人,后来被亚马逊收购。他的反应很直接:总会有人为仓库之外的场景设计一个 Kiva,而那将是一家改变世界的公司。这个想法很简单,执行起来却很残酷;而他们为此需要投入十多年,他现在称这个估计是低估了。做了十年,他说他们大概只完成了 1%。

02

卢旺达卫生部长叫他们别多说,只管送血

医疗物流是一个经过算计的首个用例,并非出于感情用事。推出一种全新的实体系统,意味着单位经济模型、监管和技术都很难,而医疗在每一个方面都有帮助。客户的需求显而易见,付费意愿也更高,因为一次配送可能救一条命;他们还可以和卫生部长一起去见航空管理机构,主张关乎生死的利益足以证明承担一些技术和监管风险是值得的。医疗至今仍是 Zipline 的看家业务,占全球配送的大多数。

Keller 坚持说,他们当初并没有聪明到知道该送什么。2016 年,他们告诉卢旺达卫生部长,要覆盖每一家医院、每一种医疗产品。她看着他们说:“闭嘴,只管送血就行。”她并不完全相信他们,但还是给了一次机会:一份政府合同,负责向 21 家医院送血。她逐一向他们解释,血液为什么是物流上的噩梦。50% 的输血用于产后大出血的母亲,30% 用于儿童。品类包括血小板、血浆、冷沉淀和浓缩红细胞,还要区分 ABO 血型和 Rh 因子,而且保质期千差万别:冷冻血浆能保存一年,浓缩红细胞冷藏可保存 30 天,血小板在室温下只能保存六天,并且还得持续晃动。

他们答应了,还以为送血会很简单。结果它差点把公司拖垮。头一年服务这 21 家医院异常艰难,直到后来,这张网络才扩展成 Guo 这次访谈所讨论的那套系统。第一课是:切入点应该由客户来选,而不是由创始人来定。

03

配送的体验应该像瞬间移动,而不是盯着无人机看

Keller 把这款产品形容为瞬间移动:任何医生、护士或医务技术人员,只要在手机上按一下按钮,就能让产品被送到他们的 GPS 坐标处。它应该让人觉得神奇、几乎即时到达,并且无论什么天气、24 小时都可靠。在这个按钮背后,Zipline 现在服务全球 3000 家医院和医疗机构,预计 1 月底前还会有 20 多个全球配送中心投入使用。

一份订单先进入备有医疗用品的分拣区(血液优先处理),然后交给飞行运营团队,进行飞行前检查、装载和起飞。这里没有跑道:飞机通过弹射起飞,回来时则靠一套看起来像航母阻拦索的系统降落。飞机自己飞到目的地,下降到约 30 英尺高,既不着陆,也不停下来,然后用一个简单的纸质降落伞,把包裹投进一个“邮箱”里。这个“邮箱”是地面上想象出来的矩形,大约两个停车位那么大。

飞机返回后,更换电池,大约两分钟之后就能再次升空。配送中心原本是按每天约 150 架次设计的,头三年,这个数字感觉像是白日梦。现在,有些中心每天的配送量超过 300 单。六年过去,在它运营的国家里,Zipline 已经承担了几种关键医疗产品的大部分配送。Keller 称它为地球上任何类型中最大的商业自主系统。

04

看起来很酷的飞机,只占客户真正买单内容的 15%

Guo 一口气把整套技术栈列了出来:固定翼长航程无人机、硬件、软件、传感器、自主能力、天气应对、面向医生的界面、医院系统对接、空中交通管制,以及配送中心的运营能力。Zipline 在 2016 年于卢旺达上线时,团队大约只有 20 人。他们曾自欺欺人地以为,只要有一台很棒的飞行器就够了。Keller 说,飞行器只占解决方案的约 15%,而他认为,大多数机器人和自主系统公司至今仍未意识到这一点。

客户并不在乎机器人有多酷,甚至不在乎它有多强。他们只关心:产品能不能 24 小时全天候、超快、可靠地从 A 点送到 B 点,快到能救一条命。幕后还有给监管机构用的空中交通管制软件、计算机视觉的飞行前检查、不起眼却必不可少的数据记录(每架飞机都会产生 1 GB 的数据,必须上传,并用来让飞行器更可靠),以及探测与规避系统,让飞机彼此之间、以及与其他飞机都能保持距离。

最初并没有什么总体规划。在加州 Half Moon Bay 完成测试后,他们以为自己已经准备好,可以在卢旺达任何天气下进行全国规模的运营。他们原本预计两周内就能接入第一家医院,结果花了九个月;这九个月里,他们只服务一家医院,而不是 21 家,并且常常熬通宵。他们从来不是规模最大、资金最充裕的玩家,西雅图一家大型电商公司正在投入数十亿美元做类似的技术,但他们远比其他人务实。他们直接闯进真实世界,要求客户立即付费,不找任何借口。Keller 说,把第一版产品交到付费客户手里,是一次非常令人谦卑的经历。

他们原以为会致命地困难的地方,往往并不重要。他们在一套同步运行、两两互备的飞控计算机架构上投入了大量资源,直到今天,Keller 也不确定他们究竟有没有用上它。真正伤害他们的,是那些不起眼的细节:数据记录;第一架飞机上用了 43 种紧固件,今天只剩两种;在装包和起飞之间,要让 GPS 足够快地锁定定位,而整架飞机都得围绕这个问题来设计;还有,他们把前 20 架飞机空运到卢旺达之后,电动机内部出现了分层。那一年幸存下来的文化,如今仍在近千人团队的新员工培训中讲授:假设我们是笨蛋,因为这种假设被证实的次数,往往比相反的情况多。

05

天空比道路容易上千倍,直到你必须听见另一架飞机为止

面向技术听众,Guo 问,AI 与商用航班上已经装备的自动驾驶仪,根本区别在哪里。Keller 的回答有些反直觉:空中可撞的东西并不多,所以高空的自动驾驶问题,比公路上容易“一千倍”。不过,无论哪个领域,难的感知问题(比如孩子在车前跑过、另一架飞机飞得太近)在人类安全水平上依然没有解决。但天空很大,Zipline 可以在不先解决前沿计算机视觉问题的情况下,实现跨国规模的运营。

真正给他们启发的,是特斯拉的路数,而非 Waymo 的路数。特斯拉推出的是它认为极其简单的产品:把电池装进汽车然后卖出去;而 Waymo 押注在全自动的登月式项目上,在它真正能用之前,一样东西也不卖。Zipline 走的是特斯拉的路:先推出一个简单的产品,赚钱,学习,然后再逐层叠加自主能力。其他无人机配送公司选择了登月式的路线,花掉了数十亿美元,却一个客户都没有服务过。如今,Zipline 在数据、对问题的认知,以及对客户愿意为什么买单的判断上,已经领先很多;公司每个季度都在整合新的自主能力,其中包括一套正在接受美国联邦航空管理局(FAA)认证的完整探测与规避系统。

在美国的空域里,无人机没有优先通行权,必须避让所有人,而它们往往看不见别人。应答机在技术上是强制要求的,但通用航空领域的合规率很低;Keller 警告说,即便是人类飞行员的目视规避,也极其糟糕。要求是围绕飞行器的一个“两英里冰球”,也就是一个感知圆柱体。激光雷达(lidar)和雷达都很重、耗电高、价格昂贵,而且视野很窄;在一架约 23 公斤(50 磅)的电动飞机上,每一克载荷都很重要,雷达的视场角可能只有 30 度。摄像头更轻,但在云层中会失效,所以它不能是唯一的解决方案。

大约四年前,一名工程师提出了一个“非常愚蠢的想法”:如果他们只是去听,像耳朵粗略定位声音那样,通过三角测量来定位其他飞机,会怎样?他们注意到,海豚用的是主动声呐,而这个方案是被动的。团队很快尝试证伪它。早期实验没能推翻这个想法;一个两人小组做出的原型也没能推翻它;最后,它成了正式的技术路线。机械工程师必须让麦克风阵列在时速 80 英里(约 129 公里)下正常工作,同时,信号处理和机器学习要把飞机从风噪声中挑出来。他们自己采集数据:在飞机上装麦克风,并在办公室的地面上架设阵列,全天候记录头顶的空中交通。四年后,这套硬件已经进入量产,在影子模式下飞过,并且在一些国家获得了监管许可,可以控制飞机并进行冲突消解。神经网络可以识别机型。麦克风便宜,几乎没有重量,并且天然能提供 360 度视野。这个听起来很笨的想法,恰恰是唯一符合约束条件的方案,也正是它将让 Zipline 能在视距之外、在云中飞行。

06

卢旺达之所以是合适的第一位客户,是因为政府能像创业公司一样快速行动

从湾区看,从非洲起步显得有些古怪,因为湾区同样存在医疗荒漠。Zipline 想要的是一个公共系统,这样它就能与一个国家合作,一次覆盖所有医院,而不必挨个去敲美国医疗机构的门。它还需要一个规模不大、善于创新、行动敏捷,并且愿意做出 FAA 做不到的监管例外的政府。卢旺达在 2016 年满足了这三项条件,也接受了公司头一年只为一家医院服务、长达九个月的局面。

录制节目前几周,他们宣布了一项价值 6100 万美元的全国性合作:Zipline 现在为卢旺达每一家医院和医疗机构配送所有医疗用品,并成为该国最大的物流网络。他们还增加了面向患者的上门配送、能提高农民生产力并降低儿童营养不良的农产品配送,以及一个全国性的电商层。Keller 认为,这是卢旺达对一家私营公司的最大一笔投资,政府现在也成了股东。加纳约有 1800 个设施;尼日利亚在前一年年末启动;科特迪瓦和肯尼亚在那个月陆续上线;美国已经有三个配送中心。

要让 Zipline 遍布各地,挑战本身就在于硬件很难,尤其是当你要同时设计、制造并运营整项服务的时候。公司必须在供应链、供应商工业化、制造、物流、电气、固件、软件和机械工程、空气动力学、气动声学、配送中心运营、监管审批、飞行运营和维护等方面都做到出色。和软件不同,你无法在一年内规模扩大 100 倍;和特斯拉一样,你受限于建工厂的速度。另一面则是可防御性。大规模运营的高难度硬件公司,是地球上最难被取代的公司之一,这与想靠一款新智能手机去和苹果竞争很难,是同一个道理。Keller 认为,未来 20 年最重要的一批公司,很多会是硬件和基础设施企业:资本更密集,更难建立,惯性也更大。

他对美国科技界过去二十年的看法很不客气:对增量式 SaaS 的胃口过大,对在真实世界里动手建设的胃口过小。头六年,Zipline 很难融到资金。2022 年是突破之年:新市场、与沃尔玛的合作、超过 20 万次配送(超过此前五年的总和),还聘请了前特斯拉首席财务官 Deepak Ahuja。2023 年,在已经签约的合同上,飞行量将增长 400%,一年内完成的自主配送,大约是公司成立以来全部配送量的两倍。劳动力和汽油的通胀,正是导致经济衰退的那些力量,它们反而在加速客户采用。包括 Intermountain Healthcare、Novant Health、MultiCare 和 Michigan Medicine 在内的几家美国医疗系统,已经在用 Zipline 做自主即时送货到家。Keller 把这称为远程临场的另一半:如果医生可以通过手机为你诊断,药品就应该在五分钟内送到你门口。1 月份还将有四个新配送中心投入使用,另外还有一款他不愿透露名称、研发周期为三年的产品,他认为这将为物流带来变革。

07

做成公平物流的 1% 机会,胜过广告业里的稳赚生意

Guo 问,想解决大胆问题的创始人,应该借鉴 Zipline 的什么。Keller 已经提到了那种极致的务实。他还记得一次圣诞派对,全公司正好能挤在一家小小的中餐馆里的一张桌子旁。有人问成功的几率有多大,他说大约是 1%。大家都很不高兴,直到他补上另一半:一个能改变世界的结果,哪怕只有 1% 的几率,比如自动化物流、平等服务所有人、让人人能获得医疗、实现零排放的最后一公里,也值得去做。他们招的,是能与真实且很可能发生的失败共处的人。

最吓人、最雄心勃勃的想法,反而竞争最少。Zipline 环顾四周,没有人在接近它的规模上运营。增量式的问题,会让你陷入与所有人的完全价格竞争。把目光放到五到十年之后,然后用朴素、拼搏、务实的方式干上十年,这就是建立重要公司的方法。确实有投资人愿意为此出资,因为这类想法往往会变成最大的公司。

他说,科技的名声不太好,是因为世界默认它只会服务美国沿海最富有的人,而儿童营养不良、女性生殖健康、民主、言论自由和能源,则被留给政府和非营利组织。他以一种挑衅的口吻认为,这些机构既不擅长解决问题,也没有能力部署技术。影响 60 亿以上人口的问题,需要工程、技术和可持续的商业模式。最聪明的毕业生去大型搜索引擎帮忙多卖出 0.1% 的广告,并不是人才的好用法。Zipline 的证明是:在真正重要的问题上,你可以建立一家价值数十亿美元的公司。

不要把非洲业务理解成慈善。“这恰恰是理解我们所做之事的错误方式。”他们在所有这些国家都在赚钱,几乎每个配送中心都实现了毛利率为正。他认为,可持续的单位经济模型,才是把一套解决方案扩展到 60 亿人的方式。真正的引擎是创业,不是慈善。

同频道的其他文章

39:23EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2026年10月15日播客 · 2 人对谈防守方的窗口期:Greg Brockman 谈 AI 生成知识、药物研发与网络安全的新规律主持 Sarah Guo, Elad GilOpenAI 总裁解释了为什么攻克未解的数学难题,是科学领域的有力证据,主动式智能体(Agent)如何改变产品形态,以及为什么安全支出必须超过软件支出。安全AI security安全与治理+3
1:09:44EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2026年10月9日播客 · 2 人对谈1 万块 GB300 跑四周:Reflection 的开源模型账本主持 Sarah Guo, Elad GilMisha Laskin 在 No Priors 节目中讲述 Reflection 如何训练 Beam、为什么强化学习的投入超过了预训练,以及为什么西方需要自己的开源权重。开源与社区Open-weight modelsReinforcement Learning+3
35:39EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2026年10月2日播客 · 2 人对谈算力涨了百万倍,带宽只涨 40 倍,Fractile 想修正这个比例主持 Sarah Guo, Elad Gil2022 年夏天,Walter Goodwin 在伦敦创办 Fractile,目标是为全球最大的模型打造速度极快的推理(inference)芯片。基础设施与部署InferenceAI cost & performance+3
42:44EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2026年9月24日播客 · 2 人对谈他们花 77 亿美元买下一家经纪公司,计划每年只做一笔交易主持 Sarah Guo, Elad GilSequence Holdings 联合创始人 Michael Lee 向 No Priors 解释,真正用 AI 改造老牌企业的办法,是拥有一家市场领导者,而不是把软件卖给它。企业与战略企业 AIAI Strategy+3
38:14EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2026年9月18日播客 · 2 人对谈扩散模型将赢得推理之战:Stefano Ermon 押注并行生成的 Token 能胜过定制芯片主持 Sarah Guo, Elad Gil斯坦福大学扩散模型先驱在《No Priors》节目中说,一家 50 人的实验室正在训练一次能生成多个 Token 的语言模型,并解释这种模型与 GPU 的适配,就像当年 Transformer 与训练的适配一样。模型与训练InferenceAI cost & performance+3
45:10EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2026年9月10日播客 · 2 人对谈76% 的代理商务交易不到 30 美分,于是 Coinbase 要为 AI 开户主持 Sarah Guo, Elad GilBrian Armstrong 与 Elad Gil 的对话,讲的是 Coinbase 如何变成“万物交易所(everything exchange)”,为什么卡组织无法为智能体之间的支付定价,以及他的长寿公司正把什么带进临床。智能体Agentic commerce金融 AI+3