Momenta完全無人駕駛首次曝光！城區道路混行無接管，遭遇逆行也不怕，特斯拉Waymo路線二合一
本文來源：量子位微信公眾號 QbitAI 作者：李根
…………………………………………………………
Momenta（現在）是一家怎樣的公司？
宏觀印象：學霸創業、中國無人車獨角獸、賓士母公司戴姆勒加持、自動駕駛第一梯隊玩家……
產品業務：高速場景方案產品、L4級自主泊車產品交貨、最高等級高精度地圖資質……
一千個維度有一千種答案，但也頗顯盲人摸象。
只是從今往後，Momenta的技術路徑開始完整清晰。
在通往自動駕駛實現大道上，之前有漸進式的特斯拉，也有一步到位的Waymo，天下方案，莫過於此。
而現在，Momenta集二者之所長，避二者之所短：
Tesla+Waymo，就是Momenta。
▌完全無人駕駛發佈
12月26日，Momenta對外正式發佈L4級無人駕駛技術MSD (Momenta Self Driving)，開始支持城市內完全無人駕駛場景。
如果說2019年來Momenta發佈的前裝量產產品Mpilot，更像是特斯拉方案。
那麼現在，MSD上馬，則顯出Waymo路線雄心。
萬萬沒想到，自動駕駛業內一度紛爭的兩種路線，如今讓Momenta實現二合一。
但MSD究竟是一套怎樣的方案？
區別於量產前裝方案，Momenta完全無人駕駛方案中最明顯不同在於多了雷射雷達。
在其測試車中，共搭載12個攝像頭，5個毫米波雷達和1個雷射雷達。整套系統感測器方案以攝像頭為主，雷射雷達為輔，多感測器冗餘。
而且Momenta強調，除去雷射雷達，方案中的硬體選型與前裝量產保持一致——這也是Momenta“兩條腿”向前的關鍵考量，後面還會詳細講到。
不過，說一千道一萬，無人駕駛——還得以身試乘看一看。
MSD方案的試乘，選在了Momenta（蘇州），地點毗鄰蘇州高鐵北站，屬城建頻繁區域，路線全程約12公里，沿途經過30餘個紅綠燈路口：
既包括無保護左轉等典型場景，也有非機動車混行、立交橋下長路口等複雜路段。
路線中還有多處工地，也有學校、居民區、寫字樓、商業中心等生活場景。
符合Momenta該方案目標所指：城市區間內，完全無人駕駛。
而且路段基礎設施也沒有過V2X改造，依然拼的是單車智慧實力。
車流交匯交互，也是最有意思的場景。MSD方案雖初發佈，但智慧程度已有老司機風範，在試乘的幾次交互場景中，有讓行、也有選擇先過，並不基於單一規則。
同車試乘的Momenta研發總監夏炎解釋，這能體現MSD在預測規劃方面的實力和學習能力。
不過整體試乘而言，因為城市區間不同高速場景（無人車混行）和停車場（低速），Momenta的AI司機給人的印象是：安全第一，寧慫不偏激。
比如在蘇州相城道路，會出現不規則的異型車——挑戰自動駕駛系統的感知識別。
其實從當天道路實際情況來看，系統完全可以“偏激”一些，讓路不減速通過。
但安全第一思考下，Momenta工程師打造的該系統，在交通中不確定性較大的情況下，先減速，甚至刹車，確保交互雙方的安全。
而且相比人類老司機，MSD雖初生牛犢，但也展現出不凡實力。
遭遇人類司機深為苦惱的大貨車時，既要對大貨車的載貨品類多樣、形態各異準確感知，還要對大貨車行為上的激進行為有應對：
MSD跟隨慢速行駛的大貨車一段時間後，“決定”變道超車，但在超車過程中仍保持對貨車一定的安全距離，通過接近路口的實白線後才拉大橫向距離超車，保證了超車過程中的安全性。
▌完全無人駕駛新速度
12公里左右里程，按道路交規限速行駛（40公里每小時為主），近40分鐘，歷經城區內各種場景——有臨時施工、有不規則車輛，還有逆行，但全程無接管。
這樣的完全自動駕駛能力，起步最早的穀歌用了近十年，百度從開始研發到落地也超過5年，一眾自動駕駛新勢力從無到有也走過了快3年……
雖然深度學習、大數據和大計算帶來的指數加速，已再明顯不過。
但得知Momenta的速度，依然讓人不可思議：
50人左右的團隊，5個月左右的時間。
沒錯，從今年下半年交貨量產自動駕駛產品後，Momenta才開始囤積重兵，依靠公司長期的技術和數據積累，以及量產自動駕駛和完全無人駕駛通用的平臺支持，開始攻堅完全無人駕駛。
至於能夠達到城區開放道路全程無接管，之前行業內最快的友商也差不多用時1年，且積累了至少十萬公里以上實際路測里程。
所以Momenta之速，背後究竟有“引擎”？
Momenta CEO曹旭東認為，與他們內部看問題的角度、方法和戰略選擇有關。
Momenta創辦，從一開始就明確目標，要打造自動駕駛大腦。
這並非傳統汽車產業內“換輪子”，而是行業開始AI化變革後，供應鏈環節中的新機會。
汽車產業鏈中：
有最基礎的Tier1一級供應商，如博世、大陸，在系統層面、硬體層面提供產業支援。
再往上則是OEM廠商，賓士、寶馬、豐田……即車廠。
還有智慧化的基礎——計算晶片，如TI、NXP、瑞薩和英偉達。
最後，核心新增的玩家，一方面是提供出行網路的滴滴Uber等，另一方面則是提供自動駕駛所需核心演算法和軟體的技術公司。
比如定位“自動駕駛大腦”的Momenta，就處於這一層。
但即便如此，如何實現完全自動駕駛，如何最高效擁抱未來，也沒有清晰明確的答案。
至少在打造自動駕駛大腦這件事上，特斯拉方案和Waymo路線一度不可調和。
▌兩個路線的爭論
所謂特斯拉路線，是按照自動駕駛等級的劃分，從低級往高級不斷升維，通過量產汽車對場景、數據和演算法的反覆運算，最終實現完全無人駕駛。
而且正是因為堅定量產路線，也為了最低門檻獲取數據、場景和功能回饋，偏執狂馬斯克完全依靠攝像頭方案、不使用價格昂貴的雷射雷達。
所以即便2019年發佈為完全自動駕駛而生的FSD硬體，外界也不相信馬斯克2020百萬RoboTaxi的豪言。
而Waymo路線，則認為只有從一開始L4才能實現RoboTaxi。該路線中，人機共駕的高級輔助駕駛被認為有天然Bug——既要機器輔助駕駛，又要人類在緊急時刻接管，顯然不靠譜。
於是Waymo從2009年正式推動後，逐漸明確了實現方式：
原型車、規模化路測、在豐富場景中不斷反覆運算，區域內落地，終極場景是讓無人車行駛運營在任何時間、任何地點和任何場景。
但Waymo路線中，最難的是無窮無盡的“長尾”問題，現實中總會有出乎預料的新場景、特殊挑戰，這就要求自動駕駛系統足夠聰明、且學習反覆運算得足夠快。
所以概括而言，二者優缺點都很明顯。
特斯拉方案：想依靠低成本感測器方案不斷升維，難且有道德挑戰；但好處是數據“眾包”，能在量產中獲得現金流和數據流程。
Waymo路線：希望一己之力不斷擴大無人車隊規模，最終真正實現完全落地，險且依賴融資燒錢；而好處是安全性相較而言更可控，不用把車主當小白鼠。
但如今Momenta之行動，所謂“兩條腿”戰略，卻實現了特斯拉和Waymo路線的二合一。
即，通過量產自動駕駛產品獲得海量數據，持續研發數據驅動的核心演算法，打造閉環自動化工程體系，發揮數據價值，高效反覆運算數據技術，最終實現完全無人駕駛。
同時，MSD的技術框架中不同感測器的感知演算法相互獨立冗余，並非完全依賴某一種感測器，因此目前量產感測器收集的數據，如視覺、地圖、軌跡數據等可以無縫應用並有效助力MSD演算法提升。
最終，一個數據流程和技術流的閉環搭建完成，量產自動駕駛和完全無人駕駛，真正互相補益。
但為何能打通？又為什麼是Momenta？
一切要從Momenta創立之初對自動駕駛的認知說起。
▌終局視角思考無人車
Momenta 2016年創辦，當時就分析過特斯拉模式和Waymo路線。
但並非為結合二者而生。
曹旭東回憶，從一開始就希望從本質出發、從終局角度思考問題。
Momenta的思考中，自動駕駛的終局，一定是L4級以上，不需要方向盤、不需要人類司機。
但要實現這個終局，結合深度學習為核心的AI新浪潮，兩大要素就格外關鍵：
一是數據驅動。
二為海量數據。
之所以要數據驅動，是因為完全無人駕駛中的長尾問題——幾乎是難以窮盡的。
唯一的可能性只有數據驅動，自動化解決大部分的問題，例如99%問題。
所以Momenta內部，“架構師”文化興盛，他們目標是架構能夠自動化解決問題的系統。
在當前系統中，Momenta的 “閉環自動化”方法論就已發揮作用，通過建立對問題自動化發現、記錄、標注、訓練、驗證的閉環過程，為技術和數據提供自動化的反覆運算能力。
而關於海量數據，這是數據驅動的原料和前提。
之前有粗略估計，實現完全無人駕駛，需要100萬輛車跑一年，每輛每天跑10小時以上。
如此海量數據，完全依靠自建車隊採集，幾乎不現實。
量產自動駕駛數據流程能夠助力完全無人駕駛，源自統一量產感測器方案。
MSD感測器方案包括視覺感測器、雷射雷達與毫米波雷達，均覆蓋360°範圍，該感測器方案子集與量產感測器方案保持一致。
所以理解了無人駕駛終局的兩大要素，或許也就不難明白Momenta此次談及的兩條腿戰略：
一條腿是量產自動駕駛；
另外一條是完全無人駕駛。
量產自動駕駛，人車共駕，以人為主，但解放人類在高速環路、停車場等場景下的駕駛時間，提升駕駛安全性及駕駛體驗。
而且通過量產自動駕駛，實現海量數據獲取——學特斯拉又超乎其外。
進一步，量產自動駕駛可以給完全無人駕駛帶來數據，通過數據驅動的方式，去自動化地解決99%的問題。
未來隨著量產產品上市，像 “活水”一般源源不斷注入MSD，推動MSD演算法不斷升級，使得完全無人駕駛系統不斷進化。
這是數據流程上的打通。
而通過完全無人駕駛，還能給量產自動駕駛回饋技術流，不斷提升體驗和能力，讓量產自動駕駛持續進步，提升行業份額。
當然，數據流程和技術流形成閉環，聽起來不算稀奇。
但真正實現這樣的戰略並不容易，關鍵是量產感測器方案的一致性、互補性，並在量產自動駕駛戰略中真正快速低成本交貨、落地。
這也是特斯拉和Waymo難以跨公司二合一的原因。
另外，作為創業公司，在數據流程和技術流閉環之外，靠融資燒錢顯然不可持續，必然還需要現金流。
所以Momenta創辦3年來，先在量產自動駕駛發力，實現數據流程和現金流方面的驗證，然後發力完全無人駕駛，同時著力於打通兩者之間的數據流程和技術流。
現在，完全無人駕駛方案發佈，數據流程和技術流的戰略雛形形成，現金流也能讓公司不受輿論和資本市場變化而左右。
曹旭東說， 目前Mpilot 和MSD的原型發佈，標誌著兩條腿的雛形期形成。預計到2019年-2024年，量產自動駕駛大規模上市，以及MSD真正的完全數據驅動，完全自動化，則是“兩條腿”戰略得到驗證的時刻，也是戰略的成型期。
▌道阻且長，行則將至
不過，也還沒到一腳定江山的時刻。
雛形初現，一切還只不過是開始。
更何況這樣的戰略完整披露，一方面會面臨質疑，另一方面也有被複製的風險。
但曹旭東並不擔心。他說：“戰略沒有優劣，戰略是選擇。這個戰略有其優點，也有難點和挑戰。我們在選擇戰略同時，也必須克服和解決其背後難點。我相信，戰略發佈後，看到的不是抄襲，更多的是爭議。在戰略執行時，遇到困難，可以選擇繼續走下去，也可以去選擇其他戰略，但我們選擇迎難而上。道阻且長，行則將至。”
按照Momenta的說法，執行層面主要面臨兩個維度的挑戰：包括技術難度和商業難度。
技術層面的難，例如數據流程的打通。曹旭東認為，行業主流都是以雷射雷達為主的技術解決方案，但Momenta是以統一量產感測器為主，需要打通量產自動駕駛到完全無人駕駛的數據流程，而他們在其中做了大量的技術創新。
在矽谷拜訪時，曹旭東也講到Momenta的戰略和已解決的技術難題，得到很多行業專家的認可和欣賞，因為Momenta在做原始的技術創新，而不是簡單的複製跟隨。
商業層面的難，包括如何深入行業、理解客戶，如何拓展能力邊界及更好的服務市場。
曹旭東進一步解釋：“To B是系統性的業務，面對的是一個組織，需要得到方方面面的認可。一線客戶都有很強的技術能力和很高的技術標準，需要經過非常嚴格的技術評測。而我們經過層層驗證，最後獲得了客戶的認可，進入了量產體系。”
Momenta也有相對長遠的完整時間表。
他們內部，認定2016年-2019年是戰略雛形期，2019年-2024年是戰略成型期。
然後2024年-2028年才是真正的戰略爆發期，那時候在完全自動駕駛“這條腿”上將加速趕上Waymo。
只是現在開始，自動駕駛“面壁者”Momenta，戰略意圖一覽無餘。
▌告別盲人摸象
作用力也才剛剛開始。
從Momenta自身來說，徹底告別被“盲人摸象”狀態。
高精度地圖供應商？高級輔助駕駛玩家？量產自動駕駛交貨……
都不準確。
大道至簡，Momenta（現在）是一家怎樣的公司？
Momenta = Tesla + Waymo。
而且這種結合帶來的新場景新技能，還可能不是線性相加。
或許也是聚變反應。
比如特斯拉一直是從車角度提供方案，Waymo則是運力技術維度……
但二者結合，就是完整軟硬體集合體，載人載貨，私家車共用車，都有了可能。
簡而言之，能做的更多，可以做的更多，新價值已經展現，新邊界也就要重勘。
自然還會進一步帶動行業新格局重塑。
自動駕駛發展中，特斯拉方案和Waymo路線，一次次被提起，一次次被模仿，一次次被對標。
這樣的新玩家新勢力，無論中美，都可以舉出很多。
但今日之Momenta，在理論上真正達到二合一，並且驗證了可行性。
於是，之前衡量自動駕駛的時間表，曾經理解Momenta的框架，可能是時候刷新了。
▌One more thing
雖然Momenta是中國自動駕駛的獨角獸，但作為Momenta的船長，曹旭東最關心的並不是公司的估值。
他認為商業世界一切有為法，一定離不開價值規律本身，估值並不需要過分關心。
他關心什麼？
作為CEO，他說核心還是人，組織的學習、進步和提升。
這位Momenta創始人，今年來自上而下改變了一件小事：不再把“創始人”放在對內對外的任何地方，僅以職務——CEO示人。
他解釋說，Momenta正在最大限度通過組織變革、文化塑造，形成合夥人文化。
合夥人不分加入先後，不論年齡資歷，核心關注的是技術、貢獻和志同道合。
他希望以此吸引最頂級的牛人，讓更多有識之士加速自動駕駛終局到來。
《道德經》裡說，夫唯不爭，故天下莫能與之爭。
但真正能邁步實踐者，少之又少。
如今，無人車獨角獸Momenta，宣示兩條腿，放下“自我”，立志要做推動終局實現的那個玩家。
這就是Momenta。
tier1意思 在 Fw: [專欄] 17年選秀" Tier List " - 看板MiamiHeat - 批踢踢實業坊 的推薦與評價
※ [本文轉錄自 NBA 看板 #1OYAjPyo ]
作者: bll135 (洪爺) 看板: NBA
標題: Re: [專欄] 17年選秀 " Tier List "
時間: Wed Jan 25 21:42:45 2017
※ 引述《rabbit529 (呉雷庵)》之銘言：
: Rating top NBA draft freshman prospects,from Tier 1 to Tier 5
原文恕刪，這邊想講一些關於評估選秀的觀念。
我沒有想針對這個板友的意思(如果當事人有這樣的感覺我先說聲抱歉阿XD)
不過像是這樣的言論幾乎每年的選秀文都會出現，
甚至有越來越常見的趨勢。或許在恰逢選秀大年的今日，我們是可以重新來談談，
到底什麼是選秀大年？為什麼有的球員會烙賽，有的球員又會起飛？
首先我們應該先看看下面這一段，這是說明 Chad Ford 列出這個表單的分級標準
既然他的彙整來源是各隊的球探與總管的回饋，我想他的可信度應該已經很足夠了。
: ‧以下分級(Tier1~5)，是基於詢問NBA各隊球探及總管的回饋。(這分級方式也用幾年了)
: ‧這屆有11名新鮮人在Tier1~3上，而上個大年14梯(推特王那屆)有3名Tier 1。
: Tier 1 (Potential superstars 超級球星級)
: Tier 2 (All-Star potential 全明星級)
: Tier 3 (NBA starters 優質先發級)
: Tier 4 (Starters, high-level rotation players 先發or優質替補級)
: ‧Tier 4是一般選秀年的10~20順位的分級，但今年Tier1~3的新秀很多，所以大概是
: 15~20順位的分級。
: Tier 5 (Rotation players 可進輪替級)
: ‧Tier 5分級的新秀，基本上很難在好球隊當上先發，但可以成為板凳上優質的
: 功能性球員，大概是21~35順位的分級。
上面的這個分級作為對新秀球員未來的評估標準，規劃上已經很完善了。
雖然這裡面都只有美國大一球員(所以當然不會有一些國際球員)
然後是下面的統計：
: [補充]Chad Ford 2009~2017 Tier1~3的統計
: 2009:T1=1、T2=3、T3=5 共9名(BG、哈登、Curry年)
: 2010:T1=1、T2=4、T3=3 共8名(Wall、表弟年)
: 2011:T1=0、T2=2、T3=6 共8名(Irving、Leonard年)
: 2012:T1=1、T2=4、T3=3 共8名(兩津年)
: 2013:T1=0、T2=0、T3=6 共6名(....) 字母哥:我不在那6名當中
: 2014:T1=3、T2=6、T3=3 共12名(推特元年)
: 2015:T1=1、T2=4、T3=3 共8名(KAT年)
: 2016:T1=1、T2=1、T3=5 共7名(西門???)
: 2017:T1=2、T2=5、T3=4 共11名(Fultz Ball年)
如果你跑去 youtube 把 Ball Fultz DSJ Fox Monk JJ Tatum ......這些人的
高光都看過一次，你不難發現這些人的先天條件跟籃球技術的優越。
或者我非常推薦這個運動視界作者的長期選秀文，他從前年就預言了去年的選秀
小年窘境跟今年的選秀大年熱門境況：
https://www.sportsv.net/authors/momo880
我們先來討論第一個問題：什麼是「大物」，他的標準在哪裡？
受益於今日網路的便捷，當我們在面對一個要投入選秀的球員時，有很多客觀與
主觀的標準可以評估他們了。包括但不限於：影片、球探報告、模板......
如果我們真的把目標聚焦在 T1 的大物，那顯然就是「天花板」跟「地板」都不
會太低的球員才能被列入，這種球員通常在 NCAA 這類比 NBA 低一個層級的比
賽已經可以做到穩定的屠殺或主宰比賽。相較於他們，常常可以看到有一些球員
被認定有很高的天花板，可是他們的完成度卻讓他們沒辦法在相對低層級的賽事
中有驚人的表現。高球商或高體能卻低完成度的球員可以給人很多的想像，畢竟
在籃球的世界裡，很多東西都被相信──雖然有很多失敗的例子──是可以練的。
例如投籃技術，例如卡位，例如BBIQ(籃球智商)。可是實際上他們就是不被視為
是大物。
以去年的例子來說，去年進入這個標準的只有一個人： Ben Simmons 。
我提供一個比較簡便的說法就好：他是窮人版本的 LBJ ，投籃技巧不好但球場
嗅覺、空間感這些一般認為教不來的東西都很棒。
好的，那你可能會問我，既然去年已經有一個這種等級的大物了，那麼為什麼還
不能算是大年呢？
這就是第二個問題：有大物不等於是大年。(而且去年的大物都讓人不無疑慮。)
在去年，順位毫無疑慮的幾乎只有 Simmons 跟 Ingram ，前者被 ESPN 卯起來爆
料態度不好，質疑不能率領球隊進入三月瘋......後者雖然順位直線起飛，過瘦
的體型卻也被質疑是否能夠順利在 NBA 層級生存下來。
除了兩個人以外， Jaylen Brown 高中時幾乎是全美第一人，上 NCAA 後卻被質
疑運球技巧不足，切入的能力過於普通。 Hield 、 Murray 、 Dunn 三衛雖然不
錯，要威脅到 Simmons 跟 Ingram 的地位還是不太可能。另外太陽選的兩個球員，
Bender 是歐洲球員，雖然球商、高度跟速度都不差，但選秀前資訊少得可憐不說，
同樣被認為需要增重(去塞爾提克試訓也被嫌太軟)才能在 NBA 生存， Chriss 是
該屆的體能怪獸，不過籃球球齡超低，基本功跟理解比賽的能力已經不是有待加
強四個字能夠形容了，一般認為，把 Bender 跟 Chriss 的潛力開發出來需要兩
年的時間，這是 Simmons 跟 Ingram 後面天花板最高的兩個選擇，卻也可能是前
十順位中除了 Thon Maker 以外完成度最低的兩個選擇。
當完成度這麼低的球員都能夠進入前十，這樣的選秀當然是小年。
話說回來，什麼叫做大年呢？
很簡單，應屆球員的天花板跟地板都不要太低的才是大年。
不是 16 年這種還需要花時間養的， 17 年可能連養的時間都不需要太多。更可
怕的是這些人都很年輕，只要不受傷，只要球隊不亂搞他們，他們的未來都是前
途無限的。
第三個問題：大年會造成什麼效應？
首先， NBA 的簽約金是依照你的選秀順位給的，這點應該不是什麼秘密對吧。
所以在某年的應屆新秀都強到令人髮指的情況下，他們的學長可能會提前棄學
(例如今年的 Chriss)博取高順位，他們的同屆可能會有各種原因不選擇棄學讓
明年多幾個好菜......
所以 17 年有沒有可能不變成大年？其實還是有可能。只要這些好球員都不棄學
那就變成明年才是大年了。但這可能性應該不高吧。
第四個問題：為什麼有的球員一開始都被捧得很高，最後成就卻很差？
這裡有一個很關鍵的因素，叫做養成。
選秀的順位背後牽涉的因素很多，有的球隊要的是即戰力，有的球隊要補的是自
己隊內最缺乏的位置，有的球隊看到17年後衛大年16年就先選前場了(像是太陽)
有的球隊在賭地板低天花板高的球員，有的球隊在賭問題球員可以被導正後發光
發熱......
總而言之，「被誰選」跟「怎麼養」是兩個問題。
有一些球隊長期有著特別會培養某些位置人才的文化，像是太陽隊長期會培養後
衛、爵士與魔術隊特別會培養禁區球員。這可能是某些刻板印象，但我是相信的。
另外，你的球隊內部是怎麼樣的文化呢？你的教練是什麼樣的人呢？你做為一個
新人在球隊擁有多少的犯錯空間呢？
以下就不點名，當作舉例好了：有的球隊裡面會有一些球員拉幫結派，全隊不齊
心下心智不成熟的新秀球員自然很容易被欺負或被帶壞。有的球隊球員跟教練完
全合不來，互相放話都是小的，還可能誰都不鳥誰。有的球隊只想要總冠軍，新
秀球員加入他們連犯錯空間都很小(所以你會看到很多要搶冠軍的球隊賣選秀也
賣得兇，不過在新版 CBA 以後，由於母隊對於續約球員的利多，讓以後的選秀
權價值會變得更高了)
有的球員剛好在很急於爭取更好戰績的球隊，他連上場犯錯的機會都沒有。
有的球員遇到的前輩示範的都是誰也不服誰的文化，甚至拿到球就只想當個數據
好的獨夫，他們連拿到球的機會都不會多，為了自己的數據，上場也不得不開始
打得更自私。
有的球員太過害羞靦腆，無法適應球場上的肢體對抗，很快就被叫下去罵。
有的球員是該順位最好的球員，但選他的球隊在同位置上卻人滿為患
有的球員剛好在很弱的球隊，因為主力受傷或被交易而可以有更多上場的機會.......
你看，隨便列就這麼多狀況，年年都會有新人突破，也年年都會有人低於評估，
這是養成的問題。
Stephen Curry 當年是 Tier 3 的球員， Devin Booker 當年是 Tier 4 ，現在
肯定都要重估他們的價值，不過在當時，他們獲得的這個評價是公認的。
第五個問題：聯盟的 meta 改變。
說這個其實最容易起爭議啦，不過如果跟我一樣看了大約十年有的球迷應該很有
感覺：我們現在看的籃球跟以前不一樣了。
什麼意思？舉例來說，聯盟對明星跟大牌球隊的吹判禮遇，更助長了明星球員喜
歡打要犯球的打法。或者十年前可能優先因為不三不四被打問號的球員，在現在
矮延伸四號開始流行後竟然也慢慢可以有自己的一片天了......
現代球星非常講究的核心指標變成了製造犯規能力跟三分球能力。前者多少有點
聯盟是否眷顧的性質，再加上球員自身的演技。後者則更不用說了，光是能夠拉
出來的空間感，就能夠讓相對緊實的防守陣式被拉鬆。在當代，似乎能決定比賽
的不再是籃板球，而是三分球跟 AND1 了。
為什麼我要提這個呢？因為這些球員就是身在其中打球的人阿。他們就像 LOL
每一次的地圖跟道具改動一樣，要因為這些細微的改變而去習慣打法，或者開發
出與以往不同的打球方式。現在這個世代的籃球 meta ，有沒有裁判的眷顧跟是
否會投三分球真的差很多，同樣也更坐實了中鋒世代的過去。
而這些球員在一開始投入選秀的時候雖然已經有了各式各樣的條件，例如球技好，
體能好，視野好，球商好......卻不可能知道自己是否符合聯盟接下來的 meta 。
以往大家都知道 James Harden 是個很會要犯規的球員(我就先忽略大家喜不喜
歡看這種打法了)，但有想過他可以打出今年這樣 MVP 呼聲很高的身手嗎？以往
大家都知道 Stephen Curry 很擅射，但當初看過 Harden 跟 Curry 的球探，會
想過他們有今天嗎？我想也是未必的。
當 NBA 的 Meta 改變，同樣也會有一些好球員因此浮出來，從本來被認為的好，
變成無解的強。想要去預測接下來規則怎麼改變是很困難的，只能說機會是留給
準備好的人這樣。
下個小結論吧：
選秀大年與否的評估應該是建立在球員的地板高(即戰力)天花板也高(年輕或其
他條件)還有數量上面的，上述三條件都滿足的標準可能人人的定義不同，不過
選秀是大年還是小年標準應該是蠻客觀的。
只是好球員不見得就養成得好，被看輕的球員也未必沒有破繭而出的機會就是了。
養成應該是另外一個難題。所以從後面的成就來反推未必是好的評估方法，因為
他可能只證明後面順位的球隊賭對了或夠會養人，而不能說是前面順位的球隊一
定是做了錯誤的決定。
快過新年了，來發個小紅包好了，以下每 5 樓推的板友無論內容都發稅後 168 P ，
只算「推」文，發到爆唷。
參考養成
--
★▃▃ ◣ ▅▅▅▅ ▄▄
█ ▇▇ ▄▄◣ ◢ ██▋ ▅▅ █
▅▃▉ ▊ █▅ ◣◢ ▄▄ █ｓ▋▄▄▄ ◣▊▄ █
▄▄▄◥ █▆ ◥◢ █▄ █ ▋ ▄▄▌█▊██▌
04-05╴╴╴ ╴ ╴╴◤▄▄◤ ◤ █▅▅▅ ◤ █▄▌▄▄◤ █ Ｐｈｘ-Ｓｕｎｓ
▕▕▕▕╱ ├╯05-06 ◤◥▄▄▄ ▄▄▄▄▄ ▄ ◥ ★ Ｄａｌ-Ｍａｖｓ
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.163.6.216
※ 文章網址: https://www.ptt.cc/bbs/NBA/M.1485351769.A.F32.html
※ 編輯: oeibei (180.176.129.72), 04/15/2017 15:20:48
... <看更多>