傳統計程車企業與移動叫車公司之間本來就不怎麼友好的關係或許會因為一個最新開發成果變得更加劍拔弩張：
紐約市的1.3萬輛汽車完全可以被3000輛來自Uber或Lyft的共享汽車所取代。
「拼車服務可以解決交通擁堵」已經不是什麼新鮮的說辭（Uber CEO卡蘭尼克已經提了N遍），但麻省理工大學做了一個更加宏大的假設：如果紐約市的每位乘客都摒棄了傳統的計程車，開始選擇使用Uber或Lyft的拼車服務，會發生什麼？
麻省理工大學計算機與人工智慧實驗室（CSAIL）給出了一個有意思的答案：
這座人口超過850萬人的大都市只需要3000輛提供拼車服務的4人座汽車，就可以滿足全市98%的打車需求，而從目前來看，計程車公司需要派出1.4萬輛計程車才能實現這個目標。
據科技媒體The Verge報導，CSAIL的研究小組開發了一套基於人工智慧的拼車乘用算法，並已經使用300萬紐約市計程車乘客數據對其進行了高強度訓練。
這個算法的大致運行模式其實很容易理解：將所有計程車乘用數據設置為某個移動打車app收到的乘客需求，進而對所需調度車輛及路線進行多維度測算。
這個經過訓練的計算機模型按照不同位置的乘車需求「走」完了紐約市所有的乘車路線，它最後發現，滿足整個紐約市的整個乘車需求比我們想像中要容易很多，只需要3000輛提供拼車服務的汽車就夠了。
經過百萬數據訓練的車輛調度計算機模型
很顯然，這種將乘車效率提升到極致的方式只需要讓乘客花費最低的成本，便可以享受到最便捷的服務。
譬如，在這個運算模式下，不到5分鐘，你就可以打到一輛按照自己指定路線行駛的共享計程車。當然，在整個乘車過程中，汽車也會隨時停下來接送其他乘客，但耗時並不長，比堵在路上花費的時間要少很多。
此外，這個開發小組也針對不同車型及數量給出了若干個選擇方案。譬如他們發現，3000輛雙人座汽車就可以滿足紐約市94%的日常乘用需求；而2000輛雙人座貨車可以解決95%的用戶需求。
實際上，對於這項算法的開發意義，項目負責人Javier Alonso-Mora的說法與Uber對未來的暢想沒什麼本質不同：
「只要汽車部署密度達到一定水平，汽車共乘市場的確有潛力大幅降低上路汽車的數量與用戶的等車時間。除了避免交通擁堵，也可以拉開車與車之間的距離，從而降低車禍發生率。」
與此同時，為每一輛車增加收入，減少乘客消費支出，進而提高乘客的生活質量，是這項算法的終極目標。在這個過程中，你只需要消耗幾分鐘的時間延遲成本，但這與平常泊車浪費的時間基本等同。
總而言之就是，你只要願意多花幾分鐘的等車時間，並願意與同一輛車上的陌生人聊聊天，就可以幫自己以及成千上萬輛汽車從早上9點擁擠的北京東三環中解放出來。
當然，為了防止你認為這是一篇由Uber或Lyft贊助的公關稿，MIT實驗室也公開了這個開發項目的投資人——美國海軍研究辦公室與一所跟MIT建立了合作關係的新加坡機構。他們的目的很簡單：共同探索一切有利於提高城市機動性的技術創新點。
但不能不提的是，假如這個計算機模型在經過大量訓練後能夠最終落地，卡蘭尼克曾引起眾多Uber司機情緒反彈的言論的確會馬上成為現實——數以萬計的駕駛員註定將被技術所淘汰。
當然，職業司機面對的情況或許會更惡劣一些：
開發人員表示，如果將這套算法應用在無人駕駛汽車方面將會更加「如魚得水」，因為可以遠程操控的無人車車隊能夠更加「循規蹈矩」地按照設定路線來滿足我們的用車需求。
根據項目負責人Javier Alonso-Mora的解釋，這套算法可以為車隊分配最合適的任務與行駛路線，而無人駕駛汽車則能夠讓這套算法得到迅速「成長」：
「如果想大大提升這套算法的準確率，就需要讓汽車不間斷運行數個小時，大概只有無人駕駛計程車才能更好地做到這一點。當然，你也可以根據人類司機的喜好與既有的調度程序為算法添加約束性條件，但這肯定會降低服務質量。」
對於這套聽起來很神奇，但與現有許多打車app功能略有重合的算法，我們最想知道的便是前者的運行效果究竟可以比後者「高明」多少。
而MIT給出的說法卻有些模糊：這套算法可以比現有軟體處理更多複雜的拼車路線與用戶需求，譬如在中途修改行車路線的同時，也能持續無間斷地接收拼車訂單。
但效果究竟如何，只有模擬效果不足以說明一切，只有上路測試才能給出一個準確答案。
其實對於大多喜歡使用叫車app的乘客與汽車共享企業來說，「共享車隊完全取代計程車」只不過是一個時間上的問題。譬如，目前美國境內Uber接到的出行訂單中，有一半都來自於拼車用戶。
但從商業角度來看，隨著汽車共乘市場已經有了越來越明顯的「贏家通吃」趨勢，技術基礎層可以成為創業公司嘗試突破的一個入口：
誰的算法更精準，誰能為消費者節省更多的時間與金錢成本，誰就有機會給Uber、滴滴以及Lyft們帶來威脅，或者成為他們投資或併購的首選對象。
順便提一句，MIT這個算法看來正在尋找買家，不過那些喊著要做「共享生意」的傳統汽車廠商可能不太適合。