自动驾驶IPO热潮里，L4厂商的「攻与守」

　　“从悬崖上跳下去或许还有一线生机，大不了落个残疾，但不跳等着你的就是一枪毙命。”

　　作者|斗斗

　　出品|产业家

　　最近，自动驾驶的圈子十分热闹。

　　首先是禾赛科技赴美IPO成功、亿咖通科技成功登陆纳斯达克、纵目科技从新三板转战科创板;再有Momenta 被传拟在香港或美国公开募股、文远知行秘密向美国证监会提交 IPO 申请、智加科技拟在美国IPO、纵目科技科创板IPO恢复“已问询”状态;另外蘑菇车联、速腾聚创等厂商也透露出IPO意向。

　　似乎自动驾驶又迎来了新一轮风口。但硬币的另一面是，在刚刚过去的一年中，尽管“上市”动作频频，自动驾驶整个圈子却并未表现出特别高涨的氛围，甚至有所降温。

　　例如，背靠福特、大众两大造车巨头的L4自动驾驶公司Argo AI倒闭;自动驾驶第一股图森未来CEO遭罢免;苹果放弃L5自动驾驶汽车;谷歌旗下自动驾驶公司Waymo进行了近10轮裁员......2022年的自动驾驶显然深处寒冬。

　　这样鲜明的对比，也引起诸多业内外人士的疑问。在当下而言，几个核心问题需要有答案：

　　1、IPO热潮背后，是否意味着自动驾驶再次站上风口?

　　2、这些厂商能上市成功吗?

　　3、IPO热潮背后的深度原因是什么?

　　一、“ADAS+车企”，自动驾驶涌向IPO

　　从此次自动驾驶IPO热潮表象来看，这种行业整体积极性来自厂商的底气，而厂商之所以有底气，则源于老生常谈的商业化落地。

　　这一点可以从自动驾驶厂商的具体落地路径、主要盈利产品以及投资方中发现一些端倪。

　　具体来看，Momenta的核心是数据，将量产的L2/L3自动驾驶产品搭载在车辆上，不断的收集、训练路测数数据，进行产品迭代，从而推动L4升级，属于L2和L4并行。

　　近两年，Momenta逐渐开始为主机厂提供L2/L3级量产自动驾驶解决方案。

　　值得注意的是，在其最近两轮投资方中，也出现了大量汽车厂商。例如通用汽车、丰田汽车。并且与比亚迪成立了合资公司。

　　与Momenta不同，文远知行一开始便起家于L4级无人驾驶，属于跃进式，信奉L4级的“一步到位”。但从最近一两年的动态来看，其逐渐转向复杂度较低的场景，推出了文远小巴Robobus。

　　智加科技和文远知行类似，都是起家于L4级自动驾驶。不同点在于智加科技专于物流场景，自称SL4级自动驾驶(监督式的L4自动驾驶)。但在最近两年也开始降维，转向前装量产自动驾驶解决方案。

　　不同于其他厂商，蘑菇车联核心是基于自动驾驶基础建设，推动L4落地。简言之，就是利用软硬件产品将道路数字化，使车路协同。继而降低Robotaxi场景复杂度，逐渐实现L4落地。值得注意的是，蘑菇车联的商业模式可获得大量G端项目。

　　其新一轮融资投资方中，出现了湖南省国有资产管理集团有限公司等机构。目前其已与各地政府开始合作，项目签约金额超过100亿元。

　　速腾聚创的产品主要在自动驾驶感知层，专于自动驾驶激光雷达环境感知解决方案。值得注意的是其自2018年10月至今的4轮融资都是战略融资，交易金额共计高达几十亿，而战略投资方涉及北汽、上汽、比亚迪、宇通客车、广汽、吉利。

　　其中的不同在于，以往车企偏向于和技术成熟、体量大的大厂合作，但随着大厂造车界限越来越模糊，车企与大厂之间业务重合度越来越高，且较为被动。例如华为一开始入局造车的模式是以供应商的身份和车企合作，后又推出自动驾驶解决方案，并一直强调不会下场造车。但从其最近动态来看，“AITO问界”改为“HUAWEI问界”，已经掌握了问界的主控权。

　　“不用怀疑，大厂不会放过造车这块巨大的蛋糕。”一位业内人士对产业家说。

　　而对于有自动驾驶技术需求的车企而言，垂直的自动驾驶技术厂商则成为其主要合作对象。这种“车企+自动驾驶专业厂商”的趋势未来将会愈发明显。

　　总体看来，车企大量资金的支持和前装自动驾驶软硬件需求下，使得L4级自动驾驶厂商降维，转向L2级辅助驾驶(ADAS)，实现了主机厂前端软硬件的量产落地，拉动了规模化盈利。

　　这或许让自动驾驶厂商们有了开启IPO的底气。

　　从这个层面来看，虽然自动驾驶开始规模化落地，但实现规模化落地和造血能力的是L2，并非L4。这意味着，自动驾驶并未在产品、技术上实现实质性的迭代。

　　若只靠车企的加持，没有技术上的创新，无法形成明显的竞争壁垒。厂商的上市之路真的能顺利的走下去吗?还是厂商另有深意?

　　IPO热潮背后，“自动驾驶再次站上风口”这一结论仍需打上一个问号。

　　二、智能驾驶，虚晃一枪

　　“从悬崖上跳下去或许还有一线生机，大不了落个残疾，但不跳等着你的就是一枪毙命。”对于自动驾驶上市潮的现象，常垒资本管理合伙人冯博给出了不一样的看法。

　　虽然有些重，但难掩一二级市场以及各地交易所对国内自动驾驶赛道的态度。

　　自动驾驶第一次融资热潮发生在2018年前后，截至目前已经过去5个年头。“在这个节点上，资本始终无法退出，也面临很大的压力。”站在资本运作的角度，冯博认为在自动驾驶迟迟无法落地的当下，投资人需要一个退出路径，一些厂商自然将IPO提上日程。

　　但压力大是一回事，能不能上市又是另一回事。

　　最近几年，国内股票市场越来越成熟，国家的新经济战略、股民对互联网等新兴经济模式的认知逐渐提升，经常有同类型公司获得几倍于海外上市公司市值的案例。

　　因此，自动驾驶厂商也看到了这一趋势，纷纷选择A股上市，但A股IPO申报、要求都较为严苛。

　　根据A股IPO要求，对于主板和中小板企业而言，最近3个会记年度净利润为证书且累计超过人民币3千万元;创业板需要连年连续盈利，最近两年净利润累计不少于1千万元。

　　“科创板是A股中对亏损容忍度最高的板块，但去年上市企业中，也只有15%的企业不达标。”冯博直言，A股不喜欢没有盈利的企业。

　　这一点，在国内近期已经上市的自动驾驶厂商身上表现的淋漓尽致。禾赛科技、亿咖通两者皆是在科创板上市遇阻后，转头赴美，还有一些厂商中途退市的现象。

　　当然，这不是导致自动驾驶厂商在A股上市难的直接结果，也不意味着所有未能在A股上市的自动驾驶厂商不盈利。毕竟具备国产替代、颠覆性和创新性的技术企业，仍有在A股上市的优势，另外背后还有许多不可知、隐藏的因素。

　　可是，从自动驾驶厂商在A股上市的概率和坎坷度来看，目前自动驾驶厂商在盈利和技术方面仍是和A股上市要求有一些距离。

　　“像自动驾驶这种赛道，其实是国际资本比较喜欢的。”冯博认为自动驾驶公司上市无非两个地方，一个是港股、一个是美股，但主要还是后者。

　　事实确实如此，由于在盈利要求上美股并没有A股那么严格，更加看重公司的市值增长空间。所以在A股受挫情况下，美股自然成为第二选择。这点从上市公司具体产品、行业市场规模，以及目前所表现的增长中可以感觉到。

　　例如禾赛科技主要业务是激光雷达研发与制造，更多涉及自动驾驶技术感知层的软硬件，目前美国加州现有的52家获得无人车公开道路测试牌照的高科技公司中，超过1/3已经是其付费客户。

　　值得注意的是，其硬件产品在其营收构成里占比较重。其中禾赛科技ADAS激光雷达产品在过去的一年交付量高达80462台，同比增长467.5%。相关数据显示，其是全球激光雷达份额排名最高的公司。

　　另外，激光雷达产业在国外发展一直较为颓靡，且没什么市场，主要市场还是国内，目前禾赛科技一半多的营收也在国内，加之国内政策上对激光雷达中某些技术出口的限制，禾赛科技自然能打破中美目前的冰面，让纽交所心甘情愿的打开IPO大门。

　　可是并非每个公司都具备这样的优势，纵观国内自动驾驶赛道的玩家，仍有难度。

　　换个角度来看，即使国内自动驾驶厂商在美上市成功，可能仍要面对赛道不稳定性带来的大幅股价波动。以美股来看，自动驾驶厂商上市后股价平均暴跌80%，自动驾驶一级市场的钱也并不好赚。

　　综合所有因素，自动驾驶厂商的IPO之路，一是上市道阻且长，二是成功上市后股价也很有可能不如预期。可以预测，如果自动驾驶厂商不具备国产替代，以及高增长空间的产品或技术，只靠“车企+ADAS”，上市之路会比较坎坷。

　　这一点，自动驾驶厂商自身也十分清晰。

　　其实，这类转向“车企+ADAS”厂商，之所以会相继抛出上市的消息，在产业家看来，无非两个原因。一是或许就像开头冯博所言，上了总比没上的好，大家总得试试。创业者在投资人的加压下“赶鸭子上架”;二是投资人和创业者想以此法，重新激发二级市场，重回曾经的融资节奏上。

　　但无论何种原因，自动驾驶厂商最后的目的仍是寻求长线发展的资金和支持者，助其熬到L4真正规模化落地的那一天。

　　毕竟，虽然厂商转向L2级“ADAS+车企”方向，开始规模化落地、盈利，但厂商面临的危机也更多。

　　三、L4背后的“攻与守”

　　市场发展环境变换莫测，行业的竞争格局必然也会被打破。

　　对于厂商而言，其一方面需要“ADAS+车企”撑营收，一方面仍需要大量资金加速其在L4技术层面建立优势。以此保证其在L4真正到来的那一刻，抢到市场份额。

　　“ADAS+车企”向L4级渐进过程中，并不意味着自动驾驶技术厂商和车企会一直没有合作裂缝。

　　事实上，以前自动驾驶的商业模式较为清晰，主要就是以国外成功商业化路径作为模版。一是Robotaxi方向的类Waymo模式，是L4级自动驾驶;二是主机厂商方向的类特斯拉模式。

　　但随着国内越来越多的创业主体参与进来，以及商业化落地的问题，一些新的商业模式出现。

　　例如Robotaxi方向商业化落地较为困难，且十分烧钱，大厂输血能力强，逐渐成为主导者。而对于一些创业厂商而言，则开始渐进式发展，慢慢地选择降维或者场景降维。场景方面就是从原来的出租车应用场景转向物流、环卫等低速应用场景。技术降维就是从原来的L4转而向主机厂提供L2+解决方案或者硬件，从而更好的辅助司机驾驶(ADAS)。

　　如今，可以看到ADAS方向成为原本Robotaxi方向厂商撑营收的主要阵地。这一路径也在诸多厂商的实践下，发展的越发通畅。地平线、大疆、毫末智行、MINIEYE、福瑞泰克等实现量产。

　　因此，也就有了当下诸多厂商纷纷拐入ADAS的现象。至此，自动驾驶技术厂商与车企合作，实现L2级自动驾驶落地，继而收集路测数据训练为L4所用，自动驾驶迭代实现闭环。

　　也让智能驾驶在C端乘用车上的应用和低速自动驾驶的应用，成为当下厂商技术主要“落脚点”。

　　但这种合作模式也暗藏危机。

　　以Momenta为例，数据驱动的模式中，海量数据获取依赖车企，短期时间内可以拿到数据，但与多家车企合作时难免会出现合作破裂，数据可靠性、稳定性难以确保。但类特斯拉方向的新势力整车厂商却可以。因此，在渐进式的自动驾驶最终胜利者可能是蔚来、小鹏这样的新势力主机厂。

　　另外，自动驾驶运营能力已经成为传统车企的必修课，逐渐入局自动驾驶，未来，越来越多的传统车企将会亲自下场做技术。

　　彼时，Momenta可能面临的并购和收购的危机。

　　还有一个重要的问题是，低维和高维的场景数据有明显的差异。低维数据能否满足高维场景的需求，百分百反哺L4仍要打一个问号。所以对于自动驾驶厂商而言，“L2+L4”才能在未来构建竞争优势。

　　自动驾驶厂商一方面要守住车企这个“金主爸爸”，另一方面要挺进L4。能让厂商坚持到最后的唯有融资能力。所以上市抑或是不上市，这波IPO热潮，总是会为厂商创造一些声音，让自己被投资人看到，让市场活跃起来。

　　回到宏观角度，ChatGPT现象级的爆发下，其底层技术AI大模型的应用，或许也为自动驾驶带来了关注度和新的增量。

　　四、“遇见”AI大模型

　　这个月的16号和17号，百度股价从跌超10%到涨超12%，2天时间经历了过山车式的涨幅。这种现象背后皆源于「文心一言」的发布。

　　有意思的是，这一跌一涨，前者对应的是面向C端用户的类ChatGPT产品;后者对应的是面向B端的AI大模型。

　　据百度官方发布的数据显示，截止3月17日上午10点，文心一言企业版API调用服务测试的用户已经突破7.5万，基于文心一言与百度智能云展开的合作咨询已达6080条。

　　“文心一言原来是吸引B端客户的。”在产业家TOB俱乐部交流社群中，部分业内人士纷纷感叹。

　　其实，百度股价高涨背后的因素不仅在于AI大模型的产业侧应用趋势，但在国内，AI大模型最好的规模化落地确实是在产业侧。

　　自动驾驶就是培育其规模化落地较好的“土壤”之一。

　　分析这背后的逻辑，就不得不提到自动驾驶商业化落地最底层的技术瓶颈，即“长尾问题”。自动驾驶的实现路径首先是通过视觉或激光雷达打造感知系统，识别各种路况，通过AI学习、计算、分析、训练，规划出具体的行驶路径，继而作出智能决策，将这种决策传输到控制系统，系统驱动汽车行驶。

　　然而，汽车行驶的道路场景十分复杂，例如高速公路、城市道路、乡间道路都不一样，且在具体道路场景下还有无保护左转、环岛等具体驾驶任务，所以感知层始终无法覆盖所有场景。目前唯一的方法就是通过汽车在道路上行驶，不断收集行驶数据，尽可能覆盖更多场景。

　　这听着就像个“无底洞”式的发展路径，因为很难实现所有场景的覆盖。目前很多L4+级自动驾驶只能在封闭道路或固定园区运行，也印证了这一点。

　　从技术底层来看，主要是因为机器学习不足。目前机器学习的逻辑是，通过收集、筛选各类数据，借助人工确定识别特征，然后根据域和数据类型编码模型。通俗的讲，机器学习的逻辑下，L4+级自动驾驶在开放场景的落地路径为：

　　首先需要利用汽车搭载的摄像头、激光雷达等感知设备，收集某段道路场景中车主的状态、道路立体结构、行人和其他汽车状态等数据。然后工程师识别出泊车、车辆变道等意图。

　　技术人员会根据具体的行为意图写一条规则，例如如果当车辆变道时，预测下一步先打转向灯，如果周围车辆安全，预测下一步方向盘左转....当汽车有变道意图时，汽车就按照这个规则实现自动变道。

　　当大量的、多维的车辆变道的操作数据，不断集成到这个规则中，这个规则可以自己对不同维度的车辆变道数据进行学习，训练，使得这个规则更完善，可以应对多变的车辆变道。这个规则我们也可以称之为车辆变道模型。

　　可以发现，机器学习下，自动驾驶模型只能针对有限的、单一的数据种类，无法进行多模态大量数据处理。且单个场景下，往往由多个模型组成，单个模型仅负责一种决策无法应对连续的多场景任务。

　　简单说，如今的自动驾驶，基本是靠工程师一条条规则写出来的。

　　深度学习下的AI大模型正在改变这一现状。通过构建具有更多层神经元的机器学习模型，并依靠大数据来学习更有用的特征，从而最终提升分类或预测的准确性。相较机器学习，没有工程师参与识别数据特征的环节，可以用无标定数据实现无监督训练，还能与大数据与大算力组合发挥更大性能，与L4+级自动驾驶高度契合。

　　基于AI大模型，可以看到未来自动驾驶将会具备高效获取并处理海量、多维度数据的能力，面对任何场景，都可以迅速做出智能预测。

　　目前，随着ChatGPT的现象级爆发，其高效获取并处理海量、多维度数据的底层AI大模型照进现实，让L4+自动驾驶多了一些想象。国内一些厂商也在基于AI大模型推动自动驾驶发展。例如以百度文心一言为代表的互联网大厂;以商谈为代表的AI厂商。

　　但据产业家通过对多家自动驾驶厂商的问询，发现虽有些厂商有这方面的布局，但大多数厂商还未发声，有明确布局的是毫末智行的“DriveGPT”。

　　至于，AI大模型能激发出自动驾驶厂商多少潜力，还需时间来证明。但对于自动驾驶厂商而言，AI大模型是自动驾驶走出低谷的关键。另外，似乎也间接推动了这次自动驾驶厂商的IPO热潮。

　　自动驾驶的浪潮不会停止，仍然会继续发展下去，但会更加谨慎，务实。