自動駕駛IPO熱潮里，L4廠商的「攻與守」

　　“從懸崖上跳下去或許還有一線生機，大不了落個殘疾，但不跳等著你的就是一槍斃命。”

　　作者|斗斗

　　出品|產業家

　　最近，自動駕駛的圈子十分熱鬧。

　　首先是禾賽科技赴美IPO成功、億咖通科技成功登陸納斯達克、縱目科技從新三板轉戰科創板;再有Momenta 被傳擬在香港或美國公開募股、文遠知行秘密向美國證監會提交 IPO 申請、智加科技擬在美國IPO、縱目科技科創板IPO恢復“已問詢”狀態;另外蘑菇車聯、速騰聚創等廠商也透露出IPO意向。

　　似乎自動駕駛又迎來了新一輪風口。但硬幣的另一面是，在剛剛過去的一年中，盡管“上市”動作頻頻，自動駕駛整個圈子卻并未表現出特別高漲的氛圍，甚至有所降溫。

　　例如，背靠福特、大眾兩大造車巨頭的L4自動駕駛公司Argo AI倒閉;自動駕駛第一股圖森未來CEO遭罷免;蘋果放棄L5自動駕駛汽車;谷歌旗下自動駕駛公司Waymo進行了近10輪裁員......2022年的自動駕駛顯然深處寒冬。

　　這樣鮮明的對比，也引起諸多業內外人士的疑問。在當下而言，幾個核心問題需要有答案：

　　1、IPO熱潮背后，是否意味著自動駕駛再次站上風口?

　　2、這些廠商能上市成功嗎?

　　3、IPO熱潮背后的深度原因是什么?

　　一、“ADAS+車企”，自動駕駛涌向IPO

　　從此次自動駕駛IPO熱潮表象來看，這種行業整體積極性來自廠商的底氣，而廠商之所以有底氣，則源于老生常談的商業化落地。

　　這一點可以從自動駕駛廠商的具體落地路徑、主要盈利產品以及投資方中發現一些端倪。

　　具體來看，Momenta的核心是數據，將量產的L2/L3自動駕駛產品搭載在車輛上，不斷的收集、訓練路測數數據，進行產品迭代，從而推動L4升級，屬于L2和L4并行。

　　近兩年，Momenta逐漸開始為主機廠提供L2/L3級量產自動駕駛解決方案。

　　值得注意的是，在其最近兩輪投資方中，也出現了大量汽車廠商。例如通用汽車、豐田汽車。并且與比亞迪成立了合資公司。

　　與Momenta不同，文遠知行一開始便起家于L4級無人駕駛，屬于躍進式，信奉L4級的“一步到位”。但從最近一兩年的動態來看，其逐漸轉向復雜度較低的場景，推出了文遠小巴Robobus。

　　智加科技和文遠知行類似，都是起家于L4級自動駕駛。不同點在于智加科技專于物流場景，自稱SL4級自動駕駛(監督式的L4自動駕駛)。但在最近兩年也開始降維，轉向前裝量產自動駕駛解決方案。

　　不同于其他廠商，蘑菇車聯核心是基于自動駕駛基礎建設，推動L4落地。簡言之，就是利用軟硬件產品將道路數字化，使車路協同。繼而降低Robotaxi場景復雜度，逐漸實現L4落地。值得注意的是，蘑菇車聯的商業模式可獲得大量G端項目。

　　其新一輪融資投資方中，出現了湖南省國有資產管理集團有限公司等機構。目前其已與各地政府開始合作，項目簽約金額超過100億元。

　　速騰聚創的產品主要在自動駕駛感知層，專于自動駕駛激光雷達環境感知解決方案。值得注意的是其自2018年10月至今的4輪融資都是戰略融資，交易金額共計高達幾十億，而戰略投資方涉及北汽、上汽、比亞迪、宇通客車、廣汽、吉利。

　　其中的不同在于，以往車企偏向于和技術成熟、體量大的大廠合作，但隨著大廠造車界限越來越模糊，車企與大廠之間業務重合度越來越高，且較為被動。例如華為一開始入局造車的模式是以供應商的身份和車企合作，后又推出自動駕駛解決方案，并一直強調不會下場造車。但從其最近動態來看，“AITO問界”改為“HUAWEI問界”，已經掌握了問界的主控權。

　　“不用懷疑，大廠不會放過造車這塊巨大的蛋糕。”一位業內人士對產業家說。

　　而對于有自動駕駛技術需求的車企而言，垂直的自動駕駛技術廠商則成為其主要合作對象。這種“車企+自動駕駛專業廠商”的趨勢未來將會愈發明顯。

　　總體看來，車企大量資金的支持和前裝自動駕駛軟硬件需求下，使得L4級自動駕駛廠商降維，轉向L2級輔助駕駛(ADAS)，實現了主機廠前端軟硬件的量產落地，拉動了規模化盈利。

　　這或許讓自動駕駛廠商們有了開啟IPO的底氣。

　　從這個層面來看，雖然自動駕駛開始規模化落地，但實現規模化落地和造血能力的是L2，并非L4。這意味著，自動駕駛并未在產品、技術上實現實質性的迭代。

　　若只靠車企的加持，沒有技術上的創新，無法形成明顯的競爭壁壘。廠商的上市之路真的能順利的走下去嗎?還是廠商另有深意?

　　IPO熱潮背后，“自動駕駛再次站上風口”這一結論仍需打上一個問號。

　　二、智能駕駛，虛晃一槍

　　“從懸崖上跳下去或許還有一線生機，大不了落個殘疾，但不跳等著你的就是一槍斃命。”對于自動駕駛上市潮的現象，常壘資本管理合伙人馮博給出了不一樣的看法。

　　雖然有些重，但難掩一二級市場以及各地交易所對國內自動駕駛賽道的態度。

　　自動駕駛第一次融資熱潮發生在2018年前后，截至目前已經過去5個年頭。“在這個節點上，資本始終無法退出，也面臨很大的壓力。”站在資本運作的角度，馮博認為在自動駕駛遲遲無法落地的當下，投資人需要一個退出路徑，一些廠商自然將IPO提上日程。

　　但壓力大是一回事，能不能上市又是另一回事。

　　最近幾年，國內股票市場越來越成熟，國家的新經濟戰略、股民對互聯網等新興經濟模式的認知逐漸提升，經常有同類型公司獲得幾倍于海外上市公司市值的案例。

　　因此，自動駕駛廠商也看到了這一趨勢，紛紛選擇A股上市，但A股IPO申報、要求都較為嚴苛。

　　根據A股IPO要求，對于主板和中小板企業而言，最近3個會記年度凈利潤為證書且累計超過人民幣3千萬元;創業板需要連年連續盈利，最近兩年凈利潤累計不少于1千萬元。

　　“科創板是A股中對虧損容忍度最高的板塊，但去年上市企業中，也只有15%的企業不達標。”馮博直言，A股不喜歡沒有盈利的企業。

　　這一點，在國內近期已經上市的自動駕駛廠商身上表現的淋漓盡致。禾賽科技、億咖通兩者皆是在科創板上市遇阻后，轉頭赴美，還有一些廠商中途退市的現象。

　　當然，這不是導致自動駕駛廠商在A股上市難的直接結果，也不意味著所有未能在A股上市的自動駕駛廠商不盈利。畢竟具備國產替代、顛覆性和創新性的技術企業，仍有在A股上市的優勢，另外背后還有許多不可知、隱藏的因素。

　　可是，從自動駕駛廠商在A股上市的概率和坎坷度來看，目前自動駕駛廠商在盈利和技術方面仍是和A股上市要求有一些距離。

　　“像自動駕駛這種賽道，其實是國際資本比較喜歡的。”馮博認為自動駕駛公司上市無非兩個地方，一個是港股、一個是美股，但主要還是后者。

　　事實確實如此，由于在盈利要求上美股并沒有A股那么嚴格，更加看重公司的市值增長空間。所以在A股受挫情況下，美股自然成為第二選擇。這點從上市公司具體產品、行業市場規模，以及目前所表現的增長中可以感覺到。

　　例如禾賽科技主要業務是激光雷達研發與制造，更多涉及自動駕駛技術感知層的軟硬件，目前美國加州現有的52家獲得無人車公開道路測試牌照的高科技公司中，超過1/3已經是其付費客戶。

　　值得注意的是，其硬件產品在其營收構成里占比較重。其中禾賽科技ADAS激光雷達產品在過去的一年交付量高達80462臺，同比增長467.5%。相關數據顯示，其是全球激光雷達份額排名最高的公司。

　　另外，激光雷達產業在國外發展一直較為頹靡，且沒什么市場，主要市場還是國內，目前禾賽科技一半多的營收也在國內，加之國內政策上對激光雷達中某些技術出口的限制，禾賽科技自然能打破中美目前的冰面，讓紐交所心甘情愿的打開IPO大門。

　　可是并非每個公司都具備這樣的優勢，縱觀國內自動駕駛賽道的玩家，仍有難度。

　　換個角度來看，即使國內自動駕駛廠商在美上市成功，可能仍要面對賽道不穩定性帶來的大幅股價波動。以美股來看，自動駕駛廠商上市后股價平均暴跌80%，自動駕駛一級市場的錢也并不好賺。

　　綜合所有因素，自動駕駛廠商的IPO之路，一是上市道阻且長，二是成功上市后股價也很有可能不如預期。可以預測，如果自動駕駛廠商不具備國產替代，以及高增長空間的產品或技術，只靠“車企+ADAS”，上市之路會比較坎坷。

　　這一點，自動駕駛廠商自身也十分清晰。

　　其實，這類轉向“車企+ADAS”廠商，之所以會相繼拋出上市的消息，在產業家看來，無非兩個原因。一是或許就像開頭馮博所言，上了總比沒上的好，大家總得試試。創業者在投資人的加壓下“趕鴨子上架”;二是投資人和創業者想以此法，重新激發二級市場，重回曾經的融資節奏上。

　　但無論何種原因，自動駕駛廠商最后的目的仍是尋求長線發展的資金和支持者，助其熬到L4真正規模化落地的那一天。

　　畢竟，雖然廠商轉向L2級“ADAS+車企”方向，開始規模化落地、盈利，但廠商面臨的危機也更多。

　　三、L4背后的“攻與守”

　　市場發展環境變換莫測，行業的競爭格局必然也會被打破。

　　對于廠商而言，其一方面需要“ADAS+車企”撐營收，一方面仍需要大量資金加速其在L4技術層面建立優勢。以此保證其在L4真正到來的那一刻，搶到市場份額。

　　“ADAS+車企”向L4級漸進過程中，并不意味著自動駕駛技術廠商和車企會一直沒有合作裂縫。

　　事實上，以前自動駕駛的商業模式較為清晰，主要就是以國外成功商業化路徑作為模版。一是Robotaxi方向的類Waymo模式，是L4級自動駕駛;二是主機廠商方向的類特斯拉模式。

　　但隨著國內越來越多的創業主體參與進來，以及商業化落地的問題，一些新的商業模式出現。

　　例如Robotaxi方向商業化落地較為困難，且十分燒錢，大廠輸血能力強，逐漸成為主導者。而對于一些創業廠商而言，則開始漸進式發展，慢慢地選擇降維或者場景降維。場景方面就是從原來的出租車應用場景轉向物流、環衛等低速應用場景。技術降維就是從原來的L4轉而向主機廠提供L2+解決方案或者硬件，從而更好的輔助司機駕駛(ADAS)。

　　如今，可以看到ADAS方向成為原本Robotaxi方向廠商撐營收的主要陣地。這一路徑也在諸多廠商的實踐下，發展的越發通暢。地平線、大疆、毫末智行、MINIEYE、福瑞泰克等實現量產。

　　因此，也就有了當下諸多廠商紛紛拐入ADAS的現象。至此，自動駕駛技術廠商與車企合作，實現L2級自動駕駛落地，繼而收集路測數據訓練為L4所用，自動駕駛迭代實現閉環。

　　也讓智能駕駛在C端乘用車上的應用和低速自動駕駛的應用，成為當下廠商技術主要“落腳點”。

　　但這種合作模式也暗藏危機。

　　以Momenta為例，數據驅動的模式中，海量數據獲取依賴車企，短期時間內可以拿到數據，但與多家車企合作時難免會出現合作破裂，數據可靠性、穩定性難以確保。但類特斯拉方向的新勢力整車廠商卻可以。因此，在漸進式的自動駕駛最終勝利者可能是蔚來、小鵬這樣的新勢力主機廠。

　　另外，自動駕駛運營能力已經成為傳統車企的必修課，逐漸入局自動駕駛，未來，越來越多的傳統車企將會親自下場做技術。

　　彼時，Momenta可能面臨的并購和收購的危機。

　　還有一個重要的問題是，低維和高維的場景數據有明顯的差異。低維數據能否滿足高維場景的需求，百分百反哺L4仍要打一個問號。所以對于自動駕駛廠商而言，“L2+L4”才能在未來構建競爭優勢。

　　自動駕駛廠商一方面要守住車企這個“金主爸爸”，另一方面要挺進L4。能讓廠商堅持到最后的唯有融資能力。所以上市抑或是不上市，這波IPO熱潮，總是會為廠商創造一些聲音，讓自己被投資人看到，讓市場活躍起來。

　　回到宏觀角度，ChatGPT現象級的爆發下，其底層技術AI大模型的應用，或許也為自動駕駛帶來了關注度和新的增量。

　　四、“遇見”AI大模型

　　這個月的16號和17號，百度股價從跌超10%到漲超12%，2天時間經歷了過山車式的漲幅。這種現象背后皆源于「文心一言」的發布。

　　有意思的是，這一跌一漲，前者對應的是面向C端用戶的類ChatGPT產品;后者對應的是面向B端的AI大模型。

　　據百度官方發布的數據顯示，截止3月17日上午10點，文心一言企業版API調用服務測試的用戶已經突破7.5萬，基于文心一言與百度智能云展開的合作咨詢已達6080條。

　　“文心一言原來是吸引B端客戶的。”在產業家TOB俱樂部交流社群中，部分業內人士紛紛感嘆。

　　其實，百度股價高漲背后的因素不僅在于AI大模型的產業側應用趨勢，但在國內，AI大模型最好的規模化落地確實是在產業側。

　　自動駕駛就是培育其規模化落地較好的“土壤”之一。

　　分析這背后的邏輯，就不得不提到自動駕駛商業化落地最底層的技術瓶頸，即“長尾問題”。自動駕駛的實現路徑首先是通過視覺或激光雷達打造感知系統，識別各種路況，通過AI學習、計算、分析、訓練，規劃出具體的行駛路徑，繼而作出智能決策，將這種決策傳輸到控制系統，系統驅動汽車行駛。

　　然而，汽車行駛的道路場景十分復雜，例如高速公路、城市道路、鄉間道路都不一樣，且在具體道路場景下還有無保護左轉、環島等具體駕駛任務，所以感知層始終無法覆蓋所有場景。目前唯一的方法就是通過汽車在道路上行駛，不斷收集行駛數據，盡可能覆蓋更多場景。

　　這聽著就像個“無底洞”式的發展路徑，因為很難實現所有場景的覆蓋。目前很多L4+級自動駕駛只能在封閉道路或固定園區運行，也印證了這一點。

　　從技術底層來看，主要是因為機器學習不足。目前機器學習的邏輯是，通過收集、篩選各類數據，借助人工確定識別特征，然后根據域和數據類型編碼模型。通俗的講，機器學習的邏輯下，L4+級自動駕駛在開放場景的落地路徑為：

　　首先需要利用汽車搭載的攝像頭、激光雷達等感知設備，收集某段道路場景中車主的狀態、道路立體結構、行人和其他汽車狀態等數據。然后工程師識別出泊車、車輛變道等意圖。

　　技術人員會根據具體的行為意圖寫一條規則，例如如果當車輛變道時，預測下一步先打轉向燈，如果周圍車輛安全，預測下一步方向盤左轉....當汽車有變道意圖時，汽車就按照這個規則實現自動變道。

　　當大量的、多維的車輛變道的操作數據，不斷集成到這個規則中，這個規則可以自己對不同維度的車輛變道數據進行學習，訓練，使得這個規則更完善，可以應對多變的車輛變道。這個規則我們也可以稱之為車輛變道模型。

　　可以發現，機器學習下，自動駕駛模型只能針對有限的、單一的數據種類，無法進行多模態大量數據處理。且單個場景下，往往由多個模型組成，單個模型僅負責一種決策無法應對連續的多場景任務。

　　簡單說，如今的自動駕駛，基本是靠工程師一條條規則寫出來的。

　　深度學習下的AI大模型正在改變這一現狀。通過構建具有更多層神經元的機器學習模型，并依靠大數據來學習更有用的特征，從而最終提升分類或預測的準確性。相較機器學習，沒有工程師參與識別數據特征的環節，可以用無標定數據實現無監督訓練，還能與大數據與大算力組合發揮更大性能，與L4+級自動駕駛高度契合。

　　基于AI大模型，可以看到未來自動駕駛將會具備高效獲取并處理海量、多維度數據的能力，面對任何場景，都可以迅速做出智能預測。

　　目前，隨著ChatGPT的現象級爆發，其高效獲取并處理海量、多維度數據的底層AI大模型照進現實，讓L4+自動駕駛多了一些想象。國內一些廠商也在基于AI大模型推動自動駕駛發展。例如以百度文心一言為代表的互聯網大廠;以商談為代表的AI廠商。

　　但據產業家通過對多家自動駕駛廠商的問詢，發現雖有些廠商有這方面的布局，但大多數廠商還未發聲，有明確布局的是毫末智行的“DriveGPT”。

　　至于，AI大模型能激發出自動駕駛廠商多少潛力，還需時間來證明。但對于自動駕駛廠商而言，AI大模型是自動駕駛走出低谷的關鍵。另外，似乎也間接推動了這次自動駕駛廠商的IPO熱潮。

　　自動駕駛的浪潮不會停止，仍然會繼續發展下去，但會更加謹慎，務實。