文 | 產(chǎn)業(yè)家 斗斗
編輯 | 皮爺
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(zhàn)科創(chuàng)板；再有Momenta 被傳擬在中國香港或美國公開募股、文遠知行秘密向美國證監(jiān)會提交 IPO 申請、智加科技擬在美國IPO、縱目科技科創(chuàng)板IPO恢復“已問詢”狀態(tài)；另外蘑菇車聯(lián)、速騰聚創(chuàng)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(xiàn)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W(wǎng)aymo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(yè)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(yè)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(yè)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(chǎn)品以及投資方中發(fā)現(xiàn)一些端倪。
具體來看，Momenta的核心是數(shù)據(jù)，將量產(chǎn)的L2/L3自動駕駛產(chǎn)品搭載在車輛上，不斷的收集、訓練路測數(shù)數(shù)據(jù)，進行產(chǎn)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(chǎn)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(xiàn)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(tài)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(jiān)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(chǎn)自動駕駛解決方案。
不同于其他廠商，蘑菇車聯(lián)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(chǎn)品將道路數(shù)字化，使車路協(xié)同。繼而降低Robotaxi場景復雜度，逐漸實現(xiàn)L4落地。值得注意的是，蘑菇車聯(lián)的商業(yè)模式可獲得大量G端項目。
其新一輪融資投資方中，出現(xiàn)了湖南省國有資產(chǎn)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(chuàng)的產(chǎn)品主要在自動駕駛感知層，專于自動駕駛激光雷達環(huán)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(zhàn)略融資，交易金額共計高達幾十億，而戰(zhàn)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(yè)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(tài)來看，“AITO問界”改為“HUAWEI問界”，已經(jīng)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?！币晃粯I(yè)內人士對產(chǎn)業(yè)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(yè)廠商”的趨勢未來將會愈發(fā)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(xiàn)了主機廠前端軟硬件的量產(chǎn)落地，拉動了規(guī)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(guī)模化落地，但實現(xiàn)規(guī)?；涞睾驮煅芰Φ氖荓2，并非L4。這意味著，自動駕駛并未在產(chǎn)品、技術上實現(xiàn)實質性的迭代。
若只靠車企的加持，沒有技術上的創(chuàng)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?！睂τ谧詣玉{駛上市潮的現(xiàn)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(tài)度。
自動駕駛第一次融資熱潮發(fā)生在2018年前后，截至目前已經(jīng)過去5個年頭?！霸谶@個節(jié)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(jīng)濟戰(zhàn)略、股民對互聯(lián)網(wǎng)等新興經(jīng)濟模式的認知逐漸提升，經(jīng)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(jù)A股IPO要求，對于主板和中小板企業(yè)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(chuàng)業(yè)板需要連年連續(xù)盈利，最近兩年凈利潤累計不少于1千萬元。
“科創(chuàng)板是A股中對虧損容忍度最高的板塊，但去年上市企業(yè)中，也只有15%的企業(yè)不達標。”馮博直言，A股不喜歡沒有盈利的企業(yè)。
這一點，在國內近期已經(jīng)上市的自動駕駛廠商身上表現(xiàn)的淋漓盡致。禾賽科技、億咖通兩者皆是在科創(chuàng)板上市遇阻后，轉頭赴美，還有一些廠商中途退市的現(xiàn)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(chǎn)替代、顛覆性和創(chuàng)新性的技術企業(yè)，仍有在A股上市的優(yōu)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?！瘪T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(chǎn)品、行業(yè)市場規(guī)模，以及目前所表現(xiàn)的增長中可以感覺到。
例如禾賽科技主要業(yè)務是激光雷達研發(fā)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(xiàn)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(jīng)是其付費客戶。
值得注意的是，其硬件產(chǎn)品在其營收構成里占比較重。其中禾賽科技ADAS激光雷達產(chǎn)品在過去的一年交付量高達80462臺，同比增長467.5%。相關數(shù)據(jù)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(chǎn)業(yè)在國外發(fā)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(yōu)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(wěn)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(chǎn)替代，以及高增長空間的產(chǎn)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(chǎn)業(yè)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(chuàng)業(yè)者在投資人的加壓下“趕鴨子上架”；二是投資人和創(chuàng)業(yè)者想以此法，重新激發(fā)二級市場，重回曾經(jīng)的融資節(jié)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(fā)展的資金和支持者，助其熬到L4真正規(guī)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(guī)?；涞?、盈利，但廠商面臨的危機也更多。
三、L4背后的“攻與守”
市場發(fā)展環(huán)境變換莫測，行業(yè)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(yōu)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(yè)模式較為清晰，主要就是以國外成功商業(yè)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(chuàng)業(yè)主體參與進來，以及商業(yè)化落地的問題，一些新的商業(yè)模式出現(xiàn)。
例如Robotaxi方向商業(yè)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(chuàng)業(yè)廠商而言，則開始漸進式發(fā)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(huán)衛(wèi)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(fā)展的越發(fā)通暢。地平線、大疆、毫末智行、MINIEYE、福瑞泰克等實現(xiàn)量產(chǎn)。
因此，也就有了當下諸多廠商紛紛拐入ADAS的現(xiàn)象。至此，自動駕駛技術廠商與車企合作，實現(xiàn)L2級自動駕駛落地，繼而收集路測數(shù)據(jù)訓練為L4所用，自動駕駛迭代實現(xiàn)閉環(huán)。
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(shù)據(jù)驅動的模式中，海量數(shù)據(jù)獲取依賴車企，短期時間內可以拿到數(shù)據(jù)，但與多家車企合作時難免會出現(xiàn)合作破裂，數(shù)據(jù)可靠性、穩(wěn)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(jīng)成為傳統(tǒng)車企的必修課，逐漸入局自動駕駛，未來，越來越多的傳統(tǒng)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(shù)據(jù)有明顯的差異。低維數(shù)據(jù)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(yōu)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(chuàng)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(xiàn)象級的爆發(fā)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(jīng)歷了過山車式的漲幅。這種現(xiàn)象背后皆源于「文心一言」的發(fā)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(chǎn)品；后者對應的是面向B端的AI大模型。
據(jù)百度官方發(fā)布的數(shù)據(jù)顯示，截止3月17日上午10點，文心一言企業(yè)版API調用服務測試的用戶已經(jīng)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(chǎn)業(yè)家TOB俱樂部交流社群中，部分業(yè)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(chǎn)業(yè)側應用趨勢，但在國內，AI大模型最好的規(guī)?；涞卮_實是在產(chǎn)業(yè)側。
自動駕駛就是培育其規(guī)?；涞剌^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(yè)化落地最底層的技術瓶頸，即“長尾問題”。自動駕駛的實現(xiàn)路徑首先是通過視覺或激光雷達打造感知系統(tǒng)，識別各種路況，通過AI學習、計算、分析、訓練，規(guī)劃出具體的行駛路徑，繼而作出智能決策，將這種決策傳輸?shù)娇刂葡到y(tǒng)，系統(tǒng)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(xiāng)間道路都不一樣，且在具體道路場景下還有無保護左轉、環(huán)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(shù)據(jù)，盡可能覆蓋更多場景。
這聽著就像個“無底洞”式的發(fā)展路徑，因為很難實現(xiàn)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(qū)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(shù)據(jù)，借助人工確定識別特征，然后根據(jù)域和數(shù)據(jù)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(tài)、道路立體結構、行人和其他汽車狀態(tài)等數(shù)據(jù)。然后工程師識別出泊車、車輛變道等意圖。
技術人員會根據(jù)具體的行為意圖寫一條規(guī)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(guī)則實現(xiàn)自動變道。
當大量的、多維的車輛變道的操作數(shù)據(jù)，不斷集成到這個規(guī)則中，這個規(guī)則可以自己對不同維度的車輛變道數(shù)據(jù)進行學習，訓練，使得這個規(guī)則更完善，可以應對多變的車輛變道。這個規(guī)則我們也可以稱之為車輛變道模型。
可以發(fā)現(xiàn)，機器學習下，自動駕駛模型只能針對有限的、單一的數(shù)據(jù)種類，無法進行多模態(tài)大量數(shù)據(jù)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(xù)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(guī)則寫出來的。
深度學習下的AI大模型正在改變這一現(xiàn)狀。通過構建具有更多層神經(jīng)元的機器學習模型，并依靠大數(shù)據(jù)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(shù)據(jù)特征的環(huán)節(jié)，可以用無標定數(shù)據(jù)實現(xiàn)無監(jiān)督訓練，還能與大數(shù)據(jù)與大算力組合發(fā)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(shù)據(jù)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(xiàn)象級爆發(fā)，其高效獲取并處理海量、多維度數(shù)據(jù)的底層AI大模型照進現(xiàn)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(fā)展。例如以百度文心一言為代表的互聯(lián)網(wǎng)大廠；以商談為代表的AI廠商。
但據(jù)產(chǎn)業(yè)家通過對多家自動駕駛廠商的問詢，發(fā)現(xiàn)雖有些廠商有這方面的布局，但大多數(shù)廠商還未發(fā)聲，有明確布局的是毫末智行的“DriveGPT”。
至于，AI大模型能激發(fā)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(xù)發(fā)展下去，但會更加謹慎，務實。