1. 從狂熱到冷靜自動駕駛的十字路口最近和幾個在汽車行業(yè)和投資圈的朋友聊天話題總繞不開自動駕駛。一個明顯的感受是曾經(jīng)被資本捧上天的自動駕駛賽道如今的風(fēng)向變了。幾年前隨便一個初創(chuàng)公司只要PPT上寫著“L4級自動駕駛”、“全棧自研”就能輕松拿到數(shù)千萬甚至上億美金的融資。而現(xiàn)在不少風(fēng)投家Venture Capitalist VC提起這個領(lǐng)域語氣里都帶著一絲謹慎甚至直接“潑冷水”。這背后絕不僅僅是資本市場周期性的“冷熱交替”而是一場關(guān)于技術(shù)、商業(yè)、成本和時間的深刻反思。作為一個長期關(guān)注技術(shù)落地的從業(yè)者我想聊聊為什么曾經(jīng)被視為“未來之星”的自動駕駛?cè)缃褡屪罡颐半U的VC們都開始猶豫了。簡單來說VC的“不看好”并非否定自動駕駛的終極價值而是對“何時、以何種方式、由誰來實現(xiàn)大規(guī)模商業(yè)化盈利”這個問題的答案產(chǎn)生了巨大的不確定性。這種不確定性已經(jīng)從單純的技術(shù)挑戰(zhàn)蔓延到了商業(yè)模式、法規(guī)倫理、社會接受度等方方面面。這盆冷水澆醒的不是夢想而是對現(xiàn)實復(fù)雜性的重新認知。接下來我們就從幾個核心維度拆解一下這盆“冷水”的具體成分。2. 技術(shù)長尾效應(yīng)那最后1%的難題可能比前99%更難幾乎所有對自動駕駛的討論都會聚焦在技術(shù)成熟度上。業(yè)內(nèi)常說的“長尾問題”Long-tail Problem是當前橫在商業(yè)化面前最現(xiàn)實的技術(shù)鴻溝。2.1 感知與決策的“極端場景”困局目前的自動駕駛系統(tǒng)基于海量數(shù)據(jù)訓(xùn)練對于高速巡航、結(jié)構(gòu)化道路、標準天氣條件下的表現(xiàn)已經(jīng)相當不錯甚至在某些封閉園區(qū)、港口等場景實現(xiàn)了商用。這解決了99%的常規(guī)路況。問題出在那剩下的1%——也就是所謂的“極端場景”Corner Cases。這些場景千奇百怪無法窮舉比如一個穿著恐龍玩偶服的行人突然從路邊綠化帶竄出前車掉落的一個形狀怪異的貨物比如一張扭曲的床墊暴雨中積水反光形成的“虛擬車道線”農(nóng)村道路上突然出現(xiàn)的、未被地圖收錄的臨時土堆或者僅僅是夕陽以某個特定角度照射讓交通信號燈產(chǎn)生炫光導(dǎo)致攝像頭誤判。注意這里的“1%”是個相對概念并非精確統(tǒng)計。它代表的是發(fā)生概率低、但一旦發(fā)生后果可能極其嚴重且難以通過現(xiàn)有數(shù)據(jù)模型覆蓋的那些情況。對于人類司機我們可以依靠常識、聯(lián)想和瞬時判斷來處理這些“沒見過”的情況。但AI依賴的是數(shù)據(jù)。要覆蓋這些長尾場景理論上需要收集和處理近乎無限多的“邊緣數(shù)據(jù)”進行訓(xùn)練。這不僅意味著天文數(shù)字級的采集和標注成本一個罕見場景的數(shù)據(jù)其采集和標注成本可能是普通場景的數(shù)百倍更意味著算法模型需要具備更強的泛化能力和“常識推理”能力而這恰恰是當前深度學(xué)習(xí)模型的軟肋。風(fēng)投視角VC投資追求的是在可預(yù)期的時間窗口內(nèi)通常是5-10年實現(xiàn)指數(shù)級增長和退出。當技術(shù)突破卡在“最后1%”而攻克這1%所需的時間、資金和不確定性遠超預(yù)期時投資的性價比和風(fēng)險系數(shù)就急劇上升。他們開始懷疑為這最后的“登月”一步是否值得繼續(xù)投入巨額資金去“賭”一個未知的技術(shù)奇點。2.2 “重感知、輕地圖”與“重地圖、輕感知”的兩難技術(shù)路線上也存在分歧和搖擺。早期很多方案嚴重依賴高精度地圖HD Map認為有了厘米級精度的“上帝視角”地圖車輛感知壓力會小很多。但高精度地圖的鮮度更新頻率和維護成本極高全國甚至全球覆蓋幾乎是不可能完成的任務(wù)。于是“重感知、輕地圖”路線興起希望依靠強大的車載傳感器和算法實時感知環(huán)境降低對高精地圖的依賴。但這又回到了上一個問題對感知算法的要求呈幾何級數(shù)增長尤其是在復(fù)雜城市路口、無明確標線的區(qū)域系統(tǒng)容易“迷失”。風(fēng)投看到的是兩條技術(shù)路線都尚未找到完美的平衡點都在各自的深水區(qū)掙扎。投資任何一條路線都可能因為另一條路線的突破而變得價值大減這種技術(shù)路徑的不確定性是投資的大忌。3. 商業(yè)模式的迷思誰來買單規(guī)模效應(yīng)何時到來技術(shù)難關(guān)尚可攻堅但商業(yè)模式的模糊是更致命的“冷水”。自動駕駛的終極商業(yè)模式是什么目前看依然迷霧重重。3.1 Robotaxi規(guī)模不經(jīng)濟的“吞金獸”Robotaxi自動駕駛出租車曾被寄予厚望被認為是自動駕駛技術(shù)最直接、市場空間最大的落地場景。但現(xiàn)實很骨感。以頭部公司為例其單車硬件成本激光雷達、高性能計算平臺等依然高達數(shù)十萬甚至上百萬人民幣。即使不考慮研發(fā)攤銷僅算車輛折舊、能源、運維和遠程監(jiān)控成本其每公里的運營成本在現(xiàn)階段也遠高于人類網(wǎng)約車。更重要的是為了確保安全目前的Robotaxi運營區(qū)域通常被嚴格限定在經(jīng)過充分驗證的、地理圍欄Geofence內(nèi)的少數(shù)區(qū)域。這意味著它無法像人類網(wǎng)約車一樣實現(xiàn)網(wǎng)絡(luò)效應(yīng)——車越多覆蓋區(qū)域越廣接單效率越高。相反它陷入了“規(guī)模不經(jīng)濟”的陷阱想要擴大運營區(qū)域就需要投入巨資進行該區(qū)域的數(shù)據(jù)采集、算法驗證和牌照申請邊際成本極高而收入增長緩慢。風(fēng)投算賬VC投資時會畫一條“增長曲線”。他們發(fā)現(xiàn)Robotaxi公司的收入增長曲線非常平緩而成本曲線卻居高不下兩條線遲遲無法交叉即實現(xiàn)盈利。資本可以忍受短期虧損但無法忍受看不到盈利時間表的無限期虧損。當最初的“故事”無法用財務(wù)數(shù)據(jù)來驗證時資本的耐心就會迅速耗盡。3.2 前裝量產(chǎn)與“降維打擊”價值被稀釋的焦慮另一條路是與主機廠OEM合作將自動駕駛功能作為增值配置前裝量產(chǎn)到私家車上。這看起來是一條更穩(wěn)妥的路從L2輔助駕駛逐步向L3、L4演進。但這里也有VC的顧慮。首先主機廠對成本極其敏感。為了將高階智駕系統(tǒng)裝上車供應(yīng)商必須進行極致的成本控制這意味著要采用性能更低、更便宜的傳感器如降低激光雷達線數(shù)、用純視覺方案以及算力更低的芯片。這本質(zhì)上是一種“降維”用技術(shù)妥協(xié)來換取規(guī)模。對于專注于L4技術(shù)的初創(chuàng)公司而言這等于放棄了自己的技術(shù)優(yōu)勢去和一個由傳統(tǒng)Tier1如博世、大陸和強勢科技公司如華為、大疆車載把持的紅海市場競爭利潤率會被壓得很低。其次功能所有權(quán)和價值歸屬問題。消費者是為“自動駕駛功能”買單還是為“某品牌汽車”買單目前看來后者占主導(dǎo)。自動駕駛技術(shù)有淪為“汽車配件”的風(fēng)險其品牌價值和溢價能力被主機廠牢牢掌控。一家自動駕駛技術(shù)公司很可能最終變成主機廠的“高級打工仔”無法獨立成長為平臺型巨頭這與VC投資“尋找下一個萬億級平臺”的初衷相悖。4. 法規(guī)、責(zé)任與倫理無法繞開的“社會成本”技術(shù)公司和VC過去可能低估了非技術(shù)因素帶來的阻力。4.1 法規(guī)滯后與責(zé)任界定模糊全球范圍內(nèi)的自動駕駛法規(guī)都處于探索階段。一旦發(fā)生事故責(zé)任如何界定是車輛所有者、軟件算法提供商、傳感器制造商還是遠程監(jiān)控員這個“靈魂拷問”沒有明確答案前大規(guī)模商用就存在巨大的法律風(fēng)險。保險公司如何為自動駕駛車輛設(shè)計險種保費如何計算這些都是懸而未決的問題。法規(guī)的謹慎和滯后直接拖慢了商業(yè)化的步伐。一個城市一個城市地去談判、測試、獲取許可這個過程漫長且充滿變數(shù)。對于追求速度的資本來說這種政策不確定性是極大的風(fēng)險。4.2 倫理困境與社會接受度經(jīng)典的“電車難題”在自動駕駛時代被具象化。雖然發(fā)生概率極低但算法必須被預(yù)先設(shè)定在極端情況下如何抉擇這涉及到無法量化的倫理判斷。更普遍的社會接受度問題則是公眾是否愿意信任一個由代碼控制的機器將自己和家人的安全托付給它每一次被廣泛報道的自動駕駛事故無論責(zé)任在誰都會嚴重打擊公眾信心延長市場教育周期。風(fēng)投意識到他們投資的不僅僅是一項技術(shù)更是一項需要與社會、政府、公眾進行復(fù)雜博弈的系統(tǒng)工程。這項工程的推進速度不完全由技術(shù)進度決定這超出了傳統(tǒng)VC的評估和控制范圍。5. 資本市場的自我修正從“故事驅(qū)動”到“效率驅(qū)動”早期的自動駕駛投資很大程度上是“故事驅(qū)動”和“人才驅(qū)動”。一個由明星科學(xué)家領(lǐng)銜、講述著顛覆交通出行故事的團隊就能獲得巨額融資。那個階段比拼的是誰的故事更宏大誰的團隊背景更耀眼。但現(xiàn)在資本市場進入了“效率驅(qū)動”階段。投資人開始追問更具體的問題你的單位經(jīng)濟模型Unit Economics是什么單車的硬件BOM成本是多少每公里運營的邊際成本是多少拿到了多少張真正的商業(yè)化運營牌照訂單量環(huán)比增長數(shù)據(jù)如何當這些問題得不到令人信服的答案時資本就會收縮。估值邏輯也從遙不可及的“未來市場空間貼現(xiàn)”轉(zhuǎn)變?yōu)楦F(xiàn)實的“基于現(xiàn)有業(yè)務(wù)和可見路徑的現(xiàn)金流折現(xiàn)”。估值泡沫被擠壓融資變得困難一些過度依賴融資輸血、自身造血能力不足的公司自然面臨困境。這盆冷水是市場對前期過熱投資的必然修正。6. 未來的破局點VC可能在等待什么那么風(fēng)投是完全拋棄自動駕駛了嗎并非如此。他們只是在調(diào)整焦距尋找風(fēng)險更可控、路徑更清晰的切入點。1. 特定場景的率先商業(yè)化相比于復(fù)雜的城市開放道路在港口、礦區(qū)、干線物流、末端配送、農(nóng)業(yè)等相對封閉、規(guī)則化的場景自動駕駛的技術(shù)難度和法規(guī)風(fēng)險都更低商業(yè)模式也更清晰替代高昂的人力成本或解決人力短缺問題。VC對這類“垂直場景”的自動駕駛解決方案興趣回升。2. 核心供應(yīng)鏈技術(shù)的突破如果投資整車或全棧解決方案風(fēng)險太高那么投資于能顯著降低行業(yè)成本、提升性能的關(guān)鍵技術(shù)就成了更安全的選擇。例如更廉價可靠的固態(tài)激光雷達、算力功耗比更高的自動駕駛芯片、低成本的4D毫米波雷達等。這些是“賣水人”的角色無論最后哪條整車技術(shù)路線勝出都需要這些底層硬件。3. 與主機廠的深度綁定而非簡單供應(yīng)一些VC開始青睞那些與某家主機廠形成戰(zhàn)略聯(lián)盟、甚至被主機廠投資的自動駕駛公司。這種“綁定”確保了技術(shù)的落地出口和初期的訂單降低了市場風(fēng)險。雖然可能失去一部分獨立性但在當前階段活下去并跑通閉環(huán)比什么都重要。4. 數(shù)據(jù)閉環(huán)與仿真工具的威力能夠高效利用真實數(shù)據(jù)、并擁有強大仿真測試平臺的公司被視為能更快攻克“長尾問題”的潛力股。因為這直接關(guān)系到研發(fā)效率和成本控制是核心競爭力。風(fēng)投潑下的冷水對于整個行業(yè)而言未必是壞事。它擠掉了泡沫迫使所有參與者從仰望星空轉(zhuǎn)向腳踏實地從編織宏大敘事轉(zhuǎn)向解決具體問題。自動駕駛依然是一條充滿希望的道路但它不再被視為一場短跑而是一場考驗技術(shù)、耐力、商業(yè)智慧和資源整合能力的馬拉松。對于還在賽道上的創(chuàng)業(yè)者來說現(xiàn)在更需要的是聚焦、務(wù)實和活下去的韌性而不是又一個顛覆性的故事。這盆冷水或許能讓真正有實力的玩家走得更穩(wěn)、更遠。