2021年以来，智能驾驶在资本市场热度重现：截至2021年7月，共发生融资案例数十起，融资金额达到数百亿元，这其中不乏福瑞泰克超 1 亿美金、纵目科技近 2 亿美金、Momenta 5 亿美金、以及相关领域的地平线 15 亿美金等大额融资。 在汽车智能化的大浪潮中，泰合资本先后服务了地平线、理想汽车、福瑞泰克、镁佳科技等行业头部公司，并陪伴企业家共同成长。这个领域持续火热的背后，底层逻辑到底在发生什么样的转变？未来趋势是什么？以下是泰合资本智能驾驶团队结合行业研究及交易经验积累的深度观察，与你分享。 回溯历史，资本市场对智能驾驶的关注始于2017年。彼时，“造车新势力”代表企业理想汽车启动B轮融资、开始布局自动驾驶技术；AI芯片领域的头部企业地平线明确将汽车智能芯片作为公司主要战略方向，被外界视为“中国的Mobileye”。 智能驾驶（自动驾驶）技术包含两个主要应用方向： 1、赋能出行服务（含物流）企业， 用自动驾驶技术降低人力成本，提高运行效率； 2、赋能主机厂， 用自动驾驶技术提升驾驶安全性与改善驾乘体验。 在过去近五年的时间里，智能驾驶领域的资本市场投资热点始终围绕在赋能出行服务的应用上，“Robotaxi”“Robotruck”等强调“无人驾驶”的概念最受追捧。 但进入2021年后，我们明显感受到，交付给主机厂的量产级智能驾驶解决方案越来越受投资人的关注。今年的上海车展上，各主机厂商均以新推出的高阶辅助驾驶方案作为新车核心卖点，市场热情被彻底点燃，从业者、投资人及产业链上下游的相关方似乎达成了共识： 智能驾驶时代将以更快的速度来到我们身边。 作为智能驾驶行业的长期陪伴者与观察者，泰合资本认为，智能驾驶行业已迎来商业化能力的大考，潜力企业们将在2021年呈交第一份“答卷”，稳定量产能力是核心“考点”。我们希望就行业竞争的近期、中期与终局分享三点判断，分别围绕三组关键词展开： 量产为王： 近期来看，中高阶自动驾驶解决方案的大规模商业化应用将在两年内（2021-2023）到来； 数据决胜： 中期，更高阶的自动驾驶解决方案核心竞争点是基于量产落地方案的数据积累与处理能力； 体系构建： 而从终局角度出发，智能驾驶行业的龙头企业必须要构建完整体系，在技术能力、商业模式、产品等方面具有全面竞争力。 我们预计，随着单摄像头+单雷达的智能驾驶解决方案快速普及，未来2-3年内，中国的智能驾驶的量产装配率/搭载率会很快提升到30%以上，甚至可能达到50%——在2021年1-6月间，这个数据尚不足15%。 ▶  供给端：本土供应商优势明显 正因为国内自主品牌对智能驾驶越来越重视，大量车型匹配和工程化服务需求早已超越了外资品牌的产能，这为本土供应商们提供了“弯道超车”的机会。 智能驾驶是一个面向具体场景的解决方案与产品，对于本地化的工程服务、场景匹配要求高。与外资品牌相比，本土企业的场景理解与场景匹配能力更强，本地化响应速度也更快。随着场景复杂度进一步提升，这种优势会逐步扩大。 需求端有空间、供给端有优势——可以说，适宜本土供应商们进一步茁壮生长的“沃土”已初步形成。 在商业社会的运行规则中，有一条普遍规律适用于绝大多数行业：产业链复杂度越高，产业链环节越多，就越容易出现具有突出优势的头部企业，因为它们能渗透到产业链上的各个环节、实现整合，进一步提升壁垒——智能驾驶行业亦然。在这样复杂的行业中，通过主机厂的严格考核、实现量产，能体现出公司在产业链各个环节累积的优势。 量产难度越来越高 必须说明的是，和早些年那些早期自动驾驶阶段（L0级别）的项目相比，如今企业如果要想在更高级别的阶段中实现量产，已经变得越来越难。 行业整体已从信息辅助向控制辅助演进。相比对技术能力要求集中在感知环节的信息辅助类功能，控制辅助类功能对供应商各个方面的能力要求大幅度提升，容错空间变得更小了。 举个例子，对信息辅助类功能来说，Corner case的大量积累只是锦上添花的加分项。但对控制辅助类功能的商业化应用来说，是必选项。Corner case的积累对保证智能驾驶的安全性和用户体验都极为重要。 因为控制辅助类智能驾驶功能对感知准确性的要求提升了，在保证功能有效的前提下，需要尽可能避免功能的误触发，如此一来，算法的难度大大提升。信息辅助类功能做出错误判断往往不会对安全驾驶和用户体验本身产生直接影响，但是控制辅助类的误判与误触发，轻则可能影响用户驾驶体验，重则可能导致转向、刹车不当，方向控制失误等等，进而导致严重交通事故。 ▶  工程化落地之难 算法之外，工程化落地难度进一步加大，跨系统连接交互、成本控制都考验着企业的交付能力。 一方面，信息辅助无需与车辆控制系统有交互，但控制辅助类功能的实现，必然需要与车辆的控制系统直接交互。因此需要供应商具备更强的调校能力和测试能力；另一方面，商业化落地要求供应商在平衡好质量、成本与交付的同时，满足不同主机厂以及同一主机厂不同车型上的个性化服务需求。这类工程化能力和对量产车型的匹配与理解，是很多由算法起家的创业公司不具备或者不擅长的。 量产打通了商业与技术的闭环，“强者恒强” 虽然量产的难度一再提升，但企业一旦实现量产，就会进入“强者恒强、强者更强”的良性循环中来。 一台新的乘用车对一个新的L2级别智能驾驶解决方案的适配周期可能长达2年、甚至更久，因为其中包含了考察、定点、量产等诸多环节。因此，主机厂往往倾向于选择具有量产经验的供应商，且一旦选定供应商以后，不会轻易更换。行业一旦进入量产周期，具有大规模量产经验的龙头企业必然更很容易拿下新的项目定点。企业可以如滚雪球一般不断扩大市场份额。 量产规模的优势又可以进一步增强其产品的稳定性、一致性，形成规模效应、扩大成本优势，最终实现围绕量产的飞轮效应，不断扩大自己的护城河。 如前文所言，智能驾驶企业之间的量产能力差异已经开始显现，同时企业可以实现围绕量产的飞轮效应，通过量产不断增强自己的技术与商业化能力。我们认为，量产项目应当成为判断企业能力的核心指标，PoC（Proof of Concept，概念验证）项目的参考意义相对减弱。 具体来说，有以下几个指标可以重点关注：交付规模、客户质量与交付功能。 交付规模： 量产的交付规模是最直接的指标。考虑到量产周期因素，现阶段项目定点的数量亦可作为量产的领先指标作为参考。如果现阶段企业仍然没有比较大规模的项目定点 （未来12个月内规模化交付） ，可能就会在未来竞争中落于下风。 客户质量： 头部主机厂的头部项目往往要求更高，且未来持续放量的潜力更大。如果能拿下头部客户的项目定点或者量产交付，也能体现出供应商的实力。 交付功能： 从交付量和交付难度角度来看，L2及L2+级别功能是最值得关注的。因为智能驾驶已经进入控制辅助阶段，那些前期的信息辅助 （L0级别） 量产项目、甚至部分供应商信息辅助类的后装量产，就不具备太多的参考性了；其次，由于功能实现成本以及功能成熟度制约，L3级别功能在未来2-3年交付量仍然有限，可以作为供应商高阶算法能力的参考指标，但不能全面验证企业的商业化前景。目前看来，最理想的交付功能组合是少量高结算法的定点+大批量L2/L2+量产。 今年以来，无论是特斯拉、小鹏等在智能驾驶领域重点布局的新势力主机厂，还是华为等下场造车的科技公司，都在推出各种新产品。但据泰合的观察，在技术与产品的成熟度方面，真正的高阶智能驾驶距离大规模商业化应用还有很长的一段路。严格来说，那些高级别的智能驾驶解决方案，目前还处于demo阶段，竞争格局并不明朗。 不过，可以明确的是，数据才是推动更高阶方案开发的核心“燃料”。 域控制器的核心技术点在芯片，而非域控制器这个算力平台的硬件集成。重点在于，芯片并不掌握在供应商手中。作为基础平台，高阶域控制器的开发固然重要，但我们认为，高阶域控制器的规模量产时间不会早于2023年，未来竞争格局尚不清晰。 首先， 高阶域控匹配的车型仍然有限，且预计量产交付的车型大多排在2023年以后。未来两年，市场主力量产智能驾驶解决方案仍会集中在L2级与L2.5级方案。目前头部主机厂的头部车型定点的高阶域控方案未来仍有调整可能，此外，目前方案成本高企，未来很难成为市场主流配置。 其次， 高阶域控制器的核心——高算力芯片，目前未有确切交付时间表。据泰合了解，在不跳票的情况下，目前高通、英伟达、瑞萨等主流芯片的预计交付时间点均在2023年-2024年。因此，从核心硬件交付周期看，高阶智能驾驶竞争仍处于相对早期的阶段。 真正的胜负点在于数据的获取、分析与积累能力。 泰合判断，从中长期角度看，高阶智能驾驶未来的算力与算法模型大概率会趋同，而交付功能的安全性、客户体验、以及ODD （Operational Design Domain，运行设计域） 范围的差异，主要靠数据。 作为第三方的高阶智能驾驶解决方案供应商，想要通过量产车型获取数据、迭代算法并构建自身的竞争优势，需要解决以下几点问题： 1、L2/L2+级别的大规模量产交付是基础； 2、与主机厂就数据所有权和使用权达成一致； 3、须具备数据收集、传输、清洗、存储与分析处理的完整能力闭环； 4、数据安全体系符合国家监管要求； 其中，前两条属于数据资源类要素，后两条属于技术能力类要素。从目前国内的情况来看，由于企业自己量产交付车辆，理想、小鹏、蔚来等造车新势力在闭环搭建上具有优势；市场中第三方解决方案供应商暂时还没有出现具备完整要素闭环的企业。 我们相信，在已经具备大量量产订单和交付的头部智能驾驶解决方案供应商中，谁能以更快速度形成自己的技术能力闭环、并与主机厂就数据合作模式达成一致，谁就将在未来高阶智能驾驶解决方案的竞争中处于绝对的优势地位。它还可能因为与不同主机厂在不同车型上形成合作，从而获得更大规模、更富有多样性的数据，甚至可能超越目前领先的造车新势力、更好地赋能主机厂。 如果只有先进算法、缺乏核心数据，也只能“风光一时”。比如过去几年在赛道中相对领先的部分纯算法公司，它们开发出了一些高阶智能驾驶功能，但是如果无法实现规模化量产应用并借此获取有效数据，它们的算法技术优势可能会在未来2-3年中被迅速反超。 1、将智能驾驶功能实现的三大核心要素——芯片、系统与算法——融会贯通； 例如，高通在失去维宁尔软件算法上的合作支持后，其下一代自动驾驶芯片Ride平台的开发与推广便受到极大挑战，因此高通近期才选择截胡麦格纳、自己提高报价收购维宁尔； 2、将智能驾驶产品与整车状态紧密耦合； 智能驾驶是整车各项功能的一部分，与其他功能模块对应错综复杂，要求供应商对整车功能的实现、设计、制造与验证流程有充分认知； 3、在功能实现的过程中，协同软硬件之间的复杂关系； 目前市场上“软硬件解耦”的概念被炒热，但我们相信这只是在开发过程中相对独立的开发模式。因为汽车功能复杂度高，在功能实现的过程中，企业必须要对软硬件都有完整的、透彻的理解与掌控，才能充分发挥出软件和硬件的性能优势。 综上，未来的智能驾驶供应商，必须掌握整个复杂产业链各个环节的技术能力，未来胜出的企业一定得是“十项全能”型选手。 主机厂是智能驾驶供应商的客户，但是因为主机厂各自能力不同，只有极个别的主机厂会选择全面自研，比如特斯拉；另有一些中小主机厂欠缺研发能力，可能会选择Tier1（一级供应商）的“交钥匙式”的交付，就是把软硬件全家桶一锅端地承包出去。 但对市面上大多数主机厂来说，他们的选择是混合的：自研一部分功能，尤其是与消费者体验直接相关的应用层软件，他们更倾向于自己做；再向供应商采购一部分功能；最后还可能选择一个Tier1负责全面整合，这样就能为整个系统的功能交付兜底。 主机厂的选择对智能驾驶解决方案供应商提出了更高的要求：既要拥有完整的系统能力；又得拥有把功能打散、进行模块化交付的能力。因为，主机厂不希望让核心功能与相关的核心能力被Tier1完全掌控，但又必须承认：头部的Tier1供应商在开发效率、成本、数据积累等方面确实具备多样性与规模化优势。 在未来的智能驾驶功能实现与商业化上，主机厂与Tier1们大概率会是高度竞合、相互交织的关系。作为乙方的Tier1，必须在商业模式上具备充分的灵活性。 首先，硬件实现标准化后，才可能保证生产过程中的高良率、产品的一致性、稳定性以及规模化带来的成本优化。我们认为，在标准化基础上构建的硬件设计、制造以及供应链管理上的突出能力，是保证具有价格竞争力的产品稳定交付的基础，这恰恰是目前很多纯算法创业公司极为欠缺的。 再者，从软件层面看，整个智能驾驶软件包括系统软件、中间件和应用层模块。我们说的系统平台化，指的是广义的系统，包括系统软件（狭义系统）及中间件。软件模块化指的是应用层的各种功能模块，即各种App通过API连接的各类功能软件模块。 系统平台化： 广义系统软件是整个软件体系的基础，代码量大复杂度高，且稳定性、安全性要求高，因此复用度极高，无论是从开发效率角度还是经济性角度看，都要求实现平台化。 软件模块化： 应用层模块非常多，包括了安全模块、功能模块（即感知模块、融合模块、规划控制模块、人机交互模块……）等等。根据不完全统计，仅仅是应用层的核心功能模块，L0级-L4级目前至少有数十个，并且还在依据具体的场景与应用要求不断增加。主机厂未来需要供应商依据不同的需求供应不同的功能模块，根据不同的体验设计要求对不同模块的个性化调校，这就必然要求供应商们的软件开发更模块化、以保持灵活性。 主要负责泰合智能汽车、新能源、先进制造等领域业务。密先生具有逾15年的在国际顶级投行以及中国证券市场投资的丰富经验，在加入泰合资本之前，曾任汭疆资本创始合伙人，瑞士银行证券研究部执行董事，并曾任职于瑞士信贷证券以及安永华明会计师事务所。 密先生曾被《华尔街日报》评为亚洲最佳分析师、《机构投资者》评为中国大型综合企业研究最佳分析师。毕业于南京大学，拥有国际商务学士学位。 代表案例：Trans Maldivian Airways、福瑞泰克，镁佳科技、66快充、北斗智能等。