“現階段做 Robotaxi 的公司都得完蛋。”

這是去年 4 月時任華為智慧駕駛產品部部長蘇箐所下的定論。彼時這一觀點引起了一陣關於 Robotaxi 以及佈局 L4 自動駕駛商業化前景的討論。

近兩年來，隨著Momenta、輕舟智慧、文遠知行等等曾專注於L4 自動駕駛的公司開始做 L2 級別的前裝量產， L4 自動駕駛的商業化問題再次受到質疑。

L4 向下降維，是否說明 L4 商業化難題已難以解決？走 L2 前裝量產路線又能否突破瓶頸？

“自動駕駛理想與難以商業化”的現實矛盾

自動駕駛汽車一直呈現出兩條發展路徑——一是以 Waymo 為代表的跨越式全自動駕駛路線，即一步到位製造達到 L4或L5 級別的自動駕駛汽車；另一種則是漸進式路線，從 L2 級的輔助駕駛量產開始向 L3、L4、L5 的無人駕駛等級逐步升級，特斯拉、蔚小理等都是這一方向。

儘管兩條路線殊途同歸，但從現實情況來看，不同的實現路徑已將場內玩家進行分流，L4 自動駕駛重技術實現，L2 輔助駕駛重量產應用。

縱觀 L4 自動駕駛行業發展歷程，在經歷了 2015 年技術熱潮帶來的融資熱、2017-2018 年的估值泡沫期、2019 年的行業冷靜期後，終於在 2020 年下半年再次重獲資本青睞。

彼時，自動駕駛找到了商業化落地路徑，即透過Robotaxi成為出行運營商。資本再次湧入，融資訊息頻現，在 2021 年達到了高潮。資料顯示，2021 年中國自動駕駛行業融資事項共計 105 次，合計融資金額達 575 億元。

據鈦媒體 APP 統計，2020 年 6 月至今，僅是文遠知行一家就獲得了 6 次融資，緊隨其後的分別是小馬智行、元戎啟行的 4 次與3 次融資。在融資熱潮下，Momenta 也在時隔三年之後於 2021 年獲得了兩次融資。

在資本再次為自動駕駛狂熱期間，百度、小馬智行、AutoX、文遠知行等部署自動駕駛的廠商陸續開放 Robotaxi 約車服務，2021 年也被稱為自動駕駛商業化元年。

儘管北上廣等一線城市已在部分地區試點開放 Robotaxi 約車服務，但從目前的技術水平來看，要實現規模化落地還有很長一段路程要走，變現週期也非常漫長——也就是說，在很長一段時間內，自動駕駛難以實現造血能力，仍需依賴外界輸血。

然而現實的情況是，目前融資大環境處於低迷狀態，資本進場愈加謹慎，再加上大部分自動駕駛玩家已達到估值水平，要再拿到融資具備更大的挑戰性。

“自動駕駛公司融資最大的挑戰來自於它的商業化進展不及預期，短期內要真正批次落地運營，形成正向的現金流和產生盈利非常難。”一位關注自動駕駛的業內投資人向鈦媒體 APP 表示。

當理想與現實碰撞，對 L4 自動駕駛廠商而言，面對資本謹慎，外援不足的現實狀況，亟需另謀生路，找到一條能夠短期變現的道路——在此背景下，L4 降維進入 L2 前裝量產成為趨勢。

在 Momenta、輕舟智航走 L2 前裝量產路線後，文遠知行在 5 月 25 日也官宣與 Tier1 廠商博世進行戰略合作，佈局L2 至 L3 級別自動駕駛應用。

文遠知行與博世的合作被視為降維競爭的開始（圖片來源：文遠知行）

一方面，L4 自動駕駛公司能夠利用 L2 前裝量產快速變現，獲得營收；另一方面，規模化量產的車輛能在現實場景中獲得大量資料以反哺技術，提升自動駕駛能力以及安全性。

L4 演算法是否能夠複用到 L2？追求演算法優先、不計前裝成本的 L4 廠商深入需要嚴控成本、功耗的 L2 之間的矛盾將如何協調？再者，車企是否願意將自動駕駛這一“靈魂”交給 L4 廠商來做，都是 L4 廠商需要面對並解決的問題。

L4 玩家能做好 L2 前裝量產嗎？

對 L4 廠商來說，其最大的優勢在於演算法能力和資料處理能力。他們在資料閉環和資料鏈路上投入了很多資源，但涉及前裝量產方面需要考慮到的供應鏈管理，硬體整合、量產工程能力等方面則有所欠缺。

在 L4 廠商降維做 L2 的路線中，既有自主拓展產業鏈，直接交付方案尋求與車企合作的，也有像文遠知行選擇與頭部 Tier1 廠商合作，僅提供軟體開發和技術支援，由 Tier1 廠商進行整合和規模化量產，進而向主機廠銷售。

無論哪一種模式，對 L4 廠商來說，降維 L2 並不意味著演算法能夠直接複用，而是從頭再來。

即便是Waymo，同樣面對著商業變現的難題（圖片來源：視覺中國）

“L4 的演算法很難複用到 L2 ”，一位汽車行業觀察人士向鈦媒體 APP 說道，“僅是在感知層面就完全不同，L4 多采用鐳射雷達，L2 則是純視覺或是視覺與鐳射雷達的結合，不同感測器所採用的演算法完全不同。”

鐳射雷達採集的是點雲資料，攝像頭採集的是影象資料，在時間記錄上也有一定差異，因此需要對不同感測器的資料做融合。再者，不同鐳射雷達路線採集方式不同，最終也會影響資料分析處理。

不只是感知硬體，不同品牌的不同車型在電子電器架構、域控制器、晶片所適配的平臺等各個方面都存在差異性，這意味著 L4 廠商需要針對不同量產專案進行定製化適配。

也就是說，即使 L4 廠商積累了強大的計算能力，但依舊難以複用至 L2，因此需要新增一部分人力物力對不同量產專案進行定製化開發，這也將進一步衍生更多成本支出。

一家佈局 L2 前裝量產的自動駕駛技術公司高層曾向鈦媒體 APP 表示，在實際專案交涉中，相較於技術能力實現，車企更看重價效比，“車企更關注如何花更少的錢，辦更多的事。”

測試階段儘可以堆砌硬體，量產便必須考慮成本（圖片來源：視覺中國）

以往 L4 公司佈局 Robotaxi 時，會為了達到某些功能、確保安全性而堆疊大量感測器，即便出現了感測器效能的冗餘也是必須承擔的成本。

AutoX 創始人兼執行長肖健雄曾透露，Robotaxi 的價格基本是普通乘用車的兩倍。百度此前也曾提及過，一輛無人駕駛汽車的成本是 48 萬元——這個價位顯然已經是乘用車中高階水平。

車企並不在乎自動駕駛技術能力多一點還是少一點，畢竟在現有的技術條件來看，各家量產方案都相差不遠，車企更關心如何在用上智慧駕駛方案之餘，用足夠的價效比作為競爭力賣出更多車。

由此也不難看出，如何打造出兼顧安全性和高性價比的量產方案是 L4 廠商進場的必修課，L4 廠商要補的功課還有很多。

誰來買單？

“隨著智慧駕駛技術新車裝機率的不斷提升，高階智慧駕駛正成為行業角逐的下一片藍海”，博世智慧駕駛與控制事業部中國區總裁李胤曾在採訪中提到。

隨著 L2 輔助駕駛從高速場景走向城區場景，L2 輔助駕駛和 L4 自動駕駛在場景應用上已十分趨同，這給 L4 廠商提供了進場時機，也預示佈局 L2 輔助駕駛的主機廠將和降維至 L2 的自動駕駛廠商將在同個競技場上較量。

當下越來越多主機廠投入研發自動駕駛技術，其中既有堅持全棧自研的蔚小理等造車新勢力，也包含長城、吉利、上汽、一汽等傳統主機廠，有的甚至在體系外搭建了專門團隊，如上汽的零束科技、長城的毫末智行、吉利的億咖通等。

“任何一家汽車公司不做自動駕駛，就是死”，上汽集團總裁王曉秋曾在公開採訪中直言，這也足以反應車企掌握自動駕駛技術的必要性和重要性。

蔚來汽車 CEO 李斌也曾在採訪中提及自研自動駕駛的邏輯，他表示：“越是涉及產品及時迭代、改進和反饋的部分，就越應該由車企自己來做。因為整車企業比供應商離使用者更近，當用戶反饋意見之後，車企可以及時改進並回應。如果要透過供應商才能處理，就等於增加了一個環節，會變得很麻煩和低效。”

某種程度上，李斌的這番話已經將車企與供應商放在對立面。那麼，對降維至 L2 成為供應商角色的 L4 公司來說，其量產方案的銷售物件又是誰？

“不具備自研能力的車企”，一位行業人士說道，“有能力自研的車企都不願意把靈魂交給供應商，長此以往，主機廠最後會成為代工廠角色。”

不過，一位關注汽車行業投資人告訴鈦媒體 APP，主機廠自研初期能力不那麼強、技術不太成熟的時候，可能需要與外部供應商進行專案性質合作，這對 L4 廠商來說是一個機會。

但從長遠角度來看，一旦主機廠能夠實現技術自研，完成了“先上車，後補票”的操作後，L4 廠商的應用價值也會相應受到挑戰。

L4的理想與L2的現實之間有著商業化這道鴻溝（圖片來源：視覺中國）

另外，即使 L4 廠商與主機廠達成合作，關於自動駕駛資料歸屬權的問題也需要雙方博弈。對 L4 廠商來說，無論是安全性驗證還是自動駕駛能力的提升，都離不開資料。對車企而言資料同樣十分重要；畢竟，自動駕駛競爭的關鍵在於資料。

主機廠會因為 L4 廠商強大的演算法能力，資料處理和分析能力而選擇與其合作，也不排除會因為資料問題而產生忌憚。

隨著智慧化越來越成為汽車競爭的重要標的，主機廠與供應商之間的關係也並不是傳統的供給關係，而是競爭與合作並存。

主機廠越來越深入供應鏈環節的方方面面，試圖將智慧化這一“靈魂”掌握在自己手中，即使是目前資金不夠寬裕的造車新勢力，也在堅持全棧自研。

某種意義上來看，這也對 L4 玩家提出了更高要求，只有 L4 的量產方案優於車企自研，才能保證市場競爭力。

即使是降維進入，但並不意味著 L4 廠商就能夠輕鬆做到前裝量產，其不僅需要補足短板，還要應對來自車企和競爭環境的不確定性。

L4 廠商能否在 L2 前裝量產的路線上走出一片天地，一些都還沒有定論，一切都還是未知數。