资讯 智能驾驶
此为临时链接,仅用于文章预览,将在时失效

智能驾驶十年,理想商业模式为何「难产」

作者:伍文靓
2021/08/27 11:22

智能驾驶十年,理想商业模式为何「难产」

2011 年 7 月 14 日,一辆红旗 HQ3 在长沙到武汉 286 公里的高速路飞驰,完成历时约 3 个半小时的自动驾驶实验。

这是我国自主打造的自动驾驶车辆首次在真实复杂的交通路况下完成测试。

彼时,在自动驾驶之外,相关碰撞预警、车道偏离预警、自主泊车等辅助功能的样机也已面世。

这是我国试图将自动驾驶技术以可量产的方式融入老百姓用车生活中的尝试。

此后的几年里,智能驾驶迈入新纪元。

各路玩家势如破竹、野蛮生长,整个行业在 2015 年达到新高度、在 2018 年驶入深水区。

如今十年白驹过隙,智能驾驶世界的运行法则从无序到有序,落地路径也早已泾渭分明,但这部波澜壮阔的创业故事给了所有人留下了一个关于商业模式的待解之题。

用钱「砸」出来的智能驾驶

智能驾驶理想的商业模式是什么样子?

没有人知道确切的答案。

不过根据新智驾了解,从 L2(辅助驾驶)到 L4(自动驾驶)、从公开道路到封闭场景,目前行业内几乎没有已经盈利的商业模式。

以全球自动驾驶第一股图森未来为例。

其招股书以及财报显示,2018 年至今年上半年,图森未来的营收约 3250 万元,而净亏损近 50 亿元;其中研发支出约为 22.5 亿元。

半年前,图森未来就已有超 670 名全职员工从事研发活动。

智能驾驶十年,理想商业模式为何「难产」

多位受访人对新智驾表示,在智能驾驶技术的研发中,人力成本是绝对的大头。

由于专业人才太过稀缺,大厂的入局又加速了内卷,一个 CTO 的年薪可以开到千万以上。即便是应届毕业生也能享受非常不错的待遇,一些优秀毕业生的年薪高达 40-50 万甚至是 60 万的 level。

"薪资泡沫太大了,"张文明(化名)有点无奈,"但是大家没办法,该招人还是得招。"

图森未来之外,百度也是一个非常典型的例子。

除了庞大的研发团队,百度仅 Robotaxi 的车队规模就超 500 辆(其自动驾驶小巴和中巴未算在内)、智能驾驶相关专利数量近 3000 件、测试牌照 200 多张,这些成绩都堪称是国内之最。当然,这些成绩背后也都是实打实的人力物力投入。

据媒体估算,其过去 8 年多在自动驾驶的总投入可能在 1000 亿元左右。李彦宏在采访中曾提到,仅去年一年,百度对自动驾驶的投入就高达 200 亿元。

对于图森未来以及百度这种自建车队、打造运营网络的玩家来说,设备费用也不可忽视。

"最开始时候,一套 L4 方案的软硬件成本(包括车)高达几百万元,尽管现在已经压得比较狠了,但还是要几十万。"斯年智驾 CEO 何贝谈道。

实际上,斯年智驾同样以运营模式切入市场,但不同的是,港口的环境比城市道路以及高速道路更适合批量复制。成立一年多时间,斯年智驾就已经拿到了 2个港口码头订单。

在巨大的人力成本以及设备成本双重作用下,现阶段盘子铺得越大,亏损就越厉害。

走前装量产路线的 L2 也难逃相似的命运。

某创业型 Tier 1 向新智驾透露,距离其实现盈亏平衡还需要 2 年时间——前提是持续专注 L2 市场(已有量产订单)。

然而该 Tier 1 正在积极布局 L4 的业务,这会催生出另一部分研发成本,对供应商的资金实力提出了更高的要求。

"量产推进和前沿研发必须要并行,"顾小叶(化名)告诉新智驾,"现在竞标 L2 的项目,各家方案大同小异,你得拿更前瞻的技术和更贴心的服务去打动客户才行。"

其实也好理解:

前装项目从商务接触定点到交付 SOP,再到大批量生产,整个流程通常需要 2-3 年的周期,中途各个环节还要进行各种检查和测试。即便是车辆交付给用户后,也时常需要进行 OTA 升级。

另一方面,近年中美关系也比较紧张,不少传感器零部件都面临断供的风险。

顾小叶透露,他们公司还有一部分现金用于提前备货,必须确保产品的正常交付,"晚一天可能就要赔几十万块钱。"

换言之,没有钱,智能驾驶的一切都是空谈。

盈利,智能驾驶暂时没有赢家

智能驾驶技术再阳春白雪,最终也是尘归尘土归土,落到实处去为用户服务的。

L4,其商业模式的底层逻辑离不开「节省司机成本」。

但放眼整个行业,技术上并没有做到足够成熟足够安全。即便不需要驾驶车辆的司机,驾驶座上也还是端坐着安全员,法律法规短期内也不太可能放开权限。

还是以图森未来和百度为例。

图森未来在招股书中表示,其产品要到 2024 年才开始交付,如果一辆卡车一年可实现 6 万美元营收,在卡车运营数量达到 5000 辆时将实现收支平衡——距离图森未来的成立时间有将近 10 年的跨度。

而百度在日前的财报会议中透露,Robotaxi 的盈利最快也要到 2025 年——距离百度布局智能驾驶的时间超过 12 年。

智能驾驶十年,理想商业模式为何「难产」

无论从何种角度来看,现在谈 L4 真正意义上的盈利还为时尚早。

图森未来和百度只是赛道的两个缩影。但是对于大部分玩家来说,在如此大规模的投入下,又有多少个十年可以消耗。

在真枪实弹的商业比拼阶段,L4 玩家开始寻求更多落地的可能。

"把高级别智能驾驶前瞻技术降维到 L2 或 L3,以主机厂和法律法规都能够接受的形式来推进。"挚途科技战略执行总监杨永勋道出了其与行业内诸多玩家的对策。

今年 7 月,挚途科技正式以 Tier1 身份向一汽解放供应 L3 级自动驾驶集成系统,实现了智能驾驶公司前装供应 OEM 模式的商业化落地。挚途和一汽解放共同打造的 J7 L3 定制化重卡也已在 7 月份小批量下线。

据官方预测,这款车辆在投入运营 1 年半左右就可以收回 L3 硬件系统的成本。

除了尝试在不同维度之间切换,L4 玩家们另一种求变思路是:

将触角伸向不同细分场景,包括小马做重卡、文远做小巴等,百度去年也宣布要通过智能驾驶技术赋能物流行业。

在多位受访人的观点中,L4玩家们在战略方向上摇摆不定,是商业模式受挫的表现之一。

一方面开源,积极探索其他的变现方式。另一方面也要节流,尽可能把钱花在刀刃上。

"这个行业里滥竽充数的人其实不少。要有慧眼识英雄的能力,投资人的钱才更是钱,而不是浪费。"张文明感慨道。

斯年智驾 CEO 何贝则告诉新智驾,他们现在越来越看重「效率」。

因为自动驾驶的变现周期长,如果员工的努力方向与企业需求产生偏差,很可能会拉长研发周期,无益于公司正向发展。

要避免这种事倍功半情况出现,就需要领导层有较强的统战能力,能够对项目进度以及员工状态有清晰的把握。

相比之下,L2 市场由于可进行前装量产,现金回流速度可能会更快一些,而且商业模式已经有了可借鉴的模板——

特斯拉已经证明"软件定义汽车"的路子走得通,而 Mobileye 以及一些国际供应商巨头则给 L2 赛道内的玩家打了样。

智能驾驶十年,理想商业模式为何「难产」

尽管自己所在的公司与 Mobileye 之间存在竞争关系,何天(化名)也丝毫没有掩盖对 Mobileye 的认可:

Mobileye 真的很强。安波福、采埃孚、恒润采用的都是 Mobileye 的方案。说实话,国内还有一段要追赶的距离。

不过,在市场日新月异的变化中,国产的 L2 玩家也抓住了机遇,走出了定制化的差异化道路。

至于很多人阔谈的"定制化会压缩利润空间"的观点,其实不必太担心。

目前,不少玩家们开始在定制化和通用化之间寻求平衡点。如果一个项目需要投入大量的研发精力,但利润很少,量也不大,可能会倾向于直接放弃。

顾小叶认为,前几年行业处于投研阶段,亏损是一个非常客观的自然现象。经过弯道超车,公司已经拿下了前装量产的定点项目,"公司产品能够满足客户的需求,商业模式其实就已经 work 了,只是需要时间去摊薄之前的研发成本。"

现在大家面临的挑战,可能更多的在于人才资源的匮乏。

毕竟,一旦车企认可了某个供应商,双方的合作很有可能会长久地持续下去,规模效应和口碑效应也会逐渐显现出来。如果没有足够的人手,业务的吞吐量无法做大。

同时,眼下的 L2 市场已经发展得较为成熟。车企也有意往更高级的智能驾驶去探索,如果供应商的技术实力跟不上,很有可能陷入尴尬的境地。

新事物发展难免充满曲折

尽管文章开篇讲到,2011 年,国内的智能驾驶从实验室向物理世界迈出重要一步。但多位业内人士与新智驾交流的过程中指出,智能驾驶在商业方面的尝试或许没有那么久。

挚途科技按行业发展特征梳理的结果显示,2014-2016 年为智能驾驶的概念阶段,以 Waymo 为首做技术原型及未来概念设想;2016-2020 年为原型技术Demo展示阶段,自动驾驶企业在各个细分场景百家争鸣;2020 年行业开始步入商业落地阶段。

智能驾驶十年,理想商业模式为何「难产」


而且,现在还不断有新玩家在加码这一领域。

前段时间,AI 四小龙之一依图卖掉了自己的医疗业务。其前员工的一番话很有意思:

安防和医疗都不是依图未来的主业,安防只是规模比医疗大,哪一天无人车或者芯片做起来,安防也能像医疗一样卖掉。

话语间无不流露出对智能驾驶的看好。

此前,商汤、格灵深瞳等 AI 公司也早已在智能驾驶领域进行布局。据新智驾了解,一些 AI 公司的人才也确实流向了智能驾驶行业。

但智能驾驶,真的是 AI 玩家的迦南地吗?

可能未必。

AI 企业虽技术优势傍身,但难以仅仅通过算法来实现单点突破、快速占领市场。

在踏入智能驾驶领域之前,何天就职于某家 AI 安防小巨头。对此,他颇有话语权:

AI 公司搞自动驾驶的不会多,甚至大家只是说说,玩不下去。

何天进一步作了解释,只有深入了解后才会知道这个领域的难度。

算法方面,智能驾驶涉及人身安全,对检测的准确性和实时性要求非常高,AI 行业根本比不了。认知如果转变不过来很难做好。

经验方面,车企非常看重量产经验,因为这代表供应商对整套流程、质量体系是有认知的,意味着供应商的工程化能力是已经得到了一定验证的。而 AI 公司没有这些积累。

资源方面,以往,AI 公司的很多项目都是与政府对接,政府更在乎有没有,但车企在乎的是好不好。毕竟消费者会用脚投票。

更重要的是,智能驾驶自身的发展本就充满着曲折,包括上文所说的因高投入、高人才、高亏损导致的盈利挑战。

而且,步入商业落地阶段后,资本给玩家们带来的压力也会越来越大。

在挚途科技杨永勋看来,资本是逐利的。在行业开启商业化落地的新阶段,除非能够证明企业自身技术领先于行业竞争对手,否则,如果现有技术缺少可落地的商业模式和商业路径,企业将很难获得资本的青睐,融资难度也将增大,不得不面临被兼并或退出市场的风险。

新智驾在齐勤(化名)口中得到了类似的观点。

齐勤是一位一级市场投资人。大概在一个多月前,他还在寻觅市面上好的智能驾驶标的。不过就在这几天,他们的一个智能驾驶项目被风控团队毙掉了,

即便是行业里的龙头企业,它的营收指标和财务指标不满足 A 股上市的要求,美股那边又收紧。没有退出路径,大家现在都比较谨慎。

另一方面,最近蔚来的事故被曝在半月内连出两起车祸,太平洋彼岸的特斯拉则因辅助驾驶系统而受到调查。这些案例很有可能倒逼着法律法规快速完善。

总  结

智能驾驶的盈利困境是一个既定事实,解决问题的正确方式不是逃避,而是放在桌子面上,大家一起来探讨问题在哪里,出路在哪里。

不过,无论是 L2 还是 L4,只凭现阶段的盈利状态来判断商业模式的好坏,可能有点片面。

有人欣赏眼前的灿烂,有人期待更远的未来,其实都没有对错。

尽管智能驾驶的发展道路充满不确定性,但这不妨碍它的正向发展,或许我们也应该给予它更多的耐心。

雷锋网雷锋网雷锋网

文章点评
相关文章