隨著太陽(yáng)每日東升西落，資本市場(chǎng)的風(fēng)云變幻亦如潮水般起伏不定。智能駕駛行業(yè)，這個(gè)高度依賴資源、資金及人才的領(lǐng)域，在經(jīng)歷了融資熱潮、快速擴(kuò)張、量產(chǎn)挑戰(zhàn)、人員調(diào)整及公開上市等一系列波折后，終于在2024年邁入了一個(gè)更為理性的發(fā)展階段。
曾幾何時(shí)，智能駕駛領(lǐng)域群雄逐鹿，數(shù)十乃至上百家公司活躍于不同板塊與場(chǎng)景之中。然而，時(shí)至今日，能繼續(xù)在市場(chǎng)中保持活躍且具備可持續(xù)發(fā)展能力的智能駕駛方案公司，已屈指可數(shù)，不足十家。
那些曾站在學(xué)術(shù)前沿與資本市場(chǎng)風(fēng)口浪尖的先鋒們，在量產(chǎn)的洗禮下，親力親為，將智能駕駛技術(shù)從理論推向?qū)嵺`，成功實(shí)現(xiàn)了前裝上車，涉足了他們?cè)静⒉皇煜さ念I(lǐng)域。
在人工智能與大模型驅(qū)動(dòng)智能駕駛技術(shù)飛速迭代的當(dāng)下，我們離實(shí)現(xiàn)“自動(dòng)駕駛”的宏偉目標(biāo)前所未有的接近。然而，新一代智能駕駛技術(shù)所需的資金、工程實(shí)力及數(shù)據(jù)規(guī)模，也將其推向了高段位玩家的競(jìng)技場(chǎng)。
回望過(guò)去，2012年深度學(xué)習(xí)的興起，為AI領(lǐng)域帶來(lái)了革命性的變化，智能駕駛亦隨之受益匪淺。一時(shí)間，眾多學(xué)界與產(chǎn)業(yè)界的大佬紛紛投身其中，小馬智行、元戎啟行、文遠(yuǎn)知行、Momenta等名字如雨后春筍般涌現(xiàn)，且大多數(shù)公司都將L4級(jí)自動(dòng)駕駛作為業(yè)務(wù)發(fā)展的最終目標(biāo)。
然而，Robotaxi固定運(yùn)營(yíng)的初期策略雖能迅速見(jiàn)效，但難以獲取大規(guī)模泛化所需的優(yōu)質(zhì)數(shù)據(jù)。加之2020年資本市場(chǎng)的低迷，迫使多數(shù)企業(yè)不得不調(diào)整方向，轉(zhuǎn)向他們起初并不熱衷的高階輔助駕駛量產(chǎn)。在這群深耕AI算法的人看來(lái)，從L4級(jí)自動(dòng)駕駛轉(zhuǎn)向高階輔助駕駛似乎是技術(shù)的“下放”或“降維”，但現(xiàn)實(shí)卻并非如此。
L4級(jí)自動(dòng)駕駛主要適用于限定場(chǎng)景，而量產(chǎn)業(yè)務(wù)則需面對(duì)更為復(fù)雜的開放場(chǎng)景，對(duì)魯棒性要求極高。元戎啟行的CEO周光曾表示，L4級(jí)自動(dòng)駕駛在限定場(chǎng)景下，一萬(wàn)次測(cè)試中有一次失誤已屬優(yōu)秀，但量產(chǎn)標(biāo)準(zhǔn)則要求每百萬(wàn)次測(cè)試中僅允許出現(xiàn)一次失誤。這種從demo到量產(chǎn)的巨大差距，對(duì)他們的價(jià)值觀產(chǎn)生了極大的沖擊。
除了工程化能力的短板外，團(tuán)隊(duì)的戰(zhàn)略意志與組織架構(gòu)的調(diào)整也是一大難題。從研發(fā)體系、商務(wù)團(tuán)隊(duì)、交付團(tuán)隊(duì)到考核體系，都需要進(jìn)行顛覆性的改革，這無(wú)疑會(huì)引發(fā)舊團(tuán)隊(duì)體系與新技術(shù)路線的不兼容，導(dǎo)致人才流失、內(nèi)部斗爭(zhēng)等風(fēng)險(xiǎn)。
量產(chǎn)項(xiàng)目周期長(zhǎng)，內(nèi)卷嚴(yán)重的汽車市場(chǎng)又迫使供應(yīng)商以補(bǔ)貼成本報(bào)價(jià)，短時(shí)間內(nèi)難以看到盈利的希望，這與投資人最初的造富夢(mèng)想相去甚遠(yuǎn)。盡管如此，市場(chǎng)上仍有一些公司成功地從L4級(jí)自動(dòng)駕駛轉(zhuǎn)型為高階輔助駕駛方案商，元戎啟行便是其中的佼佼者。
據(jù)接近元戎啟行的人士透露，元戎啟行突然轉(zhuǎn)向高階輔助駕駛并不意外。周光一直在探索無(wú)人駕駛的商業(yè)化路徑，認(rèn)為只做L4級(jí)自動(dòng)駕駛無(wú)異于閉門造車，永遠(yuǎn)無(wú)法實(shí)現(xiàn)自動(dòng)駕駛的最終目標(biāo)。因此，從商業(yè)和技術(shù)終局來(lái)看，先做高階輔助駕駛都是當(dāng)下的最優(yōu)選擇。
另一家頭部智能駕駛方案商Momenta也拿到了眾多主機(jī)廠的項(xiàng)目。雖然如今看起來(lái)風(fēng)光無(wú)限，但Momenta的第一個(gè)量產(chǎn)項(xiàng)目卻花費(fèi)了兩年多的時(shí)間才打磨完成。即便如此，像Momenta和元戎啟行這樣已經(jīng)獲得多家主機(jī)廠青睞的方案商，也不能說(shuō)其商業(yè)化落地已經(jīng)圓滿成功。
因?yàn)橹鳈C(jī)廠們到底是選擇自研還是合作，還未塵埃落定。自研方案的成功與否，將直接決定供應(yīng)商們的長(zhǎng)期命運(yùn)。
進(jìn)入2024年，智能駕駛已成為車企傳播的重中之重。以廣州車展為例，長(zhǎng)城汽車龐大的展臺(tái)上僅展示了一款車——20多臺(tái)全新魏牌藍(lán)山智能駕駛版，彰顯了這家自主品牌在智能化方面的決心。
新車發(fā)布會(huì)上，如果沒(méi)有智能駕駛技術(shù)的更新，不僅缺少一個(gè)賣點(diǎn)，還相當(dāng)于間接承認(rèn)自家技術(shù)沒(méi)有進(jìn)展。因?yàn)橹悄荞{駛技術(shù)的迭代周期已經(jīng)越來(lái)越短。從2022年下半年城市NOA試水向用戶開放至今，短短兩年內(nèi)，智能駕駛的主要技術(shù)棧已更迭了三代：從依賴高精地圖，到無(wú)需高精地圖，再到如今的端到端大模型智能駕駛。
這對(duì)主機(jī)廠和智能駕駛方案商來(lái)說(shuō)，都是從技術(shù)決策、技術(shù)能力、組織架構(gòu)、戰(zhàn)略資源到量產(chǎn)能力的全方位挑戰(zhàn)。如今，腰部及以下的智能駕駛團(tuán)隊(duì)面臨著巨大的壓力，因?yàn)樯弦淮夹g(shù)還未完全搞定，頭部公司已在下一代技術(shù)上取得了顯著進(jìn)展。
例如，一些國(guó)際Tier 1正在跟進(jìn)有圖城市NOA的量產(chǎn)，而自主品牌的自研團(tuán)隊(duì)大部分剛剛實(shí)現(xiàn)了自研高速NOA的量產(chǎn)。相比之下，智能駕駛頭部公司華為、元戎啟行、Momenta已經(jīng)全面切換到了端到端大模型的架構(gòu)。
一位供應(yīng)鏈人士認(rèn)為，主機(jī)廠可以自研低階方案，如ACC、LCC甚至高速NOA，因?yàn)檫@些方案成熟、路徑清晰；但高階方案卻很難做，因?yàn)槿狈Ψe累，短期內(nèi)難以補(bǔ)課；而且新技術(shù)迭代迅速，團(tuán)隊(duì)內(nèi)耗或走錯(cuò)路線，很容易拉大技術(shù)差距，得不償失。
周光認(rèn)為，做智能駕駛需要“技術(shù)預(yù)判”。前融合、車端推理引擎以及時(shí)下最新的“視覺(jué)-語(yǔ)言-動(dòng)作VLA模型”，都是元戎啟行在行業(yè)內(nèi)最早提出的。周光記得，大約在2020年左右，有行業(yè)大佬來(lái)訪詢問(wèn)他對(duì)智能駕駛下一步趨勢(shì)的看法，他當(dāng)時(shí)認(rèn)為是“去高精地圖”，這一預(yù)判后來(lái)被一一驗(yàn)證。
據(jù)悉，元戎啟行的智能駕駛方案已經(jīng)隨魏牌藍(lán)山改款上車。為了證明其無(wú)圖能力，元戎啟行甚至用板車拖著試驗(yàn)車，讓客戶指定地點(diǎn)進(jìn)行隨機(jī)路測(cè)，效果良好，從而拿下了第一個(gè)項(xiàng)目。
到2024年下半年，除了蔚來(lái)、小鵬、理想等造車新勢(shì)力之外，絕大多數(shù)主機(jī)廠都選擇了與華為、元戎啟行、Momenta中的至少一家展開合作，在高階智能駕駛方案上尋求突破。
這也說(shuō)明智能駕駛格局正趨于收斂，主機(jī)廠與方案商的共創(chuàng)成為大部分車企建立智能駕駛能力的必經(jīng)之路。隨著方案的大規(guī)模量產(chǎn)，新的盟友關(guān)系、數(shù)據(jù)閉環(huán)和商業(yè)閉環(huán)也在逐漸形成。
在智能駕駛技術(shù)快速迭代的2024年，有兩個(gè)趨勢(shì)已成為汽車行業(yè)的共識(shí)：大模型成為智能車越來(lái)越重要的開發(fā)方式；端到端智能駕駛技術(shù)的提升速度飛快，且遠(yuǎn)未達(dá)到其上限。
理想和小鵬都公布了下半年基于端到端版本的智能駕駛接管指標(biāo)和體驗(yàn)上的顯著提升，達(dá)到了3-4倍以上。周光認(rèn)為，自動(dòng)駕駛剛剛進(jìn)入端到端時(shí)代，車端的Scaling Law至少還有5年的發(fā)展空間。他認(rèn)為接下來(lái)幾年端到端技術(shù)的進(jìn)展將是極其巨大的，落后一年的技術(shù)基本上就不太可用了。
端到端技術(shù)使智能駕駛更加依賴于AI，從第一性原理出發(fā)，“算力、數(shù)據(jù)、算法”的重要性前所未有。根據(jù)華為、理想、小鵬的規(guī)劃，到明年，智能駕駛第一梯隊(duì)的云端訓(xùn)練算力規(guī)模都將達(dá)到10 EFlops級(jí)別。由于車端算力、供電的局限，車端模型規(guī)模的增長(zhǎng)不會(huì)像云端那樣迅速，Scaling Law的周期會(huì)更長(zhǎng)。
然而，與大模型相比，端到端模型的訓(xùn)練算力需求并不大。因?yàn)樗恍枰诨ヂ?lián)網(wǎng)上的海量文字、圖片信息去訓(xùn)練，只需要駕駛行為中可能涉及的路標(biāo)、路況等相關(guān)信息。開車過(guò)程中遇到的大多數(shù)場(chǎng)景和路況都是重復(fù)的，這意味著大多數(shù)數(shù)據(jù)都是已有數(shù)據(jù)，并不是訓(xùn)練模型所需的新數(shù)據(jù)。端到端技術(shù)需要的是高質(zhì)量的邊緣場(chǎng)景數(shù)據(jù)。
在算力充裕的基礎(chǔ)上，如何挖掘高價(jià)值的數(shù)據(jù)來(lái)訓(xùn)練一個(gè)“全知全能”的智能駕駛世界模型；以及在有限的車端算力基礎(chǔ)上，如何保障有限參數(shù)規(guī)模下單一端到端模型的下限，并極致壓榨其上限，是目前全行業(yè)都在共同求解的兩大議題。
在元戎啟行C1輪融資披露的同時(shí)，周光對(duì)外宣布了下一代方案將量產(chǎn)“視覺(jué)-語(yǔ)言-動(dòng)作模型，VLA模型”。一些行業(yè)人士將VLA視為“端到端”方案的下一代版本。
如果說(shuō)智能駕駛的上半場(chǎng)是資本撒下種子，那么如今一些創(chuàng)業(yè)公司已經(jīng)成長(zhǎng)為茁壯的樹苗。當(dāng)市場(chǎng)格局、商業(yè)模式逐漸清晰，下半場(chǎng)將是這些樹苗如何長(zhǎng)成參天大樹的爭(zhēng)奪戰(zhàn)。
數(shù)據(jù)是決定智能駕駛模型上限的核心資源。目前，大部分智能駕駛數(shù)據(jù)都掌握在主機(jī)廠手里，但絕大多數(shù)數(shù)據(jù)難以充分發(fā)揮效用。面對(duì)日益增長(zhǎng)的數(shù)據(jù)量，匹配合適的方案商，挖掘車主數(shù)據(jù)的價(jià)值，形成具有主機(jī)廠特色的智能駕駛體驗(yàn)，已成為水到渠成之事。
大語(yǔ)言模型、多模態(tài)大模型的浪潮使得算力資源成為稀缺供給。除了互聯(lián)網(wǎng)行業(yè)之外，汽車行業(yè)對(duì)算力的需求最為強(qiáng)烈。而背靠BAT等互聯(lián)網(wǎng)大廠的公司，如華為、元戎啟行、Momenta等，分別依托華為云、阿里云、騰訊云，具有天然的優(yōu)勢(shì)。
