雷鋒網(wǎng)新智駕按：本文來自辰韜資本，作者賀雄松，雷鋒網(wǎng)新智駕獲授權(quán)發(fā)布。辰韜資本最近成立了一支“智駕基金”，專注在無人駕駛領(lǐng)域的早期投資，雷鋒網(wǎng)新智駕認為此篇觀點文章對無人駕駛從業(yè)者和投資者來說有借鑒意義，故分享給各位。

無人駕駛是目前人工智能領(lǐng)域改變?nèi)祟惿罘绞阶顝氐?，技術(shù)最集中，AI人才最聚集的地方。無人駕駛企業(yè)不僅具有廣闊的市場空間，而且有能力降維切入其他人工智能的賽道。本文從無人駕駛的發(fā)展趨勢、競爭格局、投資方向三方面梳理無人駕駛的投資思路。

發(fā)展趨勢：特定場景到開放道路，車端傳感到網(wǎng)聯(lián)傳感

自谷歌2009年推出無人駕駛汽車計劃以來，無人駕駛行業(yè)已經(jīng)持續(xù)了將近10年的摸索，近年來，隨著神經(jīng)網(wǎng)絡(luò)的應(yīng)用，傳感技術(shù)大大提升，行業(yè)已經(jīng)到了爆發(fā)前夜。在國外，奧迪A8L已經(jīng)具備L3級別的無人駕駛功能，2018亞洲消費電子展上（2018年6月14日），凱迪拉克Super Cruise?超級智能駕駛系統(tǒng)正式發(fā)布，Waymo在亞利桑那州鳳凰城推出的無人駕駛出租車服務(wù)已經(jīng)一年多了，國內(nèi)雖然起步較晚，但L4無人駕駛公司的路測實驗早已走出指定的測試場，大都直接到公共道路，無人駕駛車輛在雨霧、環(huán)島、隧道等復(fù)雜場景中的表現(xiàn)不斷刷新著大家的認知。

*自動駕駛發(fā)展歷程

在這樣的背景下，無人駕駛特定場景商用逐漸開始落地，但我們也注意到網(wǎng)聯(lián)傳感被屢屢提及，下面基于這兩點現(xiàn)象分析未來的發(fā)展趨勢。

一、量產(chǎn)從特定場景開始，機會與挑戰(zhàn)并存

百度與金龍客車聯(lián)合開發(fā)的無人駕駛微循環(huán)車阿波龍擬于2018年實現(xiàn)商用化量產(chǎn)及上線運營；中國重汽集團剛發(fā)布了擬用于港口運輸?shù)臒o人駕駛電動卡車；京東、蘇寧、菜鳥等電商企業(yè)也紛紛展示了自己的無人駕駛產(chǎn)品。這些都預(yù)示無人駕駛商業(yè)化落地的曙光。

特定場景不涉及公共道路安全法規(guī)且活動區(qū)域相對可知可控，技術(shù)難度較小，可實現(xiàn)快速落地。我們近期走訪了眾多無人駕駛方案提供商，其中不少都已推出方案，擬針對園區(qū)、港口、機場、礦山等特定場景進行垂直深耕。辯證來看，這方面市場機會大，但也蘊藏著比較大的挑戰(zhàn)。

一方面，垂直場景雖技術(shù)實現(xiàn)相對簡單，但仍存在較高的技術(shù)壁壘且需要理解場景需求。無人駕駛本是高技術(shù)壁壘的行業(yè)，垂直場景落地對技術(shù)要求較低，但僅是相對，系統(tǒng)地提供方案仍是不小的挑戰(zhàn)。同時，特定場景方案不能脫離場景特點，比如港口集卡的無人駕駛方案可能不太需要注重車后運動，但對泊車的準確性要求高。所以，無人駕駛公司不僅要懂技術(shù)而且需要對特定場景需求有深刻理解。有些無人駕駛公司技術(shù)實力強，但是對場景理解不深，很難落地。

另一方面，無人駕駛創(chuàng)業(yè)公司需要意識到合作研發(fā)和批量供貨的區(qū)別。可從三個層面進行對比。

一是訂單確定性。目前市場上的無人駕駛公司大都能接到聯(lián)合研發(fā)訂單，客戶包括主機廠或垂直領(lǐng)域互聯(lián)網(wǎng)巨頭等，但從我們接觸的幾個案例來看，國內(nèi)客戶大都喜歡新鮮事物，愿意抱著試一試的態(tài)度，甚至在合作研發(fā)成本并不高的情況下，聯(lián)合研發(fā)費用走研發(fā)經(jīng)費體系即可，但這與正式的訂單體系是完全不同的概念。我們在考察無人駕駛公司時會參考標(biāo)的的研發(fā)訂單，但只是說明客戶在某個市場踏出了第1步，如果量化來說，到量產(chǎn)還有99步要走，批量化的訂單才是真正有價值的。

二是產(chǎn)品穩(wěn)定性。合作研發(fā)的方案大部分僅滿足實驗需求，而批量生產(chǎn)的產(chǎn)品需要達到車規(guī)級，功能安全、產(chǎn)品穩(wěn)定性、可靠性等方面得有足夠冗余。目前大部分無人駕駛公司測試的激光雷達外面就是一層塑料膜，IBEO量產(chǎn)的四線激光雷達卻據(jù)說可以撞碎花壇而不壞。

三是生產(chǎn)能力。Elon Musk可以把火箭送上天，但卻解決不了特斯拉量產(chǎn)問題。量產(chǎn)需要供應(yīng)鏈支持，為了解決這個問題，國內(nèi)的無人駕駛公司也想出了一些對策：比如構(gòu)建生態(tài)圈，扶持一些小的供應(yīng)商一起推進；另外是選擇跟主機廠合作，反過來還可以借用主機廠的客戶資源，但是這種合作方式中無人駕駛公司是否會處于相對弱勢的地位，一方面主機廠大都野心勃勃有自己的研發(fā)計劃，而且Tier1從來就不是高毛利的行業(yè)，很可能出現(xiàn)高科技無人駕駛公司的毛利（Tier1一般不超過30%）比不過傳統(tǒng)行業(yè)賣玻璃的福耀玻璃（毛利37%左右）。

二、特定場景向開放道路迭代，未來產(chǎn)業(yè)鏈格局是關(guān)鍵

雖然特定場景的無人駕駛已經(jīng)見到量產(chǎn)的曙光，但是開放道路的L4級別無人駕駛乘用車仍面臨諸多落地難題，大家對無人駕駛的安全性有近乎嚴苛的標(biāo)準，國內(nèi)道路環(huán)境的復(fù)雜性，技術(shù)的可靠性等都制約著無人駕駛汽車在開放道路的行駛，同時政策法律的完善以及倫理問題思考也是目前需要推進的。

基于這些難題，國內(nèi)主機廠采用了逐步推進的方案，即通過ADAS逐漸實現(xiàn)無人駕駛的功能。目前國內(nèi)的環(huán)視已非常成熟，裝配率增長迅速；自動泊車預(yù)計今年年底能實現(xiàn)量產(chǎn)；在某種意義上已達到L4級別要求的自主泊車也有多家企業(yè)正在緊鑼密鼓地研發(fā)。環(huán)視到自動泊車到自主泊車就是一條不斷迭代升級的無人駕駛路線。

部分無人駕駛企業(yè)則是相對激進的打法，這其中有一個關(guān)鍵思考：當(dāng)無人駕駛乘用車量產(chǎn)實現(xiàn)的時候，汽車產(chǎn)業(yè)鏈的商業(yè)模式是否會發(fā)生顛覆式的變革？這涉及到無人駕駛公司和主機廠的角力以及出行方式的改變。谷歌Waymo無人駕駛出租車運營已經(jīng)測試了一年多，顯然他并不是奔著主機廠Tier1供應(yīng)商去的，反過來他們希望主機廠成為他們供應(yīng)商，使主機廠變成類似手機產(chǎn)業(yè)鏈中富士康的角色。我們也認為，在強勢的主機廠面前，Tire1必然不是一個好生意，汽車供應(yīng)鏈企業(yè)的低PE也很好地說明了這個特點，如果無人駕駛公司都是奔著做Tire1去的，目前的估值就要打一個大的問號了。主機廠的核心壁壘之一是發(fā)動機，但目前的格局下，未來無論是鋰電還是氫能，發(fā)動機大概率會成為歷史，主機廠是否會失去其強有力的壁壘，淪為富士康這樣的代工廠，期待歷史給我們的答案。

三、網(wǎng)聯(lián)傳感屢被提及，方向可期

無人駕駛在乘用車領(lǐng)域是很時尚的概念，但是對地鐵等交通工具來說，這項技術(shù)早已實現(xiàn)，配備的司機只是起輔助作用和應(yīng)付突發(fā)事件。與目前大部分無人駕駛方案不同，地鐵列車自動駕駛系統(tǒng)的感知主要在網(wǎng)聯(lián)端。

無人駕駛汽車裝傳感器的目的是為了實現(xiàn)對周圍環(huán)境的探測，但如果周圍環(huán)境的信息，甚至包括整條擬行駛道路的實時動態(tài)信息都能通過網(wǎng)絡(luò)傳送到給汽車大腦呢？目前部分車聯(lián)網(wǎng)平臺已經(jīng)可以傳送交通路口的實時圖片，可以預(yù)見未來道路端傳感器的增加將擠占車端傳感器的生存空間。

我們看好網(wǎng)聯(lián)端傳感器的發(fā)展方向，但是客觀來說，目前的環(huán)境還不成熟，短期內(nèi)看不到落地機會，應(yīng)該會出現(xiàn)逐步演進的方式。國內(nèi)也已經(jīng)有不少公司注意到這方面的趨勢，我們建議保持關(guān)注，雖然不一定實現(xiàn)，但理論上，未來汽車端可以不再需要傳感器和無人駕駛算法。

競爭格局：各顯神通

從最終產(chǎn)品和服務(wù)的形態(tài)來看，無人駕駛公司大抵分兩種類型，一種提供全套的無人駕駛解決方案，可簡稱“全棧布局公司”。另外一種是走產(chǎn)業(yè)內(nèi)分工路線，僅參與無人駕駛?cè)捉鉀Q方案中的一部分，比如傳感器供應(yīng)商、算法供應(yīng)商等。下面依次進行分析。

一、全棧布局

對新興行業(yè)來說，早期產(chǎn)業(yè)鏈配套未成形，標(biāo)準不統(tǒng)一，較難實現(xiàn)產(chǎn)業(yè)內(nèi)分工，這也適用于無人駕駛行業(yè)，事實證明，早期的無人駕駛公司確是全棧道布局，這樣另一個優(yōu)勢是能提供更好的服務(wù)。全棧布局的可以基于市場定位從兩個維度進行區(qū)分，一類一開始就瞄準乘用車開放道路的無人駕駛方案，且大部分不太依賴特定主機廠，簡稱“高舉高打型”。另一種從傳統(tǒng)的ADAS供應(yīng)商逐步升級，緊跟主機廠的步伐從L1逐步到L4，這類供應(yīng)商對主機廠依賴程度較高。

高舉高打型。乘用車的無人駕駛需要強大的技術(shù)實力，這類團隊起點較高，往往是各類學(xué)霸、無人車大賽冠軍、資深業(yè)內(nèi)人士等。典型的代表是谷歌Waymo等。但是并不是每個公司都可以復(fù)制Waymo，首先得要有足夠的資金支撐到能夠量產(chǎn)、產(chǎn)生收入的那天，如果沒有，可能需要做一個中短期的營收規(guī)劃，一來保持自己的造血能力，二來通過實在的產(chǎn)品落地強化資本市場信心，便于更好地融資。乘用車的無人駕駛是比較終極的技術(shù)方案，這類公司可以相對快速地切入特定場景，降維做方案相對簡單，而且一般來說會降維切入好幾個不同的特定場景，這樣可以跟專業(yè)只做某特定場景的無人駕駛公司區(qū)分開來，理論上來說如果技術(shù)能實現(xiàn)很好的復(fù)用性，更多場景的數(shù)據(jù)積累是非常有價值的，但是不同場景的落地需要花費更多的時間和精力。若沒有龐大的團隊和生態(tài)支持，做到并不容易。

傳統(tǒng)ADAS供應(yīng)商。以環(huán)視供應(yīng)商為例，基于環(huán)視的自動泊車預(yù)計今年年底能夠?qū)崿F(xiàn)量產(chǎn)，自主泊車也有多家企業(yè)正在緊鑼密鼓地研發(fā)，自主泊車在某種意義上會達到L4級別的要求。這類供應(yīng)商跟主機廠有比較緊密的合作基礎(chǔ)，往往瞄準主機廠的需求一步步往上迭代，相對務(wù)實。從量產(chǎn)經(jīng)驗、客戶基礎(chǔ)和現(xiàn)金流來看，他們相對其他無人駕駛公司更有優(yōu)勢，但是這類團隊起點偏低，要實現(xiàn)團隊的升級換代相對較難，另外主機廠節(jié)奏偏慢，在國內(nèi)外無人駕駛創(chuàng)業(yè)公司的激進推進下他們是否能獲得無人駕駛終場的競爭門票存在較大的不確定性。

總體來說，全棧布局有歷史需要的原因，但是產(chǎn)業(yè)類分工已在大多行業(yè)內(nèi)被驗證，隨著產(chǎn)業(yè)配套的成熟及行業(yè)標(biāo)準的制定，無人駕駛產(chǎn)業(yè)是否也會出現(xiàn)產(chǎn)業(yè)內(nèi)分工呢？

二、產(chǎn)業(yè)內(nèi)分工

無人駕駛的流程可分為感知，認知，決策，控制，執(zhí)行五部分。如下圖所示：

*無人駕駛流程

近期走訪發(fā)現(xiàn)無人駕駛已經(jīng)有產(chǎn)業(yè)鏈分工跡象：感知層早已有獨立發(fā)展的供應(yīng)商，比如Mobileye；認知層和決策層可合并作為模塊獨立發(fā)展；控制層和執(zhí)行層也可以合并獨立發(fā)展。

感知層。這部分大的創(chuàng)業(yè)機會包括雷達、視覺、慣導(dǎo)等，這三者相互融合，共同為車輛提供環(huán)境感知和定位的功能。

雷達早就有成熟的供應(yīng)商，只是并不是以汽車產(chǎn)業(yè)為主，無人駕駛產(chǎn)業(yè)受到關(guān)注以來，傳統(tǒng)雷達供應(yīng)商逐步加大了汽車產(chǎn)業(yè)產(chǎn)品的研發(fā)力度，目前雷達供應(yīng)商不僅提供硬件，而且已開始配套提供感知算法，未來不排除會進一步增加感知層的融合算法等。

激光雷達在測距上具有其他傳感器沒有的優(yōu)勢，未來被純視覺方案替代的可能性不大。國內(nèi)雷達起步晚，穩(wěn)定性等相比海外還有較大的改進空間，但是服務(wù)響應(yīng)等各方面有優(yōu)勢，因此國內(nèi)公司是有投資價值的。視覺中雙目可以通過視差測距，但是雙目測距效果與雷達相比有一定差距，且成本高于單目，在單目+激光雷達方案面前顯得比較尷尬，目前并不主流。單目的全球龍頭是Mobileye，其產(chǎn)品已經(jīng)迭代到了EyeQ5，包含算法和硬件，且支持毫米波雷達和激光雷達信號的融合。

好的視覺算法具有極高壁壘，初創(chuàng)公司需要大量的數(shù)據(jù)訓(xùn)練模型，這個領(lǐng)域國內(nèi)也有不少投資機會，從長期來看，我們持相對樂觀的態(tài)度，但初創(chuàng)公司要走出來確實不太容易。慣導(dǎo)作為獨立模塊之前在測繪及軍工領(lǐng)域應(yīng)用較多，但好的慣導(dǎo)高達幾十萬，非常昂貴，而且效果依然差強人意，所以目前的無人駕駛公司大都配合GPS、RTK以及激光和視覺的SLAM(simultaneous localization and mapping)方案，現(xiàn)在無人車車頂?shù)募す饫走_很大部分原因就是為了SLAM定位而設(shè)計的。通過方案的組合，慣導(dǎo)的重要性可以降低，國產(chǎn)慣導(dǎo)已經(jīng)開始得到部分無人駕駛公司的認可，這塊有一定投資機會。

認知和決策層。這部分以算法為主，不包括硬件，但卻是無人駕駛系統(tǒng)方案中非常核心的環(huán)節(jié)，其中不僅涉及到傳感器數(shù)據(jù)的融合，還包括駕駛態(tài)勢預(yù)判，控制決策等。目前深度學(xué)習(xí)主要應(yīng)用在傳感器算法以及算法融合上，行為決策還是傳統(tǒng)控制理論居多，雖然學(xué)術(shù)界討論過端到端（end-to-end）的深度學(xué)習(xí)方案，即通過接受傳感器的輸入數(shù)據(jù)，直接輸出剎車、油門、轉(zhuǎn)向的控制信號，但是端到端的深度學(xué)習(xí)更具黑箱屬性，運算過程不可解釋，實現(xiàn)難度較大。僅做認知和決策層可以實現(xiàn)高度聚焦，而且有利于借助上下游力量。

 *自動駕駛的端到端深度學(xué)習(xí)方案圖示

控制層和執(zhí)行層。控制層和執(zhí)行層主要是線控底盤的功能，創(chuàng)業(yè)團隊需要精通底盤的控制算法并且對汽車產(chǎn)業(yè)鏈有深入了解。目前市場線控改裝業(yè)務(wù)較多，即在傳統(tǒng)乘用車上進行改裝，完成線控，但僅僅改裝并非可持續(xù)的業(yè)務(wù)，相反配套提供的底盤控制器（硬件）未來有較大的復(fù)用價值，更進一步，已有創(chuàng)業(yè)公司將無人駕駛整套方案中需要用到的各類芯片高度集成到一個盒子中，類似奧迪A8L的zFAS，這有更好的擴展性及適用性。另一方面也有初創(chuàng)公司瞄準了新能源線控底盤的市場，這部分在物流等領(lǐng)域會有比較大的應(yīng)用空間。

投資方向：關(guān)注強研發(fā)、軟硬結(jié)合及垂直落地

英特爾和Strategy Analytics此前預(yù)測，2050年全球自動駕駛市場規(guī)模將達到7萬億美元，我們看好無人駕駛的市場空間以及它在人工智能領(lǐng)域的卡位。同時，新能源汽車的發(fā)展給國內(nèi)汽車產(chǎn)業(yè)鏈提供了彎道超車的絕好機會，雖然眾多細分領(lǐng)域國內(nèi)與國外仍存在較大差距，但國內(nèi)供應(yīng)商快速及時的服務(wù)以及較高的性價比在進入自主品牌體系時有很大優(yōu)勢，我們相信最終不僅將贏得國內(nèi)市場，而且將走向全球。在投資方向上，強研發(fā)，軟硬結(jié)合及垂直落地將依次加深企業(yè)護城河，這也是我們重點關(guān)注的方向。

強研發(fā)。無人駕駛是AI行業(yè)場景最復(fù)雜，技術(shù)最集中的賽道，行業(yè)的發(fā)展尚需突破諸多技術(shù)壁壘，比如雨霧天氣對傳感器準確性的影響、泥濘道路的識別和控制等，這要求團隊需要配備汽車和算法背景的高端人才，同時需技術(shù)和工程能力兼具，不能有明顯的短板。在創(chuàng)業(yè)團隊的選擇上，我們首要關(guān)注團隊研發(fā)能力是否達到無人駕駛創(chuàng)業(yè)的基本門檻。

軟硬結(jié)合。純軟件創(chuàng)業(yè)比較難。從個人電腦和手機的發(fā)展歷史來看，系統(tǒng)層面的最終格局是贏者通吃，最后存活的不多。往近看，人臉識別和語音識別初期技術(shù)壁壘高，隨著創(chuàng)業(yè)公司增多，各家技術(shù)差距不斷縮小，而且不斷出現(xiàn)了開源的優(yōu)質(zhì)算法，遠好于創(chuàng)業(yè)公司自己研發(fā)，算法價值已大大降低。無人駕駛行業(yè)也出現(xiàn)類似趨勢，百度阿波羅算法已經(jīng)開源，雖然目前并不完美，但會持續(xù)完善，所以我們判斷純算法公司不容易成功，最好通過軟硬結(jié)合，賣軟硬一體方案，可以結(jié)合的硬件包括攝像頭，雷達，控制器等。

垂直落地。垂直落地需要花費較多的時間和精力，但是優(yōu)勢也比較明顯：垂直落地不僅需要軟硬結(jié)合，而且需熟悉場景，并針對性地進行算法及硬件優(yōu)化，進入壁壘較高；同時，一旦和客戶達成深入合作，商務(wù)上也會形成護城河；另外，落地后的運營數(shù)據(jù)將反饋優(yōu)化模型，進一步拉開與其他競爭對手的差距。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。