智能驾驶投资逻辑：这三个指标，缺一不可

 

提到 " 智能驾驶 " 赛道，大家普遍印象就是，高估值、难盈利、不好投。以及市场上多数的项目销售仍以硬件为主，软件为辅， 毛利在 10%-20% 左右，难以体现 " 算法 " 公司的特性。 ( 而全球算法龙头 Mobileye 毛利 70%） 但从另一方面发展趋势看，未来车一定是走向智能化，软件和算法是未来角逐的核心。

经笔者调研后，对智驾赛道的判断逻辑如下：

智能驾驶渐进式路线、低速场景率先 商业 化。

智能驾驶主要分 高速场景下的行车功能 （跟车、变道等） ；以及低速场景下的泊车功能 （遥控泊车、自动泊车、代客泊车等）。其中，L2 级别自动泊车功能（APA ) ，指人在车上，车自动进停车位；L4 级别代客泊车功能 ( AVP ) ，指人下车，车自动找到泊车位。

目前渐进式路线即从低级别 L2 往高级别 L4 逐步升级是主流路线，商业化落地快，而跃进式路线即直接研发 L4 级别，因法规不明确，技术不成熟，难以商业化， 导致大量 L4 级别智驾企业向 L2 转型。

另外，智驾还分乘用车市场和封闭场景，封闭场景主要包括港口、景区、机场等，由于封闭场景的路况更加简单，已有大量智驾企业可实现 L4 级别无人驾驶方案。这类场景买单的主要还是政府，市场天花板相对有限。长期看，乘用车市场更能代表智驾水平。

行车和泊车的功能区别与技术差异

行车功能和泊车功能的技术难点各有不同

泊车功能的难点在于——泊车场景具有各式各样复杂的 " 长尾场景 "，比如车位较窄、车位倾斜、地下停车光线暗、反光强、小区露天停车位划线不清晰、车位四周有各种障碍物等等。因此，泊车功能开发需要累积大量的数据，以此覆盖更多的长尾场景。

行车功能的难点在于——大量不可预测的突发性事件，导致 汽车 响应不及时。行车场景的路标识别相对泊车更容易，但由于是高速场景，因此对汽车决策响应、安全性的要求高。

目前泊车功能已经可以实现 L4 级别，行车功能向 L3 级别升级还需要时间。

算法的本质是数据量

算法的本质是数据量，而数据量取决于智驾公司方案实际量产上车的数量。通常车企使用该方案后，会把 " 问题场景 " 的数据反馈给智驾公司，进行模型修正和完善。 因此，智驾公司量产规模越大，未来算法模型的核心竞争力就越强。 对比特斯拉，由于其销量大，数据量大，因此模型具有超前性。

中国智驾企业面临的困境是什么？

国内外差异化的商业环境，中国车企盈利差、付费差。

由于中国主机厂普遍的毛利低，不赚钱，甚至亏钱，国内最大的汽车集团净利润 3%，导致中国车企对 成本极其敏感 ，面对智驾 创业 公司的软件付费意愿可以说是非常低。而车企的竞争日益激烈，内卷严重，除了卷硬件，更要卷软件。因此，面对众多的初创算法公司，车企成为了即挑剔又手紧的买主。这就导致大量的算法公司即收不到前期充分的开发费（NRE），也收不到后期的软件授权费（Lience ) 。

而国外市场的大品牌车企如奔驰，其总部戴姆勒集团净利润高达 15%，品牌溢价高、集团支付能力强。通常国际大型 tier 1 前期甚至能收到过亿开发费。 国内外商业环境的差异，是中国智驾企业需要客观面对的挑战。

智驾企业被迫以算法之名，走上卖硬件的窘境

由于大量的智驾企业在软件层面收不到钱，为了支撑其营收和估值的增长，不得不开始卖硬件，销售一系列的摄像头、雷达等等。而这些都是比较成熟且标准化的硬件、如相机有全球龙头舜宇集团。一旦涉及到硬件销售，就进入了和国际 tier1 产生直面竞争的赛道。大型 tier1 有着数千亿、数百亿的营收规模，创业公司的硬件几乎不具备价格优势。于是乎，毛利低，亏损重。

有智驾企业营收规模过 5 亿，其 90% 以上的收入来自于硬件，但依然上市受阻。证监会更倾向定义其为 tier1, 要求其先证明自身盈利能力。国内知名 tier1 经纬恒润也是发展了 10 多年，实现 20 亿左右的营收规模，才迎来一定程度的盈利后才实现上市。否则就是割股民的韭菜，证监会看了也摇头。

真正具有 投资 价值的智驾企业需要满足三个指标

1. 前期是否收到过开发费？收到了多少开发费？

正常情况下，根据一款车型，智驾公司需要定制化开发功能，前期需要投入上百号人，历时 1 年甚至更久。每开发一款新的车型前期需要耗费大量的研发投入，如果智驾企业前期免费开发，或仅收几百万开发费，那约等于 " 白送 "，以此拿下的定点并不足以代表其真实能力。但也有少数的智驾企业是在前期收到过数千万开发费。

2. 后期是否能收到软件授权费，这是衡量量产的唯一指标。

前期的开发收入（NRE ) 仅保证一家智驾企业能覆盖前期的研发投入，实现盈亏平衡就差不多了，而量产后每台车 200-500 元的软件授权费（Lience ) 才是智驾企业真正的利润来源，这部分没啥成本，几乎是纯利。

智驾企业收入 =NRE+Lience* 车数量

如果一家企业既没有前期开发费（NRE ) ，也没有后期的软件授权费（Lience ) ，那就意味着他不具备盈利的能力。

3. 是否进入了高销量的王牌车型

高销量的车型才能创造更多的 Lience 收入，为公司利润做支撑。如果智驾企业前面辛辛苦苦干了一年量产，最后车型没销量。这订单没啥价值，不接也罢。

当然，这里的高销量又有所区分，一般指的是 20 万以上的高销量车型，因为只有中高端的车型，才会要求优越的性能和差异化的功能作为竞争卖点。这类车型都会追求定制化开发，一旦有智驾供应商实现量产后，其他的供应商就很难切入，原因是车企不愿意重复支付高昂的研发费。

如果是 10 万左右的低端高销量车型，主打一个便宜好卖，其软件功能更多的只是一个概念，或功能非常简单基础。用户也不会追究其功能的性能。那么智驾企业明面上提供的是软硬一体的方案，本质上，比的就是谁家的硬件卖的更便宜。

因此，只有具备以上三大指标的智驾公司，即能收到前期大额开发费，量产收到软件授权费，并能持续进入定制化高销量车型的智驾企业，才具有盈利能力和可持续发展的生命力。

市场上有这样的企业吗？有，别杠。

车企如何选择一个智驾供应商？真正看重的是什么？

1. 首先是看能否交付和量产——工程化的能力

通常一款车型发布，留给智驾供应商开发功能的时间极其紧张。过程包括需求确认、功能展示、拿到定点、确认量产等等。所以能不能按时交作业，是首要被衡量的。作业都交不上，就不要谈作业质量。

其次，是要能够稳定量产。你把一台车做好没有用，量产的难点在于要在几十万辆车上实现系统的稳定性和一致性，车企宁可牺牲一定的性能，也要保证一致性。所以车企在选供应商的时候很看重其是否有过量产的经验。

那么，为什么车端的交付和量产那么难？原因是智驾是一门 " 硬件 + 系统构架 + 算法 " 的融合型学科，流程长且复杂、影响量产稳定性的因素有很多，比如图像传感器在不同环境下是否都能稳定输出好的画质，算法模型转换嵌入式处理器是否产生精度损失、硬件上还存在散热和电磁干扰等等。各个环节问题相互交织、互相影响。如果最终功能差强人意，如何快速找到错误的关键点，对团队验证方式考验大，要求团队有深厚的工程化能力。

那么所谓工程化的能力，指的就是车端项目管理的经验，怎么把海量的技术难点形成一个个小的子闭环，让每个研发闭环独立演进、测试、最后集成在一起形成完整的系统。一旦系统运行出现某个问题，能快速回溯到该问题所在的独立闭环中去复现、解决、再测试。

因此，工程化的能力是通过大量的项目经验累积，踩过无数的坑，总结出来的高效的执行方法。量产的过程中，需要大量的人员不断的测试和验证，因此，汽车行业是一个典型的 " 勤奋比聪明 " 更重要的领域。

这也就是为什么 互联网 企业造车不靠谱。因为智驾不是只讲算法模型的哦！

2. 成本优势

团队量产经验越足，相同项目投入的人数就可以越少，交付周期也随之缩短，人力及研发成本降幅巨大。全方位满足车企 " 又快又好又便宜 " 的高要求。

其次一旦量产过某款车型，后续车型迭代升级（通常改动不大），由于产线是共用的，其开发平台一致。那么过往量产过的智驾企业在对新车型进行重新开发时，其方案有 80% 可以复用，只需调整 20% 的应用层需要。因此，一般智驾企业针对某一核心车型量产以后，对于同产线的新车型具有强粘性。

3. 算法模型

说实话，算法模型前期都差不多，有几个独树一帜的场景，可以让车企有卖车的功能亮点。本质上还是通过前面 2 大点的优势，先抢占车型，快速量产，后期通过车企的数据反馈不断优化模型。算法是数据的累积，量产越多，模型越优。

笔者认为，智驾未来 3-5 年会大量洗牌，以前可以靠火热的资本市场融资补贴车企做开发，贴钱卖硬件的都会被淘汰，在潮水退去之后，只有真正实现盈利的企业才是沙滩上的明珠。

来源：铅笔道