本文为辰韬资本执行总经理贺雄松于6月22日的演讲“中信全球产业策略会议——国内无人驾驶配送前景趋势”。
整个自动驾驶行业投资一共有两波热潮，第一波是2015 年左右，2018、2019年到达顶点。由于行业进展未达预期，2019年后热度有所减退。
2020年是很关键的一年，第一是因为特斯拉等造车新势力产量上升，估值上涨，大家对自动驾驶有了信心，带动了行业发展；第二是资金面，资本的退出方式多元且便捷，图森未来等成功案例有带动作用。此外，自动驾驶的商业化进展加快，无论是特定场景还是开放道路，都让大家看到了落地希望，目前行业重新处在投资热潮。
1）天花板高，Robotruck有几万亿的市场空间，Robotaxi也有万亿的市场空间；
2）头部公司持续融资，构建了资金壁垒，经过前几年的布局和积累，在上下游的战略上也建立了壁垒，优秀人才向头部公司集中，竞争格局快速出清；
一是技术：无人驾驶技术非常难，需要软硬一体，和场景深度结合，行业做技术的人才都是非常顶尖的，需要有相关的工作经验，技术壁垒很高。各个场景对技术要求不一样，有些场景目前的技术是无法实现的，像Robotaxi，没人能保证L5在多长时间内能实现。但也有矿山、港口、无人物流小车等场景，目前的技术是可以满足需要的；
二是商业模式：看经济模型能不能跑通，目前无人驾驶是替人的逻辑，能降低成本，企业就有动力来使用技术，这是批量复制的前提。目前无人驾驶套件的成本还没到最低点，而人工成本还在持续上涨，马上会到交叉点；
三是路权：政府要允许无人驾驶车辆上路，目前来看中国政府对无人驾驶持支持态度，在积极推进立法程序，深圳已经推动，北京也在发牌照。目前，路权并不是影响无人驾驶进度的主要障碍。
落地节点预判：封闭低速载物场景需要2-3年可以落地，高速载物场景需要5-8年，开放高速载人需要10年以上。
对几个赛道的理解：
1. Robotaxi：在开放道路上跑，环境十分复杂。最高速度达120km/h，刹车距离长，对车的预判能力、传感器的感知距离提出很高要求。场景很多，受限于传感器和制动距离，很多问题难以解决，短期难以落地。目前没人保证能确定明确的落地节点。
怎么理解它的价值？可以通过对环境的降维来降低技术难度（使得 5 年内有望见到落地）：1）把速度降低：120km/h降到50、40km/h，对技术要求是指数级的下降；2）对道路的限定：挑选出无人驾驶相对好落地的路段，先试起来。如果有好平台，足够多的用户，甚至可以以人机混合方式，把无人车运营起来。无人车的落地不是从0到1，可以不断渗透，通过技术的迭代和演进来逐渐扩大场景。
乘用车场景做好了的话技术延伸性很好，因为市场空间足够大，容易讲出好的故事吸引很多资金，并且吸引优秀人才。同时，厂商做其他场景，甚至造车都是可以延伸的，我认为大赛道里的头部细分赛道可以享受整个赛道的估值。
2. 干线运输：对标目前卡车的运营情况，完全无人化的时间也没人能保证。干线的制动距离更长，事故危害性更高，容错率极低，技术难度更高。好处是，高速上道路环境比较简单，所以跟 Robotaxi 比各有优劣。
短期内实现 L4 难度较大，但也存在中间状态。逻辑在于：省人、省油、安全；当场景真正实现 L4 的话，长远来看干线的市场空间更大，可能比 Robotaxi 更大。国内干线重卡存量 7-800万台，每辆车每年跑 1 百万公里，存在4-5 万亿的市场空间，想象力很大，这也是目前高估值的原因。预计未来市场上不会一家通吃，几家分也能每家分到近万亿的市场。此外竞争格局也慢慢在出清，看三个方面：融资能力、资源整合能力、技术能力。
1）矿山，不涉及路权问题，道路可以自己规划，环境相对简单，容错率很高，哪怕翻车也可能不会有太大损失，无重大安全隐患，整个落地环境很友好；
2）港口，道路结构化程度高，环境简单，路权相对好解决。这几个场景预计2-3年实现大规模落地，很多已经在去安全员了；
3）开放场景中的无人驾驶小车也是这样，等成本继续下降、技术不断成熟，很快能迎来规模化落地。这几个场景我们都有在布局龙头，矿山投了易控智驾和踏歌智行，末端无人配送投了白犀牛、易咖智车，无人清扫投了于万智驾，港口投了斯年智驾。
自动驾驶无人配送前景分析
目前整个业态在快速增长，2021年，快递业务量达955亿件，2019年即时配送有180 亿单，每年高速增长。市场规模末端配送 1100亿元，即时配送有 2000亿元，加起来有 3000亿元。
末端配送的痛点：快递订单需求还在增长，但人口红利已经过去，配送人员无法满足市场需求，且流动性大，长期来看问题会更尖锐，这也是无人物流小车最大的逻辑。
解决方案：无人车、无人机和机器人。无人机做了很多年还无法推广，安全、技术问题还很严重；机器人在运输距离和效率上受限。最有希望的还是无人车。
1）快递：即时性要求不高，等待时间较长但数量很大；
2）外卖：即时性要求高，等待时间短，但环境很复杂，因为是多点到多点，不是每个商家都有配套的停车设施，取件和配件存在不确定性；
3）商超零售：即时性比外卖低一点，路线固定，且有成熟的仓库和配货人员，在送货端有很好的基础设施，因此非常适合无人配送落地。
3）节省物流成本，无人车的成本降到10万元内非常确定，投资收回期1年左右；
1）互联网巨头：如阿里、京东、美团，自带场景，长期投入，专门的团队在做，优势明显；
2）初创公司：如白犀牛、行深智能，在场景上需要绑定资源方，优势是机制上更灵活；
3）主机厂：东风、毫末智行、东风，一般从底盘、车辆上切入，算法能力弱一些。
京东在常熟跑了很久，去安全员在跑；阿里是校园和社区；美团是买菜场景，生鲜物品；白犀牛北京和上海都有运营，主要客户是商超零售（更快落地、单点到多点、有成熟的仓库和拣货人员、技术经验好、单价高）；行深智能送快递和外卖。
1）内部服务：但服务内部也要独立结算，互联网巨头内部结算成本可能还不低，不一定比跟外部合作便宜；
3）软硬件解决方案：技术不太成熟时很难做标准化产品交付，不太适合初创公司；
1）整车成本：20-50万不等，因车型、传感器方案等成本不同，未来3年将降到10万以内；
3）去安全员：去现场安全员转由远程人员负责监控、管理多辆无人车为商业应用的先决条件；
4）收入模型：单均价格根据配送场景、物品、服务客户不同而有差异。快递1-3元/件，即时配送7-9元/单。
1）整个市场有千亿级规模，方向上看生鲜、零售和快递更容易落地，外卖是多点到多点的配送，取餐很不方便。很多商家附近没有方便的无人车停靠位置，现在行业内外卖的无人配送做得不多，较难落地；
2）互联网巨头有场景优势，但初创公司与独立第三方头部客户是天然盟友，可实现差异化竞争；
3）无人配送的发展将重塑供应链格局，推动上游激光雷达、计算平台、底盘等核心部件行业的发展。比如底盘行业，传统主机厂在L4 的研发起步较慢，无人配送行业的底盘供应商可以通过快速落地推升技术迭代，形成壁垒；
4）商业模式已经初步成型，技术也能支撑部分场景需求，进入批量商业化应用已经在准备期，超千台规模的无人车队有机会在今年出现。
Q&A
A：成本是关键因素，成本取决于能否上量。上量之后成本会迅速下降，比如激光雷达，成本现在已经降到10万以内，乘用车前装雷达已经降到1万元以内。无人物流小车上量速度比较快，技术上已经可以去安全员在跑，而且单车成本较低，目前20-30万/台，车辆可以快速布置，不需要和大B端谈商业合作，所以复制很快。Robotaxi行业可以共享乘用车的供应链体系，以后价格可以快速下降。但技术成熟还需要一些时间，短时间上量比较难。像矿山、港口和清扫，随着技术进展也可能快速上量，因为其技术是关键壁垒，技术突破后上量会很快。
Q：对比国内和海外，从成本来说，breakeven的核心要素
A：在人的成本上，中国司机的成本比国外便宜一些，但是硬件成本海内外在未来相差不大。海外在某些场景上可能更容易会推进落地。但如无人物流配送，国内订单密度比国外高很多。像Robotaxi，城市的人员密度大，接单效率会更高，反映在模型上效益更好。breakeven的核心要素还是上量。未来包括激光雷达、域控制器在内的整个套件控制在5万元内，底盘降到4-6万，整车成本降到10万元以内可期。归根到底还是技术问题，有技术能解决安全问题，就能上量。
Q：激光雷达赛道，判断国内华为、大疆、雷神等玩家哪一家能跑出来？
A：大家的切入点不一样，各有特色，各家瞄准的时点不一样。瞄准产品的需求爆发在不同阶段，所以不同阶段他们会有特定优势。接下来比拼的是乘用车前装这个市场，技术路线有很多，目前还没确定哪个技术路线一定对，处在百家争鸣状态。能拿到主机厂的订单就能快速跟实际产品需求对接起来，才能快速迭代，资本市场也会给更多估值。不好说优劣，头部公司都有机会。
A：国内外差不多同时起步，国内有些公司甚至已经在领跑，如禾赛在全球都比较领先。具体到技术细节，国内公司在服务国内的需求时，在响应速度等方面更有优势。
Q：纯固态技术还没成熟，目前这一批半固态激光雷达公司，判断成功概率要看哪些因素？
A：纯固态技术有Flash和OPA方案，后者在国际上已经基本停滞，Flash已经迭代到 100米扫描距离，但相对于高速场景100m还不够，未来能不能技术发展到探索更远，不一定很乐观，目前有争议。如果全力以赴押注纯固态，有风险，有可能做出来以后风向已经变了。反观半固态，其实只要能达到车规就可以了，中短期内主流还是半固态方案，能拿到订单的主要是半固态方案。激光雷达的竞争也是半固态的竞争。最好是寻找能在接下来主机厂订单竞争中有一席之地的公司，能拿到更多订单会形成正向循环。没必要太纠结技术方案的路线之争，这只是激光雷达中的一部分，像发射、接收这些东西都是可以复用的。对头部公司来说，各个路线均有押注，技术路线确定后转换也不会很难。主要关注厂商商业化的程度和团队的研发实力。
Q：有哪些指标如果达到的时候，我们可以看到成本能开始降下来？
A：看需求数量。1550nm的发射器集成度较低，还没做到芯片级程度，以后需求量够大的话会有足够动力去做芯片化，成本降得很快，模具之类的同理，未来还有很大的下降空间。半固态也不需要昂贵的组装费用，华为提到的降到200美元也不是没有可能。
Q：为什么纯固态更容易过车规？
A：从物理性质上来讲，纯固态没有转动的部件，半固态有，而一旦有的话，稳定性会差一些。
Q：过不过车规会影响激光雷达的普及吗？
A：目前市场上的公司像Robotaxi等，对这些并不敏感，一方面他们处在试运营阶段，另一方面没有行业统一的标准，而且车规实质上也是OEM的内部定义，理论上只要自己能承担后果就可以。使用半固态过了车规后，其他家会有一定的跟随效应。
Q：不同公司做商用车自动驾驶的机会会因不同场景而异吗？
A：会。像矿山场景，技术需要达到基本要求，运营方面要有自己积累，商务上也很关键，这些方面有积累的公司会有优势，技术很厉害的来做反而不一定有优势。技术只要够用就行，因为工作环境很恶劣，有些特别厉害的技术人员可能反而不能承受长时间在恶劣环境下作业，优势发挥不出；Robotaxi和干线则对技术要求非常高，技术是非常核心的要素，传统科技型公司更有优势；总体来说，在行业早期还有技术红利，只要技术好，其他环节比如商务等都容易突破，但是过了技术红利期再拓展会比较难。无人驾驶赛道的技术性团队可以利用红利期补齐其他短板，之后会更顺利。通过我们的跟踪，成长最快的反而是从零开始的初创企业。传统公司很多选择孵化的方式去扬长避短，去孵化初创公司。我赞成通过合作方式来做这件事。
Q：对比特斯拉、小鹏、蔚来、理想自动驾驶发展方向，激光雷达是锦上添花还是必不可少？
这几家目前都是辅助驾驶。要先把自动驾驶的技术瓶颈克服掉，更精准的传感是加分项。特斯拉：在有视觉的情况下可以选择加或不加激光雷达，但加上之后感知能力会更好，现在来看激光雷达的成本已经不是致命因素，用上激光雷达会使自动驾驶技术更快满足要求。小鹏蔚来理想：成本已经降到了能接受的程度，加了激光雷达体验可能比特斯拉更好，对品牌形象是加分。他们在自动驾驶领域加大投入是最近的事情，去年估值上升融资很顺利后才有比较多资源投入，相比特斯拉在好几年前做产品规划，他们做决策的信息更全面。长期来看看好激光雷达的落地。
Q：如何看待自动驾驶芯片领域的竞争格局？
A：特斯拉是个较好的参考案例，国内很多造车势力在跟进特斯拉的思路。一开始用 Mobileye的芯片可快速把功能做起来，Mobileye有现成的软硬一体方案，这一阶段“有”比较重要；第二阶段想要构建核心竞争力，要自研，不再用Mobileye 的方案，算法需要不断迭代。此时英伟达可以支持软件的不断迭代和升级，但英伟达的功耗很高；到了第三阶段，算法慢慢成型，为了提高运行效率，降低功耗，可以定制专用芯片。Mobileye匹配第一阶段，英伟达匹配第二阶段，主机厂自研匹配第三阶段。但是可能到终局时，三个阶段的主机厂都会存在，大的方向上有实力的主机厂都会走到自研。
Q：如何看待国内三大造车新势力蔚来理想小鹏各自的壁垒？
A：各有特色。蔚来的品牌塑造投入较多；小鹏对自研算法的投入更坚定；理想的产品定义很精准。从自动驾驶系统的先进性和投入力度来看，小鹏更坚决，更有优势一些。各家现在资金都很充足，都在去补自动驾驶系统上的短板。
Q：预判小鹏从第二阶段过渡到第三阶段的时间节点？
A：这是个权衡，如果算法已经较为成熟了肯定会自动过渡到第三阶段，但这需要一些时间。目前算法还处在千变万化的状态，此时去做定制化芯片意义不大。
Q：如果特斯拉以后加入激光雷达，那它的算法会不会需要重新训练？
A：会。如果做前融合的话，原来的数据都没用了，模型需要重新训练，新版本可能还达不到原有的水平。但现在数据并不像大家想的那样稀缺，瓶颈不一定在数据层面。AI有一些局限，漏判率和误判率是此消彼长的。
总结：
汽车行业正迎来百年未有之大变局，给科技型企业和初创公司提供了大量机会，现在对于投资和创业来说都是好的时间节点。具体到各个赛道，各有特色，最关键的是扬长避短，抓住机会；可以通过合作来取得好成绩。在格局不明朗时从投资角度看反而更有机会，是有机会通过认知变现的。
1.《九章智驾》长期招聘优秀的内容人才。我们希望您是这样的人：热爱自动驾驶/智能座舱、有极强的好奇心、有极强的进取心和自律能力（能习惯在家办公）、对新东西学习能力强、文笔佳、情商高，有自动驾驶/智能座舱公司、车企或Tier 1工作经历的优先。简历请发苏清涛的邮箱397558397@qq.com，或微信18057166517（扫描下方二维码）。
2.《九章智驾》长期面向产业界的朋友们征稿（分“职业转型经历总结”及“知识积累整理”两个方向），如果您要兴趣投稿，请扫描以下二维码加孙利的企业微信。加微信时务必备注您的真实姓名及岗位等信息，谢谢。
