今天小編分享的互聯網經驗：智能駕駛投資邏輯：這三個指标，缺一不可，歡迎閱讀。
鉛筆道專欄作者 | 天瞳威視電子 戰略投資部總裁
提到 " 智能駕駛 " 賽道，大家普遍印象就是，高估值、難盈利、不好投。以及市場上多數的項目銷售仍以硬體為主，軟體為輔，毛利在 10%-20% 左右，難以體現 " 算法 " 公司的特性。 ( 而全球算法龍頭 Mobileye 毛利 70%）但從另一方面發展趨勢看，未來車一定是走向智能化，軟體和算法是未來角逐的核心。
經筆者調研後，對智駕賽道的判斷邏輯如下：
智能駕駛漸進式路線、低速場景率先商業化。
智能駕駛主要分高速場景下的行車功能（跟車、變道等）；以及低速場景下的泊車功能（遙控泊車、自動泊車、代客泊車等）。其中，L2 級别自動泊車功能（APA ) ，指人在車上，車自動進停車位；L4 級别代客泊車功能 ( AVP ) ，指人下車，車自動找到泊車位。
目前漸進式路線即從低級别 L2 往高級别 L4 逐步更新是主流路線，商業化落地快，而躍進式路線即直接研發 L4 級别，因法規不明确，技術不成熟，難以商業化，導致大量 L4 級别智駕企業向 L2 轉型。
另外，智駕還分乘用車市場和封閉場景，封閉場景主要包括港口、景區、機場等，由于封閉場景的路況更加簡單，已有大量智駕企業可實現 L4 級别無人駕駛方案。這類場景買單的主要還是政府，市場天花板相對有限。長期看，乘用車市場更能代表智駕水平。
行車和泊車的功能區别與技術差異
行車功能和泊車功能的技術難點各有不同
泊車功能的難點在于——泊車場景具有各式各樣復雜的 " 長尾場景 "，比如車位較窄、車位傾斜、地下停車光線暗、反光強、小區露天停車位劃線不清晰、車位四周有各種障礙物等等。因此，泊車功能開發需要累積大量的數據，以此覆蓋更多的長尾場景。
行車功能的難點在于——大量不可預測的突發性事件，導致汽車響應不及時。行車場景的路标識别相對泊車更容易，但由于是高速場景，因此對汽車決策響應、安全性的要求高。
目前泊車功能已經可以實現 L4 級别，行車功能向 L3 級别更新還需要時間。
算法的本質是數據量
算法的本質是數據量，而數據量取決于智駕公司方案實際量產上車的數量。通常車企使用該方案後，會把 " 問題場景 " 的數據反饋給智駕公司，進行模型修正和完善。因此，智駕公司量產規模越大，未來算法模型的核心競争力就越強。對比特斯拉，由于其銷量大，數據量大，因此模型具有超前性。
中國智駕企業面臨的困境是什麼？
國内外差異化的商業環境，中國車企盈利差、付費差。
由于中國主機廠普遍的毛利低，不賺錢，甚至虧錢，國内最大的汽車集團淨利潤 3%，導致中國車企對成本極其敏感，面對智駕創業公司的軟體付費意願可以說是非常低。而車企的競争日益激烈，内卷嚴重，除了卷硬體，更要卷軟體。因此，面對眾多的初創算法公司，車企成為了即挑剔又手緊的買主。這就導致大量的算法公司即收不到前期充分的開發費（NRE），也收不到後期的軟體授權費（Lience ) 。
而國外市場的大品牌車企如奔馳，其總部戴姆勒集團淨利潤高達 15%，品牌溢價高、集團支付能力強。通常國際大型 tier 1 前期甚至能收到過億開發費。國内外商業環境的差異，是中國智駕企業需要客觀面對的挑戰。
智駕企業被迫以算法之名，走上賣硬體的窘境
由于大量的智駕企業在軟體層面收不到錢，為了支撐其營收和估值的增長，不得不開始賣硬體，銷售一系列的攝像頭、雷達等等。而這些都是比較成熟且标準化的硬體、如相機有全球龍頭舜宇集團。一旦涉及到硬體銷售，就進入了和國際 tier1 產生直面競争的賽道。大型 tier1 有着數千億、數百億的營收規模，創業公司的硬體幾乎不具備價格優勢。于是乎，毛利低，虧損重。
有智駕企業營收規模過 5 億，其 90% 以上的收入來自于硬體，但依然上市受阻。證監會更傾向定義其為 tier1, 要求其先證明自身盈利能力。國内知名 tier1 經緯恒潤也是發展了 10 多年，實現 20 億左右的營收規模，才迎來一定程度的盈利後才實現上市。否則就是割股民的韭菜，證監會看了也搖頭。
真正具有投資價值的智駕企業需要滿足三個指标
1. 前期是否收到過開發費？收到了多少開發費？
正常情況下，根據一款車型，智駕公司需要定制化開發功能，前期需要投入上百号人，歷時 1 年甚至更久。每開發一款新的車型前期需要耗費大量的研發投入，如果智駕企業前期免費開發，或僅收幾百萬開發費，那約等于 " 白送 "，以此拿下的定點并不足以代表其真實能力。但也有少數的智駕企業是在前期收到過數千萬開發費。
2. 後期是否能收到軟體授權費，這是衡量量產的唯一指标。
前期的開發收入（NRE ) 僅保證一家智駕企業能覆蓋前期的研發投入，實現盈虧平衡就差不多了，而量產後每台車 200-500 元的軟體授權費（Lience ) 才是智駕企業真正的利潤來源，這部分沒啥成本，幾乎是純利。
智駕企業收入 =NRE+Lience* 車數量
如果一家企業既沒有前期開發費（NRE ) ，也沒有後期的軟體授權費（Lience ) ，那就意味着他不具備盈利的能力。
3. 是否進入了高銷量的王牌車型
高銷量的車型才能創造更多的 Lience 收入，為公司利潤做支撐。如果智駕企業前面辛辛苦苦幹了一年量產，最後車型沒銷量。這訂單沒啥價值，不接也罷。
當然，這裡的高銷量又有所區分，一般指的是 20 萬以上的高銷量車型，因為只有中高端的車型，才會要求優越的性能和差異化的功能作為競争賣點。這類車型都會追求定制化開發，一旦有智駕供應商實現量產後，其他的供應商就很難切入，原因是車企不願意重復支付高昂的研發費。
如果是 10 萬左右的低端高銷量車型，主打一個便宜好賣，其軟體功能更多的只是一個概念，或功能非常簡單基礎。用戶也不會追究其功能的性能。那麼智駕企業明面上提供的是軟硬一體的方案，本質上，比的就是誰家的硬體賣的更便宜。
因此，只有具備以上三大指标的智駕公司，即能收到前期大額開發費，量產收到軟體授權費，并能持續進入定制化高銷量車型的智駕企業，才具有盈利能力和可持續發展的生命力。
市場上有這樣的企業嗎？有，别杠。
車企如何選擇一個智駕供應商？真正看重的是什麼？
1. 首先是看能否交付和量產——工程化的能力
通常一款車型發布，留給智駕供應商開發功能的時間極其緊張。過程包括需求确認、功能展示、拿到定點、确認量產等等。所以能不能按時交作業，是首要被衡量的。作業都交不上，就不要談作業質量。
其次，是要能夠穩定量產。你把一台車做好沒有用，量產的難點在于要在幾十萬輛車上實現系統的穩定性和一致性，車企寧可犧牲一定的性能，也要保證一致性。所以車企在選供應商的時候很看重其是否有過量產的經驗。
那麼，為什麼車端的交付和量產那麼難？原因是智駕是一門 " 硬體 + 系統構架 + 算法 " 的融合型學科，流程長且復雜、影響量產穩定性的因素有很多，比如影像傳感器在不同環境下是否都能穩定輸出好的畫質，算法模型轉換嵌入式處理器是否產生精度損失、硬體上還存在散熱和電磁幹擾等等。各個環節問題相互交織、互相影響。如果最終功能差強人意，如何快速找到錯誤的關鍵點，對團隊驗證方式考驗大，要求團隊有深厚的工程化能力。
那麼所謂工程化的能力，指的就是車端項目管理的經驗，怎麼把海量的技術難點形成一個個小的子閉環，讓每個研發閉環獨立演進、測試、最後集成在一起形成完整的系統。一旦系統運行出現某個問題，能快速回溯到該問題所在的獨立閉環中去復現、解決、再測試。
因此，工程化的能力是通過大量的項目經驗累積，踩過無數的坑，總結出來的高效的執行方法。量產的過程中，需要大量的人員不斷的測試和驗證，因此，汽車行業是一個典型的 " 勤奮比聰明 " 更重要的領網域。
這也就是為什麼互聯網企業造車不靠譜。因為智駕不是只講算法模型的哦！
2. 成本優勢
團隊量產經驗越足，相同項目投入的人數就可以越少，交付周期也随之縮短，人力及研發成本降幅巨大。全方位滿足車企 " 又快又好又便宜 " 的高要求。
其次一旦量產過某款車型，後續車型迭代更新（通常改動不大），由于產線是共用的，其開發平台一致。那麼過往量產過的智駕企業在對新車型進行重新開發時，其方案有 80% 可以復用，只需調整 20% 的應用層需要。因此，一般智駕企業針對某一核心車型量產以後，對于同產線的新車型具有強粘性。
3. 算法模型
說實話，算法模型前期都差不多，有幾個獨樹一幟的場景，可以讓車企有賣車的功能亮點。本質上還是通過前面 2 大點的優勢，先搶占車型，快速量產，後期通過車企的數據反饋不斷優化模型。算法是數據的累積，量產越多，模型越優。
筆者認為，智駕未來 3-5 年會大量洗牌，以前可以靠火熱的資本市場融資補貼車企做開發，貼錢賣硬體的都會被淘汰，在潮水退去之後，只有真正實現盈利的企業才是沙灘上的明珠。
