這世間諸般事由，總是期待越高，失望越大。

10月26日，備受全球投資者關注的英特爾旗下自動駕駛計算公司Mobileye，正式登陸了美國納斯達克，成就2022年度美股第四大IPO。然而在萬衆矚目之中，曾經在2021年底被估值500億美元的Mobileye，卻在上市當天，以每股27.69美元的成績，交出了約220億美元市值的答卷。

估值的“腰斬”，自然引起了輿論一片譁然。越來越多的人也隨之开始思考，頭部企業如此“翻車”的資本市場表現，是否意味着當前的自動駕駛賽道，洗牌开始？

一、Mobileye受挫於ADAS和芯片算力，市場需求才是自動駕駛商業化答案？

站在行業角度來看，Mobileye已經稱得上是非常頭部的企業了。

作爲一家1999年成立，並且在2014年就成功上市紐交所的自動駕駛公司，在2017年被英特爾以153億美元的大手筆收購後，Mobileye的發展可謂是突飛猛進。

同時根據已經披露的招股書信息顯示，2019年至2021年，Mobileye的總營收分別爲8.79億美元、9.67億、14億美元。三年間，其總營收的增長幅度穩定保持與10%左右，而且2022年的上半年營收，相比於2021年上漲了20%。

而且長期以來，Mobileye都被稱作是過去20年汽車ADAS（高端自動駕駛輔助系統）技術的主要奠基者和引領者，可謂是佔據了近乎所有的先發優勢。然而後續發展過程中，Mobileye卻沒能進一步擴大自身優勢，其所堅守的自動駕駛解決方案，也逐漸跟不上市場日新月異的需求。

例如Mobileye軟硬件打包的一體化設計，幾乎無法進行二次修改從而差異化自己的算法，在產品迭代上陷入了長期固化的“封閉型”產品設計理念，逐漸被英偉達、百度等走“开放型”路线的企業所趕超。

特別是隨着智能座艙系統的不斷完善，新功能的日益增多，使得芯片算力成爲衡量自動駕駛解決方案的重要標准之一。在“算力爲王”的大環境下，寶馬、奧迪等老牌車企，以及蔚來、理想等造車新勢力，都开始將目光瞄准了英偉達、高通等，擁有更高算力芯片的企業。

因爲先發優勢，2020年之前Mobileye在自動駕駛芯片領域所向披靡，在L1、L2等自動駕駛早期對算力需求不大的時候，軟硬件一體的Mobileye可謂是打遍天下無敵手，市場地位難以撼動。

2.5TOPS算力的EyeQ4芯片，曾廣泛用於L2級別輔助駕駛場景，2021年量產的25TOPS算力EyeQ5芯片，开始涉足L3級別自動駕駛。截至2022年10月1日，EyeQ SoC在全球範圍內部署了超過1.25億輛智能汽車。

然而對比同一時期的車載芯片，單論芯片算力，Mobileye的EyeQ系列已經顯得落伍，在性能上，被英偉達、高通、地平线等“後起之秀”遠遠甩开身位。

例如顯卡大廠英偉達，不僅擁有目前市面上最接近算力天花板高通8155的高算力芯片，也即是單芯片算力200TOPS的Orin。在2021年4月份更是公布了一款最快將在2025年搭載量產車型的芯片，總算力高達1000TOPS。

至於素來與英偉達有A卡和N卡之爭的AMD，也靠着AMD Ryzen銳龍處理器战勝英特爾，取代此前國產特斯拉Model 3和Model Y所搭載的英特爾A3950，成爲首批國產特斯拉Model Y Performance高性能版所搭載的芯片。

此外，資本市場不买账的原因，可能也在於產品技術的迭代節奏上。從產品上來看，Mobileye的產品主要是幫助解決車輛碰撞預警、AEB緊急制動、ACC自適應巡航等能力的實現上。

而蔚來、特斯拉、理想在內的一衆終端廠商开始放棄Mobileye。理想選擇了地平线、蔚來選擇了英偉達，而特斯拉則用上了自家的FSD。雖然下一代的ADAS正在开發當中，但迭代節奏已然跟不上自動駕駛發展的需求。

在走過初期階段的埋頭研發之後，自動駕駛一旦進入落地階段就不得不關注市場需求的變化。

Mobileye的教訓也給一些原本做L4但轉身做L2自動駕駛的企業帶來了警醒，即便低階輔助駕駛是“牛奶面包”，也需要時刻看向前方，跟上行業整體落地的步伐與節奏。

二、自動駕駛的未來，在於技術路线的意氣之爭？

不過自動駕駛量產的目的絕不僅僅在於完善技術水平，更是爲了在商業化上，搶先站位摸到規模化的制高點。

然而要搶佔市場，就不能忽視消費端。在我方看來，自動駕駛技術本質上不只是一個ToB的技術產品，而是一個ToC的消費品。

就像是特斯拉對於自動駕駛行業最大的影響，可能並不在於它的FSD技術有多么先進。而是大量中產人群以20多萬的價格买到Model3 之後，才开始對自動駕駛這個技術有了概念。

這也意味着，技術發展的成熟度最終決定了能否成功商業化，但反過來，商業化訴求下最先進的技術往往未必最適合市場的需求。

自動駕駛落地至今已經有些年頭，但視覺路线和激光雷達融合路线之爭、單車智能和車路協同之爭，以及城區、幹线、碼頭、礦山落地場景之爭，卻仍然沒有爭論出確定的結果。

例如，

在《智能交通》中，李彥宏的觀點更爲鮮明，他認爲，自動駕駛是起點，終局是智能交通。李彥宏也毫不避諱地對外界表示，用車路協同方案做自動駕駛，是百度堅持、並且看好的技術路线。

可想而知，現階段自動駕駛技術，仍然站在一條具有無數分叉和路口的曲折道路上。

不過雖然未來仍有無限的可能，但綜合來看，全球範圍內各個自動駕駛企業，大體上所採用的發展路线，無外乎“跨越式”、“漸進式”、“降維式”三大類。

“跨越式”的發展路线，較爲典型的代表是2016年12月，從谷歌獨立出來的自動駕駛企業Waymo。或許是傳承了谷歌的科學精神，其研發自動駕駛的道路上，始終以科學思維邏輯爲主導。

體現在實際應用過程中，則是“一步到位”，直奔L4級及以上高級別自動駕駛技術，借助攝像頭與激光雷達等多傳感器融合的路线，跳過低級別技術的經驗和數據積累，直接實現高級別自動駕駛功能。

誠然，從理論上來講，這一方式更貼近自動駕駛技術大規模量產的實際需求。但是在研發過程中，也意味着要面對極高的技術壁壘，同時也難以避免大量的資金投入和時間消耗，而且還要受制於高算力車載芯片、激光雷達等關鍵零部件的價格成本，嚴格來講只適用於部分掌握更多資源的頭部企業。

而“漸進式”發展路线最典型的代表就是特斯拉。從低級別的輔助駕駛系統搭載开始，先量產商用，再通過數據對算法進行迭代，最終實現完全無人駕駛。

具體來講，也即是先讓量產車搭載L2、L3級輔助駕駛功能，在車主使用和駕駛過程中，用影子測試模式幫助AI系統學習。

只不過，這種路线在實際應用過程中備受爭議，因爲每一個使用特斯拉輔助駕駛的車主，都在幫特斯拉測試車輛、收集數據、訓練算法。看似可行的理念，卻也伴隨着不小的事故風險，從特斯拉每年高居不下的事故頻率就能窺探一二。

至於“降維式”，最具代表性的企業則是百度。這一種發展方式，融合了前兩個模式的優點，主張以“技術降維、數據反哺”的方式，用成熟的高級別自動駕駛技術積累，來低階技術的應用。

例如2020年發布的高級別智能駕駛解決方案ANP，就是國內唯L4級自動駕駛技術降維到L2+的輔助駕駛產品，目前已經支持城市全場景自動駕駛，並在今年推出了2.0版本。同時城市領航輔助ANP3.0也在緊鑼密鼓的研發測試中，將於2023年伴隨着集度量產，能夠實現城市的點到點通行，做到全域駕駛自由。

無論是“漸進式”路线，還是“跨越式”路线，抑或是百度堅持的“技術降維、數據反哺”路线，終極目標都是自動駕駛的普及應用。而不同的路线和決策背後，有不同的商業規劃，不同的战略選擇。不過相較於前兩個發展路线，由L4降維L2的思路更具備穩定性和持續進步的可能，同時理論上也能夠盡可能減少消費者所面臨的安全風險。

站在當前，我們也不應該以一時的表現，來衡量整條賽道和行業的未來潛力。Mobileye的挫折只是個例，其中的經驗教訓，只會讓同類企業走得更快、更遠。

這場劃時代的盛宴才剛剛开始，未來如何，還是讓我們拭目以待吧。

本文作者可以追加內容哦 !