工程化能力，并非L4自动驾驶公司不可逾越的障碍 | 九章自动驾驶随笔之二

交流群 | 进“传感器群/滑板底盘群/汽车基础软件群/域控制器群”请扫描文末二维码，添加九章小助手，务必备注交流群名称 + 真实姓名 + 公司 + 职位（不备注无法通过好友验证）

---

编辑 | 苏清涛

连L2公司都认为，L4公司在调整方向后工程化能力有可能追赶上来，成为他们的竞争对手，主机厂竟然还不这么认为？

严格地说，这并不能算作是一篇正儿八经的“文章”，而是对一系列碎片化观察与思考的“东拼西凑”。

本文涉及的话题主要有：

一、“高度定制化”与“高度同质化”并存

二、“只要足够便宜，不好也是‘好’”

三、“激光雷达不是‘安全件’，而是‘功能件’？”

四、硬件减配会不会带动出货量的增加？

五、硬件减配，会不会让用户体验也“减配”？

六、理解行业生命周期的人，不会过分悲观

七、L4公司转型L2后的失落

八、尽管日子很艰难，但诗和远方并未被忘记

九、工程化能力，并非L4公司不可逾越的障碍

十、补上工程化短板之后，L4公司的天花板更高

一、“高度定制化”与

“高度同质化”并存

自动驾驶供应商之所以挣钱特别难，最关键的原因在于，主机厂的项目往往是高度定制化的，并且，在他们看来，很多主机厂纯粹是“为了差异化而差异化”。

更糟糕的是，现在主机厂的车型切得太快了，供应商在上一个车型上的投入还没有回本，下一个车型又出来了——在有的时候，下一个车型出来后，会挤压上一个车型的销量。

项目的高度定制化意味着，每增加一个项目，供应商就要增加一批人，而项目丢了后，他们又得裁员。在这种状态下，公司挣的钱，都用来支付猎头费和裁员补偿费了。

解决这一问题的唯一路径是平台化。有一些行业头部公司在这方面已经取得了阶段性成绩。

纵目科技CTO王凡告诉九章智驾，在平台化后，他们每个项目上需要投入的人力越来越少了。“在最近一个项目中，客户认为我们至少要花1个月才能把demo做好，但实际上，我们只用了4天就把功能调通了，就做了一些简单的标定。两三个月后量产了，在公司内部也没有引起多大的关注度，因为整个过程太顺了。”

不过，比“高度定制化”更糟糕的是，低等级自动驾驶已经进入了“卷无可卷”的阶段了。

车展的第二天，一位自动驾驶公司CEO问笔者：“昨天逛了一天，什么感受。”笔者答道：“虽然大家都在抱怨‘高度定制化’，但实际上做出来的东西却高度同质化。既然没有差异化，那大家就只能拼成本、讲性价比了。”

二、“只要足够便宜，不好也是‘好’”

在对成本的追求达到极致的时候，很多人可能慢慢对性能也没那么在意了。

为什么说“对成本的追求达到极致的时候，可能就不在意性能了”呢？ 之前，有主机厂的朋友说过一句特别经典的话：如果太贵，好也是‘不好’；只要足够便宜，不好也是“好”。  这话或许真实反应了主机厂在追求性价比时的心态。

主机厂坚持“价格才是王道”的价值观，可能会在供应商层面造成逆向淘汰，即“在前瞻技术方面主动投入越多的越可能会率先被淘汰”。

三、“激光雷达不是‘安全件’，

而是‘功能件’”

年初，量产车将激光雷达的数量从3颗减成1颗。随后，“要不要去掉激光雷达”也成为一个被热议的话题。但在激光雷达厂商看来，这本是一个根本无需争论的问题。

北醒CEO李远说：“激光雷达可以定价，但生命是无法定价的，对吧？你不能说消费者的生命安全不值 3000 块钱吧？就为了省那3000块钱，连消费者的生命安全都不在乎了？”

李远还提到一个问题：装激光雷达的车相比于不幢激光雷达的车，安全性究竟如何，是否真的就无法评估？ 

随后，他又自己给出了答案：其实保险公司是有数据的。他们可以先统计出来装激光雷达的车是不是比不装激光雷达的车事故率低，然后再看装品牌A激光雷达的车事故率是不是比装品牌B激光雷达的车事故率更低，然后就知道如何根据车型对保费做差异化设计了。

在车展前夕的一场发布会上，禾赛CEO李一帆提到了一个观点：激光雷达不是“安全件”，而是“功能件”。

李一帆对“安全件”的定义是：装激光雷达比不装激光雷达更安全；或有点像安全气囊，原来装8个，现在装12个，更安全了。

但在最近一两年里，很多人都转变了观念，认为激光雷达是一个“功能件”。所谓“功能件”，就是说，只有在有激光雷达的情况下，某些场景的功能才能实现；如果没有激光雷达，这些功能就无法实现了。

四、硬件减配会不会带动

出货量的增加？

车展前夕，在跟轻舟智航CTO侯聪交流时，笔者提到一个问题：硬件减配，比如2颗J3变成1颗J3，这会让总出货量变小还是变大？

侯聪的答案是：究竟成本的下降会不会带来自动驾驶系统装配率的上升，以及，你芯片从2颗J3减到1颗J3，装配率会不会上升1倍，这个是由主机厂来决定的。

笔者也拿同样的问题跟某自动驾驶方案公司的销售总监聊过，对方说：“应该会上升。我们的一家OEM客户，去年L2的装配率是30%，今年就接近100%了。”

五、硬件减配，会不会让

用户体验也“减配”？

早在2 年前，笔者就认为所谓的“硬件预埋”无法成立。因为，硬件也在快速的迭代中啊，在预埋了 2 年之后，或许软件尚未升级到能把硬件“用足”的时候，已经有更强大的新款硬件出来了。别人的新车上直接用了更新的硬件，那你预埋的硬件不就过时了吗？ 

不过，当前，我们又从一个极端走向了另一个极端：硬件减配。

在硬件预埋持续了一两年以后，许多主机厂发现之前在自动驾驶上的投入并没有带来销量的增加，于是，大家不去追求价值增值，而是转向压成本的老路。

然而，从产品开发的角度、从用户的角度、从行业长期发展的角度来看，“硬件减配”是不是一种理性的选择呢？

在跟轻舟智航CTO侯聪交流时，笔者提到一个问题：

之前，由于有足够充足的硬件资源可供依赖，大家在做开发时在软件上做的功课比较少，现在呢，由于可供依赖的硬件资源少了，那大家就不得不在软件上下更多功夫了。所以，从理论上讲，硬件减配应该可以带动软件工程能力的快速提升。 这个推理成立吗？

侯聪的回答是：

要想不牺牲功能，你只能在提升软件工程能力后才能把算法放在更小算力的平台上去跑，但并不是每家公司都具备这个能力。

是啊，硬件减配的前提应该是，你的算法能力已经超级强；但现实问题是，为了控制成本，很多公司在算法能力还不行、哪怕堆了很多硬件也无法实现很强的自动驾驶功能的时候就很激进地来了个硬件减配。

在前段时间的一篇热文《从堆料上头到激进减配，自动驾驶为何大变天？》中，在主机厂的自动驾驶部门任职的作者提到：

能够极致压榨软硬件潜力，把功能做精做细，脚踏实地地满足用户的切实需求，当然值得称道；但更要警惕车企采取剑走偏锋的策略——忽略智驾硬件的性能上限，夸大硬件简配后能够实现的功能。

以ACC功能为例，市面上有各种硬件方案可供选择，1V/2V、1V1R、1V3R……都宣称自己可以实现AEB，但到底哪种硬件套装是ACC功能正儿八经的「官配」，还要看各家的算法软件能力，其实没有定论。

这里面可供操作的空间就很宽裕了。

......

车企和方案供应商对智驾功能的选择从一个极端走向了另一个极端，只追求功能的“有无”，而不顾性能的“好坏”。

不同的硬件配置和算法，可以实现的智驾功能看起来相差无几，而事实上，这些智驾功能在功能开启范围、功能实施成功率、驾乘人员感官体验上可不止“千差万别”。

一个小小的自动泊车功能APA，就可以劈叉出不同的底层功能逻辑——车辆是只能探测到两车中间的空车位，还是可以停进连续的空车位，这就涉及到环视摄像头的信号有没有被融合进泊车功能，还是仅仅实现360环视，给用户的泊车动作提供视觉上的补充。

再比如自学习泊车功能，车机端可以存储多少条学习线路？学习线路是否可以分享和下载？系统自主泊车的长度极限是多少？能不能自主跨层？使用范围包含露天停车场或停车库吗？自动泊车的路上遇到障碍物是功能停止还是主动避让？

这些被冠以同一名称的功能，其差异点，在消费者选购时，是无从发现和了解的，消费者付款购买的功能，和最终能实现的智驾功能，可能就是两回事儿了。

先把消费者口袋里的钱搞到手，至于其他，容后再议。

这是车企绝不会宣之于口的小心思，带着偷懒耍滑，取巧钻营的嫌疑，在「成本」和「盈利」两座大山下的背阴面滋生蔓延。

六、理解行业生命周期的人，

不会过分悲观

车展前，在聊起硬件减配现象时，某自动驾驶公司副总裁感慨道：如果所有的公司都采取这种思路，那也许，两三年后，全行业的自动驾驶能力仍停留在L2的水平上。这一定不是大家想看到的吧？

不过，还有很多人认为，现在大家都要拼价格，主要原因是前段时间被特斯拉打了个措手不及，“但最终，大家还是要回归到商业的本质——等到自动驾驶真正成熟的时候，消费者还是要买体验感好的东西”。

某自动驾驶公司CTO说：我们之前在消费电子产业就有过类似的经历。比如，DVD，很快就从拼性能变成了拼价格；再比如智能手机，在苹果、华为这种高端品牌外，还有大量同质化的山寨机。“但只有经历过这么一波同质化竞争之后，整个行业才会进入更加健康的状态。”

北醒激光雷达公司CEO李远说：十几年前，大家都对光伏领域挺悲观的，因为那时光伏发电的成本高于火电，光伏还不能给客户带来持续的价值，但现在，光伏赛道的公司估值很高，有好几家的市值都超过5000亿了。

在拿同一个问题跟很多不同年龄段的人聊过之后，笔者还发现了一点：总体而言，面对当前的行业形势，比较年轻的创业者会显得比较慌张，担心这个行业会不会就要死掉了；但那些经历过两个以上的行业周期，甚至经历过几次金融危机的人，会显得比较淡定。

七、L4公司转型L2后的失落

“中国的Robotaxi公司总体上比较务实，一旦发现一步到位实现L4的路很难走通，就集体调转方向去做L2前装量产；但美国那帮家伙就显得很偏执了，基本上是一条道走到黑，宁可死掉，也要在L4这个方向上死磕到底。”

车展前，在跟朋友聊起中美自动驾驶的区别时，笔者冒出上面这一句。当时，朋友的回答是：“中国人太容易为五斗米折腰了。所以说啊，美国有可能搞出ChatGPT, 而中国搞不出来。”

当然，我们并不能“站着说话不腰疼”地批评中国的创业者不如美国的创业者，毕竟，中国的科技产业创业投资环境远不如硅谷——人民币基金的投资者基本都是短期主义者，创业者没有底气追求过于遥远的梦想；而且，创业者一旦创业失败，非但很难翻盘，反而还有可能上“失信人”名单。

在这种生存环境下，创业公司不得不放弃理性的、合理的路径，而选择一个更短期的路径，也在情理之中。

当然了，这种转型确实是无比痛苦的。除了拿到主机厂的订单比较难之外，这些科技公司正在经历的痛苦主要有如下几层——

1.

从业者的职业自豪感开始下降

之前，在做L4 Demo的阶段，这些自动驾驶公司是高大上的“人工智能公司”，但在做前装量产业务的时候，他们会发现，主机厂眼里没有人工智能公司，只有“乙方”。

说得重一些，主机厂对待这些自动驾驶供应商的态度，跟对待卖轮胎的、卖螺丝的供应商不会有任何区别。

笔者之前经常开玩笑说，在矿山、港口场景的无人驾驶公司，因为他们的客户比较“土”，因而，客户在看这些无人驾驶公司的时候是“仰视”的，最起码是平等的；而做主机厂业务的自动驾驶公司就“惨了”，因为他们的主机厂客户也自认为是“科技公司”，并且，这些客户是在供应商面前强势惯了的，因此，他们自然不会因为供应商的“出身比较好”就很尊重你。

很多原来不喝酒的科技精英（包括CEO），都是在开始做前装量产业务之后，才不得不“学会”喝酒。

笔者的一位朋友，面试某自动驾驶公司的项目经理岗位，结果，面试官一听他是内蒙古人，就问了句“你酒量不错”吧。这位朋友吓得落荒而逃。

也难怪一位明星自动驾驶公司的工程师说“一做前装量产，尊严立马就没了”。

喝酒跟尊严有关系吗？当然有关系了。

自己喜欢喝酒，喝酒只为了让自己爽，确实跟尊严无关；但为了融入别人而逼着自己喝酒，可不就关乎尊严了——在文化素质比较高的人眼里，酒文化其实很Low,但为了生存，他们却又不得不“放下身段”跟某一些自己并不喜欢的人打交道。

另外，众所周知，主机厂有把供应商“关小黑屋”“问题不解决，你就别想走”的传统；在最惨的情况下，在问题彻底解决前，供应商的人连身份证都要被没收，“不能坐飞机和火车回去”。

有自动驾驶公司的CTO告诉笔者，他就有过一段被关“小黑屋”的经历。

L4公司的技术人才大多都是学霸出身，而学霸大多都有很强的自我意识、很傲气，谁能受得了这等“羞辱”啊？

这种“没有尊严的日子”持续得久了，有一些科技人才的精气神就会被消耗殆尽，甚至可能会离职。

2.

永无止境的“年降”

年降，是制造业里的一个传统，即成本相比于上年降低多少个百分点。供应链上的公司，每年都会被要求配合客户的“年降”目标。

供应商经常会抱怨客户提的降本目标“毫无道理”，甚至会骂要求他降本到一个不合理水平的人（客户公司的采购/财务）是傻X。实不相瞒，笔者也曾经是那样的“傻X”。

15年前，笔者在制造业做项目管理，按公司的要求，笔者需要为自己所负责的项目提一个“降本目标”。当时，笔者心里想的是“我擦，这些零部件的成本结构是怎样的，我完全不明白，也不清楚它究竟值多少钱”。

然而，在老板的压力下，笔者不得把BOM拆开，给每个零部件都列了一个连自己都解释不清楚“为什么要降这么多”的降本目标，发给负责采购的同事，然后，采购就拿笔者提出的这个连本人都觉得“很傻X”的降本目标去向供应商施压。

在做前装量产之后，自动驾驶公司自然也会遭遇类似的傻X降本目标。可以预见，在主机厂“年降”的要求下，自动驾驶公司的盈利能力最终也会被压榨到不断逼近传统制造业的水平。（当然，也不能全怪主机厂苛刻，因为主机厂自己也不挣钱啊）。

这意味着，在做前装量产之后，这些公司的“估值模型”也变了。

尽管利润率不高、估值也缩水了，但这些公司里还有不少年薪300-500万的人。这相当于在用制造业的利润来养科技人才，这种模式能持续多久，是一个很大的悬念。 

说到利润率和估值模型，从笔者调研下来的情况看，在矿山、港口等封闭场景做L4的公司，面临的挑战要小得多。

最关键的原因是，这些场景的无人驾驶公司的商业模式大多是直接做运营，尽管站在矿方或码头方的角度看，这些无人驾驶公司也是“乙方”，但在以运营商的身份把某个区域几个项目的运输任务承包下来之后，在无人驾驶运营环节，他们自己就成了“小甲方”，因而，无需担心来自客户的“年降”目标。

相反，随着司机的成本越来越高，这些赛道上的头部无人驾驶公司在市场占有率足够高的情况下，甚至还会有底气跟客户涨价。

八、尽管日子很艰难，

但诗和远方并未被忘记

在最近的采访中，九章智驾经常会问到一个问题：对性价比的过分追求，会不会让自动驾驶放弃创新，进而快速沦为“传统产业”？

这种可能性是存在的。但值得欣慰的是，仍然有一些公司能“不忘初心”，在“低头赶路赚钱”的同时，仍然在“抬头追逐梦想”。

比如，小马、文远、百度都没有放弃在Robotaxi上的继续投入。

再比如毫末。4月11日，在毫末组织的一场媒体群访中，毫末董事长张凯在回答九章智驾提出的问题时说：

一个没有做过前装量产的公司突然进入这个领域，肯定会陷入一场苦战。但我觉得，不管成本降得多低，数据驱动这个模式一定要坚持。在硬件配置上，我们内部需要坚持的底线是，一定要给数据驱动留下相应的算力空间，把整个链路打通，这样才能做到自动驾驶能力的可生长状态。

在车展第二日的媒体沟通会上，宏景智驾联合创始人董健博士说，他们的理念是“脚踏实地，仰望星空”，即既踏实做好前装量产，同时又保持对前瞻技术的热情。

在后续的交流中，宏景智驾CEO刘飞龙说：

没有一定的前瞻性，你就很难把握未来大的机会。在经济形势不好、需要收缩现金流的时候，在前瞻技术上的投入是会减少，但没必要全砍掉吧。

目前，我们这边在量产项目和前瞻技术探索方面的资源分配比例是8：2。目前正在探索的前瞻技术包括BEV、下一代大模型等。

我们的前瞻研发部门也能挣钱。车企为每个车型投入的研发费用有几个亿，这里面有一部分是注定是要给供应商的，我们的前瞻研发部门要争取从这个池子里分到一部分。如果拿不到钱，就证明你的前瞻技术还不够打动客户。所以，我的思路是，用客户的钱来做自己的前瞻技术研发。

九、工程能力，并非L4公司

不可逾越的障碍

前段时间，某销量吊炸天的头部新能源车企希望跟某L4背景的自动驾驶公司合作，九章咨询负责人刘嘉俊在知道此事后很好奇：“你们就不担心这家公司的工程能力不行吗？”。这家车企的人说：“没事，我们可以教。”

在这家车企的人看来，工程化能力，无非就是设计好流程，然后再照着做就行了，“此前没有工程经验的团队，我们带着他们做一两个项目，工程化能力就可以练出来了。再不济，他们还可以花钱从博世、采埃孚这些工程化能力很强的公司挖人啊。所以，对L4公司来说，工程化能力其实是可以很快就补上的。”

随后，刘嘉俊总结道：在选择自动驾驶方案商方面，这家头部主机厂认为，工程化能力的重要程度在逐渐地降低。

对这个总结，笔者特别共鸣。

1月11号，某Robotaxi背景的公司刚官宣了对外销售域控制器，很快，有一家商用车无人驾驶公司的技术VP找到笔者，说他希望能跟这家Robotaxi背景的公司交流一下未来合作的可能性。当时，笔者临时有感而发，在个人微信朋友圈发过下面一段话：

4个月后（5月上旬），某L2公司的CTO在跟笔者聊天时主动提及上面这段话，表示很认同。

当时，一位地平线市场部的朋友在这条朋友圈下表示很共鸣。笔者回复道：在早些年，我对地平线跟禾赛的判断是有些纠结的——

一方面，我因为欣赏他们核心团队的理想主义及对技术趋势的理解而坚定看好他们；另一方面，我偶尔也会担心，“团队这么豪华，会不会不接地气、工程能力不行啊”？现在看来，这完全是对豪华团队的偏见啊——实践不是已经证明了吗，在各自赛道最先跑出来的，就是这样两家啊。

“团队很豪华，所以工程能力可能不行”，这种刻板印象的逻辑有点像“你长得很漂亮，所以你的钱一定不是凭本事挣的”“你爸很有钱，所以你是个纨绔子弟”“你学习很好，所以你动手能力很差”。其实就是毫无逻辑。

我们再看看下面一个类比——

在小城市或农村长大的人，大都有个刻板印象：学习好的人普遍体育不行。在小地方，这也确实符合事实。但这种现象的背后的原因是什么？难道是这些学习好的人真的就没有能力“体育好”吗？

不是，在那种成长环境下，学习文化课、跟考试强相关的东西，最有利于他在当前阶段的收益最大化。把很多时间花在运动相关的事情上，机会成本实在太高。

而在过去几年，我又发现了一个令自己“大吃一惊”的真相：人到中年后，运动习惯比较好、甚至坚持每天都锻炼的，绝大多数都是曾经的学霸——既包括之前体育就很好的学霸，也包括大量曾经体育很差的学霸，而小时候学习不好但体育好的人，现在还有多少人仍在坚持锻炼呢？

原因很简单——在职场上摸爬滚打几年后，那些曾经体育不好的学霸们已经深刻认识到，“身体素质好、精力充沛也是顶级人才的主要特质，只有身体素质好，才能让自己在智力上的优势充分地发挥出来”。 

与此同时，我们也看到，总体上，在一个学霸密度很高的公司里，员工的锻炼习惯跟他在公司的职级呈正相关——基层员工中，坚持锻炼的很少；但CXO级别的，几乎没有不坚持锻炼的。（当然，锻炼习惯和学习成绩或职级之间并没有因果关系，但它们背后都有一个共同的原因：自律水平。）

同理，如今L4背景的公司已深刻认识到只有补上工程化能力的短板，他们在技术上的优势才能充分发挥出来，因此，在工程能力上的投入就不会比传统的L2公司少。

哪怕L4公司的人真的曾经“不接地气”，但在被迫认清现实、放弃幻想之后，他们就会调整心态，变得很踏实。

这个话题当然是存在争议的，并在未来相当长一段时间内都不会有共识。我们真正需要思考的一个问题是：工程化能力的壁垒到底有多高？    

有两种可能的情况：一个自动驾驶方案公司的工程能力很弱，哪怕主机厂愿意给他们机会，让他们上牌桌，他们也很难补齐这一短板，或永远也无法赶上工程经验比他们丰富两三年的公司；只要有机会上牌桌，有客户陪着他们一起打磨技术，他们可能很快就能补上工程化能力短板。

笔者更倾向于相信第二种可能性，毕竟，真刀实枪的实践是打磨工程化能力的最好手段。 

图达通在激光雷达赛道的“后来居上”就是一个很典型的例子。在2020年底拿到蔚来ET7的定点之前，产业里的大多数人对图达通并不怎么了解，而了解的人，也以“不看好”的居多，很多人甚至担心图达通能否活下来。

但通过跟蔚来在几个量产项目上的合作，在不到两年的时间里，图达通在出货量上已跻身为激光雷达赛道的第一梯队。有客户不断地给他们提要求，工程能力能不快速提升吗？

而对L4算法公司来说，工程能力甚至都不需要补。产业界里工程能力强的公司多的是，并且，在当下，这些公司的产能也并不怎么饱和，算法公司完全可以跟这些工程能力强的公司合作啊。

最近，笔者在跟一位L2公司的销售总监聊天时，问到他眼中的竞争对手是谁，结果，出乎意料的是，他给出的名单中，有两家是L4背景的公司。笔者好奇：“L2公司的人普遍认为L4公司的工程化能力不行啊，你为何还会把这两家视为竞争对手呢？” 结果，他答道：“工程化能力，没有太高壁垒，只要花时间就能补上。”

这位销售总监已经在汽车零部件公司工作了十几年了。他说的“工程化能力花时间就可以补上”，应该是对产业界里的很多现象长期观察后得出的结论。

连L2公司都认为，L4公司在调整方向后工程化能力有可能追赶上来，主机厂竟然还不这么认为？

十、补上工程化短板之后，

L4公司的天花板更高

与传统的L2公司相比，L4背景的公司有更强的“学霸基因”。

比较明显的一点是，L2公司的思维是“我现在具备哪些能力，就做哪些事情”，而L4公司的思维方式则是“想做怎样的事情，所以就去训练对应的能力”。

前者类似于“因为我学了这个专业，所以我就找了这份专业对口的工作”，而后者则类似于“因为我想干这个方向工作，所以，我就选了一个更容易满足这个岗位的需求的专业”。

或者，前者类似于“我只有本科学历，所以我找了一份本科生就能胜任的工作”；而后者则类似于“我想找个只有博士才能干的活，然后，为了这个目标，我先去读相关专业的硕士、博士”。

前者是“自我设限”，而后者则是“以终为始”。从个体来看，能取得牛逼成就的，大多是那些能“以终为始”的人，而非“自我设限”的人。

这就是笔者看问题的“第一性原理”。

对L4背景的自动驾驶公司来说，在补齐了工程化能力短板之后，他们之前靠“以终为始”积累起来的那些能力，就是一种很明显的优势了。

如轻舟智航CTO侯聪提到，城市NOA对算力、传感器及算法的需求其实跟Robotaxi差不多，并且，背后的整套工具链、研发流程几乎完全可以复用。

按轻舟智航规控负责人李栋的说法，在做城市NOA时，Robotaxi背景的公司在算法的适配方面非常快。

“比如，做车道保持，只要在L4的算法里把自动变道功能删掉就可以了。不管什么新功能，我们基本上是把已有的算法做一些剪裁就挪过来就work，而不太需要重新开发这些，因为它很可能是我们以前在L4里已经实现了的东西。”

可以简单地理解为，做城市NOA算法，传统的L2公司需要“做加法”，而Robotaxi背景的公司则是“做减法”。做减法当然比做加法简单了。

再比如，现在大家热议的BEV、Transformer及“重感知、轻高精地图”技术，布局比较积极的自动驾驶公司，大多都是L4背景的。

小马智行CTO楼天城认为，摆脱高精地图，不仅仅是感知板块的挑战，而是所有模块都需要同步提升。“比如系统的预测、规划、控制模块，而这些，正是我们在过去专注于L4级自动驾驶时积累的技术优势。”

某头部传统L2公司对BEV+Transformer需要怎样的芯片缺乏足够的理解，他们还认为“无高精地图”路线无法落地。

再比如，L4公司对最新学术成果的拥抱却更加积极。如更加关注如何通过提高算法的效率，进而提高对计算资源的利用率。从这个意义上说，在“硬件减配”的风潮下，L4背景的公司，也许更有能力做到“性能不减配”。

再比如，在当前，量产过程中遇到的很多工程化问题，主要还是通过“堆人”的方式来解决，在解决这类问题时，工程化人才比较丰富的公司显然更有优势；但随着生产力的进步，接下来，很多工程化中的琐碎问题，将可能交给自动化的工具链去解决（比如，用自动化工具来检测代码中的bug、减少冗余等），这个时候，能把自动化的工具链做得更好的公司，优势就会更明显。

简言之，谁更能用好生成式AI等技术做出更好的自动驾驶工具链，谁就有更强的工程化能力、有更高的效率。时间应该会站在那些对前瞻技术投入更多的公司一边。

早些年，L4公司因为估值较高，融了很多钱，因而招了很多感知、规控、数据、仿真方面的顶级研发人才；相比之下，传统L2公司之前因为估值不高，融到的钱也不多，因而对顶级研发人才的吸引力是不足的。  

接下来，这两类公司都要补短板。即传统L2公司补动脑能力，而L4公司补动手能力。谁更容易胜出，取决于谁补短板的速度更快。

那么，哪种类型的公司补短板会更快呢？我们先从人性的角度做个分析。

一方面，除极少数领军人才外，工程人才大多为“寒门子弟”，寒门子弟的优势是“耐操”（对枯燥乏味的忍耐力强），但他们还有一个普遍的短板是“没有诗和远方”，在物质利益和精神理想之前，更倾向于选择前者，甚至很多人压根儿都不知道自己的理想到底是什么。因而，L4公司只要有条件、也舍得出足够多的钱，从其他公司挖工程人才，并不是特别难的事情。

（这段话，让寒门子弟看了会极度不爽，例外情况当然有，但这里说的是“普遍规律”。 笔者自己就是出生并成长于西北省份十八线乡村的寒门子弟，在喜欢上哲学和写作之前，笔者也是没有“诗和远方”的。）

相比之下，真正牛逼的研发人才，无论出生于豪门还是寒门，在他们成才的过程中，好奇心是比“耐操”更重要的品质，因此，他们大多是“使命愿景驱动型”，对这种人才，只能靠使命和愿景去吸引他们，而几乎无法靠钱来吸引。而在当前的市场环境下，L2公司的使命和愿景已经变成了“性价比”，正在朝着“传统产业”的方向高歌猛进，这很影响他们对高端人才的吸引力。

另一方面，传统的工程人才进入到L4背景的公司，相当于进入到一个未知的领域，能接触到很多“更新鲜的玩意”儿，这种环境，能更好地满足他对自我成长的诉求。

相反，让一个L4公司的技术大牛去传统L2公司搞研发，他可能就是把自己过去已经做过的东西再重复了一遍，对这个重复的过程，他是否还有热情，这是一个很大的疑问。

综上，L2 公司招聘一个技术大牛的难度，要高于L4背景的公司挖到工程人才的难度。(当然了，无论L2公司从L4公司挖人，还是L4公司从L2公司挖人，都存在挖来的人能否融入公司的文化、能否长期留下来的问题。)

4月17日，在VOLVO TECH DAY暨EX90中国首秀发布会上，沃尔沃汽车大中华区销售公司总裁钦培吉称：“新势力会的，我们三年就学会了；我们会的，新势力十年都学不会。”笔者在此猜测一下，L4公司的老板们也会有类似的心态：L2公司会的，我们花一两年就学会了；我们会的，他们花三四年也学不会。

简言之，笔者的观点是：进入前装量产市场晚的L4公司，面临的挑战在于，“上牌桌”比较难，如果不能上牌桌，就很难活下来；然而，如果上了牌桌，他们就有很大的机会“逆袭”。

2021年7月份与2022年5月份，九章先后发布了两篇文章详细分析L4公司转型做L2会遇到的一系列挑战，在这两篇文章中，L4公司的“工程化能力”及“供应链管理能力”被挑战了很多次。看起来，今天这篇文章明显是对前两篇的“打脸”。

这很正常。在产业发展的不同阶段，同一个问题中呈现的各种要素的力量对比确实会有所改变；并且，随着对“第一性”的不断追问，笔者对某个特定问题的理解也不在不断加深。认知迭代了，“自我革命”就势在必行。

那么，L4公司拿到订单的真正障碍是什么呢？ 是主机的“丈母娘思维”。什么是“丈母娘思维”呢？对这个问题，我们将在下一篇文章中详细解释。

参考资料：从堆料上头到激进减配，自动驾驶为何大变天？

END

---

九章观察的第一期视频正式推出

欢迎大家关注、转发、点赞、评论！！

---

交流群 |  进“传感器群/滑板底盘群/汽车基础软件群/域控制器群”请扫描上方二维码，添加九章小助手，务必备注交流群名称 + 真实姓名 + 公司 + 职位（不备注无法通过好友验证）

写在最后

关于投稿

如果您有兴趣给《九章智驾》投稿（“知识积累整理”类型文章），请扫描右方二维码，添加工作人员微信。

注：加微信时务必备注您的真实姓名、公司、现岗位，谢谢！

“知识积累”类稿件质量要求：

A：信息密度高于绝大多数券商的绝大多数报告，不低于《九章智驾》的平均水平；

B：信息要高度稀缺，需要80%以上的信息是在其他媒体上看不到的，如果基于公开信息，需有特别牛逼的独家观点才行。多谢理解与支持。

推荐阅读：

◆九章 - 2022年度文章大合集

◆“哪怕有一天发不出工资，也会有人留下。”——九章智驾创业两周年回顾(上)

◆“你们的预算太多了，所以我们不能合作”——九章智驾创业两周年回顾（下）

◆全面SOA化的电子电气架构是什么样？

◆万字长文解读深度学习算法在自动驾驶规控中的应用

◆线控转向量产商用的挑战与曙光

◆“在别人恐惧时贪婪”，这支基金将在“自动驾驶寒冬”加大投资力度