368
开年第一笔自动驾驶融资案来了。
2 月 22 日，毫末智行宣布获超亿元 B1 轮融资，此轮融资是今年开年以来自动驾驶第一笔融资案。
融资就是信心，自动驾驶行业开门红到来，行业内一片喜气腾腾，大多从业者都觉得难能可贵。
可贵在两处——经历 2 年全球自动驾驶寒潮后，毫末智行获得融资，率先为中国自动驾驶企业打开了冰冻期，同时融资金额过亿也展现了行业信心正在回归。
据悉，这次 B1 轮资金入账后，从 B1 轮这个名字来看，显然毫末的 B 轮融资还未结束。
还难得在，融资由成都武发基金发起，妥妥的地方资金进场。要知道在投资界能吸引地方资金的，要么是非经营项目，要么就是经得住考验的优质资产。
毫末智行开春第一融资，无非在传递一个信号：中国自动驾驶企业率先踏入解冻期，从求新向求稳进击。
01、拿钱，只是第一步
回顾毫末智行融资历史，基本保持着一年一轮的融资节奏。
2021 年毫末开启天使轮融资，而后两年中先后顺利完成了 Pre-A、A 轮、A+轮融资，三个阶段毫末融资近百亿人民币。尤其是 A 轮，毫末受到了一批以高领创投为代表的明星投资公司的青睐，收到超过 70 亿人民币投资。
2024 年这次 B1 轮融资也保持过亿金额。这笔钱基本能够保证一家自动驾驶企业一年中绝大部分的研发投入。
一家企业进入 B 轮融资就是进入了低风险区。
从投资角度来说，只有在上一轮热情涌入后企业证明拿到了不错的成绩或者量产项目，基本验证企业盈利模式没有问题，才能走入下一个融资阶段才能持续拿到资本的信任与热钱。
投资机构已经用脚投票，验证了毫末自动驾驶形成了稳定的商业闭环。
现在，拿到钱的毫末要干的事情也很明确，毫末要做两件事儿，一件是从内到外的打法，将资金用于毫末大模型等 AI 自动驾驶技术的研发投入。另一件是从外到内，以量产经验反哺自身技术，全面走向商业化落地。
也就是说，毫末要先做自己擅长的事情。
现在不管是车企还是自动驾驶公司，都在技术上不断加码一件事儿——实现端到端自动驾驶。
毫末智行 CEO 顾维灏指出，自动驾驶过去二十年没有完全达成目标，除了传感器硬件、算力等原因跟不上，还有一个原因可能是方法跟不上。
而最可能的实现方法就是以数据驱动，进行 AI 大模型训练和部署的方式来实现真正的自动驾驶。
认识到这一点的毫末智行，无疑会将大量资金用来进行 AI 大模型训练和部署，从而实现真正的自动驾驶。
再说说从外到内实现商业闭环，这次融资就提供了一个更好理解的样本——毫末要帮助成都武侯区打造中国领先机器人示范区的同时，推动毫末末端配送无人驾驶遍地开花。
比如在末端配送领域，毫末开发了 L4 级自动驾驶的低速无人车小魔驼，将自动驾驶嵌入进了商超、校园、机场、高校、智慧园区等等。
而这种嵌入式方式，一方面更有利于加速消费者对于自动驾驶的认知，另一方面能在短期内快速帮助自动驾驶企业走向盈利。
想想看，消费者认知自动驾驶最大的冲击力往往不是从网络获得，而是从一辆跑在园区内的、没有驾驶舱的无人小车引发出的好奇。
因此，一手加大对于自动驾驶大模型的投入，一手用自动驾驶产品商业化落地的模式，毫末已经形成推动自动驾驶飞轮运转的方法论。
02、课代表才拿到自动驾驶开门红？
很长一段时间全球自动驾驶都陷入了冰冻期。
资本退潮与自动驾驶头部公司变动几乎同步发生。自动驾驶赛道投融资在巅峰期全年投融资事件达 78 起，披露投融资总金额 811 亿元，到了 2022 年投资金额仅约为 2018 年三分之一。
随之而来的还有自动驾驶公司发展遇阻频频。
Waymo 在去年初开启裁员，并宣布暂停卡车自动驾驶研发，至今小范围运营还没有带来实际收益。
另一头，通用投资数十亿美金、成立十年的自动驾驶头部公司 Cruise 则因为交通事故被吊销测试牌照，引发创始人双双退场。
西半球的自动驾驶一地鸡毛，但这并不妨碍毫末拿到东半球自动驾驶的开年第一红，而这也变相印证了自动驾驶「东升西降」的格局。
过去两年，中国自动驾驶公司表现得更具备坚韧性与灵活性。
一条腿走路会摔倒，两条腿走路加上速度就能跑起来。
既然 L4 无人驾驶由于技术和商业层面短期内进展缓慢，那么以毫末为代表的中国自动驾驶公司就开始从 L4 无人驾驶走向多条腿走路，打通自动驾驶商业模式闭环。
毫末反应得更快，在四年前就选择了乘用车前装量产、末端物流市场两条腿走路。事实也证明，这两个市场正在走入爆发期。
先看乘用车前装量产市场。如果说过去 3 年是高速 NOA 上车期，到了 2024 年新能源汽车已经在城市 NOA 簇拥下全面走向了智驾时代。
据乘联会发布报告显示，2023 年上半年新能源汽车 L2 级辅助驾驶功能装车率已经逼近 40%。
数据还在增值，报告显示，2026 年搭载 L2++乘用车销量预计将会达到 623.6 万辆。
623 万辆是什么概念，相当于 2023 年全年新能源车销量的 80%。
在乘用车前装量产市场，只有抢速度、抢规模、抢量产，才能占有更大市场空间。
性价比就是诚意，这意味着自动驾驶公司要以最快速度拿出性价比。
毫末智行一直坚定的走渐进式路线，陆续发布了第一代与第二代 HPilot 产品。
尤其是第二代的三款 HPilot 产品亮出了毫末在前装量产市场的「性价比」优势。
HP170、HP370、HP570 三款产品最大的特性就是定位都在千元级，分别是 3000 元级，5000 元级、8000 元级，所有产品均可实现行泊一体，同时包含高速无图 NOH 到城市全场景无图 NOH，主打极致性价比。
如果说乘用车的智驾渗透率、商业落地是缓慢进行的，那么自动驾驶垂直场景，大规模盈利拐点将会更快到来。
普遍共识是开放式 L4 技术短期无法实现，自动驾驶场景壁垒很难跨越。在此背景下，毫末智行依托早前积累的 L4 级自动驾驶入局自动驾驶细分场景更有竞争力。
数据显示，2023 年国内低速无人驾驶行业就已经发布 90 款新品，尤其在末端物流配送市场规模已经突破百亿。
多名投资人曾告诉汽车之心，现在投资感知硬件的时机已经过去了，但投资自动驾驶细分场景的机会他们还在看。
毫末末端物流自动配送车小魔驼已经更新到了第三代，将价格打到了 9 万元以下。现在在北京、苏州等地的商超、快递、校园、社区和工业园区已经能看到小驼魔的身影。
目前，毫末智行在末端物流场景下已经实现了可持续的正向盈利模式。尤其是在商超履约和快递接驳场景，毫末智行成为目前全球首个 L4 自动驾驶产品单店经营实现盈利的商业化案例。
03、掌握三大技术底座，自动驾驶从求新步入求稳
业务只是技术商业化的手段，评判一家自动驾驶公司是否值得持续押注的标准要看技术底牌。
在中国自动驾驶界，有一个著名的 3.0 时代论断。
毫末智行 CEO 顾维灏认为自动驾驶可以分三个阶段，1.0 时代是硬件驱动，2.0 时代是软件驱动，3.0 时代是数据驱动。
3.0 时代已经叩响大门。
如果把自动驾驶比喻为打怪升级，那么算力是大模型的智力、数据是大模型的题库、算法是大模型解题的方法论。
算法是端到端大模型的底座，目前的自动驾驶大模型都是基于 Transformer 算法架构下诞生的。
汽车之心通过梳理 2023-2024 年乘用车自动驾驶算法架构得出，在特斯拉撬动下，车企和自动驾驶公司纷纷押注感知大模型，尝试以感知端大模型逐渐代替过去的规则算法。
毫末与特斯拉几乎同一时间将 Transformer 架构引入到自动驾驶。
2021 年在 Andrej Karpathy 为特斯拉构想 FSDV12 时，毫末智行也意识到「算力、数据、算法」重要性，并于 2021 年成为国内第一个大规模部署 Transformer 的自动驾驶公司。
在 Transformer 算法架构的基础上，毫末输入了大量的数据上进行学习，将毫末 MANA 五大模型（视觉自监督大模型、3D 重建大模型、多模态互监督大模型、动态环境大模型、人驾自监督认知大模型）统一到完整的生成式大模型——即去年毫末发布的全球首个自动驾驶生成式大模型 DriveGPT 雪湖•海若。
时隔两年，毫末又是中国第一个部署 DriveGPT 的公司。
毫末智行技术副总裁艾锐有一段很有意思的发言，「采用 DriveGPT 跟公司一贯风格相关，技术的迭代永远是第一性原理，选择这个技术，这就变成了我们的思想钢印。」
这样的路径也同样被用在了毫末对于算力与数据的追求上。
由于大模型训练对算力有巨大的消费需求，智算中心也成为车企、自动驾驶企业的必选项。
经汽车之心统计，目前国内头部车企智算中心的算力水平在 500PELOPS 以上，而毫末从 2022 年就开始与火山引擎合建智算中心 MANA OASIS（雪湖•绿洲）。
雪湖·绿洲的目标是建成自动驾驶行业最大的智算中心，同时通过训练 100 万 Clips 可以提升训练效率降低训练成本，使得毫末智行大模型训练成本降低 200 倍。
智力有了，数据量也得跟上。
资金和数据量是横亘在大多数自动驾驶公司的两座大山，毫末都在逐一解决。
特斯拉之所以能屹立于端到端大模型王者地位，很大程度是因为特斯拉 400 多万的总销量使其拥有超过千亿帧驾驶视频数据。
这就需要自动驾驶企业撬动更多的量产项目来取得可持续的驾驶数据从而反哺大模型。
一方面毫末最早的量产项目来源于长城，毫末最领先的智驾产品都在长城系车型上搭载应用，相应的其大模型成果在魏牌、坦克、欧拉、哈弗等车型的量产其实已经给反哺毫末大模型打好了地基。
数据与量产项目毫末也在不断拓展。
去年 4 月毫末公布与 3 家主机厂签署了定点合同，不到一年，有消息称毫末又获得两家主机厂合同。据悉，其中一家为头部主机厂大规模量产订单。
目前来看，毫末与长城将更开放的合作。长城在选择更多智驾供应商，毫末也在服务更多主机厂。只有公平的竞赛，才能让双方变得更强且获得更长远的发展。
目前，毫末智行的自动驾驶生成式大模型 DriveGPT（雪湖·海若）参数规模达到 1200 亿，预训练阶段有数千万公里量产车驾驶数据支持。
今年，在城市 NOA 加剧渗透的背景下，高阶自动驾驶真正走向了爆发的临界点。
此时的重点不再是底层技术架构的求新、求变，而是求稳、求上车。这个阶段才是真正考验谁的技术底座更稳固的关键时刻。
自动驾驶上车就像一辆火车从远方驶来，开始鸣笛时人们还觉得很慢，但当它真正驶过面前时，才发现这是一趟疾驰的列车。
这背后没有提前布局的企业只能看到自动驾驶的列车疾驰的瞬间，而真正具备数据、算法、算力三张底牌的自动驾驶企业才能真正搭上这座疾驰的列车。
从这个角度，毫末带给中国自动驾驶 2024 第一场开门红，恰似人工智能时代的火车鸣笛。
内容由作者提供，不代表易车立场
