特斯拉与Waymo领跑智驾商业化 运营瓶颈取代技术成为落地主障

千亿美元的喧嚣与寒冬后，无人驾驶终于要落地了？【硅谷101】 — 硅谷101

硅谷101

无人驾驶行业从技术攻坚转向运营与法规拉鋸，端到端大模型与降本能力将决定谁能率先实现自我盈利。

AI-assisted summary of 千亿美元的喧嚣与寒冬后，无人驾驶终于要落地了？【硅谷101】 — original source. Check the original for full context.

Source published:

Detailed notes

## Background 本内容由Bilibili平台的“硅谷101”频道于2024年9月20日发布。简介指出，自动驾驶行业发展百年并投入千亿美元却仍未大范围落地，本期视频将从运营和经济的角度深度剖析阻碍其发展的因素、行业寒冬的原因，以及端到端FSD与美联储降息是否会带来自动驾驶的“第二个春天”。

## TL;DR 视频深入探讨了自动驾驶行业在投入巨额资金后依然难以商业化落地的根源，指出高昂的运营成本、法律游说与公众信任鸿沟是主要瓶颈。虽然行业经历了资本寒冬与多家独角兽倒闭的阵痛，但干线物流卡车等场景正率先迎来突破。随着生成式AI与特斯拉端到端FSD技术的兴起，加上资本市场的理性回归，自动驾驶行业正迎来重新破局的第二个春天。

## Atmosphere & style 全片呈现出一种理智、严谨且冷静客观的科技纪实风格。节目以充满沧桑感的行业“烧钱史”开篇，随后通过专家的深度独白与鲜活案例，将听众带入自动驾驶技术背后的商业博弈与现实困境中。既有对前沿科技突破的理性乐观，又有对资本泡沫与现实事故的冷峻反思，整体节奏紧凑且富有洞察力。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=0s) 无人驾驶行业发展面临的最大瓶颈并非单一的技术瓶颈，而是由无数琐碎细节构成的极不稳定的运营与商业化难题。 - [00:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=0s) 头部自动驾驶公司烧钱极其严重，车辆改装、罕见边缘数据采集、云端算力以及庞大的运营团队构成了四大主要开销。 - [05:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=300s) 全链路自研等战略失误、巨额的法律和解预备金，以及每年数百万美元的政治游说成本，成为了企业高昂的隐形支出。 - [10:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=600s) 公众对自动驾驶缺乏心理安全感且对机器错误极其苛刻，引发社会抗议与法规限制，成为商业落地的重大障碍。 - [15:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=900s) 自动驾驶最先落地的场景预计是干线物流卡车及中低速周边车型，因为其规避了城市复杂路况下的法律权责与安全悖论。 - [15:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=900s) 2020年后自动驾驶行业融资剧减，许多明星初创公司相继破产关停，主因是长尾效应攻坚难、美联储加息以及商业化PMF缺失。 - [20:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=1200s) 经历盲目狂热与跟风洗牌后，资本市场全面回归理性，优质头部项目依然能获得巨额资金支持。 - [20:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=1200s) 以特斯拉FSD V12端到端架构及生成式AI大模型为契机，行业迎来第二个春天，但AI也在算力和人才端对自动驾驶产生了虹吸效应。 - [25:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=1500s) 特斯拉依托Scaling Law端到端泛化、纯视觉硬件降本、自研芯片协同以及软件订阅与出行抽成的双重盈利模式，被视为最有希望率先实现L4落地的方案。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=0s) 烧钱无止境：自动驾驶的钱都花在哪了？

无人驾驶概念早在1921年和1925年就已提出，1956年通用汽车也通过概念车（Firebird II）复刻了这一构想。然而直到2024年，人类投入了难以计数的资金与时间，依然未能迎来大范围的商业化落地。自动驾驶面临的最大痛点并非单一的技术瓶颈，而是极不稳定的**运营问题**。这种不稳定由无数看似微小的细节堆叠而成——比如网线质量差导致每天数据上传下载效率极低等。这些“大量的小问题”极其考验企业的组织进化与解决效率。在技术层面（如感知算法、特斯拉的端到端FSD）取得突破后，运营和商业化成了各家公司无法回避的硬骨头。

自动驾驶行业极度依赖资本输血，头部企业的烧钱速度令人咋舌。谷歌旗下的 **Waymo** 仅在2024年7月就获得谷歌50亿美元注资，累计融资额已超百亿美元，每年仅运营成本就高达10亿美元左右；其主要对手、通用汽车旗下的 **Cruise** 自2017年以来已累计亏损82亿美元，光2023年一年就烧掉34.8亿美元，迫使通用在2024年6月再次注资8.5亿美元。这些巨额资金主要流向四大板块： 1. **车辆与硬件改造成本**：改装并非使用普通家用车，早期的激光雷达（LiDAR）因产能不足，单台售价曾高达8万美金以上，再加上高清摄像头、车规级GPU算力和软件适配，改装一台三四万美元的车往往要花上十几万美元。侯晓迪创办的 TuSimple（图森未来）2022年财报显示，其全年研发支出达3.5亿美元，占总亏损的74%。 2. **训练数据成本**：随着端到端模型的兴起，行业对数据的要求从“拼数量”转向“拼质量”，采集罕见的角落场景（Corner cases/Edge cases）和特定边缘数据变得极为繁琐且昂贵。 3. **云端算力成本**：极具复杂度的模型和海量高质数据要求极其庞大的云端训练算力，这是极度烧钱的隐形大头。 4. **人力与车队运营成本**：包括庞大的研发团队，以及远程协助（Remote Assistance）人员和车队管理（Fleet Management）团队等运维人力与电力开销。

尽管行业累计融资金额达千亿美元，却始终未能见到预期的落地成果，部分业内人士直言“钱没有花在刀刃上”。在极其浮躁和热捧（Hype）的市场环境下，大量资金被盲目扩张和铺张浪费所消耗。

- 1921年美军展示首台无线电遥控无人车，1925年 American Wonder 在纽约百老汇引发轰动。 - Waymo 每年运营成本约10亿美元；Cruise 2023年烧钱34.8亿美元。 - TuSimple（图森未来）2022年研发支出3.5亿美元，占全年亏损的74%。 - 早期单台激光雷达传感器售价曾超过8万美金。

---

[00:05](https://www.bilibili.com/video/BV1Mptfe3EJu?t=5s) 战略失误、官司与游说：隐藏的隐形开销

除了技术探索，战略上的“重复造轮子”和巨额的隐形支出同样在加速资金消耗。有业内人士秘密透露，Cruise 犯下的重大错误在于“盘子铺得太大”——在市面上已有成熟硬件可用时，过分追求全链路自研，导致精力和资源分散在各个领域，反而挤占了最核心的软件与算法研发投入。一位从该领域离职的资深人士直言：“当时其实融1亿美金就够了，融了11亿美金大家甚至不知道该怎么花，没有集中精力去攻克最关键的一两个领域。”此外，车队运营带来的日常故障与安全事故处理，也需要建立极其庞大的团队去应对，这构成了另一笔高昂的运营开销。

法律诉讼与立法游说是自动驾驶公司不可忽视的隐形成本。以共享出行巨头 Uber 为例，其2022年 EBITDA（未计利息、税项、折旧及摊销前利润）为17亿美元，却保留了高达7.23亿美元用于法律和解（Legal Settlement），且这主要针对劳动法和司机纠纷；而对于需要承担全额法律责任（Liability）的 L4/L5 级别无人驾驶车队，企业必须预留更高的风险准备金。同时，为了在各个地区争取 Robotaxi 的上路许可，Waymo 和 Cruise 在2021年至2023年中期仅在加州就花费了超过230万美元用于政治游说和选举支持。仅在2023年一年，Waymo 在加州的游说支出就高居全州第八位，达到380万美元，这背后还拖累了巨大的人力与时间开销。

自动驾驶公司如此看重立法，根源在于法律框架的不完善以及公众对机器的苛刻心态。2023年10月，旧金山发生了一起严重事故：一名行人先被人类驾驶车辆撞倒，随后被处于无人驾驶状态的 Cruise 车底挂住并拖拽了近6米。该事故直接导致 Cruise 在当月月底被加州 DMV 吊销无人驾驶运营牌照，公司元气大伤。失掉牌照意味着无法通过实际路测积累数据，进而引发技术停滞和核心人才流失。更深层的问题在于，城市交通全责划分（如无保护右转与自行车道权责）本身就不完善；而在公众心理上，人们对人类司机的错误抱有共情和包容，对机器却要求“完美无瑕”。任何微小碰撞（如刮蹭）都会被放大为全行业的信任危机。

- Cruise 因全链路自研与盲目扩张，导致资金分散且软硬件研发受阻。 - Uber 在2022年拨备7.23亿美元预留金用于法律和解，约占其 EBITDA 的近一半。 - Waymo 2023年仅在加利福尼亚州的游说支出就达380万美元，排名全州第8。 - 2023年10月 Cruise 拖拽行人事故导致其加州无人驾驶牌照被吊销，运营全面停摆。

---

[00:10](https://www.bilibili.com/video/BV1Mptfe3EJu?t=10s) 大众信任鸿沟与 Robotaxi 运营现状

对于自动驾驶而言，落地的最大挑战莫过于“民众接受度”。即便加州在2024年8月底发布了自动驾驶卡车运营监管草案等立法利好，要让大众克服对机器的不信任感仍需漫长的时间。公众反感自动驾驶主要归结为两点： 1. **破坏生活秩序与社会负面冲击**：自动驾驶车辆偶发性地停在路中央造成交通瘫痪，引发市民抗议甚至砸车；同时人们担忧被抢走工作。此外，城市的传统基础设施（如80%-90%时间处于停放状态的私人汽车所需的花园车库、商圈停车场）是围绕人类驾驶设计的，Robotaxi 普及将重塑道路与空间格局，这一变革正如当年“汽车替代马车”一样需要长久的时间。 2. **缺乏心理安全感与“不可控”恐慌**：即便 Waymo 最新安全报告显示其事故率比人类驾驶员降低了85%，但大众本能地排斥失去掌控权。在工程学上，系统通过多模块并行与冗余补位，可以达到极高的可靠性——“就像双引擎客机横跨太平洋，两个引擎同时失效的概率极低，大家敢坐”。但公众依然恐慌于“电脑一旦出问题，所有车会同时崩溃”，对机器错误的容忍度极低，任何小事故都会在舆论场被无限放大。

尽管面临舆论与法规压力，头部自动驾驶企业的实际运营进展依然在艰难推进： * **Waymo**：自2018年8月起在旧金山测试，2024年6月25日向所有旧金山用户开放 Robotaxi 服务，短短三个月内付费骑乘次数翻倍，达到每周10万次。 * **Cruise**：虽被吊销牌照，但同意召回1200辆 Robotaxi 以结束联邦调查；不过其取消方向盘和踏板的 Origin（L5级别）研发并不顺利，项目已被无限期推迟。 * **Nuro 与 Bot.auto**：无人配送领域，Nuro 获得加州批准在湾区四个城市测试其第三代 R3 自动驾驶送货车；TuSimple 前创始人侯晓迪则创立了新的无人货运公司 Bot.auto。 * **Tesla**：以卖车和 L2/L3 路线为主，其备受瞩目的 Robotaxi 产品发布会历经一再推迟。

业内对于“落地”有着明确且客观的定义：**拥有完善的商业模式并能够实现自我盈利**。VC 投资领域的邵旭辉博士预测，自动驾驶将在未来3到5年内实现落地，最先跑通的将是卡车以及扫街车、送货车等中低速周边车型。侯晓迪也给出了3年左右（2026-2027年实现商业化，2030年前后实现大规模化）的理性乐观预估，但也强调这完全取决于团队的执行力：“不 work 的团队给它100年也不 work，work 的团队在合理的时限内就能做出来。”

- Waymo 2024年6月向旧金山全员开放 Robotaxi，付费订单在三个月内达每星期10万单，事故率据称比人类低85%。 - Cruise 召回1200辆 Robotaxi，无方向盘 L5 车型的研发被无限期推迟。 - Nuro 获准在加州湾区4个城市测试第三代 R3 无人送货车。 - 专家预测商业化落地时间表：2026-2027年商业化尝试，2030年前后实现大规模化。

---

[00:15](https://www.bilibili.com/video/BV1Mptfe3EJu?t=15s) 为什么干线物流卡车会最先落地？

行业内部对于“货运（卡车）端将早于 Passenger/Robotaxi 落地”达成了高度共识。关键原因在于干线物流卡车大部分行驶在封闭的高速公路或路况相对简单的郊区，完美规避了城市复杂交通中“法律权责划分模糊”这一最棘手的痛点。

在城市复杂的“最后一公里”或城区路况下，自动驾驶面临着一个几乎不可解的三角悖论：既要严格遵守交通规则，又要确保乘客的乘坐舒适度与行程效率，还要时刻保证周边所有道路参与者（行人、自行车）的绝对安全。这三者叠加在一起，在复杂的城市路况中往往产生逻辑冲突。相比之下，卡车在高速场景下遇到的不可解极性场景要少得多，商业化路径更加清晰。

然而，要将技术转化为盈利，依然逃不开整体宏观经济环境的影响。过去两年，资本对自动驾驶的态度极速降温，行业寒冬凛冽： * 背靠福特与大众的明星独角兽 **Argo AI** 宣布破产解散。 * 估值一度高达52亿美元的自动驾驶卡车第一股 **Embark** 在上市不到两年内宣告关停。 * 获得 OpenAI 投资的明星初创公司 **Ghost** 在烧光1.5亿美元资金后未能交付产品，最终关门大吉。 * Crunchbase 数据显示，自动驾驶行业融资额在2020年达到巅峰，随后逐年滑坡，到2023年已暴跌回2016年的水平。

对于寒冬形成的原因，业内嘉宾提出了三个维度的深刻剖析： 1. **技术瓶颈说（长尾效应）**：邵旭辉博士指出，自动驾驶前90%-95% 的场景可以非常快速地攻克，但最后的5%-10%（即边缘场景/Corner Cases）研发难度呈指数级上升，严重拖慢进度，甚至直接卡死。 2. **资本与加息环境说**：侯晓迪则持相反观点，认为技术一直在稳步加速发展，寒冬纯粹是美联储加息导致的资本流动性缩紧。在低利率宽松期，资本浇灌让行业有“闲钱”去自由探索；而高息周期下，资本瞬间抽离。 3. **商业化 PMF（产品市场匹配）缺失**：以 F Prime Capital 的报告为代表，投资者开始强烈质疑其商业化落地的可能性。大多数 L4 路线的企在前期完全没有找到 Product-Market Fit 的节奏。即便强如头部玩家 Waymo，虽然兑现了技术承诺，但由于车辆及运营成本高企，资本市场对其短期内的盈利前景依然极其悲观。

前 Waymo 工程师明发解释称，Waymo 传统的商业逻辑是“前期不惜成本推进技术验证，待技术完全成熟后再逐步降本跑通模式”。这种重资产、长周期的路线导致短期内完全看不到盈利曙光，极大地打击了二级市场与风投机构的信心。目前的资本市场变得极其现实，更倾向于接受“容易复制、规模化门槛低、投资回报率（ROI）可计算”的普适性产品。

- 自动驾驶融资额在2020年达到历史顶峰，2023年已骤降至2016年的冰点水平。 - Argo AI 破产解散，Embark（最高估值52亿美元）关停，Ghost 烧光1.5亿美元后倒闭。 - 技术攻坚陷入“长尾效应”：前95%的技术进展迅速，最后5%-10%的边缘难题极难攻克。

---

[00:20](https://www.bilibili.com/video/BV1Mptfe3EJu?t=20s) 盲目狂热后的回归理性与 AI 带来的“第二个春天”

回看自动驾驶的发展史，行业曾经历过一段极其疯狂的 FOMO（害怕错失）阶段。2012年深度学习（Deep Learning）兴起，首先在计算机视觉（CV）领域取得突破。风险投资人与科技巨头们瞬间联想到其在自动驾驶上的千亿级市场潜力，加上谷歌 Waymo 的光环效应，引发了恐慌性入局。当时 Uber、Lyft 等出行平台纷纷建立自研自动驾驶部门，光是在加州交通部注册测试的公司就多达50多家。然而随着技术遇到瓶颈、泡沫破裂，大量跟风公司破产倒闭，投资热度跌入谷底。

如今，资本对自动驾驶的看法全面回归理性。尽管投资人深知 L4 级无人驾驶离“实现共产主义”还有极长的距离，但在巨大沉没成本和终极趋势的驱使下，优质头部项目依然能够吸纳巨额资金。2024年5月至6月间，行业迎来了强劲的回暖迹象： * 英国端到端自动驾驶公司 **Wayve** 获得了超过10亿美元的融资。 * 谷歌向 Waymo 追加50亿美元，通用向 Cruise 注资8.5亿美元。 * 亚马逊旗下的 **Zoox**（无方向盘与踏板）扩大了运营城市，多家中国自动驾驶公司频频传出 IPO 消息。 * Crunchbase 数据显示，2024年1月至4月全球自动驾驶融资额尚不足8亿美元，但仅在5月和6月两个月内，就有27亿美元资本涌入，预计2024全年融资额将超越2022（59亿美元）和2023年（57亿美元）的总和。

多位投资人认为，以特斯拉在2024年初发布的 **FSD V12（端到端全自动驾驶）** 以及生成式 AI（Generative AI）大模型浪潮为契机，自动驾驶行业正迎来“第二个春天”。生成式 AI 的爆发对自动驾驶产生了深远的技术与产业重塑： 1. **算法与开发范式的革新**：侯晓迪指出，大模型领域的预训练（Pre-training）技巧与创新方法可以无缝迁移至自动驾驶。例如通过各类预训练奇技淫巧，能够以极低成本完成神经网络的冷启动，大幅降低标定成本与整体开发成本。同时，特斯拉验证了“端到端”架构的可行性，让行业看到了 Scaling Law（规模法则）在自动驾驶领域继续生效的可能性。 2. **算力与人才的“双刃剑”效应**：AI 爆发一方面推动了芯片算力提升和计算成本下降，为大算力寻找到了自动驾驶这一绝佳应用场景；但另一方面，生成式 AI 也在残酷地抢夺算力与顶尖人才。由于底层技术相通，大量自动驾驶工程师选择跳槽去 GNAI/LLM 公司。在更高的薪酬和更快出成果的诱惑下，自动驾驶对人才的吸引力大打折扣，甚至连马斯克都将特斯拉的部分工程师调往了 xAI。

对于二级市场对特斯拉的估值争议，嘉宾们看法不一。华尔街金融机构往往偏向短视，主要关注短期几个季度的卖车交割量，在高息周期下难以给长期故事下注；但对于长线投资者而言，自动驾驶与 Robotaxi 被视为 AI 时代最大的商业机遇之一。投资人 Justin 则表达了相对谨慎的态度：一级市场目前对无人驾驶创业公司依然偏保守，因为在数据质量与规模上，几乎没有任何初创公司能够与特斯拉相提并论。

- 2024年5-6月间全球自动驾驶领域涌入27亿美元资本，英国 Wayve 完成超10亿美元融资。 - 特斯拉 FSD V12 引入“端到端”架构，证明了 Scaling Law 在自动驾驶领域的应用潜力。 - 生成式 AI 带来技术红利的同时，也在算力和人才端对自动驾驶行业产生了剧烈的虹吸与争夺效应。

---

[00:25](https://www.bilibili.com/video/BV1Mptfe3EJu?t=25s) 特斯拉 Robotaxi 的胜算与无人驾驶的终局展望

尽管马斯克屡次“放卫星”延期，但在业内人士看来，特斯拉的 FSD 依然被视作目前最有希望率先实现 L4 级别落地的方案。行业看好特斯拉 Robotaxi 路线的核心原因包含以下四点： 1. **Scaling Law 与极致成本**：若 Scaling Law 对端到端模型持续有效，模型迭代升级的成本将显著降低，城市道路的泛化与覆盖速度将远超传统方案。 2. **硬件与车队运营成本优势**：采用纯视觉（Pure Vision）方案剥离了昂贵的激光雷达等硬件；同时海量车主行驶数据提供了极低成本的训练素材。未来若将用户自有的特斯拉引入 Robotaxi 共享车队，将极大降低网约车队的管理与采购成本。 3. **软硬件一体化芯片自研**：凭借自研车载芯片与算法的深度协同（软硬一体），系统能够发挥出更高的算力和更佳的软硬件表现。 4. **多元化的盈利闭环**：软件既能赋能卖车，又能赚取高毛利的软件订阅费（Subscription），同时叠加 Robotaxi 的出行服务抽成，商业闭环更加稳固。

全行业都在屏息等待特斯拉推迟至10月10日举行的 Robotaxi 官方发布会。虽然具体技术细节仍保密，但业界普遍期待其公布颠覆性的下一步布局。

自动驾驶的前途固然光明，但人类司机的局限性早已在现实中暴露无遗。视频主持人在 Palo Alto 市区正常行驶时，遭遇了一辆未按规定在 Stop Sign（停车让行标志）停下的 SUV 侧面猛烈撞击。虽然警方判决对方全责且人员无恙，但这一事故暴露了人类司机因疏忽、粗心所带来的极高安全隐患。相较之下，恪守规则、拥有全方位感知的自动驾驶系统几乎不可能犯下“不停 Stop Sign”这种低级且致命的错误。在技术层面上，目前的自动驾驶（无论是 L2 还是 L4）在安全性上已然超越了人类司机的平均水平。

科技的每一次飞跃都不可避免地伴随着阵痛、争议与挑战。自动驾驶当前正处于技术路线大重构、商业化盈利模式摸索、法律法规填补空白以及大众心理重建的关键破局期。随着技术的演进与资本的理性回归，跨越了这道坎后，无人驾驶终将重塑未来的交通与出行形态。

- 特斯拉 Robotaxi 四大核心优势：Scaling Law 端到端泛化、纯视觉降本、自研芯片软硬一体、软件订阅+出行抽成双重盈利。 - 业界对特斯拉计划于10月10日举办的 Robotaxi 发布会保持高度关注。 - 现实数据与事故案例均表明，自动驾驶系统的整体安全系数已显著高于存在疏忽大意的人类司机。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=0s) 钱没有花在刀刃上

> [05:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=300s) 当时其实融1亿美金就够了，融了11亿美金大家甚至不知道该怎么花，没有集中精力去攻克最关键的一两个领域。

> [10:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=600s) 就像双引擎客机横跨太平洋，两个引擎同时失效的概率极低，大家敢坐

> [10:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=600s) 不 work 的团队给它100年也不 work，work 的团队在合理的时限内就能做出来。 — 侯晓迪

> [15:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=900s) 前期不惜成本推进技术验证，待技术完全成熟后再逐步降本跑通模式 — 明发

> [20:00](https://www.bilibili.com/video/BV1Mptfe3EJu?t=1200s) 实现共产主义

## Mentioned 硅谷101, Tesla, FSD, Waymo, Cruise, 通用汽车, Firebird II, TuSimple, 图森未来, 侯晓迪, Uber, 加州 DMV, Nuro, Bot.auto, 邵旭辉, Argo AI, Embark, Ghost, OpenAI, F Prime Capital, 明发, Lyft, Wayve, Zoox, 亚马逊, xAI, Justin

## 弹幕氛围 (Danmaku mood) — 276 条 观众情绪整体呈现理智讨论与吐槽交织的氛围。开局就“遥控车是否算无人驾驶”展开激烈的概念争论；随后对嘉宾中英文夹杂的说话习惯引发了强烈的弹幕吐槽与反驳；后半段则转入对自动驾驶技术落地、责任划分、飞机与汽车安全性对比等行业现实问题的客观探讨，同时不乏对主持人外貌和日常体验的轻松调侃。

**整体情绪**：😊 正面 20% · 😐 中性 50% · 😞 负面 30%

**热议点** - **关于“遥控/自动驾驶定义”的概念辩论** —— “当然算无人驾驶，就像现在四轴无人机基本都是遥控的，但就叫无人机。不需要遥控是【自动驾驶汽车】。” - **对嘉宾“中英夹杂”说话方式的吐槽与维护** —— “这个中英文混动真难受，要不你就100%英文” - **对自动驾驶责任认定与法律伦理的探讨** —— “业内人士过于委屈和美化自己了吧，自动驾驶最核心的问题就是出了事故谁负责，谁去坐牢。” - **自动驾驶与飞机安全概率的统计学讨论** —— “飞机的事故率低是因为天上的飞机少，等什么时候飞机能达到地上的汽车密度的时候，再回过头里看到底是哪个交通方式的事故率低” - **对主持人/嘉宾外貌与颜值的调侃互动** —— “长得好像我初恋女友似的，绝了”

**代表弹幕** > 遥控车也叫无人驾驶？6

> 这个中英文混动真难受，要不你就100%英文

> yes，before说的no wrong

> 这些在国内是不存在的

> 机器，还是要以人为本的， 要不 不知道哪天 路人就被 死亡了

> 业内人士过于委屈和美化自己了吧，自动驾驶最核心的问题就是出了事故谁负责，谁去坐牢

> 这种级别的中英夹杂我一个留学生都听尴尬了

> 我应该在车底，不应该在车里

[Source](https://www.bilibili.com/video/BV1Mptfe3EJu)

中文简报

特斯拉与Waymo领跑智驾商业化 运营瓶颈取代技术成为落地主障 无人驾驶行业从技术攻坚转向运营与法规拉锯，端到端大模型与降本能力将决定谁能率先实现自我盈利。 视频深入探讨了自动驾驶行业在投入巨额资金后依然难以商业化落地的根源，指出高昂的运营成本、法律游说与公众信任鸿沟是主要瓶颈。虽然行业经历了资本寒冬与多家独角兽倒闭的阵痛，但干线物流卡车等场景正率先迎来突破。随着生成式AI与特斯拉端到端FSD技术的兴起，加上资本市场的理性回归，自动驾驶行业正迎来重新破局的第二个春天。 无人驾驶行业发展面临的最大瓶颈并非单一的技术瓶颈，而是由无数琐碎细节构成的极不稳定的运营与商业化难题。 (0:00) 头部自动驾驶公司烧钱极其严重，车辆改装、罕见边缘数据采集、云端算力以及庞大的运营团队构成了四大主要开销。 (0:00) 全链路自研等战略失误、巨额的法律和解预备金，以及每年数百万美元的政治游说成本，成为了企业高昂的隐形支出。 (5:00) 公众对自动驾驶缺乏心理安全感且对机器错误极其苛刻，引发社会抗议与法规限制，成为商业落地的重大障碍。 (10:00) 自动驾驶最先落地的场景预计是干线物流卡车及中低速周边车型，因为其规避了城市复杂路况下的法律权责与安全悖论。 (15:00)

Reading summary

节目指出，在经历千亿美元烧钱狂欢与资本寒冬后，自动驾驶行业正从盲目自研转向理性分化；尽管面临长尾技术瓶颈、高昂隐性成本与公众信任壁垒，但在干线物流场景突破及生成式AI端到端架构的驱动下，行业正迎来以实现自我盈利为标准的落地周期。 高昂运营改造成本与隐性合规开支 (0:00) 自动驾驶的核心痛点并非单纯的感知算法瓶颈，而是极度繁琐的工程运营细节。行业头部企业烧钱规模惊人：谷歌旗下Waymo每年运营成本约10亿美元，通用旗下Cruise在2023年单年亏损达34.8亿美元。巨额资金主要消耗在四大板块：早期单台超8万美元的激光雷达等硬件改造适配、端到端模型高质量Corner case数据采集、庞大的云端训练算力，以及远程协助和车队运维人力。 除显性研发外，战略失误与法律合规构成了巨大的隐形开销。业内人士透露，Cruise曾因过分追求硬件全链路自研而分散了核心软件精力。同时，完全承担L4级全额法律责任需要预备极高的风险准备金（如Uber在2022年为法律和解拨备7.23亿美元），加上频繁的立法游说支出（Waymo仅2023年在加州游说花费就达380万美元）。2023年10月Cruise行人拖拽事故导致加州牌照被吊销，直接证明了合规与安全漏洞对业务的毁灭性打击。 场景难度分化与公众信任鸿沟 业内对货运卡车先于城市乘用车（Robotaxi）落地已形成共识。干线物流卡车多处于封闭高速公路或简单郊区，规避了城市路况的权责模糊；而城市出行深陷“规则遵守、乘车效率、极端安全”不可兼得的三角悖论。因此，高速干线物流与中低速环卫、配送车被普遍视为最快跑通的场景。 在城市乘用车端，民众接受度成为最大关卡。虽然Waymo数据显示其事故率比人类司机低85%，旧金山全员开放后周订单达10万次，但公众对机器错误的容忍度极低，存在普遍的失控恐慌与交通占道反感情绪。相较于易受人类同情的驾驶失误，自动驾驶的微小擦碰往往在舆论中被无限放大，公众心理建设与传统城市交通基建的改造仍需漫长周期。 行业寒冬的成因争议与资本出清 随着Argo AI倒闭、市值曾达52亿美元的Embark关停以及Ghost清盘，自动驾驶行业融资额从2020年的顶峰骤降至2016年水平。对于寒冬根源，业内存在多重视角分歧：投资人邵旭辉博士认为是“长尾效应”所致，即前90%—95%的场景易于攻克，但剩余5%—10%的极端边缘场景研发难度呈指数级增加；创业者侯晓迪则认为技术一直在加速，寒冬本质是美联储加息引发的资本流动性收紧；机构报告则直指前期多数企业完全缺乏产品市场匹配（PMF）。 以Waymo为代表的传统路线采取“前期不惜成本验证技术、后期逐步降本”的重资产逻辑，但在高利率环境下，资本市场对短期无法盈利的商业模式失去耐心，转而倾向于能够快速规模化复制、投资回报率可计算的务实路线。 端到端AI范式重塑与商业化时间表 2024年行业迎来理性回暖，特斯拉FSD V12验证的端到端架构让规模法则（Scaling Law）在自动驾驶领域展现出可行性。生成式AI的预训练方法大幅降低了神经网络冷启动和标定成本；但与此同时，大模型热潮也在算力与顶尖工程人才端对自动驾驶形成了激烈虹吸。特斯拉凭借纯视觉硬件降本、海量车主行驶数据、自研芯片软硬协同以及“卖车+软件订阅+出行抽成”的多重闭环，被多位嘉宾视作实现L4落地的有力竞争者。 针对落地时间表，邵旭辉预测未来3到5年内行业将实现落地，中低速与卡车先行；侯晓迪给出2026—2027年实现商业化、2030年前后实现大规模化的预期，并强调最终成败高度取决于团队的实际工程执行力，而非盲目的资金堆砌。 自动驾驶在经历泡沫出清后，正迈入技术架构重构与商业自愈的破局期。尽管生成式AI与端到端范式为技术降本提供了新通道，但在严苛的法律责任认定、公众信任壁垒以及跨越Corner Cases长尾难题的检验下，企业能否建立可盈利的真实商业闭环仍是最终检验标准。

Source quotes

[0:00] 钱没有花在刀刃上 [5:00] 当时其实融1亿美金就够了，融了11亿美金大家甚至不知道该怎么花，没有集中精力去攻克最关键的一两个领域。 [10:00] 就像双引擎客机横跨太平洋，两个引擎同时失效的概率极低，大家敢坐 [10:00] 侯晓迪: 不 work 的团队给它100年也不 work，work 的团队在合理的时限内就能做出来。 [15:00] 明发: 前期不惜成本推进技术验证，待技术完全成熟后再逐步降本跑通模式 [20:00] 实现共产主义

Original transcript

[0:00] 早在1921年,美国军方就展出了第一台无人驾驶车1925年,American Wonder制造的另外一辆无人车在纽约百老汇街头行驶引发了巨大轰动尽管他们都是通过无线电来遥控但是也被认为这是无人驾驶第一次被非正式提出从1925年提出猜想1956年Firebird-2复及了无人驾驶概念到如今2024年,人类为了解放驾驶员们已经付出了无数的时间和资金但是我们依然没有看到大范围的落地这其中的问题到底出在了哪里就是无人驾驶的问题都在运营最大的问题是运营不稳定这个运营不稳定里边有可能是因为我们网线质量不行导致的什么每天上传下载数据的效率很低这个太复杂了这个事情所以我觉得它不是一个一句话能讲清楚小数大问题还是大量的小问题大量的小问题考验的就是你的组织你能不能让你的组织能力进化到以变太高的效率去解决大量的小问题那么在上一个视频我们聊完了技术问题其中对感知层算法层包括特斯拉最新的端到端FSD算法进步都做出了比较完整的分析没看到小伙伴一定要去我们的上一个视频看一下那接下来我们就来聊聊自动驾驶公司面对的另外一个非常非常重要的运营和商业化问题那首先第一个问题自动驾驶公司到底有多花钱以及钱都花在了哪里呢我们来盘点一下几大自动驾驶公司的烧钱速度谷歌旗下的Waymo近年7月刚获得谷歌50亿美元的注资目前总融资额已经超过百亿美元谷歌此前披露过微末每年的运营成本大概是在十亿美元微末的最大竞争对手也就是通用旗下的Cruise自2017年以来已损失82亿美元光是2023年就烧掉了34.8亿美元为了负担运营成本秦母公司今年6月宣布再注资8.5亿美元那么自动驾驶公司都把钱花在了哪呢由于很多公司没有公布具体的财务支出明信我们只能粗略的估计一下自动驾驶公司的两大支出在于研发和设备对这个我们有具体数字所以说的可能不是很准确但大头肯定是有这么几块吧就是说一个是研发人力成本对吧这个肯定是一个大块自动驾驶车辆的成本包括硬件软件都需要做相应的一个改装或者说前端的一个适配所以它的车并不是像我们现在想的一般家用车的这种成本比如说根据侯晓迪此前创办的《涂森未来》2022年的财报就显示全年在研发上的支出就达到了3.5亿美元占全年总亏损的74%还是紧烧钱的刚开始的时候我觉得主要是还是自动驾驶的设备比较贵当时最新的传感器比如说激光雷达刚出来的时候因为产能不够最贵就卖到8万美金以上一台一个有的车需要好几个甚至然后这些高清的摄像头车载车规及的这些GPU算力改装一台车都很贵所以一台车最后三四万的车改完了就十几万了北京现在主要是数据贵也就是说采集数据训练更好的模型对数据的不光是量的要求而且它的质量的要求越来越高了那么越高质量的数据特定场景的这些边缘状况的一些数据的话那采集就会越来越麻烦越来越罕见越来越需要去不断的更新然后就是算力贵因为你有了大量的数据有了更高的要求有更复杂的模型就需要更多的算力所以就是这方面又会成为一个很烧钱的一个地方我们比如说有配备这种remote assistance那这些也是有一定的电力成本在上面的然后包括有fleet management这些都是有cost在上面的所以从正面上来看自动驾驶公司的支出主要在于几点第一车辆成本其中也包含了各种传感器芯片等等硬件的改装费用第二就是训练数据成本特别是随着端到端的推出训练模型需要的数据质量越来越高获取难度也相应的增加第三是算力成本这个算力并不是指车辆上的芯片算力而是指训练模型需要的云端算力第四就是人力成本了除了研发人员之外自动驾驶公司还需要庞大的人工团队来管理运营车队但如果整个行业从始至终融到的几千亿美元都用在了研发上那为什么我们如今还没有看到成果呢在行业的一些人看来问题在于钱没花在到任上花了那么多钱但是实际上这些钱有多少是用在探索上的有多少钱是用在了盲目扩张和应对其他人在一个非常hype的环境下做的一些铺张浪费 [5:00] 但是并不有助于实际开发的事情的另外一位业内人士跟我们秘密分享过他认为Cruise的盘子铺的太大在市面上已经有可用的硬件的时候他过于追求全链路自研而重复造轮子最后导致真正在软件还有算法上的投入减少没有对实际的研发起到推进的作用当时其实并不是要融11亿美金我觉得融1亿美金就够了我也跟其中出来很多人聊我就不知道该怎么花这个钱了我认为他犯了一个错误就是没有去集中精力去攻克比较关键的一两个领域而是把他钱分散到的所有的领域什么东西都去尝试一下结果呢就是造成了他哪个地方都不特别的好然后呢又很着急的去推广除了公司运营上的混乱还有部分支出则是花到了处理各种事故还有舆论上我们在和Cruise的另外一位员工聊的时候对方也说到他们会有非常大的团队每天专门去处理无人驾驶车带来的各种的问题那么这又将是一笔巨大的运营成本我去查了一下财报Uber 2022年的EBITDA是1.7个Billion它reserve了723个Million for legal settlement也就是说它的利润将近一半去做legal settlement你要想它可能更多的是基于劳动法或者是和driver的一个settlement而不是一个乘客受伤这样一个settlement所以如果你要运一个L4L5的车辆体系它遇到的liability你需要去reserve的成本我相信是会相对比较高的同时有报道指出美国两家头部自动驾驶公司Waymo和Cruise从2021年到2023年年中已经花费超过230万美元来影响加州的立法者比如说进行游说或者支持选举等等可能这个数字看起来并不大但是在另外一篇报道当中Waymo 2023年在加州的游说支出是排名达到了第八位全年花费了380万美元这只是纳入统计的数字那背后还要耗费不少的人力并且带来一些隐性的支出与时间成本想做Robotaxi又必须一个地区一个地区的去获得批准所以自动驾驶公司不光只在一两个的地区参与游说活动为什么自动驾驶公司如此的看重立法呢那么这就得聊聊目前自动驾驶公司面临的法律与接受度的挑战了。2023年10月,一辆由人类驾驶的汽车与一名行人发生碰撞,导致行人被卷入了正处于自动驾驶状态下的Cruise的车底。最终行人被Cruise车辆拖拽近6米之后才停车当月月底Cruise因为事故频发被吊销了无人驾驶牌照那在不少人看来啊被吊销牌照让Cruise公司元气大伤因为自动驾驶公司想要提高技术水平就需要大量的实际测试如果失去了牌照就意味着研发暂停人才流失同时呢获得牌照也并不是那么容易的事啊需要跑足够多的数据去证明整个系统的施工率足够的低那么这又得耗费大量的人力还有时间成本所以目前法律的不完善是自动驾驶发展受阻的原因之一我觉得法务问题是阻止这个领域真正去铺开去让大众接受希望能形成一套成熟的法律能让这个领域更良心的发展不希望出现一个非常小的一个事故然后就把整个这个领域甚至举领头的公司去有这么大的一个损失你说一种小的寡仓问题其实它更根本的反映的是什么呢是在城市交通里面交通规则的全责划分是不完善的如果你在开车右边有一个自行车道然后你想右拐你是不是应该往自行车道走这时候谁有责谁有权谁有路权撞了以后是谁的责任这件事是不清晰的而且也不会清晰因为你面对的是一个人人们在做审判的时候总是倾向于认为机器应该是完美不从于人的人可以犯各种错人可以跟人共情但人不会跟电脑共情所以在这个问题上无人驾驶在一个全责不清的交通环境下可一定是非常难做的好在各国政府正在积极推动法律的完善比如说在2024年8月底加州就发布了自动驾驶卡车的运营监管草案如果这项法案得到批准那么将会对自动驾驶行业是其大的一个推进但是在人不会跟电脑供钱的环境下自动驾驶落地的最大挑战就是民众的接受度了从整个行业来说我觉得最大的挑战肯定还是就是你要让大众一起 [10:00] 在接受全自动驾驶还是需要很多的改变还有很多的时间在我们跟大家聊的时候发现大家无法接受自动驾驶的原因主要分为两点那么第一是自动驾驶对公民的收获也带来了一些负面的影响比如说它就突然停在路中间导致交通瘫痪还有人们担心自己的工作会被机器抢走或者是因为自动驾驶的出现打破了现有的秩序很多的大城市旧金山洋杉矶就发现自动驾驶车来了以后会对他现有的交通状况有一个破坏性的影响那他们就会说这个事情我们需要认真地研究一下对不对如果对我的现有的交通比较大的负面的冲击的话这是连坏的事情会被骂的甚至会被市民去抗议甚至砸一些车什么都发生过特别是比如说大众的生活习惯和整个基础设施的改建比如说现在车80% 90%时间是停着的需要很多的车库停车场自动驾驶以后可能会倒过来商业区的停车场住家的车库以及道路的设计都会需要有很大的调整汽车替代马车花了几千时间我觉得这个过程也会要花比较长的时间第二个原因是来自于人们对机器不顾信任虽然现在自动驾驶的普遍事故率已经比人类更低了那比如说Waymo的数据就在最新的安全报告当中称他们的事故率比人类驾驶降低了85%但是大众总是会本能的认为车辆不在人的掌控下无法带来心理上的安全感无人驾驶系统是这样我们要认定首先每一个模块都不考虑但是通过这些模块的并行通过这些模块互相之间的补迁能够做出一个系统使得这个系统能够达到一个变态高的可靠程度就这种变态高多高就算变态高呢就是一个双引擎飞机横跨太平洋的时候两个引擎同时失效的概率我敢不敢做一个双引擎的飞机横跨太平洋我当然敢因为现在基本上都是双引擎的飞机但大家还是会不习惯因为觉得电脑一旦出问题可能所有的车都出同样的问题或者说是这个东西不由我控制的那你就会比较恐慌就好像飞机和汽车一样飞机比汽车的安全系数要高好多个数量级但是大家还是很怕坐飞机因为觉得不受我控制当然了在工程学上永远无法保证百分百不出现任何的问题人类也不可能避免会犯错所以不少业内的人士认为大众对自动驾驶的期待值过高任何一点小问题都会被公众无限的放大进而导致对无人驾驶产生一定的恐慌情绪人们对自动驾驶的期待会比较高是不允许你会犯错的就是人类犯了一些常用的错误但是对于一个增加速公司来讲就是很难承受得住的公众的一个关注和批评我觉得AV本身的发展跟大众对AV的认可是一个交互的过程并不仅仅是一个技术的突破和迭代这个技术我觉得是我个人看来已经是接近于很成熟的一个状态如果技术已经处于很成熟的状态那么目前自动驾驶的进展又如何呢回幕从2018年8月开始在旧金山测试今年的6月25号向所有旧金山用户开放了Robotaxi服务三个月内用户付费次数增加了一倍达到每周十万次Cruise去年被调销了执照但是最新的报道显示虽然Cruise不认为他们的车辆有问题但依然同意以召回1200辆Robotaxi为代价结束政府对他们的调查同时Cruise对于没有方向盘的L5汽车研发也并不顺利目前已经无限期推迟该计划在货运端Neuro也刚获得加州批准可以在湾区的四个城市测试其第三代R3自动驾驶送货车而侯晓迪也开始投入新的无人货运公司Bot.auto至于以卖车为主的LR代表公司Tesla就像我们前面说的那样Robotaxi产品发布是一再推迟自动驾驶距离落地还有多远呢业内对于落地的定义啊那就是有完善的商业模式能够实现盈利才算落地那么邵徐辉博士就认为啊自动驾驶行业会在最近几年落地那么最先落地的将是卡车和中低速的周边车型我觉得应该在三五年是那更多样的时间你说三五年是主要是卡车对吧有一些就是中低速的一些周边的车型比如说是扫街车啊送货车啊这种就是比较周边的一些应用产品可能会最先落地吧那侯晓迪呢也给出了类似的看法他认为会在三年左右落地但是他强调这取决于不同公司的运营到底做的怎么样商业化大概是2627年真正的规模化我觉得应该是30年前后这是我和我们公司在一个理性乐观的情况下 [15:00] 给出来的对未来的一个预估当然我们不为此负责但是呢我想说对于整个行业而言我从来没有这么乐观的估计所以就是不work的团队你再给他100年他还是不workwork的团队在合理的时间范围之内你给一个相对理性但是乐观的估计他就是这个时间为什么行业认为自动驾驶会先在货运端落地那么几位嘉宾都保持了非常统一的观点啊那就是货运端大部分行驶在高速或者呢路况相较简单的地区正好规避了法律权责划分模糊的问题我们的经验认为哪怕是在最后一公里的状况下卡车所面临的权责不清的交通场景是非常非常少的我不用去解决这些不可解的问题不可解的问题就是我既要守交通规则我又要确保乘客的安全和乘客的乘坐体验的舒适同时我还要需要确保我周边其他的道路交通的这个参与者的安全这三个东西放在一起就是不可解问题当然啊这些只是嘉宾们的预估那么要时间落地也就是赚钱我们也不能忽略宏观经济环境带来的影响那么接下来我们就来看一下自动驾驶如今面对的大环境在最近两年内自动驾驶公司们生存似乎是愈发困难背靠福特和大众的独角兽公司Argo AI宣布了破产市值最高达到52亿美元的自动驾驶卡车公司Enbark不到两年宣告关停Open AI投资的明星公司Ghost烧光了15亿美元之后交不出一款产品最终宣布倒闭通过在Crunchbase上查询的数据自动驾驶行业在过去十年间融资数最高的一年为2020年然后开始周年下降到2023年融资数下降到了2016年的水平很多人认为说自动驾驶行业的寒冬已经到来很久了是什么原因让寒气传遍了自动驾驶行业呢那么嘉宾们提出了三个方面的原因分别是技术进展宏观因素以及商业化不清晰那我们来一个一个的说当我们采访VC投资领域的邵旭辉博士的时候他认为原因在于技术问题所谓的冬天真的是大家看到可能前90% 95%的自动价值很快就做到了而最后的5% 10%是会严重的放慢对吧甚至最后5%就卡住了过不去了但是精通技术的侯晓迪想法正好相反他将寒冬的原因归纳到了经济环境上革命技术的低潮期这个低潮是有什么带来的加息带来的纯是一个资本的问题其实跟技术没什么关系没什么关系技术稳步的发展甚至在加速的发展资本能浇灌一个行业于是这个行业里边有了闲钱人们的创造力就会得到解放于是就能够发现一些有用的没用的东西在这有用的没用的东西之后它的背后的技术有可能就会被用在更正确的产品上那回到自动驾驶公司的运营问题上在嘉宾们看来自动驾驶受冷的第三个原因在于盈利模式不清晰F Prime Capital的一份报告就称自动驾驶汽车的投资大幅度降低因为投资者开始质疑其中的商业化道路商业模式上面这每家公司都不太一样但是大部分的公司在以前的这个过程的公司其实是没有太找到这个Prada MultiFit这个Fit的这个节奏就是L4Robert Axley头部就Waymo他也基本上是实现了他所Promise的但是大家对他的盈利的前景非常的不乐观因为他的成本太高了就是大家对这个头部你头部你都做的不够好那我怎么对这个市场有这样的一个期待Vimo的前工程师明发为我们解释了他们的商业模式那就是短期内先不息成本的推进等技术成熟之后呢再降成本逐渐跑通商业模式那么听上去啊这样的路线非常的脚踏实地但是呢这也意味着短期内资本依然看不到自动驾驶行业盈利的希望那么这会打击投资人对整个行业的信心吗我觉得短暂看不到盈利希望是一定的但如果要继续往下去拆的话这里面就分成两大类的公司第一大类公司就可能自己从头到尾就没有收入会收入非常低就是他整个可能说整个模式都没有验证通版这部分公司可能是占大头那第二类的公司可能就像Waymo这些公司然后在这里面是就知道product market fee里面其实最重要是那个product这个product我是不是容易去复制容易去规模化然后我的成本我的这个LY是不是能够能够去计算然后我是不是很好地能够去推广规模上也会普世性玩家稍微就会打一些折扣所以现在从资本市场的角度来讲更容易去普世的东西才会是资本市场上更容易接受的东西毫无疑问自动驾驶是高程吗 [20:00] 直到现在都没有哪家L4公司能够实现盈利那么这也导致了资本对于无人驾驶的看法进一步的回归理性但是整个行业已经消耗了太多的资金在必然趋势与巨大的沉默成本下依然有资本愿意继续的投入那么最近维某和Cruz的两笔巨额融资呢就是最好的例子无人驾驶行业也曾经经历过一段疯狂的时期大量相关的公司如雨后春笋般的冒出几乎每天都有融资发生就是Deep Learning在2012年兴起的时候它最exciting的应用是在计算机视觉那么大家想着你既然能够做好图片分类了那么如果你能够应用到自动驾驶的话那这个市场才是有巨大想象力的然后再加上这个Waymo有个谷歌的创新的光环在那里就是当风险投资的人看到这样一个场景的时候都会很担心就是怕是FOMO的一个状态我说我一定要入局所以很自然而然的我们看到最担心的就是UberLift那么他们都成立了自动驾驶部门我记得当时在光是在加州的交通部注册的就有50多家做自动驾驶测试的公司大部分我觉得后来都遇到了比较严重的瓶颈投资人的兴趣也随着周期的衰退进入了地步在一些嘉宾看来投资者对自动驾驶的兴趣下降是因为之前对于整个行业的期待过高那么经历了行业的瓶颈之后逐渐对自动驾驶的看法回归到了理性状态现在可能也是回归现实前几年我觉得自动驾驶也有它就是说overheat的那个阶段在投资人那边就是产生了很多这种bubbles但现在其实大家可能会更冷静地看待这个问题除了我们前面提到的Cruise被吊销牌照其他无人驾驶公司也在试运营过程当中是遇到了各种的困难今年5月份的时候Waymo和Zooks就因无人驾驶汽车的各种异常事故是受到了联邦调查那么这些事故是否又会降低投资人对行业的信心呢那我觉得业界的话呢并不是会因为个别公司被调好财照而会失去吸引而是会看到更清醒的看到说原来自动驾驶离实现共产主义还有这么多的距离对吧所以我觉得这个东西是好事也就是说不是一开始盲目的去投而是说更理性的说谁做的好谁做的不好最近半年自动驾驶行业又开始了一轮热潮英国Wave融资超过10亿美元谷歌通用纷纷为旗下的自动驾驶公司注资亚马逊旗下没有方向盘和踏板的ZOOPS扩大了运营程式Vemo也紧随其后扩大了服务范围中国自动驾驶公司也频频爆出IPO的消息Crunchbase的数据表明今年的前四个月当中自动驾驶出场公司的融资额才不到8亿美元然而在5月到6月就有27亿美元涌入了这个行业作为对比2022年和2023年的融资金额分别为59亿美元和57亿美元那么按照这个趋势那么今年可能会超过前两年自动驾驶行业要回暖了吗我觉得18个月前开始的这个生成的世人工智能的这个浪潮呢特别是今年年初发布的特斯拉的端到端的全自动驾驶的第12版我觉得给自动驾驶又带来第二个春天吧不少投资人认为啊Robotaxi 会是AI时代的巨大机遇之一我们认为Robotaxi会是一位我们的最大机遇的A在这篇报道当中也认为行业的复苏可能会来源于AIAI爆发会如何影响自动驾驶呢主要分为两个方面那第一个方面来自于算法上的提升比如说侯小迪就认为大模型用到的创新方法也可以应用在自动驾驶上然后大模型可能是一把沙子它里边有成千上万的小的创新我们就择其善者而从之那我就举一个具体点的例子100篇paper讲了一件事讲了就是pre-training的各种奇迹引巧那这个pre-training的各种奇迹引巧都叠加起来以后你会发现好像我并不需要用传统的范式我现在可以有各种花式的方法降低我的标定成本降低整体的开发成本然后完成一个神经网络的能启动过程那也有嘉宾认为特斯拉通过实践验证了端到端的可行性让业界看到了scaling law在自动驾驶上的可能性而Wave融资10亿美元就是因为这家公司主打端到端所以端到端的出现可能让自动驾驶行业回暖但是投资人Justin却表达了比较谨慎的看法 [25:00] 感兴趣的觉得一级市场对无人驾驶的投资又是又从冬天里面回暖了吗还是大家其实还是挺谨慎的我整体感觉还是偏谨慎的在FSD这种技术目前然后现在市场上这种Data的质量和规模上来讲的话其实很难找到跟Tesla去比较的对手那更不用说是这个创业公司它最终可能能做得很好然后他会寻求去找到一些小的商业模式或者说卖给大公司但是这个东西如果是要从零到一做起来或者是单独成为一个自己发展的公司我们自己感觉期盘上比较难目前感觉上是跟Robotics或者说其他的一些AI的创业来讲其实还是不太一样的这么一个装盘那么在关于特斯拉的股价是否会受益于AI的问题上各位嘉宾也是能各知己见其实资本市场是已经给他了这个AI作为AI公司的这样一个市值这样的一个空间所以我不认为是智能市场是完全肯定的华尔街其实是看了更多的看它卖车对吧因为华尔街是比较短视的华尔街也挺聪明的但是他们只关心未来的几个季度它能够算出来的而FSC也好未来的能源领域只有是比较长线的投资人比如说VC在高西周期里面大家是不太愿意去想太久的故事的但是并不是说大家只是把它当成一个卖车的公司来看只是说大家不知道怎么把它当成一个AI公司去估值AI爆发对自动驾驶的另外一个重大影响在于算力与人才但是这个影响是一把双刃剑好的一面就是随着芯片算力提升计算成本下降大家需要为这些算力资源找到合适的应用场景而自动驾驶恰好就是那个方向那随着生成式人工智能的爆火也对自动驾驶行业带来了资源争夺那么一方面会和自动驾驶去抢算力另外一方面就是抢人才了那由于自动驾驶当中的一些技术与GNAI领域是相通的那部分自动驾驶工程师可以无缝的跳槽到GNAI的公司里面去我们之前的视频也讲过目前硅谷打响了AI高级人才的争夺站在更高的收益与更快做出成果的机会面前自动驾驶行业对人才的吸引力将大幅度降低有意思的是就连马斯克把特斯拉的工程师都调到了XAI那么特斯拉作为市场上的明星加入Robotaxi能够让行业回暖吗当然马斯克放过好几个大卫星但是不少人依然对特斯拉落地L4表示了看好目前看起来其实FSD是最有希望的原因就是大家其实我们感觉是都是认知上还是都比较一致的大家看好特斯拉的主要原因有四点第一是假设scaling law对端到端有效那么模型提升的成本会更低城市覆盖会更广第二是成本更低纯视觉方案是降低了硬件的成本加上训练素材的获取难度低同时用户的特斯拉并入Robotaxi车队可以进一步的降低特斯拉Robotaxi车队的管理成本第三就是自研芯片的优势在软硬件一体化的模式之下软件表现会更好第四是盈利模式多样化软件可以有助于卖车也可以赚取订阅费用同时还有Robotaxi来补充盈利目前的行业也都是在等10月10号推迟的特斯拉Robotaxi发布会上到底会揭秘如何的下一步布局呢我们在特斯拉内部的线人对我们说这个发布会将会非常的interesting但是我们没有得到更多的信息我也没有办法知道如何去解读这个interesting所以只能说这让我的悬念被更加的吊起来了那我们就一起拭目以待吧那最后我再跟大家分享一个我自己最近出的车祸事故那上周我在硅谷Palo Alto的城区里面开一辆特斯拉我是正常执行本来要去准备见一个非常重要的采访嘉宾还有两个路口就到了结果被一辆没有停stop sign就突然窜出来左拐的SUV一面的站上我根本来不及刹车虽然当时车速不快双方人也没事警察判了对方全责但是我还是被吓蒙了一整天现在开车都有点PTSD了说真的我不太能够理解对方为什么stop sign不停并且还不看两边的车况但确实我们身边有很多的车祸不都是因为非常愚蠢的人类疏忽或者错误吗那之后我就在想说马路上真的是有太多不靠谱不负责任的人类马路杀手了如果对方是FSD或者其他自动驾驶功能再开那是不是基本上没有可能不停stop sign不会犯这么愚蠢的错误的那虽然目前的自动驾驶无论是L2还是L4都有着诸多技术上 [30:00] 什么地方但已经是比人类司机靠谱非常多了那对于自动驾驶的这一前沿领域啊我们总会不可避免的遇到瓶颈和矛盾这个行业也正面临着技术路线的争议盈利模式的探索法律框架的模糊经济环境的压力同时还要承担人们因为安全与就业对自动驾驶产生的芥蒂但是这如历史无数次证明的那样科技的每次飞跃都会伴随着阵痛与挑战或许呢迈过了这一阶段等待我们的就是期待中的未来那以上就是我们本期视频的全部内容了这期视频我们做了有点久嘉宾的采访时间呢也比较早所以呢可能有一些观点只适用于当时的时间点那希望通过这期大型的访谈啊能够给大家带来新的并且全面的思考来了解自动驾驶的目前市场格局那部分嘉宾的访谈啊截取于我们的播客节目如果大家感兴趣的话可以去到我们的播客账号上面去收听这两期节目的完整版那感谢大家的收看记得关注我们你们的点赞留言和转发是支持我们硅谷101做好深度科技还有商业内容的最佳动力那我们就下期节目再见了Bye