作者：天馬行空

編輯：Mark

出品：紅色星際（ID：redplanx）

頭圖：輔助駕駛車輛圖片

歡迎各位收看“晚上9點半”節目，非正式的線上討論會，特別出格的內容，會自動省略，以下是部分的分享內容。

天：我先講一下ADAS市場，從滲透率來說，已經到了一個快速提升的階段，無論從市場容量，還是增速都不用再討論了，更多的是選擇什么樣的企業進行投資。

我認為選擇ADAS公司會有幾個標準，或者說幾個維度。

第一個是技術平臺在芯片方面的選擇，在這方面，我覺得ADAS最后的走向可能會類似于手機，電腦這些。

芯片會很大程度上影響到后面拿定點，以及量產的競爭力，如果選擇一個低算力的產品，沒有高算力的，那基本上就只能做十幾萬價位的車，當然這個價位的量非常大，但可能車企會左摳右摳，利潤率比較薄。

還有一個，就是車企對產品的要求會非常高的，因為它又便宜，量又大，量一上去的話，就會使你這個產品的瑕疵放大很多。我個人認為，低算力的還是在TDA4這個計算平臺上面做比較好。

當然還要優化做的比較好，因為像有的廠家TDA4的8TOPS算力，他可能只能用到1~2TOPS；如果能優化好，能用到5~6TOPS，那就是非常棒的一個產品。這樣的話，它在性能上面會有很大的一個競爭力。

高算力的話，目前我覺得還是高通和英偉達，至于其他的芯片，有的廠家還有用安霸的，我判斷可能從路徑上來說的話，其它芯片可能還不會占據主流。

所以，我首先會看他們的輔助駕駛會不會有這兩個平臺，在這兩個平臺上他們的算法，優化的怎么樣，這是第一個維度。

第二個，很現實，就是看它的定點，因為ADAS它可能跟L4級公司不一樣，現在整個行業已經到了兌現業績的一個階段，而且估值都挺高。

從投資角度看，這么高的估值，投資人肯定不會再去投一個畫餅的企業，不過話說回來，好像也沒有什么餅可畫了。

定點也分好幾點，第一個看他定點的這個企業，整體的一個增長情況。

第二個看它這個定點，是不是平臺性的車，定點到一個平臺上面，他可以先做一個車型，然后擴展到整個平臺的車型，還是說他單獨做一個車型的定點。

最后反正就是切蛋糕，這個區別還是挺大的。

像某車企的話，他一個車型可能會搞好幾個供應商，有的時候會有兩個供應商來同時搞軟件和硬件，它一個ADAS功能，拆成好幾個部分，行車、泊車等，能拆的都拆開。

單車的價值以及定點單子的可拓展性非常重要。

還有一點比較重要，就是他的合作伙伴，因為ADAS現在主要有兩類，一類是做硬件的，還有就是不做硬件的，做硬件的主要看它的代工廠的制造能力，或者說他自己制造，因為車規的產品要求還是比較嚴格的。

如果跟一些代工廠合作的話，特別是那種大廠，我了解到，他們溝通起來不會特別順暢，或者說ADAS企業提的一些要求，代工廠并不一定能夠完全滿足，如果說這個ADAS企業的檢測能力不夠，或者他現場協調能力不夠，就會出現一些問題。

如果只做軟件的話，就要看域控制器的合作伙伴，因為國內的話，像一些上市的Tier 1，他們在軟件這塊是比較弱的，肯定需要一個軟件合作伙伴去共同開拓市場。

這個也要看他跟哪家合作，是只綁定一家，還是和多家合作？

我覺得主要是這三個維度，一個是技術平臺，第二是定點，第三個是合作伙伴。

產品方面我會關注兩點，第一點會看它的測試報告，每一版測試報告進步的速度，算法迭代的速度，如果我們再往下挖，其實可以看到它下面性能指標帶來的背后是什么？

它整個數據系統的更新速度，怎么去采集數據，以及整個數據的工具鏈是不是自動化的。

還有一個就是看底層軟件的迭代，最好它的軟件本身也是面向服務的，是分層的，這樣它在應用層改的話，底層架構是不用改的，這樣效率會比較高，而且最后移植到不同平臺的時候，效率也會比較高。

還有一個點，是它的功能安全是怎么控制的。

馬：我講一下ADAS行業的發展格局，首先我們想一下終點是什么樣子的，ADAS現在是一個輔助駕駛，未來它肯定會變成自動駕駛，那個時候的話，我們可以把汽車定義成一個車載電腦。

目前的話，大家都提L2+、L2.9、L2.999，大家不敢提L3，我覺得肯定不都是法律法規（的問題），就是技術還沒到那個水平，大家不敢提，因為提了之后就要出事。

目前很多廠家還是在著力把L0到L2的功能做好，用戶體驗去做好。比如說ACC，這個前面有個雪糕桶，你能不能看到？好多車其實是看不到的，它會往上撞的，包括之前一些側翻的車。

我們回過頭來看，對于L0~L2的公司，EyeQ4是能夠打天下的，價格也比較便宜，雖然很多廠家也做這個，像國內的Tier 1公司，其實做的并不會比Mobileye好。

L2+的話，現在其實是撲朔迷離的，大家可能都處于一個PPT階段，數量比較大的像華為、百度，數量小點的像**等都在做，現在都是說即將量產，但并沒有做到一個能讓大家看到的水平。

Demo就不用看了，現在整個L2+這塊其實是有點看不清楚的，我相信再過半年一年，等到這些車大規模的亮相，各種事故都出來了，大家就能知道誰比較厲害，現在的確不好判斷。

這是關于ADAS的發展趨勢。

然后說一下市場，這個的確有點廣，我主要按軟件、硬件還有系統、Tire1去講這個市場。

首先做硬件的話，現在路線還是非常清晰的，因為很多新勢力，本身沒有太大的能力做硬件，這時候硬件供應商可以很快的切到這個賽道里面，比較典型的像德賽，它會占據很好一個身位，同時在這里面它會通過大量的產品制造拿到很強的供應鏈話語權，這個會讓他在以后的道路上走的很遠。

關于軟件這塊，就是要不停拿訂單，拿訂單的目的就是把供應鏈話語權掌握在自己手上，把這些關鍵供應商的產能全部鎖住，這是一個比較好的戰略。

目前階段，我不是特別看好算法供應商，因為算法這東西，主機廠不太可能會交給某一家公司全盤把握，要么是跟你合作開公司，比如跟Momenta搞合資，要么是直接把你買掉或者投資等等。

對系統供應商的話，我認為，如果戰略定力很強，能把軟硬件做好、系統做好，甚至說以后車企不要你，你可以自己造車，像華為。

那就比較厲害，這種企業如果有錢，那么他只需要不停地去夯實自己的基礎和能力，前期可能會讓利，讓車企那邊多賺一點。但如果是沒錢的話就比較尷尬，這樣就只能跟算法公司一樣，走合并或者被收購的路。

這一切假設都是基于我覺得目前L2+能優化得比較好。

H：對，確實是這樣。現在總體看，ADAS的介入可能很快，接受度也很快，但大家還是很謹慎，這個東西如果最終消費者不買單，車企就開始變得謹慎，打開率如果不高的話，那車企就開始反向思考這事情到底該怎么弄。

這個反饋會直接傳導給主機廠。

關于芯片那塊的話，我有一個問題，為什么感覺芯片這個選擇非常重要？

天：這個跟整個生態有關，你開發的工具鏈，你開發的人員，比如說某個芯片用的多，市面上人才就會越多，在這個上面做算法的優化，效率可能會越來越高。

我是從這個角度來說的。比如說低算力平臺本身就很難用，很難優化，如果說這個公司沒有一個非常強的中間件平臺，可以自動或者半自動的優化調度整個算力的話，完全依靠人來設定一些參數，來分配這個資源，那相當于這個經驗就只存在于幾個核心程序員的腦子里，迭代起來就很難。

如果說大家都用某個芯片，這些人員流動影響就會很小，你去外面找一個人，也能很快上手。

比如說你用的是安霸，本來用的人少，如果人走了，你招一個TDA4的人來，他會直接懵掉的。

從一個平臺來說，這個時間成本很大，人工那些我們都不說了，據我了解，企業換平臺，至少得大半年到一年的時間，才能把整個代碼給遷移過去，這還不算后面優化的事情。如果說換一個平臺，他要真把這個平臺上的量產產品移到另外一個平臺上，有可能得一年多的時間。

H：其實對車企來講，他也想一致性，不想老是換來換去。

天：其實還有一個因素，芯片這個東西很貴，也很高精尖，但是相對來說又很脆弱，因為它需要不斷的高資本支出來維持不斷的迭代，如果說用的人少，就沒辦法形成正反饋。

從投資的角度（來講），大家可以支持你一代和兩代芯片，如果兩代芯片你最后沒干出個什么東西來，那大家可能真的就退縮了，投資者也不敢再繼續賭了。

前兩天不是有那個消息嗎？說***和某個芯片商掰了，***相當于又要重新搞一個平臺。

馬：我感覺有些主機廠思路就比較扯，他自己沒有集成能力，然后把硬件軟件拆得那么散，再讓集成商去拼起來，那這個算力肯定不夠，別說16TOPS，估計給他50TOPS都不夠。

H：這就是傳統主機廠的思路，我把所有東西打碎以后我就掌握主動權了，我想用誰的就用誰的，結果他不知道系統協調遇到了很多的困難，有時候根本都協調不了。

行：我接著前面那個芯片的話題聊一下，因為我是做技術的，對這個還比較感同身受一點。整體來說我覺得芯片不僅是硬件，更重要的，它其實是一個生態。整個生態不夠好的話，宣稱自己有多高的TOPS，其實也并不好用。

我有一個問題，關于合作伙伴的問題，有一些（公司）他可能會選比較少的合作伙伴，有些會比較多，比如說同樣一個東西、同樣一件事情，選擇一個或多個合作伙伴的話，他們各自的優劣大概是個什么樣子？

我理解如果對同樣一個事情選擇多個供應商的話，比如說集成，你的適配兼容性可能也是一件需要考慮的事情，因為你選擇的多，需要去兼容各家的產品，那整個的效果會怎么樣？

天：我覺得關鍵是看他的一個思路是什么，他選擇的原因是什么？

比如說現在有一家算法公司，跟德賽玩得很好，跟經緯也玩得很好，跟東軟也好，他們有什么項目都第一時間想拉著我去，那我覺得很好，說明他們都愿意優先跟你合作。

如果說他跟一家合作一個項目，沒有延續性，之后又只能去找另外一家，這說明他跟別人的合作在磨合方面肯定還是存在一些問題，當然這個可能也是多方面的原因。

行：關于高精地圖，我首先拋出一個觀點，自動駕駛是不是需要高精地圖，或者說需要什么樣的高精地圖。

我和行業內很多朋友交流過，大家普遍的認知，一般高級別的可能需要，至少在中國當前的環境下還是需要的。

現在這個高精地圖都存在哪些問題？

大家都知道現在高精地圖成本過高，不管是采集，還是后面的維護成本都很高，另外的話，它鮮度比較低，沒法做到很快的一個更新。這是我理解的現在高精地圖很難鋪開，或者說大家用起來覺得不是那么順手的兩個痛點。

那高精地圖怎么做呢，涉及到幾個不同的方向。

首先聊一下傳統圖商，在國內的話，大家對于底圖的構建會采用集中式的一個方法進行采集。

所謂的集中式就是用很高精的一個設備，很高精的一個慣導，很高精的一個Lidar，像RIEGL這樣設備，價格可能會上千萬，然后在全國各個地方進行大面積采集，因為設備本身精度就很高，把這個采集的結果做一個離線處理，這個是集中式的一個構建。

構建完以后，一般都會采用一個眾包的方法進行底圖更新，這個是圖商采用的一個方法，但是關于怎么采用眾包或者采用怎么樣的眾包，可能各家圖商稍微有一些差別，但整體來說都會采用一些后裝的設備來做。

但眾包模式對于下游的主機廠來說，它的精度是不是夠，就要打一個疑問。

關于主機廠方面，目前來看，大部分還是找圖商合作或者找圖商買底圖，但是比較有能力的一些主機廠，他們會利用自身身上的一個自動駕駛能力，去做底圖的技術更新。

比較典型的像小鵬，他雖然和高德合作，會用高德的地圖，但是他們自己也在搭建地圖更新產業鏈，用自己車上的自動駕駛能力來做更新，而且并不會把相關數據回傳給圖商。

關于這一點，可能很多人也會想，為什么不做一個雙方的合作，把數據給圖商，讓圖商來做這個事兒。我個人的理解，對一個公司來說，它最重要的資產可能是數據，而不是說所謂的算法這樣一些東西。

如果了解主機廠對數據的采集或回傳環節的話，都知道要做好這樣一個數據閉環，就是所謂的下發采集任務，然后把感興趣的東西回傳回來，然后上傳到云端，然后解析存儲這一整套，你要把它做得很好，需要花費大量的人力物力。

我自己也思考過，圖商和車廠各自有什么樣的優劣勢？比如像圖商的話，我理解他的主要優勢是自身有一套很好的建圖生態。

從某些程度來說地圖還是偏勞動密集型，整個地圖生態的構建還是比較麻煩的。圖商具備成熟的高精地圖生產經驗和產線，是有能力做成一個通用型平臺的。

如果他能夠做成一個通用型平臺的話，就能夠把高精地圖的成本攤得比較薄。

但是圖商也有一些劣勢，我個人覺得大概有這樣幾點，一個是圖商做底圖構建是沒有問題的，但是如果采用厚重的設備來做更新，鋪開的成本是很高的，因為后期需要保持比較高的一個鮮度，需要運營大量的車隊，或者說和別人合作，這個運營成本相當的高。

如果他做后裝，后裝設備的整個數據的質量肯定是沒有前裝的好，也拿不到那么多好的數據，比如說你前裝IMU，各種GNSS，RTK，Lidar，Camera，反正車上有的你都能拿到，你做后裝的話，很多車是不允許你接入CAN總線，很多東西你都拿不到。

另外，我個人感覺圖商其實對自動駕駛并沒有那么了解，圖商他是做圖的，他有自己的優勢，但是對自動駕駛可能了解或者理解很深刻的人比較少，畢竟高精地圖后續還是服務于自動駕駛上的感知，定位，PnC這樣的一些環節，但是怎么用，以什么樣的規格來用，這是蠻細節的一個事情。

比如說很簡單的一個規格，那個線我怎么定義，是一個點、串還是一個多項式擬合曲線，如果對自動駕駛的下游怎么使用都不是很了解的話，我覺得很難定義的比較好。

再說一下車廠，車廠有一個優勢，他的設備天然就是一個前裝設備，如果他要做地圖或更新地圖的話，從設備層面并沒有額外的投入，因為這些設備本來就是要做自動駕駛的，我可以順便把這些數據用起來，做地圖的一個構建和更新。

他自己又做圖又做自動駕駛的話，特別是全站式的算法研發，他和上下游會協調的比較好，比如說感知，PnC，整個的完備性、協調性和適配性都會做得比較好。

另外，他自己搭建這樣一個數據閉環，如果發現自動駕駛哪些情況不好，他能夠以更高的頻率或者更高的發現力度，來發現高精地圖的一些問題。

當然了，車廠也有一些劣勢，比如說要搭建這樣的一個技術生產線，成本很高，因為這里面涉及到太多細枝末節的事情，要重新開始搭建的話，其實車廠并沒有太多這方面的積累。

還有一個劣勢是成本問題，如果你自建地圖，不管是買了底圖做更新，還是從0到1去構建，一般車廠都是自己用，很難賦能其他車廠。但如果圖商做得好，其他主機廠車輛也可以用的話，能夠把成本攤薄很多。

最后講一個合作，現在主機廠其實也不知道高精地圖到底要哪些要素，一直都在變，大家都知道合作，但是一個事情團隊內合作可能就比較艱難，跨團隊合作相對更難，你要跨公司級別的合作那就難上加難。

本質上來說，我覺得現在自動駕駛公司其實都在摸著石頭過河，尤其是下游PnC這些環節，實際上這個地圖要用什么樣的樣式，其實各家公司都有不同的理解，甚至他們對規范都有不同的要求。

那這樣就存在一個問題，就圖商來說，我并不知道下游需求是什么，可能公司A說我要這樣一個需求，比如說是簡單一點的車道線，我就想做成一個點串的形式，公司B說不行，你只有點串的話，我的下游PnC沒法用，我要你把車道線做成一個多項式擬合曲線這樣一種形式。

對具體的規格，整個行業都還沒有形成一個統一的認知，它還在發展過程中，圖商也很難說要把地圖做成什么樣的。但如果車廠自己來做的話，因為他自己本身就是下游的客戶，理解起來會快很多。

H：因為他是一整套的，眾包的話，有時候你拿不到定位的話，這個圖建起來就很差。你光弄一個眾包，沒有定位，很難搞這個東西。

行：對，建圖其實很大的依賴上就是定位，你定位效果不好，你建了圖也建不好。

空：我稍微講一下自動駕駛，主要講2個方面，第一個是現在的商業模式，大概的還是以地方政府的補貼、買單，扶持訂單為主，但是這樣的訂單會越來越少了。

現在地方政府都是根據你的測試的里程數，還有包括接待或者試乘的人次來衡量你的補貼金額。

但就現在自動駕駛的發展階段，肯定需要政府的補貼和扶持。

第二個是現在自動駕駛公司比較有錢，開始做Robotaxi的商業化運營，嘗試商業化收費。但是這條路其實并不好走，一方面是因為這些車輛的維護成本都還很高，運營起來比較麻煩。

另一方面，無論是從智能網聯區的限制方面，還是技術方面，都達不到想到哪里就可以到哪里的地步。歸根結底，Robotaxi如果想要大規模應用的話，還有一個底層技術需要突破，就是規控技術的突破。

說到這里，講一下百度，百度現在在各地大力的推Robotaxi車隊，和他想要去看這一塊的商業價值是有關系的。

他的財報里也放出了訂單量，收入，主要是想讓資本市場看到這一塊的增長空間，它如果能夠繼續把Robotaxi這個事情往下做，我覺得，對整個行業來說是有益的。

最后回到剛剛那個話題，現在L4的公司都慢慢地在其他場景去落地，做Robobus或者是Robotruck這些東西。包括很多的L4公司把目光投向了車企，開始希望跟車企去合作，去做一些短期內可以落地的一些收入。

盡管這些收入都還是非常有限的，但是它能夠讓資本市場看到你技術落地的可能性，但確實L4公司現在去給車企打工也是有優勢的，因為傳統的做L2的公司可能在感知定位，尤其是在視覺感知這個層面有比較大的一個技術優勢，但是他們在規控這個層面的優勢其實并不大。

現在NOA這樣的功能馬上就要大規模上車了，所以傳統的L2公司都面臨著同樣的問題，都卡在了技術上，尤其是規控這一塊。

對比L2公司，L4公司更有優勢的就是他們的規控算法，但需要補感知的功課，因為原本的L4公司依靠的感知傳感器是非常冗余的，非常夠用的。

怎么樣在僅有的一些傳感器，甚至一個激光雷達的情況下，讓感知技術棧和PnC結合的更好，這一塊其實是比較大的一個挑戰，車企其實也看得到這一點，就是傳統的L2公司在做NOA功能的時候其實會有點吃力。

強調一句，僅僅是個人淺見，我接著說。

L4公司來做量產項目的話，算法方面可能沒有太大問題，更重要的還是工程能力這一塊。因為做量產項目的話，最考驗的還是工程能力，先是算法再是工程能力。

我們也看到很多L4公司，也在陸續地發布一些車規級傳感器的方案，也在說這個方案的成本可以降低很多，這是在釋放一些信號，向車企釋放信號說我現在的技術可以符合車規了，乘用車的主機廠也可以過來跟我合作，給我一些訂單，盡管這些訂單的金額其實都不會特別的大。

H：怎么講呢？我了解的是算法軟件在主機廠這塊好像并不是很看重。

空：對，在感知這一塊確實是，規控的話，當然這個所謂的NOA用到的規控，其實也還是非常基礎的一些模塊，只是說L4公司有這樣的算法能力，但其實NOA的功能怎么去界定？在什么樣的工況下，車輛可以進入自動駕駛，一直都沒有界定得非常清楚，車企也不準備為此而負責。

接下來可能會有個趨勢，車企開始為這個工況做界定，在某些ODD情況下，車輛出了故障，車企可能會負責。

H：你說是更高階的輔助駕駛那塊嗎？

空：對，更高階的輔助駕駛，不是ACC這些。ODD方面其實高精地圖也是一樣的，車廠需要啥樣的高精地圖我們就弄，都在配合主機廠做ODD那塊。

行：我有一個疑問，為什么規控比較難，我以前覺得難度其實是在感知方面。

空：其實是相對的，感知相對更好實現一些，現在的傳感器的性能都上來了，包括盲區雷達都已經出來兩三年了，所以它對周邊的環境感知都做的挺不錯的，尤其在不計成本的情況下，基本上識別的準確率都有99.999%，但還是會有Corner Cases，只不過這個能力比之前已經提升了很多。

規控難的話，其實有兩個，第一個點是在評判標準上，我們經常說兩個維度，一個是安全性，一個是舒適性，它其實很難去衡量。

第二點是決策規劃的方法論上，大家還沒有完全統一，是寫規則呢還是深度學習呢，這個需要時間去驗證。我知道有些公司還有一些院校，其實也在做這一塊的理論研究，有些公司可能已經先上車了，但是都還有比較大的進步空間。

馬：我再簡單聊一下行泊一體方案，域控方案做的。域控制器現在國內能做的也不太多，可以舉幾個例子，比較好的像華為，它現在可以做到城市輔助駕駛，加上它有跨層的泊車，它都是可以做到的，但它的高階功能應該還沒有OTA，所以這個只能等等看。

小鵬的城區NGP應該是剛激活，特斯拉這些，感覺現在都沒啥聲音，可能大家都在等。

現在可能就小鵬跟華為走得比較靠前，小鵬的城區NGP已經推送了，它的跨樓層泊車中，高精地圖、激光雷達都用上了，他就會跑的比較快。華為這邊他自己實力比較強，軟硬都做，錢也多。

其他公司的話很多人在吹自己，你只要問他，比如做APA的，車道線沒有的情況下他能不能進去，大多數都停不好，大概就這個情況。

H：就APA這塊？

馬：可以展開講講，博世這塊之前是用超聲波來做的，比較簡單，現在有很多人在做視覺融合，本身攝像頭的融合就很難，拼起來之后會有機變，視覺還要再跟超聲波再做一個融合，那就非常難。

H：如何看L4公司做L2+這塊？

馬：關于L2這塊，小公司可能比較吃虧，因為整體的投入，不管是研發人才，基礎設施，還是要造好多存儲器，自己做模擬器，還有工廠，因為產品形態一直在變，各種投入都很大。

而且和主機廠合作這塊，基本都是薄利或者有些項目根本不賺錢，我覺得很考驗這些老板的能力。

目前階段，我覺得L2+很難做好，或者說很遙遠，體驗很難做好，一旦市場出現不符合預期，投資人可能會變得更謹慎。

L4這塊，首先要解決成本問題，Robotaxi現在其實是很難盈利的，但做L2+這塊呢，其實也很難盈利。L2+這塊的量不是幾千，幾萬臺，有的可能都數十萬的量。

這就要求L4公司各方面都要摳得比較細，從研發人員投入，采購量，算力等都需要一分一分的摳，才能保證整個項目有一點盈利或者虧的少一點。

L4做ADAS的話，基本是從一個領域跨界到另一個領域， 公司的組織文化，組織架構，薪資體系都要發生變化，我覺得考驗還是很大的。

關于L2這塊，我補充一下，我覺得只有兩個思路來破解，第一個就是找到新的應用領域，我覺得可以嘗試去干點軍工，順便做點硬件，或者看看能不能用低成本的模式，用到城市的運貨上面，看看行不行。

當然他的能力就需要進一步的向L4的公司去靠攏，我覺得他可能只有靠這個才能真正的掙到錢，而且是掙一大筆錢。

另外一個思路是去做硬件，就像有的廠家一樣，攝像頭自己做，毫米波雷達自己做。但這個東西我覺得也不長久。也可以和主機廠的關系搞得好一點，達成一個長期合作的意向，未來也可以考慮被主機廠投資。

空：我覺得ADAS里面還有幾種類型的企業，一類是芯片企業，比如說地平線，黑芝麻，它為了賣芯片，也可能會搞一套算法，全行業都在用，可能最后成為一個基準，都能在他這個基礎上面去往上優化。

H：對，比如現在很多公司自己做攝像頭，攝像頭+輔助駕駛系統。

空：但是攝像頭有一個問題，就是它的空間太小了，只能實現比較簡單的算法。我知道最近有一個大的攝像頭企業要投一個做ADAS的企業，而且是領投。

他們肯定看到了這個市場的火熱，就想圍繞客戶去拓展，圍繞應用場景去拓展，從做攝像頭拓展到ADAS還是很順其自然的一個思路。

天：現在L4公司的發展趨勢，也是在把傳感器往車規級的方向走，明顯的兩個點，第一個點是激光雷達，都開始用固態激光雷達，禾賽馬上要出一個 AT128車規級的機械式激光雷達，所以都在往車規級方向走，成本也因為這個趨勢在下降。

第二點是在計算平臺方面，有很多的L4公司都開始要用Orin這樣的大算力平臺，最先官宣的都是Orin，這個其實也有助于它的成本下降，還有穩定性的提升。

如果說這樣的一個趨勢往下走的話，我個人覺得L4往后可以往車規前裝量產的方向去走。

要說L4跟L2的優勢在哪里的話，剛剛有一位說得很對，L4公司的這種文化，導致它本身工程能力就很弱，這就考驗這些公司怎么樣在低算力平臺下，在傳感器非常有限的情況下，能夠去把車輛做量產，對于L4公司來說是一個很大的挑戰。

-END-