沒有一家造車新勢力值得投資？關於造車和自動駕駛投資圈這麼看

投資人和創業者的開年互懟，讓新能源造車再次捲入輿論風波。

「2019年將是造車新勢力的倒閉年，百餘家企業沒有一家值得投資。」近日基石資本董事長張維發文稱中國沒有任何一家新能源造車企業值得投資。這一言論隨即引來小鵬汽車CEO何小鵬的回擊，稱「無需您投資，做批評者容易，做建設者難。」

在車市寒冬和資本寒冬雙重夾擊下，無論是造車新勢力還是自動駕駛新秀都在經受更為審慎的投資考核。經歷了四年快速融資、擴張和迭代，深處低谷中的造車新勢力是否還具備投資價值？而他們口中常常提及的「自動駕駛」風口是否也難逃資本寒潮？

發展窗口期開始關閉

自品牌創立以來，以蔚來、小鵬、威馬為代表的造車新勢力們就一直面臨著是否能夠交付、上市、量產等層層質疑。2018年被稱之為造車新勢力的交付元年，但根據機動車交強險數據顯示，去年共有八家初創電動汽車公司有持續交付數據，總交付量為30333台，與新能源汽車市場整體的125.6萬台相比，佔比非常之低。

交付量不理想，新能源汽車補貼退坡，都直接影響著資本的流向。

「2019年是倒閉年，但是是否都沒有投資價值不敢斷言，2019年應該還是個持續洗牌的過程。」對此辰韜資本執行總經理賀雄松告訴第一財經，辰韜資本是一家專註於新能源汽車和智能駕駛的投資機構，曾在相關產業鏈投資了近20多家企業。

在賀雄松看來，造車新勢力的確面臨很多挑戰，此前他們的優勢在於電動化、智能化提供的彎道超車的機會，但這幾年的發展不及預期，傳統車廠已經開始發力，同時還面臨國外廠商的打壓，造車新勢力的發展窗口期關閉。

無論是蔚來汽車CEO李斌早先喊出的「沒有200億不要造車」，還是小鵬汽車創始人何小鵬感慨「200億都不夠花」，都在論證一個事實，造車的確是門燒錢的生意。

根據公開數據計算，2018年中國的互聯網造車企業融資已經超過1300億元，估值也都在百億元級別，這些因素都在無形中拉高了投資門檻。

「整車行業是一個需要燒錢200億以上，至少十年才能檢驗是否成功的行業，造車不是造自行車、手機，汽車的可靠性、安全性、穩定性需要長時間的工業積累，無論是新勢力還是舊勢力，飯要一口一口吃。」聯創永宣管理合伙人高洪慶表示。

重資產、重製造、重供應鏈，無論是造車還是賣車，超長的汽車產業鏈條需要巨大的資金支持，資本向頭部公司集中，對於擠在這個賽道的大部分玩家而言，2019年想要活下來並不容易。不過賀雄松認為整個產業鏈並非沒有投資機會，例如電動化衍生出來的智能化、網聯化等依舊值得關注。

不能忽視商業落地

雖然造車新勢力面臨生死大考，但這並不影響資本對於自動駕駛技術的信心。2019年開年，軟銀願景基金先後在智能駕駛領域砸下兩筆重金，創業新秀地平線、蘑菇智行也都獲得了上億美元的融資。

不過在資本寒冬大勢下，企業融資難度越來越大，能夠融到錢的概率在降低，資本在投資策略上更加註重企業的現金流和商業落地能力，創業者們則在儲量造血過冬。

對於智能駕駛商業化落地能力，辰韜資本合伙人何建文認為，自動駕駛是一個比較寬泛的概念，根據自動化層級的維度，L4、L5預計至少是5~10年以後的事情。從應用場景而言，相對封閉低速、固定線路的場景，商業化可能會比較快實現，例如港口、碼頭、礦山、物流園區等。

「稍微復一點的場景都需要激光雷達來做避障處理，而高限速的激光雷達樂觀預計要到2024年才能夠成熟，在此之前L4、L5要想實現大規模量產會比較困難。」賀雄松補充。

在他看來商業化落地一定是經濟模型能夠算得過來，需要整個產業鏈成熟，將成本降下來，才能實現量產。以無人清掃為例，按照目前的成本計算是很難成立的，因此只能做模型展示，這就不是真正的商業化行為。

智能駕駛技術提供商極目智能剛剛完成新一輪融資，其業務主要是提供Level 0-Level 3智能駕駛方案及衍生的數據產品和服務。對於業務範圍的選擇，極目智能CEO程建偉告訴第一財經，他更願意用滲透率來看當下的智能駕駛技術，L3的快速落地要到2023年甚至更久，L1、L2輔助駕駛技術大部分車輛還不具備，如果中國1.8億輛私家車能夠配置輔助駕駛技術，市場份額也不容小覷。「任何一個階段不存在落後或者滯後，作為企業更重要的是要找到有利於自己的一個落地場景和商業閉環。」

自動駕駛中的硬體機會

除此之外，投資自動駕駛還面臨一大挑戰就是安全和供應鏈把控能力。線性資本創始人兼CEO王淮就表示，他們的團隊曾看過自動駕駛領域大多數公司，但一個都沒有下手，最大的顧慮就是軟體人做自動駕駛，在人命關天的要求下，還少了車規級硬體的承載。

對此賀雄松也表達了同樣的觀點，他認為目前無人駕駛公司絕大部分都是演算法出身，對於硬體的理解和敬畏之心偏弱一些，而無人駕駛和互聯網最大的區別就在於硬體是很重要的一塊，它的迭代速度需要整個供應鏈的配合。

與互聯網軟體一天一迭代不同，自動駕駛的迭代需要慢慢積累，它的容錯率可能是百萬分之一，這就對演算法提出極高的要求，需要到各個場景去做測試，尋找問題所在。「剛開始問題會出現的比較快，但越往後可能很長時間都找不到一個問題，按照汽車級的標準，要達到系統的容錯率，就是一個漫長的路程。」賀雄松告訴第一財經。

回望語音識別和圖像識別演算法的發展歷程，賀雄松認為自動駕駛也會複製這樣一個過程，即未來演算法的壁壘會逐漸降低，企業的競爭的關鍵反而是演算法以外的能力，例如供應鏈整合和商務方面的壁壘，因此在投資布局上會從偏硬體的方面，尋找一些有核心硬體優勢和壁壘的企業。

身處行業一線的程建偉也有同樣的感受。在自動駕駛里，不管是自動剎車、自動轉向還是自動跟車都需要和發動機、變速箱以及底盤高度結合，但因為歷史原因，中國在汽車三大件方面存在根基不穩的問題，智能駕駛時代中國可能有機會在這方面有一些更積極或者更領先參與的機會。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！