撰文 / 任娴颖
出品 / 车路云50人
图片来源 / 小马智行
3月25日，小马智行发布2024年第四季度及全年财报。这是小马智行自去年11月赴美上市后，发布的首份“成绩单”。
财报显示，2024年公司营收为7503万美元（约合人民币5.48亿元），同比增长4.3%，营收连续三年增长。自动驾驶出行（Robotaxi）服务收入为730万美元（约合人民币5328万元），乘客车费收入显著增长。经调整全年研发费用1.378亿美元（约合人民币10.06亿元），同比增长14%，主要用于第七代Robotaxi研发。
小马智行正预期通过技术降本和规模扩张，跨越盈亏临界点。财报显示，小马智行与丰田、北汽、广汽合作的3款Robotaxi车型将于今年开始逐步落地，第七代车规级自动驾驶系统方案成本将下降70%。
作为L4赛道头部玩家之一，小马智行是极少数穿越了自动驾驶的“资本寒冬”，在自动驾驶明星公司的“陨落”潮中，始终选择以L4业务为核心，8年坚守最终敲响上市钟声的公司。
公开信息显示，自2016年底成立到上市前，小马智行共经历7轮融资。2024年11月，小马智行登陆纳斯达克，成为当年美股自动驾驶领域最大规模的IPO，募资金额至高约达4.52亿美元（约合人民币32.9亿元），为小马智行提供了充足的资金储备，为其下一步的技术突破与商业扩张补充了“燃料”。
以开启商业化运营为标准，而今，L4“牌桌”上的玩家并不多。投资人将小马智行看作“中国版Waymo”，小马智行也必须兑现承诺，回应市场的期待。显而易见，以上市为新起点，小马智行正在加速奔跑。
图：小马智行副总裁黄俊
近日，《车路云50人》在小马智行上海研发中心，与小马智行副总裁、上海研发中心副总经理黄俊进行了深入交流。黄俊表示，在未来这段时间，小马智行将聚焦于Robotaxi业务，在北上广深四个一线城市论证Robotaxi的商业模式，并谈及相关的布局、运营、合作、技术、场景等话题。
以下为对话文字实录：
车路云50人：小马上市后，接下来一段时间的业务重心和目标是什么？
黄俊：我们现在做的事不多，总共三个板块，Robotaxi、Robotruck、技术授权与应用服务，相对来说我们还是比较focus（聚焦）。
小马从2016年底开始做Robotaxi，这件事对我们来说是比较驾轻就熟了，这也是小马比较有信心，或者说自豪的一个事儿。
今年公司的重心就是，用“千台规模”证明Robotaxi的商业模式是可行的。接下来，我们也可能会有一些经营上的合作，比如当我们拥有更多车的时候，不一定都要自营，而是会有合作方来购买我们的车辆去给他自己赚钱。
车路云50人：“千台规模”意味着什么？
黄俊：我们在更早的时候就完成了千台车的毛利转正模型测算，在北上广深这样的一线城市，Robotaxi的投放量达到千台规模，才能实现运营收入与成本的平衡。在千台规模下，我们也能拥有更强的供应链议价权。
千台规模是一个分水岭，越过这道线，就会进入车辆投放量越大，企业毛利越高、运营成本越低、服务体验越好、用户黏性越强的良性循环。未来随着规模不断扩大，达到“万台”时，就有足够的利润支撑我们的整个数据、研发成本以及更进一步的发展，实现公司自身现金流稳定的正向增长。
车路云50人：在落地运营方面，除了考虑城市整体的打车及付费意愿，有没有考虑通过开辟一些有盈利潜力的路线来提升经济效益？
黄俊：这个也是我们在各地的一个非常重要的KPI，就是去推进一些有经济价值的路线，比如跑机场、火车站、高速，这是很多人的刚需，无论是经济价值还是社会价值都是很高的。这一块是需要政府和企业双方的规划相契合，才能往前推。
我们在北上广深几个区域都在看，目前在北京和广州都开通了往返机场、高铁站的Robotaxi服务，深圳也刚刚开通了南山区，也就是核心城区的无人市场化运营试点。我们要对实际单量和经济价值进行测算，同时也需要政府的支持。
车路云50人：在Robotaxi规模化商用推进上，大家认为目前核心的问题在哪里？
黄俊：我们认为Robotaxi业务的成功有五大基石，包括技术领先性、政策支持、量产能力、规模化运营能力以及产业链合作，它们之间是有逻辑的。
在技术领先性上，小马是没有问题的。在政策引导上，从全世界范围来看，中国是在自动驾驶领域推进速度最快的一个国家。所以，小马现在来到了大规模量产的阶段。在这一阶段，一方面，量产出来的车能不能投放下去，需要政策的进一步支持；另一方面，有了政策的突破，我们才有底气、有资本去和整车厂沟通，和供应商谈价，甚至于要求整车厂帮我定制车型，因为只有大规模量产以后，才能把成本给降下来。
今年的政府工作报告又提出来“大力发展智能网联新能源汽车”，这个也是给大家吃了一颗定心丸，之后我们也会持续地关注这一块。
当然，除了政策支持，规模化运营能力和产业链合作同样是核心点，但凡这几点中任何一个卡住，都无法真正实现规模化商用落地。
车路云50人：运营方面目前存在哪些难点？
黄俊：目前L4技术的积累已经到了一个临界点，随着规模的逐步扩大，这个过程不仅仅是自动驾驶产业链去验证你的技术，更是你要怎么跑通这条pipeline（流程）。你要跑通Robotaxi，就会涉及非常多运营强相关的事情。
这里面其实有很多细枝末节的事儿，比如怎么充电、怎么清洗，怎么监控车辆安全，怎么进行智能化的调度，例如在高峰期、人流密集区域、白天或晚上，怎么做到比较好的运力调配。这和传统“有人”的方式是完全不一样了，你要做更好的提前调度，而不是抢单或派单这种模式，它是一个系统、一个整体。
车路云50人：在运营模式的选择上，小马更倾向于“自运营”，还是“技术公司+整车厂+出行平台”生态合作的“金三角”模式？
黄俊：目前国内其实是有一些“跨界”存在的，比如OEM不仅仅只是造车，也会成立自己的运营公司，或者做自动驾驶技术研发；科技公司在做技术的同时，也会考虑有没有一个非常好的partner，能够跟我们齐头并进，步调一致地往前走。
我们肯定也是希望大家一起往前跑，因为我们首先要做自己擅长的事儿。事实上我们也确实有非常多的合作伙伴，丰田、北汽、广汽，高德出行、如祺出行、锦江出行等等，大家其实都在做探讨。
在商业模式上，我觉得是有多重可能性同时存在的，一个时期有一个时期需要考虑的事，看得远当然是好事儿，但同时也可能造成整个公司的聚焦度的分散。当前阶段，无论是自运营，还是生态合作，我们始终是open（开放）的，关键是我们怎么能更快地把Robotaxi的规模化做起来。
车路云50人：从经济学的角度来看，“自动驾驶”不仅是技术层面的定义，更相关的问题在于责任归属。如果以“金三角”模式提供Robotaxi服务给客户，那事故责任在哪方，这个问题有清晰吗？
黄俊：这个问题在现行的《道路交通安全法》里还没有专门规定，但是在一些地方性的法规里其实可以看到。
比如，《上海市浦东新区促进无驾驶人智能网联汽车创新应用规定》中提到，无驾驶人智能网联汽车发生交通事故并造成损害，依法应由智能网联汽车一方承担责任的，由该无驾驶人智能网联汽车所属的企业先行赔偿，并可以依法向负有责任的自动驾驶系统开发者、汽车制造者、设备提供者等进行追偿。（注：据不完全统计，在《深圳经济特区智能网联汽车管理条例》《武汉市智能网联汽车发展促进条例》中，亦有类似表述。）
从法律的角度，无人驾驶汽车出了事故，无非就是确定三件事：第一，是谁的责任；第二，由谁赔偿，是保险来赔，还是企业主体来赔；第三，刑事责任由谁承担。
其实自动驾驶在这一步遇到的问题，后面在AI、机器人产业中也会出现，比如具身智能。只是自动驾驶走在比较前面，它先一步跨出去，先引出了这个问题。
车路云50人：保险公司现在会很困惑吗？
黄俊：保险公司目前还好，它主要困惑的一个点是在于物损。L4级别，包括L3级别的车，发生物损以后，一些精密零部件的价值可能很难去界定。举个例子，域控被撞坏了，你说这域控值2万，但保险公司一看，别人家有5000元的，这怎么说？
另外保险公司的赔付很多是要基于《道路交通安全法》，所以最后还是又回到了政策法规的问题，《道路交通安全法》等上位法的修订工作，对于企业而言也是非常重要的。
车路云50人：Waymo曾谈及，要构建一个通用的自动驾驶系统，可以部署在不同的应用场景。所以，技术能力可以在不同场景间丝滑切换吗，比如小马Robotaxi的技术突破，可以复用到Robotruck或L2、L2+场景吗？
黄俊：我们的Robotruck和Robotaxi共用一套“虚拟司机”底层技术，80%的技术可共享复用。但L4和L2技术又是两套不同的逻辑了。
每个场景都有各自的特点，需要考虑的因素和优化的方向是不同的，所以要做好任何一个场景，都需要花费很大的精力去做深挖，需要一个专业的团队。
这就是我们所说的“工程化能力”。就像我们现在讲AI，大家讲得更多的是容易快速商业化的垂类，因为通用型目前到了一个瓶颈，Pre-training（预训练）开始向Post-training（后训练）过渡。在“工程化”上，Robotaxi或者说自动驾驶领域，要走得比AI更靠前。
车路云50人：所以从L4到L2，并不存在所谓的“降维打击”？
黄俊：关于L4“降级”L2，以及L2怎么“升上去”这件事，这个问题有太多人提起。我们也一直在讲，这两个的优化方向是不一样的。
举一个例子，做L2的公司，他们的整个数据闭环的工具，和做L4的公司是完全不一样的，就是你怎么去把这套数据用起来。因为L2是规则导向的，但L2+再往上去做高级别的自动驾驶，它都是数据导向，你有足够的数据才能去优化你的整个算法，在优化算法的过程中，如果用传统的基于规则的方式去做的话，你不能穷举。
比如我们去做test case（测试用例），如果是靠人写test case，不可能把所有的场景都想出来，它一定是数据驱动的，所以大家说L4“吊打”L2，主要来自于此。就是L4公司整套的工具链、整套的基建，是要更适用于去做“数据驱动”，并不是你优化算法的方向比别人好多少，而是你数据迭代的能力是比别人要好很多，这个才是核心。
算法本身当然重要，但是没有那么重要，关键是怎么快速去迭代算法，这才是关键。因为一家（自动驾驶）企业，最核心的不是这些白盒的代码，而是你建构的一个底层逻辑，是不是能够快速去进行技术的迭代以及优化。
所以，如果一家L2的企业“往上”去做，它的基建没有做好，不具备这套快速迭代的机制以及能力，就必然会碰到一个“上限”。而L4公司“往下”做，虽然不存在“下限”，但也并不是说你直接一做就能做好，你也一样要花非常大的精力去优化这个场景。
车路云50人：有没有可能在一开始面向L2场景的时候，就按照L4的架构和思路来搭建基础设施呢？
黄俊：不可能，因为这相当于用大炮打蚊子。L2面向的场景是“cost-driven”（成本驱动）的，当你做的产品本身不需要花这么多钱来搭建这个infrastructure（基础设施），那你根本就cover不住这个成本。除非你从一开始就有一个非常大的vision（愿景），你的目标就是L4，但先从L2做起来。我还没看到哪家公司是这样的。
如果一家公司在创立的时候，所面向的场景是按照强价格导向来做的，我相信它会减掉很多在当前情况下不需要的东西。一旦减掉了，再想额外花钱把它们拿回来，去做更高阶的自动驾驶，相比一开始它的infrastructure就搭建得比较适合去做高阶自动驾驶，肯定是不一样的。
所以如果你要做一家优秀的公司，一定是高举高打，从最顶上开始去做，才能把基本盘给做起来。
车路云50人：在技术层面，从模块化到端到端，以及未来可能出现的一些大的突破，会对企业过往建构的核心竞争力产生冲击吗？
黄俊：这个就回到我们前面说的，做得好的自动驾驶公司，很早就开始适应“数据驱动”，我们也很早就在不断整合各个模块，构建更大的统一模型架构，不存在说一个颠覆性的技术或产品出来，整个过程中的这些积累就没用了。
我们在做的这件事，是一个真正的工程化的东西。就好像控制AI幻觉需要用到工程化的手段，自动驾驶也是类似。所以你的解决方案不是一个简单的端到端，而是你要考虑怎么用相对大一些的模型，与传统的模块化更好地进行融合。
我们自己一直在讲，到一定程度，人类就没有办法教自动驾驶系统开车了，因为到那个时候人类不一定比自动驾驶开得更好。如果你只喂数据，喂出来的一定是一个四不像。所以你必须非常清楚怎么去喂这个数据，里边的工程化应该怎么做，每一个步骤是什么，这个“know-how”是你从最开始做自动驾驶，过程中不断积累出来的，不是一蹴而就的事情。
很多人可能觉得大模型出来，就可以直接改变历史，之前的积累都灰飞烟灭了，其实不是这样的，你前期的数据、case的积累，都是帮助你后面触达并解决深水区的corner case（长尾场景）的非常重要的点。
车路云50人：我们相信，L4车辆作为商用产品，单车应该具备自动驾驶的核心能力。同时我们也想了解，小马在做自动驾驶的过程中，有对云端和路侧的需求吗？
黄俊：当我们谈到自动驾驶，它一定是一个local（本地化）的事儿，不是一个remote（远程）的事儿，所以你的车一定要具备能力，去处理一些毫秒级时间差的场景和状况，这是基本的能力，它不应该建立在V2X或者说车路云一体化的强制的框架下面，否则你不可能宣称你是L4级别的自动驾驶车辆。
但是在这之外，（云端和路侧）还是有很多可以去帮助我们做的事。
车路云50人：是的。包括通过标准化接口，比如Uu接口（5G网络），把路侧信息推送给自动驾驶企业，减轻车端的负担，这也是公安交警、住建部门一直在考虑的事。
黄俊：如果可以的话，那车辆就能实现“超视距”了。
如果我在当前路口就能知道下一个路口是红灯还是绿灯，或者我知道前面是绿波带、潮汐车道，对于系统接下来做规划和控制肯定是更好，乘客的用车体验也会更好。
单车能探测的距离毕竟是有限的，到了更远的距离，肯定是需要联网获取更多信息，这是车路云一体化要做的第一层的事，即减少拥堵，提升效率。
第二层，是政府的监管云，这是从更大范围对交通进行统筹、调控，不仅仅局限于智能驾驶这一个环节，而是构建整个城市的智慧交通系统。
我们很清楚，自动驾驶是交通的其中一个环节。各个环节提供的信息，汇聚在一起形成整体的信息流，这无论是对于政府侧或企业端，对于各家的自动驾驶车队，还是对于其他“有人驾驶”的车辆，都会有帮助。
