浅析智驾产业合作模式：不同技术背景的整车厂和供应链

整车厂和供应链

在智驾产业发展的过程中，不同的整车厂在具体与上游的合作模式上有着很大的区别，同一车厂发展的不同阶段与上游的合作模式也有很大的区别。此外对于上游产业链来说，不同研发实力的企业与下游车厂的合作模式也有很大的区别。清楚的了解这些差异形成背后的原因及现状是理解智驾行业必不可少的一部分，所以本文将着重对上述内容进行梳理和讲解。为了理解方便，本文把产业链划分为两部分：整车厂和供应商。

整车厂群体内部不同的合作模式

就整车厂群体内部来说，大致可分为三种类型，不同类型对应着不同的合作模式。

首先是技术领先者，以特斯拉、小鹏、理想和一些研发实力较强的整车厂为主。这些企业顾名思义，因为其技术领先，所以能引领技术的发展方向和新的功能定义。产业链对其而言更多是供应链的角色，配合其需求进行相应满足，供应商话语权较弱。

第二种是技术追随者，这部分车企数量最多，包括长城、长安、吉利以及其他一些传统车企。这些车企最大的特点就是有一定的研发实力，但还做不到技术的领先性，对于新的功能和技术更多是采用模仿和跟随的方案，模仿和跟随的对象就是上述的技术领先者。

这类型车企与产业链的合作模式因人而异，取决于自身的实力和供应商的实力。

如果自身实力较强，那么供应商就更多是配合和供应的角色，与技术领先者和供应商合作模式类似，但具体程度较弱，因为这类车厂在新的技术和功能定义权较弱，不过不排除通过自身努力挤入头部行列。

如果自身实力较弱，那么更多的主导权在于供应商，虽然整车厂此时还居于主导地位，但更多的是表面，实际的产品研发和功能定义以及产品选型决定权在供应商手中。整车厂的目标更多是结果论，也即在车型上拥有和头部企业一样和类似的功能即可，具体过程则由供应商决定。

在这个过程中不排除整车厂会学习供应商，采取一边合作一边自研的模式，也即供应商赋能整车厂，大白话就是技术换市场。对于供应商来说，其并不是很担心技术被整车厂学过去，因为对于供应商来说，技术最大的竞争对手是头部整车厂和竟对，而不是这些学习技术的整车厂，他们最多是学习到已有的技术，而未来技术的核心驱动力还是在自己手上，自己不仅可以通过赋能整车厂换取市场份额，而且还可以借这个机会向外发出信号，证明自己的实力，吸引其他整车厂和自己合作。

第三种就是“造车厂”型车企，此类车厂话语权较弱，整体的功能定义和产品选型完全由供应商决定，整车厂更多是一个造车厂的角色。

上文将整车厂划分为三个群体，对各自的合作模式进行了描述。不过也要看到，对于同一车厂来说，其发展的不同阶段合作模式也会有所差异。下文将对技术领先者和技术追随者不同阶段的合作模式分别进行解读。

同一车企不同发展阶段的合作模式

技术领先者：在行业发展初期，通过自己摸索和产业合作，积极探索未来的技术发展方向。此类整车厂会针对产业链的核心环节进行自研，因为全栈自研不仅面临短期难以上车的问题，而且还存在研发成本沉默化，以及研发失败的可能。

此类车企一般选择从上层应用算法入手，因为上层应用算法往往决定智驾功能的独特性，而这可以很好的构建自身的宣传渠道和话语体系，并且相较硬件来说，算法自研的成本相对较低，因为可以采取外部招人的方式。通过先吸引核心人才，然后该人才带团队整体入职的方式快速的就建立起算法研发体系。

在掌握了上层算法的研发能力之后，整车厂在产业链的话语权就会产生质变。此时的话语权相较采购主导所产生的话语权性质完全不一样。后者更多是在需求提出、价格设定以及供应商选择上发挥作用，而前者的话语权不仅包括这些，还拥有功能定义和技术理解以及产业配套要求的能力。

随着对上层应用算法掌握程度不断加深，整车厂会寻求更优的整体性能和更高的性价比。具体来说，算法突破的边际收益和成本是不同步的，随着算法边际效益逐渐收窄，厂商会将算法投入的一部分往产业上游转移，通过对上游环节更好的掌控以提升其与自家算法的适配性和运行效率，从而提升整体智驾的性能。

另一方面成本因素也是驱动此类整车厂往上游发展的重要因素，这里的成本压缩不仅包括采购变自研而导致的成本下降，还有一个重要原因就是单位应用成本的下降，因为适配性更好，所以对性能的应用效率更高，从而不需要太高的纸面性能，进而压缩成本。

需要注意的是，这里提的算法边际效益收窄，厂商会将算法投入的一部分往产业上游转移，并不是指厂商对算法就不重视了，不继续投入了，更多的是指在算法积累到一定程度后，车企会寻求对整体产业链的掌握，而不单单只局限据算法本身。就算法本身来说，车企依然会保持投入，并且在算法技术升级迭代不断加速的情况下，投入更是积极。

技术追随者：对于研发实力较弱的整车厂，因为其更多是行业追随者的角色，其对智驾的理解主要是基于技术领先者的进展。比如说技术领先者目前的车配备了高速NOA功能，对于此类整车厂来说，要做的事就是去模仿，由于自身不知道如何落地高速NOA功能，所以就会去寻求与有落地高速NOA功能能力的供应商合作。具体功能如何实现，该采用那些配置，不同方案的优劣，如何最大化硬件效率，这些对于整车厂来说都是盲区。

换句话说，因为其是看到了技术领先者在汽车上搭载了高速NOA功能，而这一功能又被该车企在宣传口径上广泛宣传，被消费者得知，形成购车决策影响因素之一，自然此时自家领导就要给智驾部门压力，要求其配备相应能力，但具体落地的能力掌握在供应商身上，所以即使整车厂具有明面上的话语权，但真正居主导地位的其实是具有落地能力的供应商。

当技术领先者开始配置新的智驾功能时，一个新的循环就又开始了。对于野心勃勃的技术追随者来说，这样的局面自然是不愿意看到的，所以其不仅引进外部供应商，还试图通过外部供应商赋能以获得自研能力。但是要看到，这其中是有一条非常坎坷的路要走。

技术领先者一开始就对智驾投入颇多，无论是精力还是资源，所以其对算法掌握要远优于技术追随者，因为后者更多是工程师思维，或者说硬件研发主导，对于软件的重视度有限。

这样的思维主要是因为传统的燃油车制造以硬件为主，软件功能有限，这样的特性必然要求车企重视硬件忽视软件。而智驾却恰恰相反，智驾很大程度是软件定义汽车，对硬件的应用也很多，但这里的硬件主要是芯片，这显然超出了传统车企的能力圈。所以传统车企就会面临硬件不会造，软件不理解，也比不过的状态，自然就会导致智驾能力的落后。

对于传统车企来说，其研发投入的资源和决心并不差，造车能力和学习能力也不差，但为什么就是智驾做不好呢？

除了上述说的硬件不会造，软件不理解之外，还有很重要的就是思维的限制，组织架构的臃肿和庞杂。此前就有媒体报道，有的车企外部引进智驾团队，结果却发生与原有研究院老人的冲突，这里的冲突主要就是对软件和硬件的认识不一致，导致实际进度缓慢。

不少从业者透露，无论是人员薪酬结构，还是组织文化、公司氛围，一些主机厂都有自身固有的问题，主要就是主机厂内部路线不一、软硬件团队持续斗争，智能化派系林立、山头众多，由此衍生面临的问题已然超越技术，成为组织层面的问题，这些问题极大的影响了车企智驾进展的节奏和速度。

这一局面也获得越来越多的重视，因为汽车市场的竞争越来越激烈，车企不改变，就要被淘汰，团队思想不改变，团队就要被更迭。智驾功能对消费者购车决策的影响程度不断上升，智驾功能的优劣直接影响汽车销量，使得车企最高层越来越重视智驾功能的研发和落地。在具体策略上，此类车企会选择多条腿走路，也即将旗下多款车型分别进行研发突破。一部分交给优秀的第三方供应商负责，一部分自研，一部分交给另外的第三方团队，用结果说话。比如长城，通过将核心算法能力依托于独立的第三方供应商，减少了因内部认知不一导致的摩擦成本，极大程度的提高了智驾研发和量产的效率。