2022年以来身处低迷的美国L4级自动驾驶阵营，如今再遭重创。

10月26日，由福特和大众共计投资26亿美元、估值一度达到70亿美元的美国自动驾驶初创公司Argo AI宣告倒闭。

据美国媒体Techcrunch援引消息人士报道，在当日进行的一场全员会议上，Argo AI的员工们被告知，公司将即刻关停清算，部分员工将收到来自福特或大众的雇佣合同，而未收到新合同的员工，则将在得到解约赔偿后进入失业状态。

截至目前，Argo AI拥有近2000名员工，关停后并入大众和福特的具体人数暂未可知。

同日，福特和大众分别发表声明，证实将会吸纳Argo AI的部分团队，参与其各自ADAS智能驾驶系统的开发。

曾经承载全球两大汽车集团对自动驾驶未来期许的Argo AI，在烧光两个股东的数十亿美元之后偃旗息鼓，只留“用Robotaxi颠覆汽车行业”的伟大梦想在空气中回荡。

一

Argo AI成立于2016年11月，两名创始人Bryan Salesky和Peter Rander均出身技术背景。

2004-2011年，Salesky在卡内基梅隆大学的美国国家机器人工程中心（NREC）工作时，Rander正是他的顶头上司。

2007年，Bryan Salesky与Chris Urmson（另一家自动驾驶初创公司Aurora的创始人）共同领导的卡内基梅隆大学软件团队，在日后大名鼎鼎的DARPA无人驾驶挑战赛上赢得了城市场景冠军。

2013-2016年，Salesky在谷歌自动驾驶项目（即后来的Waymo公司）担任硬件开发总监。

Rander则于2015-2016年间效力于Uber ATG（Uber的自动驾驶部门），担任总工程师。

2016年底，当上述两名自动驾驶老兵开启联合创业之旅，并很快招揽到一支约200人的团队时，很快就吸引了急于布局自动驾驶技术的福特汽车。

那时的福特汽车，正处在巨大的竞争压力之下。

2016年3月，美国另一汽车巨头通用汽车斥资逾10亿美元完成了对自动驾驶创企Cruise的收购。这让曾经处于领先身位的福特感到又气愤又憋屈——2015年，福特几乎就要与谷歌达成自动驾驶开发合作，却因消息被提前披露而导致了谷歌的反悔。

在那个自动驾驶成为风口的年代，来自行业最领先的两家企业——Waymo和Uber的技术创始人背景，简直是“完美投资标的”的代名词。

要知道，同样出自谷歌团队的Anthony Levandowski创立的无人驾驶卡车公司Otto，仅靠着数十名员工和车库里的几辆改装卡车，就向Uber卖出了6.8亿美元的高价。

事不宜迟，福特无法承担Argo AI再被夺走的风险。2017年2月，在其仅创立3个多月之后，福特送上了一份令人无法拒绝的报价——10亿美元。

双方当时约定，福特将在5年内分步落实10亿美元资金，同时成为Argo AI的最大股东，并将当时福特内部的自动驾驶研发团队并入Argo AI。

值得提及的是，在双方的约定中，Argo AI还承诺将在2021年为福特提供能上路行驶的自动驾驶系统——这一约定成为影响今天Argo AI走向破产的因素之一。

收购后的最初几年是甜蜜的。福特虽为控股股东，但Argo AI保留了独立运营，一边扩充团队、部署测试车队，一边徜徉在人工智能前沿创新的大海中。

到了2020年6月，同样苦于寻觅优质自动驾驶技术团队的大众汽车集团，宣布向Argo AI投资26亿美元，并与福特各持Argo AI的42%股份，共同成为Argo最大股东。

其中，大众向Argo AI注入10亿美元现金，并将位于德国慕尼黑的自动驾驶研发部门作价16亿美元，并入Argo AI。

于是，Argo AI在一口气吸纳200名研发人员的同时，还在慕尼黑拥有了欧洲工程研发中心。

在宣告破产前的5年时间里，Argo AI的自动驾驶测试车队从最初的匹兹堡和迪尔伯恩，扩充到了包括迈阿密、底特律、华盛顿、奥斯汀、帕罗奥图在内的美国城市，以及德国慕尼黑。

在测试场景方面，Argo AI分别与美国网约车巨头Lyft合作测试Robotaxi，并与沃尔玛等商家合作测试无人驾驶送货服务。

然而，无论是Robotaxi还是送货服务，由于始终处于测试/试运营阶段而无法实现商业化应用，Argo AI无法从这些项目中获得稳定收入。

这也是迄今为止，将直接实现L4作为目标的自动驾驶公司的普遍状况。

虽有广阔前景和想象空间，但在商业模式跑通之前，L4自动驾驶公司只能依靠融资存活。一旦融资不畅，生存危机即刻而至。

今年7月，美国媒体曝出Argo AI裁员150人，占公司当时员工总数的6%。或已昭示了今日结局。

二

10月26日当天，福特汽车发布的公告证实了Argo AI的倒闭正是源于资金链断裂。

福特在一份总结今年第三季度财报的公告中称，福特集团Q3实现收入394亿美元，同比增10%，尽管亏损8.27亿美元，但主要原因是在该季度计入一笔来源于投资Argo AI的非现金减损，金额为27亿美元。因此，公司调整后EBIT（税息前利润）为18亿美元，高于此前9月发布的预期（14-17亿美元）。

福特还表示，公司在今年Q3做出一项战略判断：实现L4级别的智能驾驶将需要比预期更长时间，而当前用户更期盼的是L2+级智能驾驶功能。因此，福特决定不再向以研发L4为目标的Argo AI投入资金，转而将资源投入到福特公司内部研发的L2+和L3级智能驾驶系统。

对于Argo AI的命运，福特在公告中简洁地表示：“此前一段时间，Argo AI未能吸引到新的投资，针对此情况，福特集团本季度计入了因Argo AI产生的27亿美元非现金减损。”

曾经斥巨资追逐的明星创企，此刻化作财务报表中的一笔坏账，就此勾销。

福特汽车CEO吉姆·法利对此解释道：“2017年当我们投资Argo AI时，公司的预期是在2021年将L4级自动驾驶汽车推向市场。但如今情况发生了变化……”

法利的话锋一转，随机展望道：“如今福特面对巨大的机遇，有望将现代生活中最具价值的商品——时间——交给使用福特汽车的用户……要实现这一目标，福特的当务之急是研发出具有差异性的L2+级智能驾驶功能。”

虽然法利补充说，对最终实现L4仍感到乐观，但他作为公司CEO做出的决策，才是他真实想法的写照。

同日，大众集团也在官网上发布了有关Argo AI的公告，要点如下：

在当前这个时间节点，福特与大众同时针对智能驾驶做出以上相似的表态，可看出是酝酿已久的一步。

公平地说，福特和大众做出了正确的决定——抛弃以L4为商业目标的“不良资产”，全力吸纳Argo AI的优秀人才和技术成果，加快推出更具竞争力的ADAS产品。

但苛刻地说，福特和大众们的转身还是太过缓慢了。

2015年，当福特开始布局自动驾驶技术之时，特斯拉仍在基于Mobileye的黑盒打造产品，中国的“蔚小理”们成立不久，距推出首款整车产品还有3-4年时间。

7年后的今天，非但福特销售给用户的汽车产品不具备堪与以上几家对比的智能驾驶能力，甚至在其公司内部，还没有建立起全栈自研智能驾驶的能力。

圄于认知和组织，福特们在这7年里损失的不仅是巨额投资，更是时间——原本足够他们依靠巨大的资金、资源优势抢占领先地位的时间。

三

关于如何实现自动驾驶，直接做L4与“渐进式”两种路线之争，在过去2年里变得不那么激烈了。

越来越多的L4公司，已经或转移、或扩展到了L2领域，开始为量产车打造辅助驾驶系统。

在美国，典型代表是Cruise。随着前CEO Dan Ammann在2021年底离职，Cruise的核心目标从实现Robotaxi商业化运营，变成了为通用汽车打造Ultra Cruise智驾系统。

在中国，百度Apollo一方面推出ANP系统向车企输出能力，另一方面通过集度汽车直接进入造车领域。

之所以出现这样的现象，是L4公司在技术、商业模式、法规标准、供应链等方面遇到的困难决定的。

技术上看，L4公司多为在AI领域拥有多年积累的科技企业，其面向Robotaxi车队研发的自动驾驶系统处于技术发展曲线的最上端，需解决的往往是最后1%的corner case，难度远大于旨在缓解司机疲劳、提升安全性的辅助驾驶系统。

商业模式方面，只有在实现车端无人、且面对任何corner case时都有安全解决方案（包括通过远程代驾）时，Robotaxi才能进入真正意义上的商业运营，从而比人类司机驾驶的出租车更有成本优势。而在相对面，量产车销售带来的持续收入，更能保障持续高昂的研发投入。

法规标准方面，L2级辅助驾驶，包括能够实现door-to-door的全场景NOA辅助驾驶系统，其驾驶责任主体是人类司机；而L4级Robotaxi的驾驶责任主体是车辆（自动驾驶企业），因此决定了L4公司在短期内无法大规模泛化推广。

供应链方面的差异源于规模。以激光雷达为例：理想L9、蔚来ET5等标配激光雷达的车型，能够实现单车型单月使用10,000台以上激光雷达，从而将单台激光雷达成本降至1000美元以内。而直到2021年，在L4的世界里广泛使用的仍是机械旋转式激光雷达——全球每年出货量不足万台，单台价格仍超过1万美元。

相比量产车ADAS市场，L4公司在以上四个方面处于明显劣势，结果便是ADAS市场必然在商业化和规模上率先爆发。

规模和现金流带来的优势是巨大的。

智能驾驶的产业特性，决定了这是一个数据为王的产业。

观察2021年至今的特斯拉AI DAY、小鹏科技日、毫末AI DAY以及蔚来、理想汽车在智能驾驶领域的分享，可以得出的粗略结论是：在软件算法层面，各个玩家的方向是趋于一致的。

过去在媒体层面讨论颇丰的“纯视觉与融合感知路线之争”，如今看来同样已不存在本质的区别——通过引入Occupancy Network神经网络，特斯拉实现了其他厂商运用激光雷达实现的感知结果。

而大模型、自动标注、高效运算、仿真、数据引擎，正在成为各个玩家都在拥抱的共识。

在各家软件趋同、数据闭环搭建完成的阶段，车队规模带来的数据规模，以及充足的超算基础设施资源、高效的超算训练，将成为决定自动驾驶系统进化速度的核心因素。

这便是为何，在当前阶段，每一个拥有自动驾驶野心的车企都要竭尽全力提升销量、占据市场份额。

与量产车玩家相比，L4公司需要补足的劣势主要在于数据来源（车队规模）和资金来源（持续的研发投入、超算等基础设施投入）。

在当前局面下，将L4研发中积累的技术能力应用于可在量产车上搭载的ADAS系统，同时迭代自身产品、融入由量产车市场带动的芯片、Lidar等硬件供应链体系，是L4公司的识时务之举。

总结

自动驾驶的路线之争可以休矣。

可以预见的是，无论是百度Apollo、Waymo们限于物理围栏内的无人驾驶出租车，还是特斯拉、蔚小理们的不受围栏限制但却需要人工接管的量产车，其实现L4级自动驾驶的过程都将是渐进式的——无论是物理范围层面的渐进，还是能力层面的渐进。

人工智能的一个优点是，其进步是呈指数级加速的——前提是投喂以足量、正确标注的数据，和部署足够的运算能力。

就目前已知信息，要实现自动驾驶，应围绕上述两点原则，尽可能加速系统的迭代。