在2020年的一场公开活动上，自动驾驶创业公司MoMenta创始人曹旭东被主持人发问，为什么会和WayMo这样的头部公司采取不一样的战略，曹旭东认真解释一通之后，没想到招致文远知行创始人韩旭的内涵，双方就此展开了一轮唇枪舌剑。
对于MoMenta同时兼顾L2和L4的双线作战打法，韩旭搬出了一句古话：搏二兔，不得一兔，强调有些东西需要聚焦，接着又来了一句：我们看着山顶的金子就冲上去，路边的碎银子就不捡了，于是披荆斩棘，逢山开路，遇水架桥，一路上把自动驾驶出租车队建出来了。
曹旭东听完之后心里有些不悦，回怼了一句：在中国一二线城市运营百万辆RobOTAxi（无人驾驶出租车），这件事还挺有挑战，并且强调MoMenta聚焦的是核心，而不是花里胡哨的边界。
两年前，做L2和做L4级自动驾驶的公司就像两个平行世界，你我之间，泾渭分明，甚至互相之间有些瞧不上，但现在，这种边界正在被打破，不少L4公司开始降维进入L2领域。
其中就包括对碎银不屑一顾，认为2024-2025年RobOTAxi就能满大街跑的文远知行。
今年5月，文远知行拿了博世的投资，双方将会共同开发L2-L3级自动驾驶，无独有偶，之前主要做L4级RobobUS的轻舟智航也在同期推出了价格低至1万元的高阶自动驾驶解决方案，再往前追溯，华为和百度也将L4级的技术能力降维用到了一些车企身上。
短短两年时间，降维似乎成为了自动驾驶行业的关键词，这些变化似乎都在印证华为前自动驾驶负责人苏菁的一句话：现阶段做RobOTAxi的企业都得完蛋。
从降维打击到降维求生
自动驾驶从一开始就分了两条岔路，一条是技术从低到高的循序渐进式，代表是特斯拉，一条是直接实现终极目标的一步到位式，代表是WayMo。
2016年，谷歌无人驾驶团队独立为WayMo，正式拉开了这个行业的大幕，一批互联网大厂、学界背景的华人工程师也选择下海，随后两年，小马智行、文远知行（当时名为景驰）、MoMenta、AutoX、RoadstaR.AI等公司相继成立。这些公司不约而同选择了RobOTAxi这条最难、但也是最有商业潜力的赛道。
2018年，摩根士丹利对WayMo给出了1750亿美元的估值，比上一轮暴增1000亿美元，其中RobOTAxi业务价值800亿美元，RobotRUCk价值900亿美元，软件授权业务价值70亿美元。
麦肯锡预测，仅在中国，RobOTAxi在2030年的订单金额就将达到2600亿美元，会超过自动驾驶乘用车的销售金额。
资本看到了一种可能性：自动驾驶会让司机下岗，这些手握降维打击技术的创业公司，将成长为未来的UbeR、滴滴，甚至有可能将车企变成他们的代工厂，终结卖车的商业模式，这个故事听上去比电动车取代燃油车都要性感。
在这样的预期下，2018年国内迎来了自动驾驶的投资热潮，当年全行业融资162亿，小马智行、文远知行、MoMenta、RoadstaR.AI悉数完成上亿美金融资。
然而，情况很快急转直下。
2018年末，WayMo前CEO John KRafcik在商业化试点进展缓慢时主动站出来戳泡泡，表示完全无人驾驶汽车很可能永远不会出现，也有一些L4和L5公司的工程师认为，自己做的事其实是在一个赛道上跑圈，以为解决了90%的问题，但是回头一看，还有90%没解决。
类似的表态无异于一盆冷水把资本浇了个透心凉。
在国内，受中美贸易战和资管新规影响，创业公司融资不再像之前一样唾手可得，自动驾驶行业融资额在2019年锐减三分之一，资本的脐带被剪掉之后，RobOTAxi公司不得不尝试自我造血的新途径，包括进军无人驾驶卡车、无人小巴等赛道，甚至开始尝试造车。
理论上，小的细分场景比RobOTAxi更容易实现商业化，但各自又有问题：无人小巴虽然路线固定，技术上更容易落地，但无奈市场规模太小；无人驾驶卡车规模够大，但面临的安全和法规政策问题同样严峻；造车是个好故事，但资金门槛是200亿。
一位行业人士曾如此评价，但凡有清晰的商业化路径，也不至于各条赛道乱窜。
多重制约
如果人类实现自动驾驶的过程是登山，那么RobOTAxi显然是珠穆朗玛峰，而问题在于，没人能确切地说出，RobOTAxi离峰顶还有多远。
在成立5、6年都没法实现造血之后，所有的RobOTAxi公司都会被质疑：只融资不量产，你是在创业，还是在科研？
RobOTAxi公司面临的问题在于，顶级硬件、先进算法和海量数据，三者缺一不可，有些公司只能满足一个指标，比如UbeR和滴滴，它们拥有大量的行驶数据，但维度比较单一，精度也不够。
有些公司可以满足两个指标，比如WayMo，拥有最顶级的硬件配置和算法，但搜集到的数据比较有限，截至到2021年年底，WayMo的累计行驶里程为3200万公里。
兰德公司预计，自动驾驶技术需要测试100亿英里，才能证明在安全性上超过人类。如果组建一百辆的车队，即使24小时不间断测试，也要跑差不多200年。
即便是三个条件都能同满足，也不意味万事俱备，要实现高级别自动驾驶的商业化， 不仅要依靠数据闭环，同时也要重视工程化能力，所谓的工程化能力是指硬件既要满足车规要求，比如安全性和可靠性， 同时也要满足低功耗、低成本的需要。
对于早年的RobOTAxi公司来说，想要在技术先进、成本低廉以及开发迅速三个维度上取得完美平衡是几乎不可能的。
为了获得更多维度的数据、保证行驶过程中的绝对安全并且降低人工干预的频率，RobOTAxi必须使用高性能硬件，包括大算力芯片、激光雷达、带有冗余的执行机构等等，在产业链不成熟的情况下，它们严重推高了自动驾驶系统的成本。
两年前，一辆全副武装的RobOTAxi成本通常超过100万元。在2021年，百度推出了48万元的RobOTAxi系统量产套件，同行Auto X立马怒斥，这样的车绝对不敢坐。
但更关键的问题是，政府让不让乘客坐。
如今，虽然北京、深圳、长沙等地都在名义上允许RobOTAxi的商业化运行，但都是在政府划定的示范区内试运营，需通过测试拿到牌照，车队规模受限。
2021年，Auto X为了在RobOTAxi商业运营上先声夺人，未经深圳交管局允许私自派出车队上路接客，被当地紧急叫停。
元戎启行CEO周光认为，要实现完全无人驾驶，面临着经典的鸡生蛋、蛋生鸡问题——如果想让政策放开，政府必然要掌握充分的数据报告进行评判；但如果政策不先放开，那企业在有限场地下测试到破产，也难以积累足够的数据去说服政府。
同时，RobOTAxi无法商业化则难以累积现金流，无法进一步扩大运营规模实现正向循环，即便是像WayMo这样的超级富二代也难以为继。2021年，WayMo估值一度萎缩到300亿美元，John KRafcik也黯然下课。
降维没有想象中容易
当自动驾驶的跨越派困在商业化的泥淖里时，渐进派的道路却越走越顺。
过去十年，特斯拉在全球卖出了超过300万辆车，其中绝大多数搭载了辅助驾驶系统Autopilot。通过影子模式，特斯拉收集了数十亿英里的路况和驾驶数据。
2021年，基于这些数据，特斯拉全面重构了其辅助驾驶系统的软件算法，使其在技术框架上更加面向自动驾驶，并借此推送了新的自动驾驶功能FSD beta，朝着无人驾驶更进一步。
尽管马斯克的无人驾驶承诺总是跳票，但它的确摸索出了一条拾阶而上的实现路径，很多车企也意识到他们目前最需要的并不是取代司机的L4，而是帮人开车的L2和L3，这让总想着弯道超车的自动驾驶公司不得不审视自己的战略选择，重新加入渐进式路线。
去年下半年以来，原本从事高等级自动驾驶的元戎启行和轻舟智航相继推出了低成本自动驾驶系统量产套件，两套方案的共同特点是，将RobOTAxi的技术方案降维到乘用车的辅助驾驶系统上，面向主机厂销售，实现高阶智驾能力。
车企愈演愈烈的智能驾驶竞赛驱动的硬件和软件体系变化，为他们提供了契机。
在2020年之前，由于L4和L2使用的传感器不同，比如前者会用昂贵的激光雷达，后者根本用不起，有的大众车型甚至只配一个毫米波雷达和一个摄像头，这种硬件架构上的不同导致L4的算法和L2存在非常大差异，如果彼时让做L4的公司去为车企提供L2的解决方案，意味着算法需要重写，工作量非常大。
但2020年之后，硬件价格的下降拉近了 L2和L4之间的距离。
一方面，激光雷达的性能和稳定性在不断提高，但价格从上万美元降至上千美元，在2020年的CES上，博世、华为、大疆、Velodyne以及国内许多创业公司都推出了它们的产品，有的价格低至100美元，大大加快了激光雷达前装上车的速度。
实际情况也如此，2021年之后，一大帮国产新势力都推出了带激光雷达的车型，包括售价不到20万的小鹏P5。另外，华为和极狐的深度合作说明，计算平台+L4级传感器的价格已经可以降至20万元以内。
另一方面，高算力SoC芯片的出现
