自动驾驶产业链深度解构:分工起源、边界侵蚀与价值再分配

第一部分：核心问题清单——我们需要思考什么

1. 为什么自动驾驶产业链中会出现分工？每一块市场的参与者为什么又开始相互进攻对方的领域以拓展业务？

2. 各家公司所做的产品、业务有什么不同？怎么去实现自己的差异化价值？

3. 各家公司怎么去打破彼此的护城河？怎么建立自己的壁垒？

4. 技术复用的可能性、优势、边际成本迁移能力以及平台能力边界在哪里？

5. 合作还是竞争？应该考量什么因素？

6. 谁的模式更优？哪一家公司在特定细分领域具备优势？

7. 从技术、应用范围、市场份额、竞争、投入资本、回报、产品、生态、技术复用、边际成本、商业模式、利润率等维度来看，各家公司区别又是什么？

8. 各家公司在拓展业务边界时对其他公司的挤压效应如何？

9. 地平线的竞争优劣势是什么？

更细节的问题：

1. 自动驾驶产业链的分工逻辑是否正在被“端到端大模型”这一技术范式所重塑？如果是，谁受益、谁受损？

2. 当算法从“规则驱动”转向“数据驱动”，产业链的权力中心在如何转移？从芯片层向数据层？还是从硬件层向软件层？

3. 芯片趋同与算法发散的矛盾，最终会如何收敛？谁最有可能成为收敛后的赢家？

4. 车企自研的边界在哪里？是“全栈自研”还是“关键节点自控”？这个边界如何影响第三方供应商的生存空间？

5. 纯算法公司（Momenta）与“芯片+算法”公司（地平线、华为）的竞争，长期看谁更具优势？算法粘性低、芯片粘性高这一结构性差异如何演化？

6. 技术复用的极限在哪里？从汽车到机器人的迁移，哪些能力可以直接复用，哪些需要重新构建？

7. 平台模式在自动驾驶领域能否成立？如果能，平台的核心价值单元是什么——芯片架构、操作系统、数据生态还是工具链？

8. 在智驾平权的趋势下，高端芯片的市场空间是被压缩还是被重新定义？低端放量对产业链各环节的利润结构产生什么影响？

9. 线控底盘的国产替代正在加速，这对整个自动驾驶产业链的权力结构意味着什么？

10. L4级Robotaxi的商业化时间表，是产业链价值释放的最大变量——如果L4延迟，谁受损最大？如果L4加速，谁受益最大？

第二部分：为什么产业分工？

自动驾驶产业链的分工，是技术复杂度、安全等级、商业利益三重力量共同塑造的结构性结果。

2.1 技术复杂度决定了分工的必然性

自动驾驶是很复杂的系统工程之一。它需要同时解决感知（看得见）、决策（想得清）、执行（做得到）三个核心问题，每一个问题又涉及硬件、软件、算法、数据、测试验证等多个子领域。

没有任何一家公司能够在所有环节都做到世界级水平。

芯片设计需要数十年的半导体工程积累，算法训练需要海量数据和顶级AI人才，传感器制造需要精密光学和电子工艺，整车集成需要对汽车工程的深刻理解。

这些能力之间的知识壁垒极高，跨领域整合的难度呈指数级上升。

这就是为什么产业链最初呈现出高度碎片化的状态——每家公司都在自己最擅长的领域深耕。

从技术演进的视角看，自动驾驶的技术栈经历了三个阶段的演变。

2016年以前是规则驱动时代，感知、决策、控制各自独立，每个模块都有专门的供应商，Mobileye提供视觉感知芯片和算法，博世提供执行系统，车企做集成。

2020年前后进入端到端萌芽期，特斯拉引入BEV+Transformer，开始将感知和决策融合到同一个神经网络中，产业链开始出现整合趋势。

2023年以后进入VLA时代，视觉、语言、动作深度融合，模型开始具备对物理世界的理解能力，产业链的权力中心从硬件层向算法和数据层迁移。

2.2 安全等级创造了进入壁垒

汽车行业的安全标准——ISO 26262功能安全认证、AEC-Q100车规可靠性测试——不是任何公司都能快速通过的。

这些认证需要数年时间和数千万美元的投入。这种时间壁垒，天然地将产业链切分为“能通过认证的”和“不能通过认证的”两类玩家。

更重要的是，不同层级的安全责任不同。

一颗芯片失效可能导致车辆失控，责任在芯片供应商；

一套算法决策失误可能导致事故，责任在车企或算法供应商。

这种责任分担机制，使得产业链的每一层都需要独立的供应商来承担对应的安全责任。车企不可能也不愿意将所有环节的安全责任都扛在自己身上。

2.3 商业利益的分层结构

不同层级的利润率差异巨大。

芯片层——英伟达汽车芯片毛利率超过百分之六十，是产业链中利润最丰厚的环节。

算法层——毛利率高度取决于标准化程度，纯项目制的算法公司毛利率远低于拥有平台化方案的玩家。

方案集成层——域控集成毛利率通常在百分之二十至三十，是最薄的环节。

整车层——车企毛利率通常在百分之十五至二十五，但拥有最终客户关系和品牌溢价。

这种利润分层结构，决定了每家公司都有动力守住自己最赚钱的环节，同时向更赚钱的相邻环节渗透。

第三部分：为什么开始相互进攻？边界侵蚀的驱动力

产业链的碎片化格局正在被三重力量打破。每一家公司都在向相邻环节渗透，因为渗透的潜在收益远大于守成的回报。

3.1 技术范式的根本转移

从规则驱动到端到端数据驱动的范式转移，是产业链整合的第一驱动力。在规则驱动时代，感知、规划、控制是独立的模块，每个模块都可以由不同的供应商提供。

但在端到端时代，一个统一的神经网络直接从传感器数据输出控制指令，模块之间的边界消失了。

这种技术范式的变化，要求芯片、算法、数据必须在同一个系统中协同优化——这正是地平线从芯片向上延伸到HSD全栈方案的根本逻辑，也是特斯拉坚持软硬件全部自研的技术基础。

更根本的是，VLA架构正在将自动驾驶从一个“工程问题”转变为一个“AI基础设施问题”。

当模型开始具备对物理世界的理解能力，竞争的焦点从“谁有更好的规则代码”转向“谁有更大的模型、更多的数据、更强的算力”。

这种竞争逻辑，天然偏向于垂直整合——因为数据、算法、芯片之间的紧密耦合，比松散的供应链协作更能发挥系统效率。

3.2 利润池的重新分配

智驾平权正在改变整个产业链的利润结构。

当高速NOA功能下沉到十万元级别车型，硬件的利润空间被极大压缩，软件和服务的价值占比在上升。

车企开始意识到，如果继续依赖外部供应商，自己将彻底沦为“铁壳搬运工”——赚最辛苦的钱，而利润的大头被电池和智驾方案公司拿走。

这就是为什么车企纷纷自研芯片、算法、三电的根本动因。

比亚迪璇玑A3、蔚来神玑、小鹏图灵——这些自研芯片的宣布，不是为了“替代供应商”，而是为了在利润分配中获得更强的议价权。

这是一种“威胁式自研”——即便自研芯片本身不赚钱，它也能让车企在与供应商的谈判中拥有“我随时可以自己来”的筹码。

同样，芯片公司向下游延伸，是因为看到了算法层的利润空间。

地平线的IP授权业务毛利率超过百分之九十，是比卖芯片更赚钱的生意。算法公司向上下游延伸，是因为看到了Robotaxi运营的长期价值——文远知行和小马智行从L4方案输出延伸到Robotaxi运营，本质上是想捕获“出行服务”而非“技术授权”的利润。

3.3 规模效应的重新定义

在智驾平权的浪潮下，规模效应的定义正在发生变化。

过去的规模效应主要体现在芯片制造端——出货量越大，单位成本越低。但现在，规模效应越来越多地体现在数据端——装车量越多，数据飞轮越快，算法迭代越强，体验越好，装车量更多。

这种“数据驱动的规模效应”，对产业链结构产生了深远影响。

车企自研算法，是因为拥有自有车队的数据闭环——比亚迪年销四百万辆，每一辆车都在为它的算法提供训练数据。

第三方算法公司面临的挑战是：数据不掌握在自己手里，而在车企手里。如果车企拒绝分享数据或限制数据使用，第三方算法公司的数据飞轮就会减速。

这就解释了为什么地平线的IP授权模式具有战略价值。

当车企基于地平线BPU架构自研芯片时，虽然芯片销售收入可能下降，但地平线通过IP授权费和版税持续获得收入。

更重要的是，只要底层是BPU架构，上层的软件生态就会被锁定——后续的HSD方案和咖咖虾智能体OS的适配成本更低，迁移成本更高。

第四部分：差异化价值、护城河与壁垒攻防

4.1 各家的差异化价值

地平线的差异化价值在于“开放平台加软硬协同”。

它不造车，不做全栈绑定，车企可以选择自研部分算法、可以选择将数据留在自己手里。

这种灵活性是华为全栈模式和英伟达封闭生态目前是不可能提供的。同时，其BPU架构和HSD方案的深度耦合，在端侧效率上建立了难以复制的竞争优势。

Momenta的差异化价值在于“算法先发积累的数据飞轮”。它是国内最早一批量产高阶智驾方案的第三方供应商，已经积累了大量真实路测数据和工程化经验。

这种先发优势在短期内难以被追平。但它的短板是——算法粘性远低于芯片粘性。

车企可以相对容易地更换算法供应商，而更换芯片则是伤筋动骨。

华为的差异化价值在于“全栈能力的极致集成”。从昇腾芯片到ADS算法到鸿蒙操作系统，华为是国内唯一一家同时覆盖芯片、算法、操作系统和云端训练的本土企业。

这种全栈集成带来的系统级优化优势是其他玩家短期内无法复制的。但它的软肋在于车企的“灵魂焦虑”——全栈模式让车企感到被深度绑定。

英伟达的差异化价值在于“算力巅峰加CUDA生态”。任何在AI领域工作的开发者都无法绕开CUDA，这种生态锁定效应是其最坚固的护城河。

但在汽车领域，它的产品功耗高、成本高、定制化程度低，对于追求性价比的中端市场并非最优选择。

4.2 护城河的构建与侵蚀

地平线的客户锁定护城河较为坚固。车企基于征程平台完成车型开发后，切换供应商意味着软件栈重写、测试验证重做、车型上市延迟——这种转换成本是任何竞争对手都无法用价格战轻易攻破的。

英伟达的生态锁定护城河最为宽广。CUDA的数百万开发者构成了庞大的生态壁垒，后来者不是在与英伟达一家公司竞争，而是在与整个CUDA生态竞争。

Momenta的先发优势护城河存在时间窗口。随着其他算法公司的追赶、车企自研算法的成熟、以及地平线HSD的快速迭代，Momenta的先发优势正在被削弱。

华为的全栈能力护城河受到“信任赤字”的侵蚀。车企对“灵魂丧失”的恐惧，是华为无法用技术参数来解决的。其技术也正在被快速追上。

4.3 技术复用的可能性与平台边界

从汽车到机器人的技术迁移，是自动驾驶产业链最具想象空间的增长逻辑。但技术复用不是无条件的。

高复用性能力包括芯片架构（BPU架构的端侧AI计算能力可以直接用于机器人场景）、感知算法（对物理世界的理解能力是跨场景通用的）、工具链（编译器、仿真环境等可以跨领域复用）。

需要重新构建的能力包括运动控制（机器人的关节控制与汽车的转向制动控制逻辑完全不同）、安全认证体系（机器人的安全标准与汽车的功能安全标准是不同的体系）、应用场景的深度适配（每个机器人场景都需要专门的优化和数据积累）。

平台能力的边界在于标准化与定制化之间的平衡。

如果平台过于通用，在每个具体场景中都打不过专用方案。如果平台过于定制，则无法实现跨场景的规模效应。地平线的挑战，就是在这个平衡木上找到最优解。

4.4Momenta与地平线——两种模式的全面对比（特别插入这样一章，很多人关心 momenta 上市是不是跟地平线有竞争，没上市也是在抢地盘，现在上市了可能抢的更厉害，但是 hsd 抢占算法怕是更大成功概率吧。暂且用招股书数据看看这两个公司业务商业模式的区别，浅谈）

第五部分：竞争还是合作？结构性分析

在自动驾驶产业链中，竞争与合作并非二选一，而是在不同层级、不同时点、不同对象之间动态切换。

5.1 芯片层的竞合逻辑

芯片层天然是竞争主导的，因为芯片的规模效应决定了这是一个赢家通吃的市场。但在特定条件下，合作比竞争更优。

当车企自研芯片时，地平线选择“帮车企自研”——提供BPU架构的IP授权，收取授权费和版税。

这是一种“打不过就加入”的策略。与其被动地被替代，不如主动成为车企自研芯片的技术底座。

当车企自研成功后，地平线从“芯片销售方”升级为“IP授权方”——收入结构变了，但客户绑定更深了。

5.2 算法层的竞合逻辑

算法层的合作空间远大于芯片层。

车企可以同时采购Momenta的感知算法和地平线的规划算法，甚至可以自研一部分、外采一部分。

算法的模块化特性，使得多家供应商可以在同一辆车的不同功能模块上共存。

但算法的模块化也意味着切换成本低、粘性弱。

算法公司要建立护城河，必须从“提供算法”升级为“提供平台”——让车企不是基于你的算法开发，而是在你的平台上开发。

5.3 整车层的竞合逻辑

车企与供应商的关系正在从“买卖关系”向“共生关系”演化。

过去，车企是甲方，供应商是乙方，双方是单纯的一买一卖。

现在，地平线与大众的酷睿程合资公司、与吉利的智驾新程合资公司，是双方共同投入、共同开发、共享收益的共生模式。

这种模式下，供应商不再是“随时可以被替换的选项”，而是“共同定义下一代架构的伙伴”。

第六部分：综合判断——谁的模式更优？

基于以上的分析，可以对各参与者的综合竞争力做出结构性判断。

英伟达在高端市场拥有最强的盈利能力和最宽的护城河，是当前最大的确定性赢家。但它在性价比市场的覆盖是薄弱的，且对中国市场的供应链存在地缘政治风险。

地平线在“开放平台加软硬协同”赛道上拥有独特的卡位优势。它既不是英伟达（封闭但强大），也不是华为（全栈但引发焦虑），而是第三条路——既拥有全栈技术能力，又不被视为竞争威胁。它的客户锁定壁垒、多层次盈利模式和全球化的合资模式，是其长期竞争力的核心支撑。但它面临高端市场突破缓慢、芯片趋同风险和技术范式颠覆三重挑战。

华为在“全栈集成”赛道上拥有最强的系统级能力，是自主品牌高端车型的首选方案商。但它对车企“灵魂”的侵蚀，是其无法克服的信任赤字。

Momenta在“第三方算法”赛道上拥有先发优势，但算法粘性弱、切换成本低、车企自研趋势三重压力下，其护城河正在变浅或者说容易被攻破。

车企自研在“垂直整合”赛道上拥有数据闭环的完整性优势，但自研的经济账只对年销百万辆以上的头部车企成立。对于绝大多数车企而言，自研芯片是“反降本”的。