自动驾驶是场马拉松，坚持到最后才能赢。

又一家自动驾驶公司获得融资！

日前，L4级Robotaxi公司领骏科技宣布获得数千万元新一轮融资，天眼查工商信息显示，该笔投资由货运界“滴滴”——美股上市公司满帮集团领投，老股东臻忻资本跟投。

领骏科技虽然此前并不知名，但从包括这次在内的近几次自动驾驶融资消息可以看出，各类投资人越来越青睐具有后发优势的潜力公司。

这一现象不难理解。经过数年的发展，头部玩家达到估值高点后面临三大困境：美股上市路径不顺畅；技术上没有与后方的选手拉开明显差距，实现无人驾驶仍然遥遥无期；缺乏造血能力，公司时刻面临断粮风险…

简言之就是行业进入了漫长且痛苦的马拉松阶段，各路投资人自然就愈发看中那些看似跑的慢一些、但却拥有不错的团队和技术能力的后来者了。

用领骏科技创始人&CEO杨文利的话来说就是，“别人花几十亿实现的效果（Robotaxi），我们花几千万就做到了。”

领骏科技CEO杨文利

话虽不长，但字里行间无不透露着他对自家技术的自信，同时又体现出了领骏科技对自动驾驶创业有着不一样的理解与打法。在与杨文利以及领骏科技COO庞东君进行了数小时的交流之后，车东西得以向大家展示出领骏科技这支老炮创业团队的更多信息，并深入解读这种“慢速”发展模式。

01.自动驾驶的竞争在2025年之后

领骏科技成立于2016年。按时间来说完全属于行业第一批创业公司，但在过去这6年里却显得异常低调，甚至有些边缘。

“表面上看我们拿钱少团队小，但其实是有意放缓了发展速度。”提及发展问题，杨文利向车东西解释道，“我们是主动在控制发展速度。”

领骏科技的自动驾驶测试车

这与杨文利和创始团队对行业发展的研判直接有关。在他们看来，自动驾驶行业发展分为四个时期：

1、核心供应链成熟期

时间范围在2013~2020年。这一阶段自动驾驶核心供应链尚未成熟且成本昂贵，各家公司的主要工作是打磨技术并进行量产配套的尝试。

2、小规模商业化落地期

时间范围在2021~2025年。这一阶段随着示范城市的增加，像无人小巴、智能网联公交车、支线无人物流车等技术产品可以小规模应用落地，企业能够获得一定的收入。

3、市场规模扩大期

时间范围在2026~2030年。这一阶段随着技术愈发成熟，监管法规进一步开放，自动驾驶技术开始在越来越多的场景和范围落地，各家激烈竞争，行业格局开始重塑。

4、国际化扩张期

时间范围在2030年之后。这一阶段随着国内的竞争趋近结束，格局基本稳定。各玩家需要开拓国际市场来进一步发展，同时需要精细化运营好一家大型科技公司。

这样的行业认知指导了领骏科技的发展思路和节奏。

比如第一阶段行业普遍面临着线控底盘缺乏，激光雷达不好使的问题。这时候显然不适合大规模扩张，如果招了很多人花大力气去解决这些零部件问题，到第二阶段会发现供应商已经把上述问题都解决了，相当于此前做了无用功。

又比如第二阶段，在技术还不够成熟的时候也不适合大规模扩张。

“这个阶段如果搞了数百甚至数千台测试车在全国各地跑，一旦技术架构有变化或大的升级，现有的车队就变成了无效资产，很难处理。”杨文利说道。

这一现象在国内外都有明显案例。比如Waymo今年就发布第五代的Robotaxi，在车辆本体和传感器、计算平台上都有了升级，而老车型却并不能直接升级到第五代，需要逐步替换车队。

此外，自动驾驶行业目前才刚刚进入第二阶段，整体营收能力并不算强，都得靠融资输血。

“规模大估值高就会导致后续越来越难融资，最后就是不得不裁员或是破产。”杨文利向车东西分析道，“但小而美的团队在第二阶段就能实现盈亏平衡，保证自己活到下一阶段。”

02.从“百度自动驾驶20人”开始

2015年某天，一辆橙、白色涂装，车顶顶着一个“大花盆”的宝马3系GT驶上了北京G7高速，然后转入五环，转了一圈后回到了西二旗百度总部。

这台宝马车就是国内商业自动驾驶研发的起点。它由百度一支20多人的团队和宝马团队联手打造。过去的五六年里，这20多人陆续离开百度，创建了多家自动驾驶公司，撑起了国内自动驾驶行业的半壁江山。

杨文利就是这20人之一，是一位不折不扣的自动驾驶老炮。

他在清华大学自动化系完成了本科和硕士学习，随后又拿到美国宾夕法尼亚州立大学的博士学位，然后到西部数据工作，担任过首席架构师。

回国后杨文利加入了百度旗下当时最前沿的深度学习研究院，并且参与创建了百度早期的自动驾驶团队。

2016年，杨文利和自己的清华校友严晗、何家瑞一起创建了领骏科技，研发目标锁定在了最难的L4级Robotaxi方向。

严晗拥有清华自动化系博士学位，在领骏科技担任资深地图及仿真研发副总裁。系连续成功创业者，毕业后参与的首家创业公司已经实现上市，在加入领骏科技之前二次联合创业的公司则被奇虎360收购并出任AI高级研发工程师，负责操作系统模拟器、网络安全、模式识别等领域的基础技术研发工作。

何家瑞是清华自动化系的硕士，此前是百度自动驾驶事业部高级研发工程师，目前担任领骏科技资深决策规划研发副总裁。

拥有东京大学博士学位，前灵鹿科技创始合伙人、CTO司若辰则担任领骏科技的资深感知系统研发副总裁 。

此外，领骏科技还有邓海清、庞东君两位合伙人，分别担任CFO和COO角色。邓海清是人民银行的博士后，目前是赣州银行的独立董事，也是人大、北师大等多座高校的客座教授，拥有丰富的金融经验。

领骏科技COO庞东君

庞东君在自动驾驶行业工作多年。其先后在踏歌智行、易控智驾负责商务和大客户业务，随后又参与创办于万智驾任商务副总裁，拥有丰富的技术应用落地经验。

从核心成员的背景可以看出，领骏科技在拥有极强的技术能力的同时，还着重引入了财务和技术落地方面的专业人才，搭建出了一个优势互补的完善团队。

优质团队自然也受到了资方的持续追捧。2017年和2021年，其先后拿到了武岳峰、九合、信天的天使轮投资和臻忻资本的Pre-A轮融资。此外，国内知名AI芯片公司地平线、赣州发投等企业和机构也是其投资方。

另外需要注意，领骏科技成立的这6年正是全球自动驾驶行业最热闹的时间——创业浪潮此起彼伏，大额融资不断。过去2000多天里不断有各类同行、车企和出行公司向领骏科技或是团队成员抛出橄榄枝——希望收购或是挖走其技术专家。

但其核心团队完全不为短期的利益所动，坚定发展方向，至今无一人离职，背后正是清晰的行业判断和坚韧的战略定力在发挥作用。

03.Robotaxi搞定城市场景  Robobus常态化营运

技术研发方面，领骏科技的发展策略是“摘取珍珠，降维商用”。

在杨文利和领骏科技团队看来，城市场景的无人驾驶（即Robotaxi）技术就是行业皇冠上的珍珠，因此公司从第一天开始，就锁定这个方向前进，希望最终能摘下珍珠。

但因为Robotaxi技术难度最高，且还需要很长时间才能实现，因此在研发过程中，还需要将技术降维应用在具体场景中。一来通过商业化挣钱养活团队，二来还能收集数据促进Robotaxi技术迭代。

秉承这种发展思路，领骏科技选定了Robobus自动驾驶巴士和城市支线物流两大场景进行降维应用。

巴士和支线物流车行驶场景与Robotaxi一模一样，但这两者的行驶速度却比较慢，且多为固定路线，因此非常适合基于Robotaxi技术打造产品，落地商用。

领骏科技COO庞东君告诉车东西，其目前已经打造了两款Robobus，分别是针对园区的无人小巴和长度达到5.9米的智能网联公交车，且两者都已在江西赣州经济开发区的新能源汽车科技城内开启常态落地运营。

领骏科技的自动驾驶小巴

无人小巴为低速行驶车辆，车内没有方向盘和操作踏板，主要在半封闭场景运营。智能网联公交车则沿着机场、火车站和经济开发区管委会之间的固定路线行驶。

在运营期间，其无人小巴最长有过3个白班没有出现过任何接管。其每个白班的工作时间为8个小时，运营里程在150公里左右，换句话说就在城市场景内24小时行驶了450公里无任何接管，可见其自动驾驶技术已达到较高成熟度。

值得一提的是，领骏科技采用的是抱团发展策略。在落地区域内，除了有无人小巴、智能网联公交车，其Robotaxi也会开过去进行测试。三种车型同时进行测试来收集数据，进而促进技术迭代，最终反过来再同时提升三种车型的行驶表现。

领骏科技自动驾驶中巴

从去年11月至今，三种测试车已经累计进行了5个月的常态化测试运营。

领骏科技Robotaxi车型表现也同样可圈可点。据杨文利介绍，其Robotaxi车队规模虽然较小，但已经具备城市内实现P2P（从停车场到停车场）的能力，可以处理包括泊车、普通道路、十字路口、高速路、环岛、隧道等所有驾驶场景。

04.以终为始  多种创新方式研发无人车

“别人花了几十亿实现的效果，我们花了几千万就实现了。”在谈及自家无人车技术表现时，杨文利笑着向车东西给出了这样的评价。

Robotaxi，或者说城市内L4自动驾驶目前最大的困难主要是与其他交通参与者的博弈问题，也就是决策规模问题。领骏科技通过混合决策模型、数据反刍、仿真测试等多项技术创新来应对这一难题。

城市场景中无人车会遇到几乎无穷尽的特殊情况，基于规则的决策模型根本无法应对。

领骏科技于是就把规则和AI技术融为一体，后者通过深度学习技术来学习人类司机应对各种特殊情况的处理办法，然后再用规则（比如不能压实线或者闯红灯）来保证AI算法给出的驾驶决策是安全且符合规则的。

这样一来，既发挥了AI技术能解决特殊难题的优点，又规避了深度学习模型的黑盒问题，两全其美。

当然了，上述做法的前提是拥有足够多的特殊场景数据来促进技术迭代。领骏科技的车队规模并不算多，数据从哪来？如何处理数据？又如何应用数据进行迭代？

杨文利介绍了一个数据研发闭环。

首先，其常态化运营的Robobus等产品每日都会收集大量数据。拿到数据后，领骏科技会对数据进行语义级分析，提炼出多个独立场景，构建增量式的场景库。

其次，其会将场景库放到仿真引擎中，并与已有的场景进行随机排列组合，重构出数百公里，甚至是上千公里的虚拟测试场景——大幅提升了数据应用效率。

最后，有了更大规模的测试场景，领骏科技就能以此来打磨自己的算法，提升自动驾驶产品的性能表现，形成了“产品-数据-场景-仿真-算法-产品”的数据研发闭环。

闭环之外，领骏科技以终为始的研发思路也颇具亮点。

在杨文利看来，自动驾驶系统的最终和最重要目标是要做出好的决策规划，所以打造好的自动驾驶系统本质就是打造好的决策规划系统。

此外，研发技术开始就要考虑到软、硬件的量产问题——拿无法量产的技术或硬件来开发系统，最终会导致整个系统无法量产。

在这两大原则的指导下，领骏科技是先设计决策规划系统，然后以此为基础提出对感知系统的要求，进而再根据要求确定自己的感知硬件配置。

最终结果呢，领骏科技出现了一系列“反常操作”。

比如因为360度的机械式激光雷达太贵、不符合车规且影响车辆造型，领骏科技就拒绝在车顶使用机械式激光雷达，也就是放弃了激光SLAM技术，转而做视觉SLAM。

领骏科技的自动驾驶测试车

研发流程上，领骏科技是决策规划团队给感知团队提KPI，感知团队能够集中有限的力量实现最重要的感知结果。而在一些大型自动驾驶公司，感知团队往往处于研发流程的第一位，他们以自己的理解提供感知结果，然后交给决策规划团队，让其在已有的感知结果上做出决策规划。

“感知优先的做法有很大问题。决策需要的感知结果经常给不到，反而却用大量人力和算力去识别了一些不需要的目标和结果，效率不高。”杨文利向车东西评论道。

两个数字足以验证领骏科技做法的成果。

一是其自动驾驶算法能够部署在一个只有30瓦功耗的嵌入式控制器里，说明其算法非常精简。

二是领骏科技整个公司还不到100人，这么小的团队就能让三种自动驾驶车辆投入常态化运营，并且还跑的不错，可见其研发效率非常之高。

05.今年落地近百台车 2023年涉足支线物流

在交流的最后，杨文利和庞东君也向车东西介绍了领骏科技接下来的量产落地规划。

2022年，其Robobus还会陆续在苏州、杭州、南京、武汉等更多城市落地运营，预计将投入60台左右。

与满帮、陕西物流等合作打造的首批自动驾驶物流车也会投入测试运营，巴士、物流车和Robotaxi加起来总计将达到100台的规模，并将为公司带来数千万的营业收入。

领骏科技北京办公室

在与杨文利交流了几个小时之后，车东西深切地感受到杨文利身上所表现出的特质，就正是领骏科技的特质。

作为一名技术专家，杨文利给人的第一印象显得略微内向——说话声音不大，语速也比较慢。但一旦聊起自动驾驶技术和产业发展，他又跟换了一个人似的，有说不完的技术名词与见解，时不时还耸耸肩讲起了行业段子，足以见得他对自动驾驶行业是爱得深沉。

领骏科技也是如此。看起来“其貌不扬”、“名气不大”，但却又极具潜力——在技术研发上提出了创新且务实的新思路，用非常少的资金和团队就实现了L4自动驾驶产品的量产落地，并且能够坚定自己的发展路径与节奏。

总结来说就是，领骏科技虽然之前不在舞台中央，但在自动驾驶这场马拉松中却有可能实现逆袭。

在与车东西告别后，杨文利在夜色下向街对面的办公室走去。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。