#78 孟醒：自动驾驶创投过山车这八年

原文讲解：孟醒如何把自动驾驶讲成一场资本、技术与人的周期实验

视频开头约 00:00–00:56 先放了后段的片段：孟醒为什么在很多人离开 VC 时回归，以及他关于“估值一亿美元以上的前沿科技公司早期成功案例很少”的判断。正式节目约 00:59 开始。以下以正式访谈为主体，保留预告作为剪辑事实，不把预告中的判断误当成开场已经完成的论证。

一、开场的矛盾：大家在离开 VC，孟醒却在这时回来

张小珺先从一个反常动作开始：当许多投资人离开风险投资行业，去做产业、创业或退休时，孟醒却在刚离开滴滴自动驾驶的间隔期决定回到投资。这不是回到原来的岗位，而是回到一个已经被周期打击过的行业。孟醒说，创业和投资像一扇旋转门：一个人从一侧推出来，可能从另一侧进入；再推一次，又可能回到原来的领域。对他而言，身份不是最终目的，关键是“什么方式能让一件事更早发生”。如果投资人的身份能让某个项目提前几个月成熟，就做投资人；如果必须亲自下场，自己就是创业者。

他的经历确实跨过了几道门。2016 年，他加入顺为资本，之前已经有 AI 相关创业经历；在顺为的三年里，他投了大约二十家前沿科技公司，方向包括自动驾驶、机器人、商业航天和医疗器械。那时移动互联网、电商、互联网金融和教育仍然是主流投资主题，AR/VR、自动驾驶这样的方向还经常被问“这也能投吗”。孟醒反而喜欢没有形成共识的公司，尤其是看起来不够耀眼、可能成为 underdog 的团队。他把自己的投资偏好描述成“反共识的倡导者”：不是故意唱反调，而是想在科技本身仍然是核心竞争力的阶段，尽早找到真正有判断力的团队。

2019 年，滴滴把自动驾驶业务拆成独立公司，孟醒加入并担任 COO。早期他负责战略、通知与商务合作，后来逐渐涉及产品、硬件、车辆研发等环节，参与把一个实验室推向商业化实体。滴滴自动驾驶团队大约一千人，其中直接向他汇报或处在他管理体系中的有两三百人。对一个过去没有管理过百人团队、没有融过一亿美元、也没有把产品推到大规模商业化的人来说，这段经历提供了完整的成长过程：不仅看过正确决策，也亲自经历过错误决策、组织扩张和商业化迟滞。

二、回到投资不是退回舒适区，而是把产业经验带回来

张小珺问，第二次回到 VC，和第一次有什么不同。孟醒给出的答案不是“我更懂某个赛道”，而是多了一层管理者视角。第一次做投资时，他可以把自己代入创业者，判断对方哪里比自己强、哪些地方是自己做不到的；加入滴滴之后，他又知道一个几百人甚至上千人的团队如何管理，知道公司从成立、扩张到规模化会遇到什么问题，也知道有些决定在纸面上正确，落地后却会造成新的组织成本。

这也改变了他对投资能力的理解。一个投资人之所以要见过最好的公司，是因为只有见过极端优秀的样本，才知道它在还没有被市场证明以前是什么样子。孟醒把自己在滴滴的五年看成一次“把公司剖开来学习”：参与创办、参与增长、解决问题、犯错，再把这些经验带回早期判断。所谓“旋转门”，真正转动的不是职业标签，而是一个人能否把不同阶段的经验变成新的判断维度。

他接着解释，为什么现在想做的不只是 YC 式的加速器。YC、Techstars 和国内加速器的价值，在于用一笔相对小的钱、几个月的辅导和后续网络，帮助已经存在的创业方案成长；但孟醒认为，真正的孵化应该更重：先定义问题，再寻找解决方案，组织团队，亲自参与产品和公司的形成，并对成功与失败负责。他提到美国的 Atomic、Flagship 等模式：发起者不是站在副驾驶位置帮创始人，而是在一段时期内就是核心创业团队，承担 CEO 或创始人级别的责任。此时投资人与创业者的界限会变薄，但责任反而更重。

三、为什么“行业不好”可能是最好的进入时间

孟醒说，他在 2019 年加入自动驾驶，恰好赶上这个行业从热潮转冷的阶段；现在重新进入投资，也不认为这是一个坏时候。行业非常好的时候，所有人都在顺势而为，个人很难分辨业绩究竟来自自己的判断还是来自市场；行业没有共识时，反而需要新的变化，个人的判断才能真正被检验。

他把这种对不舒适环境的偏好和自己的成长经历联系起来：三岁半时随父母去美国，不会说英语；六岁回中国时，又不会在学校里说中文；十四岁回美国读高中，虽然英语没有口音，但词汇量仍像中国孩子，第一次考试非常困难。多次在舒适与不舒适之间切换，让他逐渐习惯重新进入陌生环境。这个故事在节目里不是传记插曲，而是他解释职业选择的方式：绝对价值可能差不多，但视角发生变化，会让他重新兴奋。前沿科技的困难和不确定性，正是他愿意再进入的原因。

由此他把“现在是否适合做孵化”保留成开放问题：他不知道这个时代最好的组织方式是什么，但传统方式遇到瓶颈时，至少值得做新的尝试。这里有一个条件——孵化不是把已经有产品的团队加速得更快，而是要在很早期就参与问题定义、团队组织和路径选择；这会大幅增加责任，也意味着不能用普通基金的组合思维掩盖单个项目的失败。

四、小鹏和 Momenta：反共识不等于“反着市场做”

谈到自己第一次投资生涯是否成功，孟醒先把功劳往回收。他承认自己运气很好，得到的回报可能超过能力，但也讲了两个能够说明早期判断的案例。

投资小鹏汽车时，何小鹏还没有正式加入公司，市场上也有蔚来等更受关注的造车项目。孟醒是基金里少数坚持要看小鹏的人。他喜欢的不是“下一家特斯拉”的故事，而是团队对什么样的车、什么样的本地化定位和交付节奏想得比较清楚；团队没有简单复制特斯拉叙事，实验结果和迭代速度却很快。他把这种气质类比为早期小米：不一定拥有最耀眼的背景，但能把复杂产品做得接地气、快速迭代。孟醒强调，最大功劳当然不属于自己，何小鹏的个人投入、学习能力和团队本身才是决定性因素。

Momenta 的故事更能说明“不要用 Demo 评估一切”。2016–2017 年，很多自动驾驶公司成立几个月就买一辆改装车，让车跑起来，以便向投资人证明自己有技术。Momenta 却迟迟没有拿出车，徐东更早强调的是数据飞轮：数据如何被收集，取决于商业模式；没有商业模式，就很难持续获得数据；在还没有大量数据之前，先把数据处理管道和基础设施能力做出来，可能比把车改到能跑更重要。孟醒当时认可这种战略定力，因为“把车跑起来”只是表象，真正的壁垒可能是数据如何进入、清洗、训练和反馈的闭环。

但他也用这两个案例引出一个更刺人的统计：根据他当时做过的观察，估值在一亿美元以上、仍处于前沿科技早期的公司，后来特别成功的案例似乎很少。这里不是说高估值一定失败，而是高估值会把公司和投资人一起推入一种扭曲的激励。公司必须持续证明这个估值，于是最短路径往往是 PR、招来昂贵的人、频繁试方向和继续融资，而不是安静地把第一代产品磨出来。

五、估值为什么会反过来伤害最好的团队

孟醒把早期高估值的陷阱讲成一个循环：一家团队因为背景、方向和共识而得到高估值；估值又变成它最重要的价值点；为了维护这个价值点，公司继续围绕估值做工作；当科技本身还需要时间迭代、产品还没有 PMF 时，最容易做的不是证明技术，而是做一些看起来能证明价值、却不能真正证伪的事情。

问题并不只是创始人的贪心。创始人当然希望以更高价格融资，这能带来更多现金、更大的股权分配空间，也更容易招到人才；投资人也希望估值保持漂亮，以便下一轮继续融资；没有人是百分之百理性的。孟醒因此没有把责任简单推给某一方，而是建议给前沿科技团队保留一年半到两年的“猥琐发育”时间：团队可以不错，估值和资金足以活下去，但不要过早把所有人注意力拉到自己身上；等第一代产品或隐性壁垒出现，形成正循环以后，再把共识放大。

他用 Midjourney 和早期 OpenAI 作为“市场给过机会”的例子，但没有把它们写成可复制的公式。真正困难的是，当一个团队已经获得巨大关注之后，还能否保持节奏。过早进入聚光灯，会让公司把“被看见”误当成“已经形成能力”；在能力尚未兑现前，下一轮资本下行就会把这种差距一次性暴露。

六、自动驾驶热潮的三根支柱：Cruise、深度学习和汽车产业

张小珺把问题拉回自动驾驶：为什么 2016–2017 年突然有那么多创业公司？孟醒给出三个共同作用的原因。

第一是退出想象。通用汽车以约十亿美元收购 Cruise，让市场第一次看到自动驾驶公司可能通过被大车企收购实现巨大退出。对于创业者和投资人来说，这把原本遥远的技术愿景变成了价格可见的资产。第二是技术窗口。2012 年以后深度学习发展，2014–2015 年进入人脸和场景识别，自动驾驶当时最大的技术瓶颈之一正是感知；把计算机视觉的进展迁移到感知系统，似乎让行业跨过一个关键门槛。第三是产业想象。汽车是与房地产相当的大产业，车企、网约车平台和普通用户都不需要被教育“自动驾驶有什么用”，只需要有人证明它做得出来。

这构成了一个危险的错觉：自动驾驶的商业链条看起来很短，创业者只要把技术做好，后面就会自然发生。但后来事实显示，L4 的链条一点也不短。它需要车辆、传感器、软件、车队、保险、远程协助、维护、运营和监管同时成立；技术成功只是进入下一段链路的门票。

在最疯狂的 2016–2017 年，孟醒见过没有产品、没有 Demo、甚至没有实车的团队，仅凭创始团队和技术方向就拿到约 7,500 万至 1 亿美元估值，再融资 1,500 万至 3,000 万美元。这个数字是节目中的回忆，不是行业统计；它要表达的是当时资本对“未来退出”的提前定价。投资人当时看团队、技术方向、客户理解、产品认知，也会问一个很主观的问题：如果换成自己，能不能比创始人做得更好？但在信息极少的时期，这种判断很容易被共识和叙事放大。

七、八年过山车：真正的峰值不是技术峰值

孟醒把自动驾驶创投周期分成几个阶段。2016 年底到 2017 年初是创业和高估值的第一波；2018 年底到 2019 年，第一批公司进入约 3 亿至 5 亿美元估值区间，单笔 VC 投资已经难以继续覆盖，因为传统 VC 的单笔支票和领投能力有限，而 PE 又需要收入、用户量和财务模型，无法仅凭复杂技术接盘，很多公司在 2019 年倒闭或转型。

2020 年，一些团队开始寻找阶段性商业化，融资仍不轻松，但出现了一点希望。2021 年却出现了第二次非理性高峰：特斯拉股价从几百亿美元市值涨到几千亿美元，电动车与自动驾驶的概念向二级市场外溢；SPAC 让尚无稳定收入的公司也可以反向并购上市；中东、欧洲、加拿大等主权资金开始直接投自动驾驶公司。孟醒特别强调，2021 年行业资本达到峰值时，技术并没有同步出现相称的突破，峰值更像是资本市场和叙事的峰值。

2022 年资本转向，自动驾驶因为收入不稳定、持续烧钱，首先受到冲击。2023–2024 年，市场比 2021 年理性，也比最低谷稍微恢复；一些公司开始靠真实技术进展和调整后的业务形态重新站稳。节目录制时，TuSimple、Embark 等退市，Aurora 的市值处在自身近两年相对高位，但仍远低于 2021 年峰值。孟醒把这个差距当成提醒：上市不是行业被证明的终点，资本窗口也不等于商业闭环。

在这个周期里，他最意外的不是行业会下行，而是 2021 年曾经给了濒临消失的公司第二次非理性机会；第二个意外是行业没有出现预想中的“中国版 Cruise”。很多人原以为 L4 自动驾驶会成为汽车价值中最有话语权的供应商，最终大量收购却发生在 Amazon 等非车企方向，车企也逐步从 L4 退出。L4 更适合现阶段的出行服务，如果出行服务本身还没有做起来，单独做一个高成本 L4 技术并不能自动产生商业价值。

八、为什么 L2 活着较多，L4 却被淘汰得更快

孟醒解释，2016 年以后行业人才来自多个传统：最早是汽车工程，后来有自动化和机器人，再后来深度学习感知把计算机背景的人大量吸引进来；训练平台、后台系统和基础设施又与互联网工程相通；Waymo、Cruise 等美国公司还为全球带来了一批先行者。自动驾驶不是一个一开始就有完整人才供给的行业，很多人都是在行业成立后跨界学习。

他对“活下来一半”的说法也立即加上条件：如果把辅助驾驶和 L4 放在一起，2016 年的公司到今天活着的可能接近一半；但辅助驾驶有车企订单、2B 业务和较长的商业周期，能自己生成一部分现金流；L4 需要把车辆放进真实服务中，承担车队、乘客和安全责任，很多公司已经转型或消失。美国更明显：除早期的 Mobileye 之外，真正大规模的辅助驾驶创业公司不多，而 L4 公司的淘汰更集中。

谈到技术进步，孟醒引用了一个很有解释力的四阶段：Never works、Sometimes works、Most times works、All times works。人可以分辨“从来不工作”和“偶尔工作”，却很难凭几次体验分辨“偶尔工作”和“多数时候工作”，更难判断“多数时候工作”距离“几乎每次都工作”还有多远。一个 Demo 成功，只说明它从第一阶段进入了第二阶段；后台数据、长时间运行和异常事件，才有机会让人知道它是否接近第四阶段。

因此，他认为自动驾驶真正重要的突破只有两次：第一次从有人到无人，敢让车在没有人可立即接管的情况下运行；第二次从无人测试到无人长期运营。其余的感知、规划、传感器和模型改进都重要，但不能替代这两次系统级跃迁。

九、产业版图：技术供应商、服务运营商和隐藏的基础设施

为了让听众理解行业结构，孟醒把参与者拆成几层。车企是车辆供应商，也是辅助驾驶的主要买家；激光雷达、毫米波雷达、芯片等提供硬件；Momenta、华为等提供软件算法和软硬件方案；L4 通常不是单纯的技术供应商，而是自己把技术、车辆、车队和乘客服务闭环起来，通过 Robotaxi、干线物流、港口、园区或最后一公里业务赚钱。它们背后还有仿真引擎、数据处理、数据标注、监管、地方政府和资本。

在这个结构里，L4 公司的竞争并不只是“谁的模型更强”。如果最终交付的是服务，车辆利用率、接管率、远程协助、充电维护、乘客需求和当地监管都会反过来决定技术是否值得继续投入。辅助驾驶可以把一部分责任交给车主和车企，L4 则必须把原本由司机隐性承担的责任显性化。两者都叫自动驾驶，但商业闭环完全不同。

十、给大模型的直接警示：不要等待另一个 2021 年来救场

当张小珺问自动驾驶能给大模型什么借鉴，孟醒先说两者起步很像：海外先有一家领先公司在较长时间里“猥琐发育”，行业看到结果以后，国内外最优秀的人才和资本迅速涌入；早期估值高、人才争夺激烈，技术突破和产业落地之间却有一段看不见的距离。他判断，大模型大约走到了自动驾驶 2018 年的阶段：还没有经历最坏的资本收缩，大家还拿得到钱，不能把“现在有点冷”当成真正的冬天。

他的第一条建议是把资本周期、业务周期和人才周期放在一起看。自动驾驶在 2021 年得到了一次异常的资本续命，这种幸运不一定会在大模型行业重演。更稳妥的准备，是在行业下行前做出至少一个能够自我循环的小闭环；如果做不到，就提前控制业务路径、人员规模和财务消耗，而不是把希望寄托在下一轮更高估值。

第二条建议针对个人心态。前沿技术很容易让创始人得到前所未有的关注与祝福，大家愿意把他们当成“屠龙少年”；但当公司融资太多、故事太高、龙迟迟没有出现，所有早期祝福都会变成要求证明自己的压力。孟醒说自己也经历过从高峰到谷底，最好的周期反而应该按最坏的方式花钱、建团队和做业务；最坏的周期也不要幻想恢复到最好的状态，而要用比最差稍好一点的方式活下来。

他对大模型的判断不是“更快”或“更慢”的简单排序：普通用户使用模型会比自动驾驶更快，因为产品可以直接上线；但要达到一个能够重塑产业、配得上巨大资本和宏大故事的终局，可能更慢。大模型中间会创造真实价值，但这些价值可能比市场想象的小；市场给的时间越短，团队越容易为了证明叙事而牺牲全局最优。

十一、未来十年：从 Robotaxi 到新的移动方式

孟醒预测，十年内有机会看到多城市、万辆级以上的 L4 车队，用户把它当作日常产品而不是科技体验；干线物流和港口会更早形成规模。更有意思的是，自动驾驶可能渗透到原本没有被定义成“自动驾驶”的场景：分时租赁车辆在用户需要时自己开过来、私家车在夜间自己去充电、自动轮椅和小型移动设备获得更强的自主移动能力。

他还提出一个带有科幻色彩但逻辑清楚的想象：折叠式外骨骼或轻型设备可以让人以接近汽车的速度移动，同时通过主动安全降低碰撞风险。这个例子说明，自动驾驶的长期价值未必只体现在汽车，而可能提供一套感知、预测、控制和安全基础设施，向机器人、外骨骼和轻便出行扩散。

最后张小珺问，他真正关心什么。孟醒没有再列一个赛道，而是问：优秀的前沿科技行业能否走出“上升—坠落—再胜”的循环？如果有人能走出来，他一定在资本结构、产品路径或地域选择上做了与共识不同的事；更重要的是，这种差异能否被后来者学习和复制。节目最终没有给出一个万能答案，而是把问题留给下一轮周期。

以上是原文讲解。下面才进入本文自己的结构化抽象、证据审计与独立判断。

核心判断：自动驾驶的“周期”不是情绪曲线，而是四条链同时错位

这期最值得带走的，不是某家公司会不会赢，而是一个前沿科技行业怎样在不同时间尺度上失配：技术需要多年从偶尔成功走向稳定；资本却可能在几个月内把未来一次性定价；人才会随估值迁移；业务和监管又按照更慢的速度兑现。自动驾驶的过山车，是这四条链没有同时到达终点。

问题背景：为什么自动驾驶特别容易被“未来”提前兑现

自动驾驶有一个天然优势，也有一个天然陷阱。优势是它的用途不用教育市场：人们都知道更安全、更高利用率、减少司机成本和释放城市空间有什么意义；创业者可以把组织资源集中到技术。陷阱是“用途显而易见”很容易被误读成“产品路径很短”。真实交付还要经过车辆、传感器、地图、模型、车队、保险、远程协助、维修、充电、监管和用户信任等一长串环节。

所以这里要区分四个问题：技术是否在受控场景工作；是否能在开放环境稳定工作；是否能让没有接管人的车辆安全服务；最后，服务是否能够以合理成本持续运营。节目中的很多争论，实际上都在把这四个问题重新分开。

机制拆解：一个前沿科技公司的真实进度应该怎样读

把访谈中的判断整理成一条链，可以得到：研究突破 → 原型可运行 → 公开测试 → 无人化 → 长期运营 → 单位经济 → 资本退出。前面的每一步都可能是真的，但都不能替代后面的步骤。资本周期最容易把“原型可运行”直接跳译成“未来现金流”；运营周期则会把跳过的步骤重新收回来。

在这个框架下，“创投周期”可以写成一个更朴素的反馈：资本给钱，钱换人才和实验，实验产生产品或数据，产品产生收入或运营证据，证据再决定下一轮资本。如果中间没有产品、数据或运营证据，资本就只能靠叙事维持；一旦叙事退潮，前面被掩盖的缺口会同时出现。

关键证据与口径审计

下表把节目中的重要数字和判断拆成“嘉宾口述、可由节目时间轴确认、需要外部核验”三类。这样读者可以理解孟醒的论证，而不会把他的经验统计误读成完整行业数据库。

术语解释

边界与风险：这期节目没有证明什么

同样，节目对大模型的类比只能用于提出问题，不能直接推导大模型一定会重复自动驾驶的时间表。大模型可以以 API 或软件产品更快触达用户，但其训练成本、推理成本、数据闭环、监管和终局能力仍有自己的约束。

独立判断：真正的反共识，是为“第二阶段”准备资本结构

我认为这期最重要的洞察可以进一步推进为：前沿科技创业的竞争，不只是能否突破技术，而是能否为技术从“偶尔工作”走向“长期工作”保留足够长的资本 runway。高估值并不天然是坏事，但如果它把公司的任务从“建立证据”改成“维护估值”，就会让资本结构和技术进度相互冲突。

因此判断一个团队是否真的反共识，可以问三个问题：第一，它是否愿意把第一代产品的验证放在融资叙事之前；第二，资本下行时是否有缩小范围、延长生存期的预案；第三，团队是否把失败类型和运营数据公开到足以让外部判断进度。只要答案都是否定的，所谓反共识可能只是另一种更早的共识融资。

对今天的大模型和机器人公司，最有用的观察指标不是“有没有下一个 2021 年”，而是：在没有资本救援的情况下，能否完成一个小闭环；在少量客户或真实环境中，能否把失败率持续压低；在核心人才离开、估值下降和政策变化后，产品是否仍然有价值。能把这三件事做出来，才有资格把周期当成机会，而不是等周期把自己托起来。

证据边界与资料索引

本文以节目完整音频为主要材料，按正式节目约 00:59 开始的时间轴重建问答；开头预告单独标注。节目中的金额、公司存活比例、估值区间、融资阶段、技术判断和十年预测均保留为孟醒在 2024 年访谈中的口述，除非另有说明，不视为独立审计后的行业统计。涉及公司名称与交易案例时，优先按节目语境校正专名，但不为嘉宾没有给出来源的数字补造精确出处。

• 张小珺商业访谈录 #78：从蒸汽机到无人驾驶5｜谈谈自动驾驶创投过山车这8年
• 小宇宙节目页：#78 从蒸汽机到无人驾驶5
• 系列关联节目：从蒸汽机到无人驾驶1
• 系列关联节目：从蒸汽机到无人驾驶3
• 系列关联节目：从蒸汽机到无人驾驶4