孟醒:自动驾驶投资的热潮、低谷与创业周期

从顺为投资、滴滴运营到重新回归风投,一位从业者回顾八年的行业变化。

孟孟醒嘉宾
频道
Zhang Xiaojun Podcast
发布
2024年10月8日
视频
1:14:53
阅读
5 分钟
原文
简体中文
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
正在阅读简体中文原文。
摘要

30 秒看懂

2024 年,张小珺采访孟醒,回顾他在顺为投资自动驾驶、加入滴滴自动驾驶后再回到投资行业的经历。两人讨论小鹏、Momenta、融资周期以及从演示到可靠服务的距离。 孟醒还将自动驾驶与大模型的资本和业务周期作比较。估值、市场地位及未来预测属于受访者当时的观察,不能作为普遍规律或投资保证。

  1. 1创业与投资孟醒回顾在投资与运营角色之间的转换。
  2. 2早期估值他讨论高估值可能带来的压力,并承认样本有限。
  3. 3融资周期他回顾行业低谷与后来资金重新流入。
  4. 4演示到运营一次演示不能证明系统在所有场景可靠。
  5. 5对大模型的借鉴他建议关注资本、人员和业务闭环的节奏。

要点建议

  1. 创业和投资需要不同视角,经营经验可增加判断维度。
  2. 高估值可能带来融资、扩张和证明自身的压力。
  3. 从技术演示到稳定运营需要长期验证。
  4. 自动驾驶产业链包含车辆、硬件、软件、运营与服务。
  5. 企业需要考虑资本周期与业务周期不一致的风险。
全文

按章节阅读整理后的全文

只看原始文稿
01

从投资到运营再回来

孟醒回顾顺为、滴滴和重新参与投资。

2024 年,张小珺与孟醒回顾自动驾驶投资的周期。录制时,孟醒刚离开滴滴自动驾驶,准备回到风险投资行业。

孟醒说,他 2016 年加入顺为资本后关注人工智能、自动驾驶和其他前沿技术,寻找技术能力是早期核心竞争力的团队。

他偏爱尚未形成广泛共识的方向,但也承认企业后续需要产品、渠道和组织能力,不能永远只依赖技术。

2019 年,他加入拆分后的滴滴自动驾驶业务,希望更直接参与建设。从投资人到运营者,他需要处理战略、合作、产品和团队管理等问题。

他回忆带领较大团队的经历,认为管理规模化业务带来了自己此前创业和投资没有经历过的新挑战。

离开滴滴后,他将创业和投资比作旋转门,希望在不同角色中推动技术和产品更早落地。

他认为再次投资时,经营经验增加了一个判断维度:团队在成长过程中会遇到哪些问题,以及早期决策可能产生什么后果。

为什么在行业情绪低落时返回投资?孟醒说,非共识时期也可能提供重新思考方法的机会;这是他的职业选择,不是市场择时建议。

02

孵化与早期投资

讨论创业孵化、小鹏、Momenta 和估值。

他希望更早参与项目,甚至帮助定义方向和组建公司。他强调,深度孵化需要对结果承担责任,不只是给创业者提供建议。

他回忆童年在中美之间转换语言和学校环境的经历,认为多次适应陌生环境可能影响了自己后来愿意转换角色的性格。

讨论加速器时,他认为不同模式适用于不同阶段和创业团队。早期资金、指导与校友网络可以提供帮助,但具体条件取决于机构和时期。

他将自己想尝试的孵化与短期加速区分开:更深入参与需要组织人才、制定产品方向并陪伴企业,而不只是提供一笔投资。

回顾顺为投资小鹏汽车,他说自己早期支持团队,但也强调其他投资者和创业者的贡献;这是他对投资过程的个人回忆。

他看重团队对本地用户和产品定位的理解,以及将想法快速变成实验的能力,而不只是模仿当时已有的成功故事。

谈到 Momenta,他回忆与创始团队认识的过程,认为团队很早就重视数据收集与技术迭代之间的关系。

孟醒认为非常高的早期估值可能给团队带来持续证明自己的压力,并提出自己的有限样本观察。他的判断不是普遍规律,也不能预测个别公司结果。

他担心融资压力可能让团队过度关注外界印象、快速扩张和难以验证的承诺,而产品与技术仍需要时间积累。

他也承认创业者、投资人和市场共同影响这些选择,不能把结果简单归咎于某一方。

03

自动驾驶的资本周期

回顾创业热潮、融资低谷与市场回暖。

回顾 2016 年前后自动驾驶创业热潮,他提到 Cruise 的收购、深度学习在感知中的进展,以及市场对无人出行的期待。

当时不少技术团队认为只要解决核心技术,商业落地就会较直接。回头看,他认为车辆、监管和运营形成的链条比预想更长。

他回忆早期融资价格上升,认为投资人需要同时判断团队、技术方向、产品理解和执行能力;早期证据通常并不完整。

他把 2018 年末至 2019 年初描述为融资低谷:一些公司估值上升,却尚未达到后期资金习惯采用的收入和业务指标。

随后资金再次流入,2021 年行业估值和市场期待升温。孟醒回忆,有些上市公司的估值依赖较远期的收入预测,因而对假设非常敏感。

谈到 2024 年的行业环境,他认为资金和估值已从高点回落。公司状态和市场价格会继续变化,节目只记录当时的观察。

他回顾人才来源的变化:汽车工程、自动化和计算机视觉等不同背景的人,在不同技术阶段加入行业。

他承认早期对汽车厂商收购和供应商价值的预期不一定兑现。技术能力如何转化成客户、收入和议价权,需要实际检验。

04

技术与产业链

区分演示、可靠性以及不同产业角色。

从演示到日常服务,进步常体现在可靠性和处理更多场景,而不是外观变化。他强调一次演示成功不能证明系统始终可靠。

他区分汽车厂商、传感器和芯片供应商、软件供应商、无人出行运营商,以及仿真和数据服务商。它们在产业链中的客户和收入模式不同。

他认为经过多年竞争,一些领域出现头部集中和转型,但列举的企业位置只反映 2024 年的行业观察。

05

大模型与未来

比较周期、经营节奏和未来应用的设想。

把自动驾驶周期与大模型相比,他看到融资、人才争夺和预期变化的相似之处,同时承认大模型有更多大型公司直接参与。

他建议创业团队考虑资本周期与业务周期的错位:在融资转冷前探索可持续的业务闭环,并管理人员和现金。这是他的经验观点。

他也谈到个人心态:行业热度与外部评价会起伏,创业者需要调整预期,并接受一些问题暂时没有答案。

在繁荣时控制支出、保持重点,是他给出的应对周期的办法。他认为团队应为条件转差预留空间。

他判断大模型产品可能较快进入用户手中,而无人驾驶需要跨过车辆、安全和运营门槛;两者最终商业结果仍不确定。

展望未来十年,他设想无人驾驶在更多城市和物流场景落地,也谈到其他移动设备。这些是 2024 年的设想,不是实施保证。

谈到上市,他认为融资窗口、股东需求和商业化进展都可能影响企业决策,并提醒上市只是一个阶段而非终点。

最后他希望研究哪些前沿科技公司能穿越热潮和低谷,以及它们的技术、资本和产品路径是否有可学习之处。

同频道的其他文章

1:59:52EN → 简体中文
Zhang Xiaojun Podcast· 2026年10月21日播客 · 2 人对谈David Qian 谈企业传承、机器人与寻找自己的抱负嘉宾 David Qian (Qian Cheng) · 主持 张小珺Ecovacs CEO David Qian 回顾自己如何接手由创始人建立的企业、在错误中学习领导,并为机器人业务选择一条耐心发展的道路。在他看来,传承不是终点,而是持续建设企业、迎接新时代的过程。企业与战略LeadershipCompany Building+2
2:51:18EN → 简体中文
Zhang Xiaojun Podcast· 2026年10月15日播客 · 2 人对谈Lindon Gao 谈打造 Dyna Robotics,以及如何在迷雾中找到方向嘉宾 Lindon Gao · 主持 张小珺Dyna Robotics CEO Lindon Gao 解释公司为何从真实工作流中发展智能、硬件与研究为何必须同步迭代,以及创始人如何放下必须正确的执念、重新找回清晰感。RoboticsProduct Strategy模型与训练+2
2:51:18ZH
Zhang Xiaojun Podcast· 2026年10月15日播客 · 2 人对谈Dyna Robotics 创始人 Lindon Gao:从折叠任务到完整工作流嘉宾 Lindon Gao · 主持 张小珺从无人零售到机器人创业,Gao 讲述产品研究、真实部署的难题和在不确定性中寻找方向。RoboticsCompany BuildingFounders+2
2:34:18EN → 简体中文
Zhang Xiaojun Podcast· 2026年9月3日播客 · 2 人对谈曾鸣谈 AI 新时代:伟大公司与新型组织如何诞生嘉宾 Zeng Ming · 主持 张小珺曾鸣认为,AI 正在改变商业的底层逻辑:模型将成为基础设施,新一波价值则由智能体原生应用和组织创造。他建议创业者拥抱不确定性、持续生成和调整战略,并围绕有意义的工作构建组织,而非沿用旧架构。AI Strategy企业与战略智能体+2
2:34:18ZH
Zhang Xiaojun Podcast· 2026年9月3日播客 · 2 人对谈曾鸣:AI 产业化的三阶段与公司组织的消亡嘉宾 曾鸣 · 主持 张小珺战略学者曾鸣以互联网、工业革命和电气化的历史周期为参照,提出 AI 正从基础设施走向 Agent 应用,并最终进入原生应用阶段。他认为,旧公司的科层制难以穿越范式转型,下一代组织将围绕任务、创造力和人机协同重构。AI StrategyStrategy智能体+2
1:09:50ZH
Zhang Xiaojun Podcast· 2026年8月19日播客 · 2 人对谈苏庭灏:一位高中生的 AI 研究、教育与快乐嘉宾 苏庭灏 · 主持 张小珺从自学 Transformer 和发表论文,到思考 AI 时代的学习、焦虑与人与人的连接。AI researchEducationMachine Learning+2