2026年自动驾驶创业潮再起，TrucksVC称已收到81家新创公司提案

自动驾驶行业正迎来新一轮创业高峰。据专注早期投资的风投机构Trucks VC披露，截至2026年，该机构已收到81家全新自动驾驶（AV）初创企业的融资提案——这一数字比2025年同期增长约67%，并一举超越2016至2017年行业第一波热潮时期的年度峰值。

该图表清晰呈现了两轮AV创业浪潮的对比：第一波高峰出现在2018年（76家）与2019年（74家），随后因技术瓶颈与资本退潮而迅速回落；2023年跌至低点（19家）；而2026年仅前10个月就已达81家，成为有记录以来单年最高值。Trucks VC合伙人Puneeth Meruva指出，这并非简单的周期性反弹，而是一场由底层技术范式转变所催生的“第二波更大规模热潮”。

推动此轮爆发的核心变量是人工智能基础模型的成熟。Meruva解释称，过去十年间，行业长期困于从“AV 1.0”向“AV 2.0”的演进——后者指向一种端到端（end-to-end）的自动驾驶系统架构，即用单一神经网络直接处理传感器输入并输出驾驶指令，跳过传统模块化设计中感知、规划、控制等分阶段处理环节。然而，受限于模型泛化能力与训练数据规模，该路径长期难以落地。

如今，以NVIDIA Alpamayo、通义千问Qwen系列为代表的开源视觉-语言-动作（Vision-Language-Action, VLA）大模型，为端到端架构提供了可行的技术底座。这些模型具备强大的跨场景泛化能力，能更高效地理解复杂道路语境，并将语言指令转化为连续动作决策。例如，模型可依据“在雨天避开积水路段”这类自然语言描述，动态调整轨迹规划，而无需依赖大量人工标注的规则库。

技术门槛的下降直接反映在创业效率上。Meruva透露，当前新兴AV团队普遍能在数月内完成原型验证，且首轮融资常低于100万美元。“我们持续观察到，许多团队在极小资金支持下快速迭代，甚至未正式注册公司就已跑通核心功能。”他虽未公开具体被投项目名称，但确认Trucks VC已参与其中部分公司的早期投资。

值得注意的是，本轮创业者背景更为多元。除延续自Waymo、Cruise等头部公司离职工程师外，大量新入局者来自通用AI实验室、机器人学及具身智能领域。他们不再执着于L4级全无人驾驶的“终极目标”，而是聚焦细分场景的渐进式落地：如港口无人集卡调度、园区物流车编队、矿区自动驾驶运输等封闭或半封闭环境应用。这类场景对系统鲁棒性要求相对可控，且商业回报路径更短，有助于形成正向现金流循环。

从技术路线看，端到端模型正逐步替代传统“模块堆叠”架构。传统方案需分别训练目标检测、语义分割、预测、路径规划等子模型，并通过后处理融合结果，不仅开发成本高，各模块间误差还会逐级放大。而端到端模型通过统一训练目标（如最小化轨迹偏差与安全风险），使系统整体行为更具一致性与可解释性。近期多项学术研究显示，在相同测试集上，基于VLA大模型的端到端系统在城市复杂路口通行成功率上已接近甚至超越传统方案。

开源生态的繁荣进一步加速了创新扩散。NVIDIA推出的Alpamayo模型开放了部分推理权重与微调接口；Qwen-VLA则提供完整的多模态预训练框架与仿真环境适配工具链。初创团队可直接在其基础上进行场景微调，大幅缩短数据采集与模型训练周期。一位不愿具名的早期创业者表示：“以前搭建一个可用的感知模块要半年，现在用现成大模型+少量真实数据微调，三周就能跑通基础版本。”

资本市场的反应也印证了这一趋势。尽管2024–2025年全球自动驾驶投资曾一度收缩，但2026年Q1-Q3，早期AV项目平均种子轮金额回升至180万美元，较2025年同期增长42%；同时，A轮项目估值中位数稳定在1.2亿美元区间，表明投资者更关注技术可行性而非单纯市场规模预期。

不过，行业仍面临现实挑战。首先是长尾场景覆盖问题：极端天气、非结构化道路、突发交通参与者（如横穿马路的动物或违规行人）仍易导致系统失效；其次是责任界定与监管滞后——目前全球尚无统一的端到端系统认证标准；最后是算力成本：尽管模型效率提升，但实时运行高性能VLA模型仍需定制化车载计算平台，对成本敏感型应用场景构成制约。

Trucks VC在报告中强调，本轮热潮与2016年的关键差异在于：前者依赖资本驱动的“烧钱换时间”，后者则由技术突破支撑的“效率驱动增长”。当基础模型能真正降低感知与决策的边际成本时，自动驾驶的商业化路径将从“能否实现”转向“如何规模化”。

可以预见，未来12–18个月内，将有一批聚焦垂直场景的AV初创企业完成首轮商业验证，并推动行业从“技术演示”阶段迈入“有限区域常态化运营”阶段。而那些未能在端到端架构上建立技术壁垒的旧有玩家，或将面临更严峻的整合压力。