智驾公司港股IPO潮：揭开特斯拉与中国车企AI战略分野

2026-04-02，轻舟智航、元戎启行被曝已向港交所秘密递交上市材料，Momenta也在冲刺港股IPO。一个很现实的信号随之浮出水面：自动驾驶算法公司正在用最快速度把自己“搬上牌桌”，因为晚一步，可能就错过了二级市场给它们定价的窗口。

我更愿意把这波IPO潮看成一场“AI战略的资本化验收”。原因很简单：智能驾驶已经从车企的卖点，变成了车企的基础设施；而基础设施的竞争，最终会回到数据、算力、组织形态与商业闭环。这恰好也是本系列《自动驾驶 AI：Tesla 与中国车企的发展路径对比》想讲清楚的核心——特斯拉的软件优先与全栈自研路线，和中国品牌普遍采用的“多传感器 + 多供应商协同”路线，在资本市场与量产节奏上正在走向不同的结果。

一句话概括：IPO不是终点，而是智驾公司“烧钱换规模”的下一张入场券。

港股IPO为何在2026年突然变成“必选项”？

直接答案：智驾行业进入收敛期，规模战开打，融资渠道反而变窄了。

从报道披露的信息看，港股IPO的节奏窗口大致是6-9个月（递表、审核、聆讯、路演、招股）。若流程顺利，轻舟智航、元戎启行、Momenta这类头部与准头部玩家，很可能在2026年下半年迎来集中挂牌。

1）需求侧变了：城市NOA下探到10万-15万级

当城市NOA从“选配”变成“标配”，供应商第一次能在报表里更完整地跑通链路：

• 技术输出 → 量产装车
• 量产交付 → 收入确认
• 装车规模 → 数据闭环与模型迭代

这对资本市场意味着什么？意味着“未来故事”开始变成可验证的现实。在财务曲线最漂亮、订单转化率最高的阶段上市，定价自然更有优势。

2）供给侧更残酷：端到端范式收敛，溢价被压平

端到端（E2E）和大模型上车带来的结果，是技术路线的集中：统一网络把感知、预测、规划决策压进一个训练范式里。于是，算法公司之间的差距更像“工程与数据的差距”，而不是“代际鸿沟”。

当技术不再天然带来高溢价，企业就必须回答资本市场的追问：

• 你靠什么持续领先？
• 你怎么形成规模壁垒？
• 你能否把成本曲线打下来？

3）钱越来越难：一级市场降温，算力像黑洞

大模型训练与闭环迭代对算力、数据、工具链的吞吐要求，决定了智驾公司很难“精益增长”。很多玩家最后都会走到同一个公式：

更多城市覆盖 → 更多装车 → 更多数据 → 更强模型 → 更多订单

这套正循环的前提是：现金流能撑住研发与交付。一级市场降温后，IPO就从“可选”变成“保命”。

这波IPO潮，实际上在给中国车企的AI战略定价

直接答案：智驾算法公司在港股的估值与叙事，会反过来影响车企的AI投入方式与组织结构。

报道提到的客户结构非常典型：

• Momenta深度绑定上汽、奔驰、宝马、奥迪、东风日产等
• 元戎启行绑定长城、零跑等核心客户
• 轻舟智航从理想扩展到奇瑞、吉利等

这背后反映了中国市场的一个长期特征：主机厂与供应商共同推进量产。车企通过项目与订单锁定供应商，供应商通过规模摊薄成本、加速数据闭环。

但当行业进入收敛期，车企会更在意两件事：

1. 供应商是否可持续（现金储备、融资能力、交付能力）
2. 供应商是否可替代（端到端范式下的同质化风险）

于是，供应商要上市，车企也会更倾向于在资本结构、合作周期、数据归属、联合研发等方面“重新谈条件”。

对照特斯拉：为什么“软件优先”能少讲故事、多拿结果？

直接答案：特斯拉的AI战略是“产品—数据—模型—分发”一体化，而中国品牌更常见的是“车型—项目—供应链协同”。

把差异拆开看，会更清楚。

1）数据闭环：车队规模与统一栈决定上限

特斯拉的优势在于：

• 车辆端软件栈更统一
• OTA分发路径更直接
• 训练数据来源更集中

这使得它更容易把“模型能力”快速回灌到产品体验上，再由体验反推销量与车队规模。

中国市场的现实是多品牌、多车型、多域控制器架构并存，再叠加多供应商方案，数据与责任边界更复杂：

• 数据采集口径不一
• 标注与回传链条更长
• 问题定位牵涉多方

这不是谁更聪明的问题，是组织形态与产业结构的差异。

2）商业化：特斯拉卖“软件包”，中国更常卖“硬件+配置”

在“AI变现”上，特斯拉偏向软件订阅、功能包等模式（是否在各地区落地取决于法规与产品策略），其收入结构更容易与“模型持续升级”绑定。

中国车企则更常把智驾打包进高配，或以限时赠送、选装权益等方式推动销量。结果是：

• 用户付费意愿被“配置战”稀释
• 供应商收入更依赖装车规模与项目节奏
• 行业更容易走向价格战

这也是为什么报道里会出现那句很刺耳但很真实的话：“再晚一步，可能连被定价的机会都没了。”

3）叙事升级：从“自动驾驶”到“物理AI”，谁更像AI公司？

当资本偏好向具身智能、人形机器人迁移，自动驾驶被视为“确定性更高但天花板有限”的垂直应用时，智驾公司必须扩张叙事边界。

报道给出两条典型路线：

• 向下：从软件延伸到芯片与软硬一体（例如强调“智驾大脑+神经系统”的完整交付）
• 向外：从道路智能延展到机器人、物理AI（例如“RoadAGI”这类概念）

这其实对应两种不同的“护城河构建法”：

1. 软硬一体：用交付确定性与成本曲线构建壁垒
2. 物理AI：用更大市场叙事与技术可迁移性争取更高估值锚

而特斯拉的路径更简单粗暴：把自动驾驶、机器人等放进同一套AI与算力体系里，叙事统一、组织也更统一。

读懂IPO潮：车企与投资人该看哪些硬指标？

直接答案：别只看“端到端”，要看能否形成规模正循环。

如果你是车企的智能化负责人、投资人、或负责战略合作的团队，我建议把尽调与评估框架从“功能演示”改成“规模系统”。可快速对照这张清单：

车企侧：选择供应商的5个问题

1. **数据闭环归属怎么划分？**事故与长尾问题由谁定位、谁背锅、谁迭代？
2. **交付体系是否可复制？**同一套方案跨车型、跨域控制器的迁移成本多大？
3. **算力与工具链是否自洽？**训练、仿真、评测、回归测试是否形成流水线？
4. **成本曲线是否可下降？**单车BOM与算力成本随规模下降的斜率是多少？
5. **合作绑定是否健康？**过度绑定会抬高议价权，过度分散会降低稳定性。

投资侧：IPO前最值得盯的3条曲线

• 装车规模增长曲线：决定数据与收入的“上限”
• 毛利率与交付成本曲线：决定能否穿越价格战
• 研发费用/收入的拐点：决定从“烧钱”走向“自我造血”的速度

可被引用的判断：智驾公司的估值核心，不是算法优雅，而是规模带来的单位成本下降与数据复利。

结尾：FSD入华预期与港股定价，会把行业推向哪里？

这波港股IPO潮把一个行业现实摊在了台面上：智能驾驶竞争已经从“谁能做出来”变成“谁能规模化交付并持续迭代”。而一旦特斯拉FSD在中国市场形成更强的用户心智（无论节奏快慢），中国车企会更迫切地把AI能力当作长期资产来经营，而不是当作一轮配置战的短期武器。

接下来两年，我更看好的方向是：车企与供应商的关系会从“项目制采购”转向“共同体式联合研发”，围绕数据、算力、工具链与安全责任形成更清晰的合约结构。上市，只会让这件事更透明、更算账。

如果你正在评估智驾供应商或规划车企AI路线，一个更尖锐的问题是：你到底要做一家“卖车的公司”，还是一家“用车队训练AI的公司”？