截胡Momenta、拿下Uber，这家名不见经传的公司凭什么？

撰文 | 刘 颖

编辑 | 黄大路

设计 | 甄尤美

2026年8月26日，慕尼黑正迅速升温为全球Robotaxi的新战场。

Waymo宣布将欧洲首个自动驾驶项目落地于此，计划最晚2027年底开启商业运营；而在此前的6月，Uber与以色列自动驾驶公司Autobrains已抢先布局。

随着百度Apollo Go、Momenta以及大众MOIA等玩家的跟进，多条截然不同的技术路线在这座城市正面交锋。

8月6日，Autobrains创始人伊加尔·拉伊切尔高兹（Igal Raichelgauz）公开质疑行业主流观点的做法。

自动驾驶行业的主流观点认为，自动驾驶的未来需要更多数据。只要采集足够多的视频、训练足够大的模型、部署足够多的车辆，系统最终会学会驾驶。这种路线塑造了今天的Waymo、Tesla和Mobileye。

而Autobrains则认为，驾驶AI跟人脑一样。人类驾驶并不是靠见过所有场景才学会开车，而是因为理解了道路规则、空间关系和行为逻辑。

这个技术被他们自己叫作Thinking AI 或 Agentic AI。

肄业博士创办“脑科学AI公司”

要了解Autobrains，必须从它的创始人伊加尔·拉伊切尔高兹说起。

他是以色列国防军精英情报部队出身，退役后创办了一家基于短信的即时通讯平台Figment，然后去语音识别公司LCB做CTO，再然后进英特尔担任多个技术职位。

每一段都是不同的行业、不同的技术方向，唯一的线索是他对“机器如何理解信息”这个问题始终保持着某种执念。

转折点在Technion。

大约2000年代初，拉伊切尔高兹来到以色列理工学院，开始了关于皮层神经网络（cortical neural networks）的博士研究。他的合作者是神经科学教授叶乔舒亚·泽维（Yehoshua Zeevi），以及长期研究合作者卡里娜·奥迪纳耶夫（Karina Odinaev）。

三个人想知道哺乳动物的大脑皮层，究竟是怎么从眼睛接收到的混乱光信号中，解读出有意义的视觉世界的？

研究越做越深，越做越奇。有一段时间，实验室里摆满了活体大鼠。

后来，团队真的把电极插进了大鼠的大脑皮层，然后把数字图像转化成电信号“写”进去，看神经元会怎么反应。这不是计算机模拟，是真实的神经组织在对数字信息做出响应。

遗憾的是，这项研究没能发表成博士论文。因为在2007年，拉伊切尔高兹放弃攻读博士，和奥迪纳耶夫、泽维教授一起创办了Cortica。

Cortica最开始的野心是把人脑处理视觉信息的方式翻译成算法。

传统机器视觉的逻辑是这样的。你给系统看一百万张猫的照片，它就学会识别猫。你给它看一百万张停车标志的图片，它就学会识别停车标志。本质上是“见过足够多”，在相似场景里复现判断。Cortica的逻辑不同。它试图让系统不靠海量标注，而是从视觉信息本身里抽取出结构性的模式。

想象一个场景。暴雨夜晚，能见度不足三十米，一辆自动驾驶汽车行驶在郊区公路上。路边突然出现一个穿反光背心的建筑工人，站在一个临时交通锥旁边，正在向左挥手示意绕行。但这个组合，这家公司的系统从没在训练数据里见过。

对依赖监督学习的传统系统来说，这个场景是一个威胁。因为它需要被“见过”才能被识别，而开放世界里的边缘场景，从定义上就是采集不完的。被树影斑驳遮挡的行人、乡村道路上突然横穿的动物、从未出现过的奇特路障……每一个都需要专门采集、标注、训练和验证。

Autobrains把这个困境叫做“监督学习的墙”。这家公司长期认为，依赖人工标注和监督训练的方法无法有效覆盖开放道路中的长尾场景。

“在多年领导车企的自动驾驶开发项目之后，我清楚看到这个行业现在依赖数据标注的监督学习方法是不够的。它太贵了，而且一旦遭遇没有被专门训练过的场景就会失效。”

Autobrains的高级副总裁约阿希姆·朗根瓦尔特（Joachim Langenwalter）的这句话算是对这面“墙”的直观描述。他曾先后担任英伟达汽车软件总监、大众集团软件策略副总裁和Stellantis工程部门高级副总裁。

Autobrains的创始人后来在一次采访中也说：“这个处理信息的过程不是生成文字或图像，也不是搜索图片，而是在极端复杂的真实世界环境中，与大量动态参与者实时互动。”

他说的是汽车，但也像是在说大脑。他认为这是AI最难的问题，如果这套方法能在开放道路上跑通，就意味着它解决了AI领域最难的感知问题之一。

被汽车产业资本联合孵化

诞生之初，公司专注于视频内容理解、广告技术和安防领域。2019年，Cortica向汽车行业迁移，诞生了Cartica AI。

Cartica AI从一开始就带有明显的产业资本孵化色彩。通常的自动驾驶创业路径是先成立公司，开发技术，再去找整车厂、Tier 1和投资人，一轮轮地说服别人相信你。

Cartica AI的起点不是这样的。它从诞生的那一刻就带有产业联合孵化的色彩，整车厂、供应商和投资机构共同上桌，这里面包括大陆集团、丰田AI Venture、宝马风险投资和以色列众筹投资平台OurCrowd。

这四家机构的母公司都处于汽车产业链的上下游。大陆集团是全球顶级汽车零部件巨头，丰田AI Ventures和宝马风险投资代表日德两国整车厂的产业资本，OurCrowd则是以色列本土最活跃的投资平台。

换句话说，Cartica AI从诞生第一天起，就不是一个孤立的实验室项目。它更像是汽车产业内部联合扶持出来的一个“备选技术路线验证项目”。

后来，Cartica AI发展为Autobrains，由拉伊切尔高兹担任CEO。PitchBook的资料显示，Autobrains前身名称还包括“Cortica Automotive”，更清晰地揭示了其与Cortica的技术传承关系。

从Cortica到Cartica AI，再到Autobrains，这家公司每一次更名都不是简单的品牌调整，而是技术向汽车场景垂直迁移的过程。

Cortica解决“机器如何理解视觉世界”，Cartica AI把这套技术包装成面向ADAS和自动驾驶的方案，Autobrains则进一步将商业对象锁定为车企、一级供应商和出行平台。

在具体产品上，这套逻辑对应着Autobrains不同时期的落地形式。

2024年发布的Liquid AI，将驾驶任务拆解为多个独立优化的子问题，每个由专门的神经网络处理。回到开头那个暴雨场景。系统不是用一个大模型同时处理雨雾干扰、行人识别和手势理解，而是把信息“像液体一样”流向最合适的处理单元，每个单元只负责自己最擅长的那一层判断。

2024年10月发布的Skills产品线，是Liquid AI的模块化商业化形式。它将自动驾驶拆解为一系列“Skills”，每个Skill是针对特定驾驶场景端到端优化的AI模型，根据实时驾驶情况动态激活。这与传统的大型单一神经网络形成对比，理论上更容易针对新场景扩展和验证。

2026年进入核心叙事的Agentic AI，进一步将驾驶智能组织为一组相互协作的“场景代理”（scenario agents），每个代理负责感知、推理和决策的特定维度，并能对真实世界的复杂性做出实时响应。

2024年9月发布的Air-to-Road定位系统，则将车载摄像头的实时视觉数据与卫星图像融合，实现厘米级精度定位，完全不依赖GPS或高精地图（HD map）。这直接解决了高精地图成本高、更新慢、覆盖有限的问题，对需要快速进入新市场的车企尤其有吸引力。

公司官网指出，所有这些技术有四个共同点：低算力需求、兼容硬件（agnostic to sensors and SoCs）、无需大量人工标注、支持模块化扩展。

但实际上，这些主张仍有大量需要在实际量产中验证的部分。公开资料中，目前还缺少详尽的独立第三方技术评测、大规模真实道路的安全数据，以及与主流系统的标准化对比测试。

它的明星对手和朋友

同样诞生于以色列，有过一家改变了全球汽车行业格局的公司。

Mobileye由阿姆农·沙舒亚（Amnon Shashua）和齐夫·阿维拉姆（Ziv Aviram）于1999年在耶路撒冷创办，用了将近二十年时间，把一套基于摄像头的驾驶辅助系统做成了全球最主流的ADAS供应商。

2017年3月，英特尔以约153亿美元将其收购。这是彼时以色列科技行业规模最大的收购案。2022年，Mobileye以独立公司身份在纳斯达克重新上市。

EyeQ系列芯片出货量超过1亿颗。全球路上跑的大多数具备ADAS功能的量产车，背后的眼睛都是Mobileye的。

市场常把它看作Autobrains无法回避的参照系。

TechCrunch在2022年报道Autobrains融资时，标题直接使用了“Mobileye的挑战者（take on Mobileye）”这样的表述。以色列科技媒体CTech也多次将其放在与Mobileye对比的语境中。

拉伊切尔高兹自己也在采访中承认：“我们毫无疑问是Mobileye的竞争对手。我们是一家软件公司，不需要开发芯片，这让我们能够与不同的芯片制造商合作。”

而翻开Autobrains的股东名单，会发现它的总融资额并不显眼。公开数据显示，公司迄今总融资超过1.4亿美元，持有超过300项专利，员工约100至150人。相比Waymo、Cruise动辄数十亿美元的融资，这个规模颇为低调。

但股东名单的构成，却在行业里几乎找不到第二家类似的公司。

2019年成立时，第一批股东就是大名鼎鼎的产业投资机构。

到了C轮融资，名单进一步扩大。2021年11月，公司宣布完成1.01亿美元C轮融资，由新加坡主权基金淡马锡领投，商用车制动系统供应商克诺尔集团、越南电动车制造商VinFast跟投，宝马风险投资和大陆集团继续追加投资。

2022年3月，这一轮融资完成最终关闭，总额升至1.2亿美元，同一批产业资本悉数在场。Autobrains后来公布的投资方名单中，还出现了全球汽车零部件供应商麦格纳和汽车电子企业道通科技。

把这份名单摊开来看，整车厂维度有宝马、丰田和越南电动车制造商VinFast，供应链维度有大陆集团、麦格纳和商用车制动系统供应商克诺尔集团，长期资本维度则有新加坡主权基金淡马锡。

这组投资方本身就是Autobrains重要的潜在客户。

如何真正进入车企的采购体系

2023年1月的一个清晨，以色列特拉维夫的Autobrains办公室收到了一份新的入职文件。

签字的人叫希拉·塔沃尔（Hilla Tavor）。此前十二年，她在耶路撒冷的Mobileye工作，担任ADAS业务发展副总裁，负责与全球整车厂的关系。其中，福特、通用、大众、宝马，都在她的名片联系人里。

三周后，2月8日，另一份入职文件也引人关注。这次是约阿希姆·朗根瓦尔特（Joachim Langenwalter），担任自动驾驶业务高级副总裁。据Autobrains官方公告，他的上一份工作是Stellantis的工程部门高级副总裁，再之前是大众集团软件策略副总裁，更早之前是英伟达汽车软件总监。

两个月，两位履历背书极深的汽车行业老兵。这不是一次巧合，而是一个明确的信号。

拉伊切尔高兹在宣布朗根瓦尔特加入时说得直接：“希拉来自Mobileye，负责领导ADAS。现在约阿希姆加入，负责领导自动驾驶。”

这意味着对于Autobrains来说，技术证明已经做到了一个阶段。接下来，真正进入汽车采购体系是企业发展的关键节点。

这是两个不同难度的问题。

在技术早期，说服一家公司相信你的算法有效可以靠演示、靠发布、靠媒体曝光，都还有机会。但车企的采购体系不是一个靠Demo就能进入的地方。采购周期动辄三到五年，中间还有功能安全认证（ISO 26262）、预期功能安全（SOTIF）、网络安全（UNECE WP.29）等一道道关卡，一个ADAS系统从原型演示到量产上车，中间是一段旁人看不见的漫长工程旅程。

Mobileye用了二十多年才建立起这些关系和信任。塔沃尔和朗根瓦尔特带来的，正是这些难以从零建立的行业积累。

获得一张小型车市场的入场券

在所有关于Autobrains的讨论里，Robotaxi和L4自动驾驶占据了大多数版面。但如果只看这条线，很容易错过公司另一更务实的路线。

2024年12月4日，Autobrains与JOYNEXT联合宣布推出智能摄像头ADAS方案。JOYNEXT总部位于德国德累斯顿，是一家为知名汽车制造商服务超过二十年的全球Tier 1供应商，主营车载信息娱乐系统和智能连接网关，产品已进入全球数百万辆车。

方案本身并不复杂。就是通过把Autobrains的AI感知软件和JOYNEXT的摄像头硬件及控制软件，整合进一个紧凑的“单盒”模块，符合欧洲GSR通用安全法规和Euro NCAP要求，可直接插入现有整车电子电气架构。双方宣布合作后，已在德国测试轨道上完成了实地演示。

JOYNEXT首席执行官斯塔夫罗斯·米特拉基斯（Stavros Mitrakis）在合作发布时表示：“构建强大的生态系统对于为全球客户提供可靠且面向未来的技术至关重要。Autobrains是合适的合作伙伴。与他们合作，我们将能够在未来提供可靠、高质量且具有成本效益的自动驾驶技术。”

目标客户，是小型车和紧凑型车的全球OEM。

这个定位背后有一个简单的现实逻辑，因为全球汽车市场最大的体量从来不在豪华车和高端旗舰上，而在A级、B级、小型SUV这些中端和入门级车型上。随着欧盟法规推进（新车强制配备AEB等安全功能）和消费者认知提升，ADAS正在从可选项变成标配。

但成本是这个市场绕不过去的门槛。一套需要激光雷达、高精地图和专用芯片的完整感知方案，可能让一辆10万元的小型车成本增加两三万元。这在经济上根本行不通。Autobrains的摄像头优先、低算力、单盒集成方案，恰好命中了这里的真实需求：低成本、易集成、法规合规。

JOYNEXT将这一合作描述为面向量产市场的ADAS解决方案，而不是Robotaxi项目。相比高阶自动驾驶，这种面向小型车和紧凑型车市场的产品，更接近汽车行业真正的销量基本盘。

被越南车企VinFast相中合作

胡志明市北部，河内的一条普通城区道路上，一辆白色的VinFast VF 8正在缓慢行驶。车顶没有激光雷达，前后也看不到密集的传感器阵列。只有车身几个不起眼的位置，安装着摄像头。

这辆车在测试Autobrains的L2++系统。

VinFast与Autobrains的关系，是理解这家公司商业逻辑的另一把钥匙。它既是Autobrains的投资方之一，后来又成为合作方。

2026年1月27日，VinFast与Autobrains联合宣布战略合作，共同开发L2++自动驾驶技术，并探索一套名为“Robo-Car”的新型自动驾驶架构。

Robo-Car方案的技术主张颇为激进。通过7个标准摄像头加一颗高性能计算芯片（每秒处理约20万亿次运算），不使用激光雷达、雷达阵列或高精地图。定位依赖Autobrains自研的Air-to-Road技术，将实时视觉数据与卫星图像融合，实现无HD地图条件下的厘米级精度定位。

目前，L2++系统已在VinFast VF 8和VF 9两款主力电动SUV上，于河内受控区域展开试点测试，计划扩展至更大城市和国际市场。

VinFast全球副首席执行官兼ADAS/AD研究负责人阮文杨（Nguyen Van Duong）在宣布合作时表示：“VinFast与Autobrains的战略合作正在帮助塑造一种颠覆性的、可负担得起的自动驾驶方案，契合我们对全球移动出行的长期愿景。我们的目标是将先进的驾驶技术从早期用户推向普通驾驶者。”

为什么是VinFast？Reuters在报道双方合作时特别强调，这套方案最大的特点并非追求最高级别自动驾驶，而是以尽可能低的成本实现更高等级智能驾驶能力。

这家越南车企的处境有一定的典型性。它正在全球扩张，面临来自比亚迪、小鹏等中国电动车品牌和传统欧美车企的双重竞争压力。它在美国市场的早期布局遭遇了销售下滑和产品质量问题，迫切需要在智能驾驶上找到新的差异化支点。

但它不可能复制Waymo的高成本路线，也没有Tesla那样庞大的自有数据车队。

Autobrains恰好提供了它需要的那种答案：低成本、摄像头优先、无需激光雷达、不依赖高精地图。有媒体把这套方案叫做“低成本版Tesla路线”，因为两者都强调摄像头优先，都试图回避昂贵的传感器堆叠。

但实际上，两者之间的技术能力层级存在本质差别，不能简单类比。Tesla的FSD能力来自数百万辆量产车组成的庞大数据采集车队，以及多年持续迭代的端到端神经网络体系。Autobrains与VinFast的合作目前仍处于测试阶段。

更准确的解读是，Autobrains最可能找到市场的地方，是那些既需要智能驾驶能力、又对成本高度敏感、同时愿意尝试非主流供应商的新兴车企。

Uber的跑马赛布局

2025年9月8日，Uber与Momenta宣布，慕尼黑将成为双方欧洲L4测试的首个城市，原计划2026年开始测试。

然而，在2026年6月1日，Uber宣布它准备与Autobrains合作，把第一站放在德国慕尼黑。这个消息一度让外界怀疑Autobrains取代了Momenta，当时德国媒体Electrive直接向Uber询问，但未得到回复。

2026年7月29日，Momenta拿到了德国全境L4测试许可，慕尼黑项目仍在推进。也就是说，Uber正在同一座城市同时押注至少两套Robotaxi方案，把技术路线的选择留给市场。

Momenta走的是：Uber＋Momenta L4技术＋量产车平台；Autobrains走的是：Uber＋Autobrains Agentic AI＋NVIDIA DRIVE Hyperion＋尚未公布的整车厂。

2018年3月18日夜晚，美国亚利桑那州坦佩市。一辆Uber自动驾驶测试车在几乎没有路灯的公路上行驶。前方，一名女性推着自行车横穿马路。系统识别失败，刹车没有启动。她当场身亡。

这是自动驾驶史上第一起行人致死事故。

两年后，Uber宣布退出自研自动驾驶。它将旗下的ATG部门出售给Aurora，Uber同时向Aurora投资4亿美元并获得约26%股权，从此转型为“自动驾驶的出行平台”。它不再自己造枪，只做让枪手们出发的码头。

逻辑是清晰的，不押注单一技术路线，而是广泛布局，等谁先跑通商业化，就深化与谁的合作。

截至目前，Uber已经织起一张超过30家合作伙伴的自动驾驶网络，未来几年准备投入超过100亿美元，并计划在2026年底前把自动驾驶服务扩展至最多15个城市。美国有Waymo、Nuro、Avride，欧洲有Wayve（伦敦）、Momenta（慕尼黑试点），中东有百度Apollo Go（迪拜），如今慕尼黑又多了Autobrains。

Fast Company在专题报道中将Uber描述为自动驾驶行业最大的“平台型下注者”之一。相比亲自研发自动驾驶，Uber更愿意同时与多条技术路线合作，通过真实运营场景筛选最终赢家。

这是一场典型的平台方赛马策略。Uber不用判断谁会赢，它只需要站在终点线等待冠军出现。

在这个背景下，Autobrains进入慕尼黑的意义就更清晰了。它不是Uber唯一的欧洲Robotaxi合作方，但它是第一个在德国市场获得明确合作框架的以色列自动驾驶公司。

慕尼黑的选择颇具深意。这里是宝马总部所在地，是欧洲汽车工业的精神中心，同时也是监管严格、道路复杂的欧洲城市驾驶场景的典型代表。在这里跑通Robotaxi，在技术可信度和市场示范效应上的价值，远超一个普通中小城市。

创始人拉伊切尔高兹在慕尼黑合作公告中说：“与Uber和英伟达合作，我们正在把我们的方法引入自动驾驶出行领域，将Agentic AI与所需的出行平台和汽车计算能力相结合，支持跨城市、跨车辆、跨真实路况的Robotaxi规模化运营。”

当然，项目仍在等待德国监管批准，整车制造商尚未公布，车队规模、服务区域、商业启动时间均未确定。

即便如此，Autobrains仍然值得被认真看待。

过去十年，自动驾驶行业的主流叙事越来越相信“大”，包括大车队、大数据、大算力、多传感器、高精地图、云端训练和复杂系统工程等等。

这套逻辑确实推动了行业进步，产生了Waymo、Mobileye、Tesla等重量级玩家，但也带来了高成本、长周期和商业化压力。

直到今天，完全无人驾驶的大规模商业化仍在纸上。

在这个背景下，Autobrains提出的问题是真实的行业痛点。

如果自动驾驶只能靠越来越昂贵的系统推进，那么大量成本敏感的车型、大量新兴市场的用户、大量无法承受激光雷达加持续云端更新成本的应用场景，就可能无法真正受益于这项技术。

Autobrains瞄准的，正是让自动驾驶AI在成本约束下变得更智能，变得足够可靠、足够便宜、足够容易集成。

这是一条路，还是一堵墙，还需要时间来判断。

参考资料：

[1] electrive.com: Uber and Autobrains announce Robotaxi partnership in Munich (2026年)

[2] Fast Company: Uber’s $10 Billion Bet: Why the Ride-Hailing Giant is Partnering with 30 Autonomous Driving Companies (2026年6月)

[3] TechCrunch: Autobrains takes on Mobileye with $120M funding for its AI-based AV technology (2022年3月)

[4] Reuters: Vietnam's VinFast partners with Israel's Autobrains on lower-cost self-driving tech (2026年1月)

[5] CTech (Calcalist): From Mobileye to Autobrains: Hilla Tavor joins autonomous driving startup (2023年1月)

[6] Automotive World: Autobrains launches Liquid AI to break the "supervised learning wall" (2024年)

[7] JOYNEXT 官方新闻室: JOYNEXT and Autobrains announce strategic partnership to deliver cost-effective ADAS solutions (2024年12月)

[8] VinFast 官方新闻室: VinFast and Autobrains Announce Strategic Partnership for L2++ and Robo-Car Development (2026年1月)

[9] Autobrains 官网: 技术白皮书与融资公告 (Agentic AI, Air-to-Road, Skills)