青桐資本大咖說|同渡資本王毅：智駕網聯早期投資策略及創業機會

從去年7月開始,我們啟動了“青桐大咖說”,初衷希望提供一個交流平臺,讓一個賽道 行業的投資人和產業上下游創業者,充分的交流互動,碰撞火花和靈感

從去年7月開始,我們啟動了“青桐大咖說”,初衷希望提供一個交流平臺,讓一個賽道/行業的投資人和產業上下游創業者,充分的交流互動,碰撞火花和靈感。這源于我們發現了信息交流層面的痛點。

我們發現了,朋友圈不停地更新各類行業信息,然而有效的、精梳的、有利于思考的信息太少太少。信息爆炸背后,缺的是真誠、有效的雙向互動,缺的是基于實戰的行業發展規律的梳理。于是,2017年7月19日,我們有了第 一期撈月狗痞子狼,二期鈦度李曉峰,三期周大威,陸陸續續,從文娛行業、到消費、到教育、到金融……青桐大咖說已經邀請到24位嘉賓,一起分享經驗,解讀行業。

青桐資本作為FA,在業內一直低調前行,回歸兢兢業業的服務,關注“錢”和“項目”之間的對接效率和品質。在我們看來,業務層面的合作,從來只是一個結果,在合作之前、之間、之后,每個階段青桐更關注如何持續地為投資人、創業者分別創造價值?“青桐大咖說”也正是基于這個初衷,不斷迭代和優化,為投資人和投資熱、投資人和創業者之間架設有效交流的平臺。

本次我們邀請到了同渡資本合伙人王毅王總,分享了其對智駕網聯的早期投資邏輯的深刻見解。王毅擁有多年早期技術領域投資經驗及通訊行業工作經驗,主要投資案例包括航星光網、羿媧科技、閑豆回收、眾盟、易沖無線、閃送等。

以下為王毅在“青桐大咖說”第24期上的分享內容:

同渡資本是一家人民幣基金,聚焦科技類項目的早期投資,以Pre-A和A輪為主。目前主要集中關注ICT產業和醫療產業兩大方向。

一.智駕網聯的定義及包含要素

智駕網聯包含兩個層面的含義:智能駕駛和車聯網,而智能駕駛細化來說即為單車智能。

單車智能可分為三大板塊:傳感、控制、執行。

1.傳感部分可分為外部環境感知和車身狀態自身感知兩種。其中依靠車本身的MU、慣導或陀螺儀,可以達到車身狀態的自身感知。外部環境感知則依靠大家熟知的四大傳感器(毫米波、雷達、圖像和激光)以及GPS定位系統。

2.控制部分最主要的是中央處理單位,包括決策算法和芯片集成。這一板塊前兩年受到熱點關注,大量創業項目建立,投融資非?；钴S。

3.執行部分包括了電控轉向、油門、剎車等,屬于傳統車企的強項,而非ICT新技術在車載應用的研究方向。

相對應單車智能,智聯亦即車聯網,其中包含兩大板塊,通訊系統和TSP/云服務。其中,通訊系統需要相應的通訊協議來規范。

二. 自動駕駛領域投資策略

大約三年前開始,無人駕駛的決策算法大熱,各種無人車大賽從美國延展到國內。我們從中看到兩個問題,一是決策算法非常核心,直接聯動到汽車控制系統。在這一領域,我們認為決策算法是OEM,是主機廠的一個核心能力。對于主機廠而言,由于決策算法和汽車安全直接相關,我們認為主機廠啟用初創企業的決策算法難度較大,周期相對較長。國外車企往往擁有非常強大的研發團隊,有能力自行組建研發團隊,來研究決策算法。相對的,國內的車企情況與海外完全不同,難以借鑒。因此,我們認為在一板塊并不適合做早期投資。

相比后端決策算法的高難度,在前端的感知層面,我們會應用到很多新技術,如毫米波、LiDAR、視覺等,給創業公司留下了較大機會。在這一層面,海外的情況兩極分化,上下游分化明顯。上游的ST、英飛凌、NSP為芯片方案的提供商,而下游的Tier1,ABCD、電裝等具備很強的集成能力,需要從上游拿到芯片,向OEM提供完整的集成方案。

感知層面如有上游未完全成熟的產品出現,但決策算法沒有輸入,則難以產生能夠商用的控制系統。綜合來看,我們認為應在前端感知層面應首先布局。從國內的創業方向來看,前端感知層仍然留有有巨大的創新機會。

三.車載傳感器投資策略

如今在車載上使用最多、最 先成熟的應用是視覺和毫米波,LiDAR(激光雷達)相對而言稍為滯后。“毫米波+視覺”這一方案已經能夠滿足99%的場景。由于行業內對于車規級的安全性要求保障極高,LiDAR技術一定會被加以應用。所以我們認為,將來三大傳感器會作為互補的關系在車上出現。

同渡資本在車載傳感器方面有以下投資策略:

1.關注產業鏈上游。決策算法層面長期而言會有兩級存在,一級是芯片解決方案提供商,一級是Tier1。國內缺少和國外水平相當的Tier1,所以短期內國內存在一系列做模組的機會。Tier1的實力較弱直接導致其集成能力較弱,直接做芯片輸出給Tier1是不現實的。因此,國內會出現一波提供模組解決方案的供應商。但是由于我們主要投資早期,所以我們認為更好的方向是盡可能從芯片開始尋找解決方案。

2.關注有融合能力的團隊。智能駕駛是典型的多傳感器融合的場景,如果沒有融合的能力,只能做單點傳感器的信息輸出,后續企業將存在壁壘。因此,我們會更關注具備算法能力的和硬件解決方案的融合型團隊。

3.關注前端數據預處理創新。從目前來看,車載上傳感器提供的有效信息過多,車輛難以做決策,主要原因是器件尚未成熟。例如LiDAR識別的遠度和精度還不夠成熟。整體而言,傳感器提供了大量的冗余信息,導致后續數據處理時對于算力的要求很高,而算力又直接影響著整車的功耗。因此,我們會尋找能夠在前端實現數據處理、完成有效前端采集過濾的企業。

四.車載三大傳感器具體投資分析

目前,同渡在車載三大傳感器上的分析和研究如下:

一. 視覺傳感器,這可能是目前技術最成熟應用最廣的傳感器。

1.單目視覺。以Mobileye為代表的單目視覺,過去幾年已在特斯拉成功商用。不過從特斯拉出的幾起事故來看,單目視覺的缺陷也比較明顯:一是需要大量的識別圖來做物體測距及識別訓練。二是當現實出現的物體不在識別庫里或者沒有辦法準確識別時,就沒有辦法做準確的距離估算,會出現較大的安全出行隱患。

從目前來看,純單目要做到高度自動駕駛是非常難的。單目最 好還是要配合像毫米波雷達這樣的傳感器才能比較好的適配自動駕駛。

2.雙目視覺。視覺未來主要會以雙目為主,這也是我們現在主要布局的一個方向。雙目的好處是利用了時差原理,這跟人眼識別物體的遠近原理是一樣的,對整個距離的估算會比單目要準很多。相比毫米波雷達利用回波原理也會更精 確。但是,雙目其實也有一個缺陷,即校準標定工作非常煩瑣,要把兩個camera信號同步做好,否則會對后續處理有極大干擾。

雙目視覺也存在挑戰。它的基線( line),就是兩個攝像頭之間的距離越遠,用三角測距原理所得的測距精度會越高,因為視差的差度會越大。若離的近則難度會越高,因為視差會更小。所以,如何在相對較小的 line下,把測量精度提高,這是對企業核心能力的一個考驗。

二. 毫米波雷達。毫米波雷達的產品應用現在也相對比較成熟,不僅僅是在車領域。

1.從頻段層面來講,在車載測距方面,未來中長距離肯定是以77G為主,四個角做BSD盲點探測是以24G為主。

最早的毫米波雷達用在車上是24G的窄帶,帶寬不到200兆,測距精度前后只有75厘米,目標分離能力也只有1.5米。這個參數在車載來說,即便是做盲點檢測也低了一點。

后來出現了24G的一個超寬帶毫米波雷達,帶寬最 高可以到7G,精度可以到2.2厘米。但24G毫米波雷達也有一個缺陷,就是發射功率太低,信兆比比較低。發射工作的高低直接跟探測距離是相關,所以24G在車載上的應用還是很受限。我們能看到的主要還是在BSD四角盲點探測的應用。

大家都在研究在車載上的應用,哪個頻段會更好,最終確定下來就是77-79 G,因為它帶寬足夠、精度夠高。從國內情況來看,77G的毫米波雷達測試工作從去年就開始了,由車聯信息聯盟TIAA牽頭,工信部可能會根據TIAA的測試結果正式頒布77G的頻譜劃分。

2.從工藝層面來講,目前毫米波雷達的兩個主要工藝,一個是SiGe,一個是CMOS。SiGe的好處是傳統半導體技術很成熟,在77G上SiGe的片子已經實現了大規模量產。CMOS的好處是集成度更高,它未來其實可以把基帶和射頻都集中在一個SoC上,這是一個非常好的技術優勢。從出貨量上來看,目前還是SiGe比較大,因為在大功率情況下SiGe的性能比CMOS要好一些。這兩種技術目前是并存的,未來的一段時間也將持續并存。

3.從芯片層面來講,國內應該是有3-4家可以去提供給毫米波雷達。77G能夠量產或者說小批量的有1家,24G的現在有2-3家,正在過渡往77G的有1家。77G已經明確劃分專門給車載做應用。但是,車是一個非常慢的傳統行業,要進車載尤其是前裝,需要非常長的周期。從芯片研發到下游模組成熟配合,到整套方案給OEM,再到試用、確認合規,上車,這個周期至少需要5年。

所以綜合來看,我們會更傾向找24、77都能做的團隊,長短期結合。從長期來看,77是核心能力,從階段性來看,尤其是現階段的國內ADAS滲透率不到3%的情況下,24的用武之地還是很廣。24G是一個公用頻段,并沒有限制在車載領域,很多停車場、閘機等領域,24G的毫米波雷達都可以使用,企業也可以在較短時間內實現營收。

三.激光雷達。這幾年,激光雷達的創業、融資、投資可以說是非常瘋狂。大概的種類可以分成三種:機械式的、混合固態和純固態。

1.機械式。LiDAR是里面的一個代表。從批量使用考慮,機械式顯然是不合適的。因為有機械轉動,就意味著長期運動會出現不穩定性,會有很明顯的故障點,而且體積較大不易于集成。所以機械式目前也就在高精地圖采集車上,或者用于一些DEMO的車上驗證,以后上整車做前裝肯定是不適用的。

2.混合固態MEMS。之所以稱為混合固態,是因為它里面由很多微掃描鏡構成,微掃描鏡本身是振動的,所以它不是一個純固態,還是存在機械運動。MEMS相對來說成本較低,掃描距離也可以做得比較遠。但是它內部因為有機械振動的原因,長期來看也不是車載使用的最 佳方式。所以,現在大家全都轉向了純固態方向。

3.純固態。它里面沒有任何機械轉動,所以長期運行的穩定性高了很多。純固態里面,又分了幾種方式,Flash是現在相對來說比較常見,也比較成熟的一種方式。但是Flash的探測距離比較受限,主要是在短距上的應用,長距離應用還有較明顯的缺陷。

現在的一個最 新方向是OPA光學相控陣。光學相控陣的原理是利用不同相位的光在不同方向上做幅度的疊加,或者是相消。比如說在相位相同的方向上面,相位是疊加,強度會增強,在相反的方向上,則是相消。

作為早期投資基金,我們更愿意看到的是有技術發展潛力的,未來能夠在車載領域商用的項目,OPA光學相控陣是我們看好的方向。

五.車聯網現狀就及創業機會

車聯網在國內,主要指的是“V2X”,大概分為V2V車到車,V2I車到基礎設施,V2P車到行人。

從技術層面來看,車聯網現在主要有兩大的技術方向:

1.DSRC專用短程通信技術,這是基于8011P的標準開發的。它的好處就是可以使車之間能夠直接通信,在短距范圍內效率較高。它的缺陷也比較明顯,做長距時,它的可靠性會有問題。

2.LTE-V,LTE-V是專門給車載應用,給車聯網做的一個基于LTE改造的協議規范。它的好處是以LTE的蜂窩網作為基礎,避免了重復建設,運營商不用再去興建路邊設施,跟現在的基站可以共用。而且頻譜比較好劃分,可以跟LTE共享頻譜,那么它的探測范圍就廣泛了很多。LTE-V可以把探測的距離擴大,從數十米上百米,到數公里以外,做一個大系統的聯動,讓你能夠知道全局的路況,這對后續的車載決策算法是有很大幫助的。

對比DSRC,LTE-V提供了更高的帶寬,更高的傳輸速率,更大的覆蓋范圍,而且能夠重復現在的基建和頻譜。所以我們認為,LTE-V在后續的發展前景要比DSRC好。

縱觀整個產業鏈,哪些方向還存在創業機會呢?

1.運營服務,這是車聯網的最底層。這部分很有可能是三大運營商直接承接,沒有太多創業企業的機會了。

2.設備提供,在基站方面,都是傳統的通信企業在做,創業企業做的可能性不大。但是有兩塊產品還是存在創業企業的機會的,一個就是做V2X的路邊設備(RSU),一個是車載(OSU)。在OSU方面,T-BOX是一個很好的信息集成和傳送的終端。從收集整車數據到跟遠程云端和邊緣端做數據交換,再到信息內容的下發,T-BOX會有很大的功能區別。所以在這塊,我們覺得存在創業企業的創新的機會。

3.內容提供。在車載上,不管是大屏還是T-BOX都有大量的內容服務,包括娛樂的、消費的,整車安全的信息等。內容提供層面也存在創業機會。

4.數據分析和挖掘。聯網之后帶來的是大量數據的產生和交互?；谶@些數據,如何去分析整車的運行狀況,進而和安全相結合和UBI保險去結合,這塊是一個突破點。

5.數據安全。車的安全要求是非常高的,有一點差錯會直接導致出人命。如果網絡被劫持,怎么去保證乘車人的安全,這是我們能看到的一個非常核心的痛點。所以在車聯網領域,如何做好數據安全又能保證數據的交互性、實時性,我覺得是創業企業可以關注的一個方向。

從使用場景來看,我們覺得國內現在要去車聯網,應該先從商用車入手,乘用車是比較難的。商用車的這張網會先建起來,對于這張網里面的數據如何去使用,創業企業可以去想一想的。另外,在商用車領域,最終的用戶不是整車廠而是這些買車的B端用戶,比如物流公司。對B端來說,痛點需求是如何把整個車隊管好,駕駛員的駕駛行為,車的維修,意外事故的賠償,車險等這些都跟管理成本直接相關。創業公司也可以在這個場景痛點上多做考慮。

青桐資本成立于2014年3月,是由業內資深的投行人士和成功的創業家共同發起組建的新型互聯網投行。截至目前,青桐資本已經成功幫助金融科技、教育、文娛、消費升級、醫療健康、企業服務、人工智能、汽車物流等領域的近百家企業成功融資。未來,青桐資本將持續助力新興企業對接資本市場,提供高效的股權融資、企業并購、投資顧問等全方位金融服務。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！