在新時代下,中國的汽車工業(yè)蘊藏著巨大的機會,在新能源汽車和智能駕駛相關的產業(yè)鏈上各個環(huán)節(jié)都存在著巨大的投資機會。金沙江聯(lián)合資本董事總經理周奇認為,電動化、智能化、網聯(lián)化和共享化這四大趨勢正在推動汽車行業(yè)巨變,新時代下的汽車產業(yè)將是繼PC、手機產業(yè)之后中國最大的產業(yè)機會。
“電動化、智能化、網聯(lián)化和共享化這四大趨勢正在推動汽車行業(yè)巨變,新時代下的汽車產業(yè)將是繼PC、手機產業(yè)之后中國最大的產業(yè)機會。”金沙江聯(lián)合資本董事總經理周奇分析。
周奇認為,在四大趨勢中,電動化大大簡化了汽車的結構,使智能化更容易實現(xiàn);網聯(lián)化則為智能化提供了海量數據和信息傳遞的保障。
過去幾十年,中國在傳統(tǒng)汽車工業(yè)的發(fā)展上沒有建立起在世界范圍內有影響力的品牌,也沒有形成有全球化競爭力的汽車零部件產業(yè)鏈。但是,在新時代下,中國的汽車工業(yè)蘊藏著巨大的機會,在新能源汽車和智能駕駛相關的產業(yè)鏈上各個環(huán)節(jié)都存在著巨大的投資機會。
周奇認為,在新能源汽車產業(yè)鏈的投資上要把握住兩個特征:一是符合中國市場特點和應用條件;二是找到好的定位和細分領域,利用好成本低的優(yōu)勢。
金沙江聯(lián)合資本屬于國內較早布局汽車行業(yè)的創(chuàng)投機構,目前已經投資的汽車案例有城市微行純
電動車公司知豆
電動車、物流車公司陸地方舟、智能駕駛技術公司Freetech、汽車配件電商平臺公司劉備修車網、數字儀表盤公司速顯微電子、汽車分時租賃公司京魚出行等。
智能駕駛有哪些投資機會
問:在智能駕駛的環(huán)境感知環(huán)節(jié),有哪些創(chuàng)投機會?
周奇:環(huán)境感知環(huán)節(jié)主要包括三類技術路線:視覺系攝像頭、毫米波雷達和liDAR。
首先,視覺目前最成熟的仍然是Mobileye的機器學習的方案,深度學習路線是個趨勢,國內外幾家公司都在做類似的算法開發(fā),但是中國的道路基礎設施品質參差不齊,道路交通情況更為復雜,對視覺方案提出了更高的要求和挑戰(zhàn)。
其次是毫米波雷達。目前毫米波雷達芯片的主要供應商是NXP、ST、英飛凌和TI,NXP相對比較容易拿到,英飛凌的MMIC芯片基本不對中國公司供應,TI出了第三代的CMOS工藝的芯片,集成度和價格將會大大降低。國內也有不少創(chuàng)業(yè)公司做24、60、77GHz芯片的,但投入大風險高。
國內具有軍工背景的毫米波雷達企業(yè)很多,這類企業(yè)有一定的經驗和技術儲備,但大多數企業(yè)主要是做天線設計,受限于資金、下游市場應用的因素,目前生存狀態(tài)不佳。其中一大部分原因在于,國內沒有優(yōu)秀的雷達算法團隊,單純的硬件,主機廠拿來也不會用,而且硬件的研發(fā)設計需要配合芯片以及算法要求,所以總體來說是產業(yè)鏈不完整導致的這種狀況。
雷達算法是雷達能夠應用到車上的核心一步,國內在車用雷達算法上積累非常少,而且很多情況下,要和視覺傳感器以及車輛控制算法相結合,所以這類算法團隊必然和Tier1(一級供應商)或者主機廠共同研發(fā)才能出成果。
第三,一般認為激光雷達在L3以上的系統(tǒng)中是必須要用的,是無人駕駛的核心傳感器,主要原因是激光的分辨率以及識別性能非常好,可以滿足90%的自動駕駛工況。
目前圍繞著激光雷達的一條主線就是如何量產降低成本。激光雷達分為兩種,機械掃描式和固態(tài)式。第一類激光雷達的一個問題是成本太高,無法量產,再就是可靠性受質疑;第二類激光雷達是目前的一個熱點方向,國內外涌現(xiàn)了大量的相關創(chuàng)業(yè)公司,各主要Tier1都有相應的投資或者戰(zhàn)略合作的布局。固態(tài)激光雷達是降低無人駕駛成本的第一步,是值得布局的一個方向。預計2020年應該有所應用。
問:在智能駕駛的決策環(huán)節(jié),有哪些創(chuàng)投機會?
周奇:決策系統(tǒng)需要對不同傳感器所采集的信息進行感知判斷,并預判汽車的下一步動作,決策系統(tǒng)的核心是算法?刂葡到y(tǒng)是車企與Tier 1擅長的領域,二者有大量的經驗積累。
從目前算法實現(xiàn)方案來看,目前分為機器學習算法和深度學習算法。機器學習算法符合程序設計特征,適用于簡單情景下的自動駕駛,實現(xiàn)ADAS場景下的功能,如高速公路的車道保持, 如ACC(主動跟隨巡航)、AEB(自動緊急剎車)等。
深度學習主要完成目前流行的端到端方案,即從傳感器的輸入直接導出控制端的輸出,中間采用深度學習算法推演,完成對車輛行駛過程中復雜環(huán)境的判斷。相對于較為傳統(tǒng)的機器學習算法,有自動學習的特征。其解決剩下的10%的對環(huán)境的認知。但端到端的整個過程類似一個黑匣子,無法進行分析,一旦出事,很難分析其中哪個環(huán)節(jié)出了問題,也無法修改,很難避免下一次出現(xiàn)類似問題,F(xiàn)在有些自動駕駛公司采用模塊深度學習的方案,把過程拆成幾個邏輯模塊,每個模塊之間是有邏輯關系的。
對于自動駕駛這樣的復雜任務,在設計軟件的同時,還必須考慮與之匹配的硬件效能,特別是芯片。
目前,在無人駕駛領域已經頗有建樹的谷歌、特斯拉等公司,處理器均由英偉達供(特斯拉在事故之前芯片由Mobileye提供)。英特爾以3.5億美元收購人工智能公司Nervana、153億美元收購Mobileye,開始大力進軍此產業(yè)。同時國內也有新型的創(chuàng)業(yè)團隊,如地平線機器人,寒武紀,開始涉獵無人駕駛芯片產業(yè)。
問:在智能駕駛的執(zhí)行環(huán)節(jié),你認為存哪些創(chuàng)投機會?
周奇:執(zhí)行機構逐步從機械結構向電子結構轉換,升級過程中,加入了驅動電機以及ECU控制器等電子元件。新的執(zhí)行結構在電控基礎上,配合傳感器數據,加上控制決策算法,為車輛帶來自動駕駛功能,帶來數倍價值的提升。
執(zhí)行層大多數技術,如線控技術、底盤電控技術等核心技術大多已被老牌的Tier 1和車企掌握,一般的企業(yè)很難打入這一市場。
看好低成本發(fā)展路徑
問:汽車網聯(lián)化將會在哪些行業(yè)率先突破?
周奇:車企在用戶掌控上占據先天優(yōu)勢,因此在整車利潤空間逐漸下降的趨勢下,普遍缺乏對車聯(lián)網的研發(fā)投入,并且對車聯(lián)網前裝的把控更加強勢。但近些年谷歌、特斯拉、百度等互聯(lián)網和科技巨頭進入汽車產業(yè),將其在互聯(lián)網產品和電子信息系統(tǒng)方面的優(yōu)勢帶入汽車制造領域,以彌補造車工藝的不足,對傳統(tǒng)車企造成了巨大的沖擊。因此傳統(tǒng)車企不得不加強在車聯(lián)網方面的投入及合作,以應對跨界競爭。
汽車網聯(lián)化雖然已經得到了整個產業(yè)的共識,是不可逆轉的趨勢,但對于投資者來說,產業(yè)鏈的各方參與者增加了網聯(lián)化的不確定性,各參與方也沒有找到好的商業(yè)模式。
比如我買了2年多的寶馬,其實是具備APP遠程連接并控制汽車的功能的,但是2年來4S店從來沒有引導過安裝這個“BMW云端互聯(lián)”的APP。據知情人士說,寶馬4S店不做任何引導的原因是,該APP可以一目了然地獲取各保養(yǎng)項目的價格信息,并可一鍵預約任意4S店。這一功能雖然給車主帶來了極大的便利,但卻給原購車店家?guī)砹丝蛻袅魇У娘L險。
我們注意到,如商用車聯(lián)網、農機或者工程機械車聯(lián)網、環(huán)保用車聯(lián)網等細分行業(yè),存在著明確的網聯(lián)化需求,這些細分行業(yè)的龍頭企業(yè)將會最先獲得不錯的發(fā)展機會。
問:有機構認為,電動汽車的推廣路徑是從生產便宜小車開始的自下而上路徑,像特斯拉Model S這種從高端市場出發(fā)的自上而下路徑,路徑并不清晰,你怎么看?
周奇:我們更看好前一種路徑。首先,低成本與我國的經濟發(fā)展水平以及人口結構性差異相關。我國經濟發(fā)展的狀況是大城市不堪重負,三四線及農村市場需求旺盛卻無法有效滿足。大城市汽車保有量接近發(fā)達國家水平,而三四線城市不及美國1/8到1/10。
其次,低成本符合未來經濟發(fā)展的低碳化要求。以微型電動汽車為例,國家大力推動電動汽車的各種標準對缺車的地方沒有意義,因為國家鼓勵推行的電動汽車結構復雜耗電量大,而且價格高效能低,充電也困難,廣大地區(qū)市場無法接受。
微型電動汽車使用效率高,購置成本低、使用成本也低。微型電動汽車實質上是“低指標、低能耗、輕量化的電動汽車”,“低能耗”和“輕量化”是“低碳”的根源。先在農村和中小城市發(fā)展小型電動“國民車”,同時發(fā)展不同層次百姓需要的電動車(包括物流車)。
第三,低成本是中國汽車產業(yè)企業(yè)的生存根本之道。以自主品牌車企的發(fā)展為例,早年的“10萬元是個坎,15萬元是座山”,到現(xiàn)在自主品牌風生水起,自主品牌最初的生機也在廣大的三四線城市的車主,他們需要的是一臺質量優(yōu)秀但不要太貴的車,于是才有了實用皮實的哈佛H6。
此外,低成本是汽車產業(yè)發(fā)展的趨勢。汽車產業(yè)之所以是個支柱產業(yè),不是因為它是富人的玩物,而是因為它能滿足各個層次消費者的需求,所以美國人認為福特的流水線才是真正汽車的誕生。同樣的,智能駕駛也好,無人駕駛也好,必然也是沿著成本逐步降低的路線發(fā)展。 (責任編輯:admin)