在新时代下，中国的汽车工业蕴藏着巨大的机会，在新能源汽车和智能驾驶相关的产业链上各个环节都存在着巨大的投资机会。金沙江联合资本董事总经理周奇认为，电动化、智能化、网联化和共享化这四大趋势正在推动汽车行业巨变，新时代下的汽车产业将是继PC、手机产业之后中国最大的产业机会。
 
       “电动化、智能化、网联化和共享化这四大趋势正在推动汽车行业巨变，新时代下的汽车产业将是继PC、手机产业之后中国最大的产业机会。”金沙江联合资本董事总经理周奇分析。
 
       周奇认为，在四大趋势中，电动化大大简化了汽车的结构，使智能化更容易实现；网联化则为智能化提供了海量数据和信息传递的保障。
 
       过去几十年，中国在传统汽车工业的发展上没有建立起在世界范围内有影响力的品牌，也没有形成有全球化竞争力的汽车零部件产业链。但是，在新时代下，中国的汽车工业蕴藏着巨大的机会，在新能源汽车和智能驾驶相关的产业链上各个环节都存在着巨大的投资机会。
 
       周奇认为，在新能源汽车产业链的投资上要把握住两个特征：一是符合中国市场特点和应用条件；二是找到好的定位和细分领域，利用好成本低的优势。
 
       金沙江联合资本属于国内较早布局汽车行业的创投机构，目前已经投资的汽车案例有城市微行纯电动车公司知豆电动车、物流车公司陆地方舟、智能驾驶技术公司Freetech、汽车配件电商平台公司刘备修车网、数字仪表盘公司速显微电子、汽车分时租赁公司京鱼出行等。
 
       智能驾驶有哪些投资机会
 
       问：在智能驾驶的环境感知环节，有哪些创投机会？
 
       周奇：环境感知环节主要包括三类技术路线：视觉系摄像头、毫米波雷达和liDAR。
 
       首先，视觉目前最成熟的仍然是Mobileye的机器学习的方案，深度学习路线是个趋势，国内外几家公司都在做类似的算法开发，但是中国的道路基础设施品质参差不齐，道路交通情况更为复杂，对视觉方案提出了更高的要求和挑战。
 
       其次是毫米波雷达。目前毫米波雷达芯片的主要供应商是NXP、ST、英飞凌和TI，NXP相对比较容易拿到，英飞凌的MMIC芯片基本不对中国公司供应，TI出了第三代的CMOS工艺的芯片，集成度和价格将会大大降低。国内也有不少创业公司做24、60、77GHz芯片的，但投入大风险高。
 
       国内具有军工背景的毫米波雷达企业很多，这类企业有一定的经验和技术储备，但大多数企业主要是做天线设计，受限于资金、下游市场应用的因素，目前生存状态不佳。其中一大部分原因在于，国内没有优秀的雷达算法团队，单纯的硬件，主机厂拿来也不会用，而且硬件的研发设计需要配合芯片以及算法要求，所以总体来说是产业链不完整导致的这种状况。
 
       雷达算法是雷达能够应用到车上的核心一步，国内在车用雷达算法上积累非常少，而且很多情况下，要和视觉传感器以及车辆控制算法相结合，所以这类算法团队必然和Tier1（一级供应商）或者主机厂共同研发才能出成果。
 
       第三，一般认为激光雷达在L3以上的系统中是必须要用的，是无人驾驶的核心传感器，主要原因是激光的分辨率以及识别性能非常好，可以满足90%的自动驾驶工况。
 
       目前围绕着激光雷达的一条主线就是如何量产降低成本。激光雷达分为两种，机械扫描式和固态式。第一类激光雷达的一个问题是成本太高，无法量产，再就是可靠性受质疑；第二类激光雷达是目前的一个热点方向，国内外涌现了大量的相关创业公司，各主要Tier1都有相应的投资或者战略合作的布局。固态激光雷达是降低无人驾驶成本的第一步，是值得布局的一个方向。预计2020年应该有所应用。
 
       问：在智能驾驶的决策环节，有哪些创投机会？
 
       周奇：决策系统需要对不同传感器所采集的信息进行感知判断，并预判汽车的下一步动作，决策系统的核心是算法。控制系统是车企与Tier 1擅长的领域，二者有大量的经验积累。
 
       从目前算法实现方案来看，目前分为机器学习算法和深度学习算法。机器学习算法符合程序设计特征，适用于简单情景下的自动驾驶，实现ADAS场景下的功能，如高速公路的车道保持， 如ACC（主动跟随巡航）、AEB（自动紧急刹车）等。
 
       深度学习主要完成目前流行的端到端方案，即从传感器的输入直接导出控制端的输出，中间采用深度学习算法推演，完成对车辆行驶过程中复杂环境的判断。相对于较为传统的机器学习算法，有自动学习的特征。其解决剩下的10%的对环境的认知。但端到端的整个过程类似一个黑匣子，无法进行分析，一旦出事，很难分析其中哪个环节出了问题，也无法修改，很难避免下一次出现类似问题。现在有些自动驾驶公司采用模块深度学习的方案，把过程拆成几个逻辑模块，每个模块之间是有逻辑关系的。
 
       对于自动驾驶这样的复杂任务，在设计软件的同时，还必须考虑与之匹配的硬件效能，特别是芯片。
 
       目前，在无人驾驶领域已经颇有建树的谷歌、特斯拉等公司，处理器均由英伟达供（特斯拉在事故之前芯片由Mobileye提供）。英特尔以3.5亿美元收购人工智能公司Nervana、153亿美元收购Mobileye，开始大力进军此产业。同时国内也有新型的创业团队，如地平线机器人，寒武纪，开始涉猎无人驾驶芯片产业。
 
       问：在智能驾驶的执行环节，你认为存哪些创投机会？
 
       周奇：执行机构逐步从机械结构向电子结构转换，升级过程中，加入了驱动电机以及ECU控制器等电子元件。新的执行结构在电控基础上，配合传感器数据，加上控制决策算法，为车辆带来自动驾驶功能，带来数倍价值的提升。
 
       执行层大多数技术，如线控技术、底盘电控技术等核心技术大多已被老牌的Tier 1和车企掌握，一般的企业很难打入这一市场。
 
       看好低成本发展路径
 
       问：汽车网联化将会在哪些行业率先突破？
 
       周奇：车企在用户掌控上占据先天优势，因此在整车利润空间逐渐下降的趋势下，普遍缺乏对车联网的研发投入，并且对车联网前装的把控更加强势。但近些年谷歌、特斯拉、百度等互联网和科技巨头进入汽车产业，将其在互联网产品和电子信息系统方面的优势带入汽车制造领域，以弥补造车工艺的不足，对传统车企造成了巨大的冲击。因此传统车企不得不加强在车联网方面的投入及合作，以应对跨界竞争。
 
       汽车网联化虽然已经得到了整个产业的共识，是不可逆转的趋势，但对于投资者来说，产业链的各方参与者增加了网联化的不确定性，各参与方也没有找到好的商业模式。
 
       比如我买了2年多的宝马，其实是具备APP远程连接并控制汽车的功能的，但是2年来4S店从来没有引导过安装这个“BMW云端互联”的APP。据知情人士说，宝马4S店不做任何引导的原因是，该APP可以一目了然地获取各保养项目的价格信息，并可一键预约任意4S店。这一功能虽然给车主带来了极大的便利，但却给原购车店家带来了客户流失的风险。
 
       我们注意到，如商用车联网、农机或者工程机械车联网、环保用车联网等细分行业，存在着明确的网联化需求，这些细分行业的龙头企业将会最先获得不错的发展机会。
 
       问：有机构认为，电动汽车的推广路径是从生产便宜小车开始的自下而上路径，像特斯拉Model S这种从高端市场出发的自上而下路径，路径并不清晰，你怎么看？
 
       周奇：我们更看好前一种路径。首先，低成本与我国的经济发展水平以及人口结构性差异相关。我国经济发展的状况是大城市不堪重负，三四线及农村市场需求旺盛却无法有效满足。大城市汽车保有量接近发达国家水平，而三四线城市不及美国1/8到1/10。
 
       其次，低成本符合未来经济发展的低碳化要求。以微型电动汽车为例，国家大力推动电动汽车的各种标准对缺车的地方没有意义，因为国家鼓励推行的电动汽车结构复杂耗电量大，而且价格高效能低，充电也困难，广大地区市场无法接受。
 
       微型电动汽车使用效率高，购置成本低、使用成本也低。微型电动汽车实质上是“低指标、低能耗、轻量化的电动汽车”，“低能耗”和“轻量化”是“低碳”的根源。先在农村和中小城市发展小型电动“国民车”，同时发展不同层次百姓需要的电动车（包括物流车）。
 
       第三，低成本是中国汽车产业企业的生存根本之道。以自主品牌车企的发展为例，早年的“10万元是个坎，15万元是座山”，到现在自主品牌风生水起，自主品牌最初的生机也在广大的三四线城市的车主，他们需要的是一台质量优秀但不要太贵的车，于是才有了实用皮实的哈佛H6。
 
       此外，低成本是汽车产业发展的趋势。汽车产业之所以是个支柱产业，不是因为它是富人的玩物，而是因为它能满足各个层次消费者的需求，所以美国人认为福特的流水线才是真正汽车的诞生。同样的，智能驾驶也好，无人驾驶也好，必然也是沿着成本逐步降低的路线发展。 (责任编辑：admin)