專訪周奇： 金沙江聯合資本如何布局新汽車工業？

全球汽車工業都在發生巨變。

「電動化、智能化、網聯化和共享化這四大趨勢正在推動汽車行業巨變,新時代下的汽車產業將是繼PC、手機產業之後最大的產業機會。」金沙江聯合資本董事總經理周奇對「新能源汽車金融」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;網聯化則為智能化提供了海量數據和信息傳遞的保障。

周奇認為,過去幾十年,傳統汽車工業的發展並不算成功,沒有建立起在世界範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鏈。但是,在新時代下,的汽車工業蘊藏著巨大的機會,在新能源汽車和智能駕駛相關的產業鏈上各個環節都存在著巨大的投資機會。

周奇提醒,在新能源汽車產業鏈的投資上要把握住兩個特徵:一是符合市場特點和應用條件;二是找到好的定位和細分領域,利用好成本低的優勢。

金沙江聯合資本屬於國內較早布局汽車行業的創投機構,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、汽車配件電商平台公司劉備修車網、數字儀錶盤公司速顯微電子、汽車分時租賃公司京魚出行等。

40年後駕車上路或將成為違法行為?

對無人駕駛的時間表有何預測?

周奇:美國汽車專業調查公司IHS Automotive 預測,高度自動化無人駕駛量產汽車將在2025 年上市,估計銷量可達到23萬輛。到2035年,無人駕駛汽車年銷量將達到1180萬輛,約佔總銷量的10%。2035年無人駕駛汽車在北美市場份額可以達到29%,無人駕駛汽車市場份額為24%,歐洲市場份額為20%。

到2055年,有90%的車會被有自動駕駛功能的汽車替代,而在2020年之前,各種ADAS 將迎來高速發展,如自動緊急剎車AEB 模塊,出貨數量將從2014 年的310 萬套增長到2020年的1900萬套。

我們大膽預測,到2055,人類開車上路或將受到限制,成為違法行為?隨處搭乘自動駕駛的新能源汽車將成為日常出行的常態。

在無人駕駛領域,在傳統車企和互聯網造車企業當中,哪類企業機構完勝的可能性更大?

周奇:美國市場研究機構Navigant Research今年4月發布的一份報告,依據10項標準,對18家汽車廠商、供應商和技術公司開發自動駕駛系統的策略和執行情況進行量化評分。結果顯示,從整體排名和梯隊劃分來看,無人駕駛目前的競爭態勢是傳統車企完勝互聯網公司及相關創新企業。

這18家企業的前後排名分別是福特、通用、雷諾日產、戴姆勒、大眾、寶馬、Waymo、沃爾沃/AUTOLIV/zenuity、德爾福、現代、標緻雪鐵龍 (PSA)、特斯拉、豐田、采埃孚 (ZF)、本田、Uber、 nuTonomy、百度。

智能駕駛產業鏈的投資機會

在智能駕駛的環境感知環節,有哪些創投機會?

周奇:環境感知環節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演算法開發,但是的道路基礎設施品質層次不齊,道路交通情況更為複雜,對視覺方案提出了更高的要求和挑戰。

其次是毫米波雷達。目前毫米波雷達晶元的主要供應商是NXP、ST、英飛凌和TI,NXP相對比較容易拿到,英飛凌的MMIC晶元基本不對公司供應,TI出了第三代的CMOS工藝的晶元,集成度和價格將會大大降低。國內也有不少創業公司做24、60、77GHz晶元的,但投入大,風險高。

國內具有軍工背景的毫米波雷達企業很多,這類企業有一定的經驗和技術儲備,但大多數企業的主要工作是天線設計,受限於資金、下游市場應用的因素,目前生存狀態不佳。其中一大部分原因在於,國內沒有優秀的雷達演算法團隊,單純的硬體,主機廠拿來也不會用,而且硬體的研發設計需要配合晶元以及演算法要求,所以總體來說是產業鏈不完整導致的這種狀況。

雷達演算法是雷達能夠應用到車上的核心一步,國內在車用雷達演算法上積累非常少,而且很多情況下,要和視覺感測器以及車輛控制演算法相結合,所以這類演算法團隊必然和Tier1(一級供應商)或者主機廠共同研發才能出成果。

第三,一般認為,激光雷達在L3以上的系統中是必須要用的,是無人駕駛的核心感測器,主要原因是激光的解析度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:機械掃描式和固態式。第一類激光雷達的一個問題是成本太高,無法量產,另一個就是可靠性的質疑;第二類激光雷達是目前的一個熱點方向,國內外湧現了大量的相關創業公司,各主要Tier1都有相應的投資或者戰略合作的布局。固態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。

在智能駕駛的決策環節,有哪些創投機會?

周奇:決策系統需要對不同感測器所採集的信息進行感知判斷,並預判汽車的下一步動作作,決策系統的核心是演算法。控制系統是車企與Tier 1擅長的領域,二者有大量的經驗積累。

從目前演算法實現方案來看,目前分為機器學習演算法,和深度學習演算法。機器學習演算法符合程序設計特徵,適用於簡單情景下的自動駕駛,實現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,即從感測器的輸入直接導出控制端的輸出,中間採用深度學習演算法推演,完成對車輛行駛過程中複雜環境的判斷。相對於較為傳統的機器學習演算法,有自動學習的特徵。其解決剩下的10%的對環境的認知。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節出了問題,也無法修改,很難避免下一次出現類似問題。現在有些自動駕駛公司採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係的。

對於自動駕駛這樣的複雜任務,在設計軟體的同時,還必須考慮與之匹配的硬體效能,特別是晶元。

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(特斯拉在事故之前晶元由Mobileye提供)。英特爾以3.5億美元收購人工智慧公司Nervana、153億美元收購Mobileye,開始大力進軍此產業。同時國內也有新型的創業團隊,如地平線機器人,寒武紀,開始涉獵無人駕駛晶元產業。

在智能駕駛的執行環節,存在哪些創投機會?

周奇:執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。新的執行結構在電控基礎上,配合感測器數據,加上控制決策演算法,為車輛帶來自動駕駛功能,帶來數倍價值的提升。

執行層大多數技術,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,一般的企業很難打入這一市場。

看好低成本發展路徑

汽車網聯化將會在哪些行業有望率先突破?

周奇:車企在用戶掌控上佔據先天優勢,因此在整車利潤空間逐漸下降的趨勢下,普遍缺乏對車聯網的研發投入,並且對車聯網前裝的把控更加強勢。但近些年穀歌、特斯拉、百度等互聯網和科技巨頭進入汽車產業,將其在互聯網產品和電子信息系統方面的優勢帶入汽車製造領域,以彌補造車工藝的不足,對傳統車企造成了巨大的衝擊。因此傳統車企不得不加強在車聯網方面的投入及合作,以應對跨界競爭。

汽車網聯化雖然已經得到了整個產業的共識,認為是不可逆轉的趨勢,但對於投資者來說,產業鏈的各方參與者增加了網聯化的不確定性,各參與方也沒有找到好的商業模式。

比如我買了2年多的寶馬,其實是具備APP遠程連接並控制汽車的功能的,但是2年來4S店從來沒有引導過安裝這個「BMW雲端互聯」的APP,據知情人士說,寶馬4S店不做任何引導店原因是該APP可以一目了然的獲取各保養項目的價格信息,並可一鍵預約任意4S店。這一功能雖然給車主帶來了極大的便利,但卻給原購車店家帶來了客戶流失的風險。

但我們注意到如商用車聯網、農機或者工程機械車聯網、環保用車聯網等細分行業存在著明確的網聯化需求,我們認為這些細分行業的龍頭企業將會最先獲得不錯的發展機會。

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,還是像特斯拉Model S這種從高端市場出發的自上而下路徑,路徑並不清晰。你怎麼看?

周奇:我們更看好前一種路徑。首先,低成本與的經濟發展水平以及人口結構性差異相關。經濟發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達國家水平,而三四線城市不及美國八到十分之一。

其次,低成本符合未來經濟發展的低碳化要求。以微型電動為例,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,結構複雜耗電量大,價格高效能低,充電也困難,廣大地區市場無法接受。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展小型電動「國民車」,同時發展不同層次百姓需要的電動車(包括物流車)。

第三,低成本是汽車產業企業的生存根本之道。以自主品牌車企的發展為例,早年的「10萬元是個坎,15萬是座山」到現在自主品牌越發風生水起,自主品牌最初的生機也在廣大的三四線城市的車主,他們需要的是一台質量優秀但不要太貴的車,於是才有了實用皮實的哈佛H6。

此外,低成本是汽車產業發展的趨勢。汽車產業之所以是個支柱產業,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。

作者：新能源汽車金融

返回第一電動網首頁 >