42号车库对话蓝驰创投朱天宇:投资李想背后,实现需求和场景的闭环才是新造车的未来( 二 )


问:请问从人工智能角度来说 , 蓝驰怎么看待智能驾驶热潮?
答:我们开始关注这个行业 , 并不是因为自动驾驶或者人工智能 , 我们基金会沿着一条技术发展的主线去看待这个行业 。
我们内部有一句话叫「没有云计算 , 何谈大数据;没有大数据 , 何谈人工智能」 , 我们是一路从云计算等底层技术关注而来 , 我们的主线还是看大数据真正富集的方向在哪里 。
我们归纳过三个大数据比较富集的领域:
原本这个行业数据就很密集 , 数字化程度也比较高 , 像电信、金融行业等 。
原本业务很复杂 , 但数字化弱 , 属于信息洼地 , 像政府以及一些企事业单位等 。
一些新兴行业 , 比如出行、智慧交通等都是数据富集的方向 。
像以感知层面的创新迭代而出现的自动驾驶 , 就是一个典型的新兴行业 , 而且数据生成和积累速度都非常快 。 但过去几年 , 很多第三方辅助驾驶的方案商在做的感知层、决策层、控制层是很难融合的 。 只有整车才有可能真正的、很好的去融合三方 。 所以蓝驰在 2016 年参与了理想的 A 轮融资 。
我们从这个视角看到自动驾驶的价值 , 它是把人的衣、食、住、行 , 中的「行」带来了全新的智能化和电动化的空间 , 打开了一个万亿美金的市场 。
问:有这么一个说法 , 就是说中国的自动驾驶的应用时间会比欧美时间早 , 同意么?
答:L4 以上自动驾驶对道路数据和道路感知能力的要求非常高 , 对于高精地图、通信网络以及车路协同的数据收集与处理能力要求很高 , 这里面一个重要的条件是谁能率先完成动态数据闭环的收集 。
我们看到的一种实践是特斯拉和理想汽车在尝试的:单车智能 , 自己闭环去训练智能 , 通过规模 , 看能不能变革载具 。 这肯定是最先进的 , 因为它的迭代速度会更快 , 这是稳定的 , 从创新的演进速度来讲 , 也更有效率 。
与其讨论 L4 的落地时间 , 对于包括理想汽车在内的新造车企业来讲 , 更大的视角应该是 , 把销量做上去 , 把智能的模块做出来 。 目前 , 理想的销量应该是领跑厂商之一 , 而且增长速度极快 。 最终 , 相信大家都是眼见为实 , 谁先实现效率跃升 , 谁就是最有说服力的 。
另一方面 , 从国家倡导的新基建可以看出一些基本形态 , 它针对整个智慧城市、智能交通、空间数字化和联网化的投入 , 可能会让中国在这方面可以率先迈出一步 。
咱们国家的新基建就相当于建立了一个数字化空间 , 有自治能力的智能载具只是一环 。 从数据、基建以及技术上都是超前投入 , 在这一块我觉得我们国家领先的可能性极大 。
还要关注人才的竞争 。 汽车这个产业在过去的 100 年的时间里 , 整个市场还是被像德国这样具有强烈机械工程师文化的国家占领 , 整个供应链都分别围绕着各自的方向在努力 。
在智能化或者说自动驾驶这个方向 , 因过去十几年中美互联网和软件系统更加发达 , 因此从人才的富集程度和对信息软件的理解以及产品迭代的开发理念来看 , 中美人才会更加富集 。
比如最近大众对智能化的转型 , 声势很浩大 , 但其实还是在延续过去 100 年以 OEM 为中心那种集中分散、集中加 Tier 1 协作的协作体系 , 而这种协作体系在现在拼智能、拼架构以及拼产品的这种快速迭代的开发理念里 , 很难有快速看清产品本质的能力 , 这一点是欧洲的差距 。
问:从 2016 年投资理想汽车开始 , 蓝驰怎么看这个产业链上不同角色的价值链变化?
我们关注这个事并不是以「行业热度」为标准的 , 而是我们是沿着技术变革所需的关键要素发展的路径而来的 , 它是技术演进过程的结果 。
因为这件事的难度 , 我们比较审慎 。 在 2016 年投资理想前我们就看到了行业的复杂性 。
自动驾驶太复杂 , 这个产业不可能只用一个第三方技术公司视角去看 , 而看得越多越要对这个行业的专业性有敬畏之心 。


推荐阅读