一位出身技术圈的资深投资人，跟我们「头脑风暴」了自动驾驶公司的投资逻辑 |独家

原标题：一位出身技术圈的资深投资人，跟我们「头脑风暴」了自动驾驶公司的投资逻辑 |独家采访 | 高静宜 宇多田自动驾驶领域，创业不易，投资更不易。每个人都想在这个有望颠覆整个汽车产业的行业里分一杯羹，又怕走出坏棋。究竟具备哪些特质的自动驾驶创业公司有机会弯道超车？如何考量创始团队的技术实力与产业背景？怎样洞悉一家自动驾驶创业公司的未来成长空间？这些问题，往往需要投资人一 一解答，也会给那些身处在这一行业的创业者，以及半只脚踏进圈子的观望者带来启示。本周，我们与出身中国高端制造业的投资人樊雪松聊了聊自动驾驶领域的创业现状。作为德联资本的高级副总裁，在 2015 年着手接触自动驾驶投资项目之前，毕业于哈尔滨工程大学的樊雪松就已经在中国卫星工程建设领域有了多年的项目经验，目前从事风险投资已有 7 年。德联资本高级副总裁樊雪松在德联资本，他重点关注装备自动化、柔性化、信息化、智能化等方向的投资机会，代表公司对 CalmCar 以及飞芯科技两家自动驾驶领域的创业公司进行投资。其中，前者专注于基于单目摄像头的 ADAS 系统研发，后者则聚焦于研发车载激光雷达的芯片级解决方案。让我们听听他是如何从技术的角度理解自动驾驶行业以及在自动驾驶领域的投资逻辑（根据口述进行的整理）。执行、决策与感知，哪个部分值得投刚开始看自动驾驶这个行业的时候，我们其实是非常纠结的。因为自动驾驶行业技术点多，视觉感知、激光雷达、决策控制，听起来都像是不错的机会。最初我们也并没有直接锁定到某一家公司，而是系统地把行业梳理了一遍，才一点点将范围缩小到了最终投资的 CalmCar 和飞芯上。大概从 2015 年底，团队开始学习的自动驾驶领域知识。当时，谷歌就已经围绕人工智能技术布局了无人机、机器人以及自动驾驶。不同于那些渐进式的技术或者产业动向，自动驾驶是少见的可以颠覆整个产业的，趋势化也是显而易见的，甚至连普通大学生也能感知一二。在我们梳理了自动驾驶领域的技术之后，发现整个自动驾驶可以分为三大块，分别为感知、决策和执行。执行这部分覆盖了几个关键点，包括动力系统、刹车、转向、安全等，这些技术的理论较为成熟，也拥有将近一个世纪的工程实践经历。那些行业龙头公司不缺人、不缺钱也不缺市场机会，想在这个领域实现弯道超车，直接超越那些传统大牌公司，相对比较困难。除非是在这个行业里深耕过十几年的人出来创业，他自己本身带有技术属性和产业属性，这种情况可能会存在一些机会。从我们当时的视角来看，这种具有浓重产业属性的团队可遇而不可求。执行部分我们选择了放弃。我们比较犹豫的是在感知和决策这两部分之间的抉择。当初我们拜访了许多领域内各大高校的学者，也拜访了不少自动驾驶业内专家。我们发现，在决策这部分，自动驾驶的技术路线可能主要分为几大类发展路线。一类是以谷歌、百度为代表的互联网类。这些公司拥有雄厚的资金，可以大量招聘优秀人才，大量投入资金，会从最高级别的无人驾驶往低级别无人驾驶走。他们的理念是，不在意短期是否盈利，一旦做成了，那么这个行业全是我的。一类是以整车厂为代表的工业类，例如福特、奔驰、宝马等。这些公司内部配置了强大的技术，是从底层向上做起，L1 成熟了就做 L2，例如倒车影像、环视、自动泊车、前车防撞等技术，都是工业企业一层层往上走过的印记。还有一类是针对具体场景的，例如低速场景，包括园区的巡逻车、环卫低速车等。这类场景对行车速度的要求相对较低，行驶环境也不像城市街道那么复杂，但这类自动驾驶也是需要比较多的积累。所以，自动驾驶决策部分的特点是，龙头多、技术点繁杂，需要大资源、大技术、大资本，才能投入下一个环节。对于初创公司来说，做这个就需要在相对比较成熟的环境里面，拥有比较高的配置，要对整个技术体系有比较好的把控。但从当时来看，决策这块在理论和实践上并不是特别成熟，所以我们认为在决策这块初创企业的机会没有那么多，或者说，还要等待产业的成熟。这样一来，我们就选择把布局重点放在感知环节。感知环节要通过传感器获取外界的物理信息，对于决策来说，感知也是一个必配的环节。而且，感知并非自动驾驶单独需要的，所有的智能化场景，包括机器人、无人机，都需要感知。不过，感知也有很多不同的解决方案，例如摄像头、激光雷达、毫米波雷达、超声波雷达、还有红外传感等，具体怎么选择呢？目标公司画像：单目摄像头、深度学习算法、产业背景我们选择了应用范围最大也是最不可替代的摄像头。无论是哪个厂的方案，特斯拉也好，奔驰宝马也好，都离不开摄像头。这是因为，摄像头具有一个独一无二的能力：以现有工业技术来看，在所有传感器当中，只有摄像头具备识别能力，而且这个识别能力还会根据算法实现迭代优化。对于自动驾驶的具体场景来说，识别能力非常关键。例如，一辆车在行驶的过程中，前面出现了行人，那感知系统就要根据识别结果采取相应的行动。如果是小孩，那就必须停车，如果是成人，则可以再根据行人的行为采取相应的减速措施等。在这样的场景下，基于识别能力可以对人和物完成初步的判断，是非常必要的，所以我们首先选择了视觉。不过，视觉领域的技术路线特别多，有单目、双目、多目，还有环视。到底投资哪一种呢？听起来似乎每个都很重要。为此，我们找到整车厂、Tier1 厂商聊，然后就锁定在了有识别能力的单目摄像头上。有些企业会用双目摄像头解决距离的判断问题。但是在自动驾驶场景中，偏高速的场景往往会用毫米波雷达来解决测距问题，而在低速场景使用双目来测距则仍会受到阴雨、光线等外界条件的影响。所以当时我们看好的是有识别能力且不以判断距离为核心的单目摄像头。有了这个判断后，之后还是会遇到一些问题。因为摄像头的算法有很多种，基本可以分为两大类。第一类是传统的模式识别。简单来说就是对识别到的物体进行特征提取，然后将提取到的特征与现有模板进行比对，然后完成分类、识别的任务。使用这一类技术的最有代表性的公司就是以色列的 Mobileye。但模式识别存在一个问题，就是所有的判断都是基于已经了解的知识。换句话说，是通过枚举的方式来认识这个世界。如果遇到了此前没有见过的物体，那么系统就无法完成识别判断。这在 ADAS、有人