智能驾驶商业模式再次迎来热潮 产业链的短板仍然需要持续的资本援助

2021-10-18 16:02 来源:证券日报

10月15日,由学会、北京经济技术开发区共同主办,华西证券协办的“2021汽车资本论坛”在北京举行。本次论坛以“智能驾驶元年掘金机遇”为主题,囊括了智能驾驶领域优秀的智能驾驶应用车企和龙头企业,探讨智能驾驶行业的热点话题。

今年被称为智能驾驶元年,大量相关公司频频获得融资。受到资本的青睐和加持,是行业持续发展的重要原因。然而,智能驾驶行业是一场持久战,是对资本的考验。

在以“资本如何助力智能驾驶落地”为主题的圆桌论坛上,联想创投董事总经理罗旭表示,资本的推动对产业发展非常有帮助,因此智能驾驶行业迎来了第二次高峰。随着技术的成熟和资本的不断投入,这条赛道还会继续发展。

百度创投执行董事刘水表示,从资本的角度来看,虽然新机构不断加入,但需要理性地看到,这个行业还有更多问题需要解决。包括法律法规、汽车企业标准等方面还很不完善。资本需要有更多的耐心,能够做更长期的配套准备。

智能驾驶商业模式。

逐步着陆

“智能驾驶是一个非常大的赛道,关系到汽车产业和能源产业的转型升级,以及出行和人工智能AI。它是这四大产业的综合体。”金沙江联合资本合伙人周琦表示,“我们从2016年开始投资智能驾驶,从激光雷达到ar,投资了一系列公司。相反,早点开始,投资很多成功的项目是对的,但说实话是不够的。如果回到五年前,每个细分市场的前两家公司都应该闭着眼睛投票。”

复星汽车科技集团首席运营官薛春雨也表示,复星作为平行“产业投资”的集团,在经历了第一次投资热潮后,眼看着智能驾驶行业沉寂了一段时间,今年迎来了第二次热潮。被投资企业的估价一轮一轮上涨。今年,我们看到赛道上雷达和雷达芯片的估值有点超乎想象。

2021年,智能驾驶企业频频受到资本青睐。据不完全统计,今年以来,智能驾驶行业已发生50余起投融资事件,投融资金额达到近千亿元,创下历年最高值。

金榜资本合伙人王表示,2015年是智能驾驶行业最热的时候,出现了几十家甚至上百家相关企业。但过了两三年,逐渐平静下来,现在智能驾驶已经回归资本视野,大量智能驾驶相关公司获得融资。

薛春雨还提到,人们对智能驾驶行业的认知越来越清晰,第一轮投票后依然迷茫。甚至很多业内人士都说智能驾驶永远不会实现。但目前,盈利模式和商业模式已经在各个子赛道形成,包括港口、矿区、环卫等领域。从这个角度来看,很多公司已经具备了一定的造血能力。智能驾驶L4、L5本身在数据和计算能力方面已经达到了难以想象的状态。

“第二轮智能驾驶与第一轮市场的区别在于,产业化真正落地了,而不是简单的预期。”东方新能源汽车混合基金经理李睿认为,近年来,感知激光雷达、高算力芯片、数据和算法技术的引入取得了长足的进步,某些场景已经开始商业化。同时,很多低档智能驾驶乘用车都有

虽然今年智能驾驶行业迎来了资本热潮,但不可否认的是,这个行业面临的瓶颈依然很多。智能驾驶之所以还有很长的路要走,是因为它涉及到感知、激光雷达、摄像头、决策、数据、算法、执行等,每一个环节在技术和具体应用上还处于相对初级的发展阶段。

周琦说,智能驾驶是系统性的,不遵循操作、感知、认知功能的发展路径,不可能缺少一个环节。

“从感知的角度来看,近年来,无论从摄像头、毫米波、激光雷达,以及定位模块,大家都投资了很多公司。从舞台上看,他们已经工业化了,很多公司都非常成熟。”但薛春雨认为,包括激光雷达在内的技术路径还没有完全建立起来,还存在技术迭代的风险,这不仅是产业化的降价,更是技术路线如何选择的问题。一旦颠覆性技术出现,前面的整个格局很可能会改变。

同时,在他看来,“现在,关于车路协同,各地都在积极布局示范区,但还是偏向于1.0模式,基本上是单向信息反馈提供信息服务,还远没有做到真正的感性融合。”

罗旭也认为,智能驾驶的整个链条还不是特别成熟。作为创业公司,需要有明确的核心竞争力。比如雷达还没有解决一些技术问题。如果这个问题能够解决,这样的公司会有很大的价值。此外,从决策层面也很清楚,芯片非常重要,部分芯片无法形成智能驾驶的供给,未来某厂商可能会做出整体规划。

目前,李锐最关心的是决策过程。他说,AI芯片在硬件中占比最大,不仅仅是芯片,现在包括华为、地平线在内的优质芯片公司越来越多。软件最重要的部分是数据和算法,因为它不仅涉及功能安全,还涉及数据安全。

资本和工业是相辅相成的。资本看到了智能驾驶行业的前景,这个行业还有很多问题需要解决。

能驾驶落地是这样一个引进的路径,从低处场景到高处场景,从封闭场景到开放场景,从载物到载人,从商用到人用,未来是光明的,但需要大家一起脚踏实地。

“从创业者的角度来讲,持续得到资本的加持,能够不断地把资金投入产品中去,不断的迭代算法和投入大量的车,不断做数据采集,这是非常好的事情。”刘水表示,但是从技术角度来讲,随着不断地下沉到各场景中去,也会面临新挑战,比如对更多算力的依赖、数据安全方面的问题以及到了量产交付的时候可能面临的供应链压力,尤其是今年整个行业面临的问题和挑战依然存在。