对话将门CTO沈强:在汽车这个“计算平台”上,创业者还有哪些机会? 对话将门CTO沈强:在汽车这个“计算平台”上,创业者还有哪些机会? AI资讯 第1张

将门成立一年多了。

这家以发掘、加速和投资技术驱动型创业公司的创业服务及投资机构,由前微软创投加速器核心人员组成的团队,在过去一年战绩显著:为 211 家创新的创业企业,完成了 301 次标杆用户的对接;其中 147 家创业企业,215 次对接获得了成功进入了合作流程,达到了 70% 的标杆用户对接成功率。

与此同时,更大一份收获是,将门先后与宝马、博世,ARM、联想、海尔、三一重工、新世界集团、赛尔网络等全球知名龙头企业签署了战略合作协议,帮助这些公司「寻找创新合作伙伴」。

去年,将门完成了一支基金的募集和投资,据将门 CEO 高欣欣今年 2 月公布的数据,一期基金已完成了对 8 家早期创业公司的投资。而现在,第二支基金也开始了运作。

将门主要聚焦四大技术投资方向:机器智能(Machine Intelligence)、物联网(Internet of Things)、人机交互(Natural User Interface)以及企业计算(Enterprise Computing)。

这四大方向的首个字母组合起来,是一个英文单词「MINE」(中文:矿)。将门 CTO 沈强打趣地告诉雷锋网,「我们就像是挖掘科技的『矿』。」

对话将门CTO沈强:在汽车这个“计算平台”上,创业者还有哪些机会? 对话将门CTO沈强:在汽车这个“计算平台”上,创业者还有哪些机会? AI资讯 第2张

*将门CTO沈强(左)与上海国际汽车城发展有限公司执行总经理徐健(右)

在这当中,汽车也是将门所关注的重点领域,按照沈强的说法,车内的创新技术「是一个可规模应用化的技术。」

今年 4 月 18 日,将门宣布与中国汽车创新孵化器联盟签署战略合作框架协议。双方希望寻找和扶植具有突破性创新技术与产品的创业企业,来推动汽车新兴技术的创新发展,同时也为创业公司提供汽车产业信息服务及战略发展资源。

「在不同层次上促进创业企业和龙头企业的合作,使创新技术落地商业场景,实现双赢。」沈强告诉雷锋网,「『让创新获得认可』,是我们的愿景所在。」

「创新猎头」

雷锋网:将门在与中国汽车创新孵化器联盟的合作中将扮演一个怎样的角色?

沈强:作为专业的创业服务机构,我们会参与到连接龙头企业,后续发现和辅导、支持创业企业的过程中去。

我们会了解企业合作伙伴的创新需求,对这些需求进行研讨、判断,并着手相关工作;我们去连接初创企业的时候,会与他们沟通以及对他们的业务和技术等方面进行初步判断,有可能会提出一些意见,包括应该如何去提升和改进(他们的)思路。

在这个基础上,我们与中国汽车创新孵化器联盟搭建平台,通过这样的步调走向合作。

雷锋网:将门孵化的创新公司,一般有哪些挑选的标准?如何从成千上万的创新公司中找到满足你们要求的公司?

沈强:我们会判断公司的技术创新度,也用投资人的标准去判断增长潜力,最重要的是,根据和龙头企业的合作来判断是否可以落地真正的商业场景。

过去我们有一种说法是「创新猎头」,但到底是「猎人」还是「猎企」?在这个过程中,基于我们的行业分析和对行业认知,把行业的专业性和技术性融合进去,起到的是增值的作用,而不仅仅是提供信息服务。

看好怎样的汽车新兴技术?

雷锋网:在汽车领域,将门关注汽车方面的哪些项目?

沈强:除了思考汽车本身,我们还在思考一件事:在车内我们能做什么?人在坐进车之前和坐进车之后,有哪些服务能够伴随我们?

自动驾驶是最显而易见的:从传感、决策到执行。初创企业之所以有很多新机会,是因为将「智能」引入到汽车中,这是汽车行业一个巨大的变迁。很多传统车厂缺乏这方面的资源、能力,这给初创企业提供一个较好的发展空间。我们讲「智能驾驶」,尤其在感知和决策层面,这是特别好的机会。

随着自动驾驶的进步,人有越来越多的时间和精力会被解放出来。也会产生汽车体验的创新、信息服务体验的创新。比如,在有限的空间通过多种手段与人进行感知和交互;车内的屏幕越来越大,交互信息越来越多,车内信息交互的方式、信息服务所能够获得的内容是一个大的方向。

汽车不只是交通工具,更是一个新形态的计算平台。如果说我们将汽车与手机来对比,手机上有很多应用可以解决用户的各种问题。汽车作为计算平台也可以从两个不同维度来创新:汽车对平台的价值是什么?还需要哪些创新技术去支撑它?

雷锋网:在对接一些创新的技术公司或者是龙头大公司和企业,这类公司还有哪些将门比较看好的机会能够满足他们的需求,让初创公司的技术能够为大公司所用,增进他们的合作?

沈强:在汽车演进的关键的方向上,我们看好 4 个方向:机器智能、物联网、自然人机交互、以及企业计算。

今天我们看汽车创新,因为自动驾驶如此的受关注,大家会认为这就是创新的巨大部分。但我想说的是,汽车的创新绝不仅仅是在自动驾驶上。

智能化会渗透到汽车的各种各样的体验中,不是单一维度的,物联网也必须融合到里面去。比如,车的门把手可能装传感器,钥匙孔里可能会装静脉传感器,座椅下遍布人体信号、生理信号的传感器,在车内不同方向安装的摄像头来判断人是否疲倦等等。

应用的点特别多:物联网、自然人机交互,语音交互、视觉交互等等。这些都会无孔不入渗透到驾驶环境。所以我们希望创业者看到一个更广阔的路径。作为投资者,我们也会用一个全面的视角来看汽车的演进。

雷锋网(公众号:雷锋网):自动驾驶有感知、决策、控制,自动驾驶的链条上面还有一些 V2V 技术、高精地图之类的环节,将门怎么看这些环节上的创新创业机会?

沈强:除了自动驾驶的创新,数据、地图、车和车之间的通信会交织进步,包括像 V2V、V2X 带来的好处、改变也不仅仅是驾驶这一层面。

在汽车的演进方向上,智能驾驶是一条主线,但它一定会带周边如数据、服务、通讯等相应的创新服务。

雷锋网:从今年以来,有一些投资机构在看智能驾驶相关的项目,大家都觉得现在这些初创公司的估值都比较高,团队比较贵。将门觉得目前这个领域存在泡沫吗?

沈强:现在还不能说是泡沫,智能驾驶在早期阶段,稍微有一点所谓的「泡沫」其实也不完全是坏事。

因为它能够吸引到更多的资源进入到这个行业里面。智能驾驶其实还是需要发展、需要人才、技术。另外,最关键的是在这一点「泡沫」里,怎么找到合适的团队,让这一点泡沫变得可以承受。

我觉得比较好的一点是,它不像过去 O2O、P2P 行业,智能驾驶进入门槛挺高的,它的泡沫还远没有到 O2O、P2P 的水平。

汽车与人工智能

雷锋网:前不久大众汽车和出门问问有一个战略合作,前者龙头车企,后者是创新的技术公司。类似大众汽车与出门问问这样的合作是不是你们想要促成的事?

沈强:这样的对接能产生几个不同层次的合作,比如业务合作,战略合作或资本合作。业务和技术上的合作是最基础的,出门问问与大众汽车已经是资本层面的合作。

对于将门来说,我们希望加速创新的过程,在不同的合作层次上,由浅入深的去推动它。什么样的形式并不是最重要的,最关键的是加速创新的落地。哪怕是业务合作,我去使用你的产品和技术,这也是可以的。

雷锋网:车载语音技术是一个方向,都是人工智能落地的载体,你们怎么看这个方向?未来其他的创新企业还想进入这个体系中来,还有没有机会?如果有,你们怎么帮助这样的公司去对接龙头企业进行合作?

沈强:对于汽车的创新领域,语音是体验创新的一部分。即便我们把它缩窄到仅仅是语音服务这件事上,出门问问提供了一个很鼓舞人心的示范效应。这个示范效应让大家坚信,在汽车上会出现更多智能化服务的趋势。

其次,汽车提供的价值主要在运输职能,和本地的结合并不是特别深。当汽车是一个新的计算平台,新的信息服务交互平台的时候,与本地环境结合,比如接入语音技术后,不只是控制汽车上某些功能,播放音乐、地图导航等等,这里还有社交服务、电商服务、天气信息服务等等,这是一个庞大的本地服务需求。

出门问问打开了这扇门,未来我们也许会看到国内、国外的车企会与创新公司在语音技术、视觉技术上进行合作,有的从业务也会上升到资本层面合作。对于这种现象,我是很乐观的,未来一定会有越来越多这样的事发生。

雷锋网:在国外,通用汽车 10 亿美金收购 Cruise Automation,今年福特也 10 亿美金投资 ArgoAI,你觉得在国内会发生这样的事情吗?

沈强:我觉得现在要说双向拥抱,IT 世界去拥抱汽车行业,这在国际上的案例都看到了。

英特尔收购 Mobileye,高通并购 NXP,当大家都看到机会的时候,我觉得这种双向融合的机会越来越多,它不是单方向的。

国内厂商也有智能化、网联化的需求,他们也希望在竞争中能够获得一些关键资源,如果仅仅是业务层面的合作,不足以去确立他们在行业里的竞争地位和对关键资源的把握,他们也会把合作上升到资本层面上。

雷锋网:我们提到了语音技术、智能驾驶,将门怎么看待汽车和人工智能的关系?

沈强:当我们将汽车当成一个新的计算平台,服务平台的时候,其实我们探讨的是计算平台与人工智能是什么关系。

人工智能是一项技术,汽车在不同演进方向都会有人工智能技术的支撑,不仅仅是在智能驾驶上。还有诸如安全、健康、信息消费等创新的体验。

雷锋网:你曾提到一个观点,AI 从概念到产业的爆发还需要具备三个条件,即算法、算力、数据。目前三个因素在汽车行业到了什么阶段?

沈强:如果我们来看自动驾驶,算法、算力、数据已经启动了,但距离成熟还有一定距离。

比如深度学习的算法已经能让我们实现多种物体的识别、行人识别、交通标志识别。确实有些让人乐观的进展。但它也存在很多问题,深度学习的黑盒子特性使我们仍然没有办法驾驭这项技术,出了问题怎么去诊断?

数据在算法上的安全性,也是一个没有解决的问题。今天的算法高度依赖数据,数据也会出现「偏见」。比如特斯拉去年的案子(致死事故),是因为数据对场景的认识不全面,还有很多 Corner case 亟待解决。今天的算法还需要更多演进,让它的可控性、安全性以及算法的性能更强,使它不完全依赖于数据。

算力也是如此。英伟达、英特尔在努力做这方面的工作,但这些算力所能够给我们提供的能力,还处于较高的功耗水平。我们需要更高的智能和更强大的算力,单位功耗所需要的算力需要提升。

所以,如果从自动驾驶的角度讲,目前的算法、算力、数据还不够,我们还需要更多的进步。

雷锋网原创文章,未经授权禁止转载。详情见