明勢資本黃明明：牽手主機廠，自動駕駛下一步是構建實時動態數據閉環 | 自動駕駛這十年

編者按：入局4年，投資130餘家科技公司，包括20家智能汽車產業鏈及出行公司，以主機廠車和家作為根據地，觸及2家自動駕駛解決方案易航智能及知行科技、1家物流自動駕駛解決方案供應商暢行智能、2家激光雷達供應商流深光電及一徑科技，這是一家科技領域早期投資機構明勢資本在自動駕駛領域的成績單。

對於未來出行畫像，明勢答案是自動駕駛+智能電動汽車。而如何實現這一終極目標？其更看好漸進式路線，即現階段緊密配合主機廠需求，瞄準L2/L3自動駕駛，循序漸進，實現更高級別自動駕駛。

當資本寒冬、自動駕駛泡沫的輿論四起，這家投資機構在自動駕駛領域依舊「閑庭信步」，並在不斷尋找新的自動駕駛項目。這樣看來，明勢的選擇是正確的。

站在自動駕駛十年節點，雷鋒網新智駕拜訪主機廠、一級供應商、自動駕駛初創公司，觀產業鏈眾生相，看到了悲觀者、樂觀派。這一次，與站在產業鏈外、摸爬數年的「資深觀察者」對話，聽到了更多關於自動駕駛當下及未來的理性思考。

從去年開始，不少投資人已經進入「度假模式」。這四個字似乎不能和明勢資本聯繫到一起，黃明明團隊還在「戰鬥」。

採訪在臨近春節的一個下午進行，明勢資本的會議室沒有空閑過，明勢資本創始合伙人黃明明在這裡接待了一波又一波的創始人，「你看我們忙不忙？我們整個團隊都在連軸轉，從來沒停過，而且正在加速尋找新項目」。

自動駕駛產業正在發生巨大變化，尤其是去年。「從演算法切入、直接進擊L4/L5的自動駕駛公司面臨著重大挑戰」，黃明明提及自動駕駛「老大哥」Waymo，公司CEO John Krafcik直接站出來承認：L5級自動駕駛難度超出想像，距離普及至少還需十年。

而緊密配合主機廠需求，布局L2/L3的明勢並未受過多影響，「我們一直在自動駕駛項目上進行研究和挖掘」。

主機廠向黃明明傳達的信號是，目前正在加緊實現L2/L2.5自動駕駛、自動泊車功能快速量產上車。然而許多公司緊跟Waymo直接進擊高級別自動駕駛，直接跳過這一環節。

市場對於L2/L2.5級自動駕駛需求巨大，那些從低級別自動駕駛切入，走漸進式路線的企業成為資本的「新寵」，而現階段Waymo路徑正面臨著巨大挑戰。這是投資者黃明明眼中的動向。當然目前不少步伐較快的公司正在快速調整，將視線轉向高速公路物流、港口，碼頭等限定場景下的自動駕駛。

入局自動駕駛，黃明明有兩條主線：技術與產業（主機廠）深度結合；解決需求痛點。這也是其理解的最佳自動駕駛路徑。

初入自動駕駛圈子，黃明明見了兩家比較低調的自動駕駛公司—易航智能、知行科技。會面期間，兩家創始人講了一段相似的話。

「人工智慧演算法在自動駕駛前期，例如L2/L2.5甚至L3階段，起到的作用有限，而車輛執行層、控制層，以及深度理解駕駛員行為模式的專家系統將在自動駕駛前期發揮更大的作用」。

當時，深度學習已被證明在複雜環境感知方面有巨大優勢，其同激光雷達等感測器技術的成熟正在加速自動駕駛發展。像多數風險投資人一樣，黃明明團隊還在網上閱讀報告，跟隨外國趨勢，將目光瞄準演算法、人工智慧層面的企業及從國外歸來的團隊。而上述一番話對於當時的黃明明而言，實屬逆大勢之言。

「周圍人都在講人工智慧、深度學習演算法、如何提高晶元算力，而易航和知行的車輛控制層，執行層的觀點，修正和完善了團隊對自動駕駛的認知」。

隨後，在和多家主機廠的交流中，黃明明聽到了一些「抱怨」的聲音：研究人工智慧的團隊不了解車輛執行機構，不懂車規，甚至不具備改裝一輛搭載其自動駕駛DEMO演算法車輛的能力。

用黃明明的話來說，經歷了從不相信、質疑、到嘗試接受的過程。明勢投資團隊最終決定與其被投企業車和家的研發同事一同嘗試乘坐易航L2級自動駕駛汽車。

從大連到瀋陽，試乘幾百公里，令黃明明印象深刻是「車輛跟隨前車並一直保持在車道中央行駛，方向盤細微平滑的轉動，這同進行DEMO演算法的自動駕駛測試車輛差別很大」。

這次體驗並沒有直接促使投資易航一事正式敲定。但黃明明對自動駕駛有了新認知：「目前主機廠最緊迫且未被滿足的需求其實是L2/L3的解決方案，而高階人工智慧演算法的主要戰場會在未來的L4/L5階段。不能因為當下人工智慧的火爆，而失去了對汽車產業發展規律的認知和敬畏」。

那什麼是符合汽車產業發展規律的自動駕駛觀？ 黃明明的團隊認為：從歷史經驗來看，汽車技術演進向來是漸進式發展，非跳躍式演進，且產業化應用技術更要遵循這一規律。技術一定需要同產業結合，要尋找真正懂產業的人。

雷鋒網新智駕了解到，目前多家公司實現自動駕駛商業化，早期有一些由政府採購，政府買單。在黃明明看來，自動駕駛公司早期依此獲得訂單，活下來，不失為一條路徑。但同產業深度綁定才能有更長遠的發展，因此能否和主機廠/Tier1進行合作，實現自動駕駛產品搭載進至量產車型，對於自動駕駛公司而言，這是一大挑戰。

在黃明明看來，技術類公司的下一步是找到合適的自動駕駛落地場景，這是必須要做的事情。而當前階段，脫離主機廠，採用視覺+AI演算法直接瞄準L4/L5的路子，短期內挑戰很大。

當前廣汽、上汽等傳統主機廠正在加緊尋找L2/L2.5自動駕駛公司；另一方面，博世、德爾福等國際一級供應商多服務於BBA，沒有更多的工程力量滿足國內車廠需求。黃明明判斷，這一市場空間需由中國公司填補，而具備上車經驗的自動駕駛公司更有機會。

左邊，明勢資本正在布局主機廠；右邊，明勢資本正在重度布局自動駕駛公司。在黃明明看來，在未來5-10年，兩類企業將是產業變革中具備顛覆性作用的核心節點。

目前明勢資本緊跟主機廠車和家，將其作為明勢在智能出行及智能電動車兩大領域中的根據地。在投資整車廠車和家後，其相繼投資了研發L2/L3自動駕駛功能的易航智能和知行科技。雷鋒網新智駕了解到，車和家也是易航智能和知行科技背後的投資者。

採訪前幾天，黃明明團隊同車和家自動駕駛研發部門會面，雙方對自動駕駛未來發展路徑達成共識：未來行業需要重點解決的一大問題是，採集道路等環境數據及車輛行駛中的數據信息形成閉環系統，實現真正意義上的實時動態高精地圖，用來訓練更高效，安全的自動駕駛模型，這一部分將是未來自動駕駛汽車操作系統的核心，類似於汽車的「iOS」。

黃明明特別提到，他口中的實時動態高精度地圖同圖商正在繪製的「高精度地圖」有所不同，其包含傳統車輛道路信息及駕駛員行為和環境數據的匹配。後者才是數據閉環，訓練更高效，安全的自動駕駛演算法，和動態高精度地圖中的重點。

自動駕駛數據包含兩方面：一即通過車輛感測器，包括激光雷達、攝像頭、毫米波雷達，基於高精度地圖，獲取外界環境道路信息，另一層即駕駛員行為數據信息，例如，前方出現路牌或突如而來的車輛時，用戶做出的反應，包括制動、轉向控制等。將這些駕駛員行為數據，實時的車輛動態數據同環境數據結合，進行數據標定，形成實時反饋數據系統，這對自動駕駛意義重大。「當車輛感測器檢測前面出現交通標誌或車輛時，自動駕駛系統及時完成決策需要依靠相應的數據積累，所以採集駕駛員行為數據，並生成真正能適用於L4/L5的自動駕駛模型，是未來發力的重點，而這一部分同樣需要主機廠參與。」

而且未來伴隨著5G的發展，實時動態數據將上傳至雲端，並通過雲端發送至周圍車輛，完成信息和決策更新，這部分將是未來自動駕駛汽車的核心大腦，即操作系統。這是黃明明對於未來自動駕駛技術的畫像。

「當下多數瞄準自動駕駛演算法的公司，還處於環境數據採集階段，例如研發多感測器融合方案，無法形成實時的閉環系統」，黃明明提到。

所以，相比Waymo，黃明明更看好特斯拉自動駕駛路徑。「Waymo購買數百輛甚至上千台車，通過感測器進行車輛識別、路牌識別獲得的單一數據價值較低，更重要的是同積累的駕駛員行為數據整合，進行數據標籤，形成數據閉環。而特斯拉目前已有幾十萬台車量產上路，並在實時收集多方數據,結合這兩者數據訓練出的模型會更有效。」

黃明明也提及產業鏈上的另一類玩家，網約車企業，例如Uber、滴滴。在其看來，網約車企業真正切入自動駕駛的最佳方式是收購主機廠，深度參與汽車的設計製作環節，而非單純的購車改車。

「主機廠及產業鏈上的各個玩家，如果不能將閉環數據體系牢牢抓在手中，很有可能淪為簡單的加工製造業企業」。這是黃明明對未來自動駕駛產業鏈畫像的判斷。

作為當局者，黃明明眼中前兩年自動駕駛投資明顯過熱。「接下來，市場將逐漸冷靜，尋找對產業有深度理解、通過漸進式發展路線為主機廠提供單點或完整自動駕駛技術服務的企業」。雷鋒網新智駕了解到，明勢正在觀望攝像頭核心模組供應商及限定場景下自動駕駛方案提供商。

在黃明明看來，限定場景下的自動駕駛是一條可行之路。他提及港口場景下的自動駕駛。當前國內多數港口碼頭內吊車、集裝箱的搬運傳輸已完成自動化，而重型卡車駕駛依舊是空白點。後者處於特定區域，對車速要求低，同時可減少人力成本。目前明勢已投資暢行智能，其無人駕駛的集裝箱卡車已在寧波的港口試運營。

感測器技術方面，黃明明更偏重於視覺方案。不可否認，在產業的認知中，激光雷達已是L4/L5自動駕駛車輛上不可或缺的核心部件。目前明勢資本也已投資流深光電、一徑科技兩家激光雷達公司。但在黃明明看來，隨著光學模塊和演算法的發展，視覺將在更高級別自動駕駛中發揮越來越重要的作用。

而對於晶元領域，黃明明保持謹慎態度。一則自動駕駛晶元領域門檻較高；二則晶元企業需要在汽車、出行、晶元領域具備一定的積澱和積累。這是否是創業公司的機會，明勢目前沒有明確的答案。

上一個10年是移動互聯網+智能手機的時代，下一個5至10年，全球最大的機會一定是智能出行+智能電動車。這是黃明明對未來的判斷。

早年前，明勢資本已判斷未來出行革命真正的終局不是網約車，而是自動駕駛+智能電動汽車。「現在看起來，這個趨勢更加明顯。」

網約車發展至今，開始遇到一些盈利的瓶頸，即司機的成本在TCO（Total Cost of Ownership，總擁有成本）中佔比較大。未來共享出行盛行，這一瓶頸會更加嚴重。在黃明明看來，Uber早早意識到這一問題。2015年，Uber CEO Travis Kalanick從卡耐基梅隆大學國家機器人工程中心（NREC）挖來近五十位科學家、工程師，在匹茲堡成立 Uber 的自動駕駛團隊ATG。

在黃明明描繪的未來出行畫像中，由機器駕駛的Robot Taxi（自動駕駛計程車）代替由人駕駛的車輛，是大勢所趨。

站在投資市場，黃明明並沒有否定，投資人多在追逐風口，自動駕駛狂熱後沉入低谷，但其會再度燃起。黃明明堅定一點：未來5至10年內，自動駕駛+智能電動汽車將是全球性的最大的結構性的機會之一。

雷鋒網推薦閱讀：

自動駕駛十年系列專題

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！