我們認為，未來的智能汽車會以圖像傳感器為中心，輔助以其他廉價傳感器，以 AI 為大腦實現(xiàn)無人駕駛。在這種解決方案下，現(xiàn)在一整套系統(tǒng)加起來也就是幾千美金，未來在此基礎上成本可以下降到小幾百美金。
坦誠而言，國內(nèi)在 AI 這塊和國際領先水平差的還比較遠，但是高性價比傳感器上我們已經(jīng)看到了機會。因此我們會重點在國內(nèi)投有壁壘的、高性價比的硬件，以及能夠把國外最先進的 AI 軟件結合到國內(nèi)硬件平臺上、結合國內(nèi)廠商的需求，做好本地化服務的企業(yè)。
行業(yè)變熱之后，市場大、機遇大，確實出現(xiàn)很多公司都在努力往前拱，但是好的公司數(shù)量還不多。智能汽車是一個巨頭都會關注的領域，各個巨頭都有山頭，小公司能起來靠的不是商業(yè)模式創(chuàng)新，應該是技術主導，因此門檻相對偏高，對團隊的經(jīng)驗和能力都有要求，不是任何團隊都可以做。
好的創(chuàng)業(yè)者必須非常專業(yè)，這樣的團隊在做的時候才能夠帶動產(chǎn)業(yè)鏈。比如我們投資的圖像傳感器公司 Cista，正在做全世界暗電流，最低動態(tài)范圍最大的圖像傳感器，上下游廠商都在和他們合作。這個領域的競爭是激烈的、全球化的，而且最后會是贏者通吃。
你們怎么理解行業(yè)的痛點和難點所在?創(chuàng)新又會從何處產(chǎn)生?
A：挑戰(zhàn)仍然來自人工智能和傳感器。在 AI 方面，無人駕駛有幾個關鍵點：第一，運算必須本地化，不能太貴，也不能像 AlphaGo 一樣用一個機群支撐它;第二，實時性非常強，一秒鐘幾十次，第三，必須非常準確，不能算錯了再補，所以把 AI 用到無人駕駛和輔助駕駛的時候要求非常高。
因此，AI 項目之間的區(qū)別就在于，是否能夠用相對廉價的計算設備做快速的、每秒 40-50 次的處理，同時達到非常高的精度和準確度。現(xiàn)在這個領域國內(nèi)有很多公司都說可以做，但關鍵點仍在于快、準、同時用嵌入式芯片達到這樣的性能。
比如我們在美國投的 drive.ai，是斯坦福的團隊在 AI 無人駕駛實驗室做了三年之后成立的公司，能夠達到三個上述要求，但更加重要的還有第四個要素：從技術變成產(chǎn)品，需要非常好的合作伙伴。這個行業(yè)的問題是，做人工智能的往往不懂汽車，而做汽車的又不懂人工智能。我們給他們帶來了日本、歐美兩家戰(zhàn)略投資，都是汽車行業(yè)的一級供應商和車廠。
傳感器方面也需要技術突破。比如激光雷達是谷歌在用的系統(tǒng)，相信在未來的車里面也非常必要，但不一定是谷歌用的 64 線，也可能 2 線、4 線就可以了，成本需要非常合理。我們投的鐳神就可以把中國制造的優(yōu)勢發(fā)揮到極致。但是把激光雷達掰開來看，核心的還有兩個很難降低成本：線性圖像傳感器和激光芯片兩個部件?，F(xiàn)在中國沒有公司可以做高速線性傳感器(每秒 10000 次)，激光芯片也全部是進口，我們投的圖像傳感器公司，就正在攻克線性傳感器的難關。
未來創(chuàng)新最主要的機會，硬件上會在于性價比更高的激光雷達或者是下一代技術;動態(tài)范圍大的、暗電流低、高溫成像好的圖像傳感器;性價比很好的雷達或者是超聲傳感器;或者某個新的大家沒想到的傳感器。AI 則在于更好的視覺系統(tǒng)和控制系統(tǒng)。
此外，還有智能汽車的操作系統(tǒng)，我們投的中科創(chuàng)達正在做;另一塊還沒看到的是車與車之間的交流，會以什么樣的技術平臺、什么樣的形態(tài)?也會變得非常重要。
如果從長遠來說，道路的改變是一個慢長的事，所以現(xiàn)在的智能汽車還會是基于現(xiàn)在的道路體系來設計，因為改變車要更容易，大家都會找阻力低的事先做。而我們愿意做的就是陪著行業(yè)發(fā)展，在這個階段里，公司會不斷被篩選淘汰、性能會不斷提高，這對于變化快的小公司更為有利，而最好的投資機會就在其中。
除了上述領域，接下來還有哪些值得關注或者有潛力的創(chuàng)業(yè)熱點和方向?
A：除了硬科技，我們還會關注一些在機器人、傳感器、芯片半導體技術支撐下的終端應用。我們會關注 AI 與行業(yè)的結合而產(chǎn)生的大幅效率的提升的機遇。
同時企業(yè)級 SAAS 我們也一直在投，特別是接下來會關注一些垂直領域的 SaaS 項目，將來可能和 AI 也都會結合在一起。