圓桌論壇三

    主持人：下面有請我們第三場圓桌會議的主持人：勁邦資本合伙人王榮進，第三場圓桌論壇的主題是資本如何助力智能駕駛？

    下面有請圓桌論壇嘉賓：

    1、百度風投執行董事劉水

    2、金沙江聯合資本合伙人周奇

    3、復星汽車科技集團COO薛春宇

    4、聯想創投董事總經理羅旭

    5、東方新能源汽車混合基金經理李瑞

    王榮進：大家下午好！自動駕駛毫無疑問是目前資本市場的熱點話題，無論是一級市場還是二級市場，經過短暫的沉積后，自動駕駛包括感知、決策、執行等多個層面，應該說，每個環節的投入都非常大，無論從研發還是資本開支都有比較多的投入，所以我們需要從資本的角度探討一下，在目前這個時間點，資本投資機構對市場怎么看？或者說，當中有哪些重要環節？有請幾位大咖來給大家解讀或交流一下各自的看法。

    簡單回顧一下智能駕駛的行業狀態，2015年是自動駕駛最熱的時候，出現了幾十家甚至上百家的相關企業，但經過兩三年的時間，后來又冷靜了，現在自動駕駛又重新回歸了資本的視野，2020年大量的自動駕駛相關公司都獲得相關的融資，應該說對資本公司的追捧又上升到一個新的熱度，想請教一下各位投資機構，大家對于自動駕駛的熱度怎么看？同時大家對哪些環節有關注？先請百度的劉總。

    劉水：我是來自百度風投的劉水，百度風投是百度旗下的公司，過往我們投資于技術驅動早期階段的項目，同時也會協同被投企業和百度集團在技術流程上做很多的協同，尤其今年自動駕駛領域資本非常的火熱，我們說今年是自動駕駛的元年，還有是不是已經到了下半場。

    從兩個角度來看，第一，從創業者的角度來講，持續的得到資本的加持，能夠不斷的把資金投入到產品中去，不斷的迭代算法，不斷的投入大量的車，不斷做數據采集，這是一個非常好的事情。但是從技術角度來講，隨著不斷的下沉到各場景中去，也會面臨新的挑戰，比如對于更多算力的依賴，比如對于數據安全方面的問題，以及到了量產交付的時候可能面臨供應鏈的壓力，包括整個行業，尤其是今年整個行業面臨的一些問題，挑戰依然存在。

    從資本的角度，一方面我們很欣喜的看到不斷的新機構在加入，另一方面也要很理性的看到這個行業還有更多的問題需要解決。前面也提到了很多，包括整個法律法規，車企標準等方面，還是非常不完善。我覺得資本還是需要有更多的耐心，能夠做好更長期的配套準備。

    在我們看來，智能駕駛階段雖然是元年，如果拉長來看，還是處在增長期的階段。謝謝大家！

    王榮進：有請周總再給我們解答一下。

    周奇：我們是做早期投資的，雖然說去年、今年是智能駕駛的元年。從我們的角度來講前幾年就開始布局了，我們是16年已經開始做最早的投資。

    首先是怎么看待智能駕駛這個大的賽道和方向？我覺得這是非常大的賽道，為什么？我考慮了一下有四個要素的結合，第一個要素是汽車工業的轉型升級，因為大家知道整個汽車產業鏈在GDP領域大概占到10%左右，大家可以翻一下，中國大概100萬億元的GDP大概有10萬億元跟汽車產業鏈相關，但中國是一個汽車大國而不是強國，世界級的主機廠品牌，我們基本上沒有，前十大都排不進去，這是一個轉型。第二是能源，去年開始講雙碳，這是一個能源的轉型，從油車到電動車，無疑又是一個特別大的趨勢。第三是出行，全球最大的出行公司可能不在美國，在中國，滴滴出行，這也跟互聯網有關，大家會認為車不但是一個出行的工具，更是社交手段、娛樂的中心，這又是一個非常大的要素。還有一個要素是人工智能AI，這個不用講了。

    所以我們所謂的智能駕駛不是說一個產業，而是這四個巨大產業的一個綜合體，理論上講是一個非常大的方向。我們雖從15、16年開始投智能駕駛相關的，從激光雷達到AR等，我們投了一系列的公司，但是反過來看，起的比較早是對的，也投了一些比較成功的項目，但說實話，還不夠。其實自動駕駛剛才我講了四大方向的結合，應該是一張比較簡單的開卷考，為什么？在15、16年的時候已經給你知名了L0—L5，每個階段的需要都講好了，這是個開卷考。如果再回到五年前，我再把開卷考的卷子拿出來一看，只要在每個細分的方向上頭部前兩家公司閉著眼睛投，這個成績也是非常不錯的。但是人往往對長期的未來有所低估，這是犯了個錯誤，挑來撿去，其實每個方向挑前兩名，一定比現在投的好。

    王榮進：謝謝！從他的話能感覺到對自動駕駛的行業是偏愛有加！有請薛總！

    薛春宇：我來自復星，復星作為一個產業+投資并行的集團，其實我們很早就開始關注這個產業了，我們很早之前就投了元戎、激光雷達等，我們是看著這個產業從第一次投資熱潮后沉寂了一陣子今年又迎來第二波熱潮，我們看著所投的企業估值一輪一輪往上漲，今年我們看到賽道里的雷達、雷達芯片等，確實估值上面有點超出了我們的想象。

    當然，這里面有幾個原因，從我們這邊里看主要有幾個原因，第一，確實對于自動駕駛大家看的越來越清楚了，原本第一輪投完以后大家還是比較迷茫的，甚至行業內有很多人說自動駕駛永遠不可能實現。但現在看下來，大家對于這個賽道未來的終局還是能夠感覺到一點，首先對于整個打法，很多東西在L2、L3已經開始營收，在各個細分賽道，包括港口、礦區、環衛等看到了一些盈利模式、商業模式的落地，從這點來講，很多公司已經有了一定的造血能力。

    另外，自動駕駛最終L4、L5本身在數據以及算力的支撐已經達到了我們以前想象不到的狀態，就像之前很多人說的數據上了1000G、2000G，從商業模式來講大家看到的出路，這是第一個。

    第二個，來自于整個行業的焦慮感。我其實一直在產業圈，包括傳統零部件，包括整車廠對于自動駕駛和傳統汽車產業的影響非常焦慮，零部件廠擔心自己慢慢被淘汰，傳統整車廠擔心自己被邊緣化。這種焦慮感觸發了新的投資熱潮，現在大量的產業投資、戰略投資都在往adas、自動駕駛層面，又觸發了另外一個產業投資的熱潮。從這個角度，大家都比較焦慮。

    我覺得這樣一個論壇能幫助大家更多的交流，緩解大家的焦慮，可能會幫助大家更加理性的思考，謝謝大家！

    王榮進：其實復星集團這幾年在汽車行業的布局有比較多的工作，無論是FFT，包括我們最近在一級市場的投資項目里面也經常遇到復星團隊非常積極的往自動駕駛領域在布局。我的理解，復星應該對自動駕駛也是非常熱忠或者非常積極的布局。

    下面請聯想創投的羅總解讀一下，謝謝！

    羅旭：我是來自聯想創投的羅旭，關于這個問題我認為是這樣的，因為在座的各位都是資本，包括前面兩位是行業的參與者，大家的目的之一，第一次出來的時候給大家提到了一個新的產業，大家認為這個產業未來的愿景非常好，然后大家就開始往里面投資，科學家也描述了一個很好的前景，說2020年的L4上車了。過去的一年發展沒有那么順利，理想和目標實現有困難，但他們沒有實現目標的時候，資本自然就會冷。現在資本又重新開始投資，很重要的一個原因是因為過去這一年他們還是作出了一定的成績，往前走了一步，這是第一點，行業里的參與者的貢獻使得資本又重新關注到這個領域。

    第二，資本對這個領域仍然沒有失去最開始的信心，他仍然認為這個領域是比較長遠的，比較有發展的大的賽道，所以資本愿意繼續往里加注。這是第二點。

    第三，經過四、五年的探索，我們也慢慢明白這個市場里到底哪些是可以真正的落地，哪些還需要繼續探索，不像15年的時候只是聽他們說怎么樣，現在我們也大概明白了，所以我們在不同場景里投資的時候關注度也開始明確，思路也開始明確了。

    第四，過去可能是風險投資，早期投資關注這個，然后投資。現在來看一些政府產業基金和社會上的基金更多的資源進入到這個領域，所以對這個領域有一個推動作用，同時也把價格往上抬了抬，這其實也是我們看到的。在這個情況下，有資本推動其實對于產業的發展還是有很大幫助，所以出現了第二次高峰。隨著技術的成熟以及資本的持續投入，這條賽道應該還是會繼續往前發展。

    王榮進：謝謝羅總！羅總對自動駕駛領域也是非常的熱衷，也能看到他在破局的時候比較務實的看一些落地，比較謹慎的看待，同時積極的擁抱自動駕駛，謝謝羅總！

    下面有請二級市場的大咖，李瑞總，李瑞總是目前二級市場最大的新能源基金，據說已經超過200多億元，李瑞總對自動駕駛的理解，對新能源汽車的理解應該非常深刻，有請解讀一下，謝謝！

    李瑞：我來自東方新能源基金，專注于投汽車智能化、自動化，我認為自動駕駛第一輪的機會來自產業的預期，當時有很多事件，最大的背景是人工智能技術的發展尤其是深度學習技術在廣泛應用。可以這樣說，第一輪深度學習技術的應用是第一輪熱潮，這是行情的最主要原因，同時資本包括市場非常高的預期。回過頭來看，當時預期有點過度樂觀了，最重要的原因是長尾問題成為自動駕駛落地的最重要的障礙，具體表現在系統的冗余性、測試的完善性等等。

    第二輪行情和第一輪不一的地方在于，來自于自動駕駛的產業化真正開始落地，而不是簡單的預期。之所以這樣說，因為中國這些年的發展，很多技術，包括感知激光雷達，包括高算力芯片，也包括數據、算法技術的引進取得非常大的進步。與之伴隨的是很多特定場景，包括前面的嘉賓也都提到過特定場景開始有商業化的落地。

    在此基礎上，進一步對于這一輪行業有兩個重要的原因，第一個原因，有很多低階的自動駕駛的乘用車開始上市并且熱銷，不管是新勢力還是傳統車廠推出的。第二個原因，很多相關的公司開始上市，我覺得總之第二輪產業化開始落地是最主要的原因，第一輪是產業化預期。

    未來的方向，我覺得自動駕駛的落地是這樣一個引進的路徑，從低處場景到高處場景，從封閉場景到開放場景，從載物到載人，從商用到人用，自動駕駛的未來是光明的，但需要大家一起腳踏實地的。

    王榮進：謝謝李總！李總對自動駕駛確實也做了總結。

    其實二級市場的投資人和一級市場的投資人在一些宏觀邏輯上是一致的，我本人也是從二級市場出身，也經常交流對產業的一些看法，從認知角度大家的維度也是非常一致的，我也非常認同李總的觀點。

    簡單總結，各投資機構對自動駕駛領域還是非常積極，包括剛才劉總講的非常低調，實際我們也知道百度是目前自動駕駛領域應該是最大的玩家，之前我們還開玩笑說，看一家公司首先看有沒有百度的團隊，如果有的話大家會多開一點。所以大家對這個領域還是非常關注，同時也是采取辯證的角度看待。第一個問題到這里結束。

    第二個問題，從自動駕駛的過程來講，我們可以說是感知，激光雷達，攝像頭，決策、數據、算法、執行等相關的，包括未來V2X也是作為車路協同的補充。想請問大家對哪個環節更加看好一些？

    劉水：感知、決策、執行，其實每個環節都很重要，每個環節相互關聯。從感知側來講，其實發展很多年，包括最早一批的創業者也是從感知方案開始切入自動駕駛這個領域，感知方案非常重要，不但決定了核心算法的復雜度，同時也會考慮到將來整個的成本。

    決策，這里面因為涉及到算法，包括芯片，其實還是一個更核心的技術。

    執行，涉及到安全，其實我們看到現在無論是乘用車還是專用車，現在這些初創公司這么多年的技術積累，技術也得到了很多發展，以及看到了將來替代海外產品的可能性。

    如果問更關注哪個環節的話，從我們的角度來講可能會更關注感知，剛才我們也提到了可能有不同的方案。到今天為止，這個方案也沒有完全說哪個是終極方案，比如有融合，有激光雷達，包括我們最近投資了一家新的方向，這家公司叫上海幾何伙伴，給他們做了4G毫米波的技術路線，在成本上較激光雷達是有優勢，將來有可能在自動駕駛場景可以取代激光雷達。

    激光雷達做了這么多年，到今天為止很難講大家是不是已經看清楚了終極技術路線是什么樣的，這里面還是很復雜，有很多需要解決成本的問題，需要解決生產問題，以及需要解決上車的穩定性問題。所以我們還會不斷的關注技術新的改進方案，這是我們作為投資部署的重點。

    王榮進：謝謝！您把感知作為非常重要的環節，因為有了感知，才有決策和執行。謝謝！

    下面請周總再給我們講一講您的心得？

    周奇：前面忘記講，我們還有車聯網的基金專門投車的方向，我個人除了車以外還投別的行業，基于這個問題我想講一些更宏觀的或者跟其他產業相對比我們來思考這個問題，講到智能，先拋開能源因素，包括汽車制造因素，只講智能，我們知道人工智能是三個階段，認知智能、感知智能、運作智能，無人駕駛、自動駕駛其實是這三個智能的結合，或者一定要走到認知智能才能稱得上是智能駕駛。

    工業我也投的很多，我們總結了一句話，工業里面的智能分三個階段，第一個階段是替代人手，第二個階段是替代人眼，第三個階段是替代人腦，替代人手的過程就是那么多的機械臂，機器人，它不需要那么多的智能，它是基于原則、算法，只要有所謂的運算智能就可以。第二個這幾年比較活的是CE在工業里面的運用。第三個是更高階的，但是現在工業智能業發展了那么多年，機器人早就有了，但是今天如果拉出一個工業場景跟無人駕駛比，其實智能遠遠不如無人駕駛，就算工業里面做一個小車都是要做機械調度的，從智能角度跟車差得太遠。所以工業領域是可以循序漸進的通過運算智能，先做替代人手，替代人眼其實是感知技能，到認知技能就是替代人腦。但是在車里面，這三個過程是齊頭并進的，很難想象說我沒有眼睛，也沒有執行，光做一個運算，你算了以后沒有結果的，另一方面，如果前端沒有感知的話拿什么東西算呢？

    所以智能駕駛我認為從人工智能的發展路線來講是一個非常特殊的案例，必須是這三個方向齊頭并進。從結果來看也是這樣，今天的傳感器公司，你說激光雷達到頭了嗎？遠未開始，現在用的激光雷達絕大多數恩能量產的基本是機械旋轉的，所以激光雷達遠未到未來，我們的世界未來很令人滿意了嗎？非也，現在還會出事故。我們的高清地圖，等等。不管是從感知角度，今年我們還投了一個線控剎車、線控制動的，芯片到了嗎？芯片遠遠未到。

    總結，我認為自動駕駛是系統性的，而且不遵循運算、感知、認知職能的發展路徑，缺一個環節都不行。

    王榮進：自動駕駛是高度安全相關的，所以每個環節都不能缺少，每個環節都要齊頭并進，就像木桶原理，都要足夠長，智能駕駛才足夠安全。

    薛春宇：關于自動駕駛整個系統架構有一個好的現象，確實這幾年我們把自動駕駛系統整個的架構邏輯已經比較清楚，大家討論投資機構的時候發現語言都是一樣的，感知、融合、決策、控制，基本是按照這個劃分，大家都是在各領域找細分的公司和機構。

    從感知來講，確實這幾年無論從攝像頭、毫米波、激光雷達、定位模塊，大家都投了很多公司，從階段來講已經做產業化，很多公司已經很成熟了。包括激光雷達整個技術路徑還沒有完全確立，還有一些技術迭代的風險，所以對于激光雷達來講不光是產業化怎么便宜的問題，還有技術路線怎么選擇的問題。我們也看到很多包括關于OPE、ACMCW（音）等激光雷達，從整個激光雷達的角度來講，很有可能顛覆性的技術一出來，前面的整個格局就會改變。所以對于激光雷達來講我們都是在持續關注，并且關注頭部的顛覆性的東西出來。

    毫米波雷達，本土和替代這幾年已經走的很火了，從loco的角度來講已經開始用本土的方案倉，現在還是用的傳統的芯片，從毫米波來講我們現在也開始關注芯片方案的供應商，因為芯片方案就著這次半導體的東風，芯片方案也非常的貴。從整個商業模式來講，如果從整個財務來算是算不過來的，就是因為半導體這陣東風，基本把整個芯片包括傳感器全部吹起來了。

    感知融合，現在基本都在統一做。預控是比較有意思的賽道，因為大家前期比較關注的都是軟件，對預控確實沒有太多關注，這也是以前的一些公司在做自己方案的時候還是著傳統的POI，找預控，當然我也聽說他們在積極布局想要做自己的預控方案。從軟硬件來講，長期算法軟硬件之間的耦合性非常強，從這點來講，我們認為短期來講預控行業是值得大家關注的地方。預控行業又牽扯到本土的高算力芯片，如何利用本土的高算力芯片搭建符合現在高算力算法需要的預控平臺，再與整車廠的溝通過程中，在SOA架構的過程能夠達到滿足安全要求的SOA的預控，這是大家值得關注的機會。

    另外一個以前一直被忽視的地方是執行機構，執行機構的本土化力是非常低的，從感知、融合、決策到執行，最低的就是執行機構。因為大家原本關注的自動駕駛還偏向于軟件，從軟件又往預控去關注，慢慢關注到執行機構，最近執行機構慢慢起來，大家開始關注執行機構這塊。剛才北汽的領導也說他們原來投的執行機構公司，從這塊不管是產業圈、產投圈、財務投資圈還是要積極布局的，如果沒有預控，整個是起不來的，因為現在國產的直營機構還處于非常弱小的階段，從ESB來講基本處于比較弱小的階段，需要在座的所有資本做。

    最后，我還是想談一下車路協同。車路協同，從我個人角度來講，我還是堅信這塊還是會大力發展的，不管是從原來說的掃地機器人，掃地機器人都在談友好型家居，現在連家居行業都在談掃地機器人友好型家居，就是為了打造出一個比較適合掃地機器人工作的環境。所以我們在這個情況下一定要提自動駕駛友好型道路，這是我們的智慧的路。從這點來講，現在的車路協同各地都在積極布局示范區，現在的示范區還偏向于1.0模式，基本還是以單向的信息反饋做一些信息服務，遠遠沒有到我們真正想要的感知融合，我說的感知融合是指路端、云端、邊端再到整個云控的階段，這是非常早期的，需要大家持續的關注，其實自動駕駛單車資本做的很好，很多公司在做，單獨做車路協同的公司也很多，做單車的很多，但是真正能夠把自動駕駛跟車路協同融合的非常好，能夠做感知融合的自動駕駛公司現在非常少，關于這塊我也是希望建議大家搭建真正的自動駕駛友好型的道路場景。

    謝謝大家！

    王榮進：謝謝薛總！把每個環節的理解給大家詳細講了一遍，我非常認同。其中有兩點我需要特別再跟您同步一下，關于執行這一部分，我個人也是非常看重，如果從產業鏈的差距來看，執行的差距是最大的，而且執行這個環節容易出現一家獨大的局面，我們去看全球70%，意味著非常容易形成高的集成度。

    周奇：幾年前我提出一個觀點，L4以上的自動駕駛公司都是互聯網公司出來的或者是教授，L2以下的基本都是TL1出來的，因為我們的汽車零部件世界級的TL1的供應商就沒有，你說要要做制動要從TL1的團隊選出優秀的團隊作出一個優秀的創業公司來沒有那么容易，但是L3主要是搞算法的，都有機會，大家在一個起跑線上，我覺得這是一個原因吧。

    王榮進：這個環節確實需要一些時間的培育，下面請羅總談談你的觀點？

    羅旭：從我們目前的現狀來看，我們是整個鏈條在看，分不出來重點看哪，為什么要看整個鏈條呢？因為整個自動駕駛里面整個鏈條不是特別成熟，作為一個創業公司需要有一個比較明確的核心的競爭，也可能是是很長的，比如在雷達方面，現在我們看到還沒有解決部分雷達的技術問題，假如能夠解決部分雷達的技術問題，這樣的公司有很大的價值。

    比如在決策環節，現在我們可以感覺到最初出來那批人都是以算法為主的，但是這個算法好在什么上面，承載的芯片其實是缺的，而且是非常缺的，決策這一塊很明確的是芯片是很重要的。有的芯片其實并不能形成自動駕駛的供給，未來可能會是一個廠家做出來整體方案，甚至聯想是不是也能夠做車載的計算單元，是一個整體系統，未來可能也會出現這樣的機會。

    對于執行來說，主機廠、車廠可能更多利用自己的優勢來做。從我們的角度來看，現在這個階段我們整個鏈條都在關注，有兩點，第一點，要不然就是技術有優勢，這個技術可能現在還沒也真正的落地，但是你的技術理論性。第二點，產品出來確實有亮點以后，未來的競爭力就會提升，這是兩點。

    真正要具體到我們到底關注什么東西，具體來說我們其實關注的是車廠芯片、電池、電片等，最近兩年我們投了電車，這些是我們關注的，整個鏈條其實我們都是有所關注的。

    聯想作為一個系統廠商，習慣是把整個鏈條都能看到，這樣才能分辨出來哪個比較重要，或者哪個占比帶來大的變化。

    王榮進：羅總對每個環節做了仔細的梳理，一個都不落下。下面有請李總從二級市場的視角跟大家解讀一下您的理解和看法，謝謝！

    李瑞：目前最為關注的還是在決策環節，分兩部分。第一部分，硬件，AI芯片是硬件里面占比最大的，而且不光是芯片，現在越來越多的國內公司，包括華為、地平線，越來越多的優質芯片公司涌現出來，我覺得這會逐步成為國產的OEM的國產替代的選擇。這是AI芯片。

    軟件這部分占比最大的環節是數據、算法，因為不光涉及到功能安全，同時涉及到數據安全。很多時候其實國家也在支持國產的公司因為數據安全，所以逐步涌現出一批這樣的公司，這些公司也是我們現在關注的重點，這是決策環節。

    感知環節，前面幾位嘉賓也談過很。激光雷達，現在固態的激光雷達的方案已經出現，機械式的激光雷達的成本已經下降到1000美元的范圍內，越來越有利于這些東西的落地，這是感知環節。

    執行環節，執行機構，原來底盤執行機構在海外的PO1壟斷，國內的國產化替代進展比較緩慢，但是現在有個契機，OEM廠商越來越需要整合底盤控制機構，整合過程中提供了國內的底盤執行機構的契機。

    王榮進：感謝各位嘉賓！后面還有一個問題，因為時間比較短，我就快速跟大家交流一下。

    目前，自動駕駛分多個場景，包括港口、礦區、園區等，請教大家對每個場景是什么樣的看法，包括演變是什么樣的路徑？

    劉水：每個創業團隊根據自己的背景，包括在整體上對行業的理解不同，大家選擇不同的路徑，從高維的技術將來把技術降維到特定的產品來做，這對團隊來講要有持續的能力。當然，也有的選擇先從簡單、可實現的場景來做技術進階的方案，無論哪個場景，現在落地的場景很多，包括環衛、物流、礦場等等。對于團隊來講，第一件事肯定是要把產品打磨好，這是毋庸置疑的。第二是要深入到行業里面去，這里面考驗的不止是技術本身。昨天晚上在跟一些做智能駕駛特定場景的從業者聊天，比如說環衛場景，因為交通難的問題要做環衛小車人力替代，是一上來就把人替掉呢，還是中間有人、車之間協同的問題怎么解決，比如做零售場景，小車在園區里面去賣一些零食或者飲料，你怎么去做品控，怎么算量，等等。所以對團隊來講，不光是產品技術做好，還要懂運營，懂場景，這是綜合的問題。針對每個場景，大家選擇路徑不同，技術由難到易、由易到難根據各自的特點，每個賽道都有不同的公司出現。

    周奇：其實這個問題很簡單，開放環境跟封閉場景是不是不相互滲透，剛剛也提到是不是高維打低維，所謂的開放路段屬于高維，封閉路徑屬于低維，我完全不認為這是高維、低維概念。因為我非常清楚，我們投了踏歌（音），踏歌不單是單車智能，它是個整體的調度系統，你作為開放路段的公司你說做完以后再做礦區，沒那么簡單。礦區有很多原因，比如重載，一輛小轎車2、3噸，一輛礦卡將近200噸，200噸和2噸的控制完全不一樣。

    第二，安全下車。L4的自動駕駛如果開放路段，我完全拍腦袋，我認為三年以內安全不可能下沉，但是在封閉場景必須要安全下車，要是不能安全駕駛等于沒用。踏歌今年之內安全就能下車，如果我是一個L4的公司，到礦區里面來保證兩個月能下車嗎？我相信絕對做不到。所以在封閉場景里面有它自己的特點，包括剛才講了系統型的，第二是在應用場景上落地的，第三個是安全下車這事是一般的L4公司所做不到的。從經營的不同、方向的不同、發展路徑不同到最后的結果會很不一樣，謝謝大家！

    薛春宇：關于L3、L4其實就是一些封閉的場景落地，大家看的很清楚，我相信L2+在未來甚至十年內還會是比較主流的配置，所以我一直建議現在在做adas的企業真的要打磨好產品，把某一項功能做到機制8，因為L2+、L3以下的，L3以下的其實是功能，而L3以上的L4、L5是產品，而對功能來講就是打磨客戶體驗。我以前開過特斯拉像高速擁堵的輔助等，體驗非常的不好，在中國的高速或高駕上，一旦擁堵，你開啟這個功能會被逼瘋，因為你會不停的被人家插進來，然后你要不停的往后退。我想在L3以上的功能做到極致，把一到兩個場景打磨的非常好，相信這就是個非常好的產品，比如如果買輛車，每天沿高架一直走真的會被堵車逼瘋掉，但如果它能夠在高架堵車的時候能夠幫助我很好的跟車，這是非常好的場景。所以我也一直關注這樣的公司，希望能夠找到這樣的公司。

    謝謝大家！

    羅旭：我們對降維打擊這個事是不認同的，我們認為不存在降維打擊，每個場景需要解決的問題是不同的，各個場景里面的創業者都有機會。

    李瑞：落地肯定是技術和場景的融合。但是不同場景下技術的要求也不太一樣，比如特定場景自動駕駛要落地，比如礦山場景電池干擾比較強、信號弱、功耗比較弱，場景不一樣。比如基層場景對安全性的要求比較高，港口場景空氣比較濕潤或者會下雨，不同的場景對技術的要求會不同。這是一點。

    第二，如果要落地需要的是什么？比如聚集到算法，需要對各不同的場景需要深度理解場景下對算法進行定期性的開發。另一方面，開發出算法以后，數據通過不同的進來可以迭代你的算法。

    還有一個前面的嘉賓也講到過，不管是海外還是國內從L4以上的跨越式類型的公司看，其實沒有看到量產上車。這兩種路線各有優劣，一方面可能有更多的量產上車，數據更加真實，更加實際。礦業車路線可能可以裝更多的感知設備，算法可以設計的更先進。總體來講，我更加看好漸進式路線，如果漸進式路線也需要公司員工有可以媲美L4的研發的能力。

    謝謝！

    王榮進：各位嘉賓的發言特別精彩，周總有一點我特別認同，無人駕駛如果不能實現經濟效益其實價值是不大的，本身就是有機器替代的。

    最后一個問題，大家也知道，現在初創公司通過自研的核心技術或算法掌握核心技術，同時這些主機廠也在非常積極的跟進，想請教各位如何看待主機廠的技術演進，同時跟創業公司的協同關系？先從李瑞總這邊開始吧。

    李瑞：我覺得頭部主機廠肯定有很強的動力自研，傳統的是相對低的制造業，產業鏈的整合已經進入到了陳述階段，繼續降成本的空間也不大，如果在電動智能這個賽道下，整車相對會提高單車價值量和單車利用率。另一方面，抓住了這個數據和系統也就是抓住了客戶，尤其對頭部整車公司來說非常有動力去做。

    具體到整車和新勢力公司是什么關系，我覺得競合關系，但是具體情況要具體分析，比如頭部整車廠和頭部新勢力公司可能競爭更強。其他的頭部整車廠和其他的頭部新勢力公司可能會有合作，但是可能被收購。但是頭部的科技公司如果有資本的實力可能會造車，非頭部的可能會有合作，合作過程中主導關系包括利益分配機制是一個需要重點關注的。

    至于新勢力，可能和科技公司更多和頭部主機廠一樣是競爭關系居多，因為他自身的軟件能力較強，自己的組織架構比較靈活。

    王榮進：時間關系，第三場圓桌論壇到此結束，謝謝各位嘉賓！