“信息革命以來,極少有哪個產業類似于汽車,總體變化如此緩慢?!?/span>

 

“究其原因,主要是汽車集諸多工業品于一體,同時對安全性要求極高,因此成為信息革命的最后一個大場景目標。

 

“自動駕駛從根基上顛覆了汽車工業原來的底層內核,從四個輪子上的沙發變成了四個輪子上的電腦,從制造業演變成了信息產業?!?/span>

 

“如果將AI能力拓展到萬物互聯,未來的空間是星辰大海?!?/span>

 

“三大類衛星中,我們認為民企推進商業化最佳的賽道是遙感衛星?!?/span>

 

以上是朱雀基金先進制造二組組長、公募投資部基金經理黃昊1218日在朱雀基金贏在終局”2022年度策略會上發表的觀點。以下是我們整理的演講實錄。

 

智能汽車和商業航天這兩個產業均處于發展初期階段,我們主要從行業技術原理和演進趨勢層面開始做前瞻研究,深入理解行業邏輯,為未來在這樣的大賽道充分布局做好積淀。

 

智能汽車:自動駕駛技術帶來顛覆式革命

 

回顧過去100多年的工業變革,人類能夠把宇航員送上月球,能夠讓通信進入到移動5G時代,但是我們看到汽車仍然沿襲著百年前外觀,動力總成核心仍然是19世紀已經發明的內燃機。

 黃昊1.png資料來源:朱雀基金整理

 

內燃機最高熱效率在過去60年的時間僅提升了10%,相對于目前科技的進步,這種變化是極度緩慢的,而全球汽車龍頭公司的股價在新冠疫情爆發前表現出明顯的周期股特征,平淡無奇。

 

信息革命以來,極少有哪個產業類似于汽車,總體變化如此緩慢,究其原因,主要是汽車集諸多工業品于一體,同時對安全性要求極高,因此成為信息革命的最后一個大場景目標。

 

最近幾年看到了電動化的快速崛起,但電動化僅僅是一次動力系統的變革,仍然沒有改變汽車作為制造業的本身特征,信息革命的成果體現并不明顯,傳統的汽車巨頭尚且能夠追上電動化的步伐。

 

而自動駕駛憑借其極高的壁壘,將有望在商業模式和格局上對汽車產業將帶來顛覆式的影響。

 

為研究智能駕駛產業鏈,我們首先要理解自動駕駛的實現原理。自動駕駛的行為決策過程和人非常相似,首先要做到看得清楚看得全面,要確保安全行駛需要覆蓋的目標很多,比如車道線、行人等,因此自動駕駛系統需要同時處理大量不同類別的識別任務,時刻面臨著數十個任務并行處理的挑戰。

 批注 2021-12-29 102846.png

資料來源:朱雀基金整理

 

第二看得準。要精準識別,以一個簡單的路標Stop為例,做視覺識別的人會認為一個光滑的平面,清晰的字母,是入門級的識別任務,但現實場景下,會遇到各種不同的挑戰,比如被遮擋、光線暗或者限制條件的Stop,需要非常精準實時地實現識別,難度非常大。

 黃昊3.png

資料來源:朱雀基金整理

 

此外,目前技術條件下,不可能避免出現被錯誤識別的情況,發生碰撞事故。

 

接下來看下自動駕駛汽車如何看清道路。第一種識別方式是攝像頭,被稱為最像人眼的識別模式,造車新勢力配備攝像頭的數量不斷增加,像素不斷提升,Model3配備了8顆攝像頭,而蔚來新款的ET7則配備了11高清攝像頭。目的就是看得更清,看得更遠。

 黃昊4.jpg

資料來源:朱雀基金整理

 

攝像頭是如何識別呢?通過CIS圖像傳感器將捕捉到的場景轉化為模擬信號,再進一步轉化為數字信號,傳輸給AI芯片識別。類似于人的眼球,進入眼睛的光線通過神經元傳輸到大腦皮層。

 

特斯拉對純視覺的識別做到了全世界最高水平。通過8顆攝像頭獲取的圖像被融合成了3D的鳥瞰圖,同時疊加時間戳形成4D圖像,并通過多目標特征并行提取來提高處理效率。

 

在識別過程中,離不開特斯拉強大的神經網絡。由于智能駕駛需要處理的任務數實在太多,無法讓每一個任務都同時享有單獨的神經網絡進行運算,只能把一些運算分攤到共享骨干網絡上,特斯拉 AI團隊組建了一個龐大的物體檢測網絡,將整個網絡稱作“Hydra Nets”Hydra 意為九頭蛇),類似于一棵大樹,并通過海量數據進行訓練優化。

 

直觀來說,將8個攝像頭圖片特征提取——再進一步來做多機位的空間融合,進而做時間融合——隨后將任務分發給不同的神經網絡樹干——進一步下發給樹枝樹葉——不同的枝葉按照既定的任務進行檢測,比如行人、信號燈等。

 

在識別過程中,視覺依賴于神經網絡,不能確??臻g距離的絕對準確,需要通過學習而不斷提升測算能力,而激光雷達理論上可以獲得精確的數據,脈沖式激光雷達利用時間間隔、調頻連續波雷達的相位差來測量精確距離或前方車輛車速。

 黃昊5.png

資料來源:朱雀基金整理

 

通過依次測量目標上各點的距離,同時記錄光束指向的方位、俯仰角,這樣就可以得到目標的三維圖像。在一定程度上能夠補充攝像頭的缺點。

 

自動駕駛系統可以類比于人的決策過程,視覺或激光雷達所捕捉的物體被傳輸到大腦皮層,而進行識別的神經網絡系統類似于人腦中的神經元,神經網絡在主控芯片中運行。

 

要實現精準的識別離不開更高精度的傳感器,精度越高數據量越龐大,800萬像素攝像頭每秒可以產生近3G的數據量,如果裝上10幾顆,在5-10秒之間數據量即可填滿我們普通的電腦硬盤,這種快速產生又龐大的數據用兩臺最高配置的Mac Book Pro也無法處理。

 

要確保數據被實時精準識別,需要更強大的AI算力。那么我們可以看到,CPU的性能已經到了瓶頸,GPU解決了并行運算的問題,但由于考慮通用性,復雜的線路和耗費更多能量訪問內存,導致功耗過高。AI芯片可以為神經網絡高效低能耗地處理乘加運算,對馮諾依曼瓶頸的大幅簡化,實現更低功耗地提升高算力。

 

在自動駕駛中,未來將更多依賴于異構芯片。在感知過程中需要的是并行處理,所以用到AI運算比較多,而感知也是最復雜的,因此自動駕駛芯片不斷增加AI運算的面積。但在識別后的決策過程中,高效的邏輯判斷能力更重要,所以用到CPU內核更多。

 

提到神經網絡,不得不提神經網絡的訓練,神經網絡訓練離不開海量的數據集,現實中百萬臺車輛獲取的數據龐大到難以想象,特斯拉在年初已經積累了51億英里的Autopilot數據,為提高數據處理效率,特斯拉引入了Operation vacationData Engine。Operation vacation核心是將大幅提升數據收集、數據標注、測試模型的效率。

 黃昊6.png

數據來源:Tesla Vehicle Deliveries and Autopilot Mileage Statistics

 

Data Engine則對現實中機器決策和人腦不匹配的情況下,通過主動抓取更多類似場景,進而針對性的對網絡進行訓練,從而將機器決策的準確度從比如40%逐步提高到99%以上,進一步向所有的車端進行部署。

 

處理云端的海量數據,比車端的挑戰更大,因此Tesla建立了由5760GPU搭建了全球排名第五的超級計算機。并在近期發布了專門針對云端圖像識別開發的DOJO專用芯片,在特斯拉特定圖像處理任務上,展現出相對GPUCPU的碾壓級別實力。未來的目標是用D1芯片全部替代GPU。

 

以上,我們看到要實現自動駕駛,離不開強大的硬件支持,同時對于開發者的軟件算法能力提出了極高的要求,代表著目前最前沿的AI算力。

 

所以我們只有通過研究芯片底層邏輯、研究神經網絡,才能進一步對供應鏈和自動駕駛廠商的競爭力有更好的理解和判斷。

 

接下來我們看自動駕駛對產業的影響。

 

自動駕駛從根基上顛覆了汽車工業原來的底層內核,從四個輪子上的沙發變成了四個輪子上的電腦,從制造業演變成了信息產業。

 

在商業模式上,也發生著類似于智能手機產業的重大變化,以蘋果為例,2015 年前,蘋果收入主要依靠硬件銷售, 2015 年后積極向軟件和服務公司轉型。在此推動下,其市值不斷提升。

 

而汽車的智能化也一樣,Tesla 的高毛利率得益于FSD軟件訂閱獲取的收入,毛利率達到28%,遠超規模效應最強的大眾、硬件精益生產典范豐田和豪華車寶馬,已經從純粹的制造業盈利模式向軟件演進。

 

隨著未來自動駕駛能力的提升,車企的業務邊界將從汽車延伸到出行,遠期有望實現Robotaxi無人駕駛出租車的商業化落地。

 

我們做過一個測算,如果按照目前的網約車收費標準,一臺成本30萬的Robotaxi,如果網約車公司能夠將其空車率降至30%,其毛利率將高達50%以上,也就是說網約車不需要司機之后,可以說是一個暴利的產業。因此吸引了更多的廠商介入。

 

智能化尤其是智能駕駛,通過軟件化形成的高壁壘,形成了對商業模式的顛覆,最終將影響到行業格局。

 黃昊7.png

數據來源:IDC、朱雀基金

 

過去十年, 智能手機經歷了從格局分散到最終高度集中化,頭部5-6 家左右的廠商,占據了全球 79%的手機出貨量。

 

目前汽車品牌格局非常分散,全球最大的廠商的份額僅 10%。超過5%的廠商僅有4家。隨著汽車工業向信息化浪潮轉變的背景下,我們認為汽車品牌在遠期的未來也有可能發生整合,但由于迭代速度慢于手機,整合的時間也將相對較長。

批注 2021-12-29 102443.png回歸到投資,如何挖掘產業鏈機會,我們回顧下電動車的產業鏈,總結下來,可以看到電子流過的環節,均成為了市場的選項,在過去兩年,均有非常好的收益率表現。

 

類似,智能化趨勢下,我們要跟隨數據的流動,從前端攝像頭、激光雷達獲取數據,通過不同類型的連接器進入AI芯片,識別決策后再進一步執行,同時與云端神經網絡相結合,涉及數據的標注和預處理。

 黃昊8.png

資料來源:朱雀基金整理

 

各個環節,均將有機會受益于大賽道的崛起,我們將深入儲備挖掘。

 

從空間來看,智能化徹底改變了汽車產業,按照中國2000萬臺車,單車15萬的價值量來測算,是一個3萬億的市場,而到25年出行市場則是10萬億的空間,相對于整車市場大幅放大,如果將AI能力拓展到萬物互聯,未來的空間是星辰大海。

 

以上是智能駕駛的行業分析。接下來是商業航天。

 

商業航天:發展正當時

 

商業航天處于基礎設施建設階段,因此,產業鏈中的火箭、衛星環節都將首先受益。發展到中后期,在基礎設施建設逐步成熟以后,依托于低成本的空天數據資源、運輸服務,商業航天產業發展會上一個臺階。

 黃昊9.png

資料來源:朱雀基金整理

 

對于火箭,這幾年的快速發展是圍繞著降本展開的。

 

Space X作為其中的佼佼者,其發展策略對全球商業火箭企業都有很強的借鑒意義。他的發展策略有三個方面:一是火箭推力/載重不斷加大,降低單噸發射成本。從2010年的獵鷹91.02018年的獵鷹重型B5來看,載重能力提升6倍。性價比從而得到明顯提升。

 

當然Space X提升載重的進程遠沒有結束,得益于新型發動機技術的應用,下一代重型運載火箭星艦的低軌有效載重在獵鷹重型火箭基礎上進一步提升接近50%。

 

Space X的第二個策略就是可回收技術,通過一級火箭推進器和整流罩的可回收來攤低每一次火箭發射成本。在202125次左右的發射中,幾乎都實現了可回收重復利用。根據測算,如果推進器和整流罩循環利用5次,對應的發射成本可下降超過一半,發射報價也可大幅下降。

 

第三個策略就是在工程和產業化思路上極致降本。一方面大量使用原有成熟技術和產品,另一方面,推行產品化發展思路,減少品類,提升零部件的標準化水平。這兩點在獵鷹9的材料、箭體結構、制造工藝等方面都有體現。對于火箭產業,能在保證可靠性前提下提升成本優勢,將是重要的競爭壁壘。

 

 

對于衛星產業,要提升衛星服務的能力,空間分辨率之外,時間分辨率和覆蓋率指標更為重要。星鏈的發展也印證了這一點,因此,推進衛星小型化、星座化是行業發展必然趨勢。

 

技術上,對于通信衛星,客戶更關注時延,因此星間激光鏈路技術儲備也是核心競爭力之一。

 

對于民營企業而言,三大類衛星中,我們認為民企推進商業化最佳的賽道是遙感衛星。

 

 

最后是運營與服務產業,由于是介于上游數據源和下游眾多行業應用之間,比較容易形成差異化能力和規模優勢,在產業鏈漸趨成熟后,這一塊的機會會更大。

 

以上就是我的匯報,沿著產業鏈的思路,我們在智能汽車和商業航天領域的一些環節也做了初步的布局,隨著兩個大賽道的崛起,未來的機會值得期待。

 

 

注:本文件非基金宣傳推介材料,僅作為本公司旗下基金的客戶服務事項之一。

本文件所提供之任何信息僅供閱讀者參考,既不構成未來本公司管理之基金進行投資決策之必然依據,亦不構成對閱讀者或投資者的任何實質性投資建議或承諾。本公司并不保證本文件所載文字及數據的準確性及完整性,也不對因此導致的任何第三方投資后果承擔法律責任。

本文所載的意見僅為本文出具日的觀點和判斷,在不同時期,朱雀基金可能會發出與本文所載不一致的意見。本文未經朱雀基金書面許可,任何機構和個人不得以任何形式轉發、翻版、復制、刊登、發表或引用。