大众汽车推出AR抬头显示系统,将率先搭载至ID.3和ID.4车型_详细解读_最新资讯_热点事件

编者按:本文来自36氪「
未来汽车日报」,(微信公众号ID:auto-time),作者:苏鹏。

图片来源:大众汽车官方

作者 | 苏鹏

编辑 | 周游

近日,大众汽车正式推出了全新的增强现实(AR)抬头显示系统,并成为首家在紧凑车型中引入该技术的汽车制造商。

大众汽车计划将这套系统率先搭载纯电动ID.3和ID.4车型中,于今年第一季度上市的国产版大众ID.4车型同样会搭载这项新技术。

大众汽车乘用车品牌管理董事会成员、大众汽车乘用车品牌技术研发总监Frank Welsch表示:“我们在量产车型中引入了一项名副其实的创新技术,我们并不是在豪华车型中引入该技术,而是将其首先应用在纯电动ID.家族的紧凑型产品中。大众汽车的核心竞争力之一,就是将先锋技术提供给最广大的消费者。”

AR抬头显示系统可将重要信息分为远景视场和远景视场两个层级,分别投射到挡风玻璃上的两个视场中。远景视场中,来自辅助系统的信息以及导航系统的转弯箭头,起点和目的地都显示在挡风玻璃上。

近景视场位于远景视场下方的水平带状区域中,可静态显示包括车速、道路标识、驾驶辅助和导航符号等信息。

当车辆按导航路线驶近要转弯的路口时,驾驶员会看到两个指示:首先是路面上的预先提示,以及在路口位置显示出的三个箭头。随着驾驶员逐渐接近路口,箭头会逐渐变大。同时,箭头中填充的纹理会逐渐变透明,以确保道路视野清晰可见。在研发所有显示功能时,大众汽车遵循的基本理念是“化繁为简”。这样可以确保驾驶员在任何情况下都不会因信息过量而分散注意力。

这些图像由AR创建器生成,该创建器由ID.车型两台中央计算机的其中一台中负责运算。AR创建器以前置摄像头、雷达传感器和导航地图作为原始数据获取信息,然后计算出与周围环境相对应的符号显示位置。

未来汽车日报

进击中的中国工业互联网_详细解读_最新资讯_热点事件

编者按:本文来自微信公众号“凯旋创投”(ID:keytonevc),作者:凯旋创投,36氪经授权发布。

近期,凯旋创投合伙人陶冶、启赋资本联合创始人曾峥,Ayla艾拉物联联合创始人、中国区总经理Phillip张南雄,航天智控创始人曾志生进行了一场关于《技术变革浪潮袭来,全球视角下的工业互联网》的行业对话。以下为精彩回顾,enjoy。

需沉淀出可标准化复制、规模化扩张的产品

Q:什么样的工业互联网公司更能对产业产生价值?

凯旋创投陶冶:工业互联网有两大平衡,创业者要始终保持敏锐的去把握。

一个是技术能力和落地场景的平衡。技术驱动类的企业容易犯脱离实际的错误,譬如拥有厉害的技术,但客户并不因此买单,这是技术与场景间的严重脱节。这种情况在几年前非常普遍,不过随着行业的逐渐摸索,以及行业需求的拉动,已经有了很大的改善。

二是产品化的能力和项目服务商业模式之间的平衡。尤其在创业早期,ToB 类的项目很容易做成项目服务制,所有的人力都扑在服务客户上,这会直接导致团队缺乏精力和时间沉淀出可复制、可模块化的产品。

工业,或者说广义上的产业,都是在互联网化大变革的深水区,以上两点是需要创业者不断摸索和把握的平衡,也只有做好了这两点,创业项目和产品才能更好的对产业输出价值。

启赋资本曾峥:传统产业里基于信息化、在线化、数字化变革存在很多机会。有一些是“生意型”创业机会,有一些是“有资本价值”的创业机会。创业者需要清晰的知道自身优势在哪,自身商业模式可标准化复制、规模化扩张的可能性在哪,在此基础上进行精准定位,不能模棱两可。

具体到工业互联网,更多的是互联网+物联网结合的数据连接方式,以及基于大数据、人工智能,基于行业know-how的完整解决方案的交付。我们可以分两种情况,一种基于大客户,类似内部工业互联网,帮助大客户解决内部联网的问题。

另一种外部工业互联网,可以再细分为两种类型,一类做垂直行业产业链全闭环或小闭环,打通工业环节和采购环节,这类做平台的可能性较大。

另一类横切某一个非核心的生产设备,比如辅助生产环节的设备标准化,这种也是有机会标准化复制的项目。当然也有围绕一个问题帮大企业做解决方案的项目,这种也存在价值,只不过资本价值比商业价值小很多。

软硬件打通才是真正的工业物联网

Q:虽然越来越多的企业在谋求数字化转型,但真正愿意尝鲜的企业是哪类?企业是否存在自身顾虑?

航天智控曾志生:从实践角度看,第一个尝鲜的是大型、重型、流程型的工业,比如石化、钢铁、冶金、煤炭、水泥等行业,这些企业的需求很旺盛,最大的痛点很明确,就是防止突发事故,因为这些企业一旦出现事故和停产,会带来很大的经济损失。

另外尝鲜的还有今年受疫情影响特别大的行业,原本三班倒的工业企业人力跟不上,有了工业互联网,原来一个人管十个设备,现在可以管一百个,这都是企业非常实际的需求。同时工业互联网还能帮助企业降本增效,现在全国和世界的经济,增量变少,所以优化存量变得异常重要。

艾拉物联张南雄:因为疫情的关系导致工人越发难找,但实际的产品需求并没有减少,所以这段特殊时期,工业互联网的需求在增加。

但企业从尝试到完全转型是个很长的过程,因为工业互联网是一整套系统,从传感器、网管、5G、数据采集、设备控制、工厂安全管理、人脸辨识、管控授权,以及数据怎么链接到企业EPR系统、企业怎么进行资源规划、数据采集后怎么进行机器学习和数据建模才能得到故障分析,预防性分析等等,每一个部分都需要许多团队支持。

现在很多客户想做的工业互联网还单纯停留在加传感器上,其实达不到完整效果,从芯片到模组到云端到企业软件,到AI数据的运算,全部打通才算做到了真正的工业物联网。

中美关系新形态下 工业互联网迎来发展窗口期

Q:在过去一年,感受到自己所关注或者所服务的产业领域发生了哪些明显变化?

启赋资本曾峥:中国从消费互联网的下半段就显示出了市场和人口的规模优势,到了工业互联网时代,在一些基础科学和核心技术方面,虽然中外还是有一定的差距,但中国拥有巨大的市场,且产业规模和产业原生态的状态也让产业变革的需求特别强烈,创造的价值也会相应增大。

而且中国中小企业占比很大,他们接受创新和自我创新的能力都更强。这意味着做平台的企业和面向海量中小企业服务的企业,在中国的机会更多。

中国的很多传统行业,哪怕很垂直,市场可能都有百亿以上的规模,服务中国市场任何一个传统产业,市场规模都是足够承载一个或多个具有上市价值的工业互联网创新企业。

凯旋创投陶冶:凯旋是双币基金,不仅在中国,境外尤其美国也一直都在关注着技术类企业的发展。可以明显感觉到的是,在企业服务、工业物联网方面,中美的差距不仅体现在企业的自身技术、学术水平,还体现在产业集中度、成熟度上。

比如美国的行业 top3 的企业产量基本占了行业的七八成,不论能源、电力、电子生产、汽车等行业,还是相关行业的上游,集中度都很高了,所以创业公司一旦有技术突破,很容易商业化。

而国内现有情况是脏活累活还没干完,“路”还没有修好,很多企业不得不去干一些初级的工作,所以国内的企业要更加注意商业化上的灵活度。

但这两年的变化比较明显,尤其在一些大的制造企业,像3C电子、汽车行业,不仅产能强,智能化进展也非常快。不仅技术在逐步跟上,客户也接受了用户教育,对新东西的接受程度很高。

再加上现在咱们国内自主可控、进口替代的浪潮下,国产化、自主知识产权的产品,哪怕性能差不多,甚至有时贵一点,也成为了首选。这是一个巨大的窗口期,可以说各行各业技术型企业的春天到来了。

所以,现在想创业、蠢蠢欲动、已经有成型产品的创业团队、技术团队应该抓紧回国,大的工业基础在国内,产业的最好机会还是在国内。

启赋资本曾峥:没错,不过还得提醒一下,国外回来的创业者和团队需要注意接地气,接产业的地气,接中国的地气。建议创业者带着技术回来,也可以跟国内的一些解决了接地气问题的工业互联网的企业做合作,甚至加入,一起更好的快速把技术落地。

跨界人才短板成掣肘因素

Q:根据各位的实际感受,工业领域的实际人才储备究竟是怎样的一个现状?

航天智控曾志生:国内大工业集中度虽然高,但是和互联网的跨界人才还是太少,这是其一。其二,国内各行业各个企业的管理标准化不足,各种形式都有,大工业分工非常细,管理又不太规范,所以,能通透理解工业本身以及工艺管理流程的人也很有限。

两个因素叠加,能把解决方案做透的人就更少了。所以,现在行业内能把工业互联网打透的也只能解决一个侧面的问题,当业务延伸到其他内容时又要重新寻找新的人才。

艾拉物联张南雄:另外,工业互联网不是只做大家了解的平台,而是需要细分到各行各业去进行商业化落地。所以不只需要工业和互联网的跨界,还需要懂商业的人才。

另外,国内还需要在企业软件领域去培养和教育更多的人才。

国内工业上还是注重硬件方面人才的培养。但实际上,在硬件和一些基础软件收集到数据后,真正赚钱的是怎么去运用这些数据,怎么据此调整机器,让产能更大,或者怎么预测机器零件的维修等等,这些是工业企业真正的痛点。所以一个真正好的系统,硬软都需要并重。

Q:我们应该如何培育和引进工业互联网人才?

凯旋创投陶冶:虽然现在国内工业的总体规模和产值都非常高了,但是咱们对产业工人产业化素质的培养以及产业化思维的培养还需进一步提升。

如果想深耕产业,系统性、产业化的思维,以及逻辑的训练对工业互联网、产业互联网方向的创业非常重要,甚至可以在国外找到具备这样素质的伙伴一起创业。这样的团队是有机会把项目做大的。

消费互联网可以靠烧钱,工业互联网、产业互联网靠烧钱是烧不出业务来的,但这个领域的好处是可以深耕,做出自己的壁垒,越来越多的样板客户会让企业有更多的客户。所以要耐心,要对产业工人、产业生产、规模生产有敬畏心,要将标准化、稳定、增效做到实处。

启赋资本曾峥:刚刚的几位嘉宾也提到,从现在中国工业互联网的发展看,人才方面缺乏后续持续供给。但好的地方在于,消费互联网发展到一个平缓区后,大量人才都在往产业互联网方向转移。再加上资本的关注,政策的倾斜,会促使更多优秀人才的加入,也会更快推动工业互联网领域的发展。

另一个有趣的点在于,真正到用工业互联网的技术解决年轻人不愿意去从事的工作岗位的时候,会诞生全新的技术工人的需求,这个发展过程中年轻人可能会对新工种产生新的兴趣。

而且用技术的语言去培训技术工人比靠老师傅带徒弟的方式更先进。通过工业互联网技术集成和人工智能学习的方式可以把人才培训速度加快,这都是能看到的未来人才产生的机会。

凯旋创投

凯旋创投成立于2008年,中国本土专注于早期科技企业投资的双币私募投资机构。致力于长期投资国家战略新兴产业,包括物联网、高端制造、人工智能、先进医疗、高性能材料等领域。

进击中的中国工业互联网_详细解读_最新资讯_热点事件

编者按:本文来自微信公众号“凯旋创投”(ID:keytonevc),作者:凯旋创投,36氪经授权发布。

近期,凯旋创投合伙人陶冶、启赋资本联合创始人曾峥,Ayla艾拉物联联合创始人、中国区总经理Phillip张南雄,航天智控创始人曾志生进行了一场关于《技术变革浪潮袭来,全球视角下的工业互联网》的行业对话。以下为精彩回顾,enjoy。

需沉淀出可标准化复制、规模化扩张的产品

Q:什么样的工业互联网公司更能对产业产生价值?

凯旋创投陶冶:工业互联网有两大平衡,创业者要始终保持敏锐的去把握。

一个是技术能力和落地场景的平衡。技术驱动类的企业容易犯脱离实际的错误,譬如拥有厉害的技术,但客户并不因此买单,这是技术与场景间的严重脱节。这种情况在几年前非常普遍,不过随着行业的逐渐摸索,以及行业需求的拉动,已经有了很大的改善。

二是产品化的能力和项目服务商业模式之间的平衡。尤其在创业早期,ToB 类的项目很容易做成项目服务制,所有的人力都扑在服务客户上,这会直接导致团队缺乏精力和时间沉淀出可复制、可模块化的产品。

工业,或者说广义上的产业,都是在互联网化大变革的深水区,以上两点是需要创业者不断摸索和把握的平衡,也只有做好了这两点,创业项目和产品才能更好的对产业输出价值。

启赋资本曾峥:传统产业里基于信息化、在线化、数字化变革存在很多机会。有一些是“生意型”创业机会,有一些是“有资本价值”的创业机会。创业者需要清晰的知道自身优势在哪,自身商业模式可标准化复制、规模化扩张的可能性在哪,在此基础上进行精准定位,不能模棱两可。

具体到工业互联网,更多的是互联网+物联网结合的数据连接方式,以及基于大数据、人工智能,基于行业know-how的完整解决方案的交付。我们可以分两种情况,一种基于大客户,类似内部工业互联网,帮助大客户解决内部联网的问题。

另一种外部工业互联网,可以再细分为两种类型,一类做垂直行业产业链全闭环或小闭环,打通工业环节和采购环节,这类做平台的可能性较大。

另一类横切某一个非核心的生产设备,比如辅助生产环节的设备标准化,这种也是有机会标准化复制的项目。当然也有围绕一个问题帮大企业做解决方案的项目,这种也存在价值,只不过资本价值比商业价值小很多。

软硬件打通才是真正的工业物联网

Q:虽然越来越多的企业在谋求数字化转型,但真正愿意尝鲜的企业是哪类?企业是否存在自身顾虑?

航天智控曾志生:从实践角度看,第一个尝鲜的是大型、重型、流程型的工业,比如石化、钢铁、冶金、煤炭、水泥等行业,这些企业的需求很旺盛,最大的痛点很明确,就是防止突发事故,因为这些企业一旦出现事故和停产,会带来很大的经济损失。

另外尝鲜的还有今年受疫情影响特别大的行业,原本三班倒的工业企业人力跟不上,有了工业互联网,原来一个人管十个设备,现在可以管一百个,这都是企业非常实际的需求。同时工业互联网还能帮助企业降本增效,现在全国和世界的经济,增量变少,所以优化存量变得异常重要。

艾拉物联张南雄:因为疫情的关系导致工人越发难找,但实际的产品需求并没有减少,所以这段特殊时期,工业互联网的需求在增加。

但企业从尝试到完全转型是个很长的过程,因为工业互联网是一整套系统,从传感器、网管、5G、数据采集、设备控制、工厂安全管理、人脸辨识、管控授权,以及数据怎么链接到企业EPR系统、企业怎么进行资源规划、数据采集后怎么进行机器学习和数据建模才能得到故障分析,预防性分析等等,每一个部分都需要许多团队支持。

现在很多客户想做的工业互联网还单纯停留在加传感器上,其实达不到完整效果,从芯片到模组到云端到企业软件,到AI数据的运算,全部打通才算做到了真正的工业物联网。

中美关系新形态下 工业互联网迎来发展窗口期

Q:在过去一年,感受到自己所关注或者所服务的产业领域发生了哪些明显变化?

启赋资本曾峥:中国从消费互联网的下半段就显示出了市场和人口的规模优势,到了工业互联网时代,在一些基础科学和核心技术方面,虽然中外还是有一定的差距,但中国拥有巨大的市场,且产业规模和产业原生态的状态也让产业变革的需求特别强烈,创造的价值也会相应增大。

而且中国中小企业占比很大,他们接受创新和自我创新的能力都更强。这意味着做平台的企业和面向海量中小企业服务的企业,在中国的机会更多。

中国的很多传统行业,哪怕很垂直,市场可能都有百亿以上的规模,服务中国市场任何一个传统产业,市场规模都是足够承载一个或多个具有上市价值的工业互联网创新企业。

凯旋创投陶冶:凯旋是双币基金,不仅在中国,境外尤其美国也一直都在关注着技术类企业的发展。可以明显感觉到的是,在企业服务、工业物联网方面,中美的差距不仅体现在企业的自身技术、学术水平,还体现在产业集中度、成熟度上。

比如美国的行业 top3 的企业产量基本占了行业的七八成,不论能源、电力、电子生产、汽车等行业,还是相关行业的上游,集中度都很高了,所以创业公司一旦有技术突破,很容易商业化。

而国内现有情况是脏活累活还没干完,“路”还没有修好,很多企业不得不去干一些初级的工作,所以国内的企业要更加注意商业化上的灵活度。

但这两年的变化比较明显,尤其在一些大的制造企业,像3C电子、汽车行业,不仅产能强,智能化进展也非常快。不仅技术在逐步跟上,客户也接受了用户教育,对新东西的接受程度很高。

再加上现在咱们国内自主可控、进口替代的浪潮下,国产化、自主知识产权的产品,哪怕性能差不多,甚至有时贵一点,也成为了首选。这是一个巨大的窗口期,可以说各行各业技术型企业的春天到来了。

所以,现在想创业、蠢蠢欲动、已经有成型产品的创业团队、技术团队应该抓紧回国,大的工业基础在国内,产业的最好机会还是在国内。

启赋资本曾峥:没错,不过还得提醒一下,国外回来的创业者和团队需要注意接地气,接产业的地气,接中国的地气。建议创业者带着技术回来,也可以跟国内的一些解决了接地气问题的工业互联网的企业做合作,甚至加入,一起更好的快速把技术落地。

跨界人才短板成掣肘因素

Q:根据各位的实际感受,工业领域的实际人才储备究竟是怎样的一个现状?

航天智控曾志生:国内大工业集中度虽然高,但是和互联网的跨界人才还是太少,这是其一。其二,国内各行业各个企业的管理标准化不足,各种形式都有,大工业分工非常细,管理又不太规范,所以,能通透理解工业本身以及工艺管理流程的人也很有限。

两个因素叠加,能把解决方案做透的人就更少了。所以,现在行业内能把工业互联网打透的也只能解决一个侧面的问题,当业务延伸到其他内容时又要重新寻找新的人才。

艾拉物联张南雄:另外,工业互联网不是只做大家了解的平台,而是需要细分到各行各业去进行商业化落地。所以不只需要工业和互联网的跨界,还需要懂商业的人才。

另外,国内还需要在企业软件领域去培养和教育更多的人才。

国内工业上还是注重硬件方面人才的培养。但实际上,在硬件和一些基础软件收集到数据后,真正赚钱的是怎么去运用这些数据,怎么据此调整机器,让产能更大,或者怎么预测机器零件的维修等等,这些是工业企业真正的痛点。所以一个真正好的系统,硬软都需要并重。

Q:我们应该如何培育和引进工业互联网人才?

凯旋创投陶冶:虽然现在国内工业的总体规模和产值都非常高了,但是咱们对产业工人产业化素质的培养以及产业化思维的培养还需进一步提升。

如果想深耕产业,系统性、产业化的思维,以及逻辑的训练对工业互联网、产业互联网方向的创业非常重要,甚至可以在国外找到具备这样素质的伙伴一起创业。这样的团队是有机会把项目做大的。

消费互联网可以靠烧钱,工业互联网、产业互联网靠烧钱是烧不出业务来的,但这个领域的好处是可以深耕,做出自己的壁垒,越来越多的样板客户会让企业有更多的客户。所以要耐心,要对产业工人、产业生产、规模生产有敬畏心,要将标准化、稳定、增效做到实处。

启赋资本曾峥:刚刚的几位嘉宾也提到,从现在中国工业互联网的发展看,人才方面缺乏后续持续供给。但好的地方在于,消费互联网发展到一个平缓区后,大量人才都在往产业互联网方向转移。再加上资本的关注,政策的倾斜,会促使更多优秀人才的加入,也会更快推动工业互联网领域的发展。

另一个有趣的点在于,真正到用工业互联网的技术解决年轻人不愿意去从事的工作岗位的时候,会诞生全新的技术工人的需求,这个发展过程中年轻人可能会对新工种产生新的兴趣。

而且用技术的语言去培训技术工人比靠老师傅带徒弟的方式更先进。通过工业互联网技术集成和人工智能学习的方式可以把人才培训速度加快,这都是能看到的未来人才产生的机会。

凯旋创投

凯旋创投成立于2008年,中国本土专注于早期科技企业投资的双币私募投资机构。致力于长期投资国家战略新兴产业,包括物联网、高端制造、人工智能、先进医疗、高性能材料等领域。

传大疆筹备涉足自动驾驶技术,回应称公司近期并未成立新的工程团队_详细解读_最新资讯_热点事件

编者按:本文来自腾讯科技,36氪经授权发布。

1月14日消息,据熟悉大疆战略的知情人士和招聘信息透露的信息显示,作为全球最大的无人机制造商,该公司正在组建技术团队来研究自动驾驶技术。

大疆网站的招聘信息显示,这家总部位于深圳的初创公司正在招聘汽车电子、自动驾驶和车载软件的技术人员。知情人士透露,大疆计划销售自动驾驶汽车的关键部件激光雷达传感器等驾驶辅助技术,以及用于自动驾驶功能的成套解决方案。

对此,大疆回应称公司近期并未成立新的工程团队。大疆一直聚焦研发创新,其中也包括在汽车领域发展前沿技术应用,这些工作已经进行了多年。

知情人士表示,大疆开发激光雷达和摄像头技术已有多年时间。2020年,大疆孵化的初创公司览沃科技(Livox)在拉斯维加斯举行的国际消费电子展中展示了两款自动驾驶汽车雷达传感器。小鹏汽车在本月初宣布,览沃科技将成为小鹏汽车在激光雷达领域的首家合作伙伴,该公司在2021年推出的全新量产车型上将使用由双方合作生产的小鹏定制版车规级激光雷达。览沃科技是大疆创新内部孵化成立的独立公司,致力于提供高性能、低成本的激光雷达传感器,并且应用于自动驾驶、智慧城市、移动机器人等多个行业。

大疆准备组建技术团队研究自动驾驶技术之际,正值多家硬件和软件技术公司竞相开发自动驾驶技术之时。制造通讯设备和智能手机的华为,已经成立了汽车业务部门,并正在开发传感器。百度本周对外正式发布消息称,将组建一家智能汽车公司,以整车制造商的身份进军汽车行业。吉利控股集团是其新公司的战略合作伙伴。

上周有报道称,苹果有一个“小团队”正在研发全自动驾驶电动车–苹果汽车,但仍处于早期阶段,距离发布可能还至少需要5到7年的时间。据悉,苹果的团队负责开发驱动系统、汽车内饰和外部车身设计,以最终出售车辆作为目标。与前几年相比,这个目标更加雄心勃勃。几年前,该项目主要专注于创建一个基础的自动驾驶系统。

根据市场调研公司DroneAnalyst提供的数据,大疆目前主宰着全球小型无人机市场,份额高达69%。另一家市场调研公司Frost & Sullivan预计,去年全球无人机市场的规模达到84亿美元。(腾讯科技编译/无忌)

36氪首发 | 智能语音服务商「友杰智新」完成数千万元A轮融资,专注于细分场景和定制化产品_详细解读_最新资讯_热点事件

36氪获悉,近日,智能语音技术服务商深圳市友杰智新科技有限公司(简称“友杰智新”)完成数千万元A轮融资。本轮由蠃航高新科技独家投资。资金将用于加大边缘AI技术研发和多场景落地。

友杰智新以声学技术为突破口,提供包含声学结构设计、远场声学处理、远场语音唤醒、语音识别、语义理解、语音合成、机器翻译等技术的智能语音一站式产品化服务。公司采用了“研究院““技术转化中心”和“产品中心”的三角组织架构,兼顾技术研发和场景化用户需求,通过软硬一体的技术服务平台,实现产品快速迭代和敏捷交付,为客户快速打造定制化的AI产品。

目前,友杰智新已取得了近百项专利,并参与了一些前沿语音AI技术的研发合作。2020年6月,公司与中科院先进技术研究院成立了语音AI联合实验室,推动养老场景下智能语音业务的实现。2020年10月,友杰智新成为CCF语音对话与听觉专业组委员单位。同年12月,友杰智新成为深圳市人工智能学会的一员。公司还参与一些智能语音竞赛活动:在IEEE组织的SLT 2021 Alpha-mini Speech Challenge中,友杰智新在SSL赛道获得了第一名的成绩。

友杰智新已与养老、教育等行业的一些头部企业达成合作关系。公司已与某央企合作落地养老监护项目:利用语音技术化解养老场景中服务流程难以标准化,服务质量难以把控的行业痛点;与教育赛道某头部公司合作了落地了“超级学习词典”项目,并提供了声学拾音降噪相关能力,助力词典的人机交互应用;还与某互联网头部企业合作落地了离线/在线语音模块。除此之外,在智能家居、智能车载、智能穿戴(ANC TWS耳机,眼镜,头盔)、智能警务等场景,公司都正在和相关客户合作打造产品。

此前,公司在2019年5月获得天使轮融资,2019年12月获得数千万Pre-A轮融资。创始人杨汉丹有20年电子和通讯行业产品开发和团队管理经验,曾任TCL移动通讯有限公司技术专家,获得过广东省科学技术进步二等奖、惠州市科学技术一等奖。

Splunk:2021鉴往知来 — 洞察数据时代的生存策略

2020年是独一无二的一年,我们共同经历了前所未有的大变革。在新冠肺炎疫情的影响下,数据和数据驱动下的未来变得更具挑战性。当我们开始意识到,数据不仅仅是离散地应用于单个过程,而是逐渐成为商业、生活乃至社会的一部分,数据时代已悄然而至。

在这个充满未知和不确定性的时代,无处不在的数据和数据技术带来了更广阔的互联互通性,并支持和丰富每一个艰难的决策。在这个变化巨大的格局中,2020年最重要的事件之一是,支持和围绕它的技术和数据已经成为一项重要的服务,全球IT和技术专业人员正孜孜不倦地维护、调整和扩展关键的在线基础设施。

数据技术,让我们的技术英雄能够完成不可能的事情。在波诡云谲的数据时代,我们必须朝着一个目标前进,并不断评估目标和实现目标的过程。尽管种种特征早已颠覆了我们的期待,但基于数据和数据技术的预测将指引我们在星辰大海的征途中洞察最优生存策略。

后疫情时代的组织变革将寻求强有力的技术支持

新冠肺炎疫情犹如催化剂般,大大加速了企业的数字化进程。对于IT 领导者而言,战略远景已被大幅压缩,预计在5年或10年内实现的计划,已被压缩到数月或数周的水平。

动荡期充满机遇,防御姿态必不可少。在不确定的经济环境中,公司和公共部门组织自然会寻求削减支出,但从长远来看,眼前的地堡心态不会有回报。过去的多项研究发现,在加强核心市场地位的计划中增加投资的公司,比在牛市中采取这种措施的公司获得更显著和持久的收益。

现在比过去任何时候都需要围绕客户需求来规划未来。无论是B2C还是 B2B,为客户提供更好体验的技术,帮助他们向最终用户成功交付IT服务,将成为后疫情时代组织变革的利器。随着数字化项目的快速实施,为远程办公人员部署SaaS服务已成为刚需,现在可能是向云进行重大转变的时候了,虽然在短期内会增加支出,但可以换取未来降低成本的好处。

尽管在疫情时期,远程工作对大多数组织而言只是一种变通方式,但领导者依然希望能够全盘把握组织的脉搏,询问关键指标,将信息综合在一起,为团队提供一致的信号和方向。面对疫情带来的挑战,为了保持组织向前发展,领导者必须特别关注团队的情感健康。通过对于健康、疫情带来的压力以及工作量的调查,这些数据将有助于领导者确定需求,并通过创建解决方案来提升战略变革中的组织生产力。

虚拟优先,人才战略将是数据时代的制胜法则

全球越来越多的国家和地区将在2021年从新冠肺炎疫情中复苏,我们将看到一种更具同理心的管理风格的出现,这种管理风格寻求拥抱新常态,并赋予员工更清晰的工作与生活平衡,这一转变也将推动该地区生产率的提高。

展望未来,新的组织口号将是“虚拟优先”。虚拟优先意味着需要以不同的方式理解工作流、角色和管理策略,除了确定合适的视频会议和即时消息平台之外,还需要做很多事情。比如,当我们中的许多人可以再次出现在办公室时,这意味着不要为面对面的工作设计一切,而是使用视频会议来整合远程团队。

早期的外包浪潮侧重于降低成本,但经历了疫情的考验,提高人才门槛才更有价值。越来越多的公司将抓住这个机会提供更好的工具来支持虚拟和异步劳动力,工具、流程和实践将更加重要,尤其是在一个混合的世界里,有才华的远程员工才不会因为他们在工作场所缺乏紧密的联系而被边缘化。如果我们能够为虚拟优先设计一切,我们就可以更具包容性,从而确保每个人都能被倾听,能够接触到领导和资源,消除距离的障碍,让每个人都能做出自己最大的贡献。

高度活跃的数字化转型不会放缓

随着我们向深度网络化、高度互联的数据时代发展,数字技术已经融入我们的业务、家庭和个人生活。在疫情的催化作用下,数字化转型只会加速,不会减缓。我们发现,拥有强大的数字战略是在疫情肆虐的环境中生存的关键,那些拥有敏捷的、以增长为导向的企业文化的人,他们可以在受到打击的那一刻进行调整。

强大的数字化转型战略必须由数据驱动,转型计划面临的另一个挑战是,组织中有很高比例的数据是黑暗的——未知、孤立、未使用、可能不安全或不合规。在今年9月Splunk的一项研究中表明,全球平均66%的组织数据是暗数据,比上一年增长了10%。新的数字计划将不得不考虑已经靠边站的数据,并确保不会建立更多的孤岛。

成功的数字化转型还将取决于能够适应现实挑战的企业架构,领导者必须了解IT系统是如何实施的,并能够以企业理解的语言与企业沟通,以影响和推动变革。显然,这不是传统的IT 技能。

与此同时,数字化转型对劳动力需求造成了一定的影响。在数据时代,自动化和机器学习消除了很多工作,技能也许很快就会过时,对人才的考量将更倾向于以成长心态、参与度和文化契合度为标准。

创新IT服务成为数据时代IT运营的新使命

虽然开发运维并不是每一个IT组织的必然目标,但对于大多数组织来说,开发运维将与传统的IT运营共存,这将是一个不可逾越的学习过程。这个时代,IT领导者必须最终兑现十年来的承诺,从维护基本设施发展成为提供创新IT服务的战略合作伙伴。

对于IT而言,灵活、可扩展的云服务所支持的敏捷开发运维方法,鼓励实现渐进的胜利和进行大胆的实验。对云服务的采用日益增加,将会促成并激发出一种更具创新性的实验性思维方式。尽管云服务将会给许多组织带来超出他们预期的成本,但在日益数字化的现实中,尤其是AI/MR 和云的结合,并依托现成的ML工具,预计会有更多的公司将实现客户体验的现代化。同时,云的复杂性也将推动人们奔向更好、更集成的监控工具,无论底层基础设施如何,IT部门都需要能够在复杂的混合多数据流环境中工作的集成工具。

在一个高度自动化的世界里,创新也是一门人类学科。如果首席信息官没有为快速转型和改变组织结构做好规划,也没有努力推动以服务为导向的思维模式,那么他将失去工作。

数据安全将聚焦终端安全和零信任模式

受疫情影响,我们不得不关闭工作场所,我们对这一举措的快速反应包括仓促地奔向数字环境。在保护数据的同时,也必须为员工和商业伙伴提供同等级别的安全保护。

技术的变化伴随着攻击面的变化迎面袭来:供应链攻击意味着坏人不会只攻击你的组织,他们还会攻击你的东西;攻击者将利用新冠肺炎和居家办公来定制更有效的网络钓鱼电子邮件和其他骗局;利用疫情,攻击者将在新采用的技术和不完善的M&A中找到更多的机会……

2020年,每个人都在远程访问一切。“远程”是我们的现状,这推动了多重身份验证的增长,包括电话应用程序、硬件令牌和生物识别技术。IT安全的底线是网络安全,但坚固、可防御的堡垒的想法已经被瓦解。

只有不依赖网络保护来保证数据安全的零信任策略,才是破局之道。零信任策略采用正确的端点策略使安全性独立于网络之外,并降低数据被泄漏到未经授权、安全性不足的设备上的风险。

新兴技术将重新定义数据时代的曙光

当疫情发生时,AI/ML 技术已经开始被采用,组织已经显著加快提升机器学习算法的整合能力。传统 ML 模式的问题在于,人们花费大量时间来构建和部署模型,但这种模式却无法扩展。或许,AI/ML 将被它自己的局限性所阻碍——直到它可以自己学习。但近期的一项重大突破显示,AI/ML可以通过自动化自学习算法处理非结构化数据。这意味着,阻碍即将被化解。展望未来,对 AI/ML功能的真正理解将有助于提升组织的核心竞争力。

5G在2020年大放异彩,但在 2021 年也许不会广受欢迎。预计至少到 2022年,硬件挑战将阻碍其推广。当你等待的时候,不妨看看 WiFi 6。从 5G 中获得的许多好处将首先通过WiFi 6来实现,这是一种可用但尚未普及的技术。

AR/VR改善了协作和获取知识的途径,其突破性应用将是沉浸式协作通信,比如视频会议的下一个迭代将结合 AR 和 VR 技术。随着越来越多的零售活动和商业交流转移到网上,将会产生更多的沉浸式体验需求。

2010年至2020年间,话题从“区块链是什么?”转变成“我如何有效地利用它?”虽然区块链联盟是一个领先的模式,但他们将受到协调和可见性挑战的阻碍。基于区块链,现在正在开发或试点的应用领域包括安全投票、跟踪政治捐款、跟踪疾病爆发和保护医疗供应链。也许三年后,将大为不同。

生物识别技术在疫情爆发之前就已经开始,并在世界范围内得到发展,比如双重身份验证,将在数据时代急剧增加。生物识别验证的一个关键发展是不再将数据存储在设备上,而是进入云端。

新兴技术的真正力量不是其中的任何一项,而是它们的组合,并将出现在日益强大的边缘计算部署中。在边缘计算中,分析和自动化会进行所有的“思考”, 并在网络外围采取行动,它仿佛为我们一直在讨论的每一种新兴技术提供了一个完美的舞台。

我们诚心所向,祝祷在2021年能够看到,正常和稳定的表象在全球展现。旧的模式会回归,但一定会有所改变。尽管我们迫不及待地想得知接下来会发生什么,所有正确的答案只是需要完成的工作的开始。拥抱未来,在崭新的数据时代,人人都将获得最优生存策略。(作者:Splunk亚太区副总裁  Simon Davies)

如需了解Splunk 2021 年数据技术预测报告的更多内容,欢迎访问:Splunk官网。

Splunk:2021鉴往知来 — 洞察数据时代的生存策略

2020年是独一无二的一年,我们共同经历了前所未有的大变革。在新冠肺炎疫情的影响下,数据和数据驱动下的未来变得更具挑战性。当我们开始意识到,数据不仅仅是离散地应用于单个过程,而是逐渐成为商业、生活乃至社会的一部分,数据时代已悄然而至。

在这个充满未知和不确定性的时代,无处不在的数据和数据技术带来了更广阔的互联互通性,并支持和丰富每一个艰难的决策。在这个变化巨大的格局中,2020年最重要的事件之一是,支持和围绕它的技术和数据已经成为一项重要的服务,全球IT和技术专业人员正孜孜不倦地维护、调整和扩展关键的在线基础设施。

数据技术,让我们的技术英雄能够完成不可能的事情。在波诡云谲的数据时代,我们必须朝着一个目标前进,并不断评估目标和实现目标的过程。尽管种种特征早已颠覆了我们的期待,但基于数据和数据技术的预测将指引我们在星辰大海的征途中洞察最优生存策略。

后疫情时代的组织变革将寻求强有力的技术支持

新冠肺炎疫情犹如催化剂般,大大加速了企业的数字化进程。对于IT 领导者而言,战略远景已被大幅压缩,预计在5年或10年内实现的计划,已被压缩到数月或数周的水平。

动荡期充满机遇,防御姿态必不可少。在不确定的经济环境中,公司和公共部门组织自然会寻求削减支出,但从长远来看,眼前的地堡心态不会有回报。过去的多项研究发现,在加强核心市场地位的计划中增加投资的公司,比在牛市中采取这种措施的公司获得更显著和持久的收益。

现在比过去任何时候都需要围绕客户需求来规划未来。无论是B2C还是 B2B,为客户提供更好体验的技术,帮助他们向最终用户成功交付IT服务,将成为后疫情时代组织变革的利器。随着数字化项目的快速实施,为远程办公人员部署SaaS服务已成为刚需,现在可能是向云进行重大转变的时候了,虽然在短期内会增加支出,但可以换取未来降低成本的好处。

尽管在疫情时期,远程工作对大多数组织而言只是一种变通方式,但领导者依然希望能够全盘把握组织的脉搏,询问关键指标,将信息综合在一起,为团队提供一致的信号和方向。面对疫情带来的挑战,为了保持组织向前发展,领导者必须特别关注团队的情感健康。通过对于健康、疫情带来的压力以及工作量的调查,这些数据将有助于领导者确定需求,并通过创建解决方案来提升战略变革中的组织生产力。

虚拟优先,人才战略将是数据时代的制胜法则

全球越来越多的国家和地区将在2021年从新冠肺炎疫情中复苏,我们将看到一种更具同理心的管理风格的出现,这种管理风格寻求拥抱新常态,并赋予员工更清晰的工作与生活平衡,这一转变也将推动该地区生产率的提高。

展望未来,新的组织口号将是“虚拟优先”。虚拟优先意味着需要以不同的方式理解工作流、角色和管理策略,除了确定合适的视频会议和即时消息平台之外,还需要做很多事情。比如,当我们中的许多人可以再次出现在办公室时,这意味着不要为面对面的工作设计一切,而是使用视频会议来整合远程团队。

早期的外包浪潮侧重于降低成本,但经历了疫情的考验,提高人才门槛才更有价值。越来越多的公司将抓住这个机会提供更好的工具来支持虚拟和异步劳动力,工具、流程和实践将更加重要,尤其是在一个混合的世界里,有才华的远程员工才不会因为他们在工作场所缺乏紧密的联系而被边缘化。如果我们能够为虚拟优先设计一切,我们就可以更具包容性,从而确保每个人都能被倾听,能够接触到领导和资源,消除距离的障碍,让每个人都能做出自己最大的贡献。

高度活跃的数字化转型不会放缓

随着我们向深度网络化、高度互联的数据时代发展,数字技术已经融入我们的业务、家庭和个人生活。在疫情的催化作用下,数字化转型只会加速,不会减缓。我们发现,拥有强大的数字战略是在疫情肆虐的环境中生存的关键,那些拥有敏捷的、以增长为导向的企业文化的人,他们可以在受到打击的那一刻进行调整。

强大的数字化转型战略必须由数据驱动,转型计划面临的另一个挑战是,组织中有很高比例的数据是黑暗的——未知、孤立、未使用、可能不安全或不合规。在今年9月Splunk的一项研究中表明,全球平均66%的组织数据是暗数据,比上一年增长了10%。新的数字计划将不得不考虑已经靠边站的数据,并确保不会建立更多的孤岛。

成功的数字化转型还将取决于能够适应现实挑战的企业架构,领导者必须了解IT系统是如何实施的,并能够以企业理解的语言与企业沟通,以影响和推动变革。显然,这不是传统的IT 技能。

与此同时,数字化转型对劳动力需求造成了一定的影响。在数据时代,自动化和机器学习消除了很多工作,技能也许很快就会过时,对人才的考量将更倾向于以成长心态、参与度和文化契合度为标准。

创新IT服务成为数据时代IT运营的新使命

虽然开发运维并不是每一个IT组织的必然目标,但对于大多数组织来说,开发运维将与传统的IT运营共存,这将是一个不可逾越的学习过程。这个时代,IT领导者必须最终兑现十年来的承诺,从维护基本设施发展成为提供创新IT服务的战略合作伙伴。

对于IT而言,灵活、可扩展的云服务所支持的敏捷开发运维方法,鼓励实现渐进的胜利和进行大胆的实验。对云服务的采用日益增加,将会促成并激发出一种更具创新性的实验性思维方式。尽管云服务将会给许多组织带来超出他们预期的成本,但在日益数字化的现实中,尤其是AI/MR 和云的结合,并依托现成的ML工具,预计会有更多的公司将实现客户体验的现代化。同时,云的复杂性也将推动人们奔向更好、更集成的监控工具,无论底层基础设施如何,IT部门都需要能够在复杂的混合多数据流环境中工作的集成工具。

在一个高度自动化的世界里,创新也是一门人类学科。如果首席信息官没有为快速转型和改变组织结构做好规划,也没有努力推动以服务为导向的思维模式,那么他将失去工作。

数据安全将聚焦终端安全和零信任模式

受疫情影响,我们不得不关闭工作场所,我们对这一举措的快速反应包括仓促地奔向数字环境。在保护数据的同时,也必须为员工和商业伙伴提供同等级别的安全保护。

技术的变化伴随着攻击面的变化迎面袭来:供应链攻击意味着坏人不会只攻击你的组织,他们还会攻击你的东西;攻击者将利用新冠肺炎和居家办公来定制更有效的网络钓鱼电子邮件和其他骗局;利用疫情,攻击者将在新采用的技术和不完善的M&A中找到更多的机会……

2020年,每个人都在远程访问一切。“远程”是我们的现状,这推动了多重身份验证的增长,包括电话应用程序、硬件令牌和生物识别技术。IT安全的底线是网络安全,但坚固、可防御的堡垒的想法已经被瓦解。

只有不依赖网络保护来保证数据安全的零信任策略,才是破局之道。零信任策略采用正确的端点策略使安全性独立于网络之外,并降低数据被泄漏到未经授权、安全性不足的设备上的风险。

新兴技术将重新定义数据时代的曙光

当疫情发生时,AI/ML 技术已经开始被采用,组织已经显著加快提升机器学习算法的整合能力。传统 ML 模式的问题在于,人们花费大量时间来构建和部署模型,但这种模式却无法扩展。或许,AI/ML 将被它自己的局限性所阻碍——直到它可以自己学习。但近期的一项重大突破显示,AI/ML可以通过自动化自学习算法处理非结构化数据。这意味着,阻碍即将被化解。展望未来,对 AI/ML功能的真正理解将有助于提升组织的核心竞争力。

5G在2020年大放异彩,但在 2021 年也许不会广受欢迎。预计至少到 2022年,硬件挑战将阻碍其推广。当你等待的时候,不妨看看 WiFi 6。从 5G 中获得的许多好处将首先通过WiFi 6来实现,这是一种可用但尚未普及的技术。

AR/VR改善了协作和获取知识的途径,其突破性应用将是沉浸式协作通信,比如视频会议的下一个迭代将结合 AR 和 VR 技术。随着越来越多的零售活动和商业交流转移到网上,将会产生更多的沉浸式体验需求。

2010年至2020年间,话题从“区块链是什么?”转变成“我如何有效地利用它?”虽然区块链联盟是一个领先的模式,但他们将受到协调和可见性挑战的阻碍。基于区块链,现在正在开发或试点的应用领域包括安全投票、跟踪政治捐款、跟踪疾病爆发和保护医疗供应链。也许三年后,将大为不同。

生物识别技术在疫情爆发之前就已经开始,并在世界范围内得到发展,比如双重身份验证,将在数据时代急剧增加。生物识别验证的一个关键发展是不再将数据存储在设备上,而是进入云端。

新兴技术的真正力量不是其中的任何一项,而是它们的组合,并将出现在日益强大的边缘计算部署中。在边缘计算中,分析和自动化会进行所有的“思考”, 并在网络外围采取行动,它仿佛为我们一直在讨论的每一种新兴技术提供了一个完美的舞台。

我们诚心所向,祝祷在2021年能够看到,正常和稳定的表象在全球展现。旧的模式会回归,但一定会有所改变。尽管我们迫不及待地想得知接下来会发生什么,所有正确的答案只是需要完成的工作的开始。拥抱未来,在崭新的数据时代,人人都将获得最优生存策略。(作者:Splunk亚太区副总裁  Simon Davies)

如需了解Splunk 2021 年数据技术预测报告的更多内容,欢迎访问:Splunk官网。

创业与风投:建设性的不确定(上)_详细解读_最新资讯_热点事件

神译局是36氪旗下编译团队,关注科技、商业、职场、生活等领域,重点介绍国外的新技术、新观点、新风向。

编者按:5年前,风投家 Jerry Neumann被一个问题困扰:在确定收益的时候,技术风险和市场风险之间为什么要有区别呢?5年之后的今天,他终于想出了这个问题的答案:重要的不在于风险,而在于不确定性。然后他对不确定的类型进行了深入思考,认为有两种不确定性是有建设性的,并就相应的投资机会给出了分析和建议,非常有启发性。原文发表在其个人博客上,标题是:Productive Uncertainty。篇幅关系,我们分两部分刊出,此为第一部分。

划重点:

新技术对社会的长期影响更大,但新市场是更好的投资。相对于飞车,140个字符反而是更好的投资。

不是所有的新技术都适合风投模式。

投资者需要的是创业的时候还没有太多竞争,并且可以建立护城河以防止以后的竞争的那种公司。

公司希望通过创新创造出超额利润,然后通过保护创新不被复制而不断地赚取超额利润。

唯一可以为初创企业创造超额价值的护城河是不确定性。

因为没法预测初创企业在追求创新时会发生什么,导致其他公司没有参与竞争的意愿。

不确定性为初创企业提供了时间和竞争空间。

如果风险资本家想要alpha级的收益,就必须投资不确定的机会。

作为风险投资人,支持开发惊人新技术的公司的诱惑还是挺大的。不过这种投资的效果往往没有投资那些用新的方式去利用现有技术的公司那么好。新技术对社会的长期影响更大,但新市场是更好的投资。

由于新市场刚开始都是很小的,而且大家会用习惯的标准去衡量其影响力,所以新市场往往被嘲笑——“我们想要一辆会飞的汽车,得到的却是140 个字符。”(编者注:风投家Peter Thiel的话,140字符指推特) 这种劝告被乔装成了一种观察,令风险投资人误入歧途。140个字符算是个新市场,也是一笔不错的初创企业投资;飞行汽车属于新技术,作为投资来说效益一直很差。举个例子,相对于飞车,有一种新技术是我们大多数人更喜欢的:清洁技术。

2007年,传奇的风险投资人John Doerr曾经说过:“绿色技术……也许是21世纪最大的经济机会”,并对凯鹏华盈(Kleiner Perkins)承诺说要给清洁技术投资2亿美元。这是一厢情愿的完美例子:2006年至2011年期间,对该行业的投资达到了250亿美元,但只有一半收到了回报;巨大的错过。什么地方出错了呢?

麻省理工学院能源倡议(The MIT Energy Initiative)表示:“对创新科学与工程进行商业化的清洁技术公司特别不适合风险投资模式”,因为“弄清新科学的问题非常耗时”,而且“可能的收购方……不太可能会收购有风险的初创公司,且也不愿接受为未来的增长前景支付溢价。”

世界经济论坛从这次的失败中吸取到了三个教训:

  1. 能源投资有资本密集的内在倾向。

  2. 监管很重要。

  3. 能源领域里面不是所有的领域和技术都会以相同的方式增长。

这三点都是对的。风投出问题的也不在这些地方。比方说, 凯鹏华盈其实并没有忽视监管的重要性。真正发生的事情是:投资者之所以押注到创业公司身上,是因为他们的产品比竞争对手的产品更好。这话听起来不错,但在策略上是错误的:他们给有竞争对手的公司押注。投资者需要的是创业的时候还没有太多竞争,并且可以建立护城河以防止以后的竞争的那种公司。那些成功建立在新的、更好技术基础之上的初创企业,很少能成功地从创新者过渡成主导企业。技术本身通常不是护城河,而依靠引入新技术的公司很少能建立起护城河。相反,投资者需要投资的是正在进入新市场的公司。

这篇文章试图回答我大概在五年前写的一个未解之谜。

技术风险对于回报来说是可怕的,所以风险投资人不会承担技术风险……风险投资人会一直在等到技术风险得到缓解为止……另一方面,市场风险与风险投资回报直接相关。

——热寂:1980年代的风险投资

这个问题此后一直困扰着我。在确定收益的时候,技术风险和市场风险之间为什么要有区别呢?

五年之后,我给出的回答是,重要的不在于风险,而在于不确定性

先补充一点背景知识,这样我们回过头来理解会更快一点。

在《熊彼特论战略》中,我认为公司是通过创新创造出超额利润,然后通过保护创新不被复制而不断地赚取超额利润。在完全竞争的市场中,竞争会把经济利润降低到零。公司要想获取超额,或者说创业利润,就必须做跟竞争对手不一样的东西。由此而产生的超额利润只能持续到竞争对手模仿它的创新时。通过创新在完全竞争当中获得的超额利润之和,我称之为超额价值。公司可以通过引入准入壁垒或护城河来延长从引入创新到别人模仿之间的时间,从而增加超额价值。

在《护城河的分类》中,我认为唯一可以为初创企业创造超额价值的护城河是不确定性。这个观点要从两方面看。首先:如果在初创企业成立之前就有护城河(比方说专利)的话,那么在没有不确定性的情况下,这项专利的售价至少可以达到初创企业从中可获取的价值的2倍。在这种情况下,初创企业不会创造任何的超额价值:超额价值已经存在,就在专利里面。第二:如果一家初创企业不能带着护城河启动创业的话,这条护城河也得慢慢建立起来。不确定性导致湾区的竞争持续,时间足以供公司挖掘出一条护城河。

所谓的不确定性,是一种不同于风险的东西。我说的是奈特不确定性:无法预测,甚至不可能预测会发生什么。我在《初创企业与不确定性》中对这个概念已经有了很多的谈论。因为没法预测初创企业在追求创新时会发生什么,导致其他公司没有参与竞争的意愿:他们对这个机会的评价,要么是“就像个玩具”,要么就是“没有市场”之类的话。一旦初创企业开始取得成功,他们就会重新进行评估,但是到了那个时候,聪明的初创企业将建立起自己的护城河。不确定性给了初创企业以时间和竞争空间。

没有超额利润的公司还是有价值的,但这种价值或多或少等同于任何类似风险资产的市场回报;全都是beta,没有alpha。如果风险资本家想要alpha级的收益,就必须投资不确定的机会

所有超额利润都是通过创新创造出来的,所以,风投必须投资那些创新公司。为了让风险投资家获得良好的回报,必须有可观的超额价值,因此,风险投资家必须对面临不确定性的公司进行投资。但事实并非如此:不是每一个面临不确定性的公司都是好投资。风险投资人在面临特定类型的不确定性的公司上面赚到钱的记录几乎很差:跟投资引入新技术的公司相比,风险投资人投资服务于新市场的公司赚钱的可能性要大得多

这跟克莱顿·克里斯滕森(Clayton Christensen)在《创新者的窘境》里面注意到的东西有点类似。克里斯滕森曾观察过做新型磁盘驱动器公司的生存率,发现进入新市场的初创企业相对于只是应用了新技术的初创企业更有可能取得成功。

数据来自克里斯滕森的《创新者的窘境》,哈佛商学院出版社,1997年

他认为成功的公司会迎合现有客户的需求。他们对非客户提出的要求没那么重视,而新市场就是由那些不是他们的客户的人构成的。另一方面,如果一项新技术为他们的现有客户改进了产品,那客户就会对此提出要求,既有公司就会很快跟进。初创企业没法跟资源更丰富的既有企业直接竞争,所以那些提供改进现有产品的新技术的初创企业很少能够生存。相反,他们必须向既有企业没有服务好的那类客户提供点什么。新技术让服务这些新客户有利可图,但关键在于新市场,而不是新技术。

这个观察非常敏锐,但这个观察既有突出的反例,也存在理论问题。Genentech推出用基因工程细菌制成的合成人胰岛素时,这家初创公司其实是用新技术(基因工程)成功地打入现有市场(人胰岛素)。另一方面,Amazon的现有客户(网购者)并没有要求云计算(新市场)。但不管怎样,Amazon成为云计算市场的主要竞争对手之一。在前一种情况下,新公司靠新技术在现有市场上取得了成功,在后一种情况下,既有公司在新市场上也取得成功。两者似乎都违背了克里斯滕森的箴言。

为什么既有企业在看到新技术可行时就会马上复制过去,但在看到新技术是却没有马上进入新市场呢?克里斯滕森的回答是新市场刚开始还很小,似乎无关紧要,这个回答在新技术方面有一个对称的观点:新技术看起来就像玩具。颠覆性创新的观点是正确的,但说得很含糊。为什么既有企业这样能适应但那样却不能适应?

答案是要想适应,他们必须对新技术或新市场的不确定性没有不适的感觉。既有企业强烈地不喜欢不确定性,所以他们会等待不确定性有所缓解。但是,初创企业却可以趁着不确定性还在的时候,在新市场筑起自己往往没法筑起的护城河。

建设性的不确定性

通常而言,要避免不确定性。如果无法预测行动的结果,你会很难去计划和管理。而且,如果其他人觉得你商业建议存在不确定的话,他们就会避免把你的产品纳入自己的计划当中。但是,不确定性也可以阻止竞争,从而让你创造出超额价值。如果情况确实如此的话,那这种不确定就是建设性的。由于创新属于新事物,所以往往会带来一种或多种的不确定性。创始人必须在创新当中选择不确定具有建设性的子集,才能获得最大的成功机会。

是什么导致有些不确定具有建设性,而有些则并不具备呢?每一家企业最终都必须减轻最初的不确定性。怎么缓解以及什么时候缓解决定了这种不确定是否具有建设性。从很高的层面来看,具备高增长潜力的技术初创企业所面临的不确定性有两个基本来源,而且缓解的方式也有所不同。这两种类型分别是新颖性的不确定性以及复杂性的不确定性。

新颖性的不确定性

如果这是一件没做过的事情的话,也许就没人能预测结果。预测要靠归纳或演绎推理:前者需要有数据,后者需要了解产生结果的过程。如果这些都没有的话,就会产生新颖性的不确定性。比方说,在对空气动力学理论还没有充分了解的情况下,1903年的时候赖特兄弟没法知道他们的Flyer(莱特飞行器)能不能离开地面,除非他们试飞一下。这就是新颖性的不确定性。

新颖性的不确定性会引发以下问题:

  • 这项技术能奏效吗?

  • 要想证明它将对我们尝试制造的产品有效,需要花费多长时间以及多少费用?

  • 要证明它可以扩大到商业生产的水平,又需要多长时间和多少费用?

  • 最终产品的质量如何?

  • 我们能不能逐步提高质量?

  • 在它变得有用之前,我们需要什么样的质量水平?

如果存在很大的不确定性的话,这些问题很多都是没法回答的。当新技术存在不确定时,往往就属于新颖性的不确定。

复杂性的不确定性

很多的复杂系统会做什么是不可能预测的。系统由许多交互的主体组成,每个主体都会根据其难以理解的规则进行决策,而决策的某些输入又是其他主体的决策的输出。不透明性和反馈循环都会导致结果无法预测;比方说,19世纪末的那场“电流之战”,究竟是爱迪生的直流电还是西屋的交流电会成为最终标准,要取决于互相竞争的技术、社会与经济利益。因为向这样的系统的决策具有迭代性,且有路径依赖,所以有没有最好的客观结果是不清楚的,或者即使有也不清楚能不能胜出。爱迪生和西屋都面临这种复杂性的不确定性。

复杂性的不确定性会引发以下问题:

  • 谁想要这个产品,有多少人想要?

  • 他们会用它做什么?

  • 不知道他们会用来做什么,什么样的设计才是最好的?

  • 在不知道他们会用来做什么的情况下,我们怎么才能说服大家买它?

  • 大家愿意为此付出多少钱?

  • 为了制造所需的辅助产品或者把我们的产品集成到客户的工作流程当中,谁会愿意跟我们合作?

  • 我们的供应商会足够重视我们,为我们的输入进行量身定制吗?

  • 既有公司会决定跟我们竞争吗?

  • 媒体、政府以及整个社会会做何反应?

在预测新市场的发展(不管是不是会使用新技术)时,复杂性是个障碍。

延伸阅读:

现代世界已经复杂到没人可以理解的地步

商业知识:护城河的分类

译者:boxi。

2020年度盘点:超80亿资金注入,医疗AI走出“V”字曲线_详细解读_最新资讯_热点事件

编者按:本文来自微信公众号“动脉网”(ID:vcbeat),作者:赵泓维,36氪经授权发布。

几乎没人会怀疑“人工智能是未来核心生产力”这一观点,创造一个类人的计算机系统如此迷人,几乎每个行业都在尝试使用人工智能帮助产业由自动化向智能化转型。

医疗领域同理,尽管人工智能涉世未深,但其背后的计算机视觉、自然语言处理(NLP)等技术已经历了多次迭代,相应的市场规模也不断扩大。2020年蛋壳研究院《医疗AI创新的道与智:回归需求,整合价值》这一报告指出,医疗人工智能过去5年CAGR超过40%,2020应用市场规模已接近300亿元。

然而,新兴的技术往往面临高速发展与低速商业化的困局,尤其是在医疗这样的“慢”领域,软件安全方面的审查与新旧技术之间的交替非常考验资本与企业的耐心。因此,低谷常见,停滞也常见,医疗人工智能同样绕不开这一问题。

转折点在2020年中出现。疫情虽然暂缓了医疗领域大部分行业的发展,却也推动着医院进行主动智慧化重建。此外,NMPA的审批帮助影像AI从业者重拾信心,新基建则将人工智能带到了一个更广阔的市场,多方推动之下,医疗人工智能发展蠢蠢欲动。

为了了解医疗人工智能发展现状,并对新的一年做出展望,动脉网对近百家人工智能企业相关数据进行了处理分析。

整个文章分为三个部分:

一、AI医疗场景成熟度测评

二、资本的再临与AI头部聚集效应

三、潜在赛道的外化与AI的未来发展

从这三个角度,动脉网尝试厘清2020年医疗人工智能的发展脉络。

AI医疗场景成熟度测评

在医疗行业中,人工智能应用主要聚集于计算机视觉与自然语义处理。从两项基础技术出发,其应用已延伸出十余个场景。数年发展之后,不同细分领域之间的差异已经愈发明显,部分赛道已有企业已通过聆讯,准备上市;部分赛道仍在上下求索,尝试以需求重构技术。但无论企业选择哪个赛道,已经走到哪个阶段,人工智能变现难的通病在医疗之中同样没有解决,至今为止,绝大多数企业仍在为盈利而努力。

创业公司发展阶段分析

一、医学影像

医学影像是人工智能切入医疗的起点,不到10年时间,超过200家企业通过探索放射科、病理科、辅助放疗的需求,开始设计产品。2020年,病理科、辅助放疗两个场景没有发生大的变化,但放射科AI则跑通了困扰其多年的审评审批阶段,从“应用落地”步入“商业化”。

2020年1月,科亚医疗的CT-FFR产品“深脉分数”率先打破了审评审批的桎梏,拿到第一张医疗AI医疗器械三类证,将工作重心由研发向价格目录开拓与市场销售偏移。2月,乐普医疗“AI-ECG Platform”获NMPA批准,心脏相关AI 再下一城。6月,更贴合“辅助诊断”定义的颅内肿瘤MR影像辅助诊断软件获批,安德医智异军突起。7月丰收的是Airdoc、硅基智能两家AI企业,这个月,NMPA一口气开出了两张“糖尿病视网膜病变眼底图像辅助诊断软件”注册证。

年末是老牌医疗影像AI企业的收获月。11月初,数坤科技冠脉CT造影图像血管狭窄辅助分诊软件获批;推想科技、联影智能紧随其后,在同一日分别拿下首张“AI+肺结节”注册证、首张“AI+骨折”注册证。一个月后,深睿医疗也拿到了自己的“AI+肺结节”证书,为医疗人工智能的2020年画上完美的句号。

2020年医疗AI NMPA三类证通过情况

细看9款AI产品获证的情况,其中既包含肺结节、眼底、心电这样的大通量场景,又包含CTA、CT-FFR、脑MR这样的特异性需求、潜在市场丰富的场景。这似乎意味着,只要产品质量过硬,便能够通过审评审批。

但结合2019年人工智能医疗器械创新合作平台规划情况,其中提到将建立CT肺、CT肝、 CT骨折、脑MRI、心脏MRI、冠脉CTA、心电、眼科8大测试样本数据库,而2020年获批的产品,除CT-FFR外全部归属其中,换言之,下一个获批的场景,将很有从CT 肝、心脏MRI中出现。

另外值得注意的是,NMPA三类证之中对于AI产品功能的描述极为谨慎,仅仅表述了产品的基本功能,并强调“不能仅凭产品结果进行诊断”。限定了影像AI 的使用范围或许并不影响产品销售,但越来越多的功能加入后,如何保证后续功能的安全性?从目前状况看,AI影像的审评审批流程都在一年以上,因此如何对人工智能软件的更新进行审批,将是各方需要探讨的下一个难点。

二、CDSS、大数据管理、语音录入

临床辅助决策系统(CDSS)、大数据管理(包含数据挖掘、数据治理等)、语音录入均因为AI的介入实现了颠覆性突破。具体而言,NLP的发展为研究人员提供了有效的手段整治数据量庞大、数据维度丰富的医疗数据,也为医患之间智能交互、数据监测提供了更为有效的手段。单看2020年变化,CDSS赛道存在政策推进,大数据管理、语音录入赛道头部企业开始寻求上市。

医疗信息化作为公立医院绩效考核的一个重要抓手,电子病历、互联互通、智慧医院服务等评级均对医院提出了相应的要求。而在三级公立医院考核情况分析中,医疗服务效率与质量、合理用药、电子病历水平分级皆是其中的关键点。因此,通过CDSS建设,能有效地促进医疗服务效率和质量、合理用药、电子病历水平提升。

2020年中,CDSS的市场开拓大体仍受电子病历、互联互通、智慧医院服务等评级的推动,但也有新政策为其助力。7月30日出台医政医管局的《关于进一步加强单病种质量管理与控制工作的通知》通知文件强调了对第一批36个病种/手术进行上报的要求,二级以上医院需在2020年12月31日前完成相关病例信息的补办。这一政策为惠每科技森亿智能等专科CDSS产品服务提供商提供了新的市场机遇。

相比之下,大数据管理的发展则受益于疫情。通过对患者EMR、电子健康码等信息进行整合分析,疾控中心能够对可疑患者及其接触人群进行可视化追踪。2020年初,北京大数医达便为南京市疾控中心建设的疾病与监测预警系统便直接打通连接了当地医院的EMR,实现大数据疾控。

这一疾控监测预警系统应用了大数据和人工智能技术,对医学知识图谱建立模型,再直接提取EMR进行语义结构化,由人工智能匹配知识库判断EMR中是否包含新冠肺炎等传染病的关键词。一旦被人工智能判断为疑似或者是高度疑似则上报疾控部门,避免医院因故遗漏或者迟报。除了40种法定传染病,该系统同样支持各地区自己补充当地认定的多发性传染病。

在这个三个赛道中,有两家AI企业尝试跨过“公司盈利”进行阶段转换。云知声的医疗业务专注于病案质控与语音录入,于11月3日提交科创板IPO 招股书;医渡云是一家专注于医疗AI与大数据的公司,于12月13日通过港交所聆讯,计划1月15日在港上市。

三、新药研发

新药研发近年来一直处于高速发展之中,新冠肺炎后社会对于药企敏捷开发的新需求进一步推动了新药研发的发展。

疫情初期,针对新冠病毒进行新药研发显然不现实,作为抗疫主力军的老药也无法发挥较好的疗效,这一现实给予了AI+新药研发机遇。

不过,只有AI模型+物理思维的深度结合才能同时满足药物研发速度与精确度的要求,而面对疫情最直接有效的药物筛选策略,是以云端超算支持物理化学算法搭建病毒模型,再从结构出发,通过AI加速寻找到有抗病毒活性的FDA已批准的上市药物。

以晶泰科技为例,该企业具备领先的量子物理药物模拟算法、人工智能药物发现平台,并有横跨多个云平台的超算资源作为有力支撑,能够在短时间内完成大量高精度的药物模拟计算。在新冠病毒数据尚不充足的情况下,晶泰科技尝试从仅有的少量信息出发,从分子机理层面研究病毒的关键结构与感染机理,从而寻找阻断感染、治疗肺炎的有效途径。

“人工智能最大的优势,是可以显著扩大新药的搜索范围,以几百万个有潜在活性的分子骨架作为筛选起点”,晶泰科技的首席科学家张佩宇博士曾告诉动脉网,“以AI+计算化学结合,综合考虑多种关键性质给候选分子打分,可以一步步接近最理想、最有希望研发成功的化合物。”

从发展阶段来看,新药研发的企业仍处于大规模投入之中,并存在一定商业化成果。由于其完全的B2B性质,新药研发可能成为第一个跑通全部发展阶段的赛道。

四、其他赛道

慢病管理作为互联网医疗的重要组成部分,是少数在疫情之中受益的赛道。由于不能与医生面对面交流,更多的患者加入了平台计划。

在这一领域,妙健康等企业倾向于为医患搭建以人工智能为内核的慢病管理平台,如健康风险分级管理平台、人工智能健康干预平台。以其H平台为例,该平台NLP健康知识图谱可对原始健康医疗数据进行智能结构化清洗,形成用户超过17万条自主医疗行为的标签库,同时为用户构建专业的健康医疗画像,实现重大疾病和慢性病等风险预测、异常指标预警、疾病指向预警、健康风险项预警等健康数据应用。

从场景成熟度来看,AI慢病管理企业仍处于C端用户的积累之中,而其主要付费方也不算明确。因此,限制其规模发展的或许并非AI,相关企业还需积极探索商业模式。

硬件加速是医疗AI中少有的小而美的赛道。在2020RSNA上,业内对于医学影像AI热议的侧重点也较往年有所推进。重点不再是如何使AI代替医生进行读图分析,而是转向“幕后”,聚焦于影像上游的AI技术为临床带来的新突破,比如图像采集、数据重建以及工作流程的优化等工作。

当前,GPS与少量创业公司均有开发相关技术,且这些技术已经完全进入到临床应用中。如深透医疗(Subtle Medical)的SubtlemR可以通过人工智能技术兼容所有MR影像设备,提高高质量影像的采集效率,减少运动伪影;SubtlePET通过深度学习技术加速PET(正电子发射断层扫描)成像并降低其辐射危害,可以使医院和影像中心将PET扫描速度提高4倍。

相比之下,一些新兴技术的融合则显得有些迷茫。譬如VR/AR的AI化已经经历了多年的探索,但至今仍无明显的结果。如今看来,VR相关技术主要应用于老年康复与心理治疗等领域,AI切入较少,仍处于需求探索阶段,

心理学、医美领域偏向于C端。如模拟整形、虚拟对象等应用能够给予患者新体验。两个赛道的特点在于建模的精度与智能程度决定了用户的满意度,就现有的AI而言,还不能很好的理解人类的心理与审美。AI用于皮肤监测以促进消费者选择合理护肤产品是一个较好的应用,但大量医美相关AI仍有些鸡肋,有待技术上的革新。

资本的再临与AI头部聚集效应

2019年医疗AI一级市场有些冷清,全年40次融资,总融资金额仅38.9亿。商业化受阻下,更多企业将资金投入到了研发之中,如MICCAI这样顶级会议,其收录的中国论文数量翻了多达一倍。

2020年的走势与2019年完全不同。上半年受疫情影响,大量企业大幅节流,收入、成本双双降低。年中6月,医疗AI开始回暖,上半年少有人问津的AI开始重获资本青睐。2020年AI医疗总计47笔融资,涉及金额约84.8亿元,同比增长118.0%。获得资金的企业开始投入市场运营。

2020年各月份融资事件数量

2020年医疗AI公开融资列表(数据来源于动脉橙数据库)

纵向看来,不难发现,大部分收获融资的企业都拥有不少于三年的经营年限,小部分新成立的公司如剂泰医药则有AI新药头部企业晶泰科技战略加持。此外,B轮以上融资事件大幅增多,这一情形于医疗影像中尤其明显(总计24次融资,B轮以上达14次)。

头部企业的融资对行业赛道融资数据存在较大影响,9月零氪科技D+轮7亿元融资、太美医疗12亿元融资、晶泰科技C轮3.188亿美元融资,三家领头企业三笔巨额融资占据了整个医疗AI赛道一半的融资额;12月深睿医疗C+数亿元、科亚医疗D轮3亿元、森亿智能D轮4亿元、数坤科技近6亿元融资同样撑起了各自赛道的大部分资金流入。

2020年各月份融资金额

2020年医疗AI公开融资列表(数据来源于动脉橙数据库)

上述数据显示,AI医疗市场呈现出明显的头部聚集效应。医疗影像中,数坤科技、科亚医疗等获证企业能够一年进行多次融资,而大量无证企业、新兴企业则难以得到资本支持。相比之下,医疗信息化产业相对没有那么集中,我国的医疗信息化现状或能解释这一原因:由于各城市差异化的医疗质量和信息化质量,头部信息化企业无法把触手伸向每一个区域,这种情况下,了解各自区域的当地企业能够很好把握机会,并有可能从中脱颖而出。

不过无论是医学影像、医疗信息化还是新药研发,其构造的壁垒并非单单算法可以解决,更为重要的事,打造一个肺结节AI、打造一个专科知识图谱、打造一个药物研发平台所需要的大量医疗数据积累。这些珍贵的临床数据不属于任何一个企业,因而是他们最为稳固的壁垒。

常常会有人问:医疗AI赛道众多,哪一个能最先盈利?从现在的发展进程来看,没有人可以给出答案。但观察资本方的行为,我们或许可以找出一些蛛丝马迹。

从融资列表中我们可以了解到,新药研发融资数量最少,但融得资金量最大,平均融资金额最高(3.58亿),占据了超过50%的融资总量;医疗影像融资项目最多,但项目平均融资金额最小(1.24亿),略低于医疗信息化赛道(1.30亿)。

客单价方向,人工智能与信息化比较明晰,单个肺结节辅助诊断产品大致价格在50-100万元这一区间,含PACS全院区AI影像解决方案可达近千万元;专科CDSS大致价格在150-300万元,智慧医院建设方案视医院规模决定可达数千万元,两个赛道大部分企业年营收都在万千级,少数企业能达到亿级。相比之下,新药研发各环节服务差异较大,潜在的机会与收益难以给出明确价格,但作为药企的上游企业,其营收也相对较大。

潜在赛道的外化与AI的未来发展

从融资金额及其商业化情况来看,不同医疗AI赛道依靠不同的底层技术已经走出了截然不同的道路。因此,动脉网在盘点时将三个赛道分开,分析其产业链状况及突破性进展,各自进行归纳总结。

医学影像

随着医疗影像AI产品获批数量的增多,越来越多的医疗器械CRO企业开始将影像AI作为重要的业务领域进行拓展,并打出差异化战略。

奥泰康为例,作为业内具有14年项目经验的CRO公司,奥泰康已完成500余项医疗器械及药品的临床试验及注册服务,近5年获得30余张三类医疗器械注册证,成功申报15项国家创新医疗器械审批件。从2017年起,奥泰康看准人工智能(AI)赛道,迅速开展该赛道的CRO服务。目前,国内获证的9项AI产品中,奥泰康承担了其中3项产品的CRO服务,案例数量及成功率均居行业第一,未来,奥泰康将持续着力于创新医疗器械和高端医疗器械CRO服务,尤其在心脑血管、神经介入、肿瘤、骨科、影像、整形美容六大领域。

奥泰康创始人饶义伟对动脉网表示:“截至2020年12月,奥泰康已为排名前20名的大部分医疗影像AI企业提供CRO服务,包括科亚医疗、数坤科技、依图科技、推想科技、杏脉科技汇医慧影、睿心医疗等,其中科亚医疗、推想科技为首证产品。”

通常而言,单个产品审批注册费用在500-1000万区间,随着影像AI的再度崛起,2021的影像AI或将迎来更多CRO玩家。

医疗信息化

如何更好地提升NLP的性能,使其能够更好地处理异构数据是人工智能探索者们一直尝试突破的问题,人工智能模型GPT-3的出现为其提供了新的思路——用海量的数据强迫AI学习。不过,GPT-3的实践结果仍存在争议,还需学者们进一步验证其实用性。

产业方向,智慧医院建设仍是2021年医院建设的重点之一。从2020年的情况来看,基于NLP的知识库已经嵌入电子病历、HIS系统,收获大量临床数据后,AI将有可能参与创新性疾病诊疗方法的创立。

新药研发

12月DeepMind旗下AlphaFold2破解“蛋白质折叠预测”问题算得上是“AI+新药”最大的新闻,这个困扰生物学界50多年的重大难题正被AI破解。

由于现代药物大多数以蛋白质为靶点,因而药物结果几乎都是以基于蛋白质的结构进行设计。因此,如果AI对于蛋白质结构预测能够准确且规模化,这将取代部分冷冻电子显微镜、核磁共振或X射线结构发现,极大提升蛋白质发现的效率,并降低相应成本。

不过,传统的实现仍在蛋白-蛋白的相互作用研究上存在一定优势,但随着AI的发展,数字化的计算或能对这些机器智能尚未涉及涉足的领域进行突破,时间会说明这个问题。

总的来说,疫情之后的人工智能走出了完美的V型曲线,每个赛道都在以各自的方式为医疗赋能,一步一步改变着医疗的每个方面。新的一年,希望每一个医疗领域的探索者,能够把握“医疗之慢”,手持着梦想,始终如一。

被误读的柔宇科技?|三星

原标题:被误读的柔宇科技?

一面是全球最薄彩色柔性显示屏技术的开发者,一面是外界对其技术和实力柔性屏前景的质疑。真真假假的传言,让大众始终无法探清这家公司的虚实。

柔宇所处的显示行业,是典型的技术密集、人才密集和资金密集行业。换言之,技术、人才、钱,这三要素缺一不可。柔宇并非没有技术,但在一个被三星等百年巨头所把控的行业,柔宇发出的声音常常遭到忽视。

柔宇是一家在质疑声中成长起来的公司。技术、专利、量产、商业化,柔宇待解的问题还有太多。正如外界所好奇的那样:“一个才成立几年的中国企业独立研发创新技术,还赢过三星,可能吗?”

很长一段时间里,柔宇创始人刘自鸿都习惯在一线埋头苦干,鲜少对外发声。而今,当更多产品成熟落地,这家公司决定从封闭走向开放,直面大众所有质疑。

12月31日,上交所公告正式受理柔宇的科创板拟上市申请。柔宇的招股说明书显示,此轮IPO将募资144亿元人民币,用于柔性前沿技术研发、柔性显示基地扩增等。

是时候重新认识柔宇了。   

新人柔宇

2018年10月,柔宇名声大噪。在国家会议中心,柔宇发布了全球首款可折叠柔性屏手机FlexPai。

那时的折叠屏手机,远不如现在这般普遍。虽然主流厂商都宣称开始研发折叠屏终端,但始终未有真正的量产机型。即便是掌握最优质屏幕技术和资源的巨头三星,也是在FlexPai上市后的几个月,才推出了自研的折叠屏手机。

很长一段时间里,全球柔性显示领域的主流技术,都是为三星所主导的低温多晶硅(LTPS)技术路线所支配。它主要采用传统液晶屏和曲面OLED屏使用的多晶硅做背板集成电路,优势在于技术已经步入成熟期,但硅的物理特性决定了它在柔性弯折可靠性和制造成本上具有先天短板。

柔宇之所以能够率先量产折叠屏手机,原因在于它从一开始就选择了“非主流”路线。这家公司自主研发了全新的超低温非硅制程集成技术(ULT-NSSP),与三星所主导的技术方案完全不同。

按照业界公认的说法,三星所采用的LTPS工艺基于硅材料较为复杂,核心制程的工艺温度在450度以上,单条产线设备投资成本通常高达数百亿,而ULT-NSSP的材料堆叠技术、生产设备、器件设计、制程工艺、路线设计、都与前者完全不同,核心制程温度能到300度以下。通过这项技术,柔宇能够在保证良率的前提下,更大程度地简化生产流程、降低投资成本和生产成本。这也是为什么柔宇仅用110亿元就自主设计搭建总产能为880万片7.8英寸全柔性屏量产线的原因。

此外,业内鲜有人知道的是:柔宇是all in 在全柔性屏上,这是可以经受数十万次以上反复折叠的屏幕,而市面上的OLED屏主要用于生产一次成型的固定屏幕,它们也经常被媒体称为柔性屏。和全柔性屏相比,其技术参考和难度不可同日而语。

ULT-NSSP技术是柔宇最宝贵的资产。基于ULT-NSSP技术,柔宇在2013年成功点亮自主设计的第一块单色全柔性屏,验证了其新型背板集成技术的可行性。8个月后,柔宇研发出了厚度仅为0.01mm的全彩色柔性屏,做到真正意义上的“全球最薄”。

一时间,柔宇受到了资本的热捧,三年内便跻身独角兽之位。但随着时间的推移,质疑也随之而来。在很多人眼里,不论在半导体显示领域还是手机领域,柔宇都可以算是一个新人。

与主流背道而驰的ULT-NSSP技术,并不被一些行业人士所认可。因为它确实太“另类”,和行业人士所熟悉的LTPS太不一样,以至于不断有人质疑柔宇专利数量和技术可行性,二是量产能力、获取客户的能力都被划上一个问号。

对于外界的质疑,柔宇创始人刘自鸿曾公开回应:目前很多核心专利尚未公开,部分涉密的核心专利也不会公开;而在量产层面,柔宇一期产能280万片8英寸全柔性屏/年,良率“相当高”,和市面上的刚性屏产品接近。

实力疑云

柔宇的技术水平究竟如何?或许可从今年发布的柔宇FlexPai 2手机中略见一二。

对比三星最新折叠屏手机Galaxy Z Fold 2,柔宇FlexPai 2在软件适配度和制造工艺上仍有很大提升空间,但却在一些屏幕关键指标上具备明显优势,比如折叠次数。

三星公布的实验室数据是,Galaxy Z Fold 2的可折叠次数是20万次,而中国计量科学研究院的测试结果表明,柔宇FlexPai 2的可折叠次数高达180万次,接近三星的10倍。

弯折半径也是折叠屏的参考标准。理论上说,弯折半径更小,折叠后平整度和统一度就更佳,用户的观看和使用体验也更佳。官方数据显示,柔宇FlexPai 2 采用的第三代蝉翼全柔性屏弯折半径最低可达1mm,自研的铰链也使得整机厚度比一代产品减少了40%,折叠后的贴合度很高。而Galaxy Z Fold 2在折叠后,其铰链部分的缝隙大于2mm。

基于ULT-NSSP技术和自研的铰链,柔宇手机能够在更大程度上摆脱折叠屏手机面临的折痕、耐用度和可靠性不好的困境,这是很多折叠屏使用者的刚需。京东商城网页数据显示,FlexPai 2发布会后不到三天,线上预约人数就已接近30万。

这是柔宇一次小小的胜利,但折叠屏手机的营收是否能支撑起柔宇的未来,依然有待验证。就现有的软件适配条件而言,折叠屏手机的市场规模难以与普通手机相较。对柔宇来说,柔性屏技术必须在更多行业落地,才有更广阔的可能性。

刘自鸿对于柔宇未来的产品布局充满信心。他曾在接受记者采访时说道:“由于柔宇接触柔性技术技术更早,会更快发现一些市场上还没有的应用场景和新产品。关键是,能够迅速形成“研发—应用—反馈—研发”的闭环。经过几次循环,新产品可以快速孵化。创新企业有一个巨大的优势在于,没有历史包袱。”

面向消费者,柔宇已经发展出一条包括折叠屏手机、柔性智能手写本、VR智能移动影院等在内的产品矩阵;面向行业客户,柔宇的方案也已落地智能终端、智能交通、时尚传媒等六大行业。

今年4月,柔宇与中兴达成合作,将为中兴提供全柔性显示屏、柔性传感器以及柔性电子产品相关的技术、工程、设计及解决方案——这是柔宇首次与手机厂商展开大规模合作。另据消息灵通人士透露,柔宇和空客的合作在2020年下半年也进展顺利,很快人们就可以在国内航班上看到全柔性屏的应用。在To B业务上,柔宇似乎迈出了稳健的步伐。

从0到1

尽管柔宇在不断拓宽朋友圈,但无论作为显示行业还是手机行业的新面孔,上来就要与三星比肩,仍有很多人不看好。

在显示产业,中国厂商从来不是主要玩家。国内终端厂商既缺乏显示面板生产能力,屏幕芯片也高度依赖进口。早年间,京东方、华星光电还未崛起,国产手机都要依赖来自三星和LG的屏幕供应,也得不到最好的货源。

中国的OLED显示屏生产厂家,虽然通过收购等方式获得了日韩厂商的生产技术,走出了一条“引进-消化-吸收-改进”的路线,但OLED的技术路线制定、核心技术专利、关键制程设备及工艺、核心原材料长期以来都为日韩欧美等企业所控制。

努力摆脱这种局面有两种方式,一种是在LTPS技术路线上的创新迭代,柔宇选择了另一种——完全自研的ULT-NSSP技术路线,刘自鸿称之为“换道超车”。由于这一技术完全由柔宇自研,核心工艺及专利都把握在柔宇手中,这种自给自足的模式好处很多,能快速帮助自己建立技术壁垒,不仅节省成本,也能更精准地把握住行业趋势。

严格意义上,柔性屏技术是中国厂商在显示屏领域从0到1撕开的第一道口子。乐观者认为,待AIoT时代到来,柔性屏产业成熟,柔宇并非没有比肩三星的可能。

但关于柔性屏的一切,都还很新。因其涉及到无数个交叉学科,又横跨半导体、封测、材料、化工显示面板等各个产业,技术门槛高、产业链条复杂、生产成本高企,一直未能得到可见的大规模商用。

新技术的发展曲线不可能是激越式的,不仅要借力源源不断的研发投入,更需要供应链上下游的配合与打磨。柔宇的技术方案,要从实验室出厂、落地、再走进千家万户,仍需要一定的时间。

现在评判柔宇的成败,显然为时尚早。正如刘自鸿所说:“被质疑很正常,选择一个全新的方向就必然要面对各种各样的挑战和质疑。一个团队、一个企业存在的价值就是去解决问题,当你看到这些挑战和问题的时候,那说明你看到了价值的方向,这应该感到很高兴。”