freesvc

专栏第五期,我们谈谈深科技(deep tech)。

今年 10 月,在爱因斯坦提出广义相对论 102 年后,人类首次捕捉到了双中子星合并产生的引力波。数百年来,这样的科学发现和科技创新一直永不可逆地改写着人类的历史,推动世界加速前进。

自 2015 年基金成立以来,峰瑞资本(FreeS Fund)即持续且坚定地看好科技创新,相信科技能够以更加深远的方式,从底层改变商业社会。

我们将深科技确定为主要投资方向之一,并在智能制造、传感器与芯片、人工智能的垂直应用、生物科技与新药研发、新材料、新能源、环保等领域做出投资尝试。

在这篇专栏中,我尝试回答以下问题,更希望听听你的看法:

从 iPhone 到美图秀秀,传感器的进步使哪些设备实现了智能化,又催生了哪些商业应用?
从智能音箱到疾病诊疗,AI 如何在特定场景中发挥作用?
哪些行业、哪些企业会符合中国经济结构调整的需要,且有能力快速发展起来?

欢迎在文末分享你的看法。此后,我们还将与科技领域的创业者和行业专家们一起聊聊,尝试记录他们在广袤未知中前行的真实脚步。

freevc2

从传感器到 APP

iPhone X 正式在中国市场发售了。时间过得很快,距离 2007 年乔布斯发布第一代 iPhone 已经过去了十年。朋友圈里有很多人都在回忆十年前自己用过的经典手机,比如诺基亚 5800、索尼爱立信的滑盖、摩托罗拉的翻盖等等。显然,它们完全无法和现在的智能手机相提并论了。

iPhone X 被蒂姆·库克称作是「划时代」的产品,是「智能手机的未来」。它额头上的那块小「刘海」集成了众多昂贵又先进的传感器,很受关注,我们不妨以它为例,来看看手机是如何在不知不觉间完成从传统手机向智能设备的过渡的?

其实,早在 2000 年,手机就具备拍摄记录功能了。夏普当时在日本推出了全世界第一款有内置摄像头的手机 J-SH04,像素只有 11 万,成像效果不好,没发挥什么作用。

之后几年,索爱、三星、LG、诺基亚这些老牌子也都陆续推出了拍照手机。但即便是到了 2007 年,第一代 iPhone 面世时,配备的摄像头也只有 200 万像素,拍摄功能比较单一。人们还是习惯用相机来拍照。

那手机是从什么时候起成了我们的主力拍照设备呢?答案可能是近十年内了。直到光学传感器有了重大的突破,摄像头像素大幅度提升,还具备了光学防抖、激光对焦灯芯功能,从成像、对焦到图像处理的功能都不断完善之后,拍照才成了手机的核心功能之一。

也就是说,把精度足够高、尺寸足够小、成本相对合理的光学传感器被塞进了手机里,是一切发生的前提。

freevc4

▲ 随着光学传感器的不断迭代,手机逐渐成为我们的主力拍照工具。

硬件升级之后,大家使用手机拍照的频率变得越来越高,各种商业应用也陆续冒出来了,例如基于照片后期处理的美图秀秀、Snapseed、Instagram 等等。这些应用让以前不太喜欢拍照的中国女生,变得基本上都非常清楚从哪个角度拍、怎么修图可以让自己最好看。大家的交流方式也因此发生了一些变化,从单纯的文字沟通,变成更喜欢发照片和视频。

到了 iPhone X,传感器更是实现了一次飞跃。1200 万像素的感光元器件让手机的成像效果可以直接媲美很多专业相机。更重要的是原深感摄像头系统的出现,让摄像头可以实现的功能从平面进入到了空间的范畴。

原深感摄像头系统的组成说起来很复杂,包括红外镜头、泛光感应元件、距离感应器、点阵投影器等 8 个主要部分。作用原理大概是利用点阵投影器投射出超过 30,000 个肉眼不可见的红外光点,然后根据这些光点落在人脸不同部位的大小和扭曲度,来判断每个落点与摄像头之间的距离,从而描绘出人脸凹凸,实现 Face ID。同时,通过构建空间数据模型,摄像头在拍照时也可以模拟出一些光影效果。

这大概会让大家的拍照数量再上一个台阶。无论是更高级的拍照软件,还是解锁、支付技术,又或者是需要借助 AR 特效的软件,现在看起来无法实现的应用都将逐渐成为可能,新的商业应用也将应运而生。

freevc3

▲ iPhone X 「齐刘海」里的传感器,将催生新的商业应用。

简单地来总结一下这个过程:传感器和传感器算法进步到一定程度之后,应用到了手机上,手机完成了从传统向智能的过渡,也同步催生了不少商业应用。各种地图导航 App,Uber、滴滴、摩拜、ofo 等应用的出现也符合这个逻辑。它们诞生的前提是陀螺仪和定位传感器的进步让手机开始承担 GPS 的功能。

Q:近十年来,有哪些设备逐渐实现了智能化?这个变化是由哪些关键元器件的进步所推动的?现在,又有哪些关键元器件正在进步,从而能够在未来影响我们的生活?

从「在线且连接」到人工智能

不止是手机,无人机、自动驾驶汽车、物流、物联网、智能家居等领域的进展,很大程度上也都有赖于传感器的突破。从我们的经验来看,立足于特定场景、基于特定需求的解决方案,会首先变得非常受欢迎。

英伟达今年用在深度学习专用芯片上的研发费用已经超过了 20 亿美元,定制芯片的大潮已经慢慢显露出来了。我们也在这个领域投资了几家公司。例如睦星科技(Kolmostar),他们所研发的 GPS 传感器成本和能耗比较低,定位精度却很高,未来能够让更多的设备为我们提供位置信息。从运动手表到交通工具,它可以覆盖到我们生活的方方面面,也将催生很多新的应用。

再比如致力于研发基于蜂窝的窄带物联网(NB-IoT)芯片的公司芯翼信息也正在这方面努力。从 80 年代的「大哥大」开始,手机芯片一直通过公网基站来传输信号,覆盖率和稳定性都有一些问题。芯翼信息想要努力改善这一点。他们研发的芯片保证了低成本、深度覆盖、稳定的数据传输,在智能家居、智能楼宇、公用事业、工业、农业环境监控等领域都有应用空间。

慢慢地,传感器会让和我们生活息息相关的设备都能够实现「在线且连接」,和我们产生交互。这是通向物联网和人工智能的关键一步。

freevc5

▲ 2020 年,物联网设备安装量将达 281 亿台。我们与世界的连接将更为紧密。

接下来的一步是对数据进行抽取运算并优化。

以 2017 年以来中国市场上特别火的智能音箱来举个例子。语音识别是智能交互的一个重要入口,所以智能音箱基本上也可以看作是通过语音识别来重新定义人与万物的连接的一种尝试。

这不是科技公司第一次尝试用语音识别技术来实现人机交互。2010 年时,苹果就收购了智能语音助手 Siri,并用在了 2011 年发布的 iPhone 4S 上。亚马逊和谷歌也先后拿出了 Alexa 和 Home,尝试开创出物联网时代的智能家居和 AI 智能交互终端。

我们在 2016 年时也投资了一家这个领域的公司——研发语音识别相关芯片的声智科技。他们做的事情是典型的软硬件结合,涉及到了麦克风阵列、降噪算法、硬件平台配置等等,目的是找到用什么样、多少数量的麦克风,才能在不同环境下做到语音的清晰辨别,有比较好的收音和杂音消除效果。

这项技术在当时看来还没有特被明确的用处,但在智能音箱热潮爆发之后,它立刻就找到了用武之地:由于不同环境有不同的背景音,比如开车时有马路上的噪音,晚上在家里时会有电视发出的声音,音箱想要识别用户声音、执行用户指令的话,必须要能够完成高质量的收音和杂音过滤。这需要用麦克风阵列组合来做算法,组成模块来处理数据、滤除杂音、抽取关键信息。

很多智能音箱厂家发现自己一时间攻克不了这个技术难题,都找到声智来合作。这已经是非常典型的人工智能在垂直领域的应用了

freevc6

▲ 从 Siri 到智能音箱,语音识别已成为智能交互的重要入口。

对于 AI 的应用,我们内部有一个判断标准:当某个领域产生数据的成本大幅度下降,数据化程度大幅度提升时,这个领域里往往会诞生新的效率工具,也会有 AI 的用武之地。

以医疗领域为例,我们持续关注与 AI 结合的医疗项目,也投资了包括 XtalPi 晶泰科技 等项目。晶泰做的是以计算驱动创新的药物固相研发,通过计算物理、量子化学、AI 和云端强大的智能算法,实现高度精确的药物固相筛选与设计,极大地缩短了药物设计、晶型筛选与药物制剂开发的时间。

这个逻辑在工业科技、新材料、新能源、环保等领域也都同样适用。 在过去两年的投资过程中,我们把这类和物理实体、实业相结合的技术创新,称为是「深科技」创新。

Q:哪些领域产生数据的成本正在经历大幅度下降,数据化程度开始提升?AI 又将如何在这些领域中发挥作用?

技术创新与价值回归

「深科技」为什么重要,而且会是一个好的投资机会?

从大趋势上看,有三方面的原因。

先从我们在研究芯片时发现的一组有意思的数据说起:过去两年里,中国每年会在进口芯片这件事上花费 2300 亿美元,金额已经超过了进口原油。如果看过去十年的话,那么花的钱累计已经超过了 1.8 万亿美元。即便按照这些年里较低水平的汇率折算,也远超 10 万亿元人民币了。

中国的芯片需求占全球市场份额的比重超过四成,含有芯片的消费电子产品,绝大多数也都是中国制造的。但反差在于,市场这么大,国产品牌的芯片却只能自供 8% 左右。真正有毛利和议价权的芯片主要都来自进口,比如美国芯片巨头高通 2016 年 净利润里,中国贡献了差不多 60%。

从经济结构上看,这已经成了一个必须要解决的问题。近一两年里,国家为此成立了规模上千亿的产业基金,想要把关键技术转移到中国。既然国家下决心砸钱去掌握产业主导权和利润,那这个过程里,肯定有着巨大的商业机会。

第二个原因,我想从硅芯片行业热议了很多年的「摩尔定律」说起。

英特尔联合创始人戈登·摩尔在 1965 年时提出了一个观点:每个芯片的晶体管数量每 12 个月增加一倍左右。1975 年时,根据一些行业数据,定律被修正了一次,戈登·摩尔把晶体管数量增加一倍、性能也增加一倍的周期增加到了 24 个月。

freevc7

▲ 硅芯片行业曾把「摩尔定律」当作约定俗成的行业目标来努力。

但进入 21 世纪后,这个定律慢慢变得不太能应验了。原因在于,芯片制造的成本几乎每 4 年就会翻倍。让芯片变得更快、更小的成本已经变得极高,速度也放慢了许多。特别是到了近几年,大家普遍认为,「摩尔定律」在久病之后已经接近极限。

这件事导致的结果就是,那些以前利用「摩尔定律」尽快占领市场的大芯片企业受到了影响,不再需要雇佣大批工程师了。很多研发人员都主动或被动地离开,其中有很大比例是中国人。恰好中国在产业结构上有了需要这批人来创新的需要,他们就陆陆续续地回到了中国,开始做一些和物联网相关的智能设备方面的研发。

这样一来,市场需求和能够实现创新的人才条件就都同步具备了。

第三个原因要再宏观一些。如果我们把视角切换到中国的经济发展阶段上,回顾一下过去 40 年发生的事情,就会发现:在大大小小不同领域,生产效率的提升基本都来自于生产关系的调整,从集体所有制到包产到户、乡镇企业、民营企业、股份制企业等等,一次次地用劳动关系释放了生产力,在生产关系上让企业与老板、高管甚至是全体员工都密切相关,以此来调动大家的积极性。

现在,生产关系上的转变差不多完成了,人力成本的优势也逐渐消失,那新一轮效率的提升,就只能从提高生产力来出发,在科技创新上来想办法。

既然科技创新已经成为了国策,那么在之后一段时间内,能够与产业结合的技术应用都有机会成为重要且发展迅速的方向。「深科技」创新的几个领域基本都符合这个规律。

举一个环保领域的例子,我们在江浙地区调研时,发现不少地方政府已经将环保和 GDP 一起作为约束性的指标,来前置性的调控区域内企业的发展。单位产值排放污染物越少,企业排名越靠前、越会得到政府的支持来做大做强,排名靠后的企业则可能面临退出。

环保不再是人们看到雾霾、废水和垃圾时才会想到的事情。它基本上已经关乎企业生存发展,和经济大势紧密相连了。有些地方政府已经在市区内部署了几百乃至上千个环境监测仪器(传感器),以便最快了解到哪里没达标、哪里出了问题。精细化和数据化管理的趋势也初步出现了。

政策的红利、成熟的市场、新的技术和产业结合,迭代交互,促成了环保这个万亿级的市场,有内核技术的环保企业也逐渐走到了舞台中央。

freevc8

▲ 环境保护和污染治理开始真正进入数据化和精细化阶段。有质量的环境数据是监督的依据,也是尽职免责的证据。

我们在这个领域也投资了几个项目。比如 MicroHAOPs ,他们把美国的废水深度处理和回用水技术搬到了中国,做的事情非常专业:自主合成了创新性的纳米氧化铝(HAOPs) 做为滤料,用了全新的膜组件设计思路。他们的第一套设备在挪威投入使用,已经做到了无人值守、全自动监测和运营。他们的技术用于反渗透膜或者超滤膜的前处理,很好地解决以往膜处理的痛点——低通量和高成本。未来,在需要高水量、高出水水质的情况下,他们都能够提供比较理想的技术解决方案。

总之,从大趋势上看,我们对投资这类「深科技」企业非常有信心。一方面是因为技术创新不容易被资本泡沫化,不太会脱离价值本质;另一方面是因为现在中国已经具备了市场需要、政策支持和人才基础。我们相信,在技术创新能够很好地与物理实体、实业结合起来的领域里,投资的回报都应该不会太差,价值回归的速度也会比较合理。

Q:哪些行业、哪些企业会符合未来几年中国经济结构调整的需要,并且有能力快速发展起来?