0
将门成立一年多了。
这家以发掘、加速和投资技术驱动型创业公司的创业服务及投资机构，由前微软创投加速器核心人员组成的团队，在过去一年战绩显著：为 211 家创新的创业企业，完成了 301 次标杆用户的对接；其中 147 家创业企业，215 次对接获得了成功进入了合作流程，达到了 70% 的标杆用户对接成功率。
与此同时，更大一份收获是，将门先后与宝马、博世，ARM、联想、海尔、三一重工、新世界集团、赛尔网络等全球知名龙头企业签署了战略合作协议，帮助这些公司「寻找创新合作伙伴」。
去年，将门完成了一支基金的募集和投资，据将门 CEO 高欣欣今年 2 月公布的数据，一期基金已完成了对 8 家早期创业公司的投资。而现在，第二支基金也开始了运作。
将门主要聚焦四大技术投资方向：机器智能（Machine Intelligence）、物联网（Internet of Things）、人机交互（Natural User Interface）以及企业计算（Enterprise Computing）。
这四大方向的首个字母组合起来，是一个英文单词「MINE」（中文：矿）。将门 CTO 沈强打趣地告诉雷锋网，「我们就像是挖掘科技的『矿』。」
*将门CTO沈强（左）与上海国际汽车城发展有限公司执行总经理徐健（右）
在这当中，汽车也是将门所关注的重点领域，按照沈强的说法，车内的创新技术「是一个可规模应用化的技术。」
今年 4 月 18 日，将门宣布与中国汽车创新孵化器联盟签署战略合作框架协议。双方希望寻找和扶植具有突破性创新技术与产品的创业企业，来推动汽车新兴技术的创新发展，同时也为创业公司提供汽车产业信息服务及战略发展资源。
「在不同层次上促进创业企业和龙头企业的合作，使创新技术落地商业场景，实现双赢。」沈强告诉雷锋网，「『让创新获得认可』，是我们的愿景所在。」
雷锋网：将门在与中国汽车创新孵化器联盟的合作中将扮演一个怎样的角色？
沈强：作为专业的创业服务机构，我们会参与到连接龙头企业，后续发现和辅导、支持创业企业的过程中去。
我们会了解企业合作伙伴的创新需求，对这些需求进行研讨、判断，并着手相关工作；我们去连接初创企业的时候，会与他们沟通以及对他们的业务和技术等方面进行初步判断，有可能会提出一些意见，包括应该如何去提升和改进（他们的）思路。
在这个基础上，我们与中国汽车创新孵化器联盟搭建平台，通过这样的步调走向合作。
雷锋网：将门孵化的创新公司，一般有哪些挑选的标准？如何从成千上万的创新公司中找到满足你们要求的公司？
沈强： 我们会判断公司的技术创新度，也用投资人的标准去判断增长潜力，最重要的是，根据和龙头企业的合作来判断是否可以落地真正的商业场景。
过去我们有一种说法是「创新猎头」，但到底是「猎人」还是「猎企」？在这个过程中，基于我们的行业分析和对行业认知，把行业的专业性和技术性融合进去，起到的是增值的作用，而不仅仅是提供信息服务。
看好怎样的汽车新兴技术？
雷锋网：在汽车领域，将门关注汽车方面的哪些项目？
沈强：除了思考汽车本身，我们还在思考一件事：在车内我们能做什么？人在坐进车之前和坐进车之后，有哪些服务能够伴随我们？
自动驾驶是最显而易见的：从传感、决策到执行。初创企业之所以有很多新机会，是因为将「智能」引入到汽车中，这是汽车行业一个巨大的变迁。很多传统车厂缺乏这方面的资源、能力，这给初创企业提供一个较好的发展空间。我们讲「智能驾驶」，尤其在感知和决策层面，这是特别好的机会。
随着自动驾驶的进步，人有越来越多的时间和精力会被解放出来。也会产生汽车体验的创新、信息服务体验的创新。比如，在有限的空间通过多种手段与人进行感知和交互；车内的屏幕越来越大，交互信息越来越多，车内信息交互的方式、信息服务所能够获得的内容是一个大的方向。
汽车不只是交通工具，更是一个新形态的计算平台。如果说我们将汽车与手机来对比，手机上有很多应用可以解决用户的各种问题。汽车作为计算平台也可以从两个不同维度来创新：汽车对平台的价值是什么？还需要哪些创新技术去支撑它？
雷锋网：在对接一些创新的技术公司或者是龙头大公司和企业，这类公司还有哪些将门比较看好的机会能够满足他们的需求，让初创公司的技术能够为大公司所用，增进他们的合作？
沈强：在汽车演进的关键的方向上，我们看好 4 个方向：机器智能、物联网、自然人机交互、以及企业计算。
今天我们看汽车创新，因为自动驾驶如此的受关注，大家会认为这就是创新的巨大部分。但我想说的是，汽车的创新绝不仅仅是在自动驾驶上。
智能化会渗透到汽车的各种各样的体验中，不是单一维度的，物联网也必须融合到里面去。比如，车的门把手可能装传感器，钥匙孔里可能会装静脉传感器，座椅下遍布人体信号、生理信号的传感器，在车内不同方向安装的摄像头来判断人是否疲倦等等。
应用的点特别多：物联网、自然人机交互，语音交互、视觉交互等等。这些都会无孔不入渗透到驾驶环境。所以我们希望创业者看到一个更广阔的路径。作为投资者，我们也会用一个全面的视角来看汽车的演进。
雷锋网：自动驾驶有感知、决策、控制，自动驾驶的链条上面还有一些 V2V 技术、高精地图之类的环节，将门怎么看这些环节上的创新创业机会？
沈强：除了自动驾驶的创新，数据、地图、车和车之间的通信会交织进步，包括像 V2V、V2X 带来的好处、改变也不仅仅是驾驶这一层面。
在汽车的演进方向上，智能驾驶是一条主线，但它一定会带周边如数据、服务、通讯等相应的创新服务。
雷锋网：从今年以来，有一些投资机构在看智能驾驶相关的项目，大家都觉得现在这些初创公司的估值都比较高，团队比较贵。将门觉得目前这个领域存在泡沫吗？
沈强：现在还不能说是泡沫，智能驾驶在早期阶段，稍微有一点所谓的「泡沫」其实也不完全是坏事。
因为它能够吸引到更多的资源进入到这个行业里面。智能驾驶其实还是需要发展、需要人才、技术。另外，最关键的是在这一点「泡沫」里，怎么找到合适的团队，让这一点泡沫变得可以承受。
我觉得比较好的一点是，它不像过去 O2O、P2P 行业，智能驾驶进入门槛挺高的，它的泡沫还远没有到 O2O、P2P 的水平。
雷锋网：前不久大众汽车和出门问问有一个战略合作，前者龙头车企，后者是创新的技术公司。类似大众汽车与出门问问这样的合作是不是你们想要促成的事？
沈强：这样的对接能产生几个不同层次的合作，比如业务合作，战略合作或资本合作。业务和技术上的合作是最基础的，出门问问与大众汽车已经是资本层面的合作。
对于将门来说，我们希望加速创新的过程，在不同的合作层次上，由浅入深的去推动它。什么样的形式并不是最重要的，最关键的是加速创新的落地。哪怕是业务合作，我去使用你的产品和技术，这也是可以的。
雷锋网：车载语音技术是一个方向，都是人工智能落地的载体，你们怎么看这个方向？未来其他的创新企业还想进入这个体系中来，还有没有机会？如果有，你们怎么帮助这样的公司去对接龙头企业进行合作？
沈强：对于汽车的创新领域，语音是体验创新的一部分。即便我们把它缩窄到仅仅是语音服务这件事上，出门问问提供了一个很鼓舞人心的示范效应。这个示范效应让大家坚信，在汽车上会出现更多智能化服务的趋势。
其次，汽车提供的价值主要在运输职能，和本地的结合并不是特别深。当汽车是一个新的计算平台，新的信息服务交互平台的时候，与本地环境结合，比如接入语音技术后，不只是控制汽车上某些功能，播放音乐、地图导航等等，这里还有社交服务、电商服务、天气信息服务等等，这是一个庞大的本地服务需求。
出门问问打开了这扇门，未来我们也许会看到国内、国外的车企会与创新公司在语音技术、视觉技术上进行合作，有的从业务也会上升到资本层面合作。对于这种现象，我是很乐观的，未来一定会有越来越多这样的事发生。
雷锋网：在国外，通用汽车 10 亿美金收购 Cruise Automation，今年福特也 10 亿美金投资 ArgoAI，你觉得在国内会发生这样的事情吗？
沈强：我觉得现在要说双向拥抱，IT 世界去拥抱汽车行业，这在国际上的案例都看到了。
英特尔收购 Mobileye，高通并购 NXP，当大家都看到机会的时候，我觉得这种双向融合的机会越来越多，它不是单方向的。
国内厂商也有智能化、网联化的需求，他们也希望在竞争中能够获得一些关键资源，如果仅仅是业务层面的合作，不足以去确立他们在行业里的竞争地位和对关键资源的把握，他们也会把合作上升到资本层面上。
雷锋网：我们提到了语音技术、智能驾驶，将门怎么看待汽车和人工智能的关系？
沈强：当我们将汽车当成一个新的计算平台，服务平台的时候，其实我们探讨的是计算平台与人工智能是什么关系。
人工智能是一项技术，汽车在不同演进方向都会有人工智能技术的支撑，不仅仅是在智能驾驶上。还有诸如安全、健康、信息消费等创新的体验。
雷锋网：你曾提到一个观点，AI 从概念到产业的爆发还需要具备三个条件，即算法、算力、数据。目前三个因素在汽车行业到了什么阶段？
沈强：如果我们来看自动驾驶，算法、算力、数据已经启动了，但距离成熟还有一定距离。
比如深度学习的算法已经能让我们实现多种物体的识别、行人识别、交通标志识别。确实有些让人乐观的进展。但它也存在很多问题，深度学习的黑盒子特性使我们仍然没有办法驾驭这项技术，出了问题怎么去诊断？
数据在算法上的安全性，也是一个没有解决的问题。今天的算法高度依赖数据，数据也会出现「偏见」。比如特斯拉去年的案子（致死事故），是因为数据对场景的认识不全面，还有很多 Corner case 亟待解决。今天的算法还需要更多演进，让它的可控性、安全性以及算法的性能更强，使它不完全依赖于数据。
算力也是如此。英伟达、英特尔在努力做这方面的工作，但这些算力所能够给我们提供的能力，还处于较高的功耗水平。我们需要更高的智能和更强大的算力，单位功耗所需要的算力需要提升。
所以，如果从自动驾驶的角度讲，目前的算法、算力、数据还不够，我们还需要更多的进步。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
