第282章 投资欧洲自动驾驶初创公司（1 / 2）
德国慕尼黑，施瓦宾区。
这里的街道狭窄而宁静，梧桐树的叶子已经开始泛黄。从外表看，卡尔街28号只是一栋普通的五层办公楼，灰色外墙，深色窗户，门口挂着的牌子很小，写着“AutoMdGbH”。
但走进大厅，你会立刻感受到这里的特别。前台不是传统的接待台，而是一个全息投影的交互界面。墙面不是刷漆的，而是由无数块可编程的电子墨水屏组成，实时显示着全球主要城市的交通数据流。空气中有种微弱的臭氧味——那是服务器机柜散热系统排出的气味。
林澈在上午十点准时到达。他身边只带了两个人：澈宇家族办公室欧洲投资总监索菲亚·伯格曼，以及刚从合肥飞来的星海自动驾驶研究院院长张涛。没有随行助理，没有安保团队，就像普通的技术公司拜访。
“林先生，欢迎来到AutoMd。”公司创始人兼CEO马库斯·瓦格纳亲自在门口迎接。这位四十五岁的德国人，曾在慕尼黑工业大学担任计算机视觉教授十年，2018年离职创业，七年时间把AutoMd做成了欧洲最受关注的自动驾驶初创公司之一。
握手时，林澈注意到瓦格纳的右手食指和中指上有厚厚的老茧——那是长期敲击键盘留下的痕迹。这是个实干的技术人。
“我一直关注AutoMd的发展。”林澈用流利的英语说，“特别是你们去年在巴黎Robo-Taxi挑战赛中，以99.3%的场景通过率夺冠。这个成绩比Wayo同期的测试数据还要好。”
瓦格纳略显惊讶。很少有访客会记得这么具体的数字。“林先生做了功课。请进，我们先看看演示。”
一行人走进电梯。电梯门关上后，侧面的屏幕亮起，显示出一个3D的城市模型——那是慕尼黑的数字孪生。
“这是我们做的第一件事。”瓦格纳介绍，“用激光雷达和摄像头扫描了全球二十个主要城市，建立了厘米级精度的数字地图。不只是道路，还包括交通标志、信号灯相位、甚至行人的习惯路径。”
电梯到达四楼。门开后，是一个开阔的演示中心。
正中央，一辆经过改装的宝马i4停在环形测试平台上。车顶安装了激光雷达、毫米波雷达阵列和六个高清摄像头。平台周围是270度的环形屏幕，正在播放慕尼黑早高峰时段的街景。
“今天要演示的是L4级高速公路场景。”瓦格纳的CTO安娜·施密特博士走上前。这位三十八岁的女性是德国最年轻的工程学教授之一，专攻多传感器融合算法。
她递给林澈一副AR眼镜：“戴上这个，您可以看到算法‘看到’的世界。”
林澈戴上眼镜。视野中，宝马i4的周围出现了密密麻麻的数据层：绿色网格表示可行驶区域，蓝色线条是预测的轨迹，红色框是识别出的障碍物，每个障碍物旁边还有小字标注“汽车，距离25.6米，速度72k/h，预测路径左转概率83%”。
“开始吧。”瓦格纳说。
测试平台启动。环形屏幕上的街景开始流动，模拟车辆正以100公里/小时的速度在慕尼黑到斯图加特的高速公路上行驶。
前车突然刹车。
在AR视野中，林澈看到算法在0.2秒内完成了识别、决策、执行：预测到前车将急刹，自动提前0.5秒开始减速；同时扫描左侧车道，确认安全后，在0.8秒内完成变道超车。整个过程平滑得几乎没有感觉。
“现在增加难度。”施密特博士在控制台上操作。
场景切换到大雨天气。视野能见度骤降，环形屏幕上雨刷疯狂摆动。前车的刹车灯在雨幕中变得模糊。
但AR视野中，激光雷达和毫米波雷达的数据层依然清晰。算法没有依赖摄像头，而是基于雷达点云识别出前车距离在快速缩短，再次自动完成变道。
“雨雪天气是摄像头的噩梦，但对我们的多传感器融合算法影响有限。”瓦格纳解释，“我们采用了自研的‘odalAttention’机制，可以让不同传感器在恶劣环境下互相校准、互相补全。”
第三个场景更复杂：前方发生事故，两条车道都被堵塞。右侧应急车道有救援车辆正在驶来。
算法做出的决策出人意料：没有尝试在拥堵中穿行，而是提前500米就开始减速，同时通过车联网系统接收到了救援车辆的优先通行信号，主动让出空间，然后选择从最右侧的紧急停车带缓慢通过——这个操作完全符合德国交通法规对自动驾驶车辆的特殊规定。
“法规理解。”瓦格纳强调，“这是很多自动驾驶公司的短板。他们只关注技术可行性，不考虑法律合规性。我们的系统内置了欧盟28个成员国的交通法规数据库，并且会根据GPS定位自动切换。”
演示持续了四十分钟，涵盖了高速公路、城市快速路、隧道、桥梁等十二个复杂场景。成功率100%。
摘下AR眼镜时，林澈问了第一个技术问题：“算力需求是多少？”
这是关键。再好的算法，如果算力需求太高，就无法在量产车上部署。
“目前这个版本的FLOPS需求是250TOPS。”施密特博士调出数据，“但我们在做的下一代架构，目标是在保持性能的前提下降到150TOPS。这需要更高效的神经网络压缩和硬件层面的优化。”
“150TPS。”林澈重复这个数字，看向身边的张涛。
张涛点点头。星海自研的自动驾驶芯片XH-AD01，单芯片算力是180TOPS，功耗45瓦。如果AutoMd的算法能在150TOPS下运行，意味着可以用单芯片方案实现L4，成本比特斯拉的双芯片方案低30%。
“去会议室谈吧。”瓦格纳看出了林澈的兴趣
五楼的会议室很小，只有一张长桌，六把椅子。窗户正对着慕尼黑老城的教堂尖顶。
索菲亚·伯格曼先开口。她在加入澈宇之前，是高盛法兰克福办公室的科技投行负责人，对欧洲科技公司了如指掌。
“马库斯，我们直说吧。AutoMd目前估值4.2亿欧元，去年融资了8000万欧元，主要投资方是宝马、博世和一家瑞士基金。但根据我们掌握的信息，你们下个月需要新一轮融资，因为B轮的钱已经烧了80%，而商业化落地还需要至少两年。”
瓦格纳和施密特对视一眼，没有否认。
“自动驾驶的研发是资金黑洞。”瓦格纳坦诚，“我们每个月要烧掉400万欧元。主要开销是路测车队、仿真服务器、以及——说实话——付给工程师的薪水。慕尼黑的AI人才太贵了，一个优秀的感知算法工程师，年薪要20万欧元起。”
林澈点点头，示意索菲亚继续。
“我们的方案是：澈宇家族办公室投资1亿欧元，占投后20%股权。这意味着AutoMd投后估值5亿欧元，比上一轮估值有20%的提升。”索菲亚推过一份投资条款清单，“但这不是单纯的财务投资。我们要求三个附加条件。”
瓦格纳拿起条款清单，戴上眼镜。
“第一，技术授权。星海科技获得AutoMdL4级自动驾驶算法的全球独家授权，用于乘用车领域。授权费另算，但我们会给出公允价格。”
“第二，联合研发。星海和AutoMd成立联合实验室，共同开发下一代自动驾驶系统。星海提供芯片硬件和中国的海量数据，AutoMd提供算法框架和欧洲的路测经验。”
“第三，”索菲亚顿了顿，“董事会席位。澈宇要一个董事席位，参与公司重大决策。”
会议室安静了半分钟。
瓦格纳放下条款清单：“1亿欧元，我们很需要。但独家授权……这意味着我们不能再把算法卖给其他车企？”
“乘用车领域，是的。”林澈第一次开口，“但商用车、机器人出租车、特种车辆，这些领域AutoMd可以自由发展。我们甚至可以帮助你们进入中国市场——你知道中国有多少港口、矿山、园区需要自动驾驶解决方案吗？”
这个条件很有吸引力。商用车的市场空间其实比乘用车更大，而且法规限制更少。
“联合研发的具体模式是什么？”施密特博士更关心技术细节。
张涛接过话头：“我们计划在慕尼黑和合肥各设一个实验室。慕尼黑这边，重点攻克欧洲特有的场景：不限速高速公路、复杂的环岛、有轨电车混行路段。合肥那边，重点解决中国场景：加塞、电动车乱穿、复杂的立交桥。两边数据共享，算法互相增强。”
他打开笔记本电脑，展示星海的数据平台：“我们目前在中国有超过12万辆星海01在路上跑，每天产生超过200万公里的真实驾驶数据。这些数据已经脱敏、标注，可以直接用于算法训练。AutoMd有多少数据？”
施密特博士眼睛亮了：“我们……大约50万公里。主要是测试车队采集的。”
“所以合作对你们的价值，不只是钱。”林澈说，“是数据，是工程化能力，是进入全球最大汽车市场的通道。”
瓦格纳靠在椅背上，手指轻轻敲击桌面。这位教授出身的企业家，此刻在做职业生涯最重要的决定。
“林先生，我听说过星海。”他缓缓开口，“你们用两年时间从零做到中国第一的车规级芯片公司。去年应对欧盟碳足迹法规，六个月投入28亿改造供应链。你们做事的风格……很德国。严谨，高效，目标明确。”