禾多科技宣布A轮融资数千万美元,红杉资本中国基金领投

12 月 14 日,自动驾驶公司禾多科技宣布完成 A 轮数千万美元融资,由红杉资本中国基金领投,泛海投资跟投,四维图新、IDG 资本和 BAI(贝塔斯曼亚洲投资基金)继续增持。

对于本轮融资,禾多科技创始人兼 CEO 倪凯表示,禾多科技始终致力于打造基于前沿人工智能技术和汽车工业技术的自动驾驶方案,推动自动驾驶尽快落地应用。本轮融资将主要用于加大技术研发投入,加速公司自主研发的自动驾驶量产解决方案的落地。

(禾多科技创始人兼 CEO 倪凯)

据了解,倪凯曾任职于微软和百度深度学习研究院,从零开始创建了百度无人驾驶团队,并率领团队完成了百度无人车的首次道路测试。2017 年 6 月,倪凯创办禾多科技,在当时引起了业界的广泛关注。成立仅一个月后,禾多科技就宣布获得了千万美元级天使轮融资。

相比于一般的自动驾驶创业者,作为「老将」的倪凯,对于公司研发方向及发展路径明显有着更为明确和务实的规划。禾多科技成立之初,倪凯就对外公布了一条清晰、独特的发展路线:现阶段公司以实现自动驾驶技术产业化落地为目标,主要聚焦高速公路和代客泊车两大应用场景,打造由 AI 赋能、本地数据驱动的自动驾驶量产解决方案。

除此之外,禾多科技团队的综合实力也非常突出。这支团队是业内极少数拥有全栈自动驾驶研发能力的团队之一,博士、硕士人数达到 90% 以上,大多数曾就职于百度、宝马、奔驰、博世、Garmin 等自动驾驶科技公司或汽车制造企业。

成立一年多,该团队研发出高速公路自动驾驶解决方案 HoloPilot,以及智能代客泊车自动驾驶解决方案 HoloParking,并与多家主机厂商、Tier 1 供应商等达成深度合作。其中,HoloParking 的落地计划已正式提上日程:预计从 2019 年开始,与上海汽车城合作开展」最后一公里「示范运营项目;到 2020 年,通过与停简单、Velodyne 等合作伙伴联手,HoloParking 将落地 20 个城市的至少 400 家停车场。倪凯将这项计划命名为「2020 计划」,该计划一旦实现,或意味着禾多科技将成为国内首批实现大范围产业化落地目标的自动驾驶企业。

从投资方的反馈来看,追求商业化落地的战略路线,以及较强的团队综合实力,也是禾多科技受到投资方青睐的两大主要原因。

作为本轮融资领投方,红杉资本中国基金董事总经理王恺表示:「红杉中国一贯关注并看好 AI 领域,选择投资的基本都是细分领域的头部团队,而且是在 AI 商业落地方面找准了真实应用场景和产业痛点的公司。禾多科技将 AI 深度应用于自动驾驶感知、定位和决策等环节,而且很快将要迎来商业化落地,未来发展可期。」

IDG 资本 VP 丁飞也对禾多科技的路线表示认可:「禾多科技是自动驾驶渐进式路线的代表,一切以落地应用为目标,是一种可拥有稳健现金流的商业形态。」

另一家投资方,泛海投资董事总经理原燕飞则表示了对倪凯团队的欣赏:「投资就是选择与优秀的创业者共同成长。倪凯博士是中国自动驾驶领域的先锋人物,禾多科技是极少数既懂人工智能自动驾驶技术,又懂汽车工程的复合型团队。」

BAI 创始及管理合伙人龙宇更是直接表态:「我们持续支持禾多科技,主要是看中这支团队的技术能力。」

四维图新既是禾多科技的投资方,也是战略合作伙伴,其 CEO 程鹏对双方未来的合作充满期待:「四维图新拥有国内领先的高精地图数据,而禾多科技有上层算法和处理数据方面的优势。双方的紧密联合,让自动驾驶系统更智能也更安全。这次我们继续增持禾多,希望未来继续与禾多携手推动中国自动驾驶的落地,实现更智能的移动出行。」

众所周知,当下创业公司普遍遭遇资本寒冬,融资困难,自动驾驶这种处在投入期的高科技行业首当其冲。不过,禾多科技能够逆势斩获大额融资,说明这类有着清晰商业化目标与战略的优秀公司依然能够赢得资本的青睐,未来发展可期。

产业自动驾驶融资红杉资本禾多科技
相关数据
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

推荐文章
暂无评论
暂无评论~