將門成立一年多了。
這家以發掘、加速和投資技術驅動型創業公司的創業服務及投資機構，由前微軟創投加速器核心人員組成的團隊，在過去一年戰績顯著：為 211 家創新的創業企業，完成了 301 次標杆用戶的對接；其中 147 家創業企業，215 次對接獲得了成功進入了合作流程，達到了 70% 的標杆用戶對接成功率。
與此同時，更大一份收穫是，將門先後與寶馬、博世，ARM、聯想、海爾、三一重工、新世界集團、賽爾網路等全球知名龍頭企業簽署了戰略合作協定，幫助這些公司「尋找創新合作夥伴」。
去年，將門完成了一支基金的募集和投資，據將門 CEO 高欣欣今年 2 月公佈的資料，一期基金已完成了對 8 家早期創業公司的投資。而現在，第二支基金也開始了運作。
將門主要聚焦四大技術投資方向：機器智慧（Machine Intelligence）、物聯網（Internet of Things）、人機交互（Natural User Interface）以及企業計算（Enterprise Computing）。
這四大方向的首個字母組合起來，是一個英文單詞「MINE」（中文：礦）。將門 CTO 沈強打趣地告訴雷鋒網，「我們就像是挖掘科技的『礦』。」
*將門CTO沈強（左）與上海國際汽車城發展有限公司執行總經理徐健（右）
在這當中，汽車也是將門所關注的重點領域，按照沈強的說法，車內的創新技術「是一個可規模應用化的技術。」
今年 4 月 18 日，將門宣佈與中國汽車創新孵化器聯盟簽署戰略合作框架協定。雙方希望尋找和扶植具有突破性創新技術與產品的創業企業，來推動汽車新興技術的創新發展，同時也為創業公司提供汽車產業資訊服務及戰略發展資源。
「在不同層次上促進創業企業和龍頭企業的合作，使創新技術落地商業場景，實現雙贏。」沈強告訴雷鋒網，「『讓創新獲得認可』，是我們的願景所在。」
「創新獵頭」
雷鋒網：將門在與中國汽車創新孵化器聯盟的合作中將扮演一個怎樣的角色？
沈強：
作為專業的創業服務機構，我們會參與到連接龍頭企業，後續發現和輔導、支持創業企業的過程中去。
我們會瞭解企業合作夥伴的創新需求，對這些需求進行研討、判斷，並著手相關工作；我們去連接初創企業的時候，會與他們溝通以及對他們的業務和技術等方面進行初步判斷，有可能會提出一些意見，包括應該如何去提升和改進（他們的）思路。
在這個基礎上，我們與中國汽車創新孵化器聯盟搭建平臺，通過這樣的步調走向合作。
雷鋒網：將門孵化的創新公司，一般有哪些挑選的標準？如何從成千上萬的創新公司中找到滿足你們要求的公司？
沈強：
我們會判斷公司的技術創新度，也用投資人的標準去判斷增長潛力，最重要的是，根據和龍頭企業的合作來判斷是否可以落地真正的商業場景。
過去我們有一種說法是「創新獵頭」，但到底是「獵人」還是「獵企」？在這個過程中，基於我們的行業分析和對行業認知，把行業的專業性和技術性融合進去，起到的是增值的作用，而不僅僅是提供資訊服務。
看好怎樣的汽車新興技術？
雷鋒網：在汽車領域，將門關注汽車方面的哪些專案？
沈強：
除了思考汽車本身，我們還在思考一件事：在車內我們能做什麼？人在坐進車之前和坐進車之後，有哪些服務能夠伴隨我們？
自動駕駛是最顯而易見的：從傳感、決策到執行。初創企業之所以有很多新機會，是因為將「智慧」引入到汽車中，這是汽車行業一個巨大的變遷。很多傳統車廠缺乏這方面的資源、能力，這給初創企業提供一個較好的發展空間。我們講「智慧駕駛」，尤其在感知和決策層面，這是特別好的機會。
隨著自動駕駛的進步，人有越來越多的時間和精力會被解放出來。也會產生汽車體驗的創新、資訊服務體驗的創新。比如，在有限的空間通過多種手段與人進行感知和交互；車內的螢幕越來越大，交互資訊越來越多，車內資訊交互的方式、資訊服務所能夠獲得的內容是一個大的方向。
汽車不只是交通工具，更是一個新形態的計算平臺。如果說我們將汽車與手機來對比，手機上有很多應用可以解決用戶的各種問題。汽車作為計算平臺也可以從兩個不同維度來創新：汽車對平臺的價值是什麼？還需要哪些創新技術去支撐它？
雷鋒網：在對接一些創新的技術公司或者是龍頭大公司和企業，這類公司還有哪些將門比較看好的機會能夠滿足他們的需求，讓初創公司的技術能夠為大公司所用，增進他們的合作？
沈強：
在汽車演進的關鍵的方向上，我們看好 4 個方向：機器智慧、物聯網、自然人機交互、以及企業計算。
今天我們看汽車創新，因為自動駕駛如此的受關注，大家會認為這就是創新的巨大部分。但我想說的是，汽車的創新絕不僅僅是在自動駕駛上。
智慧化會滲透到汽車的各種各樣的體驗中，不是單一維度的，物聯網也必須融合到裡面去。比如，車的門把手可能裝感測器，鑰匙孔裡可能會裝靜脈感測器，座椅下遍佈人體信號、生理信號的感測器，在車內不同方向安裝的攝像頭來判斷人是否疲倦等等。
應用的點特別多：物聯網、自然人機交互，語音交互、視覺交互等等。這些都會無孔不入滲透到駕駛環境。所以我們希望創業者看到一個更廣闊的路徑。作為投資者，我們也會用一個全面的視角來看汽車的演進。
雷鋒網：自動駕駛有感知、決策、控制，自動駕駛的鏈條上面還有一些 V2V 技術、高精地圖之類的環節，將門怎麼看這些環節上的創新創業機會？
沈強：
除了自動駕駛的創新，資料、地圖、車和車之間的通信會交織進步，包括像 V2V、V2X 帶來的好處、改變也不僅僅是駕駛這一層面。
在汽車的演進方向上，智慧駕駛是一條主線，但它一定會帶周邊如數據、服務、通訊等相應的創新服務。
雷鋒網：從今年以來，有一些投資機構在看智慧駕駛相關的專案，大家都覺得現在這些初創公司的估值都比較高，團隊比較貴。將門覺得目前這個領域存在泡沫嗎？
沈強：
現在還不能說是泡沫，智慧駕駛在早期階段，稍微有一點所謂的「泡沫」其實也不完全是壞事。
因為它能夠吸引到更多的資源進入到這個行業裡面。智慧駕駛其實還是需要發展、需要人才、技術。另外，最關鍵的是在這一點「泡沫」裡，怎麼找到合適的團隊，讓這一點泡沫變得可以承受。
我覺得比較好的一點是，它不像過去 O2O、P2P 行業，智慧駕駛進入門檻挺高的，它的泡沫還遠沒有到 O2O、P2P 的水準。
汽車與人工智慧
雷鋒網：前不久大眾汽車和出門問問有一個戰略合作，前者龍頭車企，後者是創新的技術公司。類似大眾汽車與出門問問這樣的合作是不是你們想要促成的事？
沈強：
這樣的對接能產生幾個不同層次的合作，比如業務合作，戰略合作或資本合作。業務和技術上的合作是最基礎的，出門問問與大眾汽車已經是資本層面的合作。
對於將門來說，我們希望加速創新的過程，在不同的合作層次上，由淺入深的去推動它。什麼樣的形式並不是最重要的，最關鍵的是加速創新的落地。哪怕是業務合作，我去使用你的產品和技術，這也是可以的。
雷鋒網：車載語音技術是一個方向，都是人工智慧落地的載體，你們怎麼看這個方向？未來其他的創新企業還想進入這個體系中來，還有沒有機會？如果有，你們怎麼幫助這樣的公司去對接龍頭企業進行合作？
沈強：
對於汽車的創新領域，語音是體驗創新的一部分。即便我們把它縮窄到僅僅是語音服務這件事上，出門問問提供了一個很鼓舞人心的示範效應。這個示範效應讓大家堅信，在汽車上會出現更多智慧化服務的趨勢。
其次，汽車提供的價值主要在運輸職能，和本地的結合並不是特別深。當汽車是一個新的計算平臺，新的資訊服務交互平臺的時候，與本地環境結合，比如接入語音技術後，不只是控制汽車上某些功能，播放音樂、地圖導航等等，這裡還有社交服務、電商服務、天氣資訊服務等等，這是一個龐大的本機服務需求。
出門問問打開了這扇門，未來我們也許會看到國內、國外的車企會與創新公司在語音技術、視覺技術上進行合作，有的從業務也會上升到資本層面合作。對於這種現象，我是很樂觀的，未來一定會有越來越多這樣的事發生。
雷鋒網：在國外，通用汽車 10 億美金收購 Cruise Automation，今年福特也 10 億美金投資 ArgoAI，你覺得在國內會發生這樣的事情嗎？
沈強：
我覺得現在要說雙向擁抱，IT 世界去擁抱汽車行業，這在國際上的案例都看到了。
英特爾收購 Mobileye，高通並購 NXP，當大家都看到機會的時候，我覺得這種雙向融合的機會越來越多，它不是單方向的。
國內廠商也有智慧化、網聯化的需求，他們也希望在競爭中能夠獲得一些關鍵資源，如果僅僅是業務層面的合作，不足以去確立他們在行業裡的競爭地位和對關鍵資源的把握，他們也會把合作上升到資本層面上。
雷鋒網：我們提到了語音技術、智慧駕駛，將門怎麼看待汽車和人工智慧的關係？
沈強：
當我們將汽車當成一個新的計算平臺，服務平臺的時候，其實我們探討的是計算平臺與人工智慧是什麼關係。
人工智慧是一項技術，汽車在不同演進方向都會有人工智慧技術的支撐，不僅僅是在智慧駕駛上。還有諸如安全、健康、資訊消費等創新的體驗。
雷鋒網：你曾提到一個觀點，AI 從概念到產業的爆發還需要具備三個條件，即演算法、算力、資料。目前三個因素在汽車行業到了什麼階段？
沈強：
如果我們來看自動駕駛，演算法、算力、資料已經啟動了，但距離成熟還有一定距離。
比如深度學習的演算法已經能讓我們實現多種物體的識別、行人識別、交通標誌識別。確實有些讓人樂觀的進展。但它也存在很多問題，深度學習的黑盒子特性使我們仍然沒有辦法駕馭這項技術，出了問題怎麼去診斷？
資料在演算法上的安全性，也是一個沒有解決的問題。今天的演算法高度依賴資料，資料也會出現「偏見」。比如特斯拉去年的案子（致死事故），是因為資料對場景的認識不全面，還有很多 Corner case 亟待解決。今天的演算法還需要更多演進，讓它的可控性、安全性以及演算法的性能更強，使它不完全依賴於資料。
算力也是如此。英偉達、英特爾在努力做這方面的工作，但這些算力所能夠給我們提供的能力，還處於較高的功耗水準。我們需要更高的智慧和更強大的算力，單位功耗所需要的算力需要提升。
所以，如果從自動駕駛的角度講，目前的演算法、算力、資料還不夠，我們還需要更多的進步。