notícias

Fonte: VisualChina

Aparentemente da noite para o dia, a direção autônoma de repente se tornou popular.

Em julho, os táxis autônomos "Luobo Kuaipao" do Baidu foram amplamente implementados em Wuhan, virando notícia quase todos os dias.

Segundo relatos, o número máximo de viagens em Luobo Kuaipao em um único dia ultrapassa 20, o que é semelhante ao número médio diário de táxis, e a experiência do passageiro é melhor e mais confortável. De acordo com dados de seguros, a taxa de acidentes de Carrot Run é apenas 1/14 da dos humanos. Ele viajou mais de 100 milhões de quilômetros com segurança, sem grandes vítimas.

Do outro lado do oceano, Musk também anunciou que será lançado em agostoTeslaPara o primeiro táxi autônomo, Robotaxi (posteriormente adiado para outubro), ele disse que os proprietários de automóveis podem colocar o Robotaxi no negócio de aluguel em seu tempo livre, e o custo de compra do carro pode ser recuperado em dois anos.

Coincidentemente, em 23 de julho, o Google também anunciou que adicionaria uma nova rodada de grandes investimentos de US$ 5 bilhões à Waymo para “manter o status da Waymo como a empresa líder mundial em direção autônoma. Você deve saber que a Microsoft gastou apenas US$ 1 bilhão em”. OpenAI. US$ 5 bilhões está próximo do financiamento total anterior da Waymo.

Na verdade, o atual surto de carros sem condutor não é acidental. Do ponto de vista da indústria, os últimos três anos também foram os três anos mais rápidos para o desenvolvimento da tecnologia de condução autônoma, que quase pode ser considerada “milhares de quilômetros por dia”.

A julgar pelo progresso actual na China e nos Estados Unidos, se deixarmos de lado as restrições das normas legislativas e do tempo, a condução autónoma provavelmente será totalmente comercializada nos próximos 1-2 anos e atingirá a "completude" de ponta a ponta em 5 a 10 anos, realizando uma forma sem motorista semelhante à vista em filmes de ficção científica.

Desta perspectiva, embora possa ser muito cedo para falar sobre o “momento iPhone 4” da condução autónoma, a singularidade da era da condução autónoma chegou de facto.

Ao mesmo tempo, esta é também uma corrida contra o tempo: a China e os Estados Unidos, como os dois países com o maior número de empresas de condução autónoma no mundo, quem conseguir assumir a liderança na execução e estabelecimento de cadeias industriais relacionadas terá a oportunidade de definir o caminho e apresentá-lo a outros países. A capacidade do país de exportar produtos tecnológicos.

No contexto da concorrência tecnológica entre a China e os Estados Unidos, esta é uma “batalha que ninguém pode perder” para nenhuma das partes.

Neste artigo, começaremos com a história do desenvolvimento da direção autônoma e tentaremos especular sobre as tendências futuras de desenvolvimento da indústria. Primeiro, vamos compartilhar algumas conclusões preliminares:

1. Dos mapas de alta precisão, lidar ao BEV: todos os caminhos na evolução da direção autônoma são "fazer com que os carros se comportem mais como os humanos".

2. Os últimos três anos também foram os anos de desenvolvimento mais rápido para a tecnologia de condução autônoma. Um grande número de participantes no país e no exterior alcançaram resultados completos em graus variados. antes de finalmente atingir a forma final de ponta a ponta.

3. Quer se trate de visão pura ou rota lidar, o radar de ondas milimétricas é a melhor maneira de compensar as deficiências técnicas dos dois. À medida que o radar de ondas milimétricas passa de 3D para 4D para imagens de radar de ondas milimétricas, a precisão crescente também faz isso. A pista tem a oportunidade de criar empresas de alto valor.

4. A implementação e comercialização da condução autónoma pode ser apenas o começo. No futuro, mais pistas e produtos (como robôs em diferentes cenários) poderão repetir histórias semelhantes após acumular dados suficientes.

5. Ao longo da história, com cada iteração de rotas tecnológicas, existem oportunidades para o crescimento de uma série de empresas start-up, e acredito que desta vez não será exceção.

Por que se diz que os últimos três anos foram os três anos mais rápidos para o desenvolvimento da condução autónoma?

A origem reconhecida da condução autónoma remonta a 2004. Naquela altura, os Estados Unidos estavam profundamente atolados nas guerras no Afeganistão e no Iraque. Precisavam urgentemente de um lote de veículos militares não tripulados para reduzir as baixas dos militares dos EUA, mas a investigação e o desenvolvimento. o progresso do desenvolvimento nunca foi ideal.

Como resultado, Tony Tesser, então diretor da Agência de Projetos de Pesquisa Avançada de Defesa dos EUA (DARPA), teve um capricho e lançou um desafio, anunciando que não importa quem pudesse usar um método de direção não tripulado para voar de Los Angeles a Los Angeles em 10 horas Chegue a Las Vegas e ganhe um prêmio de US$ 1 milhão.

Na verdade, esta é uma licitação em grande escala dos militares dos EUA para civis. O organizador inicialmente pensou que poucas pessoas participariam, mas inesperadamente mais de 100 equipes se inscreveram. Infelizmente, ninguém conseguiu tirar o prêmio em dinheiro no final. O carro participante mais distante percorreu apenas 12 quilômetros, o que representa aproximadamente 5% de toda a distância da corrida.

(Foto: Além dos carros, também existiam motocicletas autônomas...)

Mas a DARPA não desistiu e realizou três Desafios de Condução Autônoma consecutivos, de 2005 a 2007, atraindo a participação de equipes de pesquisa de diversas universidades e empresas. Isso também permitiu que Larry Page, um dos fundadores do Google, visse o potencial da direção autônoma. Potencial de condução.

Em 2009, impulsionado por Page, o projeto autônomo "Chauffeur" do Google foi lançado oficialmente. Os dois engenheiros principais recrutados (Anthony Levandowski e Sebastian Thrun) eram ex-funcionários da DARPA, e mais tarde também se tornaram os fundadores do auto-concorrente do Google. unidade motriz.

Em 2014, o Google lançou o Firefly, o primeiro carro totalmente autônomo do mundo, sem volante e pedal do acelerador, o que não só chocou a indústria automotiva, mas também conscientizou o mundo sobre a possibilidade da direção autônoma pela primeira vez.

(Foto: Firefly, o carro autônomo de primeira geração desenvolvido pelo Google)

Imediatamente depois, grandes quantidades de capital de risco começaram a fluir para a via sem motorista: de Uber, Nvidia e Amazon a Baidu, Didi, Huawei e depoisMercedes、BMW, em geral,Honda, incluindo novas forças fabricantes de automóveis nacionais, começaram a investir em pesquisa e desenvolvimento de condução autônoma. A maioria das empresas de condução autônoma com as quais estamos familiarizados hoje foi fundada naquela época.

O tempo chegou rapidamente, dois anos depois. Para a indústria de condução autônoma, 2016 foi um ano extremamente importante – porque este ano, a Tesla entrou oficialmente na batalha.

Não é exagero dizer,Tomando 2016 como linha divisória, toda a segunda metade da condução autónoma é uma história do contra-ataque da Tesla, de caçador da indústria a líder.Então eu pessoalmente sinto que não há como exagerar muito esse momento.

Antes de 2016, quase todas as empresas autônomas escolhiam as soluções técnicas do Google:

1) Posicionamento: posicionamento assistido com mapas de alta precisão;

2) Percepção: Use câmera lidar + vision para fornecer informações de percepção para veículos;

3) Regulação e controle: Tomada de decisão e controle com base em algoritmos baseados em regras.

Não é difícil descobrir que a lógica subjacente à solução do Google é a chamada “armadura empilhada”."Algo é melhor que nada, mais é melhor que menos."

Esta escola de pensamento acredita que, com o nível atual de tecnologia, nenhum sensor pode completar todas as funções necessárias para a condução autônoma ou cobrir todos os casos. Portanto, é necessário usar todos os sensores para tomar decisões de direção autônoma de forma abrangente e atribuir diferentes. funções para diferentes pesos de sensores; entre eles, lidar tem o peso mais alto, por isso a solução deste grupo também é chamada."Solução LiDAR";Essencialmente, esta é uma rota técnica baseada em hardware.

Como uma empresa de tecnologia que começou com IA, a Tesla valoriza mais software. Por exemplo, Musk sentiu que o lidar na época era muito caro, custando US$ 80.000 cada, então ele se concentrou mais no desenvolvimento de algoritmos visuais poderosos e IA dedicada. chips tentam construir modelos de objetos circundantes com a ajuda de câmeras e adicionar dados a redes neurais para cálculos, desenvolvendo-se lentamente"Solução puramente visual"Este é um caminho de tecnologia orientado a software.

Nas próprias palavras de Musk, “todos os seres humanos e os animais têm olhos, não radares”, e as engrenagens do destino começaram a girar.

Na época, as duas rotas técnicas tinham seus próprios méritos: embora o lidar tivesse altos custos de hardware, era inerentemente preciso e tinha informações detalhadas (até hoje, muitos engenheiros ainda têm uma queda pelo lidar, enquanto as câmeras, embora baratas,); tinha baixa resolução. Com habilidades limitadas, só podemos fazer esforços para comparar informações de um lado de um objeto no mundo bidimensional. As informações obtidas por meio de cálculo e transformação nem sempre são tão precisas e intuitivas quanto as informações de primeira mão.

Isso também levou a Tesla a construir sua própria equipe de etiquetagem com milhares de pessoas ao mesmo tempo, tantas pessoas questionaram Musk na época, dizendo que embora seu hardware fosse mais barato, o custo geral não era tão bom quanto lidar.

Na verdade, também pode ser visto aqui que o nível de IA de toda a direção autônoma naquela época era quase inexistente (exceto para lidar, que tinha alguns algoritmos de IA).É um típico “tantas inteligências artificiais quantas inteligências”,Se o desenvolvimento da IA ​​parar por aqui, a solução de visão pura da Tesla provavelmente encontrará gargalos.

Mas no final, foi o Google quem salvou Tesla:

Em 2019, o Google publicou o famoso artigo Transformer (que também serviu de base para o grande modelo subsequente).

Embora o Transformer seja um modelo de rede neural baseado no mecanismo de atenção, os engenheiros da Tesla descobriram rapidamente que o Transformer pode não apenas processar informações de linguagem, mas também pode ser usado para processar informações de imagem.

Resumindo, o Transformer pode integrar as informações coletadas pelas oito câmeras do Tesla no mesmo sistema de coordenadas de posicionamento.É equivalente a dar ao carro uma "perspectiva de Deus" (ou seja, BEV, "visão aérea"),Capaz de ver informações 3D do ambiente circundante.

(Foto: A tecnologia BEV dá a Tesla uma “perspectiva de Deus”)

No AI Day de 2021, a Tesla lançou e tornou o BEV popular com sucesso. A partir do segundo semestre de 2022, os jogadores nacionais também anunciaram seu acompanhamento e gradualmente começaram a colocar o BEV no carro.

(Assim, embora muitas tecnologias não sejam originais de Tesla, a sua capacidade de conceber teorias avançadas a partir da exploração de ponta e colocá-las em aplicação prática está definitivamente a um nível cósmico.)

Ao mesmo tempo, Tesla também começou a tentar automatizar o processo de etiquetagem tanto quanto possível para resolver o problema de custos muito elevados.

Seu princípio é um pouco como jogar charadas: primeiro, depois que a câmera integrada vê um objeto (como uma árvore), ela carrega as informações para um modelo grande na nuvem, e então o modelo grande irá "adivinhar" o que o objeto é? Se o resultado adivinhado for consistente com as representações dos 8 sensores, a árvore será automaticamente rotulada.

Desta forma, Tesla se livra das limitações de mão de obra. Contanto que o veículo possa enviar continuamente informações sobre estradas, ele pode treinar seu próprio algoritmo de forma ilimitada.

Até agora, o desempenho de Tesla tem sido bastante surpreendente, mas apenas um ano depois, Musk fez dois grandes movimentos no Dia da IA. O primeiro foi a introdução da sequência espaço-tempo e o segundo foi a introdução da rede de ocupação.

Simplificando,O primeiro permite que o carro tenha a capacidade de lembrar o tempo, enquanto o último consegue um efeito semelhante ao “pseudo lidar”.Permitir que o carro calcule a posição espacial e determine se é necessário evitar obstáculos sem identificar qual é o objeto resolve o problema anterior de "colisão em um grande caminhão branco".

Até agora, independentemente do caminho, mas em termos de efeito, a solução visual obteve basicamente o mesmo efeito que a solução de radar.O BEV+Transformer alcançou com sucesso a convergência de caminho da tecnologia de percepção de direção autônoma e formou a estrutura básica do algoritmo de percepção visual atual.

(Foto: Ocupar a rede atinge um efeito semelhante ao "pseudo lidar")

Portanto, em termos de tendência geral,O caminho evolutivo da condução autónoma é, na verdade, muito claro: o objetivo é fazer com que o carro se comporte mais como um ser humano.Deixe a IA prever o que acontecerá no futuro com base no que aconteceu no passado.

Desta perspectiva, os últimos três anos foram, na verdade, os anos de desenvolvimento mais rápido para a tecnologia de condução autônoma, e a IA tem mostrado gradualmente fortes capacidades de atualização e iteração na direção autônoma. No entanto, a maioria das pessoas comuns na época não sabia muito sobre isso e pensava. que Há pouco progresso na direção autônoma.

O que realmente fez o público perceber que a IA terá um impacto revolucionário na indústria da condução autónoma foram várias coisas que aconteceram em 2023:

·Musk mencionou pela primeira vez nas plataformas sociais que "v12 é reservado para quando FSD é IA de ponta a ponta", trazendo ponta a ponta aos olhos do público (a Nvidia propôs isso em 2016, mas teve pouca influência), e inúmeras pessoas começando a aguardar ansiosamente o lançamento da v12;

·Pela primeira vez nos últimos dez anos, a CVPR atribuiu o melhor artigo a uma equipa chinesa, elogiando a sua contribuição para a realização da condução autónoma de ponta a ponta;

·Musk fez uma transmissão ao vivo de 45 minutos em um modelo S equipado com a versão beta v12, e interveio apenas uma vez durante todo o processo. O efeito pode ser considerado muito bom.

No entanto, é preciso deixar claro que atualmente não há evidências diretas de que o v12 exibido pela Tesla tenha alcançado um desempenho completo de ponta a ponta. No entanto, o efeito de sua exibição é realmente incrível e seu nível de inteligência é basicamente comparável. ao de motoristas humanos experientes.

Na verdade, se o sistema de direção automática for dividido em percepção, planejamento e controle segundo o entendimento tradicional,Atualmente, o que os principais OEMs usam principalmente para exibir seus músculos é modular de ponta a ponta com restrições parciais de regras básicas de AI+.

Como cada módulo requer uma interface definida pelo homem, algumas informações serão perdidas no processo. Portanto, quanto mais módulos, mais informações serão perdidas. Como unificar todos os módulos em um modelo no futuro, os principais fabricantes ainda precisam descobrir. como unificar todos os módulos em um modelo Precisa continuar trabalhando duro.

Porém, pelas informações que coletamos, de acordo com a atual velocidade de desenvolvimento da tecnologia e da engenharia,É apenas uma questão de tempo até que a condução autônoma seja finalmente realizada de ponta a ponta. Para isso, minha previsão relativamente conservadora ainda requer cerca de 3 a 5 anos de acumulação.

Nesse momento, o veículo pode tomar decisões de direção em um estado de "caixa preta" com base em informações rodoviárias coletadas em tempo real e emitir diretamente sinais de controle, como frenagem e direção, alcançando a forma definitiva de direção sem motorista semelhante à da ficção científica. filmes.

(Foto: Cinco estágios de desenvolvimento da direção autônoma, fonte: Xianfeng Evergreen)

Oportunidades de capital de risco trazidas pela iteração de condução autônoma

As razões são muito complexas. Aqui estão apenas três elementos principais que penso serem discutidos:

Primeiro, os dados são relativamente abundantes.

Como todos sabemos, “viagens” é uma demanda de alta frequência. A indústria doméstica de direção autônoma começou a crescer por volta de 2015, e já se passaram quase 10 anos desde hoje. Durante esse período, os dados coletados por OEMs e empresas de direção inteligente, independentemente da qualidade, é, pelo menos no total, suficientemente rico, o que cria condições básicas para a posterior realização de dados em circuito fechado.

Em segundo lugar, a definição da função é relativamente clara e clara.

Falando francamente, embora o conceito desta onda de IA seja muito quente, a direção de desenvolvimento de muitos produtos não é clara.

Por exemplo, quando se trata de robôs humanóides, muitas empresas criaram apenas um protótipo que pode ser demonstrado em exposições. No entanto, em cenários industriais reais, não está claro para o lado da tecnologia a montante quais problemas estes robôs podem resolver e até que ponto. eles podem alcançá-lo.

Como as fábricas a jusante não compreendem a IA, muitas vezes não sabem que funções estes robôs podem realizar e se podem ser combinados com outras tecnologias. Levará muito tempo para que ambas as partes melhorem o seu conhecimento.

Mas a direção sem motorista não tem esse problema. O veículo só pode cobrir os comportamentos básicos de todos os cenários de direção, movendo-se para frente, para trás, girando, acelerando e freando. os requisitos são simples e claros.

Portanto, para transformar tecnologia avançada em produtos fáceis de usar, uma definição funcional clara e uma divisão padrão também são fatores essenciais.

Terceiro, a base do hardware está relativamente madura.

Quer se trate de laser, câmera, ondas milimétricas e outras soluções de sensores, ou vários chips que fornecem transmissão e processamento de sinais, após 10 anos de "involução" total, eles basicamente entraram no estágio de desempenho de alto custo + fornecimento estável.

Portanto, no processo espiralado de dados, hardware e tecnologia, a condução autônoma foi a primeira a atingir o ponto de equilíbrio entre preço e experiência, e logo formou uma nova produtividade.

Portanto, se seguirmos esta lógica um passo adiante, a condução autônoma provavelmente será apenas o começo, e histórias semelhantes poderão se repetir em mais pistas no futuro.

Claro, a premissa é que deve haver algumas empresas nesta área que possam continuar a recolher grandes quantidades de dados a baixo custo (semelhante a empresas como Didi, Baidu e Tesla na condução autónoma), em vez de apenas depender de alguns pequenos dados dispersos, que podem ser uma base para avaliarmos se uma determinada indústria passou por um ponto de viragem semelhante.

De outra perspectiva, com o surgimento desta onda de grandes modelos, poderá haver oportunidades de investimento sistemático no futuro em muitas áreas subdivididas que podem ser automatizadas pela IA, mas que ainda não foram aproveitadas por grandes empresas (como a economia de baixa altitude). e manufatura industrial), existem empresas de tecnologia listadas à espreita no valor de dezenas de bilhões ou mesmo centenas de bilhões, que também merecem a atenção dos investidores.

O que mais pode ser investido na condução autônoma?Apenas divergimos um pouco, agora vamos trazer nossos pensamentos de volta e falar sobre a direção autônoma em si. Ao longo da história, de facto, com cada iteração da tecnologia de condução autónoma, existe uma oportunidade para o crescimento de uma série de empresas start-up.

Por exemplo, a solução convencional na era Google era lidar + câmera + mapa de alta precisão, mas hoje os mapas de alta precisão são usados ​​​​cada vez menos em carros de passageiros e nem são mais mencionados (pense nisso, era apenas dois anos atrás) importa).

Porque naquela época, apenas o custo de um veículo de coleta de mapas estava na casa dos milhões. Se o desempenho em tempo real fosse garantido tanto quanto possível, pelo menos centenas de veículos deveriam estar na estrada ao mesmo tempo todos os dias. atender à coleta e atualização em tempo real de mapas nacionais. Isso era impossível para qualquer empresa de automóveis ou fornecedor de mapas.

O resultado é que as oportunidades industriais finalmente recaem sobre o lidar:

A primeira é a ascensão de fabricantes de hardware, como HesaiSagitário, e então surgiu um grupo de empresas como Wenyuan, Pony e Vimo que construiu algoritmos em torno do lidar, seguido por um grupo de empreendedores que começou a experimentar alguns aplicativos de direção autônoma de nível L4 de circuito fechado de pequena escala baseados em radar + fechado cenários, uma variedade de veículos não tripulados em minas, veículos não tripulados em portos, robôs de entrega de comida em hotéis, etc. apareceram, e todo o ecossistema de direção autônoma começou lentamente a florescer.

Mas a Tesla mais uma vez subverteu a indústria com o BEV+Transformer, provando que mesmo sem radar é possível julgar o espaço 3D. Neste momento, lidar torna-se igual ao mapa de alta precisão do ano e não é mais uma opção necessária.

É claro que hoje o preço do lidar caiu para o nível de mil yuans e provavelmente continuará a cair. Portanto, no curto prazo, algumas empresas automobilísticas ainda adotarão soluções de fusão multissensor.

No entanto, com base na lógica de redução de custos, numa altura em que os OEM "querem cada centavo ao extremo", o lidar será gradualmente substituído por soluções visuais puras no futuro, e todo o padrão ecológico industrial mudará inevitavelmente em conformidade.

Por exemplo, o radar de ondas milimétricas tradicional só pode obter informações do avião. Surgiu a direção do radar de ondas milimétricas 4D de próxima geração, que pode detectar informações de altura. Algumas das dicas que vimos incluem, mas não estão limitadas a: O produto. nível é acompanhado por vários chips de empresas de chips. As soluções em cascata e SoC abrem caminho para soluções de alta precisão e baixo custo no nível de demanda industrial, os OEMs estão ansiosos e tentando soluções controláveis ​​​​independentes produzidas internamente; os produtos melhoraram os requisitos de segurança e redundância, etc.

Em suma, impulsionados por diversas exigências, é provável que surjam alguns novos intervenientes nesta categoria.

Por outro exemplo, à medida que mais e mais informações são coletadas pelas câmeras e a qualidade aumenta cada vez mais, há uma demanda por centros de supercomputação e chips de processamento final com grande poder computacional, incluindo a próxima geração de chips finais. Não se trata apenas de acumular poder de computação, mas também de combinar diferentes arquiteturas de algoritmos para melhor adaptar as duas. Todas essas são novas mudanças trazidas pelo lado do hardware.

No lado mais suave, nos concentraremos em métodos de aquisição/produção de dados de baixo custo + alta qualidade + sustentáveis.

Na rota ponta a ponta, é um fato que os algoritmos baseados em aprendizagem usam dados como combustível. Por exemplo, foi revelado que o V12 da Tesla “usou 10.000 H100s e completou aproximadamente 10 milhões de treinamentos em vídeo”.

“Esses vídeos vêm de 160 bilhões de quadros de vídeo coletados todos os dias de 2 milhões de veículos reais em todo o mundo que podem coletar dados, e menos de 1% desses vídeos estão disponíveis, como alguns dados de cruzamentos estranhos e incomumente movimentados.”

Como a primeira pessoa a tentar algo novo, Musk já apresentou uma folha de respostas suficientemente boa para a indústria. Portanto, parece que o próximo passo é obter dados de alta qualidade através do modo sombra, mecanismo de simulação ou modelo mundial. tornar-se-á a próxima questão na indústria que precisa ser explorada para obter consenso.

No entanto, penso que isto já não pode ser decidido apenas pelas empresas de um determinado elo: embora as rotas técnicas sejam certamente importantes, o posicionamento industrial e os modelos de negócio podem ser o pré-pensamento que as empresas chinesas devem fazer no ambiente actual.

Em suma, à medida que a implementação da condução inteligente de ponta se atualiza gradualmente, algumas novas oportunidades da indústria surgirão inevitavelmente em termos de percepção, transmissão, tomada de decisão, execução e interação.

Por exemplo, comuniquei-me recentemente com alguns fundadores da indústria automotiva e descobri que, além de seus respectivos negócios principais, eles também estão prestando atenção a algumas tecnologias e produtos de aplicação intersetorial. Muitas tecnologias avançadas inesperadas e intersetoriais finalmente se tornaram. seus produtos.

Isto mostra que quando a concorrência dentro da indústria atinge um certo nível,Quando é difícil obter margens de lucro suficientes apenas através da expansão de escala + melhoria da cadeia de abastecimento, as empresas devem procurar novos pontos de avanço com novas tecnologias. No final da involução, devem contar com o desenvolvimento tecnológico para avançar.

Devido às limitações de espaço, simplesmente compilei uma tabela no final do artigo para lhe dar uma ideia das oportunidades empreendedoras na era da direção inteligente de IA. Espero que ela possa lhe trazer uma perspectiva diferente de pensamento.

(Foto: Mudanças industriais e oportunidades trazidas por diferentes estágios da direção autônoma, fonte: Xianfeng Evergreen)

(O autor deste artigo, Xu Zhen, é um investidor perene da Xianfeng. Ele se concentra na nova cadeia da indústria de veículos de energia, incluindo componentes principais, semicondutores, materiais, etc., e uma vez investiu na Huashen Ruili em nome da Xianfeng. Ele já investiu na Huashen Ruili em nome da Xianfeng. formou-se na Universidade de Zhejiang Zhu Kezhen College e na Warwick Business School.)