「优必爱」获数百万美元Pre-A轮融资，挖掘车联网大数据的商业价值

获悉，车联网大数据应用服务公司「优必爱」宣布获得 Translink Capital 的数百万美元 Pre-A 轮融资，本轮融资主要用于产品开发和业务推广。

该公司成立于2016年，同年获得100万美元的天使轮融资，投资方是云天使基金。

优必爱（UBiAi）采用2B2C的商业模式，对车企前装车联网原始数据进行预处理和分析，按照安全协议把数据结果导出到私有云，构建数据模型，以DAAS（Data-as-a-service）的形式卖给保险、金融、售后服务和二手车交易公司，并把一套结合经销商SAAS和线上客户服务的数字化平台产品卖给C端车主，向B端服务商收取销售佣金和数据服务费。

优必爱的创始人兼CEO朱瑞告诉，之所以建立这样一套以数据为核心的商业模式，是因为汽车的电动化、智能化和联网化产生的数据有巨大的商业价值、正在深刻改变汽车行业、推动其转型升级。

“在目前主流的3G网络下，一辆智能汽车的T-BOX（Telematics BOX）可以采集60到100个维度的数据，有些新能源车可以采集多达200个维度的数据，而在4G网络下，数据采集可达400到500个维度，这些数据包含车里所有的实时关键部件、ECU状态和诊断信息。”朱瑞表示。

虽然现在还不能通过前装车载设备诊断事故车辆的外观刮蹭，但朱瑞表示，到了5G时代，所有车都标配数个摄像头、车与车之间互联，可以互相识别对方车辆的外观情况，使得保险自动核赔成为可能。

然而，这些前装车联网数据在过去都拘囿于车企内部，汽车产业链里的各个行业之间又非常割裂，这导致保险、金融、维修、二手车交易等B端服务商在开展业务时，需要通过大量的后装设备和人工来审核车损、评估风险，这些复杂流程产生的金钱和时间成本，最终是由C端车主买单。

这在保险理赔上体现得尤为明显。因此，优必爱现在所做的，是通过前装车联网数据分析，向保险公司提供具有用户画像、风险评估、辅助定价、事故还原、损失预测、自动理赔、维修追踪、风险预警等功能的DAAS，可以大大提高事故处理和理赔效率。

按照同样的逻辑，汽车金融公司也可以利用优必爱提供的用户画像、行驶轨迹分析和风险预警等数据服务，提高风控能力和降低坏账率。

“因为现在车不好卖了，基本上只要有客户愿意贷款，金融公司都会贷，不然卖不出去。因此，前置的风控变得形同虚设，而售后的风控就需要加强，”朱瑞表示，以前这些金融公司是偷偷在车里装几个外置GPS定位设备，但这些设备电量有限，要想在2-3年的贷款期内一直保持信号，上传位置信息的频率只能减少到每天几次。但如果打通前装车联网数据，丢失车辆追踪的问题就可以得到解决，用户异常行为也可以进行实时预警。

而对于二手车交易来说，现在的智能网联车，特别是新能源车，从新车销售的第一天起，所有车辆数据和充电情况都是透明、可追溯的。因此，在评估车辆残值时，所有人都会得到一个清晰、客观的评估报告，二手车交易就可以基于汽车产品本身的真实情况来进行，而不用像以前那样依靠平台规模和第三方测评才能进行。

目前，已经有近20家车企向优必爱开放车辆数据、建立数字化业务合作，这些车企以合资品牌为主。

谈及优先合作合资品牌的原因，朱瑞表示，他从2012年到2015年在奔驰负责车联网业务期间，意识到像奔驰这样的合资品牌已经早早开始规划车联网数据的应用和变现增值，并且，他们认为中国市场会是最早实现车企数字化转型的市场。而与之相比，国内车企的数字化转型战略则略显混乱。

当然，车企也不是一开始就愿意开放数据给优必爱。2016年，该公司刚成立时，其主业是给车企做内部数据分析项目，包括分析用户画像、分析中国用户驾车习惯，以辅助判断哪些车型需要改进、新车型是否有系统性缺陷，从而防止召回事件发生。

当与车企建立互信之后，优必爱从2017年开始打通数据服务与保险、售后及金融业务，与平安等五家保险公司完成了建模和系统对接。

朱瑞称，2018年中旬，他们开始商业化落地了面向B端客户的车联网数据DAAS服务、面向C端车主的线上线下数字化营销平台，通过全国8个品牌的近30家经销商、服务了超过4000位车主。

该公司今年计划在全国搭建几十人的城市经理团队，为全国12个省的500家经销商提供数字化服务，并增加智慧售后和智慧金融业务，预计服务50万车主。2020年，他们计划落地1500-2000家经销商，2021年落地5000家经销商，服务5000万车主。

朱瑞称，随着业务落地，今年预计收入2亿元人民币，并实现盈亏平衡。

谈及为何此前都是以美元融资，朱瑞表示，未来的车企不会再是传统生产制造型公司，而是数字化服务型公司，这种转型是全球市场都在进行的事情，以后他们也会考虑向海外市场拓展业务。

朱瑞曾是奔驰车联网团队负责人、文思海辉汽车云计算和数据业务副总裁、北京大学MBA。该公司的首席人工智能科学家是物联网数据分析和人工智能专家，在Google和Uber有超过12年的工作经验。

——————