0
雷鋒網(wǎng)按：這是雷鋒網(wǎng)第3次與您分享報告。
人工智能已經(jīng)是許多產(chǎn)業(yè)中的熱門話題了，汽車行業(yè)的玩家們不僅要注意人工智能能夠為他們做什么，也要開始考慮更加具體的幾個問題：
機器學習對于整個汽車行業(yè)而言，重要性如何？
消費者對于使用了人工智能技術的汽車接受程度多高？
機器學習在汽車行業(yè)里關鍵應用是什么？
汽車行業(yè)的玩家如何利用這些技術變現(xiàn)并且實現(xiàn)盈利呢？
麥肯錫近日題為《Smart Moves Required-The Road Towards Artificial Intelligence in Mobility》的報告，為上述的這些問題提供新的指導，并對于整個汽車市場環(huán)境提供了行業(yè)層面的視角。雷鋒網(wǎng)整理了并編譯了部分內(nèi)容。感興趣的讀者可以在雷鋒網(wǎng)公眾賬號后臺回復“麥肯錫自動駕駛報告”獲取PDF報告原文。
不是所有的新事物都是人工智能構建的，事實上，許多應用程序都是用傳統(tǒng)方法構建的。
今天人工智能是行業(yè)的新話題，盡管我們?nèi)〉靡欢ǖ陌l(fā)展，但是我們?nèi)匀惶幵谌斯ぶ悄艿某跫夒A段?，F(xiàn)在的人工智能只是專用人工智能，并非通用性人工智能，它只能在某些特定的具體的任務中超過人類。
當然，人工智能這個領域正在迅速發(fā)展。比如，在2015年，機器學習的圖像識別能力已經(jīng)超過了人類的圖像識別能力。2016年，深度學習系統(tǒng)AlphaGo擊敗了世界冠軍的圍棋棋手，而圍棋是現(xiàn)存最復雜的棋類游戲。
自動駕駛雖然很復雜，但是也是專用人工智能的應用的一種表現(xiàn)。這份報告的重點是如何使用機器學習，特別是深度學習，來增強或者創(chuàng)造一些關于汽車的新的人工智能應用領域。
可以通過三個實用標準來描述機器學習。
機器學習更主要是透過數(shù)據(jù)來實現(xiàn)人工智能的，而不是靠既定的規(guī)則。機器學習也使人工智能在現(xiàn)實世界中能夠得到廣泛使用。根據(jù)實際的工作定義，機器學習能夠在汽車的三個關鍵領域中起作用：
在高度復雜的環(huán)境下運作（根據(jù)實際情況所需要的數(shù)據(jù)量衡量）
解決直接編程無法充分覆蓋的大量可能性情景
在沒有明確指示的情況下可以自我提升，通過非結構化方式從未知的情景數(shù)據(jù)中學習
機器學習是不可避免的趨勢，它將是未來幾十年內(nèi)巨大競爭優(yōu)勢的技術基礎和來源。比如在自動駕駛中，圖像識別是一定需要用到機器學習的，因為人類編程無法跟上。在決策領域，機器學習或許只是是解決方案當中的一個組成部分。但在圖像識別領域，機器學習是不可或缺的。
一項清晰的報告預示了人工智能的發(fā)展，消費者不僅希望人工智能帶來更大的影響，更重要的是帶來更多的影響。如下圖所示，超過一半的人認為人工智能夠帶來改變。
與預期的相反，消費者對人工智能接受程度非常高，如圖表二，47%的人認為如果使用完全自動駕駛會感覺很好，在中國消費者、年輕人以及城市居民當中更是如此。
相似的，70%的消費者認為政府應該讓自動駕駛合法化（比2015年高出15%比率）（圖表三）。因為便利是在消費者看來最重要的因素，也因此支持自動駕駛合法化的支持率高達70%。
為什么機器學習對于汽車領域這么重要？有兩個關鍵的原因：
過程、產(chǎn)品、甚至商業(yè)都離不開機器學習。
在提高產(chǎn)量、效率、流程優(yōu)化、提高服務質量的基礎上，產(chǎn)品自身的最決定因素還是機器學習，而商業(yè)則受產(chǎn)品影響。汽車想要實現(xiàn)自動駕駛、提高車內(nèi)體驗都離不開技術，因此，機器學習也可以從已有的商業(yè)中衍生從新商機。
人工智能在傳統(tǒng)的行業(yè)反而有更大的發(fā)揮空間
機器學習是帶來了機遇也帶來了挑戰(zhàn)，基于廣大的消費者興趣，目前可以發(fā)現(xiàn)機器學習在汽車領域的典型應用。如下圖所示，它們分為三個不同類別：
1、過程處理優(yōu)化和提高生產(chǎn)效率（通常根據(jù)高級分析，但由機器學習來增強。）
2、新產(chǎn)品和增強性能后的產(chǎn)品（主要通過機器學習來獲得）
3、利用這些新產(chǎn)品打造全新的業(yè)務和消費者案例。
基于機器學習的自動駕將會在全新的生態(tài)中蓬勃發(fā)展，但是這對投資者來又是充滿挑戰(zhàn)的。
還有許開放性的問題需要面對，例如：
在使用核心的后端的AI系統(tǒng)時，應該是每個汽車制造商自己開發(fā)后端AI系統(tǒng)，還是和其他公司合作？不同的生態(tài)能否共享數(shù)據(jù)？行業(yè)中是否會出現(xiàn)像ISO這樣的標準？
中性服務器和專用的AI系統(tǒng)。誰才有和經(jīng)營服務器的資格（例如政府）？聚合級別又該是什么（例如，自治市，國家，地區(qū)）？需要建設多少個中性服務器？如何確保網(wǎng)絡安全？
更明確來說，投資者們將會面臨以下幾個挑戰(zhàn)
技術的競賽正在加速
全球約有500家公司自動駕駛公司，自2010年以來，這些公司投資總額超過500億美元，超過了同一時期所有共享出行/電子商務初創(chuàng)企業(yè)的320億美元。過去四年的投資額與前四年相比，增加了四倍。顯然，技術競爭正在加速。
如下圖所示，自動駕駛公司在2010年以來共獲得投資335億美元，改善車內(nèi)體驗的公司獲得136億美元。
技術人員、汽車制造商、和供應商各有自己的天然產(chǎn)業(yè)優(yōu)勢。一般來說，可以用軟件/技術或者是汽車功能來對他們進行分類。例如，Waymo通過大量的駕駛數(shù)據(jù)，已經(jīng)通過了許多實驗。而特斯拉既能制造汽車，也能夠系統(tǒng)的捕捉駕駛數(shù)據(jù)。但兩者還是創(chuàng)業(yè)公司，傳統(tǒng)汽車制造商也有獲得數(shù)據(jù)來開發(fā)的潛能。
制度和標準
安全是至關重要的，想要在安全與創(chuàng)新之間建立平衡，就要明確指導方針和質量標準。很可能在以后，規(guī)章制度和基礎設施等因地域乃至城市而異，因為不同地區(qū)的發(fā)展步調(diào)可能不一致。而標準，例如在界面和數(shù)據(jù)類型上，各個公司因利益?zhèn)戎氐夭煌膊槐M相同，因而就需要高度的適應性。
商業(yè)模式的轉變
當然，現(xiàn)在的傳統(tǒng)車銷售商業(yè)模式將會繼續(xù)下去，只是增加了自動駕駛的功能。然而，除此之外，汽車制造廠也將需要考慮的其他所有權模式和創(chuàng)新的支持人工智能功能的服務，如圖12所示：
在B2B模式中，可以是第三方擁有車輛，將汽車賣給租賃公司等，或者直接汽車制造商自己擁有車輛。而在B2C模式中，可以說將汽車賣給個人，或向個人提供汽車服務。
有許多的消費者預計，能夠將自動駕駛汽車帶入市場的，將會是汽車制造商，而不是科技公司。汽車造商有能力滿足消費者的預期并從中獲利。不過，它們需要做到以下的五點：
專注于核心應用領域
在著手開發(fā)時，汽車制造商應考慮：
1. 利潤，最終用戶最相關的是什么，這能帶來多大的收入？
2. 競爭格局，我期望的競爭對手有多少？他們和我相比有什么優(yōu)勢？
3. 市場地位，如何與其他人同臺競技，我需要提供什么戰(zhàn)略觀點？
4. 制勝點，我本身擁有或可以獲得哪些制勝點？
利用廣泛的數(shù)據(jù)
汽車制造商需要大量數(shù)據(jù)來獲取對消費者行為的洞察，并對算法進行細化。除此之外，非常需要數(shù)據(jù)收集的應用的開發(fā)，也可能需要汽車制造商之間合作，開發(fā)標準來實現(xiàn)數(shù)據(jù)聚合。
推動標準和規(guī)范
傳統(tǒng)汽車制造商可以和其他汽車制造商、政府一起在這個領域盡早制定標準。太晚制定可能會讓外界施加邊界，從而限制他們的潛能。
發(fā)展技術和商業(yè)伙伴關系
運營好一個商業(yè)模式，還需要合作伙伴的力量。對于不熟悉的領域，可以選擇合適的合作伙伴來獲得所需的技術或客戶。例如，科技公司在人工智能技術方面具有天然的優(yōu)勢，有人才也有數(shù)據(jù)。對于只有短期價值的領域，不存在專有技能的需求，可以選擇供應商。
商業(yè)模式適應性保值
未來或許將有大量潛在新商業(yè)模式。因此可以構建業(yè)務案例，并根據(jù)參與程度從已有的業(yè)務模式中進行選擇。早日開發(fā)一套多樣化的模型，通過試錯來降低風險。此外，還需不斷學習以適應改變。
雷鋒網(wǎng)注：關注“新智駕”（微信 ID：AI-Drive），后臺回復“麥肯錫報告”即可獲得全文報告。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
