人工智能（AI）技術(shù)是汽車行業(yè)提高競爭優(yōu)勢的巨大推動力。在汽車行業(yè)，人工智能（AI）不僅能促進生產(chǎn)率提高，還能促進新產(chǎn)品和新業(yè)務的出現(xiàn)。調(diào)查顯示，消費者對AI在汽車領(lǐng)域的應用持樂觀態(tài)度，認為該技術(shù)可以提高駕乘安全性及舒適性，希望在五年內(nèi)廣泛應用。作為實現(xiàn)AI的重要途徑，機器學習將是企業(yè)獲取競爭優(yōu)勢的主要途徑，機器學習可以提高生產(chǎn)率，開發(fā)新產(chǎn)品，打造全新的垂直業(yè)務，市場將推動這一技術(shù)在汽車領(lǐng)域不斷完善提升。

機器學習是實現(xiàn)人工智能的關(guān)鍵技術(shù)

（一）人工智能處于野弱AI冶階段。AI是機器和系統(tǒng)展示出來的智能，通常把機器模仿功能與人類認知結(jié)合起來，分為三個層次。如今人工智能仍處于發(fā)展階段（弱AI），僅在特定操作任務下才能超越人類。

弱AI，最低層次AI。現(xiàn)有軟件的水平是將人類的習慣性活動自動化，機器在專業(yè)領(lǐng)域通常比人的效率和耐力更高，如下棋、銷售預測和天氣預報等，自動駕駛就是“弱AI”的一種表現(xiàn)。

強AI，人類級別AI。指機器有理解其環(huán)境、推理和行為的能力，就如人類在各個領(lǐng)域的表現(xiàn)一樣，包括創(chuàng)造力、科學常識和社交技能。

超AI，最高層次AI。當AI比專業(yè)領(lǐng)域中最強的人類大腦更智慧時，就達到了AI的最高層次，超AI系統(tǒng)可以對未知環(huán)境做出推論。這個層次是否能達到，怎樣才能達到，會產(chǎn)生什么影響，現(xiàn)在都還是未知數(shù)。

（二）機器學習（ML）的訓練方法。機器學習（ML）是指對數(shù)據(jù)基本規(guī)則的自動學習，包括對樣本輸入數(shù)據(jù)的訓練算法，以優(yōu)化其在特定任務上的性能，從而使機器獲得新的能力。ML是對未知情況做出建議、決定和反饋的基礎(chǔ)，同時也是實現(xiàn)AI的重要組成部分。主要用三種方法訓練ML系統(tǒng)：

監(jiān)督學習。在ML系統(tǒng)中輸入一組示例數(shù)據(jù)，并調(diào)整分類器的參數(shù)，就能得到期望輸出值。

無監(jiān)督學習。不標記輸入的數(shù)據(jù)，讓ML系統(tǒng)自己根據(jù)對數(shù)據(jù)結(jié)構(gòu)的識別尋找權(quán)值和分類。

強化學習。ML系統(tǒng)遵從獎勵信號（強化信號）函數(shù)值最大化原則，機器經(jīng)過反復試驗自動確定特定情境下的理想狀態(tài)，以改進方案適應環(huán)境。

ML通過使用數(shù)據(jù)而不是既定的編程規(guī)則來實現(xiàn)AI，使得AI得以大范圍應用。ML能夠在高度復雜的情況下運作，在沒有明確指示的情況下適應環(huán)境。在汽車行業(yè)，ML是不可避免的趨勢。由于神經(jīng)網(wǎng)絡(luò)類的應用結(jié)構(gòu)與人腦類似，即從不同層次提取抽象特征，做出最佳圖像識別，到2015年，ML的物體識別能力已超過人類。

（三）深度學習的重要作用。深度學習是ML的一個分支，主要處理多層次神經(jīng)網(wǎng)絡(luò)，直到通過計算能力的提升和大數(shù)據(jù)的出現(xiàn)開啟其潛力。要想實現(xiàn)AI通過深度學習有效處理多種圖形識別任務，就需要大量的訓練數(shù)據(jù)。卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)是兩種最常見的深度神經(jīng)網(wǎng)絡(luò)類型：卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural networks）通常用于視覺輸入數(shù)據(jù)。神經(jīng)元之間的連接系統(tǒng)主要是利用特征的層次結(jié)構(gòu)，比如將像素點理解為鼻子的一部分，將鼻子理解為臉的一部分。遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent neural networks）通常用于語音識別和其他形式的自然語言處理。在應用中需要實現(xiàn)神經(jīng)網(wǎng)絡(luò)的動態(tài)行為，所以輸入序列是很重要的，遞歸神經(jīng)網(wǎng)絡(luò)是通過將輸出作為輸入反饋到網(wǎng)絡(luò)中來實現(xiàn)這一點的。

機器學習引發(fā)汽車行業(yè)變革

（一）機器學習對車輛出行的影響。ML對汽車行業(yè)的重要性主要表現(xiàn)在兩個方面：一是可以改進流程、產(chǎn)品和商業(yè)模式。在汽車行業(yè)ML可以對車輛本身產(chǎn)生影響，從而衍生出新的商業(yè)機遇，該技術(shù)是自動駕駛發(fā)展和車內(nèi)體驗提升的基礎(chǔ)，為創(chuàng)造新的收入來源打開大門。二是汽車行業(yè)在數(shù)字曲線上的表現(xiàn)落后。汽車行業(yè)需要應對ML帶來的顛覆和機遇，由于其傳統(tǒng)行業(yè)屬性，汽車行業(yè)的“數(shù)字化系數(shù)”較低，與其他行業(yè)差距逐漸加大，遠未達到AI可實現(xiàn)的功能預期。

（二）機器學習應用領(lǐng)域。一是無人駕駛出租車。與自動駕駛私家車相比，無人駕駛出租車可以提高便利性，同時降低成本，商業(yè)潛力巨大。很多初創(chuàng)企業(yè)對無人駕駛出租車率先布局，宣稱2018年將達到L4或L5級別，OEM和科技企業(yè)計劃于2019至2022年達成這一目標，軟件公司天空之城（Oxbotica）籌集2億美元用于開發(fā)特制無人駕駛出租車，特斯拉公司計劃2018年推出點對點自動駕駛汽車共享。今后無人駕駛出租車的發(fā)展將分三個階段：無人駕駛出租車1.0，只適用于美國數(shù)量有限的出租車，無法實現(xiàn)規(guī)模經(jīng)濟和達到最高的盈利水平；無人駕駛出租車2.0，隨著規(guī)模經(jīng)濟的提高，應用更廣泛，獲利更多，可應用于大部分出租車；無人駕駛出租車3.0，服務不受地域或時間限制（隨時隨地）。

無人駕駛出租車有4個主要戰(zhàn)略控制點，掌握這些控制點能獲得巨大的利潤優(yōu)勢。

資訊娛樂系統(tǒng)和軟件。操縱客戶體驗，關(guān)鍵在于無縫連接乘客旅途所需。軟件應用層和自動駕駛軟件集成。對安全性和行駛平順性至關(guān)重要。進入這個領(lǐng)域壁壘很高，需要掌握專有技術(shù)，投入大量資金和高度專業(yè)化的人才。掌握這個控制點就能提供車聯(lián)網(wǎng)服務。

無人駕駛汽車集成和驗證。壁壘高，對安全性和行駛平順性也很重要。需要高度工程化產(chǎn)品在大規(guī)模商業(yè)化時擁有良好的質(zhì)量保證。掌握這個控制點就能通過提供附加車聯(lián)網(wǎng)服務進一步降低運營成本。

出行服務。利用大數(shù)據(jù)優(yōu)化路線，掌握這個直接面向客戶的控制點可以利用網(wǎng)絡(luò)效應和規(guī)模經(jīng)濟實現(xiàn)車聯(lián)網(wǎng)服務的盈利。

二是自動駕駛卡車。自動駕駛卡車長途運輸將分三個階段實施：第一階段，兩輛或兩輛以上卡車為一隊，通過電子方式連接，方便同時加速或剎車。在這種模式下，空氣阻力降低，燃料效率提高，只需要一名司機駕駛頭車。這種方式要求駕駛路線重疊，主要適用于高速公路，城市道路則不適用。因此，在進行物流基礎(chǔ)設(shè)施投資時要確保所有終點站都在高速公路附近。第二階段，通過自動化實現(xiàn)有限環(huán)境下的全自動駕駛，只有傳統(tǒng)裝貨和卸貨時才需要司機，需要的基礎(chǔ)設(shè)施投資與車隊相近，成本可進一步下降。第三階段，通過全自動實現(xiàn)點對點的無人駕駛運輸，除特殊貨物和車輛外，基本不需要司機。

掌握幾個戰(zhàn)略控制點對獲得新興利潤池至關(guān)重要。自動駕駛軟件供應商和系統(tǒng)集成商將占據(jù)重要市場地位；大型車隊所有人和車隊服務提供商將擁有升級車隊的規(guī)模和資源，在未來價值鏈中占據(jù)最大控制權(quán)；司機和個人車主的數(shù)量急劇下降。與大型物流公司相比，OEM在物流領(lǐng)域不具備相同的戰(zhàn)略優(yōu)勢。但是建立牢固的伙伴關(guān)系和尋找垂直滲透的機會是一條值得探索的道路。

三是最后一公里配送解決方案。物流行業(yè)是商用車的主要客戶之一，截至2025年，其全球收入預計將以每年6％的速度持續(xù)增長。

對于該行業(yè)企業(yè)來說，引入即日達、帶時間窗的物流配送和即時達等創(chuàng)新技術(shù)是滿足新興客戶需求和開發(fā)新市場的當務之急。然而，消費者的支付意愿卻與日益增長的需求相悖，不能彌補額外產(chǎn)生的送貨成本。因此，需要通過技術(shù)進步改革快遞和包裹運營商的成本結(jié)構(gòu)，從而推動行業(yè)增長。就目前而言，自動駕駛送貨車（如廂式貨車或小型貨車）是包裹配送自動化的主導技術(shù)，AI在其發(fā)展過程中起了主要作用，需要技術(shù)解決方案實現(xiàn)交貨自動化和門前（自動）交貨。與無人機和機器人相比，ADV具備地理位置方面的成本優(yōu)勢，可使即日達的最后一公里成本遠低于2美元，而帶包裹寄存柜的ADV成本優(yōu)勢在40％左右。另外，ADV的運作可行性高，適合大多數(shù)配送模式。

ADV技術(shù)市場的競爭已經(jīng)開始。如德國StreetScooter公司是一家研發(fā)電動廂式貨車的初創(chuàng)企業(yè)，后被德國郵政敦豪集團（Deutsche Post DHL）收購，實現(xiàn)汽車行業(yè)和物流行業(yè)進一步結(jié)合。另外，StreetScooter還研發(fā)了一種自動駕駛送貨車，在一定范圍內(nèi)可以自動跟隨工作人員。

數(shù)字技術(shù)對最后一公里市場越發(fā)重要，科技企業(yè)有機會進入這一領(lǐng)域，從而引發(fā)市場份額的重新分配。該領(lǐng)域企業(yè)正在探索潛在的新型商業(yè)模式，如自動駕駛車隊技術(shù)運營（IT）服務，用于優(yōu)化路線和地區(qū)規(guī)劃，給有自動駕駛車隊的企業(yè)提供業(yè)務管理服務；經(jīng)營最后一公里配送經(jīng)紀平臺；數(shù)據(jù)套現(xiàn)（如交通信息、街道預見性維護）。奔馳的概念商務貨車（VisionVan）和曼恩的Euro6系列卡車已經(jīng)為“最后一公里”配送提供綜合運輸概念，包括亞馬遜和優(yōu)步（Uber）在內(nèi)的企業(yè)也正在進行布局。

運用機器學習所面臨的挑戰(zhàn)

（一）需要構(gòu)建全新出行生態(tài)系統(tǒng)。在出行環(huán)境中應用機器學習技術(shù)非常復雜，需要新結(jié)構(gòu)輔助出行生態(tài)系統(tǒng)。AI支持的出行環(huán)境說明：各原始設(shè)備制造商可以單獨建立AI系統(tǒng)，也可與業(yè)內(nèi)廠商合作，所有車輛都配備相同的嵌入式AI。通過系統(tǒng)收集駕駛數(shù)據(jù)，傳回原始設(shè)備制造商的AI后端系統(tǒng)，在后端優(yōu)化算法。如果AI系統(tǒng)更新，將及時發(fā)給所有車輛，確保同一生態(tài)系統(tǒng)中AI標準/等級和行為方式相同。只有自動駕駛和車內(nèi)體驗兩個機器學習系統(tǒng)需要嵌入車輛，其他機器學習系統(tǒng)（如預見性維護）可以通過云端構(gòu)建，對更新周期、計算能力和功耗的處理更靈活。多個第三方AI系統(tǒng)可以互連，確保不同原始設(shè)備制造商的額系統(tǒng)不會受到影響。一個獨立服務器可以連接多個AI后端系統(tǒng)和交通管理系統(tǒng)（比如指定國家、地區(qū)或城市），實現(xiàn)安全和交通流量最優(yōu)化。

上述各系統(tǒng)會設(shè)計不同的利益相關(guān)方（包括第三方），特定技術(shù)約束和當期情況與法規(guī)，均需要全新投入、系統(tǒng)和工作方式。

（二）面臨的三項挑戰(zhàn)。一是技術(shù)競賽加速。汽車行業(yè)的ML基礎(chǔ)算法在理論上是可行的，但是技術(shù)的實際應用和嵌入還沒有重大進展。自動駕駛和車內(nèi)體驗需要處理的數(shù)據(jù)量極大，對時間的要求高而且與安全密切相關(guān)。雖然當前大多數(shù)ML使用都可在后端環(huán)境下運行，但嵌入需要技術(shù)（硬件）進步和連接解決方案。為了技術(shù)提升，領(lǐng)域內(nèi)500多家公司正迅速布局，2010年以來的投資總額超過500億美元，遠超同一時期共享出行初創(chuàng)公司披露的320億美元投資額。

自動駕駛和車內(nèi)體驗是AI在出行方面最大的集群，占總投資額的91％。初創(chuàng)公司和科技公司紛紛進入市場，許多公司通過收購補充自身業(yè)務。自2010年以來，與自動駕駛有關(guān)的AI投資總額達335億美元，比過去幾年顯著增加。與自動駕駛相比，公司對車內(nèi)體驗的投資則要少得多，大約136億美元。汽車行業(yè)以外的大型科技企業(yè)將客戶、家用電子產(chǎn)品以及專業(yè)知識應用于車內(nèi)體驗，如把Alexa、Siri及Cortana等虛擬影像和語音助手與汽車相結(jié)合，這通常需要與OEM緊密合作。

私募基金、風投公司和科技型企業(yè)對汽車行業(yè)AI研發(fā)的投資占比約97％，主要用于開發(fā)自動駕駛和車內(nèi)體驗的全方案供應商。特別是一些科技企業(yè)正積極進入市場，這些企業(yè)的投資占70％，硬件企業(yè)英特爾、Nuance和三星處于領(lǐng)先地位。另外，谷歌在該領(lǐng)域成立了一項名為GradientVentures的全新風投基金，人工智能孵化器（ElementAI）獲得1億美元融資用于ML的發(fā)展，微軟創(chuàng)投（MicrosoftVentures）成立AI基金，豐田提供1億美元用于對AI和機器人初創(chuàng)企業(yè)的投資。

此外，汽車制造商投入大量資金開發(fā)專業(yè)知識。40％以上的自動駕駛（包括AI）專利屬于OEM，其中Waymo公司自動駕駛領(lǐng)域擁有的專利最多。同時OEM和供應商也主導著車內(nèi)體驗的發(fā)展，擁有該領(lǐng)域85％以上的專利，其中OEM最活躍（超過50％）。

為了將自動駕駛推向市場，OEM、供應商和科技企業(yè)都在尋找聯(lián)盟。主要為技術(shù)驅(qū)動型聯(lián)盟，如英偉達、Mobileye和百度等科技企業(yè)圍繞共同平臺召集眾多OEM或供應商，建立生態(tài)系統(tǒng)并將數(shù)據(jù)量最大化。以及以O(shè)EM為中心的生態(tài)系統(tǒng)，即OEM通過有針對性的收購，投資和合作，在深度學習、計算機視覺和測繪技術(shù)中引入專業(yè)知識，尋求建立自己的技術(shù)業(yè)務，如通用汽車收購Cruise Automation公司及其與IBM的合作伙伴關(guān)系，福特與眾包測繪公司和多家AI初創(chuàng)公司的合作。有意思的是，Waymo公司采取的是一種更加封閉的方式，它的合伙人只有兩家，一家是為其提供車輛的OEM（菲亞特克萊斯勒公司），另一家是為其提供車隊服務的汽車租賃公司。

二是法規(guī)標準更新?！捌嚨燃墶币蟾叩陌踩珮藴屎洼敵鲑|(zhì)量。在與傳統(tǒng)防御式編程相結(jié)合（即人類程序員編寫的）的情況下，要在指定任務中使用ML時確保汽車等級的安全和質(zhì)量。這對開發(fā)和實施自動駕駛的標準化安全測試尤為重要。大部分限定條件由政府和監(jiān)管框架確定，雖然自動駕駛車輛可以在某些轄區(qū)的公共道路上進行測試，但尚未形成廣泛應用的統(tǒng)一性規(guī)則。

在防護與創(chuàng)新之間尋求平衡的同時，需要細化指導方針和質(zhì)量標準。政府也需有所行動，確保車輛和交通基礎(chǔ)設(shè)施之間的信息交換可以滿足自動駕駛的需要。另外，為便于實現(xiàn)規(guī)模化，企業(yè)必須積極參與監(jiān)管過程，在技術(shù)及其應用開發(fā)的早期形成標準（參照防抱死制動系統(tǒng)），并確保各個系統(tǒng)（如OEM、交通管理系統(tǒng)）的整合。

因為是分階段推廣法規(guī)和標準，所以不需要協(xié)調(diào)一致，不同的地理位置，甚至不同的城市，法規(guī)和基礎(chǔ)設(shè)施等情況都可能不同。不同利益相關(guān)者的接口和數(shù)據(jù)類型等標準也可能不同。

三是商業(yè)模式轉(zhuǎn)變。自動駕駛不僅能徹底改變汽車的性能，還將為OEM帶來新的商業(yè)模式，OEM需要考慮其他所有權(quán)模式以及基于AI的新興服務。新的商業(yè)模式會促使OEM將業(yè)務轉(zhuǎn)向B2B模式（如車隊銷售、市政出行服務），這可能會暫時降低企業(yè)毛利率。另一方面，新服務要求車輛更加以軟件為中心，從而產(chǎn)生新的利潤池。

企業(yè)對企業(yè)運營模式包括：第三方車隊。隨著私家車數(shù)量的減少和自動駕駛規(guī)模經(jīng)濟的衰退，OEM的車隊運營商客戶會越來越多，車隊規(guī)模也隨之擴張。在個體運輸方面，可能偏向由OEM支持的優(yōu)步式的網(wǎng)約車模式并與第三方車隊合作。在貨運方面，OEM將成為物流公司自動配送解決方案的中流砥柱。OEM自有車隊。將進一步推動上述趨勢的發(fā)展，OEM建立自己的自動駕駛車隊，成為運輸服務商。對乘客而言，OEM能提供無人駕駛出租車車隊，可以用較大的出行服務商補充甚至替代公共交通網(wǎng)絡(luò)。在貨運方面，他們能提供包裹配送自動駕駛卡車車隊。在這些情況下，不是通過一次性銷售將資產(chǎn)貨幣化，而是通過出行服務獲得經(jīng)常性收入。

企業(yè)對顧客運營模式：銷售給個人客戶。最直接的方式是將車輛出售給個人客戶，這也是OEM目前的運營模式。此外，AI的崛起將改變汽車服務的格局。鑒于自動駕駛汽車系統(tǒng)很復雜，預計OEM將在維護和維修等售后服務市場占據(jù)較大份額。OEM自有車隊服務。鑒于許多企業(yè)已在出行服務市場開展業(yè)務，所以他們也可以直接向終端用戶提供無人駕駛出租車，通過提供服務獲得二次收入，不僅僅是銷售帶來的一次性收入。

實現(xiàn)機器學習的建議

OEM應采取以下五項措施來獲取優(yōu)勢：

專注核心應用領(lǐng)域。在確定車輛出現(xiàn)方面的ML應用開發(fā)時，一是明確最終用戶的需求、利潤規(guī)模等。二是分析競爭市場，對市場內(nèi)企業(yè)進行優(yōu)勢對比分析。三是自我定位準確，制定戰(zhàn)略計劃。四是掌握技術(shù)控制點，利用自身優(yōu)勢具備業(yè)界話語權(quán)。

充分利用廣泛的數(shù)據(jù)。通過加強消費者數(shù)據(jù)收集，更加貼近客戶，了解客戶在各種情況下的行為，是創(chuàng)建新商業(yè)模式的先決條件。這一點非常重要：幾乎所有涉及ML的應用程序都需要大量數(shù)據(jù)，以便深入了解消費者的行為，細化算法。

推動標準和法規(guī)的制訂。與其他汽車企業(yè)及政府一起積極制定新標準。如果進入這個領(lǐng)域太晚可能會限制OEM，從而失去充分發(fā)揮潛力的機會。

發(fā)展技術(shù)和業(yè)務伙伴。商業(yè)模式通常需要自身不具備的條件。對于長期存在差異化來源的領(lǐng)域，就需要選擇恰當?shù)暮献骰锇橐垣@取所需的技術(shù)或客戶。比如科技企業(yè)在研發(fā)AI技術(shù)、獲取人才和數(shù)據(jù)應用方面有天然優(yōu)勢。建立伙伴關(guān)系對資源、人才和能力的匯集不可或缺，并且能加速自動駕駛的發(fā)展。

商業(yè)模式套期保值?？赡軙霈F(xiàn)大量潛在新業(yè)務模式。構(gòu)建商業(yè)案例，根據(jù)您希望參與的程度從可用商業(yè)模式中選擇適合的模式。盡早開發(fā)多元化的模式，有些模式可能會失敗，則需要依靠成功的模式降低風險。
? ? ? ?責任編輯：tzh