麦肯锡报告:汽车行业如何依靠AI腾飞?|雷报第3期

发布时间:2020-12-21    来源:大圣娱乐 nbsp;   浏览:61110次

自动驾驶合法化的支持率达到了70%。 为什么机器学习在汽车领域最重要? 流程、产品乃至商业都有两个重要的理由,机器学习是必不可少的。 基于产量、效率、流程优化、服务质量的提高,产品本身最重要的决定因素是机器学习,商业不受产品的影响。

汽车是构筑自动驾驶、提高车内体验不可或缺的技术,因此机器学习也可以从很多生意中引导新的商机。 人工智能在传统行业反而更大程度上充分发挥空间机器学习带来了机遇和挑战,基于广大消费者的兴趣,现在可以找到机器学习在汽车领域的典型应用。

如下图右图所示,这些被分为三个不同的类别。 1、优化工艺处理和提高生产率(一般通过高级分析,但通过机器学习得到强化。 2 .新产品和性能强化后的产品(主要通过机器学习取得)3.利用这些新产品制作新的业务和官方网站消费者事例。 为了获利,必须面对很多挑战。

基于机器学习的自动乘法不会在新的生态中繁荣,但对投资者来说又是一个挑战。 也有承诺开放性的问题。 例如,在核心后端AI系统中使用时,每个汽车制造商应该独立开发后端AI系统还是与其他公司合作? 不同的生态能共享数据吗? 业界经常出现ISO这样的标准吗? 中性服务器和专用的AI系统。

谁有经营服务器的资格(政府等)? 单体级别是什么(例如自治团体、国家、地区)? 我必须建设多少台中性服务器? 如何确保网络的安全? 更具体地说,投资者们面对以下几种挑战技术的竞争,正在加速世界上约500家公司的自动驾驶公司。 2010年以来,这些公司的投资总额达到了500亿美元,同时达到了共享上下班/电子商务初创企业的320亿美元。

过去四年的投资额比过去四年减少了四倍。 技术竞争好像在加速。 如下图右图所示,自动驾驶公司自2010年以来共计获得335亿美元,提高车内体验的公司获得了136亿美元。

技术人员、汽车制造商和供应商各有自己的天然产业优势。 一般来说,可以按软件/技术或汽车功能进行分类。 例如,Waymo根据大量的驾驶员数据,已经通过了很多实验。

特斯拉既能生产汽车也能生产系统的狩猎驾驶员数据。 但是,两者都是创业公司,传统的汽车制造商也有获取和开发数据的创造性。 制度和标准安全性非常重要,为了平衡安全性和创造性,需要具体的指南和质量标准。

今后,限制制度和基础设施等很可能因地区和城市而异,不同地区的发展步伐可能不完全一致。 另一方面,基准在例如接口和数据类型方面,每个企业都有重视利益的差异和不同,因此需要高度的适应性。 商业模式的变更当然不会继续,现在的传统汽车销售商业模式只是减少了自动驾驶的功能。

但是,除此之外,汽车制造商也必须考虑的反对其他所有权模型和想法的人工智能功能的服务,在图12右: B2B模型中,第三者享受车辆,将汽车销售给租赁公司等,汽车制造商自己将车辆另一方面,在B2C模式下,可以说将汽车卖给个人,或向个人提供汽车服务。 为了可靠地构建自动驾驶,有必要将自动驾驶车带入市场的不是科学技术公司而是汽车制造商的对策也是必要的。 汽车制造商有符合消费者期望的能力,从而受益。

但是这些必须做以下五点:专注于核心应用领域用著手开发时,汽车制造商有1 .利益,最终用户最参与的是什么,这能带来多少利益? 2 .竞争结构,我想要的竞争对手是多少? 他们比我有什么好处? 3 .市场地位,如何和别人进行同样的比赛,我必须获得什么样的战略观点? 4 .得分,我自己享受或者能得到什么样的得分? 利用普遍数据的汽车制造商必须提供消费者对不道德的洞察,细化算法。 而且,需要应用数据收集的研究开发,也有可能需要汽车制造商之间合作,以研究开发标准构筑数据单体。 推进标准和规范传统汽车制造商可以和其他汽车制造商、政府一起在这个领域尽快制定标准。

太晚可能会在外界形成边界,允许创造性。 发展技术和商业伙伴关系运营商业模式也需要合作伙伴的力量。 在不知道的领域,自由选择合适的合作伙伴,获得必要的技术和顾客。

例如,科技公司在人工智能技术方面具有天然的优势,既有人才也有数据。 在只有短期价值的领域,没有独特技能的市场需求,可以自由选择供应商。

商业模式的适应性保持值将来可能会有很多潜在的新商业模式。 因此,可以构建业务案例,根据参与程度从数量众多的业务模式中自由选择。 快速开发多种模型,通过反复试验降低风险。

大圣娱乐

另外,为了适应环境的变化,需要很大的自学。 (公众号:)录:关注“新智骑”(微信ID:AI-Drive ),只有在后台恢复“麦肯锡报告”,才能取得全文报告。 原创文章,发布许可禁令刊登。 以下,听取刊登的心得。

本文来源:大圣娱乐-www.afiasante.com