大数据视角下的智能网联汽车价值链——概述

摘要:由于工作的需要和个人的兴趣,根据自己的经历和市面上的报告,对智能网联汽车的现状和前景做了简单的梳理,并对未来的价值链再造做了一点点探讨。

什么是智能网联汽车

cars3-disney

是的,你没有看错! 这是迪斯尼《赛车总动员3》的一幕,不要觉得奇怪,电影里的角色不正是对 智能网联汽车 最好的诠释吗:每一辆汽车都具有自动感知、自我认知和自主决策的能力——所谓“智能”,车与车、车与路、车与其他种种之间复杂的交流构成庞大的网络——所谓“网联”。虽然听上去如同天方夜谭般荒诞不经,也许在若干年之后真的会出现在现实生活当中,彼时人类如何安置自己反倒是件更加魔幻的事情。(当然,我们也可以想到,机器人瓦力、大白也并非没有可能,只不过那可能要放到机器人的话题里去讲)。
车联网产业是汽车、电子、信息通信、道路交通运输等行业深度融合的新型产业,是全球创新热点和未来发展制高点,而智能网联汽车则是车联网产业中的核心枢纽和关键落脚点。

其实,比起智能网联汽车来,我们更常听到的可能是“车联网”、“自动驾驶”、“无人驾驶”等名词,实际上自动驾驶在更宽泛的概念里也就是轮式机器人。智能网联汽车(intelligent & connected vehicles, ICV)应该算是一个中国特色的产物,在我看来其实是车联网和自动驾驶两条技术路线和稀泥的结果。

根据《国家车联网产业标准体系建设指南(智能网联汽车)》(2018年)的标准,智能网联汽车是指搭载先进的车载传感器、控制器、执行器等装置,并融合现代通信与网络技术,实现车与X(人、车、路、云端等, V2X)智能信息交换、共享,具备复杂环境感知、智能决策、协同控制等功能,可实现“安全、高效、舒适、节能”行驶,并最终可实现替代人来操作的新一代汽车。

ICV背后的国家意志

2013年以来,全球很多国家陆续将发展智能网联汽车上升为国家战略,并出台了一系列政策措施支持智能网联汽车产业的发展,例如美国于2009年和2014年分别以网联化和自动驾驶为重点发布战略研究计划,并于2016年发布自动驾驶汽车政策指南。2015年,《中国制造2025》及相关解读文件将智能网联汽车作为国家重点支持的关键产业发展领域。在市场、企业和政府的三重影响下,智能网联汽车将迎来快速发展期。我国推动智能网联汽车产业发展的指导性政策主要包括产业规划、产业融合、关键技术和零部件发展、创新驱动等内容。

车轮上的数据工厂

智能网联汽车技术逻辑的两条主线是“信息感知”和“决策控制”, 其发展的核心是近年来快速发展并逐步实践应用的大数据(Big Data)和深度学习(Deep Learning)技术。同时,这些技术的应用也将深刻改变汽车保险价值链各环节的价值分配,对包括保险、娱乐等在内的汽车后市场业态将产生深刻的影响。

从数据的规模来看,研究报告(许多基于Intel的估计)称,在2020年每辆汽车仅用于自动驾驶的传感器数目可以达到30个以上,每天产生的数据量约为4000GB,当然其中99%以上的数据实际上是激光雷达的点云数据(这些点云数据的价值几何并不好说)。于此对比,一个人上网每天所产生的的数据约1.5GB,以此推算,一辆汽车相当于2666台电脑或者手机,那么在数据为王的今天可以毫不客气地说是一个值得发掘的宝藏。

大数据时代的分析范式

汽车所采集的数据不仅仅可以用于指导驾驶,实际上也是对用户行为、周边环境的刻画,既可以用来做精准营销,也可以服务于公共管理;但是,另一方面也很容易理解,在如此规模的数据里淘金无异于大海捞针,因此大数据分析处理也就显得尤为重要。其实大数据从兴起到现在这么多年,我觉得正如马克思发现“繁芜丛杂的意识形态所掩盖着的一个简单事实”一样,大数据的思维方式是最重要的。而根据图灵奖得主、关系型数据库鼻祖吉姆·格雷(Jim Gray)在“科学方法的革命”中,提出将科学研究分为四类范式(Paradigm,某种必须遵循的规范或大家都在用的套路),依次为实验归纳,模型推演,仿真模拟和数据密集型科学发现(Data-Intensive Scientific Discovery)。其中,最后的“数据密集型”,也就是现在我们所称的“科学大数据”。

大数据是一种在科学、工业和商业发展中处理海量数据的新技术,是指新一代对大量的各种样式的数据进行高速捕获、提取、分析和处理后得到数据规律,从而获得额外价值的技术,涵盖了数据记录的设计、数据生产、数据挖掘乃至数字化服务多个环节,其关键不在于数据本身的信息意义,而在于其衍生出的多维度潜在信息价值。
智能网联汽车与大数据正是一种相辅相成、相互成就的关系。大数据技术的进步促进了智能网联汽车的诞生和发展,而智能网联汽车的推广也势必为基于大数据的衍生服务提供更广阔的应用空间。

数据驱动的商业模式

根据不同公司对数据的利用方式以及数据在价值创造中的作用,数据驱动的商业模式可以大致分为四类:

  1. 传统公司。以许多传统行业为例,无论是企业运营过程中的产生的内部数据,还是产品产生和带来的外部数据都并没有加以好好地利用,数据就像河里的水一样白白流走,在这种企业里,数据最重要的作用可能就是制作财务报表。
  2. 基于数据的公司。在这种公司里,数据就是产品,产生数据就是产生价值本身,例如许多地图测绘公司,最主要的任务就是开着小车测量各种路线记录各类POI点,然后将这些信息提供给下游的厂商进行进一步地开发利用,就如同世界贸易当中提供原始矿产资源等初级生产资料的国家。
  3. 提供数据技术的公司。随着大数据概念的深入人心,许多企业、机构都开始建设自己的数据中心、信息中心,把重要的数据储存来,但是由于缺乏数据处理的技术,往往老虎吃天,无从下口,从头做起又费时费力,所以许多数据技术公司也应运而生,为之提供技术咨询乃至数据解决方案,从云存储、云计算到数据可视化不一而足。但是,这些解决方案能不能做到对症下药、避免表面功夫需要打一个问号。
  4. 具有数据思维的公司。通常而言公司都对自身的盈利模式和上下游有深刻的认识,但是对于数据在整个盈利模式中的安放和链条中的流动并不一定具有清晰的认识。具有数据思维的公司,能够认识到数据本身的特点,借助数据的规模和协同效应,有边界地互联互通,尽可能大地发挥数据的作用。

那么将这些商业模式套用到智能网联汽车之上,我们自然可以得知在整个产业链中,那些是数据的富集环节、分发环节,哪些企业已经早在了数据分析范式的前列。

数据和智能网联汽车的监管走向

公司发现数据就是钱,数据的滥用、泄露也就越来越多,所以各个国家和地区对于数据的监管也逐步提上日程。最近一段时间,影响最大的莫过于2018年5月25日起,欧盟开始施行《一般数据保护条例》(General Data Protection Regulation,GDPR)。我不是专业的法律人士,但是总体而言,GDPR 用户数据权利更强、企业责任更大、数据保护范围更广,我们在用各种APP的时候可以发现,在5、6月份的时候,许多APP和服务进行了更新,尤其是需要确认隐私条款,这实际上都是GDPR的功劳。

另一方面,对于智能网联汽车而言同样如此,当然对于无人驾驶的法律规范还相当不完善,例如根据我国目前的法律,自动驾驶车辆是不能上路的。智能网联汽车的法律监管主要包括行驶安全、信息安全、数据隐私和责任,而这些部分作为风险所在实际上也正是保险所关心的地方。
2017年7月,《智能网联汽车信息安全白皮书》发布;2017年12月,国家互联网以及中心牵头成立“智能网联汽车信息安全工作委员会”(简称“车安委”);2018年4月,360公司发布《2017智能网联汽车信息安全年度报告》。种种迹象表明,未来智能网联汽车的数据也必须在严格控制的范围内玩耍。

数据驱动的车险价值链

汽车后市场十分复杂,以车险为例,一般而言,在5年的汽车生命周期内,保险的消费可以站到总支出的15%左右。随着未来智能网联汽车的发展,保险公司又将何去何从?

直观上去想,汽车运行的风险与汽车质量、消费人群、行驶环境(时间、地点、天气)等诸多因素相关,保险巨头积累了大量的数据,显然拥有着天然的优势,而事实上现状也的确如此。然而,随着智能网联汽车的发展,情况很可能会出现变化。

如果将影响车险的各种因素拆解成不同的维度,那么整个车险就变成了一个高维的空间,而数据则是这个空间里的点。可以想象,保险公司主要是依据出险数据去刻画整个空间,也就是用点将空间充满;而拥有汽车行驶数据的公司,则是利用汽车行驶的轨迹,也就是线将整个空间充满。显而易见,后者要比前者更为容易,也更为准确。

对比国内外市场,还可以发现:国外保险公司小、汽车公司大,国内保险公司大、汽车公司小;国外汽车保险创新快,国内汽车技术创新快。未来,如果随着国内外市场的趋同发展,汽车厂商的市场集中度提高,没有人比车厂拥有更多的数据,也就没有人比车厂更了解其中的风险;那么保险公司相对汽车厂商的优势在哪里?汽车厂商能否通过提供保障(不必是保险),将智能网联汽车的风险内化,那么保险公司又能提供哪些服务?当然,这些都只是推测,未来的情景谁说得准呢?在德勤的技术报告中,曾经提到汽车厂商在2025年,由于产业链力量、技术发展可能性的不同可能出现的四种场景,这用来分析保险公司的未来也不见得行不通。

 

      逆流向上,消失不见。
张da统帅 wechat
扫码订阅我的微信公众号