通向自動駕駛之路的五大障礙
人工智能盡人皆知。但是在汽車行業(yè)，即使是今天，很多所謂的人工智能產(chǎn)品和服務(wù)事實上依賴于啟用那些功能的高級分析（從傳統(tǒng)算法發(fā)展而來），比如預測性維修。 1950 年，AI 理論就已經(jīng)出現(xiàn)。但是，直到最近幾十年，伴隨著機器學習和深度學習的發(fā)展，AI 才獲得廣泛使用。這同樣也得益于不斷改進的算法和訓練方式、更強大的計算能力和云端海量數(shù)據(jù)的獲得。盡管有了這些發(fā)展，汽車行業(yè)依舊處于 AI 參與的早期。頂尖的 AI 使用范圍依舊很狹窄――它們只在特定任務(wù)中的表現(xiàn)優(yōu)于人類。AI 技術(shù)的水平和實質(zhì)變化幅度較大，比如「狹義人工智能」包括傳統(tǒng)的導航系統(tǒng)和能夠每秒處理 10 億字節(jié)數(shù)據(jù)的自動駕駛?cè)蝿?wù)，是當前的導航系統(tǒng)處理數(shù)據(jù)的 100 萬倍。人工智能在更多的情況中趕上人類的能力依舊需要很多年。 在所有關(guān)于「AI 能夠做到什么」的討論中，這個問題依舊存在：AI 是炒作，還是公司必須掌握的一項重要技術(shù)？AI 的下一個發(fā)展可能帶來巨大的競爭優(yōu)勢，對汽車行業(yè)來說尤其如此。為了了解這方面的狀況，麥肯錫調(diào)查了中國、德國和美國的 3000 名消費者；訪問了汽車行業(yè)領(lǐng)導者，包括汽車行業(yè)從業(yè)者、技術(shù)人員和學界人員；分析了創(chuàng)業(yè)公司、投資和專利。這些幫助我們形成市場角度（非理論角度）的汽車行業(yè)圖景。 本文中，我們聚焦提升或創(chuàng)造汽車行業(yè)新使用的 AI 系統(tǒng)（運用機器學習和深度學習技術(shù)）。汽車行業(yè)公司必須搞定以下汽車行業(yè)的機器學習技術(shù)和業(yè)務(wù)問題： 機器學習對汽車行業(yè)的重要性如何？ 消費者接受汽車行業(yè)運用 AI 的做法嗎？ 機器學習技術(shù)在該行業(yè)的關(guān)鍵使用是什么？ 利用該技術(shù)獲得利潤必須搞定哪些挑戰(zhàn)？ 汽車行業(yè)公司應(yīng)該采取哪些戰(zhàn)略舉措來做準備？ 除卻炒作，機器學習也可以帶來競爭優(yōu)勢 機器學習使人工智能成為可能。借助其實際可用的定義，機器學習技術(shù)可在自動駕駛領(lǐng)域的三個關(guān)鍵方面發(fā)揮作用： 在高度復雜的環(huán)境中運作（通過描述所需的數(shù)據(jù)量進行評估） 搞定直接編程無法勝任的大量可能性情景 無需明確指導即可自我提升，通過非結(jié)構(gòu)方式從未知的情景數(shù)據(jù)中學習 對于汽車中的人工智能，機器學習必不可少；它將是未來幾十年巨大競爭優(yōu)勢的技術(shù)基礎(chǔ)與來源。例如，自動駕駛需要機器學習，至少在圖像識別上是這樣，這是人類編程無法比擬的。機器達到人類水準的圖像識別能力只需運用一臺超級計算機花費兩到四周的時間完成帶有數(shù)千萬參數(shù)的系統(tǒng)訓練――這一任務(wù)如果由一個人手工完成，則需要 1000 到 3000 年。 消費者對機器學習使用的接受度超出預期 一項清晰的研究發(fā)現(xiàn)很好地預示了人工智能的發(fā)展：消費者希望人工智能更強大，帶來更多改變（圖表 1）。 尤其出乎意料的是，大部分消費者希望人工智能改善其生活方式――只有 25% 的人認為這有風險。消費者之所以如此接受是由于人工智能使用所帶來的舒適度與方便性。例如，75% 的消費者對會做家務(wù)的人工智能機器人很感興趣。 圖 1：大部分消費者把人工智能看作為汽車帶來更多方便的工具。 消費者對人工智能的興趣和接受也擴展到了汽車領(lǐng)域。我們進行了自動駕駛舒適度的調(diào)查，47% 的人認為如果運用全自動駕駛汽車感覺會不錯；在中國消費者、年輕人以及市區(qū)居民中更是如此。 因此，消費者很愿意為自動駕駛買單。其中 46% 感興趣的消費者愿意為自己選擇一輛帶有自動駕駛功能的汽車，并愿意為此支付超過 4000 美元。并且自動駕駛功能是如此重要，以至于 65% 的消費者愿意更換 OEM 廠商，選擇更好的自動駕駛；而在大城市人群和年輕群體中這一比例更是超過 90%。期望很高，但也需要有所中和。大體來講，消費者希望全自動駕駛汽車能在 5 年內(nèi)普及――這一時間線相當緊張，無論對監(jiān)管者還是汽車生產(chǎn)商來說。 機器學習將對汽車產(chǎn)業(yè)帶來巨大影響，因為它不僅提升了生產(chǎn)效率，還開拓了一片藍海市場。依據(jù)消費者興趣，我們發(fā)現(xiàn)機器學習可在汽車行業(yè)的很多領(lǐng)域發(fā)揮作用（圖 2）。它們可劃入三個不一樣的范疇： 1. 處理優(yōu)化和提升生產(chǎn)效率（通常起源于高級分析，但由機器學習來提升）2. 新產(chǎn)品或提升后的產(chǎn)品（主要通過機器學習獲得）3. 利用這些新產(chǎn)品打造全新（垂直）的業(yè)務(wù)和消費者運用案例 圖 2：公司把機器學習使用到汽車上的方式有很多?；跈C器學習的汽車使用有：過程優(yōu)化、提升的或新的產(chǎn)品、新業(yè)務(wù)。 汽車廠商要想從人工智能中獲益需要戰(zhàn)勝三個挑戰(zhàn) 把機器學習技術(shù)使用到汽車非常復雜，需要迭代整個汽車生態(tài)的架構(gòu)（圖 3），將會在汽車內(nèi)外有大量的機器學習驅(qū)動的系統(tǒng)，一些嵌入式系統(tǒng)可對后端進行偶爾通信與更新，一些云端系統(tǒng)可向汽車實時推送信息。所有這些都依賴于廣泛的利益相關(guān)者（包括第三方）與特定的技術(shù)限制原因，并受到當?shù)厍闆r和監(jiān)管的影響。 圖 3:汽車生態(tài)系統(tǒng)中的機器學習系統(tǒng)將會接入到多個交互平臺，共享數(shù)據(jù) 這里，我們可以看到三種挑戰(zhàn)：面臨技術(shù)挑戰(zhàn)，尤其是汽車嵌入式技術(shù)方面；符合監(jiān)管標準；制定合適的商業(yè)模型。 技術(shù)。汽車行業(yè)的許多機器學習的底層技術(shù)和方式理論上都是可用的。但是，有意義的突破依舊需要該技術(shù)的實現(xiàn)和嵌入。拿自動駕駛和車內(nèi)體驗來說，這些系統(tǒng)依賴于海量數(shù)據(jù)（數(shù)據(jù)太多以致于無法所有傳輸），輸出和時序質(zhì)量非常關(guān)鍵且影響安全性。機器學習技術(shù)能夠在后端環(huán)境（存在足夠的計算能力和合適的硬件）中運行，嵌入該技術(shù)需要硬件的技術(shù)發(fā)展和連接搞定方案。 汽車行業(yè)大約有 500 家公司運用機器學習構(gòu)建專門技術(shù)以宣告其在價值鏈中的位置（圖 4）。2010 年以來，這些公司已知的總投資額高達 520 億美元（圖 5），比同期所有共享汽車和智能叫車創(chuàng)業(yè)公司的投資總額多出 320 億。幾乎所有的投資（97%）來自非汽車行業(yè)，如私募基金和技術(shù)公司。這些錢大部分流向開發(fā)自動駕駛和車載娛樂的完整搞定方案提供商。這些投資的時間點表明競賽在加速：2014 到 2017 年的投資額是 2010 到 2013 年投資額的四倍。 圖 4：非自動廠商正在投資機器學習，瞄準自動駕駛與車內(nèi)體驗 圖 5：從 2010 年以來，汽車行業(yè)人工智能技術(shù)共獲得 511 億美元的投資。 法規(guī)和標準?！钙嚨燃墶挂蟾叩陌踩珮藴屎捅犬斍皺C器學習運用案例更高的準確率。我們期待機器學習可用于特定任務(wù)中，但是，需要考慮傳統(tǒng)規(guī)劃的護欄，以保證汽車等級的安全性和質(zhì)量。一般來說，汽車行業(yè)中，法規(guī)和行業(yè)標準可能估計規(guī)模和不一樣系統(tǒng)的融合（例如，OEM 和交通管理系統(tǒng)）。該領(lǐng)域的公司可能需要早點制定技術(shù)開發(fā)和使用開發(fā)的過程標準，正如一些公司在防抱死制動系統(tǒng)開發(fā)時所做的那樣。 法規(guī)和環(huán)境，比如基礎(chǔ)設(shè)施，在不一樣地區(qū)和城市各有不一樣。自動駕駛很有可能逐個城市地慢慢鋪開版圖。此外，很多元素如界面和數(shù)據(jù)類型的標準在不一樣利益相關(guān)者那里也不相同。這些條件需要更高程度的適應(yīng)性。 商業(yè)模型。新的商業(yè)模型的出現(xiàn)對 OEM 廠商帶來了挑戰(zhàn)。很多新商業(yè)模型可能使傳統(tǒng) OEM 的業(yè)務(wù)向 B2B 的方向轉(zhuǎn)變（比如，銷售業(yè)務(wù)或汽車服務(wù)向城市進步），這一項就對利潤帶來了額外的壓力。另一方面，新服務(wù)的出現(xiàn)要求汽車變得更加以軟件為中心，最終可能會更像智能手機，最新更新成為必備。 把機器學習用在路上需要智取 人工智能可能成為競爭優(yōu)勢的重要來源，且在汽車領(lǐng)域有大量機會。但在發(fā)展中，還面臨眾多挑戰(zhàn)。盡管如此，汽車 OEM 廠商從人工智能研究中獲利有得天獨厚的優(yōu)勢，特別是因為嵌入式控制點。此外，大量消費者希望汽車制造商而不是技術(shù)公司引領(lǐng)自動駕駛功能的開發(fā)，更快地把自動駕駛帶入市場，特別是在中國（圖 6）。 消費者認為汽車制造商在開發(fā)自動駕駛功能上是領(lǐng)導者，且期望他們把自動駕駛帶入市場利用這些優(yōu)勢，OEM 能夠采取 5 步行動發(fā)揮其優(yōu)勢： 1. 專注于核心使用領(lǐng)域。決定開發(fā)汽車機器學習使用各個領(lǐng)域的合適度上，OEM 應(yīng)該考慮以下幾個方面： 利潤池：終端用戶最相關(guān)、最需要什么，且其利潤池有多大？ 競爭場景：有多少公司？又在此領(lǐng)域扮演什么角色？相比其他公司，自己有什么優(yōu)勢？ 市場定位：與其他人相比，我們定位是什么（例如，是否是第一梯隊？掌握最新技術(shù)？）從戰(zhàn)略角度來看，我們要提供什么？ 控制點邏輯：我們天然掌握哪個控制點？ 2. 利用數(shù)據(jù)廣泛度。為了創(chuàng)造新的商業(yè)模型，公司需要通過改進收集消費者的數(shù)據(jù)更好地了解消費者，這對自動駕駛汽車技術(shù)的開發(fā)同樣非常必要。此外，創(chuàng)造使用（例如交通指導）非常依賴收集的數(shù)據(jù)，需要 OEM 之間有共同的開發(fā)標準進行數(shù)據(jù)共享。 3. 駕駛標準。聯(lián)合其他汽車廠商、政府，積極建立新標準。 4. 提升科技與商業(yè)的聯(lián)系。商業(yè)模型經(jīng)常需要內(nèi)部無法達到的能力。對于長期分化來源的領(lǐng)域，需要選擇合適的合作伙伴獲得所需的技術(shù)或消費者。對于短期價值的領(lǐng)域，則選擇或建立供應(yīng)商。 5. 商業(yè)模型對沖。新的商業(yè)模型可能會過剩?；谀阆胍獏⑴c的程度，建立商業(yè)案例并從可用的商業(yè)模型中進行選擇。且最好盡早嘗試不一樣的商業(yè)模型，邊學邊做，做好在某些領(lǐng)域失敗的準備。
Q:文檔可能有哪些核心內(nèi)容？
A:沒有文檔內(nèi)容，無法確定核心內(nèi)容。
Q:文檔可能會涉及哪些方面的 FAQ？
A:沒有文檔內(nèi)容，無法生成 FAQ。