汽車行業(yè)已被互聯(lián)網(wǎng)深度包圍,并且這個過程正在加速。去年樂視汽車UI系統(tǒng)已經(jīng)亮相;百度在去年也對外披露了無人駕駛汽車計劃,李彥宏在今年兩會期間透露開始著手研究智能汽車,或?qū)⒂诮衲晖瞥鲆豢钭灾餮邪l(fā)的智能汽車;昨日阿里巴巴宣布與上汽合作的互聯(lián)網(wǎng)汽車或?qū)⒃?016年面世。互聯(lián)網(wǎng)企業(yè)造車這件事,看上去已經(jīng)不再瘋狂,下一個風口就要來臨?
互聯(lián)網(wǎng)企業(yè)造車戰(zhàn)略各不同
不同的互聯(lián)網(wǎng)企業(yè),其切入汽車市場的角度并不一樣,他們會根據(jù)自己的特點與基因來制定戰(zhàn)略。
對于樂視而言,在汽車行業(yè)的布局是其生態(tài)戰(zhàn)略的一部分。樂視正在建造一個以“視頻”為核心,呈現(xiàn)為“平臺+內(nèi)容+終端+應用”的重度垂直模式。樂視車聯(lián)網(wǎng)CEO何毅曾表示,會把垂直整合生態(tài)模式復制到汽車行業(yè)。
百度造車,更多是因為其在人工智能上的優(yōu)勢。百度方面在回應此事的時候稱:“百度不會自己做硬件,這不是我們的優(yōu)勢。我們優(yōu)勢還是在于地圖、圖像處理技術(shù)以及未來的人工智能方面,這是傳統(tǒng)廠商很難做到的。”
阿里巴巴與上汽今天宣布合資設立10億元的“互聯(lián)網(wǎng)汽車基金”,雙方成立的合資公司將整合雙方資源開發(fā)YunOS 車載系統(tǒng)(YunOS for Car),建立軟硬件平臺和應用服務,搭建圍繞互聯(lián)網(wǎng)汽車的云計算和大數(shù)據(jù)平臺。阿里的電商、金融、數(shù)字娛樂、地圖、通訊、YunOS等業(yè)務,都將整合到互聯(lián)網(wǎng)汽車項目中,這是阿里的核心優(yōu)勢。
包括蘋果在內(nèi),他們?yōu)槭裁匆燔嚕?/strong>
《汽車商業(yè)評論》總編賈可表示,互聯(lián)網(wǎng)企業(yè)看中的是未來的車聯(lián)網(wǎng)環(huán)境。“其實車載設備主要是提供地圖、導航等功能,這些很大程度已經(jīng)被智能手機取代,從這個角度,整車可能是互聯(lián)網(wǎng)企業(yè)更好的入口。”
確實,在手機之后,汽車將是下一個龐大市場。
美國主流網(wǎng)絡媒體BusinessInsider旗下的市場研究咨詢機構(gòu)“BIIntelligence”,根據(jù)投資銀行摩根士丹利公司的數(shù)據(jù),制作了一張柱狀圖,對于個人電腦、智能手機和汽車三大市場的銷售量和銷售金額規(guī)模,進行了對比。
這張圖非常有名,從此圖可以看出,汽車市場的銷售規(guī)模可以和智能手機分庭抗禮。這也是為什么蘋果要做汽車的原因。2016年,蘋果的銷售收入預計將達2365.4億美元,如果蘋果想要保持持續(xù)增長,必須尋找到下一個容量龐大的市場,汽車市場是很不錯的選擇。消息稱,蘋果的自動駕駛汽車將在2020年上市。
互聯(lián)網(wǎng)企業(yè)造車難點在哪里?
盡管一切都是理所當然的事情,但是互聯(lián)網(wǎng)企業(yè)造車有很多難點需要克服。比如互聯(lián)網(wǎng)企業(yè)提出的整合能力與辦法、自主制造體系的建設,均是互聯(lián)網(wǎng)造車必須要經(jīng)歷的重大技術(shù)難題。甚至有分析人士認為互聯(lián)網(wǎng)造車是一種“天價的賭博”。
通用汽車前CEO丹尼爾·艾克森指出,汽車制造行業(yè)不僅有著極高的安全要求,還要面臨更嚴格的監(jiān)管措施,困難程度超過人們的想象,“顯然,很多人都低估了這個行業(yè)。如果我是蘋果的股東,我會對這家公司進入低利潤率、重工業(yè)制造業(yè)務的前景產(chǎn)生極大懷疑。”
所以,如果不能足夠理解、熟悉汽車這個傳統(tǒng)行業(yè),要造出一輛汽車來并不容易。于是樂視與北汽合作、阿里與上汽合作,百度也與未透露名字的汽車企業(yè)合作,這是明智的選擇。而備受期待的谷歌、蘋果正在研發(fā)的自動駕駛汽車,必將投入重金來打造,而互聯(lián)網(wǎng)汽車鼻祖企業(yè)特斯拉則是突破了重重困難才有了今天的成績。
在造車這件事上,互聯(lián)網(wǎng)企業(yè)還需要更加的瘋狂,才能迎來下一個風口!
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。