【智驾深谈】从滴滴Uber合并看中国智能出行“三国演义”

简介:

智能出行已俨然取代移动互联网,成为新一波产业浪潮。从互联网格局看,BAT之外,4年内即出现第4极,垄断中国互联网出行市场,并意图独霸未来智能出行市场。


《经济学人》杂志本周发表封面文章称,以往,中国互联网公司被认为只会模仿美国同行,而滴滴和微信过去几年的发展表明,中国互联网公司已经有能力展开自主创新。尤其是在滴滴收购Uber中国之后,这些中国本土的自主创新正成为美国同行的效仿对象。


上一个移动互联网浪潮,中国在十几年的时间内,靠BAT成为互联网的一级,至少在中国市场占据了主导权。滴滴合并后,智能出行这块的市场自主权保证了,有了护城河。合并后,BAT和中国人寿等都持有滴滴股权,滴滴的“中国基因”确立。也有评论说,滴滴出让了国际市场的拓展权。也就是说,滴滴要做一家中国智能出行公司。那么,中国智能出行的未来到底走向如何?


智能出行“三阶段”





我们习惯用系统的方法来对一件事情进行分析,先找主线,再分维度,最后看各家在我框架内的分布。对于智能出行这件事情,我们认为主线发展可以划分为三个阶段,目前处于一二阶段交界,而涉及的角色类型则包括车企、出行服务商和智能服务商,需要注意的是,这三个角色是有重叠,一家企业可能会身兼多个角色。


  • 购买私家车解决个体出行,车企占优

  • 用共享优化解决群体出行,出行服务商占优

  • 用智能彻底改变出行,智能服务商占优


过去的上百年间,从汽车诞生开始,第一种方案一直统治着人们的出行,传统车企业在其中赚足了油水,一大批汽车制造商跻身世界百强企业。至少的目前为止,购买私家车解决出行问题仍然是大多数人的选择,或者说,梦想。


不过,互联网对社会的颠覆注定是全方位的,近年来,基于网络联结的共享式出行方式提供商迅速崛起,来势汹汹,美国的Uber,Lyft以及中国的滴滴。Uber到2015年底完成了10亿次打车订单,滴滴仅2015年就在中国完成了14亿次出行订单。据新智元7月19日报道,滴滴出行CEO程维公布的数据称,2016年7月15日,滴滴日完成订单超过1600万,三个月前的4月10日,这个数字才是1000万。不到100天的时间内,平台订单量涨了60%。难怪程维在“滴滴Di-tech算法大赛”上说,从2012年上线至今,滴滴是中国发展速度最快的互联网公司,甚至没有之一。



不管对于汽车行业还是出行服务,互联网之后的智能+未来是属于自动驾驶的。从经济、环境、社会还是安全的角度来看,交通领域目前都在急切的呼唤“智能”。在Roland Berger+fka的一项调查中,中国对具有自动驾驶功能汽车的期待值据于被调查对象中的首位,远高于美国和德国。有意思的是,中国56岁以上的受访者对具备无人驾驶的汽车的兴趣远高于其他国家的受访者。



智能出行现状




从现状来看,用造车能力、智能化程度和出行服务力来划分维度,不同企业所处的位置可以用上图中的三维坐标表示,图中企业有的致力于某一维度,也有的倾向于三个维度同时发展。对此,我们的看法是(非常主观的看法),只有持续聚焦在一个方向发力的企业,做到极致,做到绕不过去,才有可能成功,因为沿着坐标轴前进的每一步,付出的都是上亿真金白银的代价。垂直发力对应的另一个极端是小而全,全坐标系铺开,问题就是如果三个坐标轴上走得最远的企业合作了(在资本看来,这是太容易不过的事情),小而全就没有议价权。


1. 造车(车企)


坦率来讲,留给车企的时间不多了。车企怎么成功?短期销售私家车还有可能存活,长期来讲私家车缩水。车企两条路,一是富士康化,一是特斯拉化。富士康化就是专注造车,优化生产线,降低成本,为行业提供平台。特斯拉化就是优化驾驶体验,未来私家车成为奢侈品,特斯拉就是vertu手机。


车企是整个智能出行生态链上比较被动的一环。首先,相比软件技术,车体的成本并不高,另外,全世界车企千千万,互相之间竞争非常激烈,所以相比拥有技术壁垒和平台优势的互联网公司来说,车企的议价能力相对要低一些。


但是,有一点值得注意的是,传统的车企在多年的发展中累积了大量的财富,建立了自己的品牌。其中最为关键的是,他们都很有钱。在这里举一个例子——通用。


2016年1月,据凤凰科技报道,通用汽车宣布向打车应用Lyft投资5亿美元,双方还决定合作开发无人驾驶汽车。通过此次投资,通用汽车将与Lyft合作开发一款无人驾驶汽车系统,该系统可以自动匹配司机和乘客、安排行车路线和支付,使得消费者能够通过智能手机叫车,而车辆在无人驾驶的情况下抵达消费者所在地,最终创建一个能自己运营并按需服务的汽车网络。 


2016年3月,通用以10亿美元收购Cruise Automation。Cruise Automation成立于2013年,其最初目标是为汽车研发自动领航(autopilot)功能,后来将重点转向为汽车加装无人驾驶“套件”。这家公司已经从星火资本(Spark Capital)、Y Combinator和其他一些小投资者获得1880万美元融资。有消息人士称,这家公司在被并购之时银行账户拥有大约1000万美元资金。


SideCar也是一家共享汽车公司。2016年1月9日,通用汽车宣布收购Sidecar的技术和资产。后者团队中的20人将加盟通用,其中包括CTO Jahan Khanna,联合创始人兼CEO Sunil Paul。尽管交易金额未披露,但一名知情人士说金额不会超过3900万美元(Sidecar经过5轮融资,融资总额为3500万美元)


所以,通用在智能出行上的布局基本就是买买买的节奏,可以表示如下:






2. 出行


出行服务商怎么成功?在尽可能缩减成本的情况下铺量,能叫到车比服务优质更重要。


眼下最出名的出行服务商就是滴滴和Uber了,夸张一点地说,占尽智能出行先机的这类企业具有颠覆行业的潜力。在智能出行中,共享汽车公司绝对占有中心地位,下图是彭博社对自动驾驶领域主要玩家关系描述图,可以看到,不管是Uber、滴滴还是Lyft,都是技术公司和汽车厂家追逐合作的对象。




3. 智能


智能的现状是目前最不清晰的,如果说出是垄断,行是刚需,那么智还是春秋战国时代,感兴趣的读者可以参考智驾深谈往期“一张图看懂自动驾驶产业”。在智能技术的各个环节,比如感知、连接、地图、安全等等领域,都汇集了大量的玩家。




而智能化则是做好车和好出行的重要手段。智能服务商要成功,就要聚焦在建立技术的壁垒,什么是先起步企业能够具备的就尽力准备,比如数据,比如规模。值得注意的是,很可能不是技术本身,因为关键技术的核心在于人才,人才相比布局来讲更容易流动。比如从今天爆出来的新闻,Google无人车负责人离职,很可能会成就另外一家迫切需要自动驾驶技术的公司。



在这种情况下,往往致力深耕某种技术,如专门提供自动紧急制动(AEB)的公司、Mobileye、大陆博世等一二级供应商是有市场的,掌握核心技术的企业抱团取暖也是有可能的,而想要完全自己造车、运营出行并研发关键技术,很可能由于战斗面积过大导致资金吃紧等问题而彻底失败。


另外,现在看起来高精尖的核心技术,万一遭到大企业开源的打击,则很可能会直接退出舞台。这并不是不可能,因为就在两天前,黑客GeoHot开源了自己公司基于深度学习的自动驾驶系统,试想一下,如果Google开源了呢?


结语


所有人,从各种维度,都想做一家智能出行公司,然而“行”近百年,“出”已垄断,“智能”又是混战,好一出三国大戏。


看了很多各种角度的分析文章,有的写如何发现滴滴这种快速高回报项目的,有的写乘客和司机会受到什么影响,有的写情怀写故事。在我了解的有限范围内,没见到有文章写智能出行这件事情本身的,而从这个角度入手,有可能更系统全面地看到未来的可能性。所以说凡事系统化一点看,能让我们更清楚看到问题的本质。


文章转自新智元公众号,原文链接

相关文章
|
关系型数据库 MySQL 数据库
Mysql 创建数据库字符集与排序规则
Mysql 创建数据库字符集与排序规则
826 0
|
关系型数据库 MySQL 数据库
阿里云rds简介和如何使用
阿里云关系型数据库服务(RDS)是一种在云端提供的高可用性、可扩展、安全的关系型数据库服务。它支持多种数据库引擎,包括MySQL、PostgreSQL、Oracle等,并提供了丰富的监控、备份、恢复、容灾等功能,帮助企业快速构建和运维高可用、高性能的数据库系统。
3453 0
|
11月前
|
缓存 前端开发 NoSQL
《CRM性能突围:从4秒卡顿到毫秒级响 应的全链路实战拆解》
本文记录了企业级CRM系统从4秒卡顿到毫秒级响应的全链路性能优化实战。系统因业务扩张(200人销售团队、300万条客户数据)出现查询超时、数据库高负载等问题,团队跳出“通用方案”陷阱,分阶段突破:数据层通过精准索引、“年+季度”分表、预计算宽表优化,将SQL耗时从3.5秒压至200毫秒;缓存层搭建“本地缓存(Caffeine)+分布式缓存(Redis)”架构,结合热点隔离与Binlog监听保证一致性,缓存命中率提升至91%;应用层通过异步解耦(消息队列)、资源隔离(微服务拆分)、前端配合优化,解决阻塞与资源争抢。最终通过全链路监控与定期迭代,构建长效优化机制。
591 9
|
11月前
|
人工智能 供应链 SEO
智能体培训:新职业浪潮下的理性入场券
AI智能体正以每周迭代的速度重塑产业格局,从工具到生态,人才缺口日益凸显。系统化培训成为掌握IP操盘、内容自动化等核心技能的关键路径,助力职场人转型、管理者升级、学生抢先入局,在变革中抢占先机。(238字)
|
机器学习/深度学习 安全 大数据
揭秘!企业级大模型如何安全高效私有化部署?全面解析最佳实践,助你打造智能业务新引擎!
【10月更文挑战第24天】本文详细探讨了企业级大模型私有化部署的最佳实践,涵盖数据隐私与安全、定制化配置、部署流程、性能优化及安全措施。通过私有化部署,企业能够完全控制数据,确保敏感信息的安全,同时根据自身需求进行优化,提升计算性能和处理效率。示例代码展示了如何利用Python和TensorFlow进行文本分类任务的模型训练。
1346 6
|
敏捷开发 人工智能 数据可视化
卡片式任务展示工具实用攻略:让你的任务流动起来而不是堆起来
在多项目、多角色协作中,任务碎片化、进度难跟踪等问题频发。卡片式任务展示工具通过将任务可视化、结构化,实现任务状态、责任人和截止时间的实时同步,提升团队协作效率。本文详解其价值、使用场景、角色分工、标准流程,并推荐五款实用工具,助力高效协作。
|
人工智能
AniDoc:蚂蚁集团开源 2D 动画上色 AI 模型,基于视频扩散模型自动将草图序列转换成彩色动画,保持动画的连贯性
AniDoc 是一款基于视频扩散模型的 2D 动画上色 AI 模型,能够自动将草图序列转换为彩色动画。该模型通过对应匹配技术和背景增强策略,实现了色彩和风格的准确传递,适用于动画制作、游戏开发和数字艺术创作等多个领域。
1466 16
AniDoc:蚂蚁集团开源 2D 动画上色 AI 模型,基于视频扩散模型自动将草图序列转换成彩色动画,保持动画的连贯性
|
存储 缓存 前端开发
综合性练习(验证码案例)
综合性练习(验证码案例)
441 6
|
开发者 Python
深入解析Python `requests`库源码,揭开HTTP请求的神秘面纱!
深入解析Python `requests`库源码,揭开HTTP请求的神秘面纱!
926 1