用互联网大脑模型分析滴滴的战略意图和战术失误

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

滴滴出行与美国的Uber,本质上都是基于互联网的智能打车软件,让任何拥有家用汽车的司机都可以与出租车司机一样,服务于打车用户。 在滴滴,Uber出世之前的出租车行业,一直面临着车脏,叫车慢,服务态度差,昂贵等种种问题. 随着移动互联网、定位技术以及云计算的慢慢普及,使解决这些问题的技术条件逐步成熟。滴滴,Uber正是在这个大背景下产生的。

2018年,滴滴出行在业务发展中受到数次影响巨大的挫折。其顺风车业务出现多次女性乘客受到侵害并丧失生命的重大事故。 8月26日,滴滴就乐清顺风车乘客遇害一事发表声明,决定自8月27日零时起,在全国范围内下线顺风车业务,内部重新评估业务模式及产品逻辑。

作为一个基于互联网+AI的打车软件,滴滴的顺风车业务究竟是什么类型的产品?在滴滴的快车,优享和出租车等正常打车服务之外,为什么要推出顺风车业务?如果从互联网大脑模型看,滴滴的战略意图和犯下的战术错误在哪里?

一.关于互联网大脑模型和发育简史

1969年互联网诞生以来,经过近50年的发展,互联网的类脑架构越来越明显,特别是在过去20年中,互联网大脑模型中的各个神经系统逐步发育成熟,并在2018年进入互联网“脑”时代。这个过程中有很多创新技术涌现又被淘汰、无数创业公司诞生然后死亡,但互联网向类脑架构进化的步伐,一直坚定和不可阻挡。从过去50年的发展看,那些顺应这一趋势,在大脑模型中占据有利部位的企业拥有了更强的竞争优势。而那些处于过渡阶段或劣势位置的企业就有更大概率被淘汰或兼并。

a165c29610c4d66c02c9b5d52df3f862c7b6bcb8

1969年 互联网诞生,人类从此进入联合进化的新阶段。

1974年 Tcp/ip协议诞生,为互联网链接的设备之间有共同交流语言方式奠定基础。

1991年 万维网诞生,为互联网传递用户数据的格式统一奠定基础,为互联网大脑中枢神经发育奠定基础。

2004年 互联网类脑神经元网络快速发育,博客,社交网络,web2.0爆发、

2007年 互联网中枢神经系统开始快速发育,云计算开始快速发展

2009年 互联网感觉神经系统开始快速发育,物联网开始爆发

2010年 互联网神经纤维开始快速发育,3G,4G,光纤,卫星通信和定位快速发展

2012年 互联网运动神经系统开始快熟发育,美国工业互联网,德国工业4.0提出,3D打印,无人机,智能汽车,云机器人开始兴起。

2013年 互联网大数据开始爆发,伴随互联网类脑神经元网络,互联网感觉神经系统,运动神经系统,神经纤维的成熟,互联网数据急剧增长。

2015年 人工智能与互联网结合并爆发,互联网大脑模型的智能化开始加速,人工智能成为激活互联网大脑各神经系统形成云反射弧的重要动力(听觉系统、视觉系统、运动系统、边缘计算、大数据+AI,互联网云反射弧)。

2018年 互联网大脑模型初具雏形,各科技公司将自己的业务核心与互联网类脑架构结合,涌现大量智能巨系统,包括谷歌大脑,讯飞超脑,百度大脑,阿里ET大脑,360安全大脑,腾讯超级大脑,华为EI智能体

二、滴滴出行在互联网大脑模型中的位置

滴滴的服务乘客的流程是这样的:用户发出需求,滴滴的中央智能系统(滴滴大脑)进行调度,发送需求给司机,司机做出响应,驾驶汽车找到用户并运送到目的地。

6131686b7ac5b1c2f2279c476c6062b0dd90d4b2

从这个过程可以看出滴滴是一种基于机器智能的云反射弧平台公司。用户、手机、3G,4G移动通讯作为感受器和传入神经,滴滴的中央智能系统(滴滴大脑)作为神经中枢,3G,4G移动通讯、滴滴司机(汽车)作为传出神经和效应器,一次滴滴的服务就是一次与交通有关的云反射弧实现。

强大的算法和计算能力是滴滴爆发式增长,也是滴滴顺利完成云反射弧的重要保障,2018年1月,滴滴在2018智慧交通峰会上正式发布了智慧交通战略产品“交通大脑”,携手交管部门,运用AI的决策能力解决交通工具与承载系统之间的协调问题。

2016年,滴滴平台上每天产生超过50TB数据(相当于5万部电影),超过90亿次路径规划次数。滴滴出行平台完成14.3亿订单,累计行驶里程达128亿公里,相当于环绕中国行驶29万圈,累计行驶时间达4.9亿小时。所以滴滴“交通大脑”处理的是现实出行的海量数据,通过对每天24小时不间断产生的新数据,以及检测这些数据本身产生的二度数据,包括ETA、路径规划、实际路线、匹配时间等等,进行研究、学习,最终实现订单匹配效率的提升。

到2017年滴滴出行相关数据显示:滴滴出行共覆盖了全国400多个城市的约4.5亿人口,全年累计提供74.3亿次出行服务,其中并不包括单车及车主服务。滴滴全年免费为出租车司机链接了超过11亿次出行需求,滴滴顺风车和快车服务累计分享座位超过10.5亿次。

三、滴滴顺风车的战略意图和战术错误

从上面的数据看,滴滴是一家以大数据和人工智能为核心的交通出行服务公司,为解决社会出行困难提供了现代化的解决方案。事实上也的确方便了数以亿计的中国用户,在这种情况下,为什么要推出滴滴顺丰车呢?

滴滴顺风车是滴滴公司推出的一款拼车软件,继“ 滴滴打车 ”、“ 滴滴专车 ”、滴滴企业出行服务后在移动出行领域推出的第四款产品。顺风车原本是指搭便车、顺路车、拼车。倡导同路的朋友搭乘一辆车出行,为交通减压,为环境增分。2015年 滴滴顺风车在北京正式上线。那时,快车、专车还未拥有合法的身份,一直游走在法律边缘,而“拼车”领域率先受到国家政策的鼓励,这无异于给滴滴添加了新增长点。

d7b9876f3d4db8b9da8119524ddcf59dea71d3f5

滴滴建立顺风车平台后不久,就把特色定位在了“社交”上,在滴滴看来,社交能推动顺风车的发展,顺风车也能刺激社交的增加。从这里可以看出滴滴希望通过这个产品向互联网大脑模型中的群体智慧领域进军,以获得更为全面的领域覆盖、更大的用户粘度和上市市值。应该说这个战略意图本身并没有错误。是符合互联网大脑发展规律的。

但问题出在执行战略意图的战术设计或产品规划上,由于滴滴出行是一个将旅客、车、司机连接在一起的云反射弧平台,社交对象是旅客和司机,他们会通过车这个封闭空间产生直接联系,并处于高速运动和复杂的交通环境中,任何一个环节的疏漏都会导致滴滴的云反射弧服务失败,并对旅客和司机的安全造成重大影响。

滴滴在技术服务流程的特点,与腾讯,百度,支付宝、爱奇艺,今日头条等纯粹的网上社交和大数据公司非常不同,安全的需求明显高过几个数量级。

但很可惜的是,作为滴滴顺风车的产品设计者明显没有注意到这一点,“就像咖啡馆、酒吧一样,私家车也能成为一个半公开、半私密的社交空间。”滴滴顺风车原负责人表示,“这是一个非常有未来感、非常sexy的场景,我们从一开始就想得非常清楚,一定要往这个方向打。”。

把滴滴顺风车当做普通的社交大数据公司。用 交友牌,甚至露骨的性暗示来吸引司机和旅客进入这个社交平台。甚至允许司机通过平台上用气质、长相对女性乘客进行“标签评价。这些为2018年出现几次影响巨大的事故埋下伏笔。

应该说滴滴顺丰车 sexy+社交的定位是一个严重的战术失误,从互联网大脑模型看,滴滴顺丰车的社交定位在战略上没有问题,但如果要保证云反射弧完成,定位就应该是安全+社交。

所有的产品规划都要围绕如何保证乘客,司机的安全,保证滴滴服务的云反射弧安全完整执行来设计,包括乘客和司机的社会信用、车辆的质量和定位。乘车过程中保护乘客和司机的安全规范,服务结束后的相互安全评价,意外状况的紧急处理机制等等诸多方面。

对于社交中的sexy问题,本身并没有被否定,在直播、网络游戏、娱乐新闻等非严肃社交领域,sexy依然有其作用,因为这些领域的非接触性,对安全并无直接影响,

关于互联网大脑的定义:

互联网的大脑模型就是互联网向与人类大脑高度相似的方向进化过程中,形成的类脑巨系统架构;互联网大脑架构具备不断成熟的类脑视觉、听觉、躯体感觉、运动神经系统、记忆神经系统、中枢神经系统、自主神经系统;

互联网大脑通过类脑神经元网络将将社会各要素(包括但不仅限于人,AI系统,生产资料,生产工具)和自然各要素(包括但不仅限于河流,山脉,动物,植物,太空)链接起来,从而实现人与人、人与物、物与物的交互,互联网大脑在群体智能和机器智能的驱动下通过云反射弧实现对世界的认知,判断,决策、反馈和改造。


原文发布时间为:2018-09-3

本文作者:刘锋

本文来自云栖社区合作伙伴“人工智能学家”,了解相关信息可以关注“人工智能学家”。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
3月前
|
供应链 前端开发
在供应链中融入ESG的三个关键途径
在供应链中融入ESG的三个关键途径
|
3月前
|
自然语言处理 NoSQL
4种方法帮助CIO传达IT对业务的价值
4种方法帮助CIO传达IT对业务的价值
|
6月前
|
人工智能 搜索推荐 大数据
企业营销观念是什么?
企业营销观念是什么?
|
传感器 机器学习/深度学习 人工智能
新分类、高绩效、加分项,孵化器评价体系里藏着的行业革新
日前,科技部火炬中心正式对外发布《科技企业孵化器评价指标体系》(以下简称“评价体系”)。
|
开发者
数据化运营——影响互联网产品成败的关键,互联网营销
  一个产品作得好不好,用户喜不喜欢,喜欢哪些东西,不喜欢哪些东西,常用哪些功能,讨厌哪些功能,经常为哪些服务付费,乍看起来,似乎这些东西都是体验和感觉方面的,都是感性方面的,都是只能通过与用户面对面,甚至开发者自己亲身体验才能发现出来的东西。
1320 0
|
存储 安全 区块链
争议与未来 | 对于区块链技术的应用价值应有正确认知
在这项技术仍处在新生阶段的当下,区块链究竟是泡沫,还是未来?
1113 0
下一篇
无影云桌面