• 项目
首页>>文章列表 >>行业研究
行业研究

金准人工智能 北美的区块链全景分析报告 2018-04-23 14:57:20

前言

北美科技巨头凶猛!

亚马逊市值已经超越美国首都华盛顿特区的GDP,谷歌和苹果的市值超过欧元区和日本的金融股市值总和。美股市值TOP5一度全部被科技巨头占据,Facebook由于近期丑闻缠身才屈居第六。

区块链同样凶猛!

比特币、以太坊、瑞波币等均一度市值过1000亿美元,所用时间则远远短于他们的科技巨头前辈。以虚拟货币为代表的区块链已逐渐进入社会应用领域。

区块链狂热的崇拜者已经预言区块链将诞生比肩传统科技巨头的新霸主,因为区块链要革命的对象,就是诞生如许科技巨头土壤的互联网。

现在预言区块链将打败硅谷科技巨头时间尚早,但是改变正在发生。

金准人工智能专家将着重梳理北美对加密虚拟货币的产业政策及明星项目,探寻以虚拟货币为代表的区块链在北美社会生活的落地应用,及整理北美大陆名人对虚拟货币的态度,试图还原北美大陆较为完整的区块链全景。

一、北美各国加密数字货币政策全景扫描

北美国家出台区块链政策的国家主要有三个,美国、加拿大、墨西哥。

政策出台时间集中在2016年和2017年,这也是比特币等虚拟货币蓬勃发展的时期。

政策内容主要有三方面,是否承认虚拟货币、对区块链项目的管理、虚拟货币监管。

金准人工智能专家发现,以加密虚拟货币为代表的区块链应用越来越被严管,但这也同时意味着它取得了合法的地位,也许后续的发展空间和前景更为广阔。

1:美国各州虚拟货币政策

 

2:加拿大虚拟货币政策

 

3:墨西哥虚拟货币政策

 

二、首次破1000亿美金市值所用时间

4:首次破1000亿美金市值的巨头所用时间

 

 

金准人工智能专家统计显示,微软和苹果作为传统美国科技巨头(软件/硬件公司)市值首破1000亿美元用时普遍超过20年,互联网早期公司亚马逊耗时也超过15年。

“重互联网公司”亚马逊相比,成立更晚的互联网 “轻公司”谷歌和Facebook首破1000亿美元则用时分别为8年和9年。

与这些传统巨头相比,区块链(主要为虚拟货币)的市值破千亿美元的时间大大缩短,以太坊更是成立5年市值即破1000亿美元。

金准人工智能专家认为,未来诞生的区块链巨头,在资本市场的强力助推下,成长速度有可能更快,带来的影响也更为深远。

三、北美区块链公司TOP20扫描

金准人工智能专家采集到20家北美区块链公司。

统计发现,区块链公司都在美国和加拿大,美国公司占了80%。这些公司最多的主营业务是虚拟货币相关业务,但落地的区块链应用已经出现,并拿到不菲的投资,这些意味着项目主体将步入高速发展阶段。

这些公司有84%都进入到B轮以上融资阶段,其中一家加拿大的挖矿公司已经上市。

那些走到D轮融资的,最高融资额已达1亿美元。

5:北美区块链公司TOP19

 

四、区块链发展路线图

与互联网从概念提出到落地历经数十年相比,区块链的概念从真正提出到落地几乎没有时间差,甚至比特币诞生早于区块链概念的提炼。

互联网仍然在主宰着全球的产业,区块链能否复制互联网的发展道路,甚至超越互联网对人的影响,现在还看不到答案,2018年作为公认的区块链元年,创投圈疯狂甚于2000年互联网泡沫前夕。

金准人工智能专家发现,美国包括餐饮、航空、娱乐、证券、期货等行业都开始接受使用虚拟货币进行支付和结算。而美国银行业也深深感受到来自虚拟货币的威胁。

加拿大银行业的选择则是拥抱变化,包括央行在内的多家银行都接受虚拟货币结算。这些变化并非一朝一夕完成,而是渐变的过程。

总结

现比较已有20多年历史的互联网,区块链就如孩童般,还处于一个行业发展非常早期的阶段,区块链是否真的会像互联网一样影响到每一个人的生活,影响到我们每一天的工作时用的工具,金准人工智能专家认为这可能会发生,但是结果无法预料,这是一个会动态变化的结果,是一场共同社会共识导致一个不同结果的事情,更多的优秀的创业者应在区块链行业里面,做更多有益于这个行业的事情,做更多扎实的技术创业,而少一些投机的行为。

金准人工智能专家提出,我们应该将区块链话题看成一个立体的话题,而不单纯是技术问题,第一层次包含了密码学以及区块链技术本身的创新,第二层次是区块链的Token在流通市场涉及到金融层面的一些话题,第三层次是区块链的分布式以及去中心化理念对社会形态的影响,第四层次是持币的信仰者将区块链技术作为自己的信仰。

金准人工智能 中国自动驾驶市场研究简报 2018-04-20 16:53:18

前言

根据金准人工智能专家的研究显示,中国现已成为全球最大的车辆及出行服务市场,在全球乘用车市场的份额由2007年的9%增至2017年的30%。至2030年,自动驾驶相关的新车销售及出行服务创收将超过5000亿美元,中国也很有可能成为全球最大的自动驾驶市场。


一、自动驾驶将带来巨大的经济和客户价值

由于本土及跨国公司的蓬勃发展,中国现已成为全球最大的车辆及出行服务市场。2007年至2017年间,中国市场以每年16%的速度增长,在全球乘用车市场的份额也由2007年的9%增至2017年的30%。金准人工智能专家认为,如果自动驾驶技术能实现,将会给世界带来巨大的经济价值与客户价值。

1.客户价值

从客户价值来说,自动驾驶平均每天可为司机节约50分钟的时间。与租赁或购买汽车相比,自动驾驶带来的新出行模式可以降低每公里的成本。由于事故减少,堵车成本和医疗开支也相应降低。自动驾驶可以帮助不会驾驶的人(如残疾人及老年人等)实现自主出行。将提升个人安全系数,可减少90%以上的事故。

2.市场增长

从市场增长的角度来看,自动驾驶将带来巨大的经济价值。研究显示,到2030年,自动驾驶乘用车将达到约800万辆,自动驾驶将占到乘客总里程(PKMT)的约13%;到2040年,自动驾驶乘用车将达到约1350万辆,PKMT将达到约66%。

2030年,自动驾驶汽车总销售额将达到约2300亿美元,到2040年将达到约3600亿美元。到2030年,基于自动驾驶的出行服务订单金额将达到约2600亿美元,到2040年将达到约9400亿美元。

自动驾驶时代完全打破了传统主机厂对车载互联和自动驾驶两方面的布局,汽车的新技术催生了新的市场,预计到2020年,在车载互联、自动驾驶以及相应安全方面的市场将达到1500亿美元规模,这也是各方玩家进入自动驾驶这个领域的现实考虑。从当前的出行市场可以看出,智能出行已经成形,一方面包括专车服务、分时租赁、共享出行、特定区域及特定场景的自动驾驶商用化服务等;另一方面,随着汽车产业和信息技术的发展,汽车这个圈子更加扩大,传统的汽车设计方式已经不能适应了,会有很多生活场景化出现,会强调人和车的互动,包括社交、购物及娱乐等服务。

3.中国消费者对自动驾驶兴趣浓厚

金准人工智能专家的一项近期调研显示,49%的中国消费者认为全自动驾驶“非常重要”,另有49%的中国消费者认为它“可有可无”。这一结果与德国及美国消费者形成鲜明对比:仅16%的德国和美国消费者认为全自动驾驶“非常重要”,另有53%的德国和美国消费者认为它“可有可无”。中国消费者愿意为购买自动驾驶车辆支付高达4600美元的溢价,而美国和德国则分别为3900美元和2900美元。

二、BAT悉数入局自动驾驶

自动驾驶是当下最热门的新兴科技领域,这自然少不了国内三大互联网巨头,近期众多消息均显示着三家企业均已开始在自动驾驶领域展开布局,自动驾驶测试车开始上路测试。

当下在自动驾驶领域进展最快的是百度,它将人工智能、自动驾驶等作为自己重夺国内互联网行业荣耀的重点,因此全力投入,而它在自动驾驶领域也是三大互联网企业当中最早布局的,因此它的自动驾驶技术最成熟,并在2018年春晚在即将通车的港珠澳大桥上以“8”字交叉跑的高难度动作秀了一把它在自动驾驶领域所取得的成就。

百度已在北京和福建平潭领取了两块自动驾驶测试牌照,同时它与众多的汽车企业达成了合作基于其Apollo无人驾驶平台开发自动驾驶系统,力求通过与更多的合作伙伴合作快速推进其Apollo无人驾驶平台的落地。

阿里在自动驾驶领域的布局虽然较迟,不过其实它进入汽车行业要更早,早在2014年的时候它就宣布与上汽集团合作采用其YunOS系统开发汽车操作系统“斑马智行”,依托于阿里所拥有的大数据、地图、云服务等优势打造了业内“首款量产互联网汽车”,自上市以来一直受到用户的欢迎,上市三个月即实现了销售10万辆,随后双方合作推出了更多的互联网汽车。

阿里高管认为汽车的未来发展将分为三个阶段,分别是车的互联网化,清洁能源化以及自动驾驶,它首先与国内最大的乘用车集团上汽集团合作无疑是这一战略的体现,或许在它看来这一步步走逐渐夯实基础最终实现汽车的自动驾驶的终极目标,将能成功实现后来居上。

互联网三巨头中的腾讯在去年11月首次披露进军自动驾驶领域,在三大互联网巨头当中可以说是最后一个介入自动驾驶领域的,不过它在自动驾驶领域的扩张却是异常迅猛,自宣布后其自动驾驶项目的人员迅速扩张,近期其项目组织架构人员基本到齐,并且未来将以2~3倍的速度迅速扩张。

金准人工智能专家分析认为,腾讯在自动驾驶技术方面或许落在后面,不过由于它拥有社交、用户等优势,这或许会有助于它在汽车行业的智能化服务方面取得优势,毕竟对于互联网企业来说介入汽车行业最终是实现它们的商业化应用,在这方面腾讯曾多次在多个行业实现了后来者居上的目标。这一点其实对于阿里巴巴来说也是一样的,它依托于大数据、云服务等优势已在互联网汽车上打出了先声。

当然对于百度来说,其在自动驾驶上所取得的成绩已成功扭转了颓势,投资机构对它高度看好,这成为它去年以来股价持续上涨的主要动力,而且这一次它在自动驾驶上采取了极为开放的态度,与尽可能多的汽车企业合作,力求通过与更多的汽车企业合作加速其自动驾驶的落地。

三、2025-2027年将成自动驾驶的拐点

基于对自动驾驶底层技术成本曲线的估算,金准人工智能专家预测,2025-2027年将是自动驾驶的拐点,这个时间将是自动驾驶与人力驾驶的经济平价点。换句话说,自动驾驶每公里的总成本将与司机驾驶传统汽车的成本大致持平。在此拐点之后,市场对自动驾驶的需求将稳步上升。

研究显示,中国正在快速推广出行服务,用于出行服务的车辆目前占中国汽车销售总额的10%左右。但是,私人用车仍占主导地位。目前,90%的PKMT(乘客总里程)来自私人乘用车辆,其余的则来自出租车和车辆共乘等其他出行服务。

金准人工智能专家预测,至2030年,出行服务提供商部署的自动驾驶车辆将占PKMT的11%,私人拥有的自动驾驶车辆将占2%。至2040年,出行服务提供商对PKMT的占比将占高达55%,私人拥有的自动驾驶车辆仅占11%。也就是说,自动驾驶的推广将与出行服务同步增长。

、实现自动驾驶任重道远,或许10年后才能真正突破

虽然一切看似十分美好,但是实现自动驾驶的路却任重而道远。目前,自动驾驶存在的瓶颈有四个:

一是自动驾驶系统成本太高,经济方面不具备吸引力;

二是自动驾驶技术的可靠性和安全性不足;

三是尚无相关的基础设施,包括道路信号、V2X通信等;

四是监管政策缺失或框架不完整。

研究显示,目前自动驾驶面临成本过高、经济方面不具备吸引力是影响其发展的最大瓶颈。金准人工智能专家针对这一主题对出行领域的专家进行了调研:

27%的调查对象认为至2025年可解决成本问题;

另有37%认为2025-2030年之间可解决;

20%认为将在2030-2034年之间解决;

17%认为2035年之后才能解决。


可靠性和安全性是推广自动驾驶技术的另一项重大瓶颈:

30%的调查对象认为至2025年可解决这一问题;

33%认为可在2025-2029年之间解决;

36%认为至2030年之后才能解决。

也就是说,自动驾驶面临最大难题很难在短时间内解决,从对专家的调查来看,除了监管政策以外,其他几个瓶颈因素起码要到10年以后才能有所突破!

金准人工智能专家认为,这才是行业真正的水平和发展现实,任何一项具备革命性的技术出现的时候,大家都会对它产生特别高的期望,但是资本与市场也需要给这些技术足够的成熟时间。

、行业游戏规则和商业模式将随自动驾驶的实现而改变

截至目前,传统汽车零部件的开发及汽车的设计和品牌是汽车制造商的关注焦点。但未来自动驾驶占据主导地位之后,一整套新技术和新技能将至关重要。根据金准人工智能专家对出行行业专家的调研,他们认为未来自动驾驶价值链最重要的三项能力为:自动驾驶软件开发;自动驾驶硬件生产;自动驾驶系统集成。

虽然将软件算法运用到中国的交通环境需要额外的2-3年,但在中国部署自动驾驶所需的底层技术却与全球其他国家基本相同。

包括传感器、计算平台、运动规划和控制及对象分析在内的技术很可能继续被国际技术巨头主宰。

而数据云、地图和位置服务及连接功能等更多与本土要求相关的技术则需要全面的本地化解决方案或融合本土及全球技术的混合解决方案。


同时,商业模式也随之而改变。

研究显示,目前企业对消费者(B2C)的业务模式主导了中国的汽车市场,其中,89%的汽车直接卖给消费者,仅11%的汽车卖给了B2B车队运营商。自动驾驶将改变这一现状。金准人工智能专家预测,至2030年,面向车队运营商的传统、非自动驾驶车辆销售将增至23%,面向车队的自动驾驶车辆销售将增至16%

、自动驾驶技术架构将成新战场,谁是行业主导尚未可知

金准人工智能专家认为,自动驾驶的车辆是一个非常大的技术性的颠覆,会改变整个的格局,它会在三个行业产生碰撞:

一是汽车行业,因为它会对汽车行业产生颠覆性变化;

二是半导体行业,因为车本身变成了电脑,电脑就需要芯片;

三是云云端的服务,人和车之间的互动不仅仅是触屏和接触,人和车的接触会到云端进行互动。

在中国,围绕着自动驾驶正在涌现出大量的资本,还有很多初创公司。

目前,大量的中国企业正着手开发自动驾驶技术架构的核心构成要素,包括激光雷达、摄像头、处理器、软件和地图/基于位置的服务等。在2012至2017年间,约有70亿美元的风险投资投入到中国的自动驾驶技术企业,这一数额与在同期投资于美国初创企业的金额相当。但是,中国的平均交易规模是7200万美元,是美国平均交易规模的两倍。

具体来看,目前的自动驾驶技术圈也相当复杂。金准人工智能专家调查显示,对于制造自动驾驶汽车最为重要的技术是整车集成和自动驾驶软硬件集成和验证;对于实现差异化竞争最为重要的是软件和算法;而未来5-10年最大的技术瓶颈是软件和算法、计算平台等。


那么,未来的自动驾驶市场,谁会是主导者?对于此问题,业界未能达成一致。

金准人工智能专家也对自动驾驶未来的场景有三个不同的预测:

一是现在的汽车厂商、主机厂仍然成为主导;

二是技术公司,比如百度、英伟达、英伟达等成为行业的主导;

三是出行服务商,比如滴滴、优步等等成为行业主导。

也就是说,国际主机厂商、技术公司、自动驾驶初创公司、出行服务商都有可能成为行业领导者。


总结

自动驾驶将催生更大的市场和效益,带来出行生态的改变。经过200多年的发展,全球的汽车产业正在面临深刻的变革,智能化、网联化正在成为汽车产业变革转型的一个重要突破口。自动驾驶、智能网联汽车和共享出行变成了时下汽车业最热门的话题,而从全球范围来看,我国在自动驾驶领域拥有不俗的优势。毫无疑问,自动驾驶和智能网联已经成为全球汽车行业的最重要的核心技术趋势之一,特别是在中国。


的确,中国市场无疑是充满巨大机会和诱惑的,很多国际性巨头企业在发布会都频频提到了和中国公司的合作,比如英伟达和百度在无人驾驶的深度合作,Intel和上汽以及四维图新的合作,高通同比亚迪的合作。可以说,创新技术+中国市场,几乎是这个时代最好的商业组合。武汉东湖高新区副主任夏亚民也讲道,“中国现在毫无疑问是全球的汽车大国,但还不是汽车强国,新能源的、智能的网联车的发展有可能是中国汽车产业转型升级、换道超越的重大的关键的风口。




金准人工智能 2018年中国车载摄像头行业市场前景研究报告 2018-04-19 17:08:14

前言

近年来,车载监控市场的不断发展使其成为安防行业重要的细分市场,其在国内发展至今也已有十多年的历史,在经历了市场萌芽、市场成长两个阶段后,车载监控领域在中国已经进入快速发展期。

车载摄像头不仅仅是汽车的配件,更是“智能汽车之眼”。得益于自动驾驶热潮,车载监控摄像头市场迅猛增长。目前,全球14家大型汽车制造商中已经有13家宣布进军自动驾驶汽车市场,全球14家大型技术公司中则有12家宣布将研发新技术以支持和运营自动驾驶汽车。随着2020年之后自动驾驶时代的到来,车载摄像头市场将“更上一层楼”。

此外,摄像头市场的迅速增长离不开监管机构的政策利好。2018年起,美国将强制汽车配备后置摄像头,以防倒车过程中撞人。并且随着各大科技公司自动驾驶技术的普及,智能摄像头销量将进一步增加。

一、车载摄像头对自动驾驶的重要性

车载摄像头是ADAS系统的主要视觉传感器,借由镜头采集图像后,有摄像头内的感光组件电路及控制组件对图像进行处理并转化为电脑能处理的数字信号,从而实现感知车辆周边的路况情况,实现前向碰撞预警,车道偏移报警和行人检测等ADAS功能。目前,车载摄像头在ADAS和无人驾驶技术中有着举足轻重的地位。

ADAS系统解决方案包括摄像头解决方案、雷达/激光雷达解决方案、传感器融合。市场发展初期由于雷达技术成熟且不受天气情况影响,雷达/激光雷达解决方案是市场主流。但随着ASIC(专用集成电路)的发展以及图像处理算法的提高,同时由于雷达技术在辨别金属障碍物方面准确率较高,但在辨别非金属障碍物如行人方面却无能为力,且无法准确辨识从侧面驶来的车辆,而且无法辨别车道,碎片或者道路坑槽。
摄像头的视觉处理技术可以更好地辨别道路上的标识,行人等信息,也可以通过算法计算行人与车辆的行动轨迹,相较雷达技术成本更低,功能更为全面,准确性也较高。基于摄像头成像的技术渐渐被主流厂商接受,考虑到摄像头的像素对图像识别技术的限制以及在雾天和雨天等极端情况下功能降低,以摄像头为主的传感器融合将成为主流。
车联网架构自下而上依次是感知层、网络层和应用层,分别担任信息采集、传输和处理功能。视频采集存储(感知层)作为车联网的底层架构,主要技术有车载DVR和车载IP Camera。车载DVR俗称车载录像机,是基于数字化视频压缩存储和3G无线传输技术,内臵GPS,汽车黑匣子,CAN bus总线,G-SENSOR等技术的应用。
而车载IP Camera基于数字信号处理技术(DSP)和网络技术,CMOS图像传感器把场景的光信号转变为电信号,这些电信号转换为数字信号后通过数据接口传输到DSP存储器,完成图像压缩、编码的同时把数据流送到硬盘或其他存储设备中保存。在距离、扩展能力和成本上与传统的模拟系统和DVR相比有所不同。
车载摄像头具有广泛的应用空间,按照应用领域可分为行车辅助(行车记录仪、ADAS与主动安全系统)、驻车辅助(全车环视)与车内人员监控(人脸识别技术),贯穿车辆行驶到泊车全过程,因此对摄像头工作时间与温度有较高的要求。按照安装位臵又可分为前视、后视、侧视以及车内监控4部分。目前运用最多的是前视以及后视摄像头,随着ADAS系统渗透率提高以及人脸识别等技术运用于汽车电子领域,车内以及侧视摄像头将会得到进一步应用。

1.车载摄像头的分类及功能

车载摄像头包括单目摄像头、双目摄像头、广角摄像头等。目前,实现无人驾驶的全套ADAS功能至少需要安装6个摄像头。

1:车载摄像头的分类及功能

 


2.车载摄像头的技术和工艺要求


既然汽车摄像头那么重要,其对技术和工艺又会有什么要求?针对车载应用,汽车摄像头与手机摄像头一样,主要是使用CMOS而不是CCD作为光学传感器,其主要的原因有三点:
首先,主动驾驶辅助系统所用传感器应具有的首要特性是:速度快。特别是在高速行驶场合,系统必须能记录关键驾驶状况、评估这种状况并实时启动相应措施。本质上,CMOS是种更快的影像采集技术—CMOS传感器内的单元通常是由3个晶体管主动控制和读出的,这就显着加速了影像采集过程。目前,基于CMOS的高性能相机能达到约5,000帧/秒的水平。
其次,CMOS传感器还具有数字图像处理方面的优势。CCD传感器通常提供模拟TSC/PAL信号,也许必须采用额外的AD转换器对其进行转换、或是CCD传感器要与带数字影像输出的逐行扫描方法一起工作。无论哪种方式,让采用CCD的照相机提供数字影像信号都显着增加了系统复杂性;而CMOS传感器可直接提供LVDS或数字输出信号,主动驾驶辅助系统内的各组成部份可直接、无延迟地处理这些信号。
而且,为了达到这样的目标,车载摄像头厂家就必须考虑使用成本较低的CMOS传感器。并且,在有强光射入时,CMOS传感器不会产生使用CCD时会出现的Smear噪声。这将会减少因操作失误所导致的调整时间。


3.汽车摄像头模组特点


除了根据汽车应用需求采用COMS技术,汽车摄像头模组在工艺和封装上也有其他的要求。相较手机摄像头,车载摄像头技术工艺难度更大,主要是其对可靠性的高要求所致。不同于一般的摄像头,汽车摄像头连续工作时间较长、所处环境往往震动较大且一旦失效将会对用户生命安全造成致命威胁,因此对于模组和封装等要求严格。汽车摄像头测试需要在水中浸泡数天,以及1000小时以上的温度测试,还包括从零下40度到零上80度的迅速跳转。并且汽车摄像头需要具备夜视功能以保证夜间可以正常使用。
车载摄像头模块的独特规格主要有四点
1)能够抑制低照度摄影时的噪声,特别是对车辆后方与侧面进行摄影的模块,要求即使是在晚上,也必须能很容易地捕捉到影像。
2)车载摄像头模块的另外一个特点是水平视角扩大为25°——135°。手机中摄像头模块的水平视角大多为55°左右。要实现广角以及影像周边部位的高解析度,至少使用5个左右的镜头。
3)车载摄像头模块的机身是用铝合金压铸而成的,材料费较高。车载摄头模块不使用树脂而使用铝合金压铸品,是为了保证可靠性,主要包括以下三个理由:散热性好;将机身做为接地层可抑制电磁干扰;形状的热稳定性好。
4)车载摄像头模组机械强度和耐高温性是其中决定性的标准。这些模块将采用特殊封装,使相机兼具所需的强韧性和抗渗透。因用于主动驾驶辅助系统的摄像头是关乎行车安全的组件,它们还必须能在供电系统暂时断电时可靠工作。
由于车载摄像头对于稳定性以及规格的特殊要求,因此对模组和封装要求较高,除了工艺与技术门槛较高外,车载摄像头进入前装市场的周期要比其他种类摄像头长上许多,从design-win到产生收入至少要一年以上的时间周期。


4.汽车全景影像系统


车载摄像头对实现ADAS和自动驾驶有着重要的作用,而应用车载摄像头构成的汽车全景影像系统能够极大的提高驾驶的安全性和便捷性。全景影像系统中文又可以称为360°全景影像系统,或简称MVCS(MulTI-View Camera System)。全景环视系统为汽车驾驶者提供更为直观的辅助驾驶图像信息,能够快速准确的发现车辆附近难以被观察到的情况,实现了精准的驾驶控制,尤其是对驾驶新手,可以提高驾驶安全性和减少不必要的刮碰。
全景环视系统通过在汽车周围架设4到8个广角高感光摄像头覆盖车辆周边所有视场范围,通过对同一时刻采集到的汽车前后左右的图像,由采集部件转换成数字信息送至视频合成、处理部件,经过图像处理单元畸变还原→视角转化→图像拼接→图像增强后转换成模拟信号输出,生成360度的车身俯视图,最后在中控台的屏幕上显示,让驾驶员清楚查看车辆周边是否存在障碍物并了解障碍物的相对方位与距离,帮助驾驶员轻松停泊车辆。
在显示全景图的同时,也可以显示任何一方的单视图,并配合标尺线准确地定位障碍物的位臵和距离。ADAS通过控制车身摄像头采集车辆周边辅助安全行驶,而全景摄像系统通过控制车身摄像头采集车辆周边影响进行安全泊车。两个系统独立运行,贯穿行车过程始终。
全景系统视角会根据行车轨迹而动态移动,提供车辆四周360度的画面。通常采用LVDS或快速以太网等高性价比型链路,部署4到5个高动态范围(HDR)100万像素摄像头。一般使用视频压缩来减少所需的通信带宽并降低布线要求(例如,可以使用非屏蔽双绞线或同轴电缆)。其他系统要求包括一个多端口LVDS或以太网交换机、一个电源、一个用于快速访问外部存储器的集成DRAM,以及一个用于降低系统成本嵌入式闪存。


二、车载摄像头的核心技术壁垒


无论是全景影像系统还是ADAS无疑都将给驾驶者带来更好的体验并提升汽车的安全性,全景影像系统在图像拼接、视频处理等仍然面临挑战,我们最后还在这里回归到基础的车载摄像头来目前的核心技术壁垒。
夜视功能会成为汽车摄像头核心壁垒之一。据美国国家公路交通安全管理局(NHTS)的统计,虽然夜间行车在整个公路交通中只占四分之一,发生的事故却占了一半。而夜间视线不良所造成的事故占了70%。因此必须要求汽车摄像头具有较强的感光能力,使得全天都可正常工作,即近红外的宽光谱范围(从400nm——1100nm),未来夜视功能将成为车载摄像头得标配。
已投入应用的夜视技术有三大类:微光夜视技术、被动红外夜视技术、主动红外夜视技术。微光利用夜间目标反射的低亮度自然光,将其增强放大到几十万倍,从而达到适于肉眼夜间进行观察的图像。被动红外夜视技术是通过接。
收探测热源与背景红外线辐射差进行成像,相比于微光以及主动红外技术不需要额外光源,且探测距离最远,准确性高但成像也最为模糊,画面辨识度低。主动红外技术又称为近红外夜视技术,通过红外探照灯发射不可见光照射目标,并利用反射的光线成像,可视距离适中,成像清晰。
因为相较于被动夜视技术,主动夜视技术成像更为清晰,可以直接利用图像识别对夜间道路标识,行人进行探测,因此主动夜视技术更符合车载领域的应用场景。同时,由于被动红外夜视系统的核心红外焦平面成像材料、技术遭到禁运,因此被动红外夜视技术成本远高于主动红外夜视技术。
核心的激光夜视技术需要拥有全面的近红外、中近距离激光夜视成像与处理技术,解决全天候成像、双向高速移动高速对焦、消除激光散斑等技术问题,并且需要具有车速同步的变焦技术并手电筒效应,技术难度较大,因此,夜视功能会成为汽车摄像头核心壁垒之一。

二、无人驾驶发展推动车载摄像头市场增长

无人驾驶汽车,即智能驾驶汽车是一种自动化载具,能够部分或者全面代替驾驶员进行驾驶行为,无人驾驶汽车是智能汽车发展的最高形态。无人驾驶由传感器、控制器、执行器组成,对应感知、决策、执行三大功能模块。

无人驾驶的产业链包括:

1)硬件组件。激光雷达、摄像头等各类传感器、集成计算处理平台以及发动机、车身、集成控制总线等传统汽车组件;

2)软件组件。无人驾驶操作系统(包括感知、规划、控制以及汽车互联、数据平台接口等),高精度地图数据等;

3)整车制造;

4)运营服务

相比关他传感器,摄像头成本低廉,且能够为自动驾驶汽车提供非常重要的可视化数据——检测颜色、距离和各种光线条件。结合图像识别技术的环境感知,能快速识别车道、车辆、行人和交通标志等;车内的摄像头传感器还可以检测驾驶员状态,实现人车交互。

目前,主流的无人驾驶传感平台以激光雷达和车载摄像头为主,并呈现多传感器融合发展的趋势。随着无人驾驶技术的进一步普及和应用,带动无人驾驶产业链发展。

全球无人驾驶汽车行业中,美国属于领先地位;在亚洲范围内,新加坡的进度较为领先,中国也在加快追赶。无人驾驶发展至今,全球已有多家企业审布在2020年前后推出无人驾驶汽车。据预测,自动驾驶汽车的全球市场份额需要花15-20年时间达到25%,带有公路和交通堵塞自动驾驶功能的汽车将率先上路应用;到2022年,带有城市自动驾驶模式汽车上路;2025年之后,完全无人驾驶汽车才会大量出现。

 

2017年,中国汽车工程学会发布了“节能与新能源汽车技术路线图”,其中就有提到,至2020年,汽车产业规模将达3000万辆,驾驶辅助/部分自动驾驶车辆的市场占有率将达50%;力求高度或完全自动驾驶汽车在2021年到2025年能够上市;2026年到2030年,每辆车都应采用无人驾驶或辅助驾驶系统,国内无人驾驶汽车数量将稳步上升。

据预测数据显示,到2035年全球无人驾驶汽车销量将达2100万辆。参考2015年全球汽车年销量突破8000万台,中国销量接近2500万台。庞大的汽车销量和消费者对科技的需求,中国有望成为最大的无人驾驶市场。随着无人驾驶汽车市场的进一步发展,无人驾驶汽车数量逐渐上升,将带动车载摄像头市场的快速增长。

三、车载摄像头市场前景广阔

车载摄像头在无人驾驶技术的应用中都有着举足轻重的地位。在ADAS系统中,摄像头是实现众多预警、识别类功能的基础,超过80%的ADAS技术都会运用到摄像头,或者将摄像头作为一种解决方案,如车道偏离预警(LDW)、前撞预警(FCW)、行人碰撞预警(PCW)、车道保持辅助(LKA)、紧急制动刹车(AEB)、自适应巡航(ACC)、交通标志识别(TSR)等。

1.车载摄像头需求将稳步上升

实现无人驾驶的全套ADAS功能至少需要安装6个摄像头,随着ADAS渗透率提高,车载摄像头的市场将逐步仅面向高端车型向中低端车型延伸。据预测数据显示,车载摄像头出货量将从2014年的2800万颗增长到2020年的超8300万颗,年均复合增长率20%,市场前景广阔。

 

 

目前,车载摄像头的消费区域主要在美洲、欧洲、亚太等地,其中亚太地区将成为增长最快的市场。据预测数据显示,2018年中国车载摄像头需求量将近3000万颗,到2020年,中国车载摄像头需求量将超4500万颗。

 

 

2.车载摄像头企业涌现

目前,从市场来看,车载摄像头模组方面,日本松下、索尼,德国大陆等领跑市场;芯片方面,也多数被国外企业垄断,有瑞萨申子、意法半导体、飞思卡尔、亚德诺等。

金准人工智能专家统计,近几年国内也涌现出不少仅摄像头角度切入ADAS领域的创业公司,拥有核心的规觉算法,向下游客户提供车载摄像头模组、芯片以及软件算法在内的整套方案。

国内视觉ADAS公司

 

 

四、车载摄像头发展趋势

金准人工智能专家认为,庞大的汽车销量和消费者对科技的需求,无人驾驶汽车市场的发展加快。随着无人驾驶汽车的商用、普及,数量将逐渐上升,同时带动车载摄像头市场的快速增长。据预测数据显示,车载摄像头出货量将从2014年的2800万颗增长到2020年的超8300万颗,年均复合增长率20%,市场前景广阔。

双目摄像头加大在车载摄像头中的应用。技术解决方案角度来看,摄像头系统有单目和双目两种方案。目前,单目摄像头是车载摄像头系统中的主流方案。金准人工智能专家认为,未来,随着双目摄像头的产品化提升、小型化问题完善,将更广泛的应用于车载摄像头系统中。

总结

根据金准人工智能专家的估算,2020年全球车载摄像头出货量将增长到8300万枚,复合增长率达20%。据此估算,全球车载摄像头市场规模将从2015年的62亿人民币增长到2020年的133亿人民币,年复合增长率将达16%。消费区域主要在美洲、欧洲、亚太等地,其中亚太地区将成为增长最快的市场。

目前还出现了新的潮流,那就是使用侧视广角摄像头取代后视镜,这样既能降低风阻,同时又可以获得更大更广的视角,避免在危险的盲区发生意外,宝马i8Mirrorless概念车就采用如此设计。日本也已修改修改法规,允许无后视镜的车辆上路,鼓励用侧视摄像头取代后视镜,美国国家公路交通安全局近期也承诺将修改法规,取消无后视镜的车辆不允许上路的限制。侧视摄像头取代后视镜将是未来发展趋势。

总而言之,车载摄像头处于车联网与自动驾驶市场双风口,对安防企业来说是极具爆发潜力的金矿。未来两年自动驾驶必将常态化发展,车载监控摄像头也将迎来其发展的高峰。

金准人工智能 全球人工智能产业地图 2018-04-18 21:26:29


前言

2017年是AI之年,人工智能领域多年的努力和积累终于勃发,从政府到民间,从国家战略到坊间热点,从学术圈到资本圈,从主流领导企业到创新独角兽,一时间全社会各个角落关注AI、走向AI、布局AI,AI正在热气腾腾地从学术走向产业。

2018年,是AI赋能行业、展示威力的关键年。企业和公众已经不再质疑“AI能不能”,而是迫切的想知道“AI怎么能”。金准人工智能专家认为AI必须要在生态建设、行业应用、产业赋能等方面取得比以往更大的成就,才能更进一步,形成燎原之势。

《全球人工智能产业地图》对全球人工智能产业进行了系统分析,从产业结构、产业分布、企业分布等多角度进行绘制,为推动我国人工智能产业发展提供重要决策参考。

一、人全球人工智能产业发展综述

人工智能(Artificial Intelligence,简称 AI)是一门前沿交叉学科,目前还没有统一的定义。

根据中国人工智能学会与罗兰贝格联合发布的最新报告,人工智能是一门利用计算机模拟人类智能行为科学的统称,它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。

1.全球爆发人工智能产业浪潮

但是,人工智能并不是一个新的概念,它实际上诞生于20世纪50年代。在这60年间,人工智能的发展并不是一帆风顺,而是起起落落,先后经历了Pre-AI时代、黄金时代、第一次低谷、第二次繁荣、第二次低谷,我们目前正处于第三次浪潮之中。

人工智能(Artificial Intelligence)是全球2017年信息通信领域的最大热点,远高于物联网、5G、安全与隐私、区块链等。



三大因素推动人工智能快速发展。互联网的发展提供了种类丰富的大数据资源,提升算法有效性。计算技术的变革使硬件成本指数下降,运算时间缩短,助力人工智能再度崛起。基础算法和AI 平台的创新减少了传统算法和人类手工总结特征的不完备性,大幅提升算法有效性。



全球产业链基本形成,带动实体经济转型升级。实现纵向融通,人工智能促进产业链各层级深度融通,ICT供给能力产业质的飞跃。实现横向融合,消费到生产,实体经济数字化、网络化、智能化转型升级步伐加快。



产业热度逐步提升,市场规模持续增长。一是创新活跃,科研机构和企业加快人工智能研究和创新,人工智能发展受到普遍看好。二是规模增长,语音、视觉等技术已经步入实用和商用,带动产业规模快速增长。



      创新AI企业快速涌现,我国是人工智能发展高地。企业力量不断壮大,新增企业数量快速增长,尤其是欧洲和亚洲增速逐步提升。我国人工智能企业数量接近1500家,在全球中位居第二,是全球人工智能发展高地之一。




2.产业分层已经明晰,国内AI应用呈现爆发趋势

通常情况下,我们可以将人工智能产业划分为三层,分别是基础层、技术层和应用层。其中基础层是推动人工智能发展的基石,主要包括数据、芯片和算法三个方面,技术层主要是应用技术提供方,应用层大多是技术使用者,这三者形成一个完整的产业链,并相互促进。不过,很多企业(特别是大型科技公司)业务线较长,很多时候既是技术提供方,也是技术的使用者,因而很难有清晰的界定。

基础层方面,中国的实力还比较薄弱,尤其是芯片领域,玩家多为创业公司,而美国在这一领域多为英伟达、英特尔等重量级玩家,同时创业公司也层出不穷;在基础技术框架领域,国外有Google、微软、Facebook、亚马逊等,国内有百度、腾讯、阿里巴巴等;在数据领域,很多互联网公司本身就积累了海量数据,不过这些商业数据一般不会对外共享,而且这些公司也对标注处理后的有效数据存在需求,因此市场上存在第三方数据提供商,国内以海天瑞声为代表,美国则以CrowdFlower为代表。

技术层主要分为三个领域:机器学习、语音识别和自然语言处理、以及计算机视觉。其中除了BAT等大玩家之外,语音识别和自然语言处理领域的代表公司有科大讯飞、云知声、思必驰等,计算机视觉领域的代表公司有商汤科技、旷视科技、依图科技等。它们中有很多已成为新兴的独角兽,融资额度甚至超过美国同行。

AI应用领域,中国呈现出爆发的趋势,目前主要集中在安防、金融、医疗、教育、零售、机器人以及智能驾驶等领域。其中安防领域的代表公司有海康威视、大华等;金融领域有蚂蚁金服、众安科技等;医疗领域有医渡云、汇医慧影等;教育领域有科大讯飞、乂学教育等;零售领域有阿里、京东、缤果盒子等;机器人领域有大疆创新、优必选等;智能驾驶领域有百度、驭势等。



3.主要国家加快快布局人工智能,我国不断加强政策支持力度。

2015年5月,国务院印发《中国制造2025》,其中“智能制造”被定位为中国制造的主攻方向,而这里智能的概念,其实可以看做人工智能在制造业的具象体现。

2015年7月,国务院印发《国务院关于积极推进“互联网+”行动的指导意见》,其中人工智能是重点布局的11个领域之一。

2016年3月,《国民经济和社会发展第十三个五年规划纲要(草案)》发布,国务院提出,要重点突破新兴领域的人工智能技术。

2016年5月,发改委、科技部、工信部和网信办联合印发《“互联网+”人工智能三年行动实施方案》,提出到2018年“形成千亿级的人工智能市场应用规模”。

2016年7月,国务院印发《“十三五”国家科技创新规划》。《规划》指出,要重点发展大数据驱动的类人智能技术方法;突破以人为中心的人机物融合理论方法和关键技术,研制相关设备、工具和平台;在基于大数据分析的类人智能方向取得重要突破,实现类人视觉、类人听觉、类人语言和类人思维,支撑智能产业的发展。

2017年3月,人工智能首次被写入国务院的《政府工作报告》,正式进入国家战略层面。

2017年7月,国务院印发《新一代人工智能发展规划》,提出了“三步走”的战略目标,宣布举全国之力在2030年抢占人工智能全球制高点,人工智能核心产业规模超过1万亿元,带动相关产业规模超过10万亿元。

2017年12月,工业和信息化部印发《促进新一代人工智能产业发展三年行动计划(2018-2020年)》。计划提出,以信息技术与制造技术深度融合为主线,以新一代人工智能技术的产业化和集成应用为重点,推进人工智能和制造业深度融合,加快制造强国和网络强国建设。



可以看出,自2016年以来,中国的人工智能政策密集出台,在全球竞争的背景下,人工智能已经上升为国家意志。金准人工智能专家认为未来,人工智能技术的产业化将是大势所趋。


二、产业链整体发展情况

1. 核心器件多元化创新,带动AI 计算产业发展

GPU、DSP、FPGA、ASIC以及类脑等人工智能芯片创新频繁,支撑云测、端测AI计算需求。AI计算产业快速发展,尤其是云端深度学习计算平台的需求正在快速释放。我国寒武纪、深鉴科技等企业也在跟进和推动各类AI芯片的研究和创新。




CPU:众所周知,传统的数据计算是依靠CPU处理器,然而近年来,随着集成电路越来越复杂,半导体技术的改进几近达到物理极限。而互联网的快速发展,导致数据规模急剧扩张,此时的矛盾集中表现为处理器性能无法满足计算需求。

GPU:GPU又叫图形处理器,它的特点是有大量的核和大量的高速内存,主要擅长做类似图像处理的并行计算。后来人们渐渐发现,这个特点同样适用于深度学习的训练,而且相比于CPU,GPU可以提供更快的处理速度、更少的服务器投入以及更低的功耗。2009年,斯坦福大学的一篇论文发现,在训练深度神经网络时,使用GPU会比CPU快70倍。自此在深度学习的训练领域,CPU开始被冷落,GPU也已经不再是通常意义上的图形处理器,逐渐已成为AI训练专用处理器的事实标准。这也让GPU技术的领跑者英伟达赚的盆满钵满,在过去的5年间,英伟达的股价上升了约18倍。

FPGA(Field-Programmable Gate Array,现场可编程门阵列):作为人工智能深度学习方面的计算工具,除了GPU以外,FPGA也为很多开发者所推崇。FPGA的中文名为“现场可编程门阵列”,它具有可编程专用性、高性能、低功耗等特点。目前整个FPGA市场主要由赛灵思和Altera主导,两者共同占有85%的市场份额,2015年,Altera被英特尔收购。

ASIC(Application Specific Integrated Circuits,专用集成电路):是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路。严格意义上来讲,ASIC是一种专用芯片,与传统的通用芯片有一定的差异。与通用集成电路相比,具有以下几个方面的优越性:体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低。但深度定制也意味着需要大量的研发投入,如果不能保证出货量,其单颗成本难以下降,而且芯片的功能一旦流片后则无更改余地,若深度学习方向一旦改变,ASIC前期投入将无法回收,意味着ASIC具有较大的市场风险。Google自主研发的专用于人工智能深度学习计算的TPU,其实也是一款ASIC。

1. 移动互联网造就海量数据,结构化数据依然缺乏

公共数据集不断丰富,推动初创企业成长。数据是训练人工智能的必备燃料,在现阶段人工智能的发展水平下,数据的规模和质量直接决定了模型的训练效果。

全球数据流量仍在快速增长,为深度学习所需要的海量数据提供良好基础。商业化数据产业发展迅速,能够为企业提供十万张图片、数千小时语音以上的资源和相关服务。公共数据集为创新创业和行业竞赛提供优质数据,给初创企业带来必不可少的资源。




目前海量的有效数据主要掌握在互联网巨头手中,在已经到来的人工智能时代,由于马太效应的存在,凭借这些宝贵资产,他们可以和用户形成良性的数据闭环,从而强者恒强。

另一方面,更多的从业者其实面临着数据短缺的尴尬境地。这些从业者主要分为两类:传统企业和AI创业公司。

传统企业由于在其所在的行业深耕多年,拥有大量的原始数据。但它们往往并不注重数字资产治理,这些宝贵的数据往往像待开采的矿石一般被低效地利用,并未被结构化。对于此类企业,我们建议其与平台或技术社区合作,将已有的数据充分利用起来。例如,作为中国最大的图片提供商,视觉中国拥有海量的已标注数据资源,这些数据在过去很长一段时间都是人工标注的。如今,视觉中国已经与CSDN的一站式AI服务平台——TinyMind(www.tinymind.com)展开合作,以寻求更加快速的解决方案。

比起传统企业,AI创业公司对数据的渴求更加强烈,对于此类公司,目前较为常见的训练数据来源主要有三种:

学术界和大公司对外开放的免费数据库。以计算机视觉为例,其中最为知名的是斯坦福大学李飞飞副教授创立的ImageNet。经过多年的积累,ImageNet通过众包的方式积累了2万多种类别的1400多万张图片,是目前世界上最大的图片数据库。另外,Google作为开源大户,于2016年相继对外开放了自然语言数据库、视频数据库、图片数据库。

通过第三方数据供应商或众包平台购买或定制数据。对数据的需求促进产业生态进一步完善,催生了专业的第三方服务供应商,国内较为知名的有海天瑞声、数据堂等。另外,需求者还可以通过众包平台发布任务,聚集平台上的闲散廉价人力为己所用,如Crowd Flower、亚马逊的AMT(Amazon Mechanical Turk)、百度众包平台等。

自行采集实际数据或模拟数据。对于某些特殊场景,现有的数据积累不足或无法满足需求,则需要厂商自行采集数据。典型场景,如自动驾驶。

3.关键平台逐步形成,加快推进应用生态

优势企业如谷歌、亚马逊、脸书加快部署机器学习、深度学习底层平台,建立产业事实标准。目前业内有近40个各类AI学习框架,生态竞争异常激烈。典型企业如科大讯飞、商汤科技利用技术优势建设开放技术平台,为开发者提供AI开发环境,建设上层应用生态。



部分应用技术快速成熟,进入实用阶段

以语音识别、机器视觉为代表的人工智能技术快速成熟,达到实用化水平。机器视觉、智能语音成为产业化水平最高的人工智能领域,企业数量和橱窗企业快速增长。



行业应用及产品:“AI+传统产业”加快融合创新,推动社会转型升级

人工智能从个人消费到安防、医疗、交通、家居等众多领域渐次渗透,当前处于行业应用大规模起量阶段。



产业分布:全球化趋势明显,我国人工智能发展日益向好

美国仍是人工智能核心发源地之一,其他国家人工智能发展正在快速跟进。国内北京人工智能发展领跑全国,沪粤江浙发展逐步加速。



AI技术正在与各个行业的业务发生着融合促进,其中金融、制造业、电商、医疗等行业占比最高。可见,虽然在基础领域,中国与美国还存在一定差距,但是在商业化应用方面,中国已经多点开花,大有赶超之势。



三、市场预测:计算机视觉是当前重点,未来基础算法和芯片将逐渐提升

2017年我国人工智能市场规模达到216.9亿元,同比2016年增长52.8%。技术分类上,计算机视觉、语音相关领域技术发展更为成熟,所占比例分别为37%和22%。人工智能创业企业的涌现集中在2014-2016年时期,在2015年达到顶峰(新增150家),创业热潮与投融资热情在2017年回归理性,同时随着人工智能各项技术的不断成熟以及各类应用场景的落地,金准人工智能专家预计在2018年时人工智能市场增速达到56.3%,整体规模达到339亿元。2018年,机器学习、深度学习等算法能力的增强将促进计算机视觉、语音等技术不断突破,谷歌、英伟达、华为、寒武纪等发布的AI芯片产品将进入大批量商用上市阶段,人工智能产业将继续增长并与垂直行业加深融合。



人工智能市场规模及预测

加快关键环节布局,推动我国人工高振产业生态化发展。



      加快完善基础环境,确保产业快速健康发展。



总结

人工智能已经推动了IT行业的巨大变革,如今这一趋势正逐渐蔓延至传统行业。金准人工智能专家认为不仅要用人工智能来赋能IT行业,更是时候需要用人工智能来赋能整个社会。为了让全社会都能体验到人工智能的好处,我希望将人工智能推广到其他行业。”

从人工智能诞生至今,已经有很多企业和用户切身体验到了这项技术带来的好处,因此许多公司都在探索如何应用人工智能来帮助自己进一步发展,但是很多公司并不能很清楚地定义自己的需求,而且许多AI技术仍然很复杂,很少有团队能够完全理解并且有效地运用这些技术,因此AI转型之路并不容易。




金准人工智能 利用区块链重塑电信行业 2018-04-17 21:14:55

前言

区块链是目前热议的技术之一。不同行业的企业都在探索区块链对其所在领域的潜在影响,以及如何利用此项新兴技术获益。通信服务供应商(CSP)也不例外。

但是,CSP面临的最大问题是,“能获取什么样的收益?”以及“从何处、如何着手?”令人欣慰的是,从中获益的机会是真实存在的。区块链共享总账方法的核心特征是在交易过程中,为各方参与者构建可信、安全、透明且可控的生态系统。这可降低成本、提高效率,并改善所有参与者的体验。金准人工智能专家最近开展的全球消费者调研显示,在处理个人数据和保护隐私安全方面,CSP竟然位居最可信组织的地位,在某些国家或地区甚至超过金融机构和政府。这为他们奠定了优势位置,有助于利用区块链技术来获取收益。

对于CSP来说,区块链意味着效率的提升以及全新的收入增长机遇。大多数通信服务供应商(CSP)都在实施大型数字化转型项目,以便应对困扰他们的颠覆性因素。在此背景下,区块链技术的运用不仅可帮助CSP改善当前运营环境,而且能够开拓基于区块链技术的新服务。此外,随着对透明度和信任度的需求持续增加,强大的区块链技术可以强化企业参与生态系统的基础,支持新业务模式,从而实现创收。区块链技术的重要程度只会与日俱增。CSP应该从长远利益出发,评估区块链在收入增长和平台业务机遇,以及内部效率方面带来的积极影响。

 

DSP主轴,区块链可在多个方面大施拳脚,帮助削减成本,改善客户体验,广泛涵盖合同交付、争议解决和供应链等领域。CSP还可提供构建于区块链之上的客户服务,打造新的收入来源(例如,微支付和身份管理)。

DSE主轴,随着CSP不断创建和运行服务于生态系统的平台,例如,物联网(IoT)、医疗和管理服务平台,区块链会成为处理多个参与者之间复杂交易的基础要素。早期阶段的应用示例包括利用区块链来管理患者病例、广告销售和媒体营利。为深入探究CSP高管对于区块链的看法,金准人工智能专家参考了IBM商业价值研究院(IBV)对来自全球20个行业约3,000名全球高管进行调研的数据,这些受访者中有174名来自CSP企业。金准人工智能专家发现,36%的受访CSP高管表示正在考虑或积极采用区块链技术,尽管区块链技术是一项发展中的新兴技术,但是许多CSP高管都相信该技术能够促进企业的发展。

对于已经采用区块链的企业,关注的焦点应放在业务用例和成果实现潜力上。对于处于调查和应用早期阶段的企业,金准人工智能专家的建议是开发真实的用例,与合作伙伴开展协作,了解价值所在区域,以及如何在新兴区块链生态系统中明确自己的定位并实现盈利。围绕DSP和DSE机遇开展头脑风暴将有助于发现许多区块链能够发挥威力的地方。鉴于这仍是一个新兴领域,如果仍然使用延用多年的技术评估方法,早期开拓者的商业优势就会丧失,因此我们不提倡技术先行的方法。

 

一、思考区块链在电信行业中的应用

如果没有区块链,管理整个业务网络中的资产则非常具有挑战性在过去的几年里,各行各业的企业(包括医疗保健和银行业)都已开始研究或部署区块链技术。但是区块链将为CSP带来哪些机遇?会对现有的流程和成本产生什么积极影响?能否帮助增加收入和发展新服务?在更加关注数据、客户体验、信任和数字生态系统的时代,区块链如何帮助CSP明确自身定位,弄清应朝着DSP还是DSE方向发展?

CSP业务网络中各个参与者—供应商、监管者、合作伙伴、消费者,甚至竞争对手—之间的关系开始变得越来越复杂。这些业务网络跨越了地理和监管边界。价值主要来源于交易和合约中跨越业务网络的产品流和服务流。业务网络通过各方之间转移资产来实现运营。资产是指通过拥有或控制来产生价值的任何事物。

资产分为两种基本类型:有形资产(例如,手机)和无形资产(例如,服务协议)。共享总账是成功管理整个网络中所有资产的关键。企业拥有多个总账,也就是针对企业所参与的多个业务网络的记录系统。总账包含交易(资产转入或转出总账)以及合同(交易发生的条件)。

1.区块链的关键组成部分

区块链技术包括下列组成部分,能够持业务网络中的各方参与者进行高效协作:

•共享总账–在业务网络中共享的且只能随附追加的分布式记录系统,交易对所有参与者均透明可见。

•智能合约–内嵌于交易数据库并与交易同时执行的商业条款,因此可以在交易发生时,执行相应的合约。

•隐私–交易是可靠、经过认证且可验证的。

•信任–交易经过各方参与者的签署认可。

•透明–整个网络中的所有参与者均可了解对其产生影响的全部交易。

 

透过制备客户合同这样的简单示例,便可以了解区块链如何让各方受益。图2中描绘的业务网络,阐释了在处理外部工厂工作,为客户构建服务做准备时,许多CSP必须理解的内容。

 

 

在传统商业网络中,每个参与者都拥有一个或多个总账,每当发生商业交易,这些总账就需要随之更新。由于存在大量重复工作以及赚取服务费用的中介机构,这种传统方法成本较高,且效率低下。显而易见,由于商业条件(合约)重复分散于每个网络参与者的业务环境中,效率低下问题根本无法避免。此外,这种系统还十分脆弱:如果某个事件(例如,欺诈、网络攻击或者是会造成不一致问题的简单错误)导致中央系统瘫痪,则整个业务网络都会受到影响。图3中描述了基于区块链的业务网络。

 

区块链架构支持参与者共享一个总账,每当交易发生时,通过点对点的复制,共享总账都会得到即时更新。加密算法用于确保网络参与者只能查看总账中与其相关的部分,并且确保交易是可信、经过认证且可验证的。区块链还支持将针对资产转移的合约嵌入交易数据库中,从而决定交易发生的条件。网络参与者通过达成共识或类似机制来商定验证交易的方式。同时,在这个网络中还可以实现监管、合规和审计。参与者还是原来的参与者,但在这种情况下,中介机构已经不复存在。

由于区块链具有多方共识、交易溯源、不可篡改、最终确定的特征,因此有助于CSP在其业务网络中实现更高效的运营。

2.区块链的主要特征

区块链具有下列特征:

•多方共识-所有参与者均同意交易是有效的。

•交易溯源-参与者了解资产的来源,以及资产所有权的变更过程。

•不可篡改-在交易完成之后,任何参与者均无法篡改交易。如果交易出现错误,就会追溯至错误出现的区块,在这里使用新的交易,建立新的区块,当然两个区块均是透明可见的。

•最终确定-只有一个地方可以确定资产所有权或者交易完成状态。这就是共享总账的强大作用。

二、CSP对区块链的看法

CSP可获得的潜在效益包括:

•节省时间—之前的交易需要数天才能完成,如今近乎瞬时完成。

•节约成本—管理成本和中介费用消除殆尽。

•提高数据质量—在所有交易过程中,均维护了数据准确性。

•降低风险—篡改、欺诈和网络犯罪减少。

•增加信任—共享流程和记录对所有相关方均透明可见。

•减少/消除争议—流程执行过程中形成了绝对的透明性。

部分CSP已经开启区块链之旅。举例来说,2015年,Orange启动了ChainForce计划,支持企业合作伙伴和初创企业开展协作,探索新的区块链技术和用例。4Verizon和Du也在探索和试行区块链计划。2017年,Sprint、SoftBank、FarEasTone和TBCASoft建立了战略合作联盟,探索基于区块链的服务,同时还欢迎其他运营商加入。

在参与调研的CSP高管中,有三分之二正在考虑或积极采用区块链。但是,他们针对区块链制定了哪些计划?对于这项技术对其企业所带了增值效果又有何看法呢?

1.信任是数据世界的通行证

数据是数字经济的新型自然资源。随着智能设备的日益普及以及物联网的不断扩展,此类资源的数量将延续快速增长趋势。此外,得益于其业务网络优势,CSP身处所有数据传输和交易的中心地带。在认识到数据完整性的重要性后,参与调研的CSP高管认为区块链能够帮助确保数据质量和准确性,并且提高交易过程中端到端的信任度(见图4)。

 

信任是任何商业交易的基石。CSP深深明白,建立信任的关键推动因素是透明度和安全性。受访者表示,区块链技术将通过提高交易可靠性(38%)和透明度(37%)来支持企业战略方针,34%的受访者认为区块链能够提高安全性,帮助抵御欺诈和网络犯罪。

35%的受访者表示,区块链将有助于他们简化和自动化业务流程,因为区块链可以促进CSP运营环境的各个方面实现合理化。28%的受访者认为区块链将通过缩短清算和结算时间来加快交易速度。

2.瞄准新平台业务模式

网络攻击日益普遍,成为全球关注的热点。作为网络的管理方,CSP在应对逐渐兴起的新威胁方面扮演着至关重要的角色。人们希望CSP采用一系列技术和运营创新方法来主动预防这些威胁。因此,毫不奇怪,76%正在探索或采用区块链的CSP将安全性作为投资此技术的重要原因(见图5)。

 

在这些CSP中,近乎半数(46%)的企业认为区块链可带来发展新业务模式的机遇,而且35%将其视为应对利润池不断变化局面的可行方法。传统的业务模式就像管道,讲究连续性,不断将产品和服务输送给客户;价值链呈线性状态。新型业务模式并非线性模式,需要连接CSP、合作伙伴、开发商和客户的平台,从而在结构更简单的生态系统中创造新的价值。

根据IBV最新的生态系统调研,57%的受访CSP高管希望他们的企业发展成为一个生态系统平台提供商。将区块链服务与生态系统平台融为一体,成为一项重要的新兴能力。

87%的受访CSP高管表示,客户是影响企业大规模采用商用区块链技术的重要参与者。这并不奇怪,因为客户体验是企业业务流程设计中的关键考虑因素。五分之四的受访者(82%)认为,与技术提供商合作对开发和提供实用相关的行业解决方案具有重要作用。76%的受访者称监管者扮演着关键角色,这是因为区块链需要符合现存以及未来的法律法规(例如,与数据保护相关的法律)。72%的受访者认为行业联盟对于区块链项目非常重要,原因在于行业联盟可以推动行业达成一致的标准。尽早了解与区块链相关的机遇和挑战有助于CSP节省成本、增加收益,同时实现新业务模式。金准人工智能专家认为,CSP将见证区块链在以下三个领域中带来最显著的影响:

•精简内部流程:主要将区块链用于提高CSP内部的效率,包括与供应商和其他CSP之间的互动效率;

•助力CSP提供基于区块链的服务:由CSP开发、交付和控制的面向客户的服务;

•推动在物联网等业务生态系统内部开展协作:将每位生态系统参与者视为同伴和可信赖的合作伙伴,并为其提供服务。

三、区块链在CSP的影响

1.精简内部流程

智能合约的模块化特征有助于精简CSP运营环境的各个环节,从而降低流程成本,提高流程速度,同时提高可靠性、可扩展性和透明度。区块链加密技术可保护信息安全,并创建具有完整记录的交易审计跟踪。借助区块链,企业可以获得各种精简内部流程的机会。在CSP环境内部实施区块链,可能会对CSP的核心管理系统—例如计费、eSIM配置和网络功能虚拟化(NFV)管理系统—产生最大影响,显著提升这些系统的效率,从而帮助节约成本。漫游是区块链可带来显著成本节约效果的另一明显领域。

当今时代,由于漫游压力,CSP不得不整合各种成本高昂的系统,并提供复杂的访问/认证设置,这样才能支持网络之间的漫游电话。区块链总账和智能合约能够通过集中的共享方式,管理漫游订阅者身份认证、漫游计费、欺诈识别和超额收费管理。

区块链能为CSP和订阅者提供高价值的回报。CSP可更快识别来访订阅者、预防欺诈性流量,并减少索赔。由于清算中心这样的中介环节已被消除干净,CSP可以极大地节省成本。订户则可以更好地控制自己的帐单,不会在收到账单时大为震惊,从而改善体验,提高满意度。

2.改善供应链管理

区块链现已在供应链管理领域掀起了新一轮的创新浪潮。区块链有助于更可靠、透明地跟踪众多供应链交易。每当价值所有者发生变化时—无论涉及有形产品、服务还是金钱—交易都会被记录下来,从而针对产品或交易创建完整的(从源头到终点)、可跟踪的永久记录。

在电信行业,供应链管理会影响多个领域,例如,电线电缆、手机、配件,以及CSP为携手网络供应商、监管者和承包商来高效跟踪其资产生命周期而开展的通信建设项目。合作伙伴间端到端供应链的改善有助于CSP加快产品上市速度和产品供应连续性,同时提高灵活性,实现低成本结构,从而增加盈利。

金准人工智能专家发现,在其他行业,供应链管理领域的区块链项目逐渐兴起。在一个试点项目中,全球最大的食品连锁零售商沃尔玛(Walmart)能够跟踪产品从农场到商店货架的全过程。该公司预计,这种跟踪流程能够从之前的数天或数周,缩减至几分钟,甚至几秒钟。全球运输和物流领导者Maersk正在试用区块链平台,用于将运输供应链中的所有参与者连接起来。

此外,区块链还能促进供应链融资环节的改善。现有的供应链融资解决方案不仅异常复杂,规模还十分庞大,对确保获得充足融资和实现高效运营带来了严峻挑战,因为供应链方面的纠纷会产生严重影响。在大多数情况下,纠纷解决流程会涉及三个主要参与方:

•供应商:供应商希望在产品运出时收到付款,但是通常情况下都会发生许多产品交付纠纷,需要耗费时间和资源进行解决。这些问题有时会产生更高的成本,甚至导致无法履行合同。

•收货方:如果产品未按时交付、交付出错,或者根本没有交付,则会提出争议,搁置付款,直到问题解决为止。此外,这也有损双方之间的信任。

•融资方:融资方需要监控合作伙伴和供应商之间争议的解决情况。最后,他们需要追回为合作伙伴筹集的资金,同时,保持较高的客户满意度。

很多案例研究都表明,在供应链融资领域应用区块链技术将有助于增加控制力、提高速度和可靠性,并降低成本。

IGF在供应链融资领域应用区块链

IBM全球融资部(IGF)提供全球融资、客户融资和全球资产追回服务。为了管理供应商和生产商网络,该公司采用了一套基于区块链的系统,用于缩短常见问题的解决时间。

它已将区块链技术无缝融入现有的用户界面之中,进而为供应商和业务合作伙伴提供增强信息,其中包括有关运输状态的关键数据,这能够大幅度减少为化解交付纠纷而寻找相关证明的问题。所有一切只需通过影子总账方法即可实现,而无需更改IGF的核心商业融资系统的代码。此区块链方法加快了结算速度,缩短了问题解决时间(从40多天缩短为不到10天),减少了争议数量(降幅高达75%),为所有利益相关者节省了材料管理费用,并为每个合作伙伴提供了完整的端到端可视性。

3.提供基于区块链的服务

数字服务的成功不容忽视。向DSP转型的CSP察觉到,通过提供增值的数字服务来满足不断提高的客户期待,可收获重大发展机遇。但是他们没有数字颠覆者的规模和速度,无法捕获重大价值。

现如今,在不同的领域出现了新机遇,例如,以信任为基础的服务。CSP在处理敏感数据方面备受消费者信任,在大部分经济体中甚至超过银行和政府。在这种背景下,CSP能够提供各种基于区块链的客户服务。CSP与其客户互动频繁,可访问大量客户数据,并且已经通过移动设备、互联网和其他渠道提供有价值的服务。添加基于区块链的新服务是一种自然延伸。

CSP应该考虑在以下领域部署区块链:用于交换数字资产(例如,音乐、手机游戏)的微支付、移动支付(订户与订户之间的货币转账、国际汇兑)以及更安全的电子医疗记录处理流程。此外,CSP还应在身份认证即服务这一关键领域利用区块链。

身份认证即服务

虽然CSP支持部分消费者所拥有的技术最先进的设备,但是CSP与消费者之间的互动仍然主要在店内和通过呼叫中心进行,很大程度上并未发生改变。许多CSP的在线激活率仍保持个位数字水平,原因不是用户缺少兴趣,而是CSP缺少可靠、低风险且方便的数字方法来验证用户身份。

新的数字身份生态系统即将到来,CSP应该大胆向前,成为领先者和早期采用者。CSP拥有大量数据,同时智能手机日益普及,这为CSP奠定了独特的优势地位,有望成为身份认证和验证服务的来源,从而收获新的收入来源。CSP可以为消费者提供和管理基于区块链的身份认证即服务,消费者不仅可以在与提供商进行互动时使用这种服务,还可用来向其他组织(例如,医院和政府机构)证明自己的身份。

为何需要快速行动?

可靠的数字身份解决方案对于实现全社会的下一轮数字化转型十分关键。许多政府纷纷寻求与公共/私有部门的合作伙伴开展协作,同时越来越多来自各行各业的参与者加入其中。迄今为止,CSP一直是消费者和企业在数字时代可靠的支持者,因此占据了有利地位。由于CSP面临着智能手机生产商或操作系统(OS)提供商带来的脱媒风险,数字化的身份认证解决方案可帮助加强CSP与客户之间的联系,同时提供持续向客户交付价值的方法。CSP需要立即行动起来,抓住机遇,利用智能手机开发强有力的身份认证用例,抢先竞争对手一步,占据领先地位。

在区块链中,身份认证服务可应用于各种设备、应用和组织,帮助消费者减少向政府机构、银行和其他企业提供身份证明的麻烦以及由此带来的隐私威胁。消费者无需与代表进行繁冗的谈话,无需保存驾驶证照片,无需填写冗长的表格,也需要回答所要求的技能测试问题。区块链的去中心化特性可消除单点故障,极大地改善业务流程的灵活性和弹性。同样重要的是,它能够妥善保护个人用户的隐私,同时保持卓越的使用便捷性。

由于供应商深得客户信任,因此他们在提供此类服务方面具备绝对优势。由此,CSP可提供经过验证的身份认证服务,操作十分便捷,只需通过CSP提供的移动应用,便可开始使用(见图6)。用户可以借此尽享所有需要验证身份的服务,例如建筑物门禁、航班服务和智能车辆使用,以及需要查验个人证件(例如,驾驶证和护照)的服务。

 

用户只需通过其智能手机中的应用,便可控制希望与所选择的组织分享区块链存储的可信凭证中的身份信息。而这些组织就可以快速地验证用户身份,为用户安排新的服务。

4.推动在业务生态系统中开展协作

CSP也可在数字业务生态系统中使用区块链来处理多个参与者之间的复杂交易。在这个方面,CSP可成为值得信赖的合作伙伴,通过部署区块链技术,精简交易流程,并提高各方之间的信任度。CSP还可以依赖新的业务模式创造其他收入来源。

例如,区块链可以在机器对机器(M2M)和物联网环境中扮演重要角色。在这些环境中,设备会自动连接至互联网,并通过收集和交换数据,彼此进行互动。区块链和智能合约可以监控和调整这些互动。CSP作为广受认可的一方,具有绝佳的优势,推动这一领域加速发展,同时在物联网世界实现自己的雄心壮志。

区块链用于广告销售

电信公司和传媒公司之间的融合之风已悄然兴起。多个合并和收购项目已经达成,或正在进行中,例如Verizon购买了Yahoo的Web业务;AT&T收购了DIRECTV,同时还在加紧并购TimeWarner(尚未结束,截至2017年11月,仍在接受美国的监管审查)。CSP目前积极进军媒体内容领域,大力创建、发行和广播媒体内容。

对于涉猎媒体内容领域的CSP来说,广告销售是在这里一领域实现营利的关键。传媒公司的广告销售流程非常复杂,并且涉及多方参与者,包括广告代理机构、广播公司和广告客户。成功管理整个广告销售流程非常关键,而区块链可在此过程中发挥重要作用。

广告销售流程中的交互过程存在各种各样的痛点。其中很多痛点都可通过区块链技术得到缓解,方法便是迁移至基于区块链的共享协作环境,实现集中、一致的信息共享。

广告销售流程及其关键痛点

在广告销售流程中有很多相互关联的参与者,包括广告客户、广告代理机构、Over-the-Top(OTT)供应商、广播公司和评级机构。流程痛点

包括:

•每个参与者都使用自己的记录系统来创建和管理信息,因此难以获得完整的端到端视图。

•各参与者之间的确认工作需要人工完成(例如,运营部门确认广告投放点,广告代理机构确认应收账款发票)。

•业务规则会在事前确定,但是不会在过程中进行验证。

•共享信息(例如,订单的展示位置)可能会在流程中发生变化(例如,广告刊登位置)。

•需要在流程结束时执行手动对账和新共识构建流程。

在此环境中,每位参与者都拥有一份共享总账的副本,并且拥有定制的过滤器来筛选用于可视化的可用数据。数据在整个网络中始终保持前后一致,并且符合智能合约中包含的共享且已获批准的业务规则。如果流程发生变化,则会创建一个新的区块来记录和反映流程中相互依赖的各个步骤的变化,从而避免事后核对的麻烦。

 

区块链可为广告销售流程以及其中的参与者带来诸多益处:

•广告客户:广告客户可以获得更高的广告投资透明度,同时可以详细地了解人口统计资料、广告总收视率(GRP),并更准确地了解广告的投资回报率。

•CSP/广播公司:CSP和广播公司可以提高库存管理流程的效率以及库存使用率。他们还可以精简和加速各方之间的金融对账流程。

•代理机构:代理机构可以为客户提供可靠的广告开支信息,并进一步精简计费和发票流程。

这个流程中的所有参与者还可以可享受到更多的益处,包括不同参与者之间的信任度增加、客户满意度提高,以及账户管理流程简化。

未来的发展方向

尽管区块链技术仍在不断发展,但是受益的机会是真实存在的。要从中获益,我们建议CSP先采取下列步骤:

•向区块链领域的领先合作伙伴进行咨询,了解业务模式、技术、早期用例、有力证据和新兴的解决方案。

•评估当今技术的发展情况、各种区块链提供商及他们在技术和策略方法方面的差异,了解适用于所在国家或地区和业务运营范围的标准和法规,以及业务运营范围。

•投资落实针对收入增长/平台业务领域和内部效率方面的潜在机会提出的创意。

总结

金准人工智能专家相信,区块链未来发展前景十分广阔,能够改变CSP与合作伙伴之间的交易方式以及核心业务流程的执行方式。对于CSP来说,现在就应开始着手布局,采取措施构建真正的用例和应用,最为重要的是,充分理解区块链所带来的机遇。

金准人工智能 AI附能流程自动化演进,实现智能互动 2018-04-16 14:25:46

前言

全球各地的企业纷纷利用新型数字化业务流程和技术进步,实施能够复制人类行为的自动化解决方案,借此消除日常重复任务,让员工能够集中精力处理高价值的任务。在我们调查的3000多家企业中,几乎所有企业都不同程度地实施了智能业务流程自动化,大约40%的企业采用了基于AI的自动化技术。

 

自动化由来已久,历史可追溯至5000多年前。随着人工智能(AI)的发展,自动化技术迈上了新台阶:智能自动化。智能自动化借助技术进步,优化业务流程,推动客户体验个性化,提高企业决策能力,从而改变企业的运营模式。金准人工智能专家在本文中揭示了先驱型企业在实现智能自动化过程中所采取的措施,以及他们平衡运营效率与员工队伍变化的方法。

任务自动化的发展涵盖了整个人类历史,从玛雅人使用引水渠实现用水自动化运输,到亚当·斯密的自动化示例推动扣针制造商大步发展,再到亨利·福特发明自动化机械装配线。在大多数企业中,数字化重塑(Digital Reinvention)如火如荼,新技术应用日渐广泛,自动化新时代—智能自动化,就是顺理成章的事了。

纵观历史,自动化就是从人员、流程和技术的典型协同增效范例中创造新价值的绝佳机遇。例如,在用水自动化运输中,技术(引水渠)使人员(引水渠建造者)支持的流程(用水运输)成为现实。同样的协同增效效应还开启了工业时代。

这种范例在信息时代发生了变化。与数据相关的任务要求人员(在键盘上)实现由技术(电话、电子表格)支持的流程(事务或互动)。数据驱动的企业任务自动化始于20世纪60年代,催生出企业资源规划系统,并不断向前发展,现已扩展至机器人流程自动化(“机器人”)。

但是,任务自动化一直为数据处理能力所限,只能采集结构化数据、标准化格式数据,比如简单的“屏幕抓取”和数据分类操作;无法处理非数字化或包含不可靠数据的企业运营流程。除了严重依赖于这些条件,任务自动化还需要人为干预才能成功地完成基于信息的流程,直到最近这一问题才得到解决。

智能自动化是一种新能力,有助于最大程度减少所需的人员支持。这实现了流程负担从人类向技术的转移,有望彻底改变企业的工作方式。随着越来越多、越来越复杂的任务交由流程自动化完成,企业员工就能够解放出来,专心投入高价值的工作。

高密度文件系统的出现,以及算法分析和人工智能工具的进步,为数据驱动的任务自动化带来了全新的机遇。现代化的数据平台能够快速准确地处理各种系统中海量的多格式数据,解读异常情况,效仿模式,并从最近实现数字化的企业流程中捕获大量隐藏的洞察。随着融合用于处理和分析数据的各种人工智能工具,自动化能力的应用范围也日渐扩大,在20世纪60年代,自动化只能处理基本的数据移动,现如今,已经可以指挥高级系统,还有一些系统能够执行基于判断的操作和类似人类的互动。

一、智能自动化是什么

智能自动化汇集了最新的技术进步,能够自动持续地管理和改进业务流程。智能自动化的组成部分包括:

(1)人工智能/机器学习—配备软件的系统应用,能够模拟人类智能过程,无需明确指示即可开展学习。

(2)自然语言处理—能够理解人类说的话。

(3)机器人—使用机器人对物联网(IoT)数据和其他数据进行学习并做出自主决策。

(4)预测性分析—借助统计算法和机器学习预测结果的做法。

金准人工智能专家在本文中从面向数据的角度询问了最高层主管对于智能自动化的看法,同时分析了哪些业务流程最适合实现“自动化”。

全球性金融服务公司瑞士银行(UBS)最近披露了对于智能自动化发展的看法:“空前数量的数据(大部分是非结构化数据)可供使用;计算机处理能力呈指数级提升;数据存储解决方案的价格不断下降,而便利性日益改进;同时机器学习算法持续精进,这些都为智能自动化领域的重大发展提供了有力支撑。”

用于业务流程管理的数据无处不在,这使得企业的智能自动化使用情况、所采取的措施以及所取得的成果变得更加透明直观。金准人工智能专家采访了3,069位最高层主管,其中91%的受访者表示,他们的企业已经采用了一定程度的智能自动化,既有事务性屏幕抓取功能,也有复杂的事务处理,还有依赖人工智能的互动。几乎所有企业均可归入三类信息自动化用户之一:基础、高级或智能。这种分类贯穿整份报告,用于描述所讨论的数据自动化类型。为清晰起见,那9%没有采用任何自动化技术的企业忽略不计,本报告未对他们进行研究(见图1)。

 

目前,支持企业将数据自动化技术从数据中心和ERP系统向企业复杂的运营流程拓展的技术已日趋成熟。具备“数据访存和响应”能力的聊天机器人、自然语言处理和机器学习正迅速成为解决业务流程中特定需求的常用工具(见图2)。

 

技术驱动型智能自动化领域的先驱企业纷纷采取战略性举措,以平衡所获得的运营效率与员工队伍正在发生的变化。在这份报告中,金准人工智能专家考察了这些早期采用者所采取的措施,并为寻求利用智能自动化探索新机遇的企业提供了指导建议。

二、自动化在效率上的体现

大多数高管认为,未来两三年内,人工智能帮助他们决胜竞争的三大法宝之一就是“优化业务流程”。人工智能影响最大的另外两个领域当属“实现客户体验个性化”和“增强预测和决策能力”,而实现这两大目标的唯一途径就是高效利用智能自动化。

这些新技术和人工智能驱动型自动化能力的早期采用者—“高级”和“智能”用户,表示他们在许多业务职能领域收获了显著效果。即使是目前只使用非现代化的事务性自动化技术的“基础”用户,也纷纷表示未来两三年内,这些新技术将会为企业流程带来新活力,产生重大影响(见图3)。

 

相较于实施多功能人工智能解决方案的“智能”用户,更多的“高级”用户表示人工智能对其带来了显著的影响,这似乎有违常理。受访高管被要求按照复杂程度,对企业内最高程度的自动化所带来的影响进行评价。金准人工智能专家发现,“高级”用户对其所使用的经过实践检验、主要关注于某个特定方面的解决方案有较全面的跟踪记录,而“智能”用户的尖端多功能人工智能系统则少有效果检测指标,这或者是一种解释。与此同时,不难看出“高级”用户与“智能”用户两者之间的期望差距正日渐缩小。

自动化技术的价值主要来自其所带来的效率优势。一家入围《财富》全球消费品企业75强的企业通过采用先进的自动化解决方案,将工作流问题(称为“问题凭单”)的解决效率提高了30%,并将员工生产力提高了50%。一家全球性银行成功将问题凭单数量减少达40%,员工满意度提高95%以上;现在计划复用相同的技术,支持各种企业流程中的超过25个企业应用。

简单的流程自动化可以消除错误,减少偏差,只需少量时间便可完成事务性工作,速度远超人类员工。事实证明,在处理重复性任务方面,这些基础技术明显优于人类员工,不仅可节省75%的成本,还能带来25-50%的效率提升。

将人工智能融入基础的自动化流程不仅能够提升工作效率,还能扩展所辖工作的范围。人工智能驱动的流程可以自动扫描数百万页文档,所耗时间只是人类花费时间的“九牛一毛”,并且应用范围也十分广阔,覆盖法律合同审查、医疗方案决策、索赔分析和欺诈管理等领域。智能自动化系统的数据分析速度比人脑快25倍,可以24小时全天候不间断运转,能够使用自然语言与员工和客户进行交流,并且理解准确率令人惊叹。

一家南美保险公司最近通过创建一个使用自然语言处理的智能处理系统,改变了根据每个客户的保单承保范围核对理赔要求的人工流程。该系统能够同步处理数千页的文档和电子表格,将人工代理参与的理赔处理时间缩短了90%以上,每年帮助公司避免了高达100万美元的欺诈损失。请参阅图4,了解一个保险流程如何因任务自动化而发生变化。

 

使用人工智能(无论是特事特办的AI还是整合到智能系统的AI)管理的运营流程,将“智慧”融入到了自动化的活动之中,并通过自动化的透明性和无穷尽性等特征实现增效。举例来说,欧洲的一家电力供应商,在计划部署的50个机器人(主要是客户服务聊天机器人)中首批8个机器人投入使用后,预计实现了600万欧元成本节省,随着部署计划的推进,有望实现两位数百分比的成本节省。自动化还能够根据季节性需求或高峰期促销活动灵活可变地调整企业运营规模。

与大多数技术的成长轨迹一样,人工智能驱动的自动化虽处于早期阶段,但将会继续向前发展。目前,企业主要采用自然语言翻译、非结构化数据识别、“抓取和响应”式互动代理和复杂算法(分步操作)等功能实现流程自动化,以期减少或消除人为干预需求。新一代的智能包括具备记忆能力的系统(例如能够自动执行未来机器人配置)和推理能力的系统(支持预测性和概率性处理之类的任务)。这两种能力相结合,就可以形成具备学习和互动能力的系统。

三、适合实现自动化的流程

成千上万的不同任务组成了数以千计的活动,而这些活动又推动着数字型企业内数百个流程。每个单独的任务都是一个自动化机会。对于企业高管来说,最迫切的问题便是找到最合适的切入点。

提前制定自动化战略可帮助企业权衡任务自动化的难度与潜在的效率提升,从而优化投资。在采用智能自动化的高管中,半数表示已经确定了企业内可通过人工智能增强或实现自动化的关键流程,相比之下,在“高级”用户和“基础”用户中,这一比例分别只为四分之一和七分之一。工作活动分析方法可以最准确地评估流程是否适合自动化。美国生产力和质量中心(APQC)发布了一份包含大约1100个跨行业活动的清单,这些活动组成了300个核心企业流程,而这些核心流程又进一步分为70个流程组和13个高级流程类别。根据这一框架,我们考察了1100个活动中每个活动所需的平均工作量,以便确定最适于自动化的企业活动(见图5)。

 

金准人工智能专家发现,最适于自动化的业务流程类别往往是事务性特征最明显的工作,例如,支持管理财务资源、管理客户服务和交付有形产品等任务。最不适于自动化的流程类别常常最具战略意义且高度依赖判断,涉及的活动包括远景规划和战略制定以及外部关系管理等。

特定于行业的自动化不包含在这个框架之中。这些重点关注某个特定方面的解决方案使用人工智能驱动的自动化,往往用于执行算法任务,速度超越人类的合理能力水平。

1.智能自动化帮助银行提升效率和准确率

2014年,一家总部位于日本的跨国银行推出了一款新产品,用于帮助投资者为符合条件的教育基金建立免税信托基金,让信托人更轻松地将遗产传给子女和孙辈。该产品取得了意想不到的成功,募集了超过5000亿日元的资产,并助力该银行发展成为市场领导者。

这些不断增长的资产开始对内部流程造成压力。该银行雇佣了近300名审查人员来核实符合条件的教育开支,但由于每年需要处理的交易量高达140万笔,每笔交易所需处理时间长达45分钟,这种人工审查流程难以持续,逐渐阻碍公司发展步伐。

为了解决这一问题,该公司发现自动化技术通过提取关键字,检查信托申请的必备要素,将其与法规和客户协议进行比较,并与过去的评估进行交叉参评,可以补充人们对特定开支是否符合免税条件的判断。通过结合光学字符识别技术,该解决方案将印刷和手写文本的图像转换为结构化和非结构化数据,包括来自收据和申请表单的信息;而且,随着越来越多的案例被添加到语料库中,该解决方案的机器学习算法变得越来越准确。

通过利用先进的智能自动化技术,该客户最大程度减少了差错和返工情况,将评估时间从45分钟缩短至18分钟,降幅高达60%。由于效率的大幅提升,该银行有望在解决方案实施后两年内,实现1.3亿日元的成本节省。考虑到交易量的预期增长,该公司预计未来五年内可总共节省7.3亿日元。此外,该银行计划通过加快申请审批流程,提高了客户满意度,加强了自己的教育信托基金供应商的品牌形象和市场领导地位。

2.任何特定流程所需的自动化程度因流程任务性质而异

基础自动化适合于基于规则的重复性任务,这种任务不仅具有结构完善的活动,而且从高度结构化的数据源中提取了清晰定义的规则,同时还使用能产生直观、可衡量结果的系统。理想情况下,最适合基础自动化的流程当属容量高、周期长的流程,这种流程目前遇到的瓶颈或痛点是需要具备高可视性,而且要由数字化触发器启动,并由数字数据提供支持。

 

德国的一家金融服务供应商仅仅在将首批10个计划中的流程实现自动化后,时间效率就提升了60-80%,同时短期成本削减了20%。该公司在不到12个月内便实现了投资回报,目前计划让更多后台流程实现自动化,涵盖表单创建、姓名更改、数据预填充、状态更新和调查触发等。

高级自动化适合于更为复杂的任务。人工智能解决方案用于自动执行基于非结构化和结构化数据组合的任务,通常是涉及多个系统或海量数据的活动。这些流程所包含的活动往往利用庞大的知识数据库,但是所采取的每个行动都基于特定的数据和定义的结果。最适合高级自动化的流程是那些需求波动较大的流程,因为自动化系可以进行扩展,能够轻松适应原本要靠改变人员配备才能应对的情况。

企业每天都要面对数以百万计的网络威胁,在这种背景下,一种标准做法迅速普及,那就是将机器学习这种高级自动化能力整合到数据安全系统中。由于自动化技术具有可编程、规则驱动的性质,因此任何程度的自动化都可以满足地理数据存储要求,并始终应用财务要求方面的规则。

智能自动化可用于增强或“自动执行”那些由于上下文和选择不同而难以预测的企业流程。所谓增强,意指由人工智能驱动的多种功能协同工作,执行任务中一些常规部分,而由人员最终完成任务。或者,可使用自动化技术处理流程中的所有步骤,包括执行可变的操作,代替人类完成任务。

流程自动化并非“拖放”式操作那模样简单。在确定哪些流程领域最适合自动化之后,企业高管下一步就要从整个生态系统的角度出发,重新设计流程。通常,在流程实现数字化以及合作伙伴网络实现互联互通的过程中,所有新组件只是硬生生插入现有流程之中。直接将机器人丢进设计糟糕、优化不足的流程或新生的数字化流程中,会严重削弱企业的价值创造能力。从这个意义上说,自动化带来了重新思考工作方式的机会。

四、平衡工作负载

纵观历史,自动化就是从人员、流程和技术的典型协同增效范例中创造新价值的绝佳机遇。这种推动力并不一定会取代人类,而是改变人类所做的工作,创造新的工作方式。企业必须在创造21世纪的“数字化劳动力”的同时,认识到这对现有员工队伍的影响,争取在两者之间实现平衡。

新型数字化企业流程不是技术孤岛,现在和未来的核心运营流程都需要借助人类与所处理数据之间的相互作用。由自动化系统(或多组任务自动化例程)所创建的“数字化劳动力”负责运行各种运营流程,能够很好地处理人类员工应接不暇的任务或重复性的简单任务。由此,人类员工可以腾出时间来开展最适合的工作:开展战略思考、创新行动和人性互动。

三分之一采用智能自动化的高管表示,他们希望通过人工智能,将一些员工重新部署到高附加价值活动中。金融服务公司UBS就是很好的例证。根据该公司网站上的一篇文章,“最重要的是,智能自动化能够让员工从日常工作中解放出来,专注于更具创造性的高附加值服务。整体而言,这些改进会给公司带来显著的效益,同时还能提高员工的工作满意度和生活质量。”

在大多数企业中,一个极为平常的劳动密集型高成本任务领域便是应用管理。企业需要将大部分IT员工和预算投入到以下极为平常的任务中:维护必要但低价值的业务流程应用正常运转,确保数据库容量充足,保证服务器正常工作,确保应用可供业务用户和客户使用。目前,大数据监控工作仍是一个需要大量手动操作的流程,而且极易出错。

基础的机器人自动化技术在业务应用监控和维护方面的应用日臻成熟。通过整合人工智能驱动的功能,企业可以进一步扩展自动化解决方案,超越简单的报告生成和模式识别功能,纳入可触发修复操作的功能,从而打造自我修复型系统。

通过采用人工智能驱动的自动化技术,一家制药公司提前解决了企业应用问题,避免严重事故的发生。作为全球最大的药品分销商之一,该公司每天需要处理数以百万计的订单,远非人力所能及,导致系统的可用性成为成功的关键。

然而,确保业务关键型流程的可用性是一项繁琐的活动,依赖于数百项重复的手动任务,这些任务会消耗IT人员的大量时间,包括日常的服务器、服务和磁盘空间监控任务,根据规则在容量不足时采取的补救活动,以及大型老旧ERP系统的日常验证与核对工作,以便确保交付的药品都开具了发票。应用套件中反复出现的问题会对公司的最终客户造成影响:当支持人员修复应用问题时,卡车只能在仓库中等待所需的信息,而后才能交付货物。

通过对企业应用监控活动实现自动化,该公司大大减少了对人工干预的需求。团队从分析反复出现的问题着手,使最常见故障原因的修复实现自动化。现在,自动化的机器人负责执行预先安排的监控和修复任务,每天根据发票核实装运情况。如果出现问题,机器人会自动部署修复程序,这意味着支持人员只需介入例外情况。大多数时候,系统都会自动运行,这意味着卡车可以按时离开,而客户也会按时接到订单货物。

在自动化技术的帮助下,该公司每月能够节省大约1100个工时,每年可节省超过13000个工时,这些节省下来的资源可以转而投入新的项目计划。这样一来,团队可以去建立和培养高价值的项目设计技能,而不是耗费精力去“运行系统”。同时,用户和客户也能从更高的系统可靠性和可用性中受益良多。

要应对这种劳动力转型,尤其是企业运营规模的潜在变化,就需要开展相应的文化转型。90%的“智能”用户表示,他们的企业在过去的重大变革管理中取得了显著成功,相比之下,只有不到一半的“高级”用户和大约三分之一的“基础”用户表达了相同的观点。

就像早期技术进步取代帽针制造商和车厢制造商一样,一些现有的工作也将经历颠覆,因为“数字化劳动力”能够承担以前由人类员工完成的工作。遗憾的是,我们的调研发现,只有20%的受访高管已经制定了员工再培训计划。

大约三分之一的受访高管(自动化水平各不相同)认为,要在企业内部实施或利用人工智能技术,就需要设立相应的新角色。大多数高管承认,他们目前没有采用人工智能技术所需的必要人才,例如,具备机器学习技能的数据科学家和相关人员;他们还表示,需要聘用新人才或培训现有员工以获得这些技能(见图7)。

 

经验表明,企业高管必须充分考虑并明确解决自动化带来的劳动力平衡问题。研究显示,企业需要在数据和分析工作中加强变革管理,并且金准人工智能专家预计,这项需求还会不断提升。

五、自动化之旅

自动化并非一蹴而就,企业高管需要站在战略高度,系统性地思考前进之路。正如我们所指出的,几乎所有企业都已开始智能自动化之旅。虽然大部分企业仍在使用基础机器人,但我们发现,走在前列的企业正在打造智能互动能力。

当企业开始考虑走上智能之旅时,需要回顾借鉴整个行业数十年来经历的低水平自动化、数据和分析以及单点式人工智能解决方案这些阶段。虽然自动化能力通常是一步一个台阶的过程,但我们发现,不论自身当前能力如何,大部分企业选择跳过一个或多个早期步骤。然而,在这段旅程中,企业往往需要以退为进,打好基础,方能在漫漫征程中顺利前行。

我们确定了打造智能企业的三个关键步骤,这些步骤以自动化流程为支撑,而自动化流程又以技术和人员为后盾:大处着眼,小处着手,转变方式。大处着眼:创建自动化基础

采用战略方法实施自动化,帮助企业充分利用现有资源,并优化投资回报。战略方法需要明确自动化技术对现有员工队伍的影响,做好充分准备,从容应对这些影响。

(1)任命一个跨业务和IT部门的高管团队,授之以项目优先、预算和资源分配、指标监控及管理等特权。

(2)根据取得的成效来确定智能自动化机会的优先顺序,但确保战略包含人才管理和知识保留领域。

(3)尽早而且频繁地与员工进行交流沟通,帮助他们适应全新的工作方式。

1.小处着手:建立自动化指挥中心,增强扩展成效

自动化指挥中心为信息自动化资产的开发和使用提供管理框架。这是一个关键的成功因素,因为大多数企业需要考虑、转变和管理数千个适于自动化的流程任务。

(1)指派一个企业部门来管理项目进展、推广部署和成效衡量工作。

(2)让各个团队协同工作,共同实现机器人“构建”能力和其他服务,优化企业内部的知识重用水平。

(3)制定任务自动化项目目录,以便支持重用,并最终自动执行新机器人构建任务。

2.转变方式:优化数字化流程,平衡工作负载

使低效流程中的任务实现自动化只会导致资产绩效下滑。在数字时代重新思考工作方式,需要专为适应力、灵活性和可扩展性而设计的信息平台。

(1)重新设计流程,优化人类员工与数字员工之间的平衡。

(2)以迭代方式评估实现自动化的任务和活动,以便寻找利用人工智能重新设计流程的机会。

(3)使用自动化平台和程序,推动企业实现数字化转型。

总结

全新的自动化时代已然来临。虽然只有时间才能够证明最后的成功花落谁家,但我们相信,现在投资发展智能自动化,将为企业在新时代大展身手奠定坚实基础。

金准人工智能 AI附能汽车行业新价值 2018-04-13 16:32:33

前言

汽车行业是人工智能的重要应用产业,在过去的两年多中,汽车行业一直在广泛探讨四个颠覆性、相辅相成的主要趋势——自动驾驶、车联网、电气化和共享出行(ACES)。这些趋势预计将推动交通市场的增长,改变交通行业的规则,并实现从传统技术向颠覆性技术、以及创新商业模式的转变。

人工智能(AI)是四种趋势中的关键技术。例如,自动驾驶本质上依赖于人工智能技术,因为它是唯一能够对车辆周围物体进行可靠、实时识别的技术。对于其他三种趋势,人工智能创造了大量机会来降低成本,改善运营并创造新的收入来源。例如,对于共享出行服务,人工智能可以通过预测和匹配供需来帮助优化定价。它也可以用来改善维护计划和车队管理。人工智能还可以帮助汽车企业得到更多融资,并应对今后的变化。

即使是在短期内,人工智能技术也能提高整个价值链的效率,降低成本,并可从汽车销售以及售后市场获取新的收入。大部分价值通过四个核心过程产生。在采购、供应链管理、制造方面效率的提升,分别使成本节约了510亿美元、220亿美元和610亿美元。在汽车营销及销售方面,基于人工智能的高效率既可以降低成本,又可以创造收入,从而可产生310亿美元的价值。

从长期来看,具有智能驾驶功能的车辆和出行服务可以为整个行业带来大量的价值,但这些功能和服务在短期内仅会给行业带来有限的价值。尽管如此,通过这些服务创造的价值也是非常重要的,因为如果汽车OEM厂商在驾驶和出行服务方面胜过竞争对手,那么则可以获得相当大的市场份额。

一、工智能

为了方便理解,金准人工智能专家提出本文中与人工智能相关的一些术语,它们都是基于机器学习的。

人工智能(AI)是机器和系统所展示的智能,机器模仿与人类认知相关知识的功能。人工智能有三个层次:

最低级别是“窄定义人工智能”,这是一种现有的软件,它可以自动完成一个传统的人类活动,并且在一个专门的领域,例如玩棋类游戏,预测销售,或者预测天气,在效率和耐力方面都胜过人类。自动驾驶也是一个窄定义人工智能的例子,尽管它比目前所有的应用程序都要复杂得多。

超级人工智能是人工智能的最高水平,当人工智能变得比几乎所有领域中最优秀的人类大脑聪明得多的时候,它就达到了。超级人工智能系统可以对未知环境进行推理。关于这种智能水平能否达到、如何达到,以及应用场景如何的问题,存在大量的不确定性和争论。

它是实现人工智能的一个重要组成部分,因为它的输出被用来作为建议、决策和反馈机制的基础,以解决以前未知的情况。机器学习是一种创建人工智能的方法。由于当今大多数人工智能系统都是基于机器学习的,所以这些术语经常被使用,特别是在商业环境中。机器学习是对样本输入数据的训练算法,以优化其在特定任务上的性能,从而使机器获得新的功能。

经过训练的机器学习算法利用它的学习经验,更好地做出基于以前看不见的数据的预测(例如在图像上识别某种类型的动物)。机器学习系统主要采用三种方法进行训练。

监督学习。人工智能系统提供的示例输入数据与人工智能系统应该预测的数据类似。所提供的资料为标签,即,所需的输出包含在数据中。

无监督学习。输入数据没有特定的标签,人工智能系统需要根据数据中识别的结构找到它的度量和分类。

强化学习。人工智能系统根据奖励功能选择行动以最大化回报。机器和软件人员利用尝试和错误来自动确定特定环境内的理想行为,以使其性能最大化。

深度学习是人工智能的一个分支。它主要涉及由许多层组成的神经网络,因此称为“深度”。在过去的几年里,深度神经网络是许多领域最成功的人工智能方法。深层神经网络可以应用于上述三种类型的学习。它们适用于许多模式识别任务,而无需对算法进行修改,只要有足够的训练数据即可。由于这些特性,深层神经网络可以应用于从视觉对象识别到产品特性的复杂仿真等多种任务。

二、人工智能可为汽车OEM厂商创造新的价值机遇

人工智能带来的价值潜力主要来自于三个应用领域:在OEM价值链中应用AI技术、汽车中智能化的驾驶功能(如高级驾驶辅助系统或自动驾驶)、新商业模式下的交通出行服务。金准人工智能专家主要分析人工智能可带来的两种价值机遇:

一是整个汽车OEM行业的机会,人工智能可为汽车OEM行业带来价值。在短、中期内,AI带来的价值潜力主要来自于流程方面。人工智能将使OEM厂商能够共同提高性能,特别是通过改进流程,并通过增加新的驾驶/车辆功能(如高级驾驶辅助系统ADAS或自动驾驶)等增加销售和收入。

另一种是OEM厂商独有的机会,人工智能可为OEM厂商带来机会,以超越竞争对手。对于每个OEM厂商来说,有两种方式可以超越竞争对手:首先,可重点致力于提高市场份额,例如,提供优越的客户体验以吸引更多客户;其次可以通过更积极地参与新兴的交通市场,以增加收入和/或提高利润率。

1说明了AI给应用领域带来的可实现的收入和价值,同时对到2015年AI的应用进程的底线杆及营收杆做出了区分。在短、中期内,人工智能将为汽车行业创造大量的价值,预计2025年,人工智能为全球汽车OEM厂商带来的总价值将达到大约2150亿美元,这相当于整个汽车行业EBIT值的9%,或者是相当于年平均生产率提高1.3%。这对于推动汽车行业的发展具有重要价值,它大部分来自于价值链核心流程的优化。

1:2025年,人工智能附能的流程优化将驱动整个行业的价值,基于AI的驱动/车辆功能使单个OEM厂商提升竞争力。

2:流程优化不同的是,具有智能驾驶功能的车辆和出行服务可以为整个行业带来大量的价值,只能从长远来看。

 

 

无论从短期还是长期获取价值机会,重要的是,OEM厂商已经开始投资具有智能驾驶功能的车辆,例如,自动驾驶或连接特性,开发人工智能应用程序成功地应用于出行服务。此外,对于OEM厂商来说,利用人工智能提高性能、改进流程,从而获取价值至关重要,它可以为未来5到10年驾驶/车辆功能、出行服务提供资金支持,获得长期投资价值回报。

三、汽车OEM厂商应充分抓住AI创造的价值机遇

OEM厂商应立即行动,利用人工智能技术获取价值,并创建必要的能力,以提供具有竞争力的、以用户为中心的长期服务。OEM想要抓住价值潜力,引领市场,就需要进行全面的人工智能转型。人工智能转型是一个综合的体系,跨越由试验到实践,再到扩大规模的过程。

3.1 全行业价值机会:人工智能附能流程优化

汽车OEM厂商预测到2025年约有2030亿元是人工智能为价值链核心流程优化带来的价值。如图3所示:

在汽车制造商的价值链中,最大的机遇就是影响商品成本的控制杆。因此,最大的绝对成本削减效应存在于制造业(15%的改善)、采购(4%改善)和供应链管理(16%的改进)。

销售和市场营销也提供了有趣的价值机会,部分原因是通过降低成本(提高13%)的底线效应,例如,通过更有效的方式使用营销支出,但主要是受额外收入的影响(总收入增加了0.9个百分点)。这对销售和市场的影响主要集中在减少给顾客的回扣和改善汽车的特点。通过应用机器学习来更好地理解客户的优先级和调整汽车生产,以及车辆到交易的分配,可以减少回扣。

为了更好地理解这些价值机遇在哪里以及如何生成这些价值,金准人工智能专家分析了OEM价值链内的七个主要流程领域:研发、采购、供应链管理、生产制造、销售和市场营销、售后服务和支持功能,包括人力资源、财务和IT。

在这七个主要领域中,通过人工智能的应用程序可以以两种不同的方式创造价值。

基于数据分析生成策略,人工智能通过分析之前无法使用的或无法破解的数据来产生新的见解。然后利用这些新见解,使流程更节省成本或时间效率。例如,预测维护用例能监控图像,声音,以及机器的振动来预测维护时间和执行的方式是否需要优化。

基于人工智能的过程自动化:人工智能促进了以前无法实现的任务的自动化,或者只能以非数字格式提供,例如,在纸质报告中。基于人工智能的自动化的一个重要例子是在研发过程期间进行的产品测试的虚拟化,例如,碰撞测试模拟,其限制了对高成本、实际的碰撞测试的需要。

在自动驾驶全面实现之前,智能辅助驾驶已经商用,且将进一步普及。目前以ADAS(先进驾驶辅助系统)为代表的高新技术装备在车辆上的渗透率正在大幅提升,有望在2018年迎来爆发,2020年,仅ADAS一项的市场规模就将达到近千亿元,年复合增速将超过35%。德国等汽车工业发达国家ADAS已经普及,中国渗透率较低,因此存在巨大市场空间。ADAS应用了传感器、图像识别等AI技术,给了人类眼观八方的能力、提醒人类不要犯类似于疲劳驾驶的错。事实上,自动驾驶也分为L1-L5 不同级别的自动化,部分ADAS已实现L1级别的自动驾驶,特斯拉的AutoPilot则实现了L2级别的自动驾驶,AI辅助人类驾驶已经成为现实。

3:2025年,汽车OEM厂商价值链的细分

 

4:通过促进新产品的产生和自动化,人工智能使OEM厂商能够在价值链的每个阶段捕获新的价值机会。

 

 

 

3.2 OEM厂商竞争优势:以客户为中心的服务

与流程优化不同的是,以客户为中心的服务(驾驶/车辆功能和出行服务)将对整个行业产生有限的短期价值影响。然而,这些服务将在单个OEM厂商的短期竞争力中发挥重要作用,以超越竞争对手,抢占市场份额,并参与新开发的出行市场(如图5所示)。

两个来源为以客户为中心的服务提供价值机会:

重要的用户体验和驾驶/车辆特性。OEM厂商可以通过卓越的数字用户界面和驱动/车辆特性来增加他们的市场份额。市场份额的增加通常是可以实现的,这相当于收入增加了5%到7%,这取决于OEM的类型。然而,对于那些在数字用户体验和驾驶/车辆功能方面落后的OEM厂商来说,一个巨大的影响是潜在的收入风险。根据OEM的类型,大约60%到70%的消费者表示他们愿意为了更好的广告功能而改变他们的品牌,大约35%到45%的消费者愿意为了更好的连接功能而更换他们的OEM厂商(图5)。

新兴的出行市场为OEM厂商提供了另一个有趣的收入机会(2025年大约为3800亿美元)。一些OEM厂商将积极参与并争取在新市场中占有很大份额,而其他一些公司将继续关注传统的汽车收入。尽管这是一个巨大的收益机会,但OEM厂商的盈利能力很大程度上取决于其运营模式和报价的规模。机器学习需要在这里发挥作用,例如,优化共享的车队操作,但是需要由OEM厂商开发一个更广泛的共享移动生态系统来获取这个价值。

显然,智能驾驶/车辆功能和共享出行服务将导致汽车行业的混乱,但很难预测这种破坏将在何时何地发生。但是,从长远来看,汽车OEM厂商的成功将取决于他们提供先进的智能驾驶/车辆功能,并成功地在共享的出行市场上运行。对其他技术中断的回顾研究提供了对这种破坏的潜在范围的看法。例如,在2000年到2014年期间,在旅游行业的数字化中断期间,美国的旅行社数量减少了一半,而在线酒店的收入增长了十倍以上。当汽车行业的中断发生在何时以及如何发生的时候,所有的OEM厂商都需要通过建立提升抗风险能力和资金准备来应对这种情况。

5:相对于OEM厂商在连接性和ADAS(先进驾驶辅助系统)/AD功能上落后的高风险,市场领导者的潜在收益是有限的。

2025年的收入为10亿美元或收入所占百分比

 

3.3 OEM厂商全面实现人工智能转换

OEM厂商应该立即采取行动,从人工智能中获取价值,并建立必要的能力,以提供具有竞争力的以客户为中心的长期服务。要想获得市场的全部价值潜力,就需要进行全面的人工智能转换。这样的人工智能转换是一种集成的过程,它跨越了与实现人工智能核心的试点项目相关的过程,并扩大了规模。

然而,在实现整体转型的过程中,为OEM厂商提供的四个独立的战略行动可以在短期内应用,以使其能够顺利进行,并开始从人工智能中获取价值。

建立标准化的数据生态系统,收集和同步来自不同系统的数据。OEM厂商需要开始确保以结构化的方式收集和聚合现有系统的可用数据。数据必须同步,因为它为进一步的分析和机器学习算法的训练提供了基础。例如,当数据来自不同的系统时,数据的唯一标识和数据之间的关系的定义。除了从OEM系统收集数据。OEM厂商也应该从汽车和第三方那里收集客户、车辆和过程数据,比如经销商系统。更精细的驾驶模式的知识能优化他们的共享活动能力,改进电池和电动汽车的设计,或者更好的计划并运行充电基础设施。

建立合作伙伴系统OEM厂商需要建立一个伙伴生态系统,以缩小知识差距,并限制进入人工智能价值池所需的投资。合作伙伴生态系统很可能包括一般技术伙伴和部门或特定应用程序的特定合作伙伴,例如在制造或供应链中。许多合作伙伴将成为汽车市场的新参与者,为汽车行业带来重要的、高度专业化的能力。在生态系统中,每个伙伴的角色需要被明确定义,其中包括确定所设想的伙伴关系类型。除了长期关注的战略伙伴关系之外,许多OEM厂商还需要短期合作伙伴关系来支持人工智能应用的实现或运营,以及数据采集和建立标准化的人工智能操作系统。

建立人工智能操作系统。为了在人工智能的广泛应用领域进行扩展,OEM厂商需要定义他们的标准化IT堆栈,并将其作为人工智能应用程序的操作系统。这包含了从基础设施到平台和特定服务的各个层包括从标准化的APLs到从不同的系统中获取数据的活动。由此产生的操作系统进一步加快实现,提高生产力,从而创建一个可伸缩的技术骨干。

建立核心人工智能系统和人工智能团队。在人工智能快速落地试验过程中,OEM厂商需要战略性的布局。一些OEM厂商将在公司内部组建人工智能核心团队,其他的则选择通过建立战略合作伙伴关系的方式提升人工智能技术力量,无论何种途径,OEM厂商都要确保在公司不同职能部门中实现人工智能应用程序的持续支持。

为了开始转型,保证长期AI政策的可实施性,OEM厂商应从三个方面采取行动:

确定重点用例并迅速进行试验。在整个用例场景中,OEM厂商需要优先考虑应用程序,以确保其资源的最佳使用。OEM厂商应该首先关注那些可以快速测试和实现的用例,然后再解决需要长期规划和过程调整的更大的用例。对用例进行优先级排序并快速实现试点。第一个试点用例应该快速实现,因为它们可以是人工智能应用程序能够生成的价值类型的早期演示。对于每个主要部门,OEM厂商应该定义他们的前三种人工智能应用程序,并在测试和学习逻辑中实现它们。这使得在大规模应用人工智能应用程序之前,可以在安全的环境中使用。

例如,利用AI技术改变整个汽车的设计、制造、测试等诸多环节,谷歌无人车之父Sebastian Thrun就指出,未来80%的工作会被AI所替代,汽车制造商也可以在工厂里用AI取代工人,目前中国有一些新兴工厂就已经在大量应用机器人,降低成本的同时确保一致性降低错误,尤其是一些对人类安全有威胁的生产环境,更是十分适合应用AI技术,比如汽车行业的测试环节。在这一点上,汽车巨头已在实践,如北汽新能源的智能工厂以智能化的方式实现了客户与厂商信息的透明,供应商的信息集成以及即时的互通,实现了个性化订单的批量化生产。

建立AI核心,其中包括标准化的数据生态系统、合作伙伴系统,以及核心AI团队。随着软件成为业务中更重要的一部分,OEM厂商需要雇佣大量的软件工程师。为了实现这一目标,汽车公司必须为软件工程师和数据科学家创造一个更具吸引力的环境。OEM厂商需要确保被视为与技术公司同样有吸引力的雇主,他们为软件工程师和数据科学家提供有竞争力的薪资和有吸引力的发展机会。

扩大和实施全面的人工智能转型。在快速和利用人工智能核心的基础上,OEM厂商应该扩大并在整个组织中推广人工智能应用。只有这样,OEM厂商才能充分利用人工智能的核心流程的价值潜力。为了实现这一目标,在第一步中,最初在单个工厂或地区实施的试点项目需要在全公司范围内推广。然后,需要为人工智能建立一个形式化的组织,并且应该重新定义流程,以内化人工智能的应用。在试点实施过程中所建立的能力以及他们随后的升级需要被用于智能驾驶/车辆功能出行服务。

这个三步走的人工智能转换策略使OEM厂商能够在流程中捕获短期价值,并有效地为捕获完整的长期价值潜力做好准备。对于单个的OEM厂商来说,在短期内释放的资源需要重新投资,而获得的能力和经验应该被应用到驾驶/车辆功能的开发中

总结

汽车行业是人工智能的重要应用产业,这主要体现在自动驾驶、车联网、电气化和共享出行几个具体领域。金准人工智能专家认为,人工智能技术能提高汽车行业在采购、供应链管理、制造等环节的效率,降低成本,并能从汽车销售和售后市场获取新的收入。人工智能可为整个汽车OEM行业带来价值,同时也是每个汽车OEM企业超越竞争对手的有力武器。报告建议,汽车OEM企业需抓紧开始实施人工智能转型,首先确定重点用例并迅速进行试验;其次,应建立人工智能核心体系(包括数据生态系统、核心AI团队等);最后,汽车OEM企业应扩大规模,实施全面转型,使用人工智能技术获取全部潜在价值。