入局造車這事,已經(jīng)變得比較庸俗了。一眼望去,似乎人人都在造車。有互聯(lián)網(wǎng)體系的滴滴和百度,做傳統(tǒng)生意的恒大地產(chǎn),做智能硬件出身的小米和大疆,以及自己不造車、但和傳統(tǒng)車廠聯(lián)手造車的華為。
當(dāng)然,還有一直在回國路上的賈躍亭。
一切風(fēng)口的背后都有原因,汽車的故事則可以從喬布斯說起。是因?yàn)樵谥悄苁謾C(jī)之后,市場在尋找下一款明星產(chǎn)品久矣,這個尋找過程,從喬布斯本人還在世的時候就開始了。
喬布斯在2007年不僅用“再一次發(fā)明手機(jī)”的口號發(fā)布了一款產(chǎn)品iPhone,還創(chuàng)造了一個產(chǎn)業(yè),并帶給市場一個啟示。
iPhone創(chuàng)造的產(chǎn)業(yè)是智能手機(jī)產(chǎn)業(yè)。
十年過去了,智能手機(jī)產(chǎn)業(yè)已經(jīng)變成年銷量超過十億部,產(chǎn)值萬億的龐大市場。
不過,成也蕭何、敗也蕭何。智能手機(jī)如此成功,太受用戶歡迎了,所以短時間內(nèi),就實(shí)現(xiàn)了全球范圍內(nèi)的用戶普及。
這就造成一個副作用,就是早在過去幾年,智能手機(jī)就進(jìn)入了緩步發(fā)展期,甚至在有些年份出現(xiàn)了同比年度下降。
而iPhone帶給市場的觀念啟示,就是可以通過新技術(shù),再發(fā)明一款既有產(chǎn)品,卻依然可以創(chuàng)造重大機(jī)遇。
通過iPhone,喬布斯告訴業(yè)界,利用新的技術(shù),重新定義一個既有傳統(tǒng)產(chǎn)品,同樣能創(chuàng)造巨大的市場機(jī)會,并不用全新發(fā)明。
如同喬布斯自己,用互聯(lián)網(wǎng)、計(jì)算技術(shù)重新定義并發(fā)明了手機(jī)一樣。用句現(xiàn)在時髦的話,iPhone就是手機(jī)的數(shù)字化轉(zhuǎn)型。
這比完全創(chuàng)造一個新產(chǎn)品,起碼看起來要容易一些。
所以,在智能手機(jī)逐漸進(jìn)入平臺期之后,人們一直在傳統(tǒng)產(chǎn)品上,尋找重新定義的機(jī)會。大家覺得這個產(chǎn)品要有這么兩個特點(diǎn):能用得上新技術(shù),市場要足夠大。
尋找的過程并不容易。
從智能眼鏡、智能手環(huán)、智能手表、智能電視,一眾產(chǎn)品被重新發(fā)明下來,雖然也吸引了一些用戶的目光。但始終沒有一個產(chǎn)品,能達(dá)到智能手機(jī)的高度。
直到重新發(fā)明汽車的機(jī)會出現(xiàn),人們似乎漸達(dá)成共識,智能手機(jī)的下一站,很可能就是汽車了。
第一,和其他電子產(chǎn)品比起來,汽車對技術(shù)的使用,簡直可以說是要素過多。從新能源,到5G,從人工智能,到顯示界面,沒有汽車用不上的技術(shù)。
其次,汽車業(yè)的體量足夠大。全球乘用車市場,一年有8000萬的銷量,而汽車的價格是手機(jī)的百倍左右,所以它是和手機(jī)業(yè)價值持平的市場。
盡管如此。我認(rèn)為,汽車還是成不了下一個智能手機(jī)。
因?yàn)橹悄苁謾C(jī)的成功,不僅是技術(shù)的集成,和市場的龐大,還因?yàn)樗〈穗娔X,成了人們新的信息終端,成了現(xiàn)代生活工作最重要場景的最重要承載工具。
信息的工具能力,才是智能手機(jī)決勝千里的關(guān)鍵。
手環(huán)、手表,眼鏡,之所以達(dá)不到預(yù)期,是由于它們的屏幕和計(jì)算能力限制,決定了信息接收和創(chuàng)造效率比手機(jī)更低。而電視屏幕雖然足夠大,但是我們對這款產(chǎn)品接觸頻次和接觸時間卻不夠長,所以也無法成為主流信息終端。
智能手機(jī),是剛剛好的那一個,在信息接收量、設(shè)備功耗和計(jì)算能力之間取得了完美平衡。
我們可以用它收發(fā)消息、創(chuàng)作和觀看短視頻,賣東西和購物,一切和信息有關(guān)的需求,智能手機(jī)都是最方便的一個。
從這個角度看,汽車擔(dān)負(fù)不起信息終端的使命,這和汽車的使用場景有關(guān)。
傳統(tǒng)汽車中的人類角色有兩種,司機(jī)和乘客。
對公共交通的乘客來說,無論汽車如何更智能,汽車依然是一個公共產(chǎn)品,其信息獲取的便捷性和隱私性,依然不如手機(jī)。
對司機(jī)自身來說,即使實(shí)現(xiàn)了自動駕駛汽車,那么汽車也只是解放了司機(jī)群體的注意力而已。
司機(jī)很可能選擇把騰出來的雙手,放在自己的智能手機(jī)上,而不是操控一塊汽車內(nèi)的屏幕。
所以汽車,就算看起來多么像一個裝了四個輪子的手機(jī),也依然不是那個人們期待的下一個信息工具。
不過,汽車的再造過程,依然可能創(chuàng)造巨大的產(chǎn)業(yè)價值,但它走的不是智能手機(jī)的路。
智能手機(jī)的價值在于「信息」,新能源/智能汽車的最大價值,則在于「時間」。
根據(jù)中國主要城市交通分析報(bào)告,中國有接近40%的城市道路,在通勤時間,處于緩行擁堵狀況。
有大量人類可以用于休息或者工作的時間,被無意義的消耗在交通工具上。
如果汽車能夠?qū)崿F(xiàn)自動駕駛,起碼以億計(jì)算的司機(jī)人群,每天將多出平均一個小時的可自由支配時間。
如果再考慮自動駕駛對交通路況的改善作用(完全的智慧交通,道路甚至不需要設(shè)置紅綠燈),這些每天解放出來的十?dāng)?shù)億小時的時間,將會創(chuàng)造巨大的經(jīng)濟(jì)價值和社會福祉(多睡半小時,就是打工人幸福感爆棚的事情了)。
如果說世界的運(yùn)轉(zhuǎn),離不開物質(zhì)、能量、信息和時間等核心元素。
智能手機(jī)的價值,等同于信息的價值。
汽車的價值,則等同于時間的價值。
說一句政治不正確的話,汽車對于碳中和的幫助(能量上的價值),也遠(yuǎn)不及其創(chuàng)造的時間價值大。
新能源汽車雖然掛著新能源的前綴,但核心命脈則是自動駕駛。
自古以來,汽車作為交通工具,它要解決的問題,始終是交通問題,是一個將包括人在哪的物質(zhì),從甲地移動到乙地的問題。
既然汽車不是信息工具,這個產(chǎn)業(yè)就不會完全遵循摩爾定律(盡管特斯拉始終在推動降價)。交通的問題,也遠(yuǎn)不止是汽車自身問題,是車、路、人、城市在內(nèi)的系統(tǒng)工程,更涉及貿(mào)易、就業(yè)、制造業(yè)轉(zhuǎn)移問題。
所以汽車市場不會像科技產(chǎn)品那樣,快速演化為極化的「二八格局」[注1]。
在智能手機(jī)產(chǎn)業(yè)發(fā)生的,新勢力對傳統(tǒng)勢力的快速顛覆,也就難在汽車產(chǎn)業(yè)重復(fù)上演。就像我之前寫過一篇文章,傳統(tǒng)車廠不是下一個諾基亞(文章傳送門),而汽車也不是下一個智能手機(jī)。
新勢力固然跑得快,但又無法拉開更遠(yuǎn)的距離,自然有新-新勢力不斷入局。
[編者注1]:二八格局(又稱“二八定律”),由19世紀(jì)末20世紀(jì)初意大利經(jīng)濟(jì)學(xué)家帕累托發(fā)現(xiàn)。他認(rèn)為,在任何一組東西中,最重要的只占約20%,其余80%盡管是多數(shù),卻是次要的。文中此處意指:20%的強(qiáng)勢品牌通常占有80%的市場份額。二八定律可以解釋和解決很多社會學(xué)、企業(yè)管理學(xué)等問題。比如,20%的人手里掌握著80%的財(cái)富?;蛘撸偃?0%喝啤酒的人喝掉80%的啤酒,那么這部分人應(yīng)該是啤酒制造商注意的對象。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗(yàn)證有效性。