到2030年,預(yù)計中國售出的汽車中將有40%為電動汽車;MIT研究發(fā)現(xiàn),盡管“油轉(zhuǎn)電”收益明確,也會給消費者乃至整個社會帶來巨大的代價。
最近幾十年以來,中國經(jīng)濟的快速增長讓更多民眾成為有車一族。百姓出行能力得到極大改善、中國發(fā)展為全球最大汽車市場,但嚴重的城市空氣污染、巨量溫室氣體排放以及對石油進口的日益依賴也構(gòu)成新的現(xiàn)實挑戰(zhàn)。
為了應(yīng)對這些沖擊,中國制定政策、大力鼓勵手電式電動汽車(EV)的普及。由于購買電動汽車的成本要高于傳統(tǒng)內(nèi)燃機(ICE)汽車,因此從2009年開始,中國開始為民眾購買的電動車提供豐厚補貼。
2020年底,中國開始逐步取消補貼,轉(zhuǎn)而將環(huán)保壓力分攤給各汽車制造商。簡而言之,新政策要求各家車廠必須按一定比例推出電動車產(chǎn)品。為了避免罰款,廠家每年需要獲得一定的排放評分,具體分數(shù)將結(jié)合產(chǎn)品范圍、能源效率、環(huán)保交通等變量通過復(fù)雜公式計算得出。隨著時間推移,車廠承擔(dān)的壓力也將越來越大;中國希望在2030年,電動汽車銷量能夠占總體汽車銷量的40%。
Hoyt C. Hottel化學(xué)工程教授William H. Green表示,這項舉措將給全球電動車的生產(chǎn)帶來巨大影響。在他看來,“這是全球范圍內(nèi)最具野心的電動汽車推廣計劃,并將在這片全球最大的汽車市場上引發(fā)深遠影響。電動汽車的制造以及對配套電池的需求將迅速增長,極大降低二者的生產(chǎn)成本。”
但是,這一切會給中國帶來哪些沖擊?雖然電動汽車的普及會帶來不少環(huán)境保護助益,但整個過程要花掉多少資金?2017年,Green與他在MIT化學(xué)工程系的在讀博士生I-Yun Lisa Hsieh希望一起找出答案。他們的目標(biāo)是研究這項政策在電池價格、制造成本、車輛價格與銷量、消費者擁有及使用汽車成本等方面的影響。(請注意,由于新冠疫情的突然爆發(fā),中國近期決定將對電動汽車的補貼周期延長兩年。Green的分析調(diào)查在此之前,所以并未考慮到相關(guān)變化。)
電池價格
Green認為,“目前,電動汽車高昂價格的主要原因在于電池成本。”但近年來,電池價格正一路走低,這顯然是“學(xué)習(xí)效應(yīng)”的功勞:隨著產(chǎn)量的增加,制造商找到了提高效率的新方法,由此不斷壓縮生產(chǎn)成本。人們普遍認為,隨著電動汽車在市場上的份額不斷提升,電池價格也將保持下降。
Green與Hsieh使用了一種新的建模方法,發(fā)現(xiàn)“學(xué)習(xí)效應(yīng)”確實能夠顯著降低電池生產(chǎn)成本,但對于關(guān)鍵電池材料的開采與制造卻幾乎沒有影響。研究最終得出的結(jié)論是,隨著產(chǎn)量的持續(xù)擴大,目前使用范圍最廣的鋰離子鎳錳鈷電池價格卻將下降,但具體水平將在接近原材料價格后維持穩(wěn)定。
研究人員根據(jù)由此得出的電池價格估算值,計算出了隨時間推移電動汽車的額外制造成本,并結(jié)合預(yù)設(shè)的利潤比例確定了未來車輛產(chǎn)品的潛在售價。在之前的工作中,他們使用多種數(shù)據(jù)源與分析技術(shù)來確定中國消費者的“承受能力”,即他們能夠拿出多大比例的收入購買一輛汽車。基于這些發(fā)現(xiàn),他們對2018年到2030年之間中國汽車銷量做出基本預(yù)測。
作為比較基準(zhǔn),研究人員們首先假設(shè)一種“反事實”(即非真實生活)情景——電動汽車未能推開,所以也就沒有后續(xù)的新政策。在這種情況下,到2030年,中國的年均汽車銷售總量預(yù)計將攀升至3400萬以上。
在取消電動汽車補貼、并于2020年頒布面向車廠的強制性法規(guī)之后,汽車的總銷量將有所下降。但在此之后,經(jīng)濟的增長與收入增加進一步強化了消費者的購買車,繼續(xù)推動著民眾對于私家車的需求。這時盡管年均銷售量比“反事實”情景低20%,但2030年的預(yù)期汽車銷量仍可達到3000萬輛左右。
研究人員還預(yù)測了燃油車與電動力銷量在三個時間點上的具體細分差異。根據(jù)分析結(jié)論,2020年電動汽車的占比應(yīng)該僅為7%(約160萬輛);到2025年,這一比例將達到21%(540萬輛);而到2030年,這一比例將上升至37%(1120萬輛),接近政府設(shè)定的40%目標(biāo)。這意味著從2020年到2030年之間,中國市場將總計售出6600萬輛電動汽車。
調(diào)查還對插電式電動汽車做出進一步細分:純電池電動汽車與混合電動汽車(即油電混動汽車)。盡管純電汽車的電池成本更高,但其銷量卻達到混合電動汽車的兩倍。Green表示,“中國提出的政策更支持續(xù)航里程較長的電動車,也就是電池容量更大的汽車產(chǎn)品。因此,汽車廠商更有動力去生產(chǎn)純電池電動汽車,借此為自己爭取出排放評分空間。”
對消費者而言,電動汽車的擁有及使用成本也與傳統(tǒng)燃油車有著顯著差異。為了計算出這種區(qū)別,研究人員量化了到2030年兩類電動汽車與傳統(tǒng)燃油車之間的“總體擁有成本(TCO)”數(shù)字,包括購買成本、燃料成本以及運營與維護成本(包括保險)。
分析結(jié)果表明,2020年之前,由于政府提供豐厚的電動汽車補貼,這兩類插電式電動汽車的擁有成本要低于傳統(tǒng)油車擁有成本。但在2020年取消補貼并強制推行車廠排放評分制度之后,混動汽車與燃油車的擁有成本將基本相當(dāng),而純電汽車則因電池價格高昂而更加昂貴。降低電池價格當(dāng)然有助于降低這兩類電車的總體擁有成本,但到2030年,純電車的價格仍然會相對更高。
社會成本
研究人員的下一步工作,是計算強制推行電動汽車給中國帶來的總成本。基本方法非常簡單:選取每年售出電動汽車的總體擁有成本,對成本進行殘值計算,而后將結(jié)果乘以該年售出的汽車總量。(其中不含車輛購買、充電及加油時的稅收部分,因為這部分稅收對應(yīng)的財政支出必然要由全社會共同承擔(dān)。)
通過這種方式,研究人員們計算出了每輛電動車每年為社會增加的成本、每行駛一公里產(chǎn)生的使用成本,而且他們在其中假定汽車的使用壽命為12年、每年行駛12500公里。結(jié)果表明,電動汽車的擁有及使用增量成本從2021年到2030年持續(xù)下降。純電汽車的成本下降幅度要大于混動汽車,但考慮這部分差異后純電汽車的擁有加使用成本仍然更高。
通過將每輛汽車的社會成本與售出的汽車數(shù)量相乘,研究人員得出了總額外成本。從結(jié)果來看,單年售出的電動汽車總量將抵消單車成本的下降比例,因此電動車給社會帶來的增量成本將持續(xù)增加,而且費用相當(dāng)可觀。從2021年到2030年,強制推行電動汽車每年將帶來1000億人民幣成本,約占全國交通行業(yè)總支出的2%。
而在這十年之間,電動汽車全面過渡帶來的年均社會成本將占中國持續(xù)增長的國內(nèi)生產(chǎn)總值(GDP)的0.1%。Hsieh認為,“這意味著強制推動油轉(zhuǎn)電會給社會造成巨大的負擔(dān)。由于車價上漲,民眾可用于其他消費的資金預(yù)算將受到影響。”
其他注意事項
當(dāng)然,Green和Hsieh也強調(diào),必須根據(jù)潛在收益考慮強制推行電動汽車帶來的高昂社會成本。例如,從油車轉(zhuǎn)向電車有助于降低空氣污染程度、控制健康成本;減少二氧化碳排放以緩解氣候變化;同時減少對進口石油的依賴,幫助中國提升能源安全水平、維持貿(mào)易收支平衡。
Hsieh目前正努力量化這些收益,以便團隊能夠?qū)χ袊碾妱悠囘^渡政策做出準(zhǔn)確的成本效益分析。她的初步結(jié)果表明,貨幣化收益與成本一樣非??捎^。她解釋道,“收益與成本似乎基本相等。由于差異極小,我們必須小心對待、盡量計算出正確的數(shù)字。”
研究人員還列舉了另外兩個可能對收益結(jié)果造成影響的變量。2018年初,全國六個存在嚴重空氣污染的大城市開始對燃油車進行限牌處理,甚至要求車主承擔(dān)高昂的數(shù)額以換取上路資格。兩相權(quán)衡,電動汽車可以上“新能源牌”,因此體現(xiàn)出了強勁的市場競爭力。為了保護中國汽車廠商,中國近期宣布有意解除相關(guān)上牌限制。這項新規(guī)給電動汽車市場帶來的影響尚未可知。(同樣的,由于新冠疫情的影響,對私家車保有量的限制政策最近有所放寬。)
第二個注意事項,在于汽車制造商如何為自己的產(chǎn)品定價。研究報告中的計算方式仍然沿用目前的主流方法:車輛制造成本加上一定比例的利潤。但在新政策下,汽車制造商需要改變自己的定價策略,以說服足夠多的消費者購買電動汽車,借此獲取理想的排放評分。Green強調(diào),“我們不知道車廠會怎么做,但他們有可能會降低電動汽車的價格、同時提高燃油車的價格。如此一來,他們就可以在回避罰款的前提下繼續(xù)保持盈利。”他還列舉了美國汽車制造商如何調(diào)整同款車型低功率與高功率版本的價格,適應(yīng)平均燃油經(jīng)濟性指標(biāo)要求的例子。
中國汽車制造商當(dāng)然也可能采取類似的定價策略,即故意拉低電動汽車的價格。但考慮到中國市場上燃油車的銷售仍然占多數(shù),這種方式會抬高汽車的整體平均價格。Hsieh表示,“這將導(dǎo)致中國某些本買得起廉價燃油車的民眾,現(xiàn)在被迫選擇電動車。屆時,燃油版本的車型一定會出現(xiàn)溢價。”
Green強調(diào),這項規(guī)定將給全球所有汽車制造商帶來影響。一旦政策出臺,所有車廠都會意識到電動汽車已經(jīng)成為市場主流。在他看來,即使沒有補貼,購買電車帶來的額外好處也足以吸引到更多消費者。
但他也提出了自己的擔(dān)憂。隨著電動汽車產(chǎn)量的持續(xù)提升,關(guān)鍵電池材料的全球供應(yīng)將越來越緊張。而與此同時,廢舊電池量也將同步增加。這不僅讓行業(yè)有機會探索如何回收其中部分材料以供新電池使用,同時也將催生出廢舊電池?zé)o害化處理的市場空間。為此,研究人員建議政策制定者“幫助將汽車制造商、電池生產(chǎn)商、二手車經(jīng)銷商以及報廢公司整合進統(tǒng)一的電池回收產(chǎn)業(yè)鏈當(dāng)中,借此提高整個社會的可持續(xù)化水平。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(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。實驗顯示,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。
同濟大學(xué)團隊開發(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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、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)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(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際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,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)上驗證有效性。