雷锋网按：这是雷锋网第3次与您分享报告。
人工智能已经是许多产业中的热门话题了，汽车行业的玩家们不仅要注意人工智能能够为他们做什么，也要开始考虑更加具体的几个问题：
机器学习对于整个汽车行业而言，重要性如何？
消费者对于使用了人工智能技术的汽车接受程度多高？
机器学习在汽车行业里关键应用是什么？
汽车行业的玩家如何利用这些技术变现并且实现盈利呢？
麦肯锡近日题为《Smart Moves Required-The Road Towards Artificial Intelligence in Mobility》的报告，为上述的这些问题提供新的指导，并对于整个汽车市场环境提供了行业层面的视角。雷锋网整理了并编译了部分内容。感兴趣的读者可以在雷锋网公众账号后台回复“麦肯锡自动驾驶报告”获取PDF报告原文。
不是所有的新事物都是人工智能构建的，事实上，许多应用程序都是用传统方法构建的。
今天人工智能是行业的新话题，尽管我们取得一定的发展，但是我们仍然处在人工智能的初级阶段。现在的人工智能只是专用人工智能，并非通用性人工智能，它只能在某些特定的具体的任务中超过人类。
当然，人工智能这个领域正在迅速发展。比如，在2015年，机器学习的图像识别能力已经超过了人类的图像识别能力。2016年，深度学习系统AlphaGo击败了世界冠军的围棋棋手，而围棋是现存最复杂的棋类游戏。
自动驾驶虽然很复杂，但是也是专用人工智能的应用的一种表现。这份报告的重点是如何使用机器学习，特别是深度学习，来增强或者创造一些关于汽车的新的人工智能应用领域。
可以通过三个实用标准来描述机器学习。
机器学习更主要是透过数据来实现人工智能的，而不是靠既定的规则。机器学习也使人工智能在现实世界中能够得到广泛使用。根据实际的工作定义，机器学习能够在汽车的三个关键领域中起作用：
在高度复杂的环境下运作（根据实际情况所需要的数据量衡量）
解决直接编程无法充分覆盖的大量可能性情景
在没有明确指示的情况下可以自我提升，通过非结构化方式从未知的情景数据中学习
机器学习是不可避免的趋势，它将是未来几十年内巨大竞争优势的技术基础和来源。比如在自动驾驶中，图像识别是一定需要用到机器学习的，因为人类编程无法跟上。在决策领域，机器学习或许只是是解决方案当中的一个组成部分。但在图像识别领域，机器学习是不可或缺的。
一项清晰的报告预示了人工智能的发展，消费者不仅希望人工智能带来更大的影响，更重要的是带来更多的影响。如下图所示，超过一半的人认为人工智能够带来改变。
与预期的相反，消费者对人工智能接受程度非常高，如图表二，47%的人认为如果使用完全自动驾驶会感觉很好，在中国消费者、年轻人以及城市居民当中更是如此。
相似的，70%的消费者认为政府应该让自动驾驶合法化（比2015年高出15%比率）（图表三）。因为便利是在消费者看来最重要的因素，也因此支持自动驾驶合法化的支持率高达70%。
为什么机器学习对于汽车领域这么重要？有两个关键的原因：
过程、产品、甚至商业都离不开机器学习。
在提高产量、效率、流程优化、提高服务质量的基础上，产品自身的最决定因素还是机器学习，而商业则受产品影响。汽车想要实现自动驾驶、提高车内体验都离不开技术，因此，机器学习也可以从已有的商业中衍生从新商机。
人工智能在传统的行业反而有更大的发挥空间
机器学习是带来了机遇也带来了挑战，基于广大的消费者兴趣，目前可以发现机器学习在汽车领域的典型应用。如下图所示，它们分为三个不同类别：
1、过程处理优化和提高生产效率（通常根据高级分析，但由机器学习来增强。）
2、新产品和增强性能后的产品（主要通过机器学习来获得）
3、利用这些新产品打造全新的业务和消费者案例。
基于机器学习的自动驾将会在全新的生态中蓬勃发展，但是这对投资者来又是充满挑战的。
还有许开放性的问题需要面对，例如：
在使用核心的后端的AI系统时，应该是每个汽车制造商自己开发后端AI系统，还是和其他公司合作？不同的生态能否共享数据？行业中是否会出现像ISO这样的标准？
中性服务器和专用的AI系统。谁才有和经营服务器的资格（例如政府）？聚合级别又该是什么（例如，自治市，国家，地区）？需要建设多少个中性服务器？如何确保网络安全？
更明确来说，投资者们将会面临以下几个挑战
技术的竞赛正在加速
全球约有500家公司自动驾驶公司，自2010年以来，这些公司投资总额超过500亿美元，超过了同一时期所有共享出行/电子商务初创企业的320亿美元。过去四年的投资额与前四年相比，增加了四倍。显然，技术竞争正在加速。
如下图所示，自动驾驶公司在2010年以来共获得投资335亿美元，改善车内体验的公司获得136亿美元。
技术人员、汽车制造商、和供应商各有自己的天然产业优势。一般来说，可以用软件/技术或者是汽车功能来对他们进行分类。例如，Waymo通过大量的驾驶数据，已经通过了许多实验。而特斯拉既能制造汽车，也能够系统的捕捉驾驶数据。但两者还是创业公司，传统汽车制造商也有获得数据来开发的潜能。
制度和标准
安全是至关重要的，想要在安全与创新之间建立平衡，就要明确指导方针和质量标准。很可能在以后，规章制度和基础设施等因地域乃至城市而异，因为不同地区的发展步调可能不一致。而标准，例如在界面和数据类型上，各个公司因利益侧重地不同也不尽相同，因而就需要高度的适应性。
商业模式的转变
当然，现在的传统车销售商业模式将会继续下去，只是增加了自动驾驶的功能。然而，除此之外，汽车制造厂也将需要考虑的其他所有权模式和创新的支持人工智能功能的服务，如图12所示：
在B2B模式中，可以是第三方拥有车辆，将汽车卖给租赁公司等，或者直接汽车制造商自己拥有车辆。而在B2C模式中，可以说将汽车卖给个人，或向个人提供汽车服务。
有许多的消费者预计，能够将自动驾驶汽车带入市场的，将会是汽车制造商，而不是科技公司。汽车造商有能力满足消费者的预期并从中获利。不过，它们需要做到以下的五点：
专注于核心应用领域
在着手开发时，汽车制造商应考虑：
1. 利润，最终用户最相关的是什么，这能带来多大的收入？
2. 竞争格局，我期望的竞争对手有多少？他们和我相比有什么优势？
3. 市场地位，如何与其他人同台竞技，我需要提供什么战略观点？
4. 制胜点，我本身拥有或可以获得哪些制胜点？
利用广泛的数据
汽车制造商需要大量数据来获取对消费者行为的洞察，并对算法进行细化。除此之外，非常需要数据收集的应用的开发，也可能需要汽车制造商之间合作，开发标准来实现数据聚合。
推动标准和规范
传统汽车制造商可以和其他汽车制造商、政府一起在这个领域尽早制定标准。太晚制定可能会让外界施加边界，从而限制他们的潜能。
发展技术和商业伙伴关系
运营好一个商业模式，还需要合作伙伴的力量。对于不熟悉的领域，可以选择合适的合作伙伴来获得所需的技术或客户。例如，科技公司在人工智能技术方面具有天然的优势，有人才也有数据。对于只有短期价值的领域，不存在专有技能的需求，可以选择供应商。
商业模式适应性保值
未来或许将有大量潜在新商业模式。因此可以构建业务案例，并根据参与程度从已有的业务模式中进行选择。早日开发一套多样化的模型，通过试错来降低风险。此外，还需不断学习以适应改变。
雷锋网注：关注“新智驾”（微信 ID：AI-Drive），后台回复“麦肯锡报告”即可获得全文报告。
正在生成分享图...
nebula