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最重要？有两个关键的原因：过程、产品、甚至商业都必不可少机器学习。在提高产量、效率、流程优化、提升服务质量的基础上，产品自身的最决定因素还是机器学习，而商业则不受产品影响。

汽车想构建自动驾驶、提升车内体验都必不可少技术，因此，机器学习也可以从有数的商业中派生从新的商机。人工智能在传统的行业反而有更大的充分发挥空间机器学习是带给了机遇也带给了挑战，基于广大的消费者兴趣，目前可以找到机器学习在汽车领域的典型应用于。

如下图右图，它们分成三个有所不同类别：1、过程处置优化和提升生产效率（一般来说根据高级分析，但由机器学习来强化。）2、新产品和强化性能后的产品（主要通过机器学习来取得）3、利用这些新产品打造出全新的业务和消费者案例。想利润，还须要面对许多挑战基于机器学习的自动所乘将不会在全新的生态中蓬勃发展，但是这对投资者来又是充满著挑战的。

还有许开放性的问题必须面临，例如：在用于核心的后端的AI系统时，应当是每个汽车制造商自己研发后端AI系统，还是和其他公司合作？有所不同的生态能否分享数据？行业中否不会经常出现像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）？单体级别又该是什么（例如，自治市，国家，地区）？必须建设多少个中性服务器？如何保证网络安全？更加具体来说，投资者们将不会面对以下几个挑战技术的竞赛正在加快全球大约有500家公司自动驾驶公司，自2010年以来，这些公司投资总额多达500亿美元，多达了同一时期所有分享上下班/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比起，减少了四倍。似乎，技术竞争正在加快。如下图右图，自动驾驶公司在2010年以来共计取得投资335亿美元，提高车内体验的公司取得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展开分类。例如，Waymo通过大量的驾驶员数据，早已通过了许多实验。

而特斯拉既能生产汽车，也需要系统的捕猎驾驶员数据。但两者还是创业公司，传统汽车制造商也有取得数据来研发的创造力。

制度和标准安全性是至关重要的，想在安全性与创意之间创建均衡，就要具体指导方针和质量标准。很有可能在以后，规章制度和基础设施等因地域乃至城市而异，因为有所不同地区的发展步调有可能不完全一致。

而标准，例如在界面和数据类型上，各个公司因利益注重地有所不同也不尽相同，因而就必须高度的适应性。商业模式的改变当然，现在的传统车销售商业模式将不会继续下去，只是减少了自动驾驶的功能。然而，除此之外，汽车制造厂也将必须考虑到的其他所有权模式和创意的反对人工智能功能的服务，如图12右图：在B2B模式中，可以是第三方享有车辆，将汽车卖给出租公司等，或者必要汽车制造商自己享有车辆。

而在B2C模式中，可以说道将汽车卖给个人，或向个人获取汽车服务。确实构建自动驾驶，还必须一些对策有许多的消费者预计，需要将自动驾驶汽车带进市场的，将不会是汽车制造商，而不是科技公司。

汽车造商有能力符合消费者的预期并借此利润。不过，它们必须做以下的五点：专心于核心应用领域在著手研发时，汽车制造商不应考虑到：1. 利润，最终用户最涉及的是什么，这能带给多大的收益？2. 竞争格局，我希望的竞争对手有多少？他们和我比起有什么优势？3. 市场地位，如何与其他人同台竞技，我必须获取什么战略观点？4. 致胜点，我本身享有或可以取得哪些致胜点？利用普遍的数据汽车制造商必须大量数据来提供对消费者不道德的洞察，并对算法展开细化。除此之外，十分必须数据搜集的应用于的研发，也有可能必须汽车制造商之间合作，研发标准来构建数据单体。推展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快制订标准。

太晚制订可能会让外界产生边界，从而容许他们的创造力。发展技术和商业伙伴关系运营好一个商业模式，还必须合作伙伴的力量。对于不熟知的领域，可以自由选择适合的合作伙伴来取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备天然的优势，有人才也有数据。对于只有短期价值的领域，不不存在专有技能的市场需求，可以自由选择供应商。

商业模式适应性保值未来也许将有大量潜在新的商业模式。因此可以建构业务案例，并根据参予程度从有数的业务模式中展开自由选择。早日研发一套多样化的模型，通过试错来减少风险。此外，还须要大大自学以适应环境转变。

(公众号：)录：注目“新的智所乘”（微信 ID：AI-Drive），后台恢复“麦肯锡报告”才可取得全文报告。原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：b体育官网-www.pi-rae.com