万鑫铭：数据驱动新能源汽车产业高质量发展

2020年8月13日至15日，“中国汽车论坛2020”在上海举行。本次论坛由中国汽车工业协会(CAAM)主办，世界汽车组织(OICA)和世界经济论坛(WEF)唯一支持。本次论坛以“新变化、新挑战、新理念——引领中国汽车新征程”为主题，紧扣时代脉搏，寻求突围之道，紧紧围绕“十四五”规划，掌控宏观产业形势，分析全球汽车产业发展趋势。其中，中国汽车工程研究院有限公司总经理万鑫铭在8月15日上午举行的“推进新能源汽车市场化”分论坛上发表了主题演讲。以下为演讲实录:

中国汽车工程研究院有限公司总经理万鑫铭:各位领导、各位同事，大家上午好。首先，非常感谢中国汽车工业协会邀请我参加中国汽车论坛并发表演讲。很荣幸来到这里，因为这里有很多老朋友，我也认识了一些新朋友。在接下来的时间里，我会做一个题为《数据驱动的新能源汽车产业高质量发展》的报告。三个部分:1。大数据时代来临；2.新能源汽车大数据应用的探索与实践:3.关于数据赋能产业高质量发展的思考。首先，我们来说说数字经济。现在数字化时代，现在用的词就是IT to DT。说的远一点，从机械驱动到电驱动到电脑驱动，再到数据驱动和工业4.0，在这个过程中诞生了大量的生产力和经济进步。这里有几个数字给你做个报告。2019年中国经济总量接近99万亿，接近100万亿。数字经济总量占35.9%，GDP占36.2%，这是一个比较。第二，看左边的条形图。从2002年到2020年，从1.2万亿增长到35万亿，增长了近30倍。数字经济到底包含了什么？这些数字是怎么算出来的？就像我们今天遇到的新基础设施、电子通信和互联网一样，这是一个非常庞大的经济体系。国家层面有经济驱动力，国家是由地方组成的。地方经济在数字经济方面发展突飞猛进。我们来看几个数字。第一格，有很多地区现在是5000多亿，有很多地区去年GDP总量超过5000亿。特别值得一提的是，像北京、上海，占GDP总量的比重超过50%。这个比例比较大，其实是以东南沿海为主。发现经济越发达，经济越开放，数字经济的比重和重要性越来越高。也看到在贵州和重庆，虽然在中部或者西部，但是增长速度比较快，相对基础比较低。重庆和贵州的领导非常重视数字经济，这也是为什么在中国的大发展趋势下，政府正在推动数字化转型。这张图包含了很多信息，花点时间分享一下吧。首先，大数据现在是市场的重要因素。前一段时间，4月份，国家出台了“完善市场资源配置”的指导意见，提到了劳动力、技术、资金、土地五大要素，特别增加了数据。现在，数据被视为一种元素和资源，也有一种说法，数据就是石油。从这个意义上说，“四化”之一是数据的价值，表明它已经成为一种生产要素；同时数字产业化，我们现在是把数字直接变成数字经济。刚才说的电子、通信、软件、互联网都是数字工业化，实际上包括了传统企业在不断使用的数据产品和工业化的过程。另一方面，也需要将行业数字化。我们可以看到，农业、第二产业、第三服务业都在不断贡献更多的边际效应，都在为产业的数字化做贡献，进一步赋能。更重要的是，国家在国家层面推动现代治理能力的提升，企业和城市也在推动。生产关系也在改善数字治理，强调更多主体的参与和群体的结合，特别是数字公共服务。总的来说，数据已经成为生产和促进四化的重要因素。今天的主题是中国汽车论坛。这里的每个人都是汽车相关的从业者。和汽车有什么关系？这幅图包含了很多信息。从传统的汽车产业链，研究、生产、供应、销售、服务，在当期附加值中定义相对较低的附加值。数据合并后，这条曲线可以得到改善。为什么？数据可以产生一系列的功能，在这些功能中可以进行设计交互、追溯等等，可以进行灵活的数据开发，这些都是大数据带来的效果。这是在传统产业链之上的。在产业链的后端，尤其是面对汽车的“四化”，汽车电动化、智能化、网联化不仅在推动这个板块的发展，也在全面赋能这个板块的发展。接下来要讲的是，依靠数据驱动大量发展也很重要，这涉及到“人、车、路”等各个方面的数据，以保证“四化”的有效实现。这是跟汽车行业的很多融合，是跟汽车行业的一个宏观。接下来以中汽研的探索和案例来看，有哪些可以和新能源汽车结合的呢？上半场的专家讲了很多。两个非常重要的因素是消费者非常关心的，一个是获得里程，另一个是安全。从产业的角度来说，产业链的价值是否能够传递，换句话说，产业链的上下游是否能够赚钱，其实在今天马楚的第一个演讲中就特别提到了，整个产业链上面还是有很大的挑战。从这个意义上讲，有必要谈一谈安全的挑战。这几年发现了一些情况，新能源的安全涉及一系列，包括传统安全，包括消防安全，引起了消费者的极大关注。中国汽车研究院依托“一个平台、一个系统”迎接安全挑战。这个平台是“新能源汽车大数据联盟西南分中心”，另一个系统是“新能源汽车缺陷调查、监测与分析系统”。依托该平台和系统，建立车辆安全预警模型，突破安全预警的一些相关问题。这里的主要问题应该提出来。新能源安全预警的问题之一是逆向分析困难；第二是难以识别和定位缺陷；三是难以高精度评估风险预警。通过我们的探索，这些领域取得了积极进展。首先说一下新能源的大数据平台，这是在部委的指导下进行的。西南分中心作为分中心之一，实现了数据的实时监测、统计、预警和应急救援，其中包含的内容在重庆板块得到较好的试点和推广。这是一个系统。该系统是市场监测总局从“召回”的角度推动的缺陷调查、监测和分析系统。目前这个系统还接入了相当数量的车辆，包括部分同批次出故障车辆的事故车辆数据，也包括现在正在运行的相应车辆的数据。目的是保证同批次的车辆在有车况的情况下，有可能成为高风险车辆，并且有多辆车已经连接。通过持续运营，在该系统中，制定了完善的事故车辆数据分析流程和高风险车辆预警流程，构建了安全、完善、智能的大数据基础数据处理系统，能够快速识别和预警事故车辆和高风险车辆之间的共同特征。总体来说，我们可以快速识别和预警事故车辆和高风险车辆之间的共同特征。该应用将为车企提供预警提示，包括向相关服务单位提供需求反馈。右边是示意图。在一个平台、一个系统的过程中，我们通过前期的工作总结出一套方法，命名为“循证实践法”，简单来说就是基于事实(案例)，尤其是事故案例、最佳实践、持续更新的研究方法。第一部分是通过对事故的调查和分析。在这个过程中，我们会去事故现场收集所有相应的物证和证据，包括数据证据。在实验室中，进一步分析了一些相应的结构或机理。分析后会得到相应的预警模型和安全预警服务。因为这个车型要放在系统上进一步给其他车辆提供服务。这是一个建模的过程。同时，在建立评价体系的过程中，全面、准确、及时，不断循环替换，进而完善算法和模型。具体说说“循证实践法”几个步骤的相关内容。首先是事故调查，那只是一个大概的内容。事故调查怎么做？首先，通过对事故的现场调查，我们还将进行深入的调查分析和缺陷风险评估，重点分析事故原因。一般来说，事故原因分析会找到相应参数的最大阈值判断，一般会超过实际正常范围。这是一个判断。其次，我们会找到影响对应参数的输入参数，同时根据输入参数与反应阈值的关系，通过机器学习找到相关关系。这也是一个分析原因，建立模型的过程。同时，要还原事故现场，建立动力电池安全评价体系。目前主流车辆，尤其是火灾相关事故中，主要有这些内容。刚才比亚迪具体讲了七个方面，五个维度，四个层次。五个维度包括，比如这里的电池的一致性，尤其是事故中过充过放过程导致的热失效；2.在涌水量方面，我们经常会发现此类事故导致火灾，我们也会设置相应的检测和评估。以下为测试评测，将采用IPX9防水测试方法。3.同时，车辆在充电过程中，包括静止过程中也会自燃，因为它的缺点已经积累起来了。4.机械故障，特别是在碰撞的情况下，包括触底等。，我们设计了球撞击试验和划痕试验。我们将在实验室系统下改善引发不同火灾事故的工作条件，再现检测事故的环境，进而找到评价机制。这是之前的事故调查分析。在分析了相关机制后，最重要的是建立相应的预警模型。事实上，许多数据模型将在这样的多个数据源之后构建。这里有三款。1.动态阈值模型，电压超过正常比例后，必须进行预警的过程。2.一致性分析模型。目前很多新能源汽车电池都没有出现严重的跳电现象，而且在很长一段时间内，一致性都发生了变化。这也是我们要进行的一种模型分析。3.风险累积模型。这不会发生在单一层面或小时间范围内。经过长期的积累或者更长期的分析，可以得出一个风险预警。当然也包括其他车型，在运行过程中同时进行检查，发现汽车的安全隐患。在做的过程中，我们一般是完成线上预警，可以理解为“远程预警”。这是通过数据方法的预警。发现情况后还会做线下检测(实车检测)，发现高危车辆后会做线下设备检测，提高预警模型的准确性。在我们运营的过程中，流程是一个“AI+专家”的安全服务体系。我们用多个模型来分析、判断、预警，这是一个环节。有一个初审和审核的过程。判断有高危车辆后，通过贴标签的方法，贴得更准。进入高风险车辆后，会进入“专家诊断”的流程，最终锁定这辆车是否存在问题，从而解决和消除这些风险。这是我们在实际申请过程中的工作流程。通过以上步骤，分析事故数据的机理，建立模型和数据平台，不断迭代、完善和运行这种方法。我们也用这个方案做了很多相关的工作，举两个例子。首先，这是我们在过程中发现的一个情况。左边的车在一个电池组里，这是事故车里的情况。前10天已经发现了明显的突变，但下面明显没有变化。如果之前能发现这样的事故车，或者能监控到10天前，这个就很OK了。右边的可以放久一点。有时候一辆车可能发现不了前段时间的情况。放久一点，也能找到问题的原因。左边的车是当时的车型，后面是同一个公司给我们带的同一批车，右下角的车是同一批。我们发现了高危车辆。与其他电池相比，11号和84号电池的累积风险值明显更高，这辆车确实存在非常高的风险。处置后发现同批次，排除同批次相关车辆高风险隐患。看看左边的这些图片。一般来说，最上面的橙色线是正常电压的范围，蓝色线最右边。最后时刻出现了跳水，当天范围内已经出现了跳水。这是第一张图。第二张图中，如果潜水不仅与电压有关，还与绝缘电阻有关，右边的绿线就是绝缘电阻的比例关系。车辆的风险可以通过多个输出参数来确定。这是在发生事故的情况下。让我们把时间维度看得更长远一些。这辆车前几天，蓝色部分有问题的单体已经出现异常，但是这个异常阈值无法判断，因为没有超出严重范围，3.5V从左到右变化一点点，所以经常被称为风险积累，比预期的动态阈值更准确。因此，mult……le模型要互相对照，一个模型容易失真或误判。这是左边的部分。右边部分还有一个非常明显的例子，还有一个风险就是我们前面什么都找不到，因为我们每次检查都会有一定的抽取频率。看一下右边的图片。在事故发生的过程中，我们前期没有看它的电流和电压过程。我们以为是“猝死”一切正常，突然就火了。在实际搜索之后，我们再现了所有的过程。前几天甚至上个月有一两次突然抖动的过程，对接下来的采样包括数据处理提出了很高的要求。2020年8月13日至15日，“中国汽车论坛2020”在上海举行。本次论坛由中国汽车工业协会(CAAM)主办，世界汽车组织(OICA)和世界经济论坛(WEF)唯一支持。本次论坛以“新变化、新挑战、新理念——引领中国汽车新征程”为主题，紧扣时代脉搏，寻求突围之道，紧紧围绕“十四五”规划，掌控宏观产业形势，分析全球汽车产业发展趋势。其中，中国汽车工程研究院有限公司总经理万鑫铭在8月15日上午举行的“推进新能源汽车市场化”分论坛上发表了主题演讲。以下为演讲实录:

中国汽车工程研究院有限公司总经理万鑫铭:各位领导、各位同事，大家上午好。首先，非常感谢中国汽车工业协会邀请我参加中国汽车论坛并发表演讲。很荣幸来到这里，因为这里有很多老朋友，我也认识了一些新朋友。在接下来的时间里，我会做一个题为《数据驱动的新能源汽车产业高质量发展》的报告。三个部分:1。大数据时代来临；2.新能源汽车大数据应用的探索与实践:3.关于数据赋能产业高质量发展的思考。首先，我们来说说数字经济。现在数字化时代，现在用的词就是IT to DT。说的远一点，从机械驱动到电驱动到电脑驱动，再到数据驱动和工业4.0，在这个过程中诞生了大量的生产力和经济进步。这里有几个数字给你做个报告。2019年中国经济总量接近99万亿，接近100万亿。数字经济总量占35.9%，GDP占36.2%，这是一个比较。第二，看左边的条形图。从2002年到2020年，从1.2万亿增长到35万亿，增长了近30倍。数字经济到底包含了什么？这些数字是怎么算出来的？就像我们今天遇到的新基础设施、电子通信和互联网一样，这是一个非常庞大的经济体系。国家层面有经济驱动力，国家是由地方组成的。地方经济在数字经济方面发展突飞猛进。我们来看几个数字。第一格，有很多地区现在是5000多亿，有很多地区去年GDP总量超过5000亿。特别值得一提的是，像北京、上海，占GDP总量的比重超过50%。这个比例比较大，其实是以东南沿海为主。发现经济越发达，经济越开放，数字经济的比重和重要性越来越高。也看到在贵州和重庆，虽然在中部或者西部，但是增长速度比较快，相对基础比较低。重庆和贵州的领导非常重视数字经济，这也是为什么在中国的大发展趋势下，政府正在推动数字化转型。这张图包含了很多信息，花点时间分享一下吧。首先，大数据现在是市场的重要因素。前一段时间，4月份，国家出台了“完善市场资源配置”的指导意见，提到了劳动力、技术、资金、土地五大要素，特别增加了数据。现在，数据被视为一种元素和资源，也有一种说法，数据就是石油。从这个意义上说，“四化”之一是数据的价值，表明它已经成为一种生产要素；同时数字产业化，我们现在是把数字直接变成数字经济。刚才说的电子、通信、软件、互联网都是数字工业化，实际上包括了传统企业在不断使用的数据产品和工业化的过程。另一方面，也需要将行业数字化。我们可以看到，农业、第二产业、第三服务业都在不断贡献更多的边际效应，都在为产业的数字化做贡献，进一步赋能。更重要的是，国家在国家层面推动现代治理能力的提升，企业和城市也在推动。生产关系也在改善数字治理，强调更多主体的参与和群体的结合，特别是数字公共服务。总的来说，数据已经成为生产和促进四化的重要因素。今天的主题是中国汽车论坛。这里的每个人都是汽车相关的从业者。和汽车有什么关系？这幅图包含了很多信息。从传统的汽车产业链，研究、生产、供应、销售、服务，在当期附加值中定义相对较低的附加值。数据合并后，这条曲线可以得到改善。为什么？数据可以产生一系列的功能，在这些功能中可以进行设计交互、追溯等等，可以进行灵活的数据开发，这些都是大数据带来的效果。这是在传统产业链之上的。在产业链的后端，尤其是面对汽车的“四化”，汽车电动化、智能化、网联化不仅在推动这个板块的发展，也在全面赋能这个板块的发展。接下来要讲的是，依靠数据驱动大量发展也很重要，这涉及到“人、车、路”等各个方面的数据，以保证“四化”的有效实现。这是跟汽车行业的很多融合，是跟汽车行业的一个宏观。接下来以中汽研的探索和案例来看，有哪些可以和新能源汽车结合的呢？上半场的专家讲了很多。两个非常重要的因素是消费者非常关心的，一个是获得里程，另一个是安全。从产业的角度来说，产业链的价值是否能够传递，换句话说，产业链的上下游是否能够赚钱，其实在今天马楚的第一个演讲中就特别提到了，整个产业链上面还是有很大的挑战。从这个意义上讲，有必要谈一谈安全的挑战。这几年发现了一些情况，新能源的安全涉及一系列，包括传统安全，包括消防安全，引起了消费者的极大关注。中国汽车研究院依托“一个平台、一个系统”迎接安全挑战。这个平台是“新能源汽车大数据联盟西南分中心”，另一个系统是“新能源汽车缺陷调查、监测与分析系统”。依托该平台和系统，建立车辆安全预警模型，突破安全预警的一些相关问题。这里的主要问题应该提出来。新能源安全预警的问题之一是逆向分析困难；第二是难以识别和定位缺陷；三是难以高精度评估风险预警。通过我们的探索，这些领域取得了积极进展。首先说一下新能源的大数据平台，这是在部委的指导下进行的。西南分中心作为分中心之一，实现了数据的实时监测、统计、预警和应急救援，其中包含的内容在重庆板块得到较好的试点和推广。这是一个系统。该系统是市场监测总局从“召回”的角度推动的缺陷调查、监测和分析系统。目前这个系统还接入了相当数量的车辆，包括部分同批次出故障车辆的事故车辆数据，也包括现在正在运行的相应车辆的数据。目的是保证同批次的车辆在有车况的情况下，有可能成为高风险车辆，并且有多辆车已经连接。通过持续运营，在该系统中，制定了完善的事故车辆数据分析流程和高风险车辆预警流程，构建了安全、完善、智能的大数据基础数据处理系统，能够快速识别和预警事故车辆和高风险车辆之间的共同特征。总体来说，我们可以快速识别和预警事故车辆和高风险车辆之间的共同特征。该应用将为车企提供预警提示，包括向相关服务单位提供需求反馈。右边是示意图。在一个平台、一个系统的过程中，我们通过前期的工作总结出一套方法，命名为“循证实践法”，简单来说就是基于事实(案例)，尤其是事故案例、最佳实践、持续更新的研究方法。第一部分是通过对事故的调查和分析。在这个过程中，我们会去事故现场收集所有相应的物证和证据，包括数据证据。在实验室中，进一步分析了一些相应的结构或机理。分析后会得到相应的预警模型和安全预警服务。因为这个车型要放在系统上进一步给其他车辆提供服务。这是一个建模的过程。同时，在建立评价体系的过程中，全面、准确、及时，不断循环替换，进而完善算法和模型。具体说说“循证实践法”几个步骤的相关内容。首先是事故调查，那只是一个大概的内容。事故调查怎么做？首先，通过对事故的现场调查，我们还将进行深入的调查分析和缺陷风险评估，重点分析事故原因。一般来说，事故原因分析会找到相应参数的最大阈值判断，一般会超过实际正常范围。这是一个判断。其次，我们会找到影响对应参数的输入参数，同时根据输入参数与反应阈值的关系，通过机器学习找到相关关系。这也是一个分析原因，建立模型的过程。同时，要还原事故现场，建立动力电池安全评价体系。目前主流车辆，尤其是火灾相关事故中，主要有这些内容。刚才比亚迪具体讲了七个方面，五个维度，四个层次。五个维度包括，比如这里的电池的一致性，尤其是事故中过充过放过程导致的热失效；2.在涌水量方面，我们经常会发现此类事故导致火灾，我们也会设置相应的检测和评估。以下为测试评测，将采用IPX9防水测试方法。3.同时，车辆在充电过程中，包括静止过程中也会自燃，因为它的缺点已经积累起来了。4.机械故障，特别是在碰撞的情况下，包括触底等。，我们设计了球撞击试验和划痕试验。我们将在实验室系统下改善引发不同火灾事故的工作条件，再现检测事故的环境，进而找到评价机制。这是之前的事故调查分析。在分析了相关机制后，最重要的是建立相应的预警模型。事实上，许多数据模型将在这样的多个数据源之后构建。这里有三款。1.动态阈值模型，电压超过正常比例后，必须进行预警的过程。2.一致性分析模型。目前很多新能源汽车电池都没有出现严重的跳电现象，而且在很长一段时间内，一致性都发生了变化。这也是我们要进行的一种模型分析。3.风险累积模型。这不会发生在单一层面或小时间范围内。经过长期的积累或者更长期的分析，可以得出一个风险预警。当然也包括其他车型，在运行过程中同时进行检查，发现汽车的安全隐患。在做的过程中，我们一般是完成线上预警，可以理解为“远程预警”。这是通过数据方法的预警。发现情况后还会做线下检测(实车检测)，发现高危车辆后会做线下设备检测，提高预警模型的准确性。在我们运营的过程中，流程是一个“AI+专家”的安全服务体系。我们用多个模型来分析、判断、预警，这是一个环节。有一个初审和审核的过程。判断有高危车辆后，通过贴标签的方法，贴得更准。进入高风险车辆后，会进入“专家诊断”的流程，最终锁定这辆车是否存在问题，从而解决和消除这些风险。这是我们在实际申请过程中的工作流程。通过以上步骤，分析事故数据的机理，建立模型和数据平台，不断迭代、完善和运行这种方法。我们也用这个方案做了很多相关的工作，举两个例子。首先，这是我们在过程中发现的一个情况。左边的车在一个电池组里，这是事故车里的情况。前10天已经发现了明显的突变，但下面明显没有变化。如果之前能发现这样的事故车，或者能监控到10天前，这个就很OK了。右边的可以放久一点。有时候一辆车可能发现不了前段时间的情况。放久一点，也能找到问题的原因。左边的车是当时的车型，后面是同一个公司给我们带的同一批车，右下角的车是同一批。我们发现了高危车辆。与其他电池相比，11号和84号电池的累积风险值明显更高，这辆车确实存在非常高的风险。处置后发现同批次，排除同批次相关车辆高风险隐患。看看左边的这些图片。一般来说，最上面的橙色线是正常电压的范围，蓝色线最右边。最后时刻出现了跳水，当天范围内已经出现了跳水。这是第一张图。第二张图中，如果潜水不仅与电压有关，还与绝缘电阻有关，右边的绿线就是绝缘电阻的比例关系。车辆的风险可以通过多个输出参数来确定。这是在发生事故的情况下。让我们把时间维度看得更长远一些。这辆车前几天，蓝色部分有问题的单体已经出现异常，但是这个异常阈值无法判断，因为没有超出严重范围，3.5V从左到右变化一点点，所以经常被称为风险积累，比预期的动态阈值更准确。因此，mult……le模型要互相对照，一个模型容易失真或误判。这是左边的部分。右边部分还有一个非常明显的例子，还有一个风险就是我们前面什么都找不到，因为我们每次检查都会有一定的抽取频率。看一下右边的图片。在事故发生的过程中，我们前期没有看它的电流和电压过程。我们以为是“猝死”一切正常，突然就火了。在实际搜索之后，我们再现了所有的过程。前几天甚至上个月有一两次突然抖动的过程，对接下来的采样包括数据处理提出了很高的要求。这也是我们的模型需要多维度判断的过程。这是两个具体的例子。在这个过程中，我们也做了这个系统，现在已经结合并服务于车企，包括相关运营公司。提供这些服务后，我们给相关车企做了一些举例，也做了安全提示。在我们提出预警的类型后，企业的反馈确实是在调查后发生的，风险和隐患消除的正是时候。这是以前的方法实现的安全预警的结果。在前面，使用一个平台和一个系统。总的来说就是用大数据的方法做安全预警，做大量的案例和实践。这是大数据在安全方面的实践和探索。大数据的概念很大，新能源的产业很大。从这个维度来看，有四点建议。一方面，大数据在产业管理和产业政策的制定上可以借鉴，特别是对相关部委。在汽车的全生命周期管理过程中，无论从车辆的运营、上牌、营销等不同部委之间的关系，包括运营过程，无论交通事故、年检、车辆运营等涉及多维度的部委管理，数据都可以在这里进行组合、排序，将其连接起来。第二，大数据进一步赋能汽车技术的研究和技术创新。比如以安全为例。刚才上面第二部分讲了新能源汽车的安全预警，也是一个例子。传统上，安全包括交通安全。到今天这个时候，安全正在向智能安全和ADAS安全迈进，未来还会有事故的预警和救援，包括国家相关部委的推动，包括事故的应急救援。其实智能安全、主动安全、被动安全、新能源安全的整个过程，从车辆卖完到使用，都会产生大量的数据。在这个过程中，一方面我们把数据连接起来，可以连接起来判断对方。这是技术研究中第一方面的作用。第二个功能，刚才也提到了，就是电池安全。我们传统的电池安全性可能依赖于实验室测试设备和经验。事实上，当有更多的一维数据手段时，就有更多的一维空间来保证电池的安全，就像新能源的安全控制一样。所以，从这个意义上来说，下一步是在一个特定的系统安全，多维度的空间去研究它，保护它，逐步使它稳定。这就是大数据对数据安全和汽车安全的促进作用。第三，汽车全生命周期的大数据赋能。汽车卖完最后用掉之后，链条很长。中国的汽车前端市场已经达到了一定的饱和或者相对稳定的状态，后市场空间非常大，大数据在其中可以挖掘出很多价值。特别想说的是，自驾出行，我们非常了解的就是滴滴打车。现在滴滴打车是一个概念。滴滴打车现在很深刻。一天服务几千万甚至几百万的司机，每天都在执行服务，一天服务几千万的客户，一天几Pb的数据。在这一过程中有几个要点:在用车的过程中要做大量的分析，有哪些客户。客户的分布、地点、时间都是它知道的，客户的喜好也是它知道的。你喜欢哪种汽车？这是寻找客户需求过程中的大数据应用。2.上车后还有大数据应用。现在有视频了……d上滴滴后的录音，司机的行为也在监控中。这个过程中的监控，客观上把大数据应用到了会员和司机的安全保护上。3.下车后，基本不用考虑是否马上付钱。可以直接扣费，但是扣费有风险。现在区块链和大数据安全结合了，也和客户评价结合了。在滴滴上，我们可以看到大数据创造了很多价值。在体验上，买车和换车，我们相信创造的价值更多，链条更长，环节更粗。第四，赋能相关行业。客观来说，今天的汽车如果在昨天的时候被理解为主要是机电行业的产品，那就不一样了。汽车已经成为数据终端、能源终端和娱乐终端。这时候更多考虑的是“人、车、路、网、云”的整个生态。在这里，我想举一个例子。国家今天推动的是“新基础设施”，包括5G大规模示范应用和智能网络连接的试点示范区，汇集了多个行业的领域。新能源汽车只是解决了新能源部分。我们把新能源汽车和智能网联汽车的载体结合起来，最重要的连接手段或者说保障手段就是大数据的应用。所以我们认为，以数据为纽带，可以让能源网、交通网、服务网、车网更加完善，赋予更多的能量。以上是四方面对大关卡的创造价值。最后，我想用一句话来说。在说这句话之前，马云同志说，我觉得很好。面对新技术和互联网时，他说:很多人看不到；二是向下看；第三是我看不懂；第四是跟不上，经常与时代脱节。我们希望汽车从业者和相关同志能够看得见，看得起，跟得上，完全创造更多的价值，所以我们一定要高度重视大数据在新能源汽车产业发展中的战略价值，加快大数据在汽车行业的应用，共同构建以大数据为纽带的产业新生态，驱动新能源汽车高质量发展！“谢谢你！(注:本文根据现场速记整理，未经发言人审核。)这也是我们的模型需要多维度判断的过程。这是两个具体的例子。在这个过程中，我们也做了这个系统，现在已经结合并服务于车企，包括相关运营公司。提供这些服务后，我们给相关车企做了一些举例，也做了安全提示。在我们提出预警的类型后，企业的反馈确实是在调查后发生的，风险和隐患消除的正是时候。这是以前的方法实现的安全预警的结果。在前面，使用一个平台和一个系统。总的来说就是用大数据的方法做安全预警，做大量的案例和实践。这是大数据在安全方面的实践和探索。大数据的概念很大，新能源的产业很大。从这个维度来看，有四点建议。一方面，大数据在产业管理和产业政策的制定上可以借鉴，特别是对相关部委。在汽车的全生命周期管理过程中，无论从车辆的运营、上牌、营销等不同部委之间的关系，包括运营过程，无论交通事故、年检、车辆运营等涉及多维度的部委管理，数据都可以在这里进行组合、排序，将其连接起来。第二，大数据进一步赋能汽车技术的研究和技术创新。比如以安全为例。刚才上面第二部分讲了新能源汽车的安全预警，也是一个例子。传统上，安全包括交通安全。到今天这个时候，安全正在向智能安全和ADAS安全迈进，未来还会有事故的预警和救援，包括国家相关部委的推动，包括事故的应急救援。其实智能安全、主动安全、被动安全、新能源安全的整个过程，从车辆卖完到使用，都会产生大量的数据。在这个过程中，一方面我们把数据连接起来，可以连接起来判断对方。这是技术研究中第一方面的作用。第二个功能，刚才也提到了，就是电池安全。我们传统的电池安全性可能依赖于实验室测试设备和经验。事实上，当有更多的一维数据手段时，就有更多的一维空间来保证电池的安全，就像新能源的安全控制一样。所以，从这个意义上来说，下一步是在一个特定的系统安全，多维度的空间去研究它，保护它，逐步使它稳定。这就是大数据对数据安全和汽车安全的促进作用。第三，汽车全生命周期的大数据赋能。汽车卖完最后用掉之后，链条很长。中国的汽车前端市场已经达到了一定的饱和或者相对稳定的状态，后市场空间非常大，大数据在其中可以挖掘出很多价值。特别想说的是，自驾出行，我们非常了解的就是滴滴打车。现在滴滴打车是一个概念。滴滴打车现在很深刻。一天服务几千万甚至几百万的司机，每天都在执行服务，一天服务几千万的客户，一天几Pb的数据。在这一过程中有几个要点:在用车的过程中要做大量的分析，有哪些客户。客户的分布、地点、时间都是它知道的，客户的喜好也是它知道的。你喜欢哪种汽车？这是寻找客户需求过程中的大数据应用。2.上车后还有大数据应用。现在上了滴滴后有视频和录音，司机的行为也在监控中。这个过程中的监控，客观上把大数据应用到了会员和司机的安全保护上。3.下车后，基本不用考虑是否马上付钱。可以直接扣费，但是扣费有风险。现在区块链和大数据安全结合了，也和客户评价结合了。在滴滴上，我们可以看到大数据创造了很多价值。在体验上，买车和换车，我们相信创造的价值更多，链条更长，环节更粗。第四，电磁脉冲……er相关行业。客观来说，今天的汽车如果在昨天的时候被理解为主要是机电行业的产品，那就不一样了。汽车已经成为数据终端、能源终端和娱乐终端。这时候更多考虑的是“人、车、路、网、云”的整个生态。在这里，我想举一个例子。国家今天推动的是“新基础设施”，包括5G大规模示范应用和智能网络连接的试点示范区，汇集了多个行业的领域。新能源汽车只是解决了新能源部分。我们把新能源汽车和智能网联汽车的载体结合起来，最重要的连接手段或者说保障手段就是大数据的应用。所以我们认为，以数据为纽带，可以让能源网、交通网、服务网、车网更加完善，赋予更多的能量。以上是四方面对大关卡的创造价值。最后，我想用一句话来说。在说这句话之前，马云同志说，我觉得很好。面对新技术和互联网时，他说:很多人看不到；二是向下看；第三是我看不懂；第四是跟不上，经常与时代脱节。我们希望汽车从业者和相关同志能够看得见，看得起，跟得上，完全创造更多的价值，所以我们一定要高度重视大数据在新能源汽车产业发展中的战略价值，加快大数据在汽车行业的应用，共同构建以大数据为纽带的产业新生态，驱动新能源汽车高质量发展！“谢谢你！(注:本文根据现场速记整理，未经发言人审核。)

标签：发现比亚迪北京东南现代

汽车资讯热门资讯