企业想在一个成熟稳定的行业内占据一席之地,技术的积累和沉淀、过硬的实力、源源不断的人才等要素缺一不可。想要弯道超车?太难。不如换换赛道,换道超车,充分发挥企业的长处,在这个“棋局”之外拿到领先的优势,从而影响整个棋局的走势。这也是造车新势力积极努力的方向,毕竟特斯拉这个“前车”已经趟出了一条新路子。
2003年,马丁·艾伯哈德和马克·塔彭宁共同创立“特斯拉汽车”,次年埃隆·马斯克进入公司。那时老牌车企都认为特斯拉造车的想法“不切实际”,“造车是制造业的集大成者,外行人很难进入”,没几个人相信特斯拉能活下来。就在去年,大家共同见证了一个历史性的时刻——特斯拉以超1900亿的市值取代丰田成为世界第一。特斯拉汽车也存在很多问题(最近事故频发),但从目前的结果来看,特斯拉已经超过了一众老牌车企,成为汽车行业的头部玩家。特斯拉靠的是什么?第一是电池技术,第二是智能驾驶,在汽车圈实现了换道超车。
特斯拉汽车的成功,再加上政策的支持等有利条件,像是一针强心剂,刺激着更多的企业扎进汽车行业,开拓这片红海中的蓝海市场。
政策红利
去年7月30日,《工业和信息化部关于修改<新能源汽车生产企业及产品准入管理规定>的决定》发布。新文件删除了申请新能源汽车生产企业准入有关“设计开发能力”的要求,将新能源汽车生产企业停止生产的时间由12个月调整为24个月。政策条件的放宽,降低了造车新势力的入局门槛。
同年11月2日,国务院办公厅印发《新能源汽车产业发展规划(2021-2035年)》,提出到2025年,中国新能源汽车动力电池、驱动电机、车用操作系统等关键技术取得重大突破,新能源汽车新车销售量达到汽车新车销售总量的20%左右。目前新能源汽车占比仅为4%,上升空间巨大。
另一方面,借助新基建的东风,5G通信网络的普及还有智慧化的道路建设等等,智能网联汽车也将进入发展的快车道。
逐利是资本的天性,我国零排放的目标早就板上钉钉,新能源汽车是风口,而且相比燃油汽车,新能源汽车的工艺、技术等要求没有那么苛刻,再给新能源汽车叠加“智能因子”,达到一加一大于二的效果。这是汽车行业未来发展的大趋势,也是造车新势力开辟“换道超车”发展新格局的一次重大机遇。
资源加持
看到了风口,企业要思考的问题是——要不要入局。
几年前,PPT造车遍地开花,经历了第一轮大浪淘沙后,很多车企销声匿迹,但是,也诞生了像蔚来、理想、小鹏这类能脱颖而出的造车新势力。
鲶鱼效应与政策红利相叠加,形势一片大好。但是,造车并不是一上手就赚钱的生意,要想吃上这块蛋糕,手里没点资本是不行的,烧钱也是必经之路。还有就是与造车相关联的技术积累。
这也造成了今天这种局面,百度、小米、华为、滴滴等大企业纷纷入局,而缺乏资金与技术人才的企业想要入局会难上加难。
找准定位
先来说说“造车”。老牌车企大多数拥有自己的工厂,特斯拉也有。但在造车初期就投入如此巨量的资金,即使是大企业也很难扛得住,那怎么办?“借壳生蛋”呗。
与手机行业依托富士康代工同理,蔚来和小鹏分别与江淮汽车、海马汽车合作,由对方负责整车的制造和调试。
据报道,百度选择吉利作为合作方,双方将在智能汽车制造相关领域展开紧密合作;小米也在与汽车厂商洽谈生产电动汽车相关合作(有消息称是长城汽车,后者否认)。
进军汽车行业,也不代表一定要“造车”,为“造车”提供便利也是一条新路子。
华为就反复强调“不会直接参与造车”,而是主攻智能汽车技术解决方案,帮助车企造好车。
就像当年数码相机颠覆胶片机、智能手机颠覆功能机一样,带着智能驾驶功能的新能源车杀入汽车市场,也势必会掀起巨浪,汽车行业新旧动能转化是不可阻挡的趋势。曾经胶片机时代的王者柯达、手机巨头诺基亚等在内的行业领军企业的衰落,都在告诫我们:不要固步自封,要因势而谋、应势而动、顺势而为,才能在这个时代的潮头做一个勇敢而不败的弄潮儿。
好文章,需要你的鼓励
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。