當向普通投資者提及特斯拉時，常常會有兩種完全不同的反應：多頭的贊揚或空頭的批評。

換句話說，它要么將永遠改變汽車行業(yè)，要么很快就將無處可去。

但是，讓我們暫時拋開財務、競爭和它一直娛樂性很強的名人首席執(zhí)行官埃隆·馬斯克的惡作劇，從不同的角度來看看這家公司。

特斯拉有一個方面一直領(lǐng)先著競爭對手好幾英里。這就是其利用數(shù)據(jù)來構(gòu)建的世界上最復雜、最尖端的神經(jīng)網(wǎng)絡。 

例如，數(shù)據(jù)是“新石油”。它只是在那里等著，是一個未經(jīng)提煉的資產(chǎn)，隨時可以被挖掘、提煉和利用來推動競爭優(yōu)勢。

但對大數(shù)據(jù)的大肆宣傳和大肆吹捧已經(jīng)被技術(shù)挑戰(zhàn)的本質(zhì)現(xiàn)實所掩蓋，這些挑戰(zhàn)主要在于如何將結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化的東西轉(zhuǎn)化為真正有價值的東西。

事實上，我們已經(jīng)陷入了Gartner的關(guān)于大數(shù)據(jù)的眾所周知的 “幻滅低谷”。Hadoop從來沒有成為像10年前看起來的那樣有希望的大型統(tǒng)一數(shù)據(jù)平臺。

與此同時，人工智能和機器學習也越來越受到重視。但是除了大型社交媒體平臺(他們渴望優(yōu)化算法，向你出售更多你不知道自己需要的東西)，誰又在這里做了任何有意義的事情?

特斯拉利用數(shù)據(jù)、人工智能和數(shù)學建模語言來構(gòu)建了一個神經(jīng)網(wǎng)絡--一個由傳感器、數(shù)據(jù)、通信、處理器、外圍硬件和軟件組成的系統(tǒng)，像人類一樣共同處理信息、適應和學習--這是該公司真正的亮點。 

據(jù)分析人士稱，目前可供自主交通的市場總量已達數(shù)萬億。

這就是特斯拉、谷歌的Waymo、Uber和所有大型傳統(tǒng)汽車制造商都在爭先恐后開發(fā)這種新車型的原因。

事實上，多年來，自動駕駛已經(jīng)滲透到了我們?nèi)祟惖鸟{駛習慣當中了。巡航控制、ABS制動、變道引導，甚至包括氣囊，都可以被視為實現(xiàn)自動駕駛的步驟，而人類根本不需要參與其中。(特斯拉的自動駕駛模式可以說是迄今為止最復雜的駕駛員輔助系統(tǒng)。)

然而，實現(xiàn)完全自主運行仍然是一項艱巨的工作。當面對我們稱之為駕駛的不可預知的瘋狂世界時，你如何確保一臺車輪上的計算機能夠思考、反應和做出明智的決定?

這將需要數(shù)百萬小時的編碼、定義和算法優(yōu)化、復雜的3D建模和模擬、軌跡測試，甚至是在現(xiàn)實生活中的測試。

至少，如果你使用傳統(tǒng)的方法，情況就會是這樣。但特斯拉并不是這么做的。它正在做一些相當新奇的事情。

隨著60萬輛汽車的上路，特斯拉把每輛車，每一個傳感器，每一個“事件”(即與方向盤、剎車踏板等進行的人機交互。)都看作一個數(shù)據(jù)點。

然后，它獲取這些數(shù)據(jù)，對其進行分析，并利用這些數(shù)據(jù)來改進算法，創(chuàng)建新的算法，然后再將這些改進通過空中傳送給車輛。

截至2018年11月，特斯拉已經(jīng)積累了10億英里的自動駕駛數(shù)據(jù)。相比之下，Waymo已經(jīng)收集了大約1500萬英里。

專注于顛覆性技術(shù)和市場的投資公司ARK的分析師Tasha Keeny說，當你查看特斯拉汽車行駛的總英里數(shù)時(無論自動駕駛是否啟用)，記錄的總英里數(shù)約為100億英里。

這是一個巨大的圖書館，特斯拉可以利用它來教授它的神經(jīng)網(wǎng)絡新的東西，然后去適應和改進。

但是特斯拉和其他汽車之間真正重要的區(qū)別是：

•特斯拉的數(shù)據(jù)是從真實世界的英里數(shù)中收集的

•特斯拉車主不只是開車去上班或辦事。他們同時也是訓練特斯拉AI/ML的引擎。

馬斯克說：“當一輛車學會了一些東西時，他們都學會了。”(財富雜志，“特斯拉自動駕駛儀是如何學習的”)

這肯定是當今最有效的眾包AI/ML培訓計劃之一。 

特斯拉是如何實現(xiàn)這些數(shù)字并推動系統(tǒng)不斷改進的?

最近，在特斯拉號稱 “自治日” 的投資者活動中，工程副總裁Stuart Bowers*提出了這種方法(可以在 YouTube 上看到; 鮑爾斯的發(fā)言是在2：50--3：00)。

“要開始這一切，我們首先要了解我們周圍的世界，”Bowers說。“我們有8個攝像頭，我們還有12個超聲波傳感器(雷達)、慣性測量單元、GPS，還有一件我們通常會忘記的事情：踏板和轉(zhuǎn)向動作。”

Bowers指出，這些傳感器中的每一個都會有相互審計的“重疊字段”。通過這種方法，特斯拉能夠“非常精確地了解正在發(fā)生的事情”。

每個新事件、驅(qū)動程序和機器之間的每個新交互都會被記錄并上傳到數(shù)據(jù)庫。然后，它被用來創(chuàng)建3D模擬，特斯拉的軟件工程師可以通過研究來改進和完善算法。

然后，對整個系統(tǒng)的更新、改變或修改將可以通過空中傳輸給特斯拉汽車。 

最精彩的部分是：在接受這些變化之前，特斯拉是在“陰影模式”下進行修改的。毫無疑問，這是對模擬測試或標準測試的一個重大改進，因為陰影模式是實時運行的，在真實世界中，是在后臺進行“思考”的，這創(chuàng)建了一個連續(xù)的反饋循環(huán)。

簡單地說，可以把它想象成你十幾歲時的自己，正渴望得到你的駕照，坐在副駕駛座上，爸爸則一邊開車一邊解釋他在做什么。你要密切關(guān)注，因為你很快就會坐在那個駕駛座上了。

“當我們有我們想嘗試的新算法時，我們可以把它們放在車隊上，看看它們在現(xiàn)實世界中的情況會如何，”Bowers評論道。

“最終，我們可以通過機器學習做越來越多的事情，然后進入一個可控的車隊，這對我們來說只是一個早期的訪問程序。”

特斯拉目前正在測試的一個功能是預測車輛前的行人或騎車人可能會做什么。

“我們有能力探測道路上的障礙物，行人就是障礙物，”Bowers說。“我們實際上已經(jīng)可以看到自行車和人，我們的下一代自動緊急制動系統(tǒng)不僅會為你路上的人停下來，對于那些將會在你的道路上的人來說，它也會停止。”

Bowers指出，這項新功能目前正在陰影模式下運行。然后，它將被推廣到特斯拉的整個車隊中，但將由一組已經(jīng)報名參加測試的核心車手進行進一步的測試。

另一個例子是在高速公路上變換車道。特斯拉現(xiàn)在已經(jīng)成功地用自動駕駛儀完成了900萬次，沒有一次事故。Bowers說：“我們每天要做大約100，000件這樣的事情。”

截至2019年4月，它已經(jīng)行駛了7000萬英里，自動駕駛儀結(jié)合GPS系統(tǒng)導航，最終將司機和乘客帶到了門口。

Bowers認為，最終的結(jié)果是我們將“觀察所有的神經(jīng)網(wǎng)絡和所有的汽車，把所有的信息匯集在一起，最終為我們周圍的世界輸出一個真理的來源。” 

追求自主駕駛不是為了賣給你一輛機器人汽車。而是在給你租一個機器人出租車服務。

這是一個移動即服務的新興領(lǐng)域。在我最近的采訪中，ARK公司的Tasha Keeny認為，如果你考慮到我們對Uber和Lyft以及傳統(tǒng)出租車服務的更多使用，從某種意義上來說，MaaS已經(jīng)開始了。

但是根據(jù)她的數(shù)據(jù)，“租”比買更貴。如今，汽車擁有者的數(shù)據(jù)約為每英里70美分，比使用服務便宜。但是一旦勞動力不在考慮范圍之內(nèi)，MaaS的價格就會急劇下降到每英里22美分，比自主擁有汽車要便宜得多。

請放心，千禧一代以及共享一代，將是這項服務的首選。

當我們不再擁有汽車，而是在手機上點擊一個應用程序來召喚無人駕駛汽車時，這個轉(zhuǎn)折點就將創(chuàng)造一個價值5萬億美元的市場，Keeny說。

這是所有參與自主駕駛公司的登月計劃。這就是Uber的投資者僅今年就愿意接受60億美元損失的原因。這就是Waymo與Avis和自動駕駛公司合作的原因。

特斯拉也計劃加入這個MaaS游戲。例如，新款特斯拉Model 3s可以租用，但在租賃期結(jié)束時你不能購買它。特斯拉準備在不久的將來將它們用于半自治類型的MaaS，以實現(xiàn)向完全自主型MaaS的過渡。

這是一個很大的賭注。但獎勵是豐厚的。移動即服務的世界正在快速向我們走來。最終的結(jié)果將會改變游戲規(guī)則。

至少從技術(shù)角度來看，特斯拉領(lǐng)先了競爭對手整整一圈。

大型汽車制造商們正在做他們最擅長的事情：大規(guī)模的設計和制造汽車，以降低成本，保持銷售汽車的競爭力。

但和所有顛覆性公司的情況一樣，特斯拉不會遵守這些規(guī)則。特斯拉正在建造自己的芯片、硬件、軟件(從內(nèi)核開始)，最重要的是，也許還有神經(jīng)網(wǎng)絡，所有這些都是為了提供它自己的MaaS風格。物理車輛的生產(chǎn)只是方程式的一部分。

毫無疑問，幫助特斯拉在這種整體系統(tǒng)方法中改變游戲規(guī)則的就是它的數(shù)據(jù)。


特別聲明：

文章來源：CIO信息主管D1net（D1Net_D1Net）

原文鏈接：https://mp.weixin.qq.com/s/MIrDhmbEWhRVqd2b7E6Lmg

RPA中國推薦閱讀，如有侵權(quán)，請聯(lián)系刪除
 

繼續(xù)閱讀：數(shù)字化轉(zhuǎn)型   人工智能   機器學習   AI

未經(jīng)允許不得轉(zhuǎn)載：RPA中國 | RPA全球生態(tài) | 數(shù)字化勞動力 | RPA新聞 | 推動中國RPA生態(tài)發(fā)展 | 流 > 數(shù)字化轉(zhuǎn)型案例：數(shù)據(jù)公司特斯拉