萬鑫銘：數據驅動新能源汽車產業高質量發展

2020年8月13日至15日，“中國汽車論壇2020”在上海舉行。本次論壇由中國汽車工業協會(CAAM)主辦，世界汽車組織(OICA)和世界經濟論壇(WEF)唯一支持。本次論壇以“新變化、新挑戰、新理念——引領中國汽車新征程”為主題，緊扣時代脈搏，尋求突圍之道，緊緊圍繞“十四五”規劃，掌控宏觀產業形勢，分析全球汽車產業發展趨勢。其中，中國汽車工程研究院有限公司總經理萬鑫銘在8月15日上午舉行的“推進新能源汽車市場化”分論壇上發表了主題演講。以下為演講實錄:

中國汽車工程研究院有限公司總經理萬鑫銘:各位領導、各位同事，大家上午好。首先，非常感謝中國汽車工業協會邀請我參加中國汽車論壇并發表演講。很榮幸來到這里，因為這里有很多老朋友，我也認識了一些新朋友。在接下來的時間里，我會做一個題為《數據驅動的新能源汽車產業高質量發展》的報告。三個部分:1。大數據時代來臨；2.新能源汽車大數據應用的探索與實踐:3.關于數據賦能產業高質量發展的思考。首先，我們來說說數字經濟。現在數字化時代，現在用的詞就是IT to DT。說的遠一點，從機械驅動到電驅動到電腦驅動，再到數據驅動和工業4.0，在這個過程中誕生了大量的生產力和經濟進步。這里有幾個數字給你做個報告。2019年中國經濟總量接近99萬億，接近100萬億。數字經濟總量占35.9%，GDP占36.2%，這是一個比較。第二，看左邊的條形圖。從2002年到2020年，從1.2萬億增長到35萬億，增長了近30倍。數字經濟到底包含了什么？這些數字是怎么算出來的？就像我們今天遇到的新基礎設施、電子通信和互聯網一樣，這是一個非常龐大的經濟體系。國家層面有經濟驅動力，國家是由地方組成的。地方經濟在數字經濟方面發展突飛猛進。我們來看幾個數字。第一格，有很多地區現在是5000多億，有很多地區去年GDP總量超過5000億。特別值得一提的是，像北京、上海，占GDP總量的比重超過50%。這個比例比較大，其實是以東南沿海為主。發現經濟越發達，經濟越開放，數字經濟的比重和重要性越來越高。也看到在貴州和重慶，雖然在中部或者西部，但是增長速度比較快，相對基礎比較低。重慶和貴州的領導非常重視數字經濟，這也是為什么在中國的大發展趨勢下，政府正在推動數字化轉型。這張圖包含了很多信息，花點時間分享一下吧。首先，大數據現在是市場的重要因素。前一段時間，4月份，國家出臺了“完善市場資源配置”的指導意見，提到了勞動力、技術、資金、土地五大要素，特別增加了數據。現在，數據被視為一種元素和資源，也有一種說法，數據就是石油。從這個意義上說，“四化”之一是數據的價值，表明它已經成為一種生產要素；同時數字產業化，我們現在是把數字直接變成數字經濟。剛才說的電子、通信、軟件、互聯網都是數字工業化，實際上包括了傳統企業在不斷使用的數據產品和工業化的過程。另一方面，也需要將行業數字化。我們可以看到，農業、第二產業、第三服務業都在不斷貢獻更多的邊際效應，都在為產業的數字化做貢獻，進一步賦能。更重要的是，國家在國家層面推動現代治理能力的提升，企業和城市也在推動。生產關系也在改善數字治理，強調更多主體的參與和群體的結合，特別是數字公共服務。總的來說，數據已經成為生產和促進四化的重要因素。今天的主題是中國汽車論壇。這里的每個人都是汽車相關的從業者。和汽車有什么關系？這幅圖包含了很多信息。從傳統的汽車產業鏈，研究、生產、供應、銷售、服務，在當期附加值中定義相對較低的附加值。數據合并后，這條曲線可以得到改善。為什么？數據可以產生一系列的功能，在這些功能中可以進行設計交互、追溯等等，可以進行靈活的數據開發，這些都是大數據帶來的效果。這是在傳統產業鏈之上的。在產業鏈的后端，尤其是面對汽車的“四化”，汽車電動化、智能化、網聯化不僅在推動這個板塊的發展，也在全面賦能這個板塊的發展。接下來要講的是，依靠數據驅動大量發展也很重要，這涉及到“人、車、路”等各個方面的數據，以保證“四化”的有效實現。這是跟汽車行業的很多融合，是跟汽車行業的一個宏觀。接下來以中汽研的探索和案例來看，有哪些可以和新能源汽車結合的呢？上半場的專家講了很多。兩個非常重要的因素是消費者非常關心的，一個是獲得里程，另一個是安全。從產業的角度來說，產業鏈的價值是否能夠傳遞，換句話說，產業鏈的上下游是否能夠賺錢，其實在今天馬楚的第一個演講中就特別提到了，整個產業鏈上面還是有很大的挑戰。從這個意義上講，有必要談一談安全的挑戰。這幾年發現了一些情況，新能源的安全涉及一系列，包括傳統安全，包括消防安全，引起了消費者的極大關注。中國汽車研究院依托“一個平臺、一個系統”迎接安全挑戰。這個平臺是“新能源汽車大數據聯盟西南分中心”，另一個系統是“新能源汽車缺陷調查、監測與分析系統”。依托該平臺和系統，建立車輛安全預警模型，突破安全預警的一些相關問題。這里的主要問題應該提出來。新能源安全預警的問題之一是逆向分析困難；第二是難以識別和定位缺陷；三是難以高精度評估風險預警。通過我們的探索，這些領域取得了積極進展。首先說一下新能源的大數據平臺，這是在部委的指導下進行的。西南分中心作為分中心之一，實現了數據的實時監測、統計、預警和應急救援，其中包含的內容在重慶板塊得到較好的試點和推廣。這是一個系統。該系統是市場監測總局從“召回”的角度推動的缺陷調查、監測和分析系統。目前這個系統還接入了相當數量的車輛，包括部分同批次出故障車輛的事故車輛數據，也包括現在正在運行的相應車輛的數據。目的是保證同批次的車輛在有車況的情況下，有可能成為高風險車輛，并且有多輛車已經連接。通過持續運營，在該系統中，制定了完善的事故車輛數據分析流程和高風險車輛預警流程，構建了安全、完善、智能的大數據基礎數據處理系統，能夠快速識別和預警事故車輛和高風險車輛之間的共同特征。總體來說，我們可以快速識別和預警事故車輛和高風險車輛之間的共同特征。該應用將為車企提供預警提示，包括向相關服務單位提供需求反饋。右邊是示意圖。在一個平臺、一個系統的過程中，我們通過前期的工作總結出一套方法，命名為“循證實踐法”，簡單來說就是基于事實(案例)，尤其是事故案例、最佳實踐、持續更新的研究方法。第一部分是通過對事故的調查和分析。在這個過程中，我們會去事故現場收集所有相應的物證和證據，包括數據證據。在實驗室中，進一步分析了一些相應的結構或機理。分析后會得到相應的預警模型和安全預警服務。因為這個車型要放在系統上進一步給其他車輛提供服務。這是一個建模的過程。同時，在建立評價體系的過程中，全面、準確、及時，不斷循環替換，進而完善算法和模型。具體說說“循證實踐法”幾個步驟的相關內容。首先是事故調查，那只是一個大概的內容。事故調查怎么做？首先，通過對事故的現場調查，我們還將進行深入的調查分析和缺陷風險評估，重點分析事故原因。一般來說，事故原因分析會找到相應參數的最大閾值判斷，一般會超過實際正常范圍。這是一個判斷。其次，我們會找到影響對應參數的輸入參數，同時根據輸入參數與反應閾值的關系，通過機器學習找到相關關系。這也是一個分析原因，建立模型的過程。同時，要還原事故現場，建立動力電池安全評價體系。目前主流車輛，尤其是火災相關事故中，主要有這些內容。剛才比亞迪具體講了七個方面，五個維度，四個層次。五個維度包括，比如這里的電池的一致性，尤其是事故中過充過放過程導致的熱失效；2.在涌水量方面，我們經常會發現此類事故導致火災，我們也會設置相應的檢測和評估。以下為測試評測，將采用IPX9防水測試方法。3.同時，車輛在充電過程中，包括靜止過程中也會自燃，因為它的缺點已經積累起來了。4.機械故障，特別是在碰撞的情況下，包括觸底等。，我們設計了球撞擊試驗和劃痕試驗。我們將在實驗室系統下改善引發不同火災事故的工作條件，再現檢測事故的環境，進而找到評價機制。這是之前的事故調查分析。在分析了相關機制后，最重要的是建立相應的預警模型。事實上，許多數據模型將在這樣的多個數據源之后構建。這里有三款。1.動態閾值模型，電壓超過正常比例后，必須進行預警的過程。2.一致性分析模型。目前很多新能源汽車電池都沒有出現嚴重的跳電現象，而且在很長一段時間內，一致性都發生了變化。這也是我們要進行的一種模型分析。3.風險累積模型。這不會發生在單一層面或小時間范圍內。經過長期的積累或者更長期的分析，可以得出一個風險預警。當然也包括其他車型，在運行過程中同時進行檢查，發現汽車的安全隱患。在做的過程中，我們一般是完成線上預警，可以理解為“遠程預警”。這是通過數據方法的預警。發現情況后還會做線下檢測(實車檢測)，發現高危車輛后會做線下設備檢測，提高預警模型的準確性。在我們運營的過程中，流程是一個“AI+專家”的安全服務體系。我們用多個模型來分析、判斷、預警，這是一個環節。有一個初審和審核的過程。判斷有高危車輛后，通過貼標簽的方法，貼得更準。進入高風險車輛后，會進入“專家診斷”的流程，最終鎖定這輛車是否存在問題，從而解決和消除這些風險。這是我們在實際申請過程中的工作流程。通過以上步驟，分析事故數據的機理，建立模型和數據平臺，不斷迭代、完善和運行這種方法。我們也用這個方案做了很多相關的工作，舉兩個例子。首先，這是我們在過程中發現的一個情況。左邊的車在一個電池組里，這是事故車里的情況。前10天已經發現了明顯的突變，但下面明顯沒有變化。如果之前能發現這樣的事故車，或者能監控到10天前，這個就很OK了。右邊的可以放久一點。有時候一輛車可能發現不了前段時間的情況。放久一點，也能找到問題的原因。左邊的車是當時的車型，后面是同一個公司給我們帶的同一批車，右下角的車是同一批。我們發現了高危車輛。與其他電池相比，11號和84號電池的累積風險值明顯更高，這輛車確實存在非常高的風險。處置后發現同批次，排除同批次相關車輛高風險隱患。看看左邊的這些圖片。一般來說，最上面的橙色線是正常電壓的范圍，藍色線最右邊。最后時刻出現了跳水，當天范圍內已經出現了跳水。這是第一張圖。第二張圖中，如果潛水不僅與電壓有關，還與絕緣電阻有關，右邊的綠線就是絕緣電阻的比例關系。車輛的風險可以通過多個輸出參數來確定。這是在發生事故的情況下。讓我們把時間維度看得更長遠一些。這輛車前幾天，藍色部分有問題的單體已經出現異常，但是這個異常閾值無法判斷，因為沒有超出嚴重范圍，3.5V從左到右變化一點點，所以經常被稱為風險積累，比預期的動態閾值更準確。因此，mult……le模型要互相對照，一個模型容易失真或誤判。這是左邊的部分。右邊部分還有一個非常明顯的例子，還有一個風險就是我們前面什么都找不到，因為我們每次檢查都會有一定的抽取頻率。看一下右邊的圖片。在事故發生的過程中，我們前期沒有看它的電流和電壓過程。我們以為是“猝死”一切正常，突然就火了。在實際搜索之后，我們再現了所有的過程。前幾天甚至上個月有一兩次突然抖動的過程，對接下來的采樣包括數據處理提出了很高的要求。2020年8月13日至15日，“中國汽車論壇2020”在上海舉行。本次論壇由中國汽車工業協會(CAAM)主辦，世界汽車組織(OICA)和世界經濟論壇(WEF)唯一支持。本次論壇以“新變化、新挑戰、新理念——引領中國汽車新征程”為主題，緊扣時代脈搏，尋求突圍之道，緊緊圍繞“十四五”規劃，掌控宏觀產業形勢，分析全球汽車產業發展趨勢。其中，中國汽車工程研究院有限公司總經理萬鑫銘在8月15日上午舉行的“推進新能源汽車市場化”分論壇上發表了主題演講。以下為演講實錄:

中國汽車工程研究院有限公司總經理萬鑫銘:各位領導、各位同事，大家上午好。首先，非常感謝中國汽車工業協會邀請我參加中國汽車論壇并發表演講。很榮幸來到這里，因為這里有很多老朋友，我也認識了一些新朋友。在接下來的時間里，我會做一個題為《數據驅動的新能源汽車產業高質量發展》的報告。三個部分:1。大數據時代來臨；2.新能源汽車大數據應用的探索與實踐:3.關于數據賦能產業高質量發展的思考。首先，我們來說說數字經濟。現在數字化時代，現在用的詞就是IT to DT。說的遠一點，從機械驅動到電驅動到電腦驅動，再到數據驅動和工業4.0，在這個過程中誕生了大量的生產力和經濟進步。這里有幾個數字給你做個報告。2019年中國經濟總量接近99萬億，接近100萬億。數字經濟總量占35.9%，GDP占36.2%，這是一個比較。第二，看左邊的條形圖。從2002年到2020年，從1.2萬億增長到35萬億，增長了近30倍。數字經濟到底包含了什么？這些數字是怎么算出來的？就像我們今天遇到的新基礎設施、電子通信和互聯網一樣，這是一個非常龐大的經濟體系。國家層面有經濟驅動力，國家是由地方組成的。地方經濟在數字經濟方面發展突飛猛進。我們來看幾個數字。第一格，有很多地區現在是5000多億，有很多地區去年GDP總量超過5000億。特別值得一提的是，像北京、上海，占GDP總量的比重超過50%。這個比例比較大，其實是以東南沿海為主。發現經濟越發達，經濟越開放，數字經濟的比重和重要性越來越高。也看到在貴州和重慶，雖然在中部或者西部，但是增長速度比較快，相對基礎比較低。重慶和貴州的領導非常重視數字經濟，這也是為什么在中國的大發展趨勢下，政府正在推動數字化轉型。這張圖包含了很多信息，花點時間分享一下吧。首先，大數據現在是市場的重要因素。前一段時間，4月份，國家出臺了“完善市場資源配置”的指導意見，提到了勞動力、技術、資金、土地五大要素，特別增加了數據。現在，數據被視為一種元素和資源，也有一種說法，數據就是石油。從這個意義上說，“四化”之一是數據的價值，表明它已經成為一種生產要素；同時數字產業化，我們現在是把數字直接變成數字經濟。剛才說的電子、通信、軟件、互聯網都是數字工業化，實際上包括了傳統企業在不斷使用的數據產品和工業化的過程。另一方面，也需要將行業數字化。我們可以看到，農業、第二產業、第三服務業都在不斷貢獻更多的邊際效應，都在為產業的數字化做貢獻，進一步賦能。更重要的是，國家在國家層面推動現代治理能力的提升，企業和城市也在推動。生產關系也在改善數字治理，強調更多主體的參與和群體的結合，特別是數字公共服務。總的來說，數據已經成為生產和促進四化的重要因素。今天的主題是中國汽車論壇。這里的每個人都是汽車相關的從業者。和汽車有什么關系？這幅圖包含了很多信息。從傳統的汽車產業鏈，研究、生產、供應、銷售、服務，在當期附加值中定義相對較低的附加值。數據合并后，這條曲線可以得到改善。為什么？數據可以產生一系列的功能，在這些功能中可以進行設計交互、追溯等等，可以進行靈活的數據開發，這些都是大數據帶來的效果。這是在傳統產業鏈之上的。在產業鏈的后端，尤其是面對汽車的“四化”，汽車電動化、智能化、網聯化不僅在推動這個板塊的發展，也在全面賦能這個板塊的發展。接下來要講的是，依靠數據驅動大量發展也很重要，這涉及到“人、車、路”等各個方面的數據，以保證“四化”的有效實現。這是跟汽車行業的很多融合，是跟汽車行業的一個宏觀。接下來以中汽研的探索和案例來看，有哪些可以和新能源汽車結合的呢？上半場的專家講了很多。兩個非常重要的因素是消費者非常關心的，一個是獲得里程，另一個是安全。從產業的角度來說，產業鏈的價值是否能夠傳遞，換句話說，產業鏈的上下游是否能夠賺錢，其實在今天馬楚的第一個演講中就特別提到了，整個產業鏈上面還是有很大的挑戰。從這個意義上講，有必要談一談安全的挑戰。這幾年發現了一些情況，新能源的安全涉及一系列，包括傳統安全，包括消防安全，引起了消費者的極大關注。中國汽車研究院依托“一個平臺、一個系統”迎接安全挑戰。這個平臺是“新能源汽車大數據聯盟西南分中心”，另一個系統是“新能源汽車缺陷調查、監測與分析系統”。依托該平臺和系統，建立車輛安全預警模型，突破安全預警的一些相關問題。這里的主要問題應該提出來。新能源安全預警的問題之一是逆向分析困難；第二是難以識別和定位缺陷；三是難以高精度評估風險預警。通過我們的探索，這些領域取得了積極進展。首先說一下新能源的大數據平臺，這是在部委的指導下進行的。西南分中心作為分中心之一，實現了數據的實時監測、統計、預警和應急救援，其中包含的內容在重慶板塊得到較好的試點和推廣。這是一個系統。該系統是市場監測總局從“召回”的角度推動的缺陷調查、監測和分析系統。目前這個系統還接入了相當數量的車輛，包括部分同批次出故障車輛的事故車輛數據，也包括現在正在運行的相應車輛的數據。目的是保證同批次的車輛在有車況的情況下，有可能成為高風險車輛，并且有多輛車已經連接。通過持續運營，在該系統中，制定了完善的事故車輛數據分析流程和高風險車輛預警流程，構建了安全、完善、智能的大數據基礎數據處理系統，能夠快速識別和預警事故車輛和高風險車輛之間的共同特征。總體來說，我們可以快速識別和預警事故車輛和高風險車輛之間的共同特征。該應用將為車企提供預警提示，包括向相關服務單位提供需求反饋。右邊是示意圖。在一個平臺、一個系統的過程中，我們通過前期的工作總結出一套方法，命名為“循證實踐法”，簡單來說就是基于事實(案例)，尤其是事故案例、最佳實踐、持續更新的研究方法。第一部分是通過對事故的調查和分析。在這個過程中，我們會去事故現場收集所有相應的物證和證據，包括數據證據。在實驗室中，進一步分析了一些相應的結構或機理。分析后會得到相應的預警模型和安全預警服務。因為這個車型要放在系統上進一步給其他車輛提供服務。這是一個建模的過程。同時，在建立評價體系的過程中，全面、準確、及時，不斷循環替換，進而完善算法和模型。具體說說“循證實踐法”幾個步驟的相關內容。首先是事故調查，那只是一個大概的內容。事故調查怎么做？首先，通過對事故的現場調查，我們還將進行深入的調查分析和缺陷風險評估，重點分析事故原因。一般來說，事故原因分析會找到相應參數的最大閾值判斷，一般會超過實際正常范圍。這是一個判斷。其次，我們會找到影響對應參數的輸入參數，同時根據輸入參數與反應閾值的關系，通過機器學習找到相關關系。這也是一個分析原因，建立模型的過程。同時，要還原事故現場，建立動力電池安全評價體系。目前主流車輛，尤其是火災相關事故中，主要有這些內容。剛才比亞迪具體講了七個方面，五個維度，四個層次。五個維度包括，比如這里的電池的一致性，尤其是事故中過充過放過程導致的熱失效；2.在涌水量方面，我們經常會發現此類事故導致火災，我們也會設置相應的檢測和評估。以下為測試評測，將采用IPX9防水測試方法。3.同時，車輛在充電過程中，包括靜止過程中也會自燃，因為它的缺點已經積累起來了。4.機械故障，特別是在碰撞的情況下，包括觸底等。，我們設計了球撞擊試驗和劃痕試驗。我們將在實驗室系統下改善引發不同火災事故的工作條件，再現檢測事故的環境，進而找到評價機制。這是之前的事故調查分析。在分析了相關機制后，最重要的是建立相應的預警模型。事實上，許多數據模型將在這樣的多個數據源之后構建。這里有三款。1.動態閾值模型，電壓超過正常比例后，必須進行預警的過程。2.一致性分析模型。目前很多新能源汽車電池都沒有出現嚴重的跳電現象，而且在很長一段時間內，一致性都發生了變化。這也是我們要進行的一種模型分析。3.風險累積模型。這不會發生在單一層面或小時間范圍內。經過長期的積累或者更長期的分析，可以得出一個風險預警。當然也包括其他車型，在運行過程中同時進行檢查，發現汽車的安全隱患。在做的過程中，我們一般是完成線上預警，可以理解為“遠程預警”。這是通過數據方法的預警。發現情況后還會做線下檢測(實車檢測)，發現高危車輛后會做線下設備檢測，提高預警模型的準確性。在我們運營的過程中，流程是一個“AI+專家”的安全服務體系。我們用多個模型來分析、判斷、預警，這是一個環節。有一個初審和審核的過程。判斷有高危車輛后，通過貼標簽的方法，貼得更準。進入高風險車輛后，會進入“專家診斷”的流程，最終鎖定這輛車是否存在問題，從而解決和消除這些風險。這是我們在實際申請過程中的工作流程。通過以上步驟，分析事故數據的機理，建立模型和數據平臺，不斷迭代、完善和運行這種方法。我們也用這個方案做了很多相關的工作，舉兩個例子。首先，這是我們在過程中發現的一個情況。左邊的車在一個電池組里，這是事故車里的情況。前10天已經發現了明顯的突變，但下面明顯沒有變化。如果之前能發現這樣的事故車，或者能監控到10天前，這個就很OK了。右邊的可以放久一點。有時候一輛車可能發現不了前段時間的情況。放久一點，也能找到問題的原因。左邊的車是當時的車型，后面是同一個公司給我們帶的同一批車，右下角的車是同一批。我們發現了高危車輛。與其他電池相比，11號和84號電池的累積風險值明顯更高，這輛車確實存在非常高的風險。處置后發現同批次，排除同批次相關車輛高風險隱患。看看左邊的這些圖片。一般來說，最上面的橙色線是正常電壓的范圍，藍色線最右邊。最后時刻出現了跳水，當天范圍內已經出現了跳水。這是第一張圖。第二張圖中，如果潛水不僅與電壓有關，還與絕緣電阻有關，右邊的綠線就是絕緣電阻的比例關系。車輛的風險可以通過多個輸出參數來確定。這是在發生事故的情況下。讓我們把時間維度看得更長遠一些。這輛車前幾天，藍色部分有問題的單體已經出現異常，但是這個異常閾值無法判斷，因為沒有超出嚴重范圍，3.5V從左到右變化一點點，所以經常被稱為風險積累，比預期的動態閾值更準確。因此，mult……le模型要互相對照，一個模型容易失真或誤判。這是左邊的部分。右邊部分還有一個非常明顯的例子，還有一個風險就是我們前面什么都找不到，因為我們每次檢查都會有一定的抽取頻率。看一下右邊的圖片。在事故發生的過程中，我們前期沒有看它的電流和電壓過程。我們以為是“猝死”一切正常，突然就火了。在實際搜索之后，我們再現了所有的過程。前幾天甚至上個月有一兩次突然抖動的過程，對接下來的采樣包括數據處理提出了很高的要求。這也是我們的模型需要多維度判斷的過程。這是兩個具體的例子。在這個過程中，我們也做了這個系統，現在已經結合并服務于車企，包括相關運營公司。提供這些服務后，我們給相關車企做了一些舉例，也做了安全提示。在我們提出預警的類型后，企業的反饋確實是在調查后發生的，風險和隱患消除的正是時候。這是以前的方法實現的安全預警的結果。在前面，使用一個平臺和一個系統。總的來說就是用大數據的方法做安全預警，做大量的案例和實踐。這是大數據在安全方面的實踐和探索。大數據的概念很大，新能源的產業很大。從這個維度來看，有四點建議。一方面，大數據在產業管理和產業政策的制定上可以借鑒，特別是對相關部委。在汽車的全生命周期管理過程中，無論從車輛的運營、上牌、營銷等不同部委之間的關系，包括運營過程，無論交通事故、年檢、車輛運營等涉及多維度的部委管理，數據都可以在這里進行組合、排序，將其連接起來。第二，大數據進一步賦能汽車技術的研究和技術創新。比如以安全為例。剛才上面第二部分講了新能源汽車的安全預警，也是一個例子。傳統上，安全包括交通安全。到今天這個時候，安全正在向智能安全和ADAS安全邁進，未來還會有事故的預警和救援，包括國家相關部委的推動，包括事故的應急救援。其實智能安全、主動安全、被動安全、新能源安全的整個過程，從車輛賣完到使用，都會產生大量的數據。在這個過程中，一方面我們把數據連接起來，可以連接起來判斷對方。這是技術研究中第一方面的作用。第二個功能，剛才也提到了，就是電池安全。我們傳統的電池安全性可能依賴于實驗室測試設備和經驗。事實上，當有更多的一維數據手段時，就有更多的一維空間來保證電池的安全，就像新能源的安全控制一樣。所以，從這個意義上來說，下一步是在一個特定的系統安全，多維度的空間去研究它，保護它，逐步使它穩定。這就是大數據對數據安全和汽車安全的促進作用。第三，汽車全生命周期的大數據賦能。汽車賣完最后用掉之后，鏈條很長。中國的汽車前端市場已經達到了一定的飽和或者相對穩定的狀態，后市場空間非常大，大數據在其中可以挖掘出很多價值。特別想說的是，自駕出行，我們非常了解的就是滴滴打車。現在滴滴打車是一個概念。滴滴打車現在很深刻。一天服務幾千萬甚至幾百萬的司機，每天都在執行服務，一天服務幾千萬的客戶，一天幾Pb的數據。在這一過程中有幾個要點:在用車的過程中要做大量的分析，有哪些客戶。客戶的分布、地點、時間都是它知道的，客戶的喜好也是它知道的。你喜歡哪種汽車？這是尋找客戶需求過程中的大數據應用。2.上車后還有大數據應用。現在有視頻了……d上滴滴后的錄音，司機的行為也在監控中。這個過程中的監控，客觀上把大數據應用到了會員和司機的安全保護上。3.下車后，基本不用考慮是否馬上付錢。可以直接扣費，但是扣費有風險。現在區塊鏈和大數據安全結合了，也和客戶評價結合了。在滴滴上，我們可以看到大數據創造了很多價值。在體驗上，買車和換車，我們相信創造的價值更多，鏈條更長，環節更粗。第四，賦能相關行業。客觀來說，今天的汽車如果在昨天的時候被理解為主要是機電行業的產品，那就不一樣了。汽車已經成為數據終端、能源終端和娛樂終端。這時候更多考慮的是“人、車、路、網、云”的整個生態。在這里，我想舉一個例子。國家今天推動的是“新基礎設施”，包括5G大規模示范應用和智能網絡連接的試點示范區，匯集了多個行業的領域。新能源汽車只是解決了新能源部分。我們把新能源汽車和智能網聯汽車的載體結合起來，最重要的連接手段或者說保障手段就是大數據的應用。所以我們認為，以數據為紐帶，可以讓能源網、交通網、服務網、車網更加完善，賦予更多的能量。以上是四方面對大關卡的創造價值。最后，我想用一句話來說。在說這句話之前，馬云同志說，我覺得很好。面對新技術和互聯網時，他說:很多人看不到；二是向下看；第三是我看不懂；第四是跟不上，經常與時代脫節。我們希望汽車從業者和相關同志能夠看得見，看得起，跟得上，完全創造更多的價值，所以我們一定要高度重視大數據在新能源汽車產業發展中的戰略價值，加快大數據在汽車行業的應用，共同構建以大數據為紐帶的產業新生態，驅動新能源汽車高質量發展！“謝謝你！(注:本文根據現場速記整理，未經發言人審核。)這也是我們的模型需要多維度判斷的過程。這是兩個具體的例子。在這個過程中，我們也做了這個系統，現在已經結合并服務于車企，包括相關運營公司。提供這些服務后，我們給相關車企做了一些舉例，也做了安全提示。在我們提出預警的類型后，企業的反饋確實是在調查后發生的，風險和隱患消除的正是時候。這是以前的方法實現的安全預警的結果。在前面，使用一個平臺和一個系統。總的來說就是用大數據的方法做安全預警，做大量的案例和實踐。這是大數據在安全方面的實踐和探索。大數據的概念很大，新能源的產業很大。從這個維度來看，有四點建議。一方面，大數據在產業管理和產業政策的制定上可以借鑒，特別是對相關部委。在汽車的全生命周期管理過程中，無論從車輛的運營、上牌、營銷等不同部委之間的關系，包括運營過程，無論交通事故、年檢、車輛運營等涉及多維度的部委管理，數據都可以在這里進行組合、排序，將其連接起來。第二，大數據進一步賦能汽車技術的研究和技術創新。比如以安全為例。剛才上面第二部分講了新能源汽車的安全預警，也是一個例子。傳統上，安全包括交通安全。到今天這個時候，安全正在向智能安全和ADAS安全邁進，未來還會有事故的預警和救援，包括國家相關部委的推動，包括事故的應急救援。其實智能安全、主動安全、被動安全、新能源安全的整個過程，從車輛賣完到使用，都會產生大量的數據。在這個過程中，一方面我們把數據連接起來，可以連接起來判斷對方。這是技術研究中第一方面的作用。第二個功能，剛才也提到了，就是電池安全。我們傳統的電池安全性可能依賴于實驗室測試設備和經驗。事實上，當有更多的一維數據手段時，就有更多的一維空間來保證電池的安全，就像新能源的安全控制一樣。所以，從這個意義上來說，下一步是在一個特定的系統安全，多維度的空間去研究它，保護它，逐步使它穩定。這就是大數據對數據安全和汽車安全的促進作用。第三，汽車全生命周期的大數據賦能。汽車賣完最后用掉之后，鏈條很長。中國的汽車前端市場已經達到了一定的飽和或者相對穩定的狀態，后市場空間非常大，大數據在其中可以挖掘出很多價值。特別想說的是，自駕出行，我們非常了解的就是滴滴打車。現在滴滴打車是一個概念。滴滴打車現在很深刻。一天服務幾千萬甚至幾百萬的司機，每天都在執行服務，一天服務幾千萬的客戶，一天幾Pb的數據。在這一過程中有幾個要點:在用車的過程中要做大量的分析，有哪些客戶。客戶的分布、地點、時間都是它知道的，客戶的喜好也是它知道的。你喜歡哪種汽車？這是尋找客戶需求過程中的大數據應用。2.上車后還有大數據應用。現在上了滴滴后有視頻和錄音，司機的行為也在監控中。這個過程中的監控，客觀上把大數據應用到了會員和司機的安全保護上。3.下車后，基本不用考慮是否馬上付錢。可以直接扣費，但是扣費有風險。現在區塊鏈和大數據安全結合了，也和客戶評價結合了。在滴滴上，我們可以看到大數據創造了很多價值。在體驗上，買車和換車，我們相信創造的價值更多，鏈條更長，環節更粗。第四，電磁脈沖……er相關行業。客觀來說，今天的汽車如果在昨天的時候被理解為主要是機電行業的產品，那就不一樣了。汽車已經成為數據終端、能源終端和娛樂終端。這時候更多考慮的是“人、車、路、網、云”的整個生態。在這里，我想舉一個例子。國家今天推動的是“新基礎設施”，包括5G大規模示范應用和智能網絡連接的試點示范區，匯集了多個行業的領域。新能源汽車只是解決了新能源部分。我們把新能源汽車和智能網聯汽車的載體結合起來，最重要的連接手段或者說保障手段就是大數據的應用。所以我們認為，以數據為紐帶，可以讓能源網、交通網、服務網、車網更加完善，賦予更多的能量。以上是四方面對大關卡的創造價值。最后，我想用一句話來說。在說這句話之前，馬云同志說，我覺得很好。面對新技術和互聯網時，他說:很多人看不到；二是向下看；第三是我看不懂；第四是跟不上，經常與時代脫節。我們希望汽車從業者和相關同志能夠看得見，看得起，跟得上，完全創造更多的價值，所以我們一定要高度重視大數據在新能源汽車產業發展中的戰略價值，加快大數據在汽車行業的應用，共同構建以大數據為紐帶的產業新生態，驅動新能源汽車高質量發展！“謝謝你！(注:本文根據現場速記整理，未經發言人審核。)

標簽：發現比亞迪北京東南現代

汽車資訊熱門資訊