魏启扬

All In智能驾驶的时代,却是汽车后市场的凛冬?

没有什么力量能够阻挡智能驾驶的趋势。

不管是传统车企还是科技巨头,或是造车新势力们,即便各自都有着自己的小算盘,但在智能驾驶上还是目标一致——无论是单干还是合作,未来的智能驾驶一定要有属于自己的位置。

与车企和科技企业的信心满满有所不同,汽车后市场却对自己的未来有些担忧:以后汽车的功能升级、故障诊断甚至维修保养都在云端进行,线下还会有市场吗?

汽车后市场场景迁移引发行业集体焦虑

来自一线市场的担忧不无道理,还不用等到无人驾驶汽车真正到来,现在上市的新车中,车载系统和软件的远程升级、故障云端诊断这类智能配置很多都从PPT变成了现实,成为“标配”。

在今年的第五届世界互联网大会上,特斯拉发布了它的售后服务体系。该体系以虚拟服务中心的形式,可以在任何时间、任何地点为车辆提供人工和自动相结合的远程诊断,并且提供线上或线下的解决方案,减少了车辆“不能使用”的时间和维护。

非常明显,如果这项技术能够大规模复制落地到整个行业,那么智能汽车的售后保养维修业务将全部收归汽车厂家渠道,原本4S店和社会汽修企业二分天下的汽修后市场格局被打破,已经延续了100多年的传统汽修模式也将被颠覆。

如果说特斯拉还只是在维修保养上动传统汽车后市场的奶酪,那么中国的造车新势力们把手伸得更宽。小鹏汽车为了让车主充电方便,要在全国建设1000多座超级充电站,铺设10000个专用充电桩,并选择性接入超过10万个第三方充电桩;蔚来汽车则为用户准备了专属充电桩、全自动三分钟换电站、移动充电车、超级充电网、代客加电服务5种充电方式。新能源汽车才刚刚起步,汽车厂家就已经在充电市场跑马圈地了。

让传统汽车后市场企业普遍感到危机的是,原本引以为傲的场景优势正在一步步减弱。在AI的框架内,主机厂正在努力建设一个线上的、封闭的、由自己主导的汽车售后服务生态圈。随着后市场服务场景的迁移,现在用户买车后的维保服务大多在4S店或维修店,在未来,用户的售后服务将被圈定在主机厂的指定渠道内。这也让车享家、途虎养车这类B2C汽修连锁品牌备感压力:好不容易从后市场电商平台的血战中活了下来,未来还要被AI打压。

别悲观,线下依然是未来汽车后市场的主流

在未来,当AI完成对汽车后市场的全面覆盖后,留给行业的市场空间还有多少呢?在智能相对论看来,在巨大汽车保有量的基础上,在新能源车大规模普及的背景下,留给行业的机会依然很多。

几年前,国内的汽车后市场电商平台曾有过一次集体试错。有以阿里系加持的“车蚂蚁”、汽车之家的子项目“养车之家”为代表,做类美团的导流服务,几年后全部失败;以博湃养车、e洗车为代表的上门服务,这类电商熬了几年也发现“此路不通”。大量飞上天的猪最后又跌落人间的经验给了行业两点重要的启示。

1、线下门店才是汽车后市场最大的流量入口

有了滴滴和美团的成功示范,汽车电商也试图按照同样的逻辑来制造一个大的汽车后市场消费流量入口。然而用户汽车养护消费的低频需求(洗车、保养都不能算高频需求)使得流量始终难以集中,或者说引流的成本太高,难以精准切入企业经营。一圈的试错只证明了一个真理:线下门店才是汽车后市场最大且唯一的流量入口。

在未来的智能驾驶时代里,即便很多故障可以在线上远程解决,但只要汽车还是一个机器,那么它的机械故障一定是要回到线下处理的。低频次的养护需求对应的是高密度的服务场所,在这方面,汽车后市场企业的机会来了。

2、多品类、多场景才是后市场企业的正确姿势

汽车后市场获客成本高、单品消费频次低、毛利低的消费特征决定了后市场是个存量生意,后市场企业要做的是深度挖掘用户,通过运营让用户多次复购。通过多品类的延伸、创造多场景的消费方式来降低边际成本。

一边是封闭的渠道,一边是开放的市场,同时还有多样化的消费场景,汽车后市场企业也能建立起自己的服务生态,如果用这样的姿势去和主机厂正面对抗也不是没有胜算。

在一个万亿级的市场面前,传统汽车后市场企业的机会依然很大,这也是像车享家、途虎养车、京东汽车这样的电商玩家在明知前有AI拦路,仍然不遗余力抢建线下渠道,迎头前进的原因所在。

AI助力智能驾驶,同样助力后市场

以蒸汽和电气技术的应用为基础,人类历史上经历了两次产业革命。火车、汽车的出现,改变了人类的出行方式;电视、电影的出现,改变了人类的娱乐方式;电话、广播的出现改变了人类的信息传播方式……历史的轮回正在进行,只是这次推动技术进步、社会发展的动力变成了AI。AI能够助力智能驾驶,AI同样也能推动汽车后市场进入一片新天地。

1、智能汽车的维修从单项任务向综合系统功能进化

如果说现在的汽车维修通常只是针对单一故障,就像“头痛医头,脚痛医脚”一样,那么智能汽车的维修将向综合化发展。在智能汽车中经常用到的大数据匹配、图片识别、语音交互、机器学习等AI技术在汽车维修中同样也会用到。

智能相对论认为,未来的智能维修将不仅针对单独的某项维修任务,而是一套集成化、综合化的智能维修系统,可能包括故障诊断、维修决策、维修规划、维修训练等多项功能,开发的智能维修系统所采用的技术也是综合化的,可能包括专家系统神经网络,还可能融合了网络、仿真、虚拟等各项技术。

在广义的汽车后市场中,二手车的估值和竞价、车险的定损和出单、汽车美容的检测和施工等一系列场景都会因为AI的加入而变得更有效率。

对于汽车后市场商家来说,与其害怕AI带来的改变会对自己产生影响,不如主动拥抱AI,丰富AI在汽车后市场中的应用场景,精准理解与匹配用户的个性化需求,让用户需求得到满足才是迎合行业发展趋势的最好姿势。

2、AI补上后市场“缺人”漏洞

有一种说法,在现阶段汽车后市场发展的最大阻碍不是市场容量、不是市场营销而是人才的紧缺。

数据显示,全国经过教育部认证的技术类学校,培养汽车后市场的,包括主机厂有1000所,每年贡献约40多万学生。而中国整个前市场、后市场的需求是140万,每年有100万的缺口。传统的师傅带徒弟的方式很难填补这个巨大的人才缺口。

虽然说汽车后市场还有很长一段红利期,但少有年轻人愿意入行,其中最大一个原因就是,在行业的底层有大量的低端、重复工作,也就是我们常说的打气补胎、洗车换油这类“脏活累活”,在一个技工没有积累到足够的资历和经验之前,师傅们是不会让他们上手接触机修、钣喷这类有技术含量的活。一个技工要想出师或者自立门户,少则几年,多则数十年,人才的培育速度显然赶不上行业的发展速度。

新技术的普及就是为了解放生产力,处理那些低端重复的工作正是AI所擅长的,当汽车后市场的底层岗位全部被机器人取代之后,AI不光补上了行业的“缺人”漏洞,还将带给行业更有效率的管理和运转。

3、消除信息不对称,破局“柠檬市场”

“柠檬市场”理论是著名经济学家乔治·阿克尔罗夫提出来的。“柠檬”在美国俚语中表示“次品”或“不中用的东西”,所以“柠檬市场”也称次品市场,也称阿克洛夫模型。即在市场中,产品的卖方对产品的质量拥有比买方更多的信息。在极端情况下,市场会止步萎缩和不存在,这就是信息经济学中的逆向选择。阿克尔罗夫也凭借着《柠檬市场:质量的不确定性和市场机制》这篇论文摘取了2001年的诺贝尔经济学奖。

阿克尔罗夫在论文中例举了二手车市场的案例。指出在二手车市场,卖家比买家拥有更多的信息,两者之间的信息是非对称的。买者肯定不会相信卖者的话,即使卖家说的天花乱坠。买者唯一的办法就是压低价格以避免信息不对称带来的风险损失。买者过低的价格也使得卖者不愿意提供高质量的产品,从而低质品充斥市场,高质品被逐出市场,最后导致二手车市场萎缩。

阿克尔罗夫是在1970年发表论文时例举的案例,离今已快50年了,然而现在的汽车后市场依然没有太大改观。

首先,在汽车后市场行业中,企业间存在的形式较为分散,有夫妻档、路边摊等各种形式。而由于企业多为个体经营,这就使得汽车后市场整体不规范,个体间存在较大的差异,没有严格、标准的服务体系,用户的消费体验极不友好。

其次,在汽车后市场的传统门店中,由于其在价格以及产品流程上都不具备公开透明性,极易让用户产生不信任感。

未来由AI连接汽车后市场,或许是破解“柠檬市场”的一个方向。利用AI技术让汽车准确的定位到故障,用可视化、场景化的方式或技术手段帮车主解决问题;同时也帮助厂商扩大市场渠道、建立客户信任。当所有的流程、所有的环节都被AI安排地妥妥帖帖的时候,“柠檬市场”自然将不复存在。

智能相对论
智能相对论

深挖人工智能这口井,评出咸淡,讲出黑白,道出深浅。重点关注领域:AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及芯片、算法、人机交互等。

专栏二维码
产业自动驾驶
1
相关数据
专家系统技术

专家系统(ES)是人工智能最活跃和最广泛的领域之一。专家系统定义为:使用人类专家推理的计算机模型来处理现实世界中需要专家作出解释的复杂问题,并得出与专家相同的结论。简言之,如图1所示,专家系统可视作“知识库(knowledge base)”和“推理机(inference machine)” 的结合。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

暂无评论
暂无评论~