什麼時候,電動汽車能夠替代燃油車?

什麼時候,電動汽車能夠替代燃油車?

對於消費者而言,其實無所謂燒油還是燒電,關鍵是駕車出行的體驗和成本。從短期來看,由於電池的成本較高,電動汽車的售價幾年內仍然高於燃油汽車。這使得電動汽車必須提供和燃油車一樣或者更好的產品體驗、服務體驗,創造比燃油車更多的價值。

01

主動式服務,顛覆傳統服務模式

對於傳統燃油車而言,生產、銷售、服務體系已經運行多年,相對成熟。但是,這種4S店為基礎的服務模式,基本上是傳統的坐等車主上門的模式。特別是在售後服務上,需要佔用車主極大的時間和精力。

對於新興企業而言,有機會對汽車的服務體系做根本變革。其主要特徵之一,可以歸納為主動式服務。這種服務的特點,同樣可以分為幾個經典場景。

首先是雲診斷故障檢測。傳統的汽車故障,往往是車主發現,然後將車輛開到4S店檢測維修。但是,基於遠程診斷(DOTA)系統,電動汽車可以無需勞煩車主。以愛馳遠程診斷(DOTA)系統為例,它能夠檢測識別出車輛存在的故障,無論是系統bug,還是新出現的故障,通過系統的遠程系統控制,或者升級,都可以完成故障維修。涉及到硬件、線束等更換事宜的,才需要召回到維修中心處理。


其次是常規保養。對於傳統車主而言,往往容易忘記定期保養,另外也覺得費時間。但是,新企業有新解決方案。愛馳智慧服務平臺的解決方案是,首先通過遠程檢測到用戶車輛需要保養,一方面可主動提醒用戶前來保養,並自動派單保養技師;另一方面,也可以給車主約上門提供保養服務。

此外,在車主續保、二手車交易場景中,車企搭建的數據系統,可以提供精準定保,實時評估殘值等服務。

02

血拼而出的新造車勢力更具衝擊力

新能源汽車行業向上勢頭不減,對燃油車的替代作用仍在繼續。此時,以新能源汽車為主要方向的新造車勢力,也接近完成了內部淘汰賽。


幾年前新勢力叢生的“戰國”景象不在,一批新勢力逐漸銷聲匿跡,另一批活下來的後來者們,開始邁入量產、交車大關,逐步擺脫了“PPT造車”的形象。活下來的新玩家們,體格更強壯、心智更健全,他們有能力對汽車產業的舊格局發起更有力衝擊。

不過,政府補貼不斷退坡,傳統勢力中的強者:合資品牌車企不斷加碼在華新能源汽車的投資,以豐田為代表的非純電動系合資車企伺機而動,在節能和新能源汽車市場,對包括新造車企業在內的自主品牌的決戰即將打響。

03

電動汽車:天生便於智能化

到2020年,以中國乘用車當年銷售3000萬輛計算,要有1500輛乘用車具備駕駛輔助、部分自動駕駛和有條件自動駕駛功能。這是中國《智能汽車創新發展戰略》(徵求意見稿)所定下的目標。


智能汽車美好未來在前,相比傳統燃油汽車,電動汽車更為堅定地推進智能化。而且,智能駕駛功能,需要以車輛控制電子化為前提,相對傳統汽車的發動機+變速箱的動力系統,電動汽車動力系統的電子化控制更方便,因此智能化有先天優勢。


對於智能汽車,更為美妙的在於,它還會不斷學習,不斷成長,從而具備更強的自動駕駛能力,適應更多自動駕駛場景。因此,電動汽車不僅要以當下的自動駕駛能力和燃油車PK,而且還提供了不斷升級的能力。

知識小課堂

什么时候,电动汽车能够替代燃油车?

知識1:雙積分政策解讀

1、強制車企生產新能源車型

如果沒有達到要求的車企要受到暫停高油耗產品申報、生產等處罰。並從2019年度開始設定新能源車積分比例要求,2019年度、2020年度,新能源汽車積分比例要求分別為10%、12%。

2、油耗積分(CAFC)和新能源汽車積分(NEV)並行考核

一方面要求傳統汽車企業繼續降低油耗,同時要求企業提高新能源汽車的產銷。其中,新能源汽車跟油耗積分有兩項掛鉤:一是在油耗積分核算時,可以把新能源汽車的利好因素計算進去,產量越高,越能拉低油耗。二是如果企業產生油耗負積分,可以用本企業的新能源汽車正積分或者購買其他企業的新能源正積分抵償。

3、積分導向鼓勵發展高續航純電動車型

純電動乘用車的積分計算與續航里程有關,里程越高,拿到的分數越高。一輛續航150km的小型純電動車估算能拿2.6分,而插電式混動車型一律只拿2分,因此車企可能會更多推出續航里程較高的純電動車型。

4、新的合資車企需滿足中國的法規要求

合資車企加強與中國車企的合作,以滿足新能源車雙積分要求,隨著中國對新能源汽車領域的投資逐漸放松管制,未來新能源領域的合資合作、兼併重組將越來越多。

知識2:AI芯片設計趨勢

AI芯片在架構層面,技術發展的幾個特點和趨勢:

1、存儲的需求(容量和訪問速度)越來越高。

2、處理能力推向每秒千萬億次(PetaFLO PS),並支持靈活伸縮和部署。這種強大處理能力的靈活性還體現在訓練和推斷任務的部署上,比如在白天將更多的硬件用於推斷任務,滿足應用需求,而晚上則把更多的資源分配給訓練任務。

3、隨著AI應用的爆發,對推斷計算的需求會越來越多,一個訓練好的算法會不斷複用。推斷和訓練相比有其特殊性,更強調吞吐率、能效和實時性,未來在雲端很可能會有專門針對推斷的ASIC 芯片(G oogle 的第一代TPU 也是很好的例子),提供更好的能耗效率並實現更低的延時。


分享到:


相關文章: