马云所说的新零售是什么意思？

新零售简单来说就是一种新型的物流销售模式。
即企业以互联网为依托，通过运用大数据、人工智能等先进技术手段，对商品的生产、流通与销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合的零售新模式。

大数据时代
（巨量资料（IT行业术语））
编辑
最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。” “大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。
中文名
大数据时代
外文名
Big data
提出者
麦肯锡
类 属
科技名词
目录
1 产生背景
2 影响
▪ 大数据
▪ 大数据的精髓
▪ 数据价值
▪ 可视化
3 特征
4 案例分析
5 产业崛起
6 提供依据
7 应对措施
产生背景
编辑
进入2012年，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数
大数据时代来临
据，并命名与之相关的技术发展与创新。它已经上过《纽约时报》《华尔街日报》的专栏封面，进入美国白宫官网的新闻，现身在国内一些互联网主题的讲座沙龙中，甚至被嗅觉灵敏的国金证券、国泰君安、银河证券等写进了投资推荐报告。[1]
数据正在迅速膨胀并变大，它决定着企业的未来发展，虽然很多企业可能并没有意识到数据爆炸性增长带来问题的隐患，但是随着时间的推移，人们将越来越多的意识到数据对企业的重要性。
正如《纽约时报》2012年2月的一篇专栏中所称，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。
哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”[2]
影响
编辑
大数据
现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。[3]
随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。大数据（Big data）通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。[2]
在现今的社会，大数据的应用越来越彰显他的优势，它占领的领域也越来越大，电子商务、O2O、物流配送等，各种利用大数据进行发展的领域正在协助企业不断地发展新业务，创新运营模式。有了大数据这个概念，对于消费者行为的判断，产品销售量的预测，精确的营销范围以及存货的补给已经得到全面的改善与优化。[4]
“大数据”在互联网行业指的是这样一种现象：互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用G或T来衡量。
大数据到底有多大？一组名为“互联网上一天”的数据告诉我们，一天之中，互联网产生的全部内容可以刻满168亿张DVD；发出的邮件有2940亿封之多（相当于美国两年的纸质信件数量）；发出的社区帖子达200万个（相当于《时代》杂志770年的文字量）；卖出的手机为378万台，高于全球每天出生的婴儿数量371万……[1]
截止到2012年，数据量已经从TB（1024GB=1TB）级别跃升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB(1024EB=1ZB)级别。国际数据公司（IDC）的研究结果表明，2008年全球产生的数据量为049ZB，2009年的数据量为08ZB，2010年增长为12ZB，2011年的数量更是高达182ZB，相当于全球每人产生200GB以上的数据。而到2012年为止，人类生产的所有印刷材料的数据量是200PB，全人类历史上说过的所有话的数据量大约是5EB。IBM的研究称，整个人类文明所获得的全部数据中，有90%是过去两年内产生的。而到了2020年，全世界所产生的数据规模将达到今天的44倍。[5] 每一天，全世界会上传超过5亿张，每分钟就有20小时时长的视频被分享。然而，即使是人们每天创造的全部信息——包括语音通话、电子邮件和信息在内的各种通信，以及上传的全部、视频与音乐，其信息量也无法匹及每一天所创造出的关于人们自身的数字信息量。
这样的趋势会持续下去。我们现在还处于所谓“物联网”的最初级阶段，而随着技术成熟，我们的设备、交通工具和迅速发展的“可穿戴”科技将能互相连接与沟通。科技的进步已经使创造、捕捉和管理信息的成本降至2005年的六分之一，而从2005年起，用在硬件、软件、人才及服务之上的商业投资也增长了整整50%，达到了4000亿美元。[5]
大数据的精髓
大数据带给我们的三个颠覆性观念转变：是全部数据，而不是随机采样；是大体方向，而不是精确制导；是相关关系，而不是因果关系。[6]
A不是随机样本，而是全体数据：在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样(随机采样，以前我们通常把这看成是理所应当的限制，但高性能的数字技术让我们意识到，这其实是一种人为限制);
B不是精确性，而是混杂性：研究数据如此之多，以至于我们不再热衷于追求精确度;之前需要分析的数据很少，所以我们必须尽可能精确地量化我们的记录，随着规模的扩大，对精确度的痴迷将减弱;拥有了大数据，我们不再需要对一个现象刨根问底，只要掌握了大体的发展方向即可，适当忽略微观层面上的精确度，会让我们在宏观层面拥有更好的洞察力;
C不是因果关系，而是相关关系：我们不再热衷于找因果关系，寻找因果关系是人类长久以来的习惯，在大数据时代，我们无须再紧盯事物之间的因果关系，而应该寻找事物之间的相关关系;相关关系也许不能准确地告诉我们某件事情为何会发生，但是它会提醒我们这件事情正在发生。
数据价值
大数据时代，什么最贵
十年前，葛大爷曾说过，“21世纪什么最贵”——“人才”，深以为然。只是，十年后的今天，大数据时代也带来了身价不断翻番的各种数据。由于急速拓展的网络带宽以及各种穿戴设备所带来的大量数据，数据的增长从未停歇，甚至呈井喷式增长。[7]
一分钟内，微博推特上新发的数据量超过10万；社交网络“脸谱”的浏览量超过600万……
这些庞大数字，意味着什么？
它意味着，一种全新的致富手段也许就摆在面前，它的价值堪比石油和黄金。
事实上，当你仍然在把微博等社交平台当作抒情或者发议论的工具时，华尔街的敛财高手们却正在挖掘这些互联网的“数据财富”，先人一步用其预判市场走势，而且取得了不俗的收益。
让我们一起来看看——他们是怎么做的。
这些数据都能干啥。具体有六大价值：
●1、华尔街根据民众情绪抛售股票；
●2、对冲基金依据购物网站的顾客评论，分析企业产品销售状况；
●3、银行根据求职网站的岗位数量，推断就业率；
●4、投资机构搜集并分析上市企业声明，从中寻找破产的蛛丝马迹；
●5、美国疾病控制和预防中心依据网民搜索，分析全球范围内流感等病疫的传播状况；
●6、美国总统奥巴马的竞选团队依据选民的微博，实时分析选民对总统竞选人的喜好。[1]
可视化
“数据是新的石油。”亚马逊前任首席科学家Andreas Weigend说。Instagram以10亿美元出售之时，成立于1881年的世界最大影像产品及服务商柯达正申请破产。
大数据是如此重要，以至于其获取、储存、搜索、共享、分析，乃至可视化地呈现，都成为了当前重要的研究课题[1] 。
“当时时变幻的、海量的数据出现在眼前，是怎样一幅壮观的景象？在后台注视着这一切，会不会有接近上帝俯视人间星火的感觉？”
这个问题我曾请教过刘建国，中国著名的搜索引擎专家。刘曾主持开发过国内第一个大规模中英文搜索引擎系统“天网”。
要知道，刘建国曾任至百度的首席技术官，在这样一家每天需应对网民各种搜索请求17亿次（2013年约为877亿次）的网站中，如果只是在后台静静端坐，可能片刻都不能安心吧。百度果然在提供搜索服务之外，逐渐增添了百度指数，后又建立了基于网民搜索数据的重要产品“贴吧”及百度统计产品等。
刘建国没有直接回答这个问题，他想了很久，似乎陷入了回忆，嘴角的笑容含着诡秘。
倒是有公司已经在大数据中有接近上帝俯视的感觉，美国洛杉矶就有企业宣称，他们将全球夜景的历史数据建立模型，在过滤掉波动之后，做出了投资房地产和消费的研究报告。
在数据可视化呈现方面，我最新接收到的故事是，一位在美国思科物流部门工作的朋友，很聪明的印度裔小伙子，被Facebook高价挖角，进入其数据研究小组。他后来惊讶地发现，里面全是来自物流企业、供应链方面的技术人员和专家，“Facebook想知道，能不能用物流的角度和流程的方式，分析用户的路径和行为。”
特征
编辑
数据量大（Volume）
第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。
类型繁多（Variety）
第二个特征是数据类型繁多。包括网络日志、音频、视频、、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。
价值密度低（Value）
第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。
速度快、时效高（Velocity）
第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。
既有的技术架构和路线，已经无法高效处理如此海量的数据，而对于相关组织来说，如果投入巨大采集的信息无法通过及时处理反馈有效信息，那将是得不偿失的。可以说，大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。[2]
案例分析
编辑
个案一
你开心他就买你焦虑他就抛[2]
华尔街“德温特资本市场”公司首席执行官保罗·霍廷每天的工作之一，就是利用电脑程序分析全球34亿微博账户的留言，进而判断民众情绪，再以“1”到“50”进行打分。根据打分结果，霍廷再决定如何处理手中数以百万美元计的股票。
霍廷的判断原则很简单：如果所有人似乎都高兴，那就买入；如果大家的焦虑情绪上升，那就抛售。
这一招收效显著——当年第一季度，霍廷的公司获得了7%的收益率。
个案二
国际商用机器公司（IBM）估测，这些“数据”值钱的地方主要在于时效。对于片刻便能定输赢的华尔街，这一时效至关重要。曾经，华尔街2%的企业搜集微博等平台的“非正式”数据；如今，接近半数企业采用了这种手段。
●“社会流动”创业公司在“大数据”行业生机勃勃，和微博推特是合作伙伴。它分析数据，告诉广告商什么是正确的时间，谁是正确的用户，什么是应该发表的正确内容，备受广告商热爱。
●通过乔希·詹姆斯的Omniture（著名的网页流量分析工具）公司，你可以知道有多少人访问你的网站，以及他们呆了多长时间——这些数据对于任何企业来说都至关重要。詹姆斯把公司卖掉，进账18亿美元。
●微软专家吉拉德喜欢把这些“大数据”结果可视化：他把客户请到办公室，将包含这些公司的数据图谱展现出来——有些是普通的时间轴，有些像蒲公英，有些则是铺满整个画面的泡泡，泡泡中显示这些客户的粉丝正在谈论什么话题。
●“脸谱”数据分析师杰弗逊的工作就是搭建数据分析模型，弄清楚用户点击广告的动机和方式。
处理和分析工具
用于分析大数据的工具主要有开源与商用两个生态圈。
开源大数据生态圈：
1、Hadoop HDFS、HadoopMapReduce, HBase、Hive 渐次诞生，早期Hadoop生态圈逐步形成。
2、 Hypertable是另类。它存在于Hadoop生态圈之外，但也曾经有一些用户。
3、NoSQL，membase、MongoDb
商用大数据生态圈：
1、一体机数据库/数据仓库：IBM PureData(Netezza), OracleExadata, SAP Hana等等。
2、数据仓库：TeradataAsterData, EMC GreenPlum, HPVertica 等等。
3、数据集市：QlikView、 Tableau 、 以及国内的Yonghong Data Mart 。
产业崛起
编辑
越来越多的政府、企业等机构开始意识到数据正在成为组织最重要的资产，数据分析能力正在成为组织的核心竞争力。具体有以下三大案例：
1、2012年3月22日，奥巴马政府宣布投资2亿美元拉动大数据相关产业发展，将“大数据战略”上升为国家意志。奥巴马政府将数据定义为“未来的新石油”，并表示一个国家拥有数据的规模、活性及解释运用的能力将成为综合国力的重要组成部分，未来，对数据的占有和控制甚至将成为陆权、海权、空权之外的另一种国家核心资产。
2、联合国也在2012年发布了大数据政务白皮书，指出大数据对于联合国和各国政府来说是一个历史性的机遇，人们如今可以使用极为丰富的数据资源，来对社会经济进行前所未有的实时分析，帮助政府更好地响应社会和经济运行。
3、而最为积极的还是众多的IT企业。麦肯锡在一份名为《大数据，是下一轮创新、竞争和生产力的前沿》的专题研究报告中提出，“对于企业来说，海量数据的运用将成为未来竞争和增长的基础”，该报告在业界引起广泛反响。
IBM则提出，上一个十年，他们抛弃了PC，成功转向了软件和服务，而这次将远离服务与咨询，更多地专注于因大数据分析软件而带来的全新业务增长点。IBM执行总裁罗睿兰认为，“数据将成为一切行业当中决定胜负的根本因素，最终数据将成为人类至关重要的自然资源。”
在国内，百度已经致力于开发自己的大数据处理和存储系统；腾讯也提出2013年已经到了数据化运营的黄金时期，如何整合这些数据成为未来的关键任务。
事实上，自2009年以来，有关“大数据” 主题的并购案层出不穷，且并购数量和规模呈逐步上升的态势。其中，Oracle对Sun、惠普对Autonomy两大并购案总金额高达176亿美元，大数据的产业价值由此可见一斑。[1-2]
提供依据
编辑
大数据是信息通信技术发展积累至今，按照自身技术发展逻辑，从提高生产效率向更高级智能阶段的自然生长。无处不在的信息感知和采集终端为我们采集了海量的数据，而以云计算为代表的计算技术的不断进步，为我们提供了强大的计算能力，这就围绕个人以及组织的行为构建起了一个与物质世界相平行的数字世界[1-2] 。
大数据虽然孕育于信息通信技术的日渐普遍和成熟，但它对社会经济生活产生的影响绝不限于技术层面，更本质上，它是为我们看待世界提供了一种全新的方法，即决策行为将日益基于数据分析做出，而不是像过去更多凭借经验和直觉做出。
事实上，大数据的影响并不仅仅限于信息通信产业，而是正在“吞噬”和重构很多传统行业，广泛运用数据分析手段管理和优化运营的公司其实质都是一个数据公司。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。而在零售业中，数据分析的技术与手段更是得到广泛的应用，传统企业如沃尔玛通过数据挖掘重塑并优化供应链，新崛起的电商如卓越亚马逊、淘宝等则通过对海量数据的掌握和分析，为用户提供更加专业化和个性化的服务。
最让人吃惊的例子是，社交媒体监测平台DataSift监测了Facebook（脸谱） IPO当天Twitter上的情感倾向与Facebook股价波动的关联。在Facebook开盘前Twitter上的情感逐渐转向负面，25分钟之后Facebook的股价便开始下跌。而当Twitter上的情感转向正面时，Facebook股价在8分钟之后也开始了回d。最终当股市接近收盘、Twitter上的情感转向负面时，10分钟后Facebook的股价又开始下跌。最终的结论是：Twitter上每一次情感倾向的转向都会影响Facebook股价的波动。
这仅仅只是基于社交网络产生的大数据“预见未来”的众多案例之一，此外还有谷歌通过网民搜索行为预测流感爆发等例子。不仅在商业方面，大数据在社会建设方面的作为同样令人惊叹，智能电网、智慧交通、智慧医疗、智慧环保、智慧城市等的蓬勃兴起，都与大数据技术与应用的发展息息相关。
“大数据”可能带来的巨大价值正渐渐被人们认可，它通过技术的创新与发展，以及数据的全面感知、收集、分析、共享，为人们提供了一种全新的看待世界的方法。更多地基于事实与数据做出决策，这样的思维方式，可以预见，将推动一些习惯于靠“差不多”运行的社会发生巨大变革。
应对措施
编辑
一个好的企业应该未雨绸缪，从现在开始就应该着手准备，为企业的后期的数据收集和分析做好准备，企业可以从下面六个方面着手，这样当面临铺天盖地的大数据的时候，以确保企业能够快速发展，具体为下面六点。
目标
几乎每个组织都可能有源源不断的数据需要收集，无论是社交网络还是车间传感器设备，而且每个组织都有大量的数据需要处理，IT人员需要了解自己企业运营过程中都产生了什么数据，以自己的数据为基准，确定数据的范围。
准则
虽然每个企业都会产生大量数据，而且互不相同、多种多样的，这就需要企业IT人员在现在开始收集确认什么数据是企业业务需要的，找到最能反映企业业务情况的数据。
重新评估
大数据需要在服务器和存储设施中进行收集，并且大多数的企业信息管理体系结构将会发生重要大变化，IT经理则需要准备扩大他们的系统，以解决数据的不断扩大，IT经理要了解公司现有IT设施的情况，以组建处理大数据的设施为导向，避免一些不必要的设备的购买。
重视大数据技术
大数据是最近几年才兴起的词语，而并不是所有的IT人员对大数据都非常了解，例如如今的Hadoop，MapReduce，NoSQL等技术都是2013年刚兴起的技术，企业IT人员要多关注这方面的技术和工具，以确保将来能够面对大数据的时候做出正确的决定。
培训企业的员工
大多数企业最缺乏的是人才，而当大数据到临的时候，企业将会缺少这方面的采集收集分析方面的人才，对于一些公司，特别是那种人比较少的公司，工作人员面临大数据将是一种挑战，企业要在平时的时候多对员工进行这方面的培训，以确保在大数据到来时，员工也能适应相关的工作。
培养三种能力
Teradata大中华区首席执行官辛儿伦对新浪科技表示，随着大数据时代的到来，企业应该在内部培养三种能力。第一，整合企业数据的能力；第二，探索数据背后价值和制定精确行动纲领的能力；第三，进行精确快速实时行动的能力。
做到上面的几点，当大数据时代来临的时候，面临大量数据将不是束手无策，而是成竹在胸，而从数据中得到的好处也将促进企业快速发展。
望采纳，谢谢

2022 年中国新能源车产销超过 680 万辆，新能源车渗透率 276%，其中有 80% 的产销来自于中国新能源汽车品牌。在这几个数据背后，反映的是：

虽然在燃油车领域，合资品牌销量依然占据着国内汽车市场的半壁江山；但在新能源汽车领域，国产新老势力联起手来已经甩开了对手好几个身位。除了在电池、电机、电控核心三电系统产业链上构筑了很强的产品力，目前国产新能源车在智能化层面也同样将合资品牌甩在身后。这是一场「智能+新能源」的弯道超车。

01中国品牌「智能新能源」时代强势崛起

汽车行业所展现出来的，是新能源车对传统燃油车的逐步替代，而往更宏观去看，是全球正在经历从化石燃料向清洁能源的能源形式的革命。事实上，能源形式革命往往和产业革命是交织在一起的，两者相互促进，推动着产业持续演进变革。煤炭的使用让蒸汽机车成为可能，写就了第一次工业革命的历史；石油的应用催生了发动机，让其可以为汽车、轮船、火车、飞机提供动力，现代化的工业体系得以建立；而清洁能源则是现在新能源汽车的助推剂，电能、氢能、风能等等越来越成为重要的能源供给，一个更加低碳的世界成为大家的向往。在刚刚过去的特斯拉投资者日上，科技狂人 Elon Musk 就为大家描绘出了一个可持续的清洁能源的世界的样子。汽车产业的新能源化，也带动汽车上下游、供应链千行万业的变化。其不仅是推出了新能源车产品这么简单，而是围绕着产品而构筑的新能源人才、智能化核心技术、零部件产业链（三电系统）地基，这块牢固的地基将支撑起中国新能源车未来起码 30、50 年的长远发展。事实上，中国对于发展纯电动车、混动车以及其他新能源车型的支持很早就开始了，大家最为熟知的就是针对新能源车的补贴政策，包括各种减税政策，让新能源车发展如沐春风。在经过早些年的混乱发展和「骗补」风波之后，中国新能源汽车产业逐渐步入正轨，走在了快速发展期。国产新能源车企们互相卷，卷出了一片新天地。无论是从产品的多样性、技术的先进性还是绝对的市场份额，目前已经在全球第一大汽车市场取得了领先。站在 2023 年这个时间节点，当我们国家的汽车工业在「新能源化」这一仗上已经取得了阶段性胜利，那么在接下来，战场会转移到哪里呢？答案是「智能化」。如今的汽车消费者，电动、混动这样的新的动力形式并不是吸引他们购车的主要因素，更多的需求来自于「智能化」所带来的全新体验。汽车仅仅作为交通出行工具的属性已经满足不了 Ta 们的需求，Ta 们需要的是一个能够支持出行的「智能化终端」。所以对于国产车企来说，在坚持「新能源化」方向的同时，接下来发力的重心就是「智能化」，这也是目前全球最受关注车企 —— 特斯拉正在深耕的领域。

02征战「智能新能源」新能源是地基，智能化是核心

汽车智能化包括了智能驾驶、智能座舱、智能底盘、智能电子电气架构，甚至是智能制造等等。为什么「智能化」如此重要，堪称新能源车未来的发展核心？

可以从三个方面来看：其一是大量企业正在聚焦汽车智能化做产品技术开发，这是一个当之无愧的「风口」。造车新势力、传统车企的造车新品牌纷纷入场，以智能化为主要竞争点，以智能驾驶、智能座舱为用户体验差异化开始「拼刺刀」。以「蔚理鹏」为代表，它们的掌舵人都是互联网背景或者是高科技公司背景，他们受到老大哥特斯拉的启发，在国内展开智能汽车创业，将互联网的玩法带到汽车行业，将用户体验、产品体验作为最核心努力的方向，其中智能化是这些企业目前收获众多消费者青睐的主要原因。传统车企方面，上汽智己、东风岚图、长城沙龙、长安阿维塔、吉利极氪、北汽极狐，也都纷纷揭竿而起，朝着新能源化、智能化方向努力，实际上这些车企在很早之前就已经入局了新能源，但为何还要成立新的品牌？根本原因还在于要造出区别于上一代汽车的下一代汽车，下一代汽车核心就是「智能化」。同时，越来越多的科技公司如苹果、华为、小米、百度、大疆等进入到汽车行业，希望颠覆以往传统汽车只作为交通工具的属性。它们投入大量的资金、资源和人才，并非仅仅为了造一辆纯电或者混动的传统车，它们希望汽车变成「移动智能终端」。除了入局造车，很多企业也在汽车智能化的产业链上深耕，成为了新兴供应商，助力整个中国汽车产业向智能化方向转型。汽车「智能化」已经是潮水的方向，是不可逆的，关于智能化的想象空间无穷无尽。供给端如此繁荣，那么在需求端呢？事实上也同样未来可期。这也就引出了「智能化」如此重要的第二个原因：中国消费者对智能汽车的接受度已远超其他国家的消费者，而且随着中国智能车出海，海外消费者也对智能化的体验更为向往。目前智能化车型上的很多功能让消费者们「旦用难回」，一套好用的辅助驾驶功能可以很大程度上减轻驾驶疲劳、提升安全；一套好用的智能座舱系统能让开车不那么无聊；一套好用的车控功能能让用车变得省心、省事……智能化给汽车带来了实实在在的体验提升，消费者在买车时也越来越关注车型的智能化配置和软件功能。有一项关于自动驾驶技术的消费者调查显示：美国有 16% 的消费者认为自动驾驶非常重要，德国也是 16%，中国高达 49%；关于愿意为自动驾驶汽车多支付的费用，中国消费者愿意多付 4600 美元，德国消费者愿意多付 2900 美元，美国消费者愿意多付 3900 美元。这样几个简单的数字，其实可以反映出消费者对汽车智能化是非常有需求的。如果从消费者本身的属性分析也能佐证这一调查结果：目前中国的年轻人已经成为消费主力，这个群体的成长环境是技术高速发展和迭代时期，包括互联网、大数据、云计算、物联网、5G、人工智能等等，这些「互联网原住民」，天生对技术的接受度高，对汽车智能化的接受度也很高。当初小米宣布造车，很多网友都说其是「年轻人的第一台智能汽车」，其中的关键词就是「年轻人」、「智能」。汽车智能化做得好，消费者体验则好；智能化做得不好，用户的感知也会非常明显。

实际上，「智能化」已经慢慢变成了用户的依赖，变成了用户要不要选择某款车的重要参考指标。「智能化」也给汽车这个古老的交通工具带来了新的生命，很多的模式可以畅想，与智能驾驶、智能座舱相关的软件能力，未来有很大的想象空间。类似于 ChatGPT 这种能颠覆互联网应用的事物，未来肯定会在汽车这个载体上诞生。这就是人工智能技术与汽车相结合诞生的新的玩法、新的服务、新的体验以及新的商业模式。其三就是中国政府已经有诸多政策支持汽车的「智能化」。除去新能源汽车的补贴政策，国家还在支持汽车智能化产业的发展壮大，发布了明确的智能汽车发展战略。一方面，国家牵头做大量的基础设施建设，包括智能交通设施，涉及通信、高精地图和定位、大数据、云平台等等；另一方面，国家也在开放更多区域，便于智能汽车测试和运营，为智能汽车迭代发展储备的核心的数据金矿。汽车智能化可谓遇上了「天时、地利、人和」，那么接下来到底如何发展，就看这些相关企业们如何各显神通了。虽说智能化是未来的核心，但新能源的地基也不可动摇。很多人会说，在燃油车上做智能化也是一条路径。笔者认为确实是，但不是最优路径。在过渡期，基于存量汽车市场的智能化也有其必要，承担起教育消费者的作用，但毕竟这不是彻底的颠覆，仅仅是在燃油车上增加一些智能化小功能，而且这里面要耗费更多的开发时间和精力，最关键的是不一定能做出来很好的产品体验。所以，最优解仍然是在新能源车上做「智能化」。从技术角度看，汽车的智能化：

从这个角度来看，新能源车更加适合智能化，将是智能化的最大赢家。如果说新能源化是传统汽车变革的上半场，那么智能化将是传统汽车变革的下半场，而且在下半场，新能源和智能化必定是紧密结合在一起的，必须同时推进。基于此，造车者们该如何做呢？最近，吉利汽车发布了其中高端新能源产品系列「吉利银河」，目标就是聚焦混动和纯电车型，并且在智能化层面加大投入力度，包括拿出了新的智驾方案和智能座舱 *** 作系统。无独有偶，作为中国自主品牌车企代表的长城汽车，也即将完成向「智能新能源」生态企业的进阶。在近期的一次访谈中，长城汽车掌舵人魏建军表示：「新能源化是不可逆的，智能化也是不可逆的，这也给我们带来了巨大的想象空间，因为长城已经储备好了技术和供应链能力。」接下来，我们将以长城汽车为蓝本，来看看传统汽车如何做好「智能新能源」。

03「智能新能源」践行者：长城汽车如何厚积薄发？

（1）打好新能源地基

要做好「智能新能源」车企，必须先夯实新能源地基。提起长城汽车，多数消费者的第一印象就是哈弗 SUV，因为这个品牌和品类在过去很多年里确实少有竞争对手，是销量王者。而在新能源车层面，长城汽车旗下的欧拉品牌车型、其他品牌的混动车型也都面市比较晚，目前还没有如哈弗 SUV 那样被大众认知。其实早在 2009 年，长城汽车就已经开始布局新能源，只不过没有率先在产品层面发力，而是在供应链层面，包括孵化了一批动力电池、氢能、三电技术等相关的供应链企业，目标就是要建立一条自研、自主可控的产业链护城河。如今，这条护城河正在不断被拓宽。长城汽车是自主品牌车企为数不多拥有纯电、混动和氢能三条新能源路线技术储备的车企。2016 年，长城汽车进入氢能行业，成立了未势能源公司，至今已经累计投资超过 25 亿元，还制定了 2050 年建成氢能社会的计划，目前已经率先开始氢能源「制、储、运、加、应用」全产业链布局。2018 年，长城汽车内部剥离出蜂巢能源，成为专门的动力电池公司，目前已经超过 2600 人的团队，发展速度惊人。2021 年蜂巢能源的专利数达到 878 项，位居 2021 年中国动力电池专利公开量创新主体 TOP20 排行榜第一。2021 年度和 2022 年上半年，蜂巢能源动力电池装机量世界排名第十。同样是 2018 年，长城汽车成立了专注于汽车动力系统、新能源传动系统、智能转向系统研发的蜂巢易创，现在长城汽车最新的柠檬混动 DHT 变速器总成就是由蜂巢易创生产。长城汽车内部还有投资 22 亿元，占地 2100 平方米的国际一流变速器实验室，这里是长城汽车自研混动技术的摇篮。基本上，在新能源的三条路径上，长城汽车的技术地基已经建的很结实，接下来就是出更多成果以及爆款产品的时候。

根据长城汽车最新的产品规划：

这样一来，长城汽车各个品牌的新能源化路径已经十分清晰。如果说以往多年积累的新能源供应链自研能力是d药库，那么各个品牌的新能源汽车产品就是趁手武器。相比于很多的造车新势力还在努力构建所谓全栈自研能力的路上，长城汽车拥有自己的先发优势。新能源的地基建好，接下来就是应对更为核心的汽车智能化的竞争。很多人会说，作为传统车企的长城汽车，没有智能化的基因，不如造车新势力拥有那么强的科技属性。事实上，在过去的几年中，长城汽车已经通过各种途径补齐智能化的短板，目前在某些方面已经取得了行业领先。类似于此前在新能源领域的打法，长城汽车也培育了一批专注智能化的生态企业，这些生态企业涵盖了智能驾驶、智能座舱、电子电气架构、线控底盘等多个智能化相关领域。

（2）征战智能驾驶无人区

在智能驾驶领域，目前毫末智行是长城汽车的核心武器，魏建军也非常关心智能驾驶的进展，经常会亲身体验测试版本的智能驾驶系统。目前国内的车企都在导航辅助驾驶领域互相卷，卷完了高速卷城区，毫末智行已经官宣要成为国内首批落地城市级导航辅助驾驶功能的企业，落地车型就是长城汽车子品牌魏牌的摩卡车型。事实上，长城汽车在 2009 年就开始涉足智能驾驶研发，只不过现在独立出智能驾驶子公司毫末智行聚焦这一领域，而且可以吸引外部融资，助力其快速壮大并将技术落地。毫末智行主力研发的系统包括了 HWA 高速辅助驾驶系统、NOH 导航辅助驾驶系统，同时在智能驾驶域控制器方面展开自研，另外在算法系统、数据驱动系统、人工智能大模型等领域储备能力。在智能驾驶技术自研的布局上，长城汽车依托于毫末智行，覆盖了底层硬件、中间件和智能驾驶软件等多个环节的研发，再通过设计一系列不同配置的感知、计算硬件方案，其使智能驾驶系统可以匹配不同品牌、不同价位的多个车型。在已过去的 2022 年，长城汽车共有 6 款搭载智能驾驶功能的新车型上市，用户辅助驾驶里程超过 2500 万公里，相关车型销量突破 20 万辆。而且，作为中国首批量产的城市导航辅助驾驶系统，城市 NOH 将率先在魏牌摩卡 DHT-PHEV 车型上搭载。智能驾驶再往前发展，就不是功能的有无问题，而是功能的技术实力以及在面对各种驾驶场景的灵活应对能力，而这就需要一个更高效更快速的迭代闭环，这里面就包括了大数据、AI 大模型以及计算中心等核心组成部分。而这也是长城汽车正在征服的技术「无人区」。以毫末智行为依托，长城汽车已经拥有国内自动驾驶行业里数一数二的智能中心 —— 雪湖 · 绿洲（MANA OASIS），通过喂养海量数据进行不断训练和迭代，智能驾驶算法系统将不断精进，体验不断提升，应用场景不断扩大，为最终迈向全无人驾驶做准备。打造智算中心，也是特斯拉、吉利、小鹏这样的车企都在做的事情。近期，ChatGPT 爆火，毫末智行也将旗下自动驾驶认知大模型（人驾自监督认知大模型）正式升级为「DriveGPT」，用 AI 大模型驱动智能驾驶算法的不断进步。除了发展自有的生态企业，长城汽车也通过投资布局智能驾驶产业链，比如其就入股了自动驾驶芯片明星企业地平线，后续地平线的芯片就将在长城汽车的车型上搭载。

（3）可进化的智能座舱

长城汽车有自研的「咖啡智能」智能座舱系统，也有两家生态企业，包括仙豆智能和嘉峪智能，在智能车载导航、智能语音、智能感知、智能多端车机互联以及整车 OTA 方面都有相关的技术储备。在硬件层面，长城汽车用的是高通 8155 芯片打造专属智能座舱平台，相比上一代主流车机系统 CPU 运算能力提升 25 倍以上，GPU 图像处理能力提升 35 倍以上，搭配可用于机器视觉和语音处理的专属高算力 AI 加速，为多屏融合、多模交互、AI 感知、个性化自动配置等功能提供底层算力支撑。后续应该也要上高通 8295 芯片。在软件层面，长城汽车自研座舱 *** 作系统 GC-OS 技术拥有多项开放能力和优势，首先是 APP 统一接口+HAL（硬件抽象层）统一接口，同时支持 UI/UE 平台化+品牌差异性，还可向下兼容多种高算力平台，向上可适配长城汽车旗下各大品牌车型，具备快交付、可成长、可插拔、生态互换、软硬件兼容等特点。以高算力芯片和 GC-OS 为基础，长城汽车目前已经开放了一部分智能座舱 API，包含车机、驾驶、车身、底盘相关系统；第二阶段，还将迭代设计语音、导航、视觉等能力接口。通过两个阶段的迭代，长城汽车的智能座舱 API 池，将覆盖 25+ 类型的功能集。长城汽车的智能座舱将成为一个主动式服务的「智能百变空间」，这也和「移动智能终端」的理念相符。

（4）电子电气架构为智能化而生

2021 年，长城汽车发布了为智能化打造的新的整车电子电气架构 GEEP 40，其包括中央计算平台、自动驾驶域和智能座舱域。该架构采用 SOA（面向服务架构）理念，开放标准 API 接口，支持功能可生长和车云一体化，是融合功能体验创新，软件平台化开发，形成便于开发、维护、灵活扩展、体验升级、创新营收的可生长智能架构。同时，基于SOA，长城汽车在软件层面搭建一个统一的、标准化的整车软件平台。

在这样一个架构的支撑下，智能驾驶、智能座舱的开发，相关系统的体验扩展和升级将更加方便和高效。而且，基于全新的电子电气架构，长城汽车也在开发智慧线控底盘。线控底盘是汽车

本文来自易车号作者宇宙出行指南，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关

一、传统仓库管理的常见问题：
仓库管不好，一边是数以万计的物料、成百上千的供应商，诺大的货架式立体仓库，
一边是为数不多且素质平平的仓管员，种类繁多但不适用，也基本不用的制度和流程。
归根到底，仓库问题基本上都来自现场管理不到位，例如：
1、不遵守先进先出原则（First In，First Out----FIFO），造成呆料、废料。
2、不按库位摆放物料，或移动物料后，不及时把新库位的资料交给录单员录入系统，造成无法找到相关物料。
3、仓管员不及时送单给录单员，录单员不及时录入系统，结果造成系统数据与实际脱节，影响ERP系统数据的准确性，最终影响到了生产计划的贯彻和执行。标识不统一、不规范，不是没有物料编码，就是物料名称不对，以致无法追查该物料的历史状况。
4、部分仓管员责任心不够，工作态度消极，办事拖拉，库存盘点不准，以及手工单据信息不准确（主要是抄写错误，键入错误），这都是常有的事。
5、新旧仓管员交接不清，换一个仓管员，没有真正的交接手续，对前任仓管员所管的物料状态不明的，干脆就封存起来不予管理，只说"找不到"，造成了不应有的呆滞和浪费
6、 存货周转速度低，仓库内部随处可见落满灰尘的备品备件，盘点过程中还发现许多备件长时间无领用，或者还有足够库存但又购入的现象；
7、 资金占压情况严重
8、 对实物的管理无重点，未采用ABC管理法，对于数量少、价值大、重要性高的A类、B类物资未重点管理，没有设定库存上下限；
9、仓库空间利用率及取料效率低，仓库备件摆放虽较整齐，但未进行系统分类，标示不很清晰。
二、现代仓库管理面临的问题:
(1) 作业效率低：靠手工在办公室PC把业务数据录入ERP系统，不能移动、不实时、 *** 作不方便;
(2) 库存不准确：事后手工录入ERP单据繁琐易错、数据延迟，导致ERP库存数据不准确、不及时；
(3) 呆废品堆积：物品未能很好按一定策略(如先进先出)下架，导致呆废品堆积，增加了库存成本；
(4) 仓位物品摆放混乱：虽然有了仓位划分，但未能很好按一定策略上架(如按分类、订单)，导致拣货效率低下；
(5) 出入库常发生错漏：出入库时靠人工核对物品、数量容易错漏，导致发错料、收错货，影响生产和服务质量；
(6) ERP发挥作用有限：由于ERP系统数据不准确、不及时，难以为管理提供可靠的决策依据；
(7) 产线仓缺料导致生产延误：生产现场物料消耗、车间库存等信息未能及时反馈到发料员，导致发料不及时，影响生产。。。。。。
三、基于物联网的RFID\条码技术的仓库管理软件系统
广州溯源信息技术有限公司(DESOFT) 仓库管理系统(DE Warehouse Management System， DE WMS) 是基于物联网RFID\条码技术的仓库物流管理系统，主要用于制造及物流企业。系统通过在仓库物流节点布置专用设备（条码打印机、RFID、 PDA、AP、 PC等）配合软件系统对物品出入库作业进行扫描、核对、控制、指引。以此来提高作业效率、准确率；控制物品按合适的策略(如FIFO)下架；指引物品上架到合适的仓位；方便快捷地进行仓库盘点；无缝对接ERP，提升ERP运用效能等。实现实时、快捷、RFID\条码化的仓库管理，最终以快速、准确、低成本的方式为生产过程和客户提供可靠的服务。

---