前言

汽车领域的区块链应用应被归于垂直的产业区块链应用,市场上常见的,是利用OBD盒子的数据类项目,通过智能合约,让用户在数据所有权上有更多话语权,实现利益分配,处于早期探索阶段。

本文探索的是从汽车设计生产到报废拆除整个生命周期中的区块链应用可能性。

技术适用条件

瑞新资本孟岩对于比较适合使用区块链技术的产业领域,有这样的描述:

  • 多个相互没有隶属或指令关系的实体之间相互协作
  • 各方均不愿让渡数据主权或数据治权,也不愿意无条件共享数据
  • 由信息不透明导致的过度博弈,严重降低协作效率

汽车行业上下游链条非常长,产业利益关系复杂。主导制造的主机厂、渠道销售能力较强的经销商集团、数量庞大又分散的保养维修企业、甚至是二手车车商,各有一席之地,非常符合上面提到的三个条件。

汽车数据玩家都是谁

在汽车从生产到报废的时间轴上,以可能产生和收集数据的位置为节点,参考各节点的数据玩家,形成区块链应用内的基本框架。罗列一下除用户自身之外的潜在玩家:

  • 产生环节

    • 主机厂(前装优势明显)
  • 使用环节

    • 导航APP / 后装智能设备
    • 维修保养企业
    • 停车场
    • 加油站 / 充电站
    • 保险
  • 报废环节

    • 汽车报废企业
  • 交易环节

    • 经销商
    • 二手车商

以上的玩家可以收集到各项数据,包括驾驶习惯、车体磨损、轮胎磨损、能耗、路径风险、零配件情况、交易价格等,可以完整描述汽车状态,用于评估汽车价值及使用风险。

区块链的应用

区块链技术应用目标是让上下游强话语权玩家形成数据信任,促成合作。各玩家掌握的数据存在差异化,有交易的价值。实际上,少数大玩家能形成协议信任,不需要区块链技术也可以协作,甚至在面向用户宣传时,中心化背书的初始信任成本更低。只是从长期看,过渡到去中心化是更好选择,因为在接入整个信任网络时,新玩家成本更低,有利于网络效应的形成。

有几个应用的关键点:

  • 数据加密存储,保护隐私
  • 数据确权与定价,用户最好能获得分润
  • 数据授权及延伸应用

可以上链的数据:

  • 车况数据
  • 零配件溯源,是否使用原厂配件
  • 车辆票证
  • 物流仓储数据

潜在的数据应用领域:

  • 车险定价
  • 社群互助,可以看
  • 汽车供应链金融
  • 汽车消费金融
  • 共享出行
  • 跨省跨国二手车或二手配件交易

总结

区块链在汽车领域的应用,可能有以下一些特性:

  • 以联盟链为主,主机厂话语权重
  • 金融领域需求更强,有机会向上游推动应用
  • 小玩家参与是长期的事情,短期诉求不明显

“生产-交付”模型如下图,整个过程中会产生各类数据,业务类型不同,每个节点产生的数据类型也不同。通过这个细化这个模型,可以从更小的颗粒度上,发现和定义基础数据,为理解和处理业务流做准备。
生产-交付模型全图.png

需要强调的是:先有模型,后有数据

通过某个模型来抽象业务,做出假设,才可能通过收集数据来描述和改进业务。“生产-交付”模型是抽象业务的一种方式,串联和并联节点,形成可能接近真实业务的架构。

简言之,数据完整性是相对模型来说的,数据来源于模型。

将视线关注到一个小的节点,可以看到下面的结构:
生产-交付模型节点.png

外部数据

即是原料,输入生产过程

生产过程包括:

  • 人工处理,过程数据如操作时长,经常用于人效管理
  • 规则自动化处理,这里的规则是泛指既定的处理流程
  • 模型处理,主要指较难解释的机器学习结果及近似黑盒的外部服务,通常与计费有关

这三种处理模块并不一定全部需要,根据实际需要删减

交付结果

主要是综合结果,可能包含一些容易被非财务角色忽视的财务相关数据,比较合适的方式是形成快照存储,方便回溯。

每个节点都可以预置一组校验规则,相当于生成环节的质检,保证输入和交付都是合法的。

前言:

在开车使用导航途中想到的一个方法,可能并不新鲜。利用导航 APP 的大量数据,基于统计计算出城市各种路口红绿灯的间隔时间,修正到达目的地的预估时长,帮助规划更合理的导航路线,降低用户在路口等待时的焦虑。

更好的方案:红绿灯接入智慧城市相关系统,开放实时数据给导航 APP,这应该是大趋势,北京部分红绿灯是可以在导航 APP 看到红灯剩余时长的。

基于统计的思路:

地图数据已经包含红绿灯的位置信息,假设大量使用导航的车辆经过红绿灯,遇到红灯的车辆直行方向会停止,绿灯亮起时会启动。因为车辆数量足够大,可以获得全天不同时段的数据,帮助识别是否存在根据路口繁忙程度规则调整时长的红绿灯。

考虑到交通高峰期,收集到的数据将极大偏离真实时长,可以将拥堵时段和非拥堵时段的数据分别处理。

采集到车辆的停止时间和启动时间,计算时长,记为 T1。此时获得多个 T1,如果将这些 T1 的值标注在一个时间轴上,会呈现出相对均匀的分布,然后在大于某个时长值的时候,标注点突然急剧减少(这些是过红绿灯时走神,启动慢的车辆),排除这些干扰时长值后,收集到的 T1 时长里的最大值,就接近真实的红灯时长,按照人们的设定习惯,时长应该是 5 的倍数,做出修正,大于计算所得的 T1 的最近的,5 的倍数的那个时长,就是真实的红灯时长。比如计算得到的 T1 是 43 秒,那么真实的红灯时长应该是 45 秒。

同理可以处理得到绿灯时长。

这样,我们就通过统计得到近似真实的红灯亮起时间,红灯时长,绿灯亮起时间,绿灯时长。

使用场景:

  • 在车辆行驶到红绿灯时,展示给驾驶人,形成等待预期,增强驾驶人的掌控感
  • 帮助自动驾驶系统,调整车速和转速
  • 提高行驶预估时间的准确率

使用“生产-交付”为基础的思考模型,建立一个从“原料”到“交付物”的多节点业务流,关注每个节点的阶段性交付物,发现 AI 潜在的应用领域,挖掘单品型或上下游主题型的创业机会。
img

每个节点都有自己的输入和交付物,都可以从外部环境或其他节点获得输入,多个节点串并联组合成完整的交付过程。因为一个创新产品产生的创业机会可能兼具四种环节的变更,总结为:

新原料 + 新工艺 + 新流通 + 新场景/体验 = 新消费

01.模型应用的结论演示

将模型应用到出行领域和 AI 企业领域,综合政策层面的大趋势和行业存量项目,可以梳理得到单品型和主题型的创业机会,下面是举例说明。

- 单品型:可充电立体停车场制造
- 主题型:围绕 AI 企业的能力交易类服务

简述:

1、可充电立体停车场

“新基建”的投资中涉及充电桩业务,鼓励新能源汽车消费,立体停车场融合充电桩,可以在城市中心地区同时增加停车位和充电位,而且可作为购车和车后市场的流量入口及使用数据采集入口,为车联网类 AI 提供巨大商业机会。停车场作为排他性稀缺资源,有相对稳定的现金流,具备资产证券化基础。

创业团队考虑背景:立体停车场供应链、电力设施供应链、O2O 地推、政府关系等。

2、围绕 AI 企业的能力交易类服务

能力交易类服务是指在 AI 开发企业和 AI 消费企业之间的类交易中介服务(有利于投资机构发现早期项目),帮助补充自身能力的短板,可以有两个视角,分别侧重供给和消费。

- AI 开发企业的销售:可能是其他科技领域的销售 freelancer 进入 AI 领域 、跨行业跨语种的数据交易、算力交易、垂直领域的算法模型交易等
- AI 消费企业的买手:可能是专注于 AI 或工业转型的咨询公司

创业团队考虑背景:交易型SaaS、售前咨询、集成方案提供商等。

02.“生产-交付”模型

“生产-交付”模型是以终为始的逆向分解过程,将交付的消费者的商品向前分解成基本要素,替换/重组部分要素,形成新业务流,最后改变交付商品。

1、交付物基本要素的变更

形象化理解就是产品的“配方”发生变更,使产品获得新特性或革新生产流程,形成规模及成本优势。通常形式有重组节点、替换要素、增减要素。

如通过创新传感器,获取新维度数据,会影响整个业务流,部分原有环节被删除、部分环节重新组合、部分环节被替换为新的。

可以理解为回答“what”的问题。

2、要素生产工艺改进

与交付物要素变更的区别是生产流程中各节点位置、组合、节点输入输出物不发生变更,在节点内改进工艺,通过规则或算法实现自动化,加速节点生产。

产业垂直的 AI 服务,通常是以自动化降低成本,提高效率的方式渗透到传统产业中去的。如客服机器人、工业机器人、AI 芯片、计算机视觉、AI 辅助设计、 内容型 AI 等。

可以理解为回答“how”的问题。

3、 要素的配置及流通效率改进

核心价值实际上是“去库存”,加速流通,减少浪费,重点关注 AI 在要素标准化上的应用。基于极细颗粒度的标准化,才能发挥 AI 在实时调度方面的优势。

如潜客挖掘、物流调度、数据驱动的流程优化、柔性供应链、金融科技等都在这个范畴。

可以理解为回答“where、when、number”的问题。

4、交付物的消费对象/模式变更

更多表现为消费市场/场景的变化,即是 AI 产品在人群、空间和时间上的消费变化,本质上是产品或方案的复用。

如 AI 翻译是内容在不同人群的消费、技术/服务出海是产品在不同地域的消费、AI 驱动的教育可以是内容在碎片化时间里的消费。AI 可以为内容消费提供更个性化的体验,尤其是游戏领域。

可以理解为回答“who / why”的问题。

03.结论的模型应用过程

1、单品:可充电立体停车场

1.1、分解“出行”这个交付产品的基本要素:车、油、路、人
1.2、要素颗粒度细化:车、油、加油站、路、停车场、人
1.3、替换部分要素:车、电、充电桩、路、停车场、人/货
1.4、删减部分要素:车的使用权、电、充电桩、路、停车位、人/货。
1.5、增加部分要素:车的使用权、电、充电桩、路、立体停车场、人/货
1.6、重组要素:充电桩 + 立体停车场 = 可充电立体停车场
1.7、工艺改进及效率优化:采集用电数据、停车位置、车型等数据用于调度,可切入购车及车后市场;资产证券化提供金融支持
1.8、消费变更:分时租赁 + 新能源 + 立体停车 = 出行需求供给侧撬动消费
1.9、趋势支撑:新基建鼓励充电桩建设和汽车消费

2、 主题:围绕 AI 企业的能力交易类服务

2.1、将“AI”视为交付物,分解为“数据、算法、算力、售前服务、售后服务”
2.2、删减部分要素:将“售前能力”分离到 AI 开发团队之外,形成销售能力外包的服务,抽象出能力交易服务主题,衍生出算法能力交易(如算法科学家 freelancer 服务)等单品
2.3、要素配置优化:交易服务主题衍生出AI 开发企业的闲置的算力交易、脱敏数据交易、标注团队能力交易等单品,单品再使用“生产-交付”模型进行分解处理

04.“生产-交付”模型分析创业机会的其他要点

1、 单品切入,同主题扩充

AI 单品应可被单一客户重复消费,并在一定周期内不被新技术淘汰,同时具备一定排他性,该周期即是同主题扩充的时间窗口。如充电式立体停车场可以扩大稀缺资源停车位和充电桩的供给,在一定周期内都是独占的,充电标准相对稳定,后期扩展到“出行”这个主题下的其他领域,融合进 AI 主题。

AI 集成方案型的创业机会通常在要素变更主题下;技术工具型的创业机会通常在工艺改进主题下。

2、选择容错性较高的细分市场,降低交付难度

容错性较高有不同的解释角度,一个角度是指细分市场的玩家,自身有较好的风险承受能力,愿意尝试新方案,这与单品的价格并没有高度关联。以 Airbnb 为例,客单价较酒店低,但早期提供房源的业主,都是风险承受能力较强,愿意尝鲜试错的高收入人群(这个例子来自公众号 Roc的增长实录)。另一个角度是指有大趋势或政策,分摊了风险,使市场里的玩家可以重复试错。

细分市场的意义是垂直领域的 AI 交付质量更好,成本相对通用 AI 低,便于小团队投入。

3、团队具备销售能力

准确说是具备“向外求”的生意能力,创业项目也是一个“生产-交付”过程,销售能力是完成交付必要的要素之一,销售能力可以放在团队内部,也可以放在外部,但一定要拥有且可控。

识别 AI 类产品的销售能力,可以从以下几个维度来看:

3.1、行业业务流的颗粒度和关键指标理解
3.2、发现客户的基本方法,尤其关注陌拜的方法
3.3、职业经历中,销售成果是否依赖所处企业的垄断优势