互联网趋势

详情描述：

汽车产业在数字化转型浪潮的驱动下，不断进行着稳步的转型升级与业务重塑。
而在此过程中，AI 算法的介入为汽车产业各业务线的经营效率提升与价值平衡起到了极大的帮助。
AI 算法在汽车行业数字化转型中的应用”话题进行了公开的直播分享，结合汽车行业自身特性，
重点介绍了 AI 技术在多场景数字化中的应用以及基于 AI 算法的汽车行业业务优化案例

1、从消费互联到产业互联
产业互联网的核心其实同样是应用 AI、云计算、大数据等技术，对行业上的一些经典应用场景进行赋能。从狭义角度看，产业互联网主要涉及生产制造领域。而从广义角度来讲，产业除了生产制造外，还必须经过流通、交易、物流及仓储，因此产业互联网也并非完全局限于生产制造的领域。

2、数字化演进
互联网的赋能技术，其中所涉及的方法很多都是相通的，包括 AI、大数据、云计算以及现在的区块链和物联网的一些技术。而这其中的趋势，可以理解为信息化、数字化和智能化三个阶段。

3、信息化，是一个形式上的变化和差异。数字化，更多的是商业模式包括应用方式的转变。而在数字化的一个更高级阶段，所经历的则是广泛的应用 AI 以及相关技术对数字化的提速。通过 AI 技术的赋能，如今各行业的数字化进程正呈现出指数加速的趋势。

AI 赋能产业互联网

1、典型应用场景
以汽车行业为例介绍产业互联网的算法应用。选择汽车行业作为具体案例的主要原因有两个
一，是因为汽车行业的市场规模与市场空间比较大，目前中国已是全球规模较大的汽车消费市场，不管是新车还是二手车，都拥有着比较大的规模。

二，在汽车行业里涉及到的商品数量是较少的，这使得技术更容易实现。以车型为例，品牌下有不同的车系，车系下有不同的车型，数目大概是六七万的规模。现在进行 AI 实践的时候，如果需要做知识图谱的话，一个几亿规模的图谱和一个几千万规模的图谱，其中的差异是很大的，会涉及到工作量以及重复劳动的问题，这会影响 AI 工作人员所能提供的技术高度。

在具体业务线的选择上，以二手车作为业务主线。目前在内的国内外头部汽车行业企业，都是以二手车作为主业的，这其中也有着几点重要的原因。
首先，二手车是非标品。二手车作为一个商品去买卖的时候，是一车一况的，其使用情况、折旧情况都有所不同，这就会造成较大的议价空间，正因为有利益的驱使，所以做车辆流通的企业都倾向于二手车作为主业

另外，目前中国的二手车交易是逐年增长的，并且有相关的政策扶持，国家也在促进二手车的应用和流通。

2、残值预测优化
其次是车辆残值预测环节，这里的一个困难是在于缺乏标准，二手车很难用一个很确切的方式去衡量。它的价格影响因素很多，有地域因素、车况因素、颜色因素，这是在品牌车型之外的一些需要去考量的目标。第二，在所使用的数据中，车辆要么作为零售卖出，要么就是批售卖出，不会同时存在零售价和批售价，因此会存在零售价和批售价倒挂的问题。

对于上述问题，需进行数据层面的优化，采用新车与二手车的零售价、批售价数据进行共同考虑。由于国产车与外国品牌车辆的销售策略不同，因此新车的指导价与到手价会是二手车估价的一个重要影响因素。
另一方面，是否有足够的交易数据量支撑也是极为重要的一点。而在特征层面，则需要更加全面的特征考量，这其中包括车辆的车型信息、车龄、地域、颜色、过户次数、里程数、车况、新车指导价、新车到手价等特征。其次是模型层面，这部分的差异化是比较小的，各企业都会利用深度学习模型或者树模型。较后的接口层面，零售、批售对应的价格以及处置的周期，都是往经营分析上面去靠的。

3、匹配交易优化
较后一个环节，是车辆的匹配与交易，该环节存在的困难
一是车辆的购买，C 端是一个高消费但低频的环节，用户的决策周期是比较长的，而车商往往是聚集到线下的。因此，获取采集它们信息并放到线上去做自动的匹配是比较困难的，并且这其中还存在一些地域的差异。
对此的解决的方式是，通过集团内部资源的整合，尽可能让交易能够挂到线上，并综合考虑物流，尽可能地解决其中的跨地域问题，包括对一些顶价策略、一些 bot 策略去做提升。这里的技术架构其实也是比较经典的，就是推荐系统的模型。

而为了更好的赋能匹配与交易环节，需要对传统推荐系统进行优化，更多的考虑用户的系统优化，并把用户的推荐系统的系统目标与平台的营收目标结合起来。综合考虑用户使用的满意度以及平台营收的满意度。

无论是消费互联网还是产业互联网，其中都会应用到很多的技术 AI 技术。而我们要做的，是根据业务的需求和发展目标选择合适的服务器，以结果作为技术应用的较终导向，为业务目标的提升、用户体验的提升，去选择较合适的技术手段