什么时候,电动汽车能够替代燃油车?

什么时候,电动汽车能够替代燃油车?

对于消费者而言,其实无所谓烧油还是烧电,关键是驾车出行的体验和成本。从短期来看,由于电池的成本较高,电动汽车的售价几年内仍然高于燃油汽车。这使得电动汽车必须提供和燃油车一样或者更好的产品体验、服务体验,创造比燃油车更多的价值。

01

主动式服务,颠覆传统服务模式

对于传统燃油车而言,生产、销售、服务体系已经运行多年,相对成熟。但是,这种4S店为基础的服务模式,基本上是传统的坐等车主上门的模式。特别是在售后服务上,需要占用车主极大的时间和精力。

对于新兴企业而言,有机会对汽车的服务体系做根本变革。其主要特征之一,可以归纳为主动式服务。这种服务的特点,同样可以分为几个经典场景。

首先是云诊断故障检测。传统的汽车故障,往往是车主发现,然后将车辆开到4S店检测维修。但是,基于远程诊断(DOTA)系统,电动汽车可以无需劳烦车主。以爱驰远程诊断(DOTA)系统为例,它能够检测识别出车辆存在的故障,无论是系统bug,还是新出现的故障,通过系统的远程系统控制,或者升级,都可以完成故障维修。涉及到硬件、线束等更换事宜的,才需要召回到维修中心处理。


其次是常规保养。对于传统车主而言,往往容易忘记定期保养,另外也觉得费时间。但是,新企业有新解决方案。爱驰智慧服务平台的解决方案是,首先通过远程检测到用户车辆需要保养,一方面可主动提醒用户前来保养,并自动派单保养技师;另一方面,也可以给车主约上门提供保养服务。

此外,在车主续保、二手车交易场景中,车企搭建的数据系统,可以提供精准定保,实时评估残值等服务。

02

血拼而出的新造车势力更具冲击力

新能源汽车行业向上势头不减,对燃油车的替代作用仍在继续。此时,以新能源汽车为主要方向的新造车势力,也接近完成了内部淘汰赛。


几年前新势力丛生的“战国”景象不在,一批新势力逐渐销声匿迹,另一批活下来的后来者们,开始迈入量产、交车大关,逐步摆脱了“PPT造车”的形象。活下来的新玩家们,体格更强壮、心智更健全,他们有能力对汽车产业的旧格局发起更有力冲击。

不过,政府补贴不断退坡,传统势力中的强者:合资品牌车企不断加码在华新能源汽车的投资,以丰田为代表的非纯电动系合资车企伺机而动,在节能和新能源汽车市场,对包括新造车企业在内的自主品牌的决战即将打响。

03

电动汽车:天生便于智能化

到2020年,以中国乘用车当年销售3000万辆计算,要有1500辆乘用车具备驾驶辅助、部分自动驾驶和有条件自动驾驶功能。这是中国《智能汽车创新发展战略》(征求意见稿)所定下的目标。


智能汽车美好未来在前,相比传统燃油汽车,电动汽车更为坚定地推进智能化。而且,智能驾驶功能,需要以车辆控制电子化为前提,相对传统汽车的发动机+变速箱的动力系统,电动汽车动力系统的电子化控制更方便,因此智能化有先天优势。


对于智能汽车,更为美妙的在于,它还会不断学习,不断成长,从而具备更强的自动驾驶能力,适应更多自动驾驶场景。因此,电动汽车不仅要以当下的自动驾驶能力和燃油车PK,而且还提供了不断升级的能力。

知识小课堂

什么时候,电动汽车能够替代燃油车?

知识1:双积分政策解读

1、强制车企生产新能源车型

如果没有达到要求的车企要受到暂停高油耗产品申报、生产等处罚。并从2019年度开始设定新能源车积分比例要求,2019年度、2020年度,新能源汽车积分比例要求分别为10%、12%。

2、油耗积分(CAFC)和新能源汽车积分(NEV)并行考核

一方面要求传统汽车企业继续降低油耗,同时要求企业提高新能源汽车的产销。其中,新能源汽车跟油耗积分有两项挂钩:一是在油耗积分核算时,可以把新能源汽车的利好因素计算进去,产量越高,越能拉低油耗。二是如果企业产生油耗负积分,可以用本企业的新能源汽车正积分或者购买其他企业的新能源正积分抵偿。

3、积分导向鼓励发展高续航纯电动车型

纯电动乘用车的积分计算与续航里程有关,里程越高,拿到的分数越高。一辆续航150km的小型纯电动车估算能拿2.6分,而插电式混动车型一律只拿2分,因此车企可能会更多推出续航里程较高的纯电动车型。

4、新的合资车企需满足中国的法规要求

合资车企加强与中国车企的合作,以满足新能源车双积分要求,随着中国对新能源汽车领域的投资逐渐放松管制,未来新能源领域的合资合作、兼并重组将越来越多。

知识2:AI芯片设计趋势

AI芯片在架构层面,技术发展的几个特点和趋势:

1、存储的需求(容量和访问速度)越来越高。

2、处理能力推向每秒千万亿次(PetaFLO PS),并支持灵活伸缩和部署。这种强大处理能力的灵活性还体现在训练和推断任务的部署上,比如在白天将更多的硬件用于推断任务,满足应用需求,而晚上则把更多的资源分配给训练任务。

3、随着AI应用的爆发,对推断计算的需求会越来越多,一个训练好的算法会不断复用。推断和训练相比有其特殊性,更强调吞吐率、能效和实时性,未来在云端很可能会有专门针对推断的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并实现更低的延时。


分享到:


相關文章: