新葡萄京官网8455 车型选择 新葡萄娱乐奇点汽车黄浴:汽车时代的未来是智能汽车

新葡萄娱乐奇点汽车黄浴:汽车时代的未来是智能汽车



近日,由集邦咨询、VehicleTrend车势主办,北京中汽四方公司协办的2017全球智能与新能源汽车产业发展趋势高峰论坛在中国北京国家会议中心309A报告厅落下帷幕,到场嘉宾共议智能与新能源汽车的未来大势。

智能网联技术被认为是汽车诞生百余年来最具革命性的技术变革。在世界新一轮科技和产业革命的影响下,未来5-10年汽车产业将经历一场突破式的创新变革,全球互联网巨头都已经部署网联汽车。

近日,全球计算机视觉与人工智能领域顶级科学家,奇点汽车美国公司总裁黄浴博士在上海大学发布了名为《Deep
Learning for
AutonomousDriving》(深度学习在自动驾驶领域的应用)的精彩演讲。黄博士表示:“自动驾驶是一块具有挑战性的自动智能应用领域,许多研究对于实现汽车的自动驾驶是十分有必要的。”

智能网联汽车正以勃勃雄心占领未来。根据我国汽车产业中长期发展规划,到2025年,我国的智能网联汽车将进入世界先进行列,尤其是汽车的DI级别、PI级别及CI级别的新车装配率将达到80%。

新葡萄娱乐 1新葡萄娱乐 2

黄浴博士曾任百度美国研发中心自动驾驶资深软件架构师,还曾在Intel总部、三星电子美国研发中心、华为、汤姆逊等多家著名的跨国技术公司任职,在人工智能领域有着丰富的经验和独到的见解。黄浴博士曾说过:“汽车时代的未来是智能汽车”,本场讲座,黄浴博士针对自动驾驶的技术算法、市场前景和价值及未来规划进行了深入的探讨。

那么,自动驾驶的未来将给我们带来哪些新机会?还存在哪些挑战?自动驾驶的发展究竟是渐进式还是颠覆式?本次论坛都给出了一个比较圆满的解释。

当前,汽车技术正朝着低碳化、信息化、智能化、联网化的方向发展,为汽车产业的发展带来了深刻的挑战和机遇。其中,智能网联技术被认为是汽车诞生百余年来最具革命性的技术变革。在世界新一轮科技和产业革命的影响下,未来5-10年汽车产业将经历一场突破式的创新变革。信息技术、网络技术等将对传统汽车产业进行全面升级和改造,汽车产业将与互联网产业产生深度融合。

新葡萄娱乐 3

自动驾驶将带来900亿美金大蛋糕

美、欧、日等传统汽车强国纷纷制定相关政策法规大力支持汽车智能网联技术的发展,国际领先汽车企业也投入大量研发资金。而中国亦于2015年发布了《中国制造2025》,将智能网联汽车提升到国家战略的高度,并于2016年发布了《智能网联汽车技术路线图》,明确智能网联汽车技术发展的总体思路、发展目标和技术路径。因此,可以预期,未来5-10年汽车产业的变革将为投资者带来重大投资机会。而全球互联网巨头都已经部署网联汽车:

图1:黄浴博士图片

集邦咨询拓墣产业研究院的的研究报告显示,全球车市在2016年新车销售数量已经超过9100万辆,预估今年2017年底、2018年也将有进一步增长,分别是9300万辆和9700万辆。此外,到2020年左右整车新车的销售将达到1亿辆的全球规模。

新葡萄娱乐 4

身处硅谷多年的黄浴博士,切身感受到近年自动驾驶作为变革的核心驱动力正在加速汽车产业智能化。他表示,随着人工智能以及深度学习技术的成熟,所衍生出的自动驾驶技术,不仅是当前全球汽车与智能化出行的发展方向,更是各大车企争相抢夺的战略制高点。自动驾驶作为汽车产业未来转型升级的重要方向,背后庞大的市场空间,使其备受资本热捧,成为汽车产业下新的“蓝海”。

新葡萄娱乐 5

智能驾驶

中国汽车市场一直对新技术保持拥抱开放的态度。自2016年起,人工智能,物联网,高性能计算等一系列新信息技术的产出,都为自动驾驶的发展增砖添瓦。外界曾纷纷猜测,自动驾驶在中国市场的发展前景或许是黄浴博士加入奇点汽车主要原因之一,在这里,他将所学付诸实践,实现商业落地。

集邦咨询拓墣产业研究院白忠哲博士

根据《智能网联汽车技术路线图》,智能网联汽车发展的总体思路分为三个阶段:近期推进以自主环境感知为主,网联信息服务为辅的部分自动驾驶应用;中期重点形成网联式环境感知能力,实现可在复杂工况下的半自动驾驶;远期推动可实现V2X协同控制、具备高度/完全自动驾驶功能的智能化技术。智能汽车、互联驾驶延伸路径详见下图:

黄浴博士的本次演讲干货满满,从理论架构到应用落地,给学子及与会人员带来了一场科技大餐。他围绕自动驾驶的概念和分级、深度学习在自动驾驶实现中的应用展开。视觉部分包括障碍物检测与识别、交通标志和交通灯的探测识别、车道线和标记的识别等,详细阐述了对于传感器的功能与职能,包括标定与融合,以及场景分割、目标跟踪、驾驶员行为模型、end-to-end学习、驾驶监控等。

基于汽车保有量的提升和未来发展趋势,集邦咨询拓墣产业研究院白忠哲博士认为整合大势已经来临,智能网联汽车将整合IOT物联网、巨量的资料、大数据、人工智能演算法和机器人等技术。“在全球汽车巨大保有量的前提下,智能网联汽车基础设施和相关配套的完善,都是推动自动驾驶落实的关键。”白忠哲博士说。

新葡萄娱乐 6

自动驾驶主要分为感知,规划和控制三大模块,感知层面,以各种传感器,例如激光雷达,毫米波雷达以及超声波雷达,高精度地图以及V2V车联网技术,完成对车辆周围环境的感知识别和对车辆自身精准定位;规划层面,通过感知层收集到的信息,对下一步行动进行规划,选择合理的路径,行为以及运动;控制层面,将决策控制信息与车辆底层控制系统深度集成,通过线控技术完成执行机构的电控化,达到真正的自动驾驶。另外,还有一种难度较大的端到端(end-to-end)深度学习方案,可直接通过接受传感器,简化系统流程,降低计算需求,从而实现自动驾驶。

细分来看,自动驾驶汽车的传感器,比如长、短距离雷达和摄像机、激光雷达部分,都是未来自动驾驶的一些关键零部件。另外,不同层次的自动驾驶所应用到的配套零部件也有所不同。白忠哲博士指出,L2级自动驾驶在车道维持、车道转换,以及适应性巡航等基本功能,需要摄像机和传感距离的雷达等。而在L3或者L4、L5级别自动驾驶的情景中,自动驾驶汽车则会用到感测器,感测器的种类和数量都会增加。“比如说激光雷达在L3以上会应用到,在L4或者L5就用到了四个激光雷达。”

智能汽车的重大标志,显然是自动驾驶。美国汽车工程学会将自动驾驶分为0到5级,目前L1-L2技术已成熟,L3-L4即将量产(如特斯拉、丰田AHAC、通用Super
Cruise)。中短期内,智能汽车将以ADAS形式呈现,相关迭代路径如下图所示:

新葡萄娱乐 7

“不同级别无人驾驶汽车的关键零组件数量以及种类会逐渐增加,这是未来的商机。”根据白忠哲博士介绍,预估到2020年,自动驾驶辅助系统的市场价值将达到300亿美金。到2025年还会有数倍的增长,接近900亿美金左右。

新葡萄娱乐 8

图1:自动驾驶研发路径和研究方向

深度学习与信息安全成为挑战

在相关产业链上,传感器、摄像头、激光雷达以及算法芯片将是智能互联汽车的四大技术基础要件:

黄浴博士对照PPT内容,详细的阐述了自动驾驶的框架。“大家可以看到,硬件部分主要是传感器,有的时候还可以加入一些V2V,车的定位通过通信和执行器实现的,执行器可以作为独立控制。软件部分,车身是自带软件部分的,就是我刚才提到的感知、规划和控制。‘感知’就是对周围环境的认知,包括静态和动态。分成两部分,一部分是定位,就是你要知道你的车在什么地方。这个定位技术也有很多,大部分是通过地图来定位的,也有一些通过路标等各种信息来实现定位。感知的另一部分是障碍物检测,即动态和静态物体的识别“

在白忠哲博士看来,如果把自动驾驶的系统分成整合控制、智能决策和感知系统这三个子系统,那么整合控制及智能决策部分主要由整车厂来主导,而零部件供应商则应该从感知系统部分切入。“感测器整合融合、深度学习或者是人工智慧的演算,来决定汽车驾驶的一些方向或者是要刹车、加速等,这些都要靠感测器融合的技术和演算法。”

新葡萄娱乐 9

新葡萄娱乐 10

新葡萄娱乐 ,可见,深度学习也将是自动驾驶汽车的重要部分。“深度学习在计算机视觉、自然语言处理、语音识别领域已经超过了人类的水平。深度学习技术可应用于自动驾驶的各种模块。”英伟达汽车事业部汽车解决方案架构师程亚冰认为,得益于算法领域的改进,深度学习近几年发展非常快。

ADAS目前在自动泊车、紧急制动、自动变道、自动巡航等场景广泛应用。

图2:自动驾驶

但是,当人工智能应用于自动驾驶汽车中,也存在诸多挑战。“其中最大的挑战就是决策路径规划。”程亚冰指出,现实世界的车道完全未知且错综复杂,也就意味着路况存在着无数种可能。“基于传统状态机制的规则无法全部覆盖所有的路况信息,因此,目前业界开始尝试强化学习去做决策路径规划。”

新葡萄娱乐 11

黄浴博士又提到,“当今主流自动驾驶路线主要有两个,第一类像特斯拉这样的成车厂商,一般都是从L2开始涉及自动驾驶领域,大多车企推出的大多是L2或介于L2与L3之间的自动驾驶汽车。第二类是像谷歌、百度等互联网企业在直接从L4入门,进入自动驾驶高档的分带,它实际上就是说我不需要考虑驾驶员的问题,我考虑的是怎么让机器来学习怎么驾驶。”

程亚冰强调,强化学习是一个奖惩机制的人工智能技术。自动驾驶汽车通过强化学习,最后学会了一套规则。但是,强化学习操作很困难,我们无法在现实世界中让人类司机驾驶汽车去做强化学习,刚开始的阶段无法保证安全可控,“大家都在用3D模拟器去做强化学习,相当于在虚拟世界中模拟了一个现实世界,这个难度非常大。”

Lux
Research预测全球ADAS市场渗透率将从3%提升到2020年57%,市场规模近2000亿。上游元器件行业如雷达、摄像头、HUD等需求有望快速增长,2020年达到百亿级别。

聊到计算视觉及时下对这项技术的主流应用,黄博士说“计算视觉是一个从二维世界往三维世界的一个逆过程,实际上是一个病态问题。从70年代的计算视觉领域这个问题就暴露出来,大家始终在想办法去解决这个逆过程,它跟图形学正好是相反的,图形学是通过三维空间的模型来产生二维的图形,所以图形学只要计算量够,它是没问题的,它可以算出来。但是计算机视觉就是说它不仅仅是一个计算问题,它还是一个逆过程,有时候那个解是不稳定的。
我举个例子,大概2000年左右,微软用了PrimeSense公司的技术,推出了叫Kinect的产品。那个时候叫RGB-D传感器,实际上它是2.5维的,2.5维的传感器数据使计算机视觉的难度降低了好多。遗憾的是,普遍的2.5维传感器一般都照不远。Kinect基本上最多只能在五~六米范围工作,就是增强型的话也最多到十来米远。但是,对车,那是根本不行的,车不可能用这个东西检测周围环境。目前有用RGB-D传感器的车企,大概只是将它放在车前比较低的地方,用它照路面来监测一些比如车道线或者非常近的障碍物,显然这种东西只能在低速的情况下使用。”

另外,要保障智能驾驶健康发展,智能驾驶的信息安全是一个重要的话题。中兴通讯的汽车电子技术总监汤新宁指出,随着现在车联网的发展,智能驾驶汽车的信息安全将会面临全面的挑战,尤其汽车目前的网络是一个非常原始的网络,对信息安全的防御十分薄弱,容易受到攻击。

智能驾驶核心技术是感知+决策+执行的闭环控制。核心技术目前掌握在外资公司手里,如博世、大陆、德尔福、电装、奥托立夫等,Mobileye在摄像头领域占75%份额;EyeQ芯片在全球330万辆车安装。而中资公司如博泰在后装ADAS和预警类ADAS领域可能有所突破。

“所以谷歌,包括百度他们采用的是激光雷达,激光雷达都是通过发射激光然后接受回波来重建三维的空间。每个点的点上它有三维的坐标,甚至还有反射值。反射值可能会根据你的材料的不同有所不同,有的时候这个反射值也能发挥作用。所以谷歌的做法就是通过激光雷达来作为主要的障碍物检测。那么相机用来干什么?相机主要是用来做一些激光雷达做不了的事情。比如说可以做交通红绿灯检测,可以做交通标志的检测,然后还可以做一些警察的手势分析,比如说遇到前面的路已经堵了,或者要说要求拐弯了,就是说这块路已经封了,他就会在那儿帮你做一些指导,他们用相机来做。”关于激光雷达和相机黄浴博士给出上述解释。

汤新宁强调,由于汽车网络的控制程序非常简单,没有更多的保护,因此汽车网络是很脆弱的,很容易被攻击。此外,
L3或者是L4级的车辆上路以后,信息安全就不仅是单个车辆的信息安全,而是可能会涉及到一个国家的信息安全,如果车辆被控制,不仅仅瘫痪整个交通,汽车甚至会变成一个武器。

新葡萄娱乐 12

据悉,奇点汽车初代量产车型奇点iS6上市时能实现L2级别的高级辅助驾驶能力,包括适用全速度的自适应巡航、车道保持、紧急制动、自动泊车、盲区检测等十余项功能。奇点汽车目标于2018年内将自主驾驶算法提升至L3,场景包括高速公路的自动驾驶,以及有限的城区道路自动驾驶等。

自动驾驶应遵循渐进式发展过程

1.1传感器

加入奇点汽车的黄浴博士,将以美国硅谷为基地,全面贯彻奇点汽车智能化和自动驾驶的发展核心,带领奇点汽车的自动驾驶研发团队不断冲击高峰,为奇点汽车的智能技术注入新的驱动力。目前奇点汽车在自动驾驶方面采用了深度学习算法,这种算法需要覆盖感知、决策等关键环节,而算法的好坏则需要更高质量的数据进行填充,这也是数据被企业看做是自动驾驶软肋的原因所在。奇点汽车除了研发车辆自身技术以外,还成立了“奇点汽车智能系统研发中心”、“奇点汽车整车研究院”、“奇点汽车智能新能源汽车产业园”以及“奇点汽车智能新能源汽车产业园”,都为自动驾驶数据落地进行背书。而且奇点汽车还利用英伟达自动驾驶计算平台NVIDIA
DRIVE
PX2,不断增强自动驾驶研发力度,目前已经可实现高速公路以及有限城区道路的自动驾驶。

从自动驾驶发展的趋势可以看出,未来汽车就是一部移动电脑。因此白忠哲博士认为,自动驾驶的重要研发方向,一是感知的自系统,二是建立深度学习影像的技术和大规模的训练资料库。

在自动驾驶汽车上,传感器将通过“特征提取-深度学习算法-神经元网络”,完成路标识别、车道线感应、行人识别、车辆识别,相关功能、成本、优劣势详见下方表格:

新葡萄娱乐 13

另外,各国都在针对特定场域的自动驾驶进行测试,以降低环境的不确定性和法规的限制,从而加速自动驾驶真正落地。“还有法律法规的健全以及可靠度的测试认证等等,这也都是我们自动驾驶上路前必要的一些环节。”白忠哲博士说。

新葡萄娱乐 14

图3:中国新势力造车代表奇点汽车

当然,自动驾驶究竟会遵循着L0-L5循序渐进的过程发展,还是将会超越辅助驾驶而实现跨越式发展?对此业界争议颇多。谷歌方面就曾指出将超越辅助驾驶,直接攻克完全自动驾驶。而卡耐基梅隆大学自动驾驶的研究教授则认为,应用于自动驾驶全能通用的人工智慧不会很快出现,由于欧美以及中国等国家之间的实际情况都有所差异,因此实现完全的自动驾驶还需要长时间的测试和落实。

1.2摄像头

作为中国目前领先的造车新势力,奇点汽车深知汽车行业未来发展的大趋势离不开智能化和自动驾驶技术,通过吸收高科技人才以及整合优质技术资源为自身造血,而随着黄浴博士的倾情加盟,奇点汽车必将为用户带来全方位的智能新体验。

白忠哲博士认为,自动驾驶技术目前还处于萌芽期,即将进入快速成长阶段,各类解决方案、演算法、芯片开发过程中,传统车企与新兴公司都有着不同的侧重和发展策略。此外,除了技术的推动,还有需求面的拉动,消费者是否对自动驾驶有信心,以及配套的法规是否能跟上,隐私、责任、公众的支持、车辆联网、自动化等一系列关键的问题还需要克服。

摄像头是未来智能汽车使用量最多的ADAS传感器,分为环视、前视、后视、侧视、内置。前视技术难度更高,需要光流算法、机器学习算法、机器视觉算法等:

因此在白忠哲博士看来,自动驾驶是一个渐进式的过程,而不是颠覆式的过程。

新葡萄娱乐 15

2014年整体摄像头市场201亿美元,其中模组77亿、CMOS72.5亿。

在国外,车用摄像头公司主要有Mobileye、Aptina、Qualtre、JVC等;而国内目前参与开发的主要厂家有豪威科技、赛丽康、派视尔、敏通企业、纵目科技、中科慧眼等等,尚未产业形成龙头。

1.3激光雷达

激光雷达是利用激光、GPS和惯性测量装置合一,生成数字高程模型。核心作用是3D建模进行环境感知,以及同步建图加强定位,已逐渐成为ADAS标配。

目前主要有三种技术解决方案:线束激光雷达、旋转激光雷达、固态激光雷达。

机械式多线束激光雷达是主流方案,但成本高昂,主要供应互联网公司自动驾驶的测试传感器件,渗透力有限。

激光雷达降低成本的途径主要有三种:

1、降维:即低线束配合其他传感器来提高系统稳定性。

2、黑科技:“固态”激光雷达有望颠覆行业,Velodyne VLP-16
PUCK混合固态目前造价7999美金,福特量产宣称能降成本降到500美金。

3、规模效应:Quanergy固态激光雷达量产价格目标为250美金。

在应用中,2015年,奥迪A7 Piloted
Driving采用了Ibeo和Valeo合作的Scala混合固态激光雷达,大众一款半自动驾驶车也采用了Scala,该雷达隐藏在保险杠内。CES2016上展出了Quanergy的固态激光雷达S3单个售价250美元、Velodyne与福特开发的混合固态激光雷达Ultra
Puck Auto
2020年成本计划500美元。谷歌旗下Waymo的激光雷达成本从2009年7.5万美金降至2017年的7500美金。

国外公司包括Velodyne的LiDAR,获得百度与福特1.5亿美元融资,处于供不应求状态。IBEO-低线束LiDAR还有Quanergy-全固态产品S3。

国内已发布车用LiDAR器件包括北科天绘、禾赛科技、速腾聚创;北醒光子、思岚科技、北京星天地、新光圆城、广州思拓、华达科技、安智、无锡中科光电、北京德可达科技、护航实业、镭神智能、思拓力、四维远见、数字绿土。详细情况见下图:

新葡萄娱乐 16

新葡萄娱乐 17

1.4算法芯片

无人驾驶决策系统的核心环节,无疑是算法+芯片的深度学习。需要利用大量实际道路测试数据积累和控制策略迭代。

行业领先者的NVIDIA Drive
PX,通过挖掘GPU计算能力进行深度神经网络训练;Google Brain Deep
Learning则通过模拟人脑的多层神经网络进行智能汽车环境识别的途径。

目前,已经获得美国加州无人驾驶路试资格的公司包括:

科技公司,如Google、Tesla、Cruise Automation、Zoox、Drive.ai、Faraday
Future;

传统整车厂与一级供应商,如大众、奔驰、日产、宝马、本田、福特、博世、德尔福等。

当下,GPU的趋势向FPGA过渡,FPGA是“万能芯片”,用户根据自身需求用HDL对硬件电路设计烧录。单位能耗下性能更强、更灵活,比GPU更有效,“以面积换速度”。这类似于比特币挖矿芯片的发展规律,智能驾驶车用芯片最终会走向ASIC时代(ASIC挖矿速度是FPGA/GPU的200-400倍)。

车联网

车联网将是智能驾驶的延伸和拓展。细分又可分为:前装车联网、后装车联网。

前装车联网,主要是地图导航以及V2V通讯。2016年中国前装车联网渗透率19%。预计到2020年中国车联网市场规模2600亿。后装车联网,可自主设置娱乐、导航、生活消费等车载服务。详见下图所示:

新葡萄娱乐 18

目前,国内参与地图导航的公司主要有:四维图新、高德地图、TomTom(荷兰公司,有博世合作开发无人驾驶技术)、HERE联盟(奥迪宝马戴姆勒31亿美元买下,四维图新英特尔参股)、百度等等。

而V2V通信技术,是由福特公司在2014年6月3日发布,可以监测街上行驶的其他车辆的速度、位置等对其他驾驶员无法开放的“隐藏”数据,可降低交通事故几率、提升用户粘性。目前,中国利用现有蜂窝网络基础设施推广LTE-V车联网专用通信。LTE-V有以下优势:1)支持更高车速;2)保证更小时间延迟;3)数据传输速率更快;4)覆盖范围更广;5)成本更低;6)通信更安全。主要推动者为:大唐电信、高鸿股份、中兴通讯。

在后装车联网的车载操作系统上,国外科技型公司占据底层系统,如Android
Auto、iOS+QNX的CarPlay、Windows,及国际主流车企的操作系统如宝马ConnectedDrive、奔驰Command等。

UBI是基于驾驶行为的保险。当前车险改革转向以人为主、人车路相结合,个性化服务和产品,提高客户接触频率、体验、粘性。空间巨大。目前障碍包括驾驶风险模型和保险定价模型,原因是整车厂和tier
1尚未开放UBI数据源。UBI参考公司有Progressive、State
Farm、Metromile、Insure the
Box、Provinzial。而Mobileye已于Seesam、CLAL等险企合作,安装了的10-25%报废折扣。国内尚处于探索阶段。

车载操作系统方面,国外科技型公司占据底层系统,如Android
Auto、iOS+QNX的CarPlay、Windows,及国际主流车企的操作系统如宝马ConnectedDrive、奔驰Command、奥迪MMI、通用OnStar等。

国内车联网验证基地目前有上海嘉定汽车城封闭测试区;杭州云栖小镇5G车联网示范区;重庆智能汽车于智慧交通应用示范区;北京通州国家车联网产业基地;芜湖自动驾驶试验区。

汽车后市场:共享自动驾驶使出行成本显著降低

智能化、联网化的汽车,将使我们的出行方式发生重大变革。

车联网技术进步,车间通讯和汽车调配算法优化,通过使用传感探测、无线通信,V2V
V2X信息交互,实现智能交通管制、车辆智能化控制和智能动态信息服务的一体化网络之后,共享出行+分时租赁将成为可能,汽车回归运输本源。在自动驾驶普及的时代,出行成本将变成为目前的1/3左右:

新葡萄娱乐 19

目前,国内的网约车服务行业的发展已经走在世界前列:

新葡萄娱乐 20

但仍然时常需要面对叫不到车、路线出错等困境。而在汽车实现智能化、联网化之后,不仅目前的使用痛点有望解决,而且还会催生全新的分时租赁市场。

分时租赁比网约车更趋年轻化场景,但资金壁垒也更高,须依赖政策加大新能源车的分时租赁的支持力度。产业环节参见下图所示:

新葡萄娱乐 21

技术的变革、产业的重构也将催生全新的商业模式,分时租赁将会大范围普及开来:

新葡萄娱乐 22

截至2016年底,我国汽车保有量约1.94亿辆。2016年,汽车产销2811.88万辆和2802.82万辆,同比增长14.46%和13.65%,连续八年居世界第一。巨大的汽车存量和增量市场为智能网联汽车的发展提供了坚实的基础。

目前,智能网联汽车产业在国内仍处于萌芽阶段,部分细分市场甚至尚处空白。在政策鼓励、资本推动、市场需求等多重因素的驱动下,未来5-10年,众多细分技术和应用领域都将迎来蓬勃发展期以及巨大的成长空间。

总而言之,随着移动通信技术的逐步发展,移动智能终端经历了快速的增长阶段。然而,同样具备移动特点的汽车明显滞后于手机的发展。目前,传统汽车仍处于“功能机”阶段,正在加速向“智能机”转变。在互联网的长期影响下,人们的生活方式、生活习惯、生活偏好已经产生了巨大变化,现代人的生活越来越离不开互联网,对于汽车的互联网化具有迫切的需求。

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图