驱动未来 ： 连接将如何塑造卡车行业

造卡车行业 连接服务可以为商用车辆带来显著价值——但各行业利益相关者必须共同努力才能实现这一目标。 作者 ： Tobias Schneiderbauer 与 Florian Garms Rupert Stuetzle:三种趋势将推动连接服务的相关性。短期内，最新的车辆架构和连接解决方案将为传统远程信息处理用例之外提供更多价值。例如，我们预计会增加对实时物流的可见性，并且能够从多个领域（如交通或天气）关联数据。这些应用的实际示例包括跟踪和车队管理服务、智能巡航控制、节能驾驶功能以及预测性诊断。 车联网和数据驱动服务的发展势头正在加速。数据驱动的服务对于充电能源解决方案、联网保险、汽车售后市场、高级融资方案以及运输即服务（TaaS）等新的商业机会至关重要。它们解决原始设备制造商、汽车制造商和车队管理者复杂问题的潜力令人无法忽视，这些可能性可能会带来巨大的价值创造。根据麦肯锡的研究，到2035年，数据驱动的服务可能代表超过300亿美元的利润池。 我们还观察到对集成运输系统解决方案和作为服务（XaaS）商业模式的兴趣日益增长。连接服务是这些解决方案的前提条件，因为它们确保了运营商能够实现盈利的服务供应，并且能够实现高效的运输管理。当我们审视全物流作为服务（XaaS）解决方案时，连接服务可以支持超出公路运输的更高层次服务。这一趋势将在中期推动卡车运输中连接服务的需求。虚拟货运代理已经提供了类似即服务（TaaS）的服务，这可能会增加车队中连接服务的使用率。 为了更清晰地了解当前的连接服务市场及其未来发展趋势，麦肯锡的Florian Garms和TobiasSchneiderbauer与微软EMEA制造与移动业务总经理Rupert Stuetzle以及微软汽车行业专家Frank Kaleck进行了访谈。Stuetzle和Kaleck与商用车领域的参与者合作已经超过十年，并亲身经历了连接服务的发展演变。在此次访谈中，他们讨论了商用车连接服务的发展演变、向零排放车辆过渡、生成式人工智能（gen AI）的应用场景，以及为什么行业参与者必须携手共同实现连接服务的最大价值。 零排放车辆转型也可能加剧对连接卡车的需求，因为各种提供显著客户价值的应用场景（例如充电规划）逐渐出现。随着这一转型进程加快，我们预计连接服务将会有显著的增长。 麦肯锡 ：你提到的连接服务在商业车辆领域中出现了哪些趋势？您对未来的发展有何预期？ 当我们关注全面的物流即服务解决方案时，连接的服务可以支持超出道路运输的更高层次的服务。 - Rupert Stuetzle 相关，尽管这一过程甚至在辅助驾驶功能融入连接服务 landscape 之前还有一段时间。 麦肯锡 ：商用车辆领域最大的转变是向零排放车辆的过渡。根据不同的预测，到2030年，美国的新车销量中可能有20%至25%为零排放车辆，而欧洲这一比例可能达到40%。Rupert提到，零排放转型可能有助于连接服务变得更加相关和差异化。你能详细解释一下吗？ 麦肯锡 ：弗兰克 ， 你在这个领域的关键人物中观察到了什么用例 ？ Frank Kaleck:首先，我们需要区分商用货车和乘用车，并且商用货车有着明确的商业案例。在这样一个利润率至关重要的行业中，车队管理者只有在卡车在街道上行驶时才能盈利。因此，对于商用货车而言，可靠性与效率至关重要，这为商业化变现和价值创造提供了巨大的机会。 Rupert Stuetzle:我们看到零排放车辆通过连接服务实现的两大驱动力：产品开发中的更短创新和研发周期，以及高效电动车辆运营中更广泛的应用场景。总体而言，汽车市场预期开发周期将显著缩短。一级供应商和商用车制造商面临巨大压力，需在极短时间内迭代电动汽车技术。为此，他们需要快速的数字反馈循环。工程师可以使用连接服务来实时捕获任何车辆模块（如发动机控制单元、人机界面、电池或传感器）发出的信号，然后分析这些信息以迅速识别异常情况，基于数据驱动的决策解决问题，并优化性能。 关键业务服务对近实时能力的需求更高，例如车辆跟踪。多家大型零售商已经声称，通过利用车队管理系统，他们能够减少柴油消耗高达8%。几乎所有提供高效能耗指导的商业车辆原始设备制造商（OEM）都在其车辆中整合了游戏化元素。例如，OEM可以识别出特定路线中柴油消耗最低的驾驶员，并生成每日高分。 然而，连接服务最复杂的应用场景是智能驾驶辅助系统，一些原始设备制造商（OEM）已经在市场或即将推出此类系统。例如，卡车可以通过整合地图、路线配置文件、道路状况和交通数据来制定路线计划并指导驾驶员。当驾驶员接近限速区域时，卡车可以提示驾驶员松开油门。 连接性还可以支持零排放车辆卡车车队的高效运营。例如，包括路线优化、路线充电规划、电池和卡车状况监控、仓储充电规划，甚至双向充电等应用场景。然而，实现高效的零排放车辆卡车及车队运营需要比传统远程信息处理系统更多的互联和集成的数据领域。范围优化和充电，或加油规划，也将是达到全生命周期成本（TCO）目标的关键因素。 麦肯锡 ：这些是令人印象深刻的案例。你认为接下来会是什么？如果考虑技术即服务（TaaS），例如，连接性将如何塑造这种模式？ Frank Kaleck:The TaaS模式旨在降低物流公司的总拥有成本（TCO）。如我们所知，TCO与车辆资产管理密切相关，这又由新车价格、维护、保险以及最终的折旧驱动。通过利用TaaS提供的服务，物流公司只需支付卡车的核心用途费用，即货物和人员从A点到B点的运输费用。 麦肯锡 ：你认为连接卡车、充电基础设施以及运输解决方案的发展将对系统和业务架构产生哪些影响？ Frank Kaleck:汽车工业在过去二三十年间经历了颠覆性的变革。随着越来越多的车辆功能转变为软件驱动，该行业开始采用来自移动应用或云应用程序开发的公认技术模式，如可观测性。 这里有多种TaaS的形式；我们有物流即服务、出行即服务以及电动汽车充电即服务。对于连接的车队来说，任务提供者高度依赖数据和高级分析来优化路线、管理车队，并主动进行车辆维护。 然而，为了有效监控、记录和追踪数据，汽车制造商需要一个成熟、可靠、性能优化且安全的车辆平台。 在新车生命周期中提高效率面临巨大压力，这引发了原始设备制造商和一级供应商对生成式人工智能的兴趣，并导致了快速的应用推广。 电信联控与数据分析平台。汽车制造商已经具备了机器学习和数据分析能力，可以从海量数据中获取洞察并提取有价值的信息。这种方法有助于他们识别车辆性能中的异常，并前瞻性地调整车辆配置以减少意外维护事件。 Rupert Stuetzle:我们还看到了后端基础设施方面的显著变化。从我们的角度来看，一个标准的标准化层可以实现不同原始设备制造商（OEM）和车辆年龄的车队的数据分析，并为服务提供商和生态系统合作伙伴提供一种成本高效的方式参与连接服务，而无需承担开发成本。 开源项目和联盟——例如Eclipse SDV和COVESA——已经着手建立与车辆数据和信号相关的数据格式标准和通用本体论。竞争对手也在合作创建一个共同的软件定义车辆平台和专用卡车操作系统，该系统提供先进的数字功能和服务，以提升客户效率和体验。通过汇集资源和专业知识，利益相关方可以加速新平台和系统的开发，扩大规模，并降低材料成本和单个单位的研发成本。 汽车制造商还必须考虑电气和电子[E/E]领域。除了云和后端能力外，他们还需要增强车内高性能计算机的能力。因此，诸如云计算、混合基础设施以及边缘和各个领域的数据处理等技术模式变得越来越重要。连接模块是这一 puzzle 中的重要组成部分。 另一个有趣的维度是连接性对大型车队的影响。例如，如果查看大型车队，你会发现多种品牌和不同年代的车辆。目前，管理人员依靠通用原始设备制造商（OEM）无关的解决方案来获取整个车队的全面视图。这种情况下为新的数字服务和数据相关商业模式铺平了道路。科技公司已经在帮助收集车队数据，并通过其他数据源（如天气或交通信息）丰富这些数据。他们还建立了市场平台，使得原始设备制造商（OEM）、车队管理者和其他参与者可以交换数据，从而开辟了一条新的数据变现途径。当然，这种商业模式不仅适用于科技公司，也是所有商用车原始设备制造商的机会。 麦肯锡 ：当前每个人都关注的一项技术是生成型AI（gen AI）。您认为生成型AI在当前的车辆生态系统中将如何运作或发展？ Frank Kaleck:在新车辆生命周期中提高效率面临巨大压力，这引发了原始设备制造商和一级供应商对生成式人工智能的兴趣，并导致了其快速采用。同时，由于汽车制造商同时生产零排放车辆和内燃机，车辆工程的复杂性正以指数级增长。 那么，人工智能如何帮助提升汽车工程的效率呢？一种方法是利用生成式AI（gen AI）分析监管文件、提取功能规范、检查一致性，并建议测试和验证案例。汽车制造商已经开始使用基于生成式AI的工具，例如GitHub Copilot，来生成软件代码、识别问题以及自动化重复任务，如测试软件代码，这已经证明了其价值。 Rupert Stuetzle:汽车制造商、供应商及其他商业车辆和交通参与者需要应对三大关键挑战。 首先，我们需要在能够创造客户期望价值的应用场景中增强生态系统思维。我们收到了来自传统商用车生态系统参与者，如原始设备制造商（OEMs）和车队运营商等许多关于如何采用适当的治理、指导和目标设定来运营具有竞争力的商业模式的请求。这些请求表明了他们希望摆脱传统思维模式的愿望。接口标准化对于价值创造至关重要，因为连接服务需要在各种卡车型号、领域和数据源之间发挥作用。然而，为了实现这一点，行业参与者必须愿意使用标准API和通用汇编，而不是封闭的解决方案。 生成型AI也可以帮助提升数据素养。在过去，汽车制造商中有两种角色：一位是数据分析师，另一位是领域专家（如工程师），他们了解电气/电子机械开发。为了从他们手中庞大的数据中获取洞察，他们不得不相互沟通并相互解释彼此的需求。 现在，生成式AI可以帮助提高数据素养。工程师可以直接用自然语言向生成式AI提出问题，而不需要解释问题使其对数据素养高的分析师有意义，从而获得详细的见解。例如，工程师可以让生成式AI“绘制一张地图，显示上次试驾中异常电池耗电的具体位置”，并立即得到包含所有信息的图表。原始设备制造商（OEM）和科技公司正在努力为他们的车队客户提供类似的能力，抓住利用新型数字化服务变现的另一个机会。 其次，利益相关方应投资于自动驾驶技术的试点项目和实际部署，以获得实践经验并完善其商业模式。与科技公司和监管机构建立合作伙伴关系也可以加速自动驾驶车辆的部署和整合。 第三，汽车制造商和原始设备制造商还必须建立清晰的数据所有权政策和框架，确保所有利益相关方的透明度和信任。具体而言，他们应该实施严格的數據保护措施，以符合区域性和国际性的法规，并保障车辆和客户数据的安全。内容管理系统应允许客户、原始设备制造商和供应商轻松控制和管理其数据共享偏好。 汽车和商业车辆市场参与者正在将通用人工智能（gen AI）部署为智能驾驶伴侣或助手。一些乘用车原始设备制造商（OEMs）已经提供了由ChatGPT驱动的帮助服务，例如为商业车辆OEMs设定了基准。这些助手可以通过确保司机不会因手动检索信息而分心来提高安全性。未来可能的应用包括让助手完成复杂任务。例如，你可以要求“从A点到B点带我去，但要确保有可用的DC快速充电停车位。” 并且最后，利益相关方应建立以数据驱动的工程反馈循环。通过在一个封闭的反馈环中共享实时车辆数据，利益相关方可以为需求管理、工程设计、产品工程、生产流程和销售获取正确的信息。这种方法可以通过高级分析来加速持续改进和创新，这些分析能够捕捉和分析客户反馈和车辆信号。 麦肯锡 ：该行业如何实现联网卡车服务的价值最大化 ？ 弗兰克·卡莱克是微软公司的汽车行业专家，鲁珀特·许策尔是EMEA制造与移动业务的总经理。托比亚斯·舍恩贝纳uer是麦肯锡慕尼黑办公室的合伙人，弗洛里安·加姆是柏林办公室的高级顾问。 受访者的评论