Источник американских инноваций.
С тех пор как General Motors[1] и Ford появились в 1920-х годах, чтобы обозначить современную концепцию корпорации[2], в автомобильном дизайне не произошло фундаментальных изменений, которые соответствовали бы первым инновациям. Со временем основные изменения включали:
— Сборочная линия (1900-е гг.).
— Электросистема первого автомобиля, фары (1910-е гг.).
— Ценообразование для среднего потребителя (1920-е гг.).
— Внедрение нескольких линеек продукции и цветов (1930-е гг.).
— Синтетический каучук для шин (1940-е гг.).
— Использование массового маркетинга для стимулирования продаж, в том числе на телевидении (1950-е гг.).
— Автоматическая коробка передач (1950-е годы).
— Стала популярной конструкция двигателя V-8 (1950-е годы).
— Вертикальная интеграция через закупку поставщиков сборщиками (1950-е гг.)
— Снижение веса автомобиля для улучшения расхода газа за счет новых материалов (1970-е годы).
— Применение методов статистического контроля качества (1980-е гг.).
— Бережливое производство (1980-е гг.). [3]
— Модульные платформы VW (2000-е). [4]
Все вышеперечисленное внесло важный вклад в повышение производительности как в производстве, так и в постепенное улучшение средней наземной скорости (и комфорта) транспорта в Соединенных Штатах. Тем не менее, ни один из них не сравнился и даже не приблизился к первому взрыву производительности, который автомобиль привнес в общую экономику с точки зрения освобождения людей (и бизнеса) от географических ограничений, вызванных лошадиной силой (низкая скорость движения), железной дорогой (ограниченное сообщение). и внутренний водный транспорт (физические ограничения).
Кроме того, первое новшество имело вторичные эффекты производительности. Например, в 1900 году в Нью-Йорке было от 100 000 до 200 000 лошадей, что вызвало кризис конского навоза. [5] По оценкам, 20 000 жителей Нью-Йорка ежегодно умирали от болезней, связанных с скоплением навоза и мертвых лошадей на улицах. . Появление автомобиля и общественного транспорта положило конец этой проблеме общественного здравоохранения.
Сегодня автомобильное производство находится на переднем крае революции киберфизических систем благодаря быстрому развитию таких технологий, как предотвращение столкновений и автоматизированные транспортные средства. Более 263 фирм[6]» находятся на стадии разработки и дорожных испытаний различных продуктов, начиная от картографического программного обеспечения, алгоритмов, компьютеров, радаров, лидаров, камер и других сенсорных технологий.
Даже помимо этих тестовых продуктов, средний автомобиль включает в себя различную электронику и десятки электронных блоков управления (ECU), всем из которых нужны чипы. Многие упускают из виду, что почти треть веса автомобиля составляет проводка между всеми его частями.[7]»
Хотя делать рыночные прогнозы рано, одна исследовательская группа оценивает, что к 2030 году мировой рынок совместной мобильности достигнет 2,6 триллиона долларов в год. 2025 г. плюс совокупный ежегодный темп роста количества единиц, проданных в период с 2025 по 2035 г., на 43%. [9] Оценки темпов роста приближаются к аналогичным массовым инновациям, таким как промышленные и потребительские товары, которые вызвали всплески спроса на электроэнергию незадолго до Великой депрессии. 1930-х годов.
В бизнес-ландшафте мало других возможностей ускорить экономический рост и производительность в США по сравнению с автомобильной промышленностью, работающей на автоматизированных транспортных средствах. И все же в основе этой технологии лежат искусственный интеллект (ИИ) и машинное обучение (МО), а также датчики, которые имеют множество применений за пределами автомобильной промышленности. К ним относятся базовые повседневные задачи, такие как классификация изображений или перевод речи в совершенно новые концепции корпоративных вычислений. На 2016 год более 200 А.И. — целевые компании привлекли финансирование почти на 1,5 миллиарда долларов, а число сделок с акционерным капиталом для стартапов в области ИИ увеличилось в 6 раз с примерно 70 в 2011 году до почти 400 в 2015 году. [10] Помимо стартапов, такие компании, как Amazon, Google и Facebook, строительный ИИ в обширные глобальные сети.[11] В качестве примера можно привести Google Таблицы, которые основаны на Интернете, и теперь включают машинное обучение. Это помогает пользователям строить графики. [12]
Движущая сила этих технологий повысит спрос на специализированные вычислительные чипы [13], чтобы стимулировать расширение ИИ. и мл. Это происходит в то время, когда многие традиционные источники спроса, такие как настольные компьютеры или смартфоны, снижают темпы роста рынка или в некоторых случаях остаются на прежнем уровне. Эти специализированные чипы уникальны тем, что в них используются новые материалы и они стремятся упаковать еще больше транзисторов ближе друг к другу. Это необходимо для увеличения вычислительной мощности на единицу площади. Теплоотвод также важен. Без этих технологических разработок такие инновации, как автоматизированные транспортные средства, были бы невозможны.
Глубоко в цепочке поставок существуют специализированные производители инструментов, которые продают литографическое оборудование таким производителям, как Intel, Taiwan Semiconductor и Samsung. Производители инструментов имеют решающее значение для будущего всех аспектов, связанных с искусственным интеллектом. и мл. Точно так же мы видим необходимость в разработке новой формы компьютерной операционной системы, способной включать аспекты искусственного интеллекта. и мл. Это граница, за которой стоит следить.
Эдмунд В. Шустер — Источник данных: Нашуа, Нью-Хэмпшир.
Carmine Senatore — Автомобильная инженерия: Экспонент: Натик, Массачусетс.
Ссылки:
[1] Слоан-младший, А. П., 1990. Мои годы в General Motors. Нью-Йорк: Краун Бизнес.
[2] Drucker, P.F., 1946. Концепция корпорации. Нью-Йорк: Джон Дэй.
[3] Вомак, Дж. П., Т. Джонс и Д. Роос, 2007 г. Машина, изменившая мир. Нью-Йорк: Свободная пресса.
[4] Платформа VW MQB — https://en.wikipedia.org/wiki/Volkswagen_Group_MQB_platform
[5] Lee, J., 2008. Когда лошади представляют опасность для здоровья населения. Нью-Йорк Таймс, 9 июня.
[6] Стюард, Дж., 2017 г. Нанесены на карту: 263 ведущие компании, стремящиеся к автономному уходу. Проводка, 10 мая.
[7] Рэй, Т., 2016. Быстрее, умнее, лучше: следующая революция чипов. Бэрронс, 22 октября.
[8] Power, D., 2016. Рынок беспилотных автомобилей к 2030 году будет стоить триллионы? Читайте, 8 июня.
[9] Power, D., 2016. Ожидается, что к 2035 году на дорогах мира будет 76 миллионов беспилотных автомобилей. Readwrite, 15 июня.
[10] Гость, 2016. Как машинное обучение может сделать людей лучшими менеджерами. VentureBeat, 27 ноября.
[11] Галлахер, Д., 2017. Как ралли больших фишек сбило лидеров с их позиций. The Wall Street Journal, 4 июня.
[12] Gundrum, D., 2017. Мгновенно визуализируйте данные с помощью машинного обучения в Google Sheets. Официальный блог Google, 1 июня 2017 г.
[13] Ray, T., 2017. Micron, выросший на 170%, может подняться выше. но будьте осторожны. Бэрронс, 25 марта.
