如今,连接性在汽车行业中已占据自然的位置。尽管消费者越来越愿意为车载数字订阅服务付费,以享受预测性维护、安全功能和自动驾驶等服务,但与此同时,消费者对行业中数据处理做法的担忧也在增加。
这些观点是由软件定义车辆 (SDV) 服务公司 Cubic3 委托进行的一项研究中的突出发现之一。该调查题为《消费者与 OEM 对软件定义车辆的态度》,采集了来自美国、英国、德国和日本的 8,000 名参与者以及 60 名全球原始设备制造商 (OEM) 高管的意见。为了了解并比较汽车高管和消费者对软件定义车辆的态度,同时进行了两项调查。OEM 调查由 Sapio Research 在 2024 年 10 月至 12 月期间进行,而客户调查则在 2024 年 9 月至 10 月期间进行。
调查将数字服务分为三类,以揭示消费者对各类服务的付费意愿,数据显示出对于在快速变化的汽车市场中运作的 OEM 而言,一个既微妙又乐观的未来。
研究发现,制造商面临的根本挑战在于如何说服并向驾驶者证明支付数字服务费用的好处,而这些数字服务构成了软件定义车辆不可或缺的一部分,从而使这一预期成为现实。随着数字原生代 —— 习惯于连接性的新时代驾驶者的出现,消费者支付数字服务费用的意愿呈上升趋势。
总体来看,研究预测到 2030 年软件定义车辆市场将创造超过 6500 亿美元的价值潜力。汽车制造商估计驾驶者每月愿意为数字服务支付 8 英镑,而驾驶者自己认为为 5.82 英镑,存在 27% 的差异。然而,在车辆使用率较高的国家,如美国,支付意愿则有所增加。英国受访者表示他们每月愿意支付的金额最少,仅为 4.89 英镑。
全球近一半消费者 (全球: 51%; 英国: 48%) 愿意为“基于车辆的服务”付费,如自动驾驶。全球有 40% 的消费者 (英国: 42%) 愿意为“连接服务”付费,如视频与音乐流媒体;另有 39% 的消费者 (英国: 40%) 愿意为数据服务付费,如预测性维护。全球超过四分之一的消费者,以及英国约五分之一的消费者,已有为其车辆支付数字服务费用的经历,而在全球 18 至 24 岁年龄段中,这一比例几乎翻倍,达到 44%。全球仅有五分之一的消费者表示他们不愿意支付任何月度订阅费用。
调查发现,OEM 正密切监控着黑客可能针对的目标,例如接口与应用程序接口、数字 SIM 卡、信息娱乐系统与远程信息处理系统。所有消费者均对行业中数据处理的做法表示担忧,其中一半 (全球: 48%; 英国: 46%) 表示他们担心自己的车辆可能会遭到黑客攻击。
幸运的是,OEM 对汽车网络安全极为重视。大约 86% 的受访者强调,他们认为数字服务的网络安全非常重要,同样比例的人表示,连接性在保护车辆整个生命周期中也至关重要。
展望未来,该报告建议汽车 OEM 既需要对数字服务进行货币化,也要将其转变为经常性收入来源。汽车制造商认为,预测性维护、增强安全功能与自动驾驶最有可能为经常性收入做出最大贡献,同时,行业中已经出现了通过空中升级来彻底改变消费者满意度、安全性与便利性的发展机遇。
Cubic3 首席企业官 David Kelly 表示:“直到最近,大多数消费者都认为购车是一劳永逸的事情。虽然车载数字服务付费这一概念相对较新,但我们已经看到消费者在这一领域中有显著的采纳。OEM 需要时间来说服公众数字服务的价值,但看到年轻驾驶者 —— 所谓的数字原生代 —— 乐于为这些服务付费,这一现象令人鼓舞。”
好文章,需要你的鼓励
荷兰公司DuRoBo在CES 2026展示新款电子阅读器Krono,采用智能手机外观设计并内置AI助手。该设备定位为"电子纸专注中心",支持阅读、思考和音乐播放。配备智能转盘便于操作,AI助手Libby可回答问题并支持深度思考。搭载Android 15系统,可访问谷歌应用商店。售价239.99欧元,本月发货。
这项由香港中文大学和AWS团队联合开发的研究推出了TALK2MOVE系统,实现了用自然语言精准操作图片中物体的位置、角度和大小。该系统采用强化学习训练方式,通过空间感知奖励机制和智能步骤采样技术,在移动、旋转、缩放三类操作上的准确率显著超越现有方法,同时大幅降低了对昂贵训练数据的依赖,为AI图像编辑领域带来重要突破。
OpenAI预览了即将推出的ChatGPT Health功能,可帮助用户获取医疗信息。该功能能解释化验结果、制定运动计划、推荐就医问题等。用户可通过B.well平台导入健康记录,与Apple Health等健康应用集成。OpenAI将单独存储医疗数据,采用专用加密和隔离机制保护隐私。功能基于HealthBench数据集开发,包含超过48000个医生编写的评估标准。目前通过等待名单限量测试。
斯坦福大学等知名机构联合研究发现,企业AI助手在执行组织政策时存在严重"偏科"问题:处理允许请求时成功率超95%,但拒绝违规请求时仅13-40%。研究团队开发的COMPASS评估框架通过8个行业5920个测试问题,揭示了AI助手普遍缺乏"拒绝技能"的问题,并提出了针对性训练解决方案。