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
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。