
车联网顾名思义就是汽车接入了互联网,传统的车联网定义是指装载在车辆上的电子标签通过无线射频等识别技术,实现在信息网络平台上对所有车辆的属 性信息和静、动态信息进行提取和有效利用,并根据不同的功能需求对所有车辆的运行状态进行有效的监管和提供综合服务的系统。而现在随着车联网技术与产业的 发展,上述定义已经不能涵盖车联网的全部内容。根据车联网产业技术创新战略联盟的定义,车联网是以车内网、车际网和车载移动互联网为基础,按照约定的通信 协议和数据交互标准,在汽车连接万物人和其他物体之间,进行无线通讯和信息交换的大系统网络,是能够实现智能化交通管理、智能动态信息服务和车辆智能化控 制的一体化网络,是物联网技术在交通系统领域的典型应用。
车联网进程
在笔者看来车联网近年来能够快速发展并且从概念到落地主要有以下几个原因:
①云服务和大数据的发展 。车联网需要汽车和万事万物能够相连,并且数据互通互传,基于产生的数据做出了相关的产品模型加以应用,这背后需要大数据和云服务的支持,近年来随着国外 的亚马逊和谷歌等科技巨头以及中国的世纪华联、阿里云等进入该领域,使得中国的大数据行业整体发展迅速,成为了很多行业发展的基础支撑。
②互联网巨头的入局 。 从表面上来看,BAT这样的企业和车联网似乎没有太大的关联,但这三家企业在全国各地跑马圈地建设数据中心的时候(百度,腾讯,阿里每一家在数据中心园区 的投入都超过了100亿,如果大家有兴趣,改天我单独写一篇文章分析下BAT的数据中心大布局),我们应该看出这几家企业未来的一些野心,而数千亿市场的 车联网也是这些巨头不愿意放过的,高德、四维图新、凯立德三家公司估值能达到数亿乃至十数亿美元,除了自身努力外,很大原因就是巨头的看好提升了这类型企 业的估值。我相信,在中国物联网(车联网也是物联网的一部分)的任何一个细分领域,如果被三大巨头看上的话,一定会助力其快速成长。
③车商的觉醒 。我记得在几年前,智能汽车特斯拉刚出现的时候,还仅仅是一个概念被嘲笑,但我们今天看来这家公司市值达到了250亿美元以上,觉醒了所有的汽车生产和制 造厂商,从2013年以来我们发现几乎所有的知名汽车品牌都会把“智能汽车”或者“车联网”这样的概念挂在嘴边,并且纷纷开发出了多款智能汽车,车联网的 概念在汽车大厂的帮助下逐步落实到汽车上来。
图商与行业
好了让我们再把话题回到三大地图导航公司身上来,高德和四维图新因为各种的优势和资质分别被巨头看重,市场已经证明了其价值,那么被其他巨头竞购的凯立德的价值在哪呢?
我认为凯立德应该有这三个方面的优势被市场或者被巨头所看重,最终即使不被度娘收购,自己也可以玩车联网这大市场(可能性不大,除了百度,360或者微软这样的巨头也想拥有一家在该领域有建树的企业)。
①老牌企业,行业领先多年。凯立德公司的介绍显示该公司已连续八年在国内车载导航后装市场占有率第一,术业有专攻,既然已经做了多年车载导航, 而车载导航是车联网体系中极为重要的一个环节,那么凯立德就顺理成章的由“车载导航”转型市场前景更大(当然难度和风险也更大)的“车联网”。
②多屏战略,互联互通。车联网的很大价值在于多个终端数据的互相交互和链接,凯立德除了车载导航,还有便携式导航、手机导航等产品积累了海量用 户,凯立德车联网将以地图服务为核心,以车载智能终端为基础,把这些终端的数据都连接起来,数据、软件、硬件、服务等元素共同组成了我上文提到的那张“车 联网”,虽然目前看来这张网还不全面,因为车联网的建设光靠凯立德这样的公司远远不够,还需要第三方服务和应用共同参与进来,凯立德此时起的就是平台的作 用,把所有的一切连接起来,并且能够从交互的数据中分析出来有价值的信息,而这些信息又能反过来对第三方服务做指导。总之,车联网是一张越用越大, 越用越结实的网络。
③独立自主的发展条件。 我曾经和一个朋友讨论过互联网企业成功的因素有哪些,除了资本、人才、战略等常规因素外,我们认为还有一个重要的因素就是“独立”。在中国很多的企业被巨 头收购后,企业创始人经常被扫地出局或者明升暗降退居二线,这样的后果就是企业创始团队对企业失去了把控权,从而一落千丈或者被边缘化,最典型的案例就是 酷6网,企业被盛大收购后,李善友出走,陈天桥暴力裁员导致酷6网现在实力大大受损。同样,回到凯立德身上来,趁着企业还没有被巨头收购,可以更灵活快捷 的在市场化的环境中推出相关的产品和服务,而假如现在凯立德就被百度收购了,可能要进行一个战略的步骤,等百度的高管开会通过后黄花菜都凉了。所以,如果 我是凯立德的老板,我一定会抓住现在的大好机会,多做一些突破性的的哪怕暂时不赚钱的工作,为将来的升值打好有利的基础。
总结:车联网的浪潮滚滚而来,价值逐步被市场和公众所认可,未来围绕车联网可以做的市场远不止现在看起来的那么简单。车载导航只是其中一个环节,借助这个入口级的环节,可以进一步做战略纵深,为智慧交通发挥更大的价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29