演讲人：张帆 大搜车集团CTO

大家好，很高兴来到今天的科技创新者大会，能有机会跟大家分享一下我们对于汽车产业互联网的理解和实践。

我想先跟大家介绍一下汽车产业互联网，或者说它的产业是什么样的结构，我再介绍一下大搜车如何在这个产业里提供价值，然后再具体介绍一些我们做的实践。

首先我们想介绍一下汽车流通产业的地图，基本上汽车流通不包含后市场和汽车制造，但你可以看到它有一部分是新车、一部分是二手车，基本这就是汽车流通的两块核心，里面的一些核心玩家，新车里会有汽车厂商，4S店的经销商集团，还有二级经销商网络，中国这么多城市里有相当一部分没有4S店覆盖，它们是通过二网销售，每年2500多万的新车里有40%是通过二网销售。另外还有一些融租公司，他们会把车收过来再租出去做融资租赁，就像我们大搜车做的。另外还有一些社区店，这也是融资公司的延展，我们有弹个车的社区店。

二手车里的核心玩家还是汽车厂商，还是4S店的经销商集团，还有融资公司，当车到期之后可能会处置二手车。增加了两个新的玩家就是二手车商，分为批发商和零售商，因为他们的商业逻辑不一样，所以这是两个环节。这之上还有一系列支撑来确保这两个商业逻辑能跑通的一些支撑服务，比如仓储物流，你要运输这些车、存储这些车；包括一些软件，4S店集团和主机厂商内部软件的信息化，包括一些AI技术、数据化能力以及一些营销，如何帮助他们触达C端，或者让他们之间互相触达，包括一些自己客户的运营、金融服务、风控能力以及保险，这看起来是整个汽车流通领域的一个地图，这时我们想看看搜车在里面是怎么参与的。

基本上每个环节我们都有参与到，比如主机厂商，无论是通过采购他们的东西还是帮助它做数字化，帮助它赋能，帮助它拓展新渠道，经销商也一样，包括二网，我们也为它提供信息能力、交易能力和服务能力，包括自营的社区店、融资公司也是这样。

在二手车里我们也为各个层级的产业家赋能，无论是信息层、交易层、数据层。在支撑服务里我们也都有涉猎，像我们的“运车管家”，我们每年能运输35万辆车，确保这些车辆能运转起来，在软件这块我们也会为主机厂、经销商提供不同程度的SaaS软件、私有软件，包括ERP、CRM、营销工具等一系列。我们也有AI和数据能力，提供了很多细节场景的AI能力，以及24CHE帮它做营销、投放和客户再运营，一系列延展中，每个环节我们都有涉猎。

我把图重新组织了一下大家能看到我们在这些场景中的深度，比如这里面的汽车厂商，我们有50个汽车品牌，包括弹个车、工厂直销店、24CHE、车易拍，都是在不同层级帮他们组织在信息层、交易层、供应链层的各种合作，4S店的合作大概有9000家（全国共有27000家4S店）通过我们来赋能；二网也有非常高的覆盖率，我们基本覆盖了8万家，占据市场90%，我们的车行168解决信息层，卖车管家解决交易层。

二手车这边就更加全面，无论是提供零售工具的大风车还是提供拍卖的车易拍，或是批发商之间互相交易的车牛，以及零售联盟，大搜车自己触达积累的用户超过3000万，我们也有小型社区店和大型工厂店，覆盖了超过2000个区县，在全年体系内在线交易额一年能达到3400亿，这是一个非常大的基础。

这时我们就想聊聊，既然在这个产业里大搜车覆盖了这么多节点，我们想跟大家分享一下我们怎么看待产业互联网，或者我们作为一家产业互联网公司，汽车流通领域的基础设施公司，我们怎么为产业赋能，怎么提高它的效率？

首先我非常同意互联网的下半场其实是产业互联网，因为产业互联网跟消费互联网其实有非常大的联系，今天坦率地讲，消费互联网市场格局已经比较稳定，变动也不会那么大，而产业互联网几乎是一个刚刚开始的初级阶段，在这个产业里，你看今天的消费互联网，各行各业基本都已经有非常便捷的工具，但在产业里，坦率地讲，今天能用好ERP企业的覆盖度都没有那么高，所以这还是一个非常大的空间。在产业里，我其实有三个观点跟大家分享：

1、我们认为产业互联网比消费互联网带来的价值可能更大。大家看消费互联网基本解决的是信息效率的问题，原来没这个信息，现在可以更快获得，或者原来信息不透明，现在可以变得透明。这个程度就已经为社会带来了极大的价值，而产业互联网优化的是产业里的生产关系，包括它里面的价值结构，能够带来更深层次的变化，带来的价值可能会更大；

2、产业互联网其实很难是一个AI+产业的状态，往往其实应该是产业+AI，因为这些传统行业天然有非常强的壁垒，并不是我有一个技术进去就能把它解决，而是自己的经验告诉我们我们必须要揉在整个产业里，必须要把我们的数据和技术能力变成它的血液，然后用技术的能力解读产业，你才有可能把它转起来，而不是降维地提供一个大杀器，一下解决，其实很难的。今天很多高科技的东西，比如我们做一个搜索引擎，拆碎了来看每个技术都不难，大家都知道，但合在一起就是重要的竞争力，为什么大搜车要在里面放这么多节点，我们希望能有更大的产业观。

3、到底什么是产业互联网时代的核心价值？之前我们觉得技术在消费互联网会建立壁垒，但在产业里其实是比较难的，相信大家有感觉，现在来讲我们整个社会的生产能力是在上升的，比如十年前我们如果做AI，可能你会发现那个时候有各种各样的模型，你要自己选模型、选数据、做预处理、调仓，才有可能尝试出一些效果，但今天这个结构变得非常简单，你不需要了解这些，不严谨地讲，可能你没有非常丰富经验，只要做一点培训把数据拉出来，丢进深度学习，就能得出一个不差的结果，门槛显然是降低的，而且不只是AI技术，包括开发，今天有这么多组件，非常容易拼接，包括设计、包括产品，都已经有非常现成的标准了，生产能力是被释放的。

我们今天进入产业互联网里拼的往往不是绝对的技术能力，而是技术与行业的结合，所以我觉得会慢慢从技术壁垒转化为场景壁垒，数据壁垒，因为在这种场景下你有足够多的数据就能得到足够好的效果，能快速建立闭环，而这个过程是不断反复强化的，这是我们对于这方面的一些看法。我觉得这个图太大了，所以挑出一段想给大家举个例子，这是刚才讲的众多公司中的一个。车易拍是我们的一家拍卖公司，每年有10亿左右的成交量，会拍50万辆的车，我们拿到一些车，把这些车变成产品，匹配给车商进行拍卖，销售成功，大概是这样一个销售逻辑。我简单做了一个简单的图，大的逻辑是我们会从4S店、主机厂和各个地方获得车辆，但因为我们是在线平台，所以车辆传统是大家跑到线下看一看，但在线平台是没办法线下看的，所以必须变成一个在线商品，要想把不标准的车、把千车千面的车变成在线产品需要做检测，检测完成之后变成在线产品上到拍卖平台，然后放到决策引擎，为它定价、为它做决策支撑，最终把它流转到车商手里，然后我们再提供社会化服务。这是非常简要的图，我想拉开两块跟大家介绍一下：    

第一块先看检测系统，为什么这个东西复杂，我们把一辆车在线，还没有看到车，只看报告，就能把这个车卖掉，所以这个车一定是有办法保障它不会出问题，所以是在多个层级解决，现在平均检测一台要花50分钟，要看在这个场景下技术怎么解决，首先看左半侧，基本是靠技术解决的，比如给这个车拍张照，马上它就可以进行VIN码解析，这里不细讲，有一些比较复杂的逻辑，我标明小蓝点的地方大家会发现基本都有一些AI应用，然后把它的票据做OCR结构化产品，进到我们的检测中台。

人会进入车里拍照，之后做缺陷检测，哪里有问题把图标出来，也发送到中台，中台会根据不同人不同检测师的知情度、不同车辆的信息丰富程度来决定中台耗费的时间，整体上是高度计算的过程。

这里再拆出来单独讲几个点：

1、OCR识别。为什么要讲OCR识别？因为它代表了我们对产业的观点，大家可以看到我们每天的OCR识别超过25万次，覆盖20几个场景，不是很多，但我们每年能为合作伙伴和我们自己带来3万元/天的节省，差不多是100个人的工作量。

你会发现对于标准类的东西，比如银行卡、身份证、行驶证，标准服务做得非常好了，我们压根儿没去做，因为没必要，他们做的质量非常高，但一旦到了产业相关内容，比如汽车发票、汽车登记证，车上VIN码的位置、汽车名牌，基本通用平台都没办法做得很好，而我们的自研明显超出，而且我们也有足够的动力，因为它带给我们效益，并不是我们的技术超越，而是我们比他们理解场景、有数据、能够快速迭代，这是我讲的产业揉在里面做的一个点。

2、AI车辆缺陷检测。大家想象，一个车过来，我要给车拍50张照片，每个车写明什么部位，还要说哪里坏了，这是很繁琐的，需要花很多时间，但这部分通过AI简化直接帮每台车节省了15分钟，如果五六十万车辆的检测，这是巨大的节省，我们每天有超过60多万次的查询，节省1.5万人/天的工作量。有些通用平台也在做这种应用，我们对比了一下支持的部件，基本是数倍超越，从精度来讲基本达到82%，但从TOP3的精度我们达到95%，为什么通用平台不支持，因为它没有场景，觉得我们做到第一名就好了，但我们有场景，可以基于我们改造检测端把效率拉高，所以直接带来了很大变化。

我想再跟大家分析一下定价这个事，涉及二手车定价其实是非常有意思的，二手车几乎没有两台完全一样的，如何给它定价其实是非常有挑战的事，在最开始了解行业的时候，当时我还问过行业，说你们觉得怎么定价才准？一个说这个得人定，机器定肯定不行，我说人怎么定？他们说我们都得拜师傅的，说起来很玄，我说那就做个实验吧，我们从库里找到300台车，要求他们算一下我看看，我让五六个定价师分别算，最后得到的结果你会发现他们几乎是非常不靠谱的，基本上他们理解的感觉跟实际差距非常大，机器非常轻松就超越了人，而这也节省了大量资源。我们基本能做到87%的精度，我们看到了一些行业里通过人工模式调教参数的能做的比我们低一些，当然无论怎样都比人做得好。

为什么我们可以做到这么好，像刚才我讲到的几个场景，像车牛，我们有千万级真实的二手车批发的数据，然后有大风车，也是千万级零售数据，车易拍有拍卖数据，车行168有新车交易数据，这些数据都是基于真实数据多场景的数据，让我们具备了这种能力，这也是产业的力量。

分析一下我们的决策交易是什么，任何一个车来了我们要最大化把它卖掉，怎么保证卖掉它资源是合理匹配的，所以我们首先做了一个“交易决策引擎”，逻辑非常简单，类似于搜索引擎卖广告，每个词的点击率和价格，我们就是想要每台车的成交概率加上收益得到全局的最优，非常简单。因为里面每次展现的都是资源，我们不能浪费，我们需要找到全局最优，所以会这么算，这里依赖几点，一是既然要算成交率，成交率怎么预测，只有预测了找到影响因素了才能干预，所以我们做了一些真实场景的模型预测，比如要看这个车辆的模型，其实这要非常强烈的产业知识，车到底好不好卖，是冷门车还是热门车，市场销量大还是市场销量小，交易模型花多长时间做预展，花多少精力帮它做邀约，占了我多少资源，什么时间拍、几点拍，包括车商的关注模型，并不是有五个人关注就能卖掉，我们要看这五个人是不是专门收这种车，他这个月收了多少，我们是怎么触达他的，这是产业深度的问题，需要对产业有细节了解，当我们知道这些之后我们马上就可以预测出每台车的成交概率，而当我们知道它的成交概率时就能基于下面的元素做影响，我可以在什么时间调哪个参数，多预展还是少预展，能不能在全局带来最优。

我们还有智能运营系统，当我们知道这些之后，我们会对每一个车源画像、对每一个车商画像、对每一个交易场景画像，我们会不断通过自己的连接方式，包括真人打电话、线下地推、APP的Push推送、短信推送，还是人工智能电话直接打过去，或是进入CRM系统里让客服同学直接打电话同时监控内勤，这一切都会变回新的数据运回我们的决策中心从而变成闭环提升效率。

另外我们在整个系统中很多地方都增加了推荐，在很多局部的地方最高能带来400倍的变化，但产业推荐跟消费推荐有一点不一样，因为它的流程非常长，原来我们试过，如果只在首页做推荐，你会发现首页推荐点击量涨得很高，但没有转化到交易，因为可能你推荐了一些明显卖不出去但看起来很好玩的车，这是跟消费互联网不一样的地方，决策流程非常长、元素很多，所以我们要做更深度的考虑。

谢谢大家，这是我今天分享的内容。