網約車的春天在於大數據和人工智慧

11月網約車新規施行

今年北京的凜冬來的格外早，至少比集中供暖來的早，出行再次成為關注的焦點，而今天也是網約車新規施行的第一天，不知道是新規施行有時間延遲還是網約車司機在「以身試法」，早晨打車的時候並沒有感到太多的差別：軟體上網約車的數量較之前幾日並無太大縮水，依舊能打到「冀」牌的外地車，價格雖有一定的上調，但鑒於後廠村路的擁堵狀況，也還在可接受範圍以內。

似乎久懸於頂的「達摩克利斯之劍」已悄然落地，實則不然，在新規出台之前，雖然網約車不合規不合法，但是當地監管部門查處的時候同樣沒有法律依據，現在網約車合法了，不合法的網約車要想繼續運營，只有重回地下運營狀態這一條路，監管部門再進行查處的時候可就有了白紙黑字的法律依據。

但是這些並不構成制約網約車發展的桎梏，就像當年阿里的電商業務曾經在「電商收稅」、「假貨」等問題上遭遇的監管壓力，就像當年螞蟻金服和央行、銀聯的對壘也是暗流涌動，就像當年微信與工信部、三大運營商的博弈今天看來依然是驚心動魄。監管一定不會掐死趨勢，監管只會篩選出最健康的趨勢使其蓬勃發展。

網約車之所以能夠突破傳統計程車固有業務的圍剿，很大程度上是因為解決了信息不對稱的問題，一切能夠突破層層枷鎖而蓬勃發展的企業，皆是能夠為用戶提供方便、節約用戶時間、提升用戶體驗的。

網約車現在已經是數據範疇的討論

現在網約車公司通過長時間的運營，積累了大量的數據，比如滴滴，目前超過1500萬司機和3億註冊用戶已經加入滴滴社群；根據2016年9月的數據推算，滴滴目前年度GMV已經超過200億美元；日完成訂單超過2000萬，每分鐘將超過兩萬名乘客送達目的地；目前滴滴每天需要進行超過90億次的連續定位路徑規劃，產生超過70TB的巨大數據增量和130億個數據點。

目前滴滴和優步還保持雙品牌運營，如果後台的數據進行整合，滴滴後台的數據將會更龐大，如此龐大的用戶數據對滴滴來說有非常巨大的價值，與傳統意義上信息搜索、電商交易等數據不同的是，滴滴平台的搜索匹配涉及到線上和線下，更大規模的用戶、司機在平台上，匹配的效率要求會更高，起到支撐作用的網約車數據則更加集中和精準：個人信息、出行習慣、消費偏好、地理位置等各種維度的數據資源一應俱全。

這樣規模的數據並不是終點，而只是起點。數據規模的量變，讓滴滴直接實現了技術飛躍的質變。這家公司擁有橫跨中國一線到四線四百個城市的用戶精準數據，二十四小時驅動著人工智慧進化，演算法不斷自我改善，與國內外同業相比，與傳統計程車行業相比，滴滴已經把握幾何量級增的技術優勢，且差距將越來越明顯。

所以，現在，網約車和計程車的競爭維度已經變了，已經不是在車的層面的競爭了，現在我們應該直觀的感受到網約車提供的服務優勢完全是來自於數據的力量。

網約車的春天在於大數據和人工智慧

網約車的未來不是要和計程車來做比較，網約車的春天在於大數據和人工智慧。

複雜的數據代表著更加複雜的計算，谷歌的AlphaGo只需要計算19 * 19的數據。而在滴滴平台，每一條街道、每一個用戶發出的訂單、每一個汽車行進的軌跡，都是需要計算的參數，另外還需要加上時間的維度，因為每隔幾秒鐘，「棋盤」就會發生變化。

而滴滴的技術支撐平台架構，從「遠古時代」的「AppEngine」架構到「石器時代」的「單機LNMP」架構，再從「青銅時代」的「LNMP集群」架構到「鐵器時代」的「LNMP集群進化」，經過漫長而迅速的發展，到現在「工業時代」架構在「騰訊雲」上的技術支撐平台，滴滴的數據分析環境越來越成熟。

人工智慧的開展主要倚仗著三件事情：第一件事情是演算法，第二件事情是大規模的雲計算能力，第三件事情是海量數據的沉澱。有著海量精準數據的滴滴，乘著騰訊雲計算能力的東風，以及配合著聯合了演算法領域何曉飛教授、葉傑平教授等世界一流的科學家之後所迸發出的更先進的演算法，滴滴的前景不可限量。

基於現有的數據，滴滴現階段已經很好的解決了出行供需匹配的問題，下一步在提高滴滴平台上用戶與司機的匹配效率，提高司機效率，減少乘客擁堵時間，提升用戶的體驗上，大數據和人工智慧也將會有更大的建樹。

滴滴「已經越過技術決勝點」

滴滴在中國一般城市所面對的供需量級，是國內外其他企業難以想像的，在這個規模下匹配演算法的難度更是以幾何級別增長。這場演算法革命的核心在於需求預測。現在每一座城市都如此巨大，靠實時來匹配司機與乘客是不足夠的。滴滴需要做到真正地預測需求，把城市劃成可無限細分的區域來跟蹤和計算。從目前滴滴客戶端使用情況來看，已經做到基本可以預測一個地區、甚至一座樓十五分鐘後進進出出的動態供需，而且精準度已經達到90%。

通過對各個地區高峰的預測，提前調遣車輛向這個地區行進，這不僅解決了用戶高峰時段用車難的問題，還解決了網約車司機接單少的問題，通過大數據計算，讓訂單匹配更加智能，實現了智能派單。比如以前司機需要開3公里才能接到一位客人，但現在可能0.5公里就能接到一位客人，在節省時間的同時，每天訂單成交量也得到了增加。

基於大數據的智能預測與匹配的精度，還決定了真實用戶體驗的精度。以北京為例，北京的面積相當於20個紐約，有些司機只希望在某一個特定城區活動，現在滴滴超越簡單的隨機匹配演算法，採取真正的個性化、定製化的智能匹配，找到適合司機需求的訂單，讓網約車司機不僅能賺到錢，更能開心賺到錢。

那麼傳統計程車就不能做到運用大數據和人工智慧來提升用戶體驗嗎？

除去計程車時效性、拒載等主客觀因素，單就實現數據化運營一項，計程車如果要像網約車一樣數據化運營，目前不僅解決不了數據積累的問題，還亟待解決雙軌運營的問題，因為除了軟體派單，他們必須還要隨時應對街頭揚招的需求，這線下的客人數據就難以獲取了，還會造成數據記錄的斷檔，但是如果要對計程車完成數據層面的升級改造，可能成本上和基於共享經濟的網約車經濟就不可相提並論了。

可以說，通過大數據及人工智慧的運用，滴滴「已經越過技術決勝點」。

網約車後市會如何發展

網約車的出現是主打的共享經濟，而共享經濟的主題可以歸納為：

Of the people, By the people, For the people.

Uber最早出現的時候主打的就是共享經濟，後來又出現了Lyft，中國有滴滴，有易道、有神州租車，市場非常大，當今情況下哪家如果還想通過技術壁壘、政策壁壘、資本燒錢來打掉競爭對手依然是不可行的了，但是未來數據資源、人工智慧、商業模式將會是不可逾越的壁壘，而且會呈現出不可逆轉的「馬太效應」，如何迅速獲取精準數據、如何利用數據服務用戶，這才是今後一段時間發展的關鍵。

另一方面來說，如果計程車不改變原有的商業模式、服務意識等各個方面，那政策上的壁壘保護只能是飲鴆止渴，不異於自絕於人民：

Off the people, Buy the people, Fool the people.

總結

現在計程車陷入了「不轉型必死、亂轉型找死」的兩難境地，而看似備受桎梏的網約車卻乘著大數據和人工智慧的東風，率先看到了春天的方向。

歡迎關注公眾號：景辰（iJingChen）