2022年以降の中国の自動運転産業の展望

2022年以降の中国の自動運転産業の展望

2022年1月28日、iResearchは「2021-2022年中国自動運転産業年次概要レポート」を発表した。このレポートは、さまざまな側面における自動運転の発展状況と市場構造に基づいて、2022年の中国の自動運転産業の発展と将来に関する詳細な洞察とトレンド分析を提供している。以下の内容は本レポートより抜粋したものです。

自動運転市場の発展は加速しており、サプライチェーンの連携、ユーザーオペレーション、エコシステムの統合は自動車産業の将来を予見しています。中国の自動車市場全体は飽和状態にありますが、電動化とインテリジェント化のトレンドは伝統的な自動車産業チェーンに影響を与えています。 2025年にはADAS支援運転システム(L2)の普及率が37%に達し、L3以上の自動運転の普及率は5%に達すると予想されています。新しい電子、電気、ソフトウェアアーキテクチャの下で、従来の自動車会社は変化と変革に直面しています。伝統的な自動車会社は、統合製造のコア優位性を持っています。今後は、コアソフトウェアを独自開発し、標準化されたハードウェアを購入することで、分業と協力を通じて産業連携を構築し、Win-Winの結果を達成することが期待されます。デジタル化の流れの中で、ユーザーエクスペリエンスが需要の原動力となりつつあり、ユーザーのライフサイクル全体を管理することが効率的な製品アップグレードの実現とブランド力の強化につながると期待されています。さらに、自動運転エコシステムの構築や成熟したビジネスモデルの模索は、自動車企業にとって「必修科目」となっている。​

TIER 1とTIER 2の企業は再編に直面しており、技術障壁とビジネスモデルの面で「堀」を形成することが予想されています。新世代の電子、電気、ソフトウェアアーキテクチャの下で、従来のチェーン型の自動車サプライチェーンは、よりオープンで多様化したリング型サプライチェーンに変化しました。同時に、下流は自動車運営サービス分野にまで広がっています。従来の自動車サプライチェーンにおけるTier 1ターンキーモデルと比較すると、現在の自動車ブランドとサプライヤーはより協力的な関係にあります。共同研究開発とフラットな協力により、サプライチェーンビジネスモデルの需要はますます多様化しています。自動運転のハードウェアの標準化とソフトウェアのプラットフォーム化が一般的なトレンドになります。TIER 2は、製品の標準化と技術障壁の構築により、独自のコア競争力を形成することが期待されます。TIER 1は、より柔軟でオープンな協力モデルを求め、上流と下流との分業と協力モデルを形成する傾向があります。従来のOEMは、コアテクノロジーのR&D機能を強化し、リソースの優位性を活用して上流と下流を統合し、オープンビジネスモデルの開発を推進しています。

車道連携市場は大きな潜在力を秘めており、最終目標は車両、道路、クラウド、ネットワーク、端末の統合を実現することです。車道連携が徐々に大規模化と市場化に向かう​​につれて、中国の車道連携市場の規模は2030年に4,960億元に達すると予想されており、巨大な市場潜在力があります。中国の車道連携は現在、車道クラウドネットワークを段階的に構築する段階にありますが、将来的には技術側、情報側、アプリケーション側を結び付け、相互接続性と相互運用性を実現し、真の車道連携を実現することが期待されています。車道連携の発展は3段階に分けられる。今後4年間で、車両側、道路側、クラウド側、ネットワーク側が徐々に構築・改善され、初期の相互接続と相互運用性が実現される。5~10年後には、重要な分野が突破口となり、都市における車道連携の応用が実現される。長期的には、中国は異なる都市間の標準統一の問題を解決し、真の単一道路から複数車両、または単一車両から複数道路への自動運転アプリケーションを実現すると予想される。

自動運転のソフトウェアとハ​​ードウェアの開発進捗には不一致があり、大規模な商用化後に同期化されると予想されています。今後2〜3年で、自動運転製品の普及率が高まるにつれて、「不気味の谷」問題は効果的に緩和されると予想されます。同時に、実証エリアの拡大と自動運転車両の大規模展開により、テストの問題とソフトウェアとハ​​ードウェアの問題がある程度解決されます。中国は2025年にL3自動運転の量産を達成すると予想されています。中国の自動運転ソフトウェア開発能力はハードウェアより進んでいる。センサー、冗長システム、チップなどのハードウェア側は未熟であり、短期的には高度な自動運転製品を量産することは不可能である。今後、大規模なアプリケーションと関連する技術標準や認証の改善により、ハードウェアレベルがソフトウェアレベルに追いつき、L4+レベルに到達することが期待される。

自動運転トラックは10年間の努力を経て、量産化のギャップを乗り越えて商用化を達成することが急務となっている。中国の自動運転トラックは技術製品化の段階にあり、政策や法規制、ビジネスモデル、規模、顧客の受け入れなどの発展に後押しされ、今後5~10年以内に商用試験運用を開始すると予想されている。真の商用化の鍵は、L4+レベルのSOPの量産と安全担当者の排除であり、2030年以降に実現すると予想されている。自動運転技術企業として、OEMや顧客との深い関係は、短期間で量産可能なトラックの製造、実際の運用を通じたデータ収集と技術の反復に役立ちます。同時に、テクノロジー企業は、応用場面における顧客のニーズを深く探究し、顧客のニーズに基づいてタイムリーに製品の最適化と技術のアップグレードを実施し、自社のコア競争力を構築する必要があります。

都市生態系における垂直シナリオと一般化シナリオは正のフィードバックを形成し、自動運転技術を成熟へと押し進めます。都市シナリオでは、自動運転は垂直シナリオから一般化シナリオに移行します。公園衛生、ターミナル配送、工場物流、空港物流など、閉鎖的で低速のシナリオは、今後2〜3年で大量複製ノードの到来を告げます。公道での衛生、物流、ロボバスのシナリオは、今後5〜10年で徐々に商用化されます。高速オープンシナリオのロボタクシーは、2030年以降に大規模な商用利用を達成すると予想されます。最初に垂直シナリオを実装することで、Robotaxi シナリオのデータ フィードバックとキャッシュ フローのサポートを実現できます。Robotaxi のユニバーサル プラットフォームは、さまざまなシナリオでのアルゴリズムとモデルの最適化に適用できます。ロボタクシーの商業化ノードに到達するには、都市部への完全な適用性、大規模な製品の複製可能性、および人員削減を実現する必要があります。

<<:  完璧な最適化目標、AIの盲点

>>:  ついに誰かが教師あり学習を明確にした

ブログ    
ブログ    
ブログ    

推薦する

TensorFlowに関する簡単な例

[[220444]]この記事では、TensorFlowの例をいくつか見て、テンソルテンソルまた、テン...

2022 年の 5 つの主要な AI と機械学習のトレンド

[[414740]]人工知能と機械学習の分野では、企業が今から準備しておくべき大きなトレンドがいくつ...

ドローン自動化システムの産業への応用を探る

世界中の企業は、競合他社に対して競争上の優位性を獲得するのに役立つ高度なテクノロジーを常に探していま...

これはボストンダイナミクスのロボットエンジニアの一日です

[[401177]]ボストン・ダイナミクスは誰もが知っていますが、同社の従業員の仕事や生活について知...

知っておくべき 10 個の機械学習 API

[[257117]] [51CTO.com クイック翻訳] 今日では、携帯電話の写真ストリーム認識...

スマート建設現場: 2021 年に注目すべき 5 つのスマート建設技術

革新的な建設技術により、大規模建設プロジェクトの安全性、効率性、生産性が大幅に向上します。建設業界に...

...

ChatGPT と ReactJS を統合してよりスマートな会話型インターフェースを実現

翻訳者 |李睿レビュー | Chonglouテクノロジーの世界が進化し続けるにつれて、チャットボット...

Amazon Translateについて

Amazon Translate は、高速、高品質、手頃な価格の言語翻訳を提供するニューラル機械翻訳...

AIがビジネスプロセス管理を根本的に変える方法

BPM に AI の検出機能と自動化機能を導入すると、フロントオフィス プロセス、プロセス データ分...

AI は銀行がますます激化する詐欺の競争に勝つためにどう役立つか

今日のイノベーションのペースが競争だとしたら、世界は猛烈なスピードで変化しています。今日の世界で起こ...

人工知能アルゴリズムが核融合の応用に一歩近づく

核融合は現在一般的に使用されている核分裂法よりも安全で環境に優しいことはよく知られています。しかし、...

新しい機械学習の考え方を使用して、自然な異常と人間の誤解を区別する

ディープニューラルネットワークは、数学モデルを使用して画像やその他のデータを処理する多層システムであ...

...

AIはデジタル変革の失敗から学ぶ必要がある

1 月に IBM は、デジタル トランスフォーメーションが予測された 150% ではなく -5% ~...