• 项目
首页>>文章列表 >>行业研究
行业研究

金准数据 人工智能系列报告之(一) 2017-07-23 19:42:14

一、人工智能热度不断提升

 

    2012年以来,由谷歌、Facebook(FB)、苹果、英特尔等科技巨头发起的AI创企收购项目达200多个,仅2017年第一季度就有30多起并购。其中,谷歌是最为活跃的收购方(11起)、苹果次之(7起)。除了科技公司,福特也在今年Q1以10亿美元买下网络安全公司Sophos。

 

 

人工智能搜索热度示意(对比大数据)

 

 

2012年至今人工智能并购案示意

 

除了收购,专利研发层面,巨头们也是步步紧咬,有趣的案例包括谷歌的照片视角重构和FB基于深度学习的标签预测模型。

 

微软、谷歌、亚马逊、FB、苹果专利数示意

 

人工智能创业热

2012年来,人工智能相关的股权融资已有2250起,融资额达149亿美元。

 

采用人工智能算法的独角兽公司列表

 

 

期间,上亿的巨轮融资项目包括(2亿美元,2016年,A轮)、网络安全公司StackPath(1.8亿美元,2016年,私募)、医疗公司Flatiron(1.75亿美元)、医疗公司碳云智能(1.54亿美元)、生命科学公司zyme(1.3亿美元)。其中,2017年第一季度是种子轮/天使轮最为活跃的一季(48%)。

 

人工智能2012-2017年第一季度融资情况

(柱状图为金额,单位:百万美元;折线图为交易宗数)

 

 

人工智能项目不同阶段的融资情况

 

从投资方来看,随着技术进步和市场扩张,风投所占的AI相关领域的资本比例不断增加,参与者从2012年的127家增至2016年的492家,公司投资、私募、资产/投资管理参与者的数量也是逐年攀升。其中,比较活跃 的投资方包括Data Collective、英特尔资本、NEA、khosla风投、GV、硅谷天使投资基金、Accel Partners、PlugandPlay、通用催化风投。

 

AI相关资本介入方种类

 

 

人工智能可以做什么

最大的进展来自于两大领域:感知(perception)和认知(cognition)。在前一类中,最前沿的进展大部分是和语音相关的。语音识别还没有达到完美,但现在有数百万人已经在使用它们了——想想Siri、Alexa和Google Assistant。你现在正在阅读的这篇文章最初是由我们口述给计算机的,已经比我们自己打字更快了。斯坦福大学计算机科学家James Landay和他的同事进行的一项研究发现,语音识别的速度大约是手机上打字速度的三倍。语音识别的错误率已经从过去的8.5%,下降到4.9%了。令人惊讶的是,这种实质性的进步并非在过去10年,而是从2016年夏天开始。

 

1)图像识别

图像识别领域的进展也让人惊叹。你可能已经注意到,Facebook和其他app现在已经能从你上传的图片中识别出你的朋友,并提示你用他们的名字来标记他们。在你的智能手机上运行的app可以识别任何野生鸟类。图像识别甚至取代了公司门禁卡。自动驾驶汽车中所使用的视觉系统,在识别一个行人的时候,通常会在30帧中出现一次错误(在这些系统中,相机记录大约每秒30帧);而现在,它们的错误频率要少于1千万帧。ImageNet这个大型数据库中识别图像的错误率,已经从2010年的30%下降到了2016年的4%。

近年来,随着大规模深度神经网络的使用,AI领域的进展日新月异。当然,目前基于机器学习的视觉系统还远远没有完美无缺——但即使是人也不是无所不能的嘛。

 

2)认知和解决问题方向

AI领域第二类的主要进步是集中在认知和问题解决方向。机器已经打败了最优秀的(人类)扑克玩家和围棋选手——虽然原来专家们预测至少还要再过十年。谷歌的DeepMind团队使用了机器学习系统来提高数据中心的冷却效率提升了15%。像Paypal这样注重网络安全的公司也正在用AI来检测恶意软件。由IBM技术支撑的系统使得新加坡一家保险公司的索赔过程进入了自动化。数十家公司正在使用机器学习来帮助进行金融交易决策,而且越来越多的信贷决定是在AI帮助下做出的。亚马逊采用机器学习来优化库存,并提升给客户的产品推荐。Infinite Analytics公司开发了一个机器学习系统来预测用户是否会点击某个特定的广告,为一家全球消费包装产品公司的在线广告位置进行了优化。另一个开发的系统帮助巴西的一家在线零售商改进客户的搜索和发现过程。第一个系统将广告的ROI提升了三倍,而第二个系统使得年收入增加了1.25亿美元。

机器学习系统不仅在许多应用中取代了旧有的算法,而且在许多曾经被人类做得最好的任务上也占尽先机。尽管这些系统并不完美,但它们的错误率已经表现比人类更好了。语音识别,即使在嘈杂的环境中,现在也几乎等同于人类的表现。这为改变人们的工作和经济带来了巨大的新可能性。一旦基于AI的系统在给定的任务中超过人类的表现,它们就更有可能迅速传播。例如,Aptonomy和Sanbot,这两家分别是无人机和机器人的制造商,他们正在使用改进的视觉系统来自动化大部分保安人员的工作。软件公司Affectiva使用它们来识别诸如快乐、惊讶和焦点小组的愤怒等情绪。Enlitic是几家利用AI来识别医疗影像,进而帮助诊断癌症的深度学习的初创公司之一。

 

人工智能市场逐鹿

CB Insights整理出了百强AI创企,覆盖聊天程序、视觉、汽车、机器人、网络安全、商务智能与分析、广告与销售与客户管理、核心/前沿技术、医疗、文本分析、物联网、消费、金融与保险等领域。

目前,国内对于AI的支持力度也比较大,在学术方面也有很是很大的研究热点。学术机构,以及百度、阿里、腾讯等公司也在语音识别、图像识别、神经网络、自然语言处理等方面都有重要的突破。金准数据认为,国内AI市场将从2015年的12亿元增至2020年的91亿元。

 

总的来看,AI创业运动中,比较热门的领域包括医疗(270起)、横向应用(79起,包括文本分析/ 搜索引擎、视觉、聊天程序等)、金融与保险(30起),其他包括销售、客户管理、网络安全等。

 

 

智能医疗创业地图

 

 

横向AI应用创企示意

 

 

机器人创企地图(2012年以来融资$30亿,488起)

 

 

智能商务创业地图

 

 

早期智能物联网/工业物联网创企示意

 

除了上述热门创业方向之外,还有即将抬头的AI相关创业项目:游戏、监管科技(REG Tech,金融科技的分支)、专业自动化(如论文评分、行程规划、法务)等,可以看到这几大项目的交易热度近年来显著上升,一方面是相关市场的急速拓展,另一方面,人工智能在专业、特定方向上的技术应用也趋于成熟。

 

 

不同领域的AI创业热度及趋势示意

 

二、AI火热的原因分析

1、宏观趋势

人工智能背后代表的先进生产力能够带来巨大的经济效益,因此一直吸引着研发投入。

1956年达特茅斯会议诞生“人工智能”一词 以来,技术发展已经取得了质的突破:大数据和数据处理技术的逐步成熟,包括深度学习算法的提出,以及适合海量训练数据的GPU的引入,开启了人工智能的入口。

算法和芯片是AI建设的基础层,除了当前AI市场主流芯片,即英伟达的GPU之外,英特尔(收购Nervana Systems;FPGA)和谷歌(研发Tensor)也在推广自己产品。除了目前主流的两种改善通用芯片用于半定制的深度学习算法之外,业内也在积极研发面向人工智能应用的新的芯片,包括谷歌的TPU、我国中科院计算所的寒武纪,这类的针对特定算法以及特定框架的全定制AI芯片,以及更近一步的,IBM 的TrueNorth这类的类脑芯片(BPU)。

 

人工智能芯片一览

 

算法,尤其是深度学习算法领域,则不是巨头垄断,而是掀起了一波包括计算机视觉、语音交互、机器人/自动化、医疗、安全、消费、商务等领域的创业潮。巨头们往往选择更为基础的算法框架入手,进行开源,以构建自家AI生态,如谷歌的TensorFlow和微软的Cognitive Toolkit。

 

 

深度学习创业潮

 

2、当前进展

除了基础层建设,AI的前沿进展还包括马斯克的脑机接口项目、基于ARM的深度学习芯片以及英伟达面向医疗的应用、聊天程序/聊天机器人发展出了自己的语言、英特尔的自动驾驶技术研发等。

金准数据分析:目前我国71%的人工相关企业都在做技术落地应用,在算法技术方面,55%的企业在做计算机视觉,13%在做自然语言处理,只有9%的企业真正研究机器学习。能够很快把技术应用落地是我国的优势,但是对于基层的技术研究,我国的企业实力目前还无法和国外匹敌,这是劣势。”

我们现在看到的AI,距离它正解还很远,不到它真正的能力的5%。

 

当前的AI应用

 

 

三、巨头们关于数据与算法的讨论

1、百度站定算法

李彦宏曾在重庆举行的联盟峰会上说过:我们百度的工程师总结出来一句话,叫‘数据秒杀算法’,但是我后来跟他们讲,真正推动社会进步的是算法,而不是数据。

 

在之后的数博会上,李彦宏再次表达过类似的意思:工业时代最宝贵的东西不是煤,是蒸汽机这样的技术革命、革新,而人工智能时代最宝贵的也不是数据,是因为数据带来的技术的创新。

让我们简单看一下百度大数据的“家底”,其实用两个短语就可以概括:万亿级搜索数据,百亿级定位数据。

试以语音相关的数据为例。作为百度 ALL IN AI 的两大发力方向之一(自动驾驶和智能语音),百度如此展示自己在相关数据上的肌肉:

网上流传一句话,说百度是“数据为重,不为上。” 作为很可能是 BAT 三家中数据量最大的公司,百度的优势在于数据最全面,数据样本比较复杂,数据的广度和多样性上比较强。而问题在于,百度的数据,较之阿里和腾讯,其变现能力可能是最弱的。

 

作为一家技术驱动的公司,百度在数据挖掘技术和 AI 人才的储备上优势明显,但其优势的应用出口较少。也正是在这种背景下,李彦宏在数博会上发言:我觉得这个数据确实重要,没有数据训练的话人工智能走不到今天的,但是数据是不是根本呢?数据不是根本,数据有点像新时代的能源,像燃料,那么推动时代进步的是技术,是创新,不是这些资源......所以工业时代最宝贵的东西不是煤,是蒸汽机这样的技术革命、革新,而人工智能时代最宝贵的也不是数据,是因为数据带来的技术的创新。而且过去一年就有这么多的创新,有大幅度的提升,连我在这个领域的人都要觉得要改变心态,适应这种环境,适应各种各样的可能性。

 

2、阿里、腾讯等多家巨头:数据+场景才最重要

阿里的大数据是基于淘宝天猫业务而诞生的电商数据、信用数据。阿里的核心业务在电子商务上,数据比较聚集,更容易做分析。这种数据类型的优势在于,更容易变现,挖掘出商业价值。正如马云在数博会上所说:“我们对世界的认识将会提升到一个新的高度,大数据会让市场变得更加聪明。”

而腾讯的大数据是基于微信、QQ 诞生的社交数据、关系数据,以及游戏数据,相对较杂,但场景化极高。很自然的,马化腾在数博会上强调了场景的意义:“有了应用场景,有了市场,数据自然会产生,也会驱动技术发展。”“就好像今天BAT三家分别在社交、电商和搜索有各自的主战场和场景;滴滴、摩拜有交通出行的场景;微信、支付宝有支付场景。”腾讯的大数据是其自身各类产品(尤其是游戏)成功的坚实基础。

对于场景化的数据,我们还很容易想到滴滴出行和小米,它们分别在各自的场景中收集并利用其数据优势。

 

滴滴出行基于大数据的路径规划系统

滴滴研究院副院长叶杰平曾在北大 AI 公开课上透露:下面说一下我们的大数据......我们每天大概2000万单,平台的每一辆在开着的车,每几秒钟就会给我们传递 GPS 信息。现在滴滴每天新增的数据量是 70TB,这个数据应该是几个月之前的,现在应该更大了。我们平台在做很多的预测和模型,每天处理的数据是2000TB。每天的路径规划是 90亿,这个数据量特别大。然后是定位数据,我们必须要知道乘客在哪,司机在哪,所以定位是非常重要的,这个数据不光要精确,而且要快速。定位数据每天是 130亿.....”

小米科技联合创始人黄江吉在北大 AI 公开课上也曾透露:“小米全部产品加起来,每天产生的数据量一天是300T。为了存储这个300T,每天我们付出的存储成本是天文数字。为什么我们要存储大量昂贵的数据?其实我们等 AI 这个弯道已经等了很久,终于在去年迎来爆发点。现在,我们有可能利用最前沿的技术,比如深度学习、对抗性网络来取得进一步发展。现在技术发展是以周计算。这对于我们都是好消息。因为技术发展到这个点的时候,我们已经准备了很多大数据。这些技术可以用来验证算法是否靠谱,可以把我们的产品变得更智能化,真正实现闭环。大数据其实讲了很多年。我刚进入微软的第二年,就开始做data warehouse,当时已经存了海量数据,都觉得大数据很有价值......我们对于数据增长很开心,并不在意成本。”

 

从这个角度来说,大数据对 AI 的赋能,确实是从应用场景中来,到应用场景中去的。

 

 

 

 

 

 

 

 

 3、谷歌的大数据野心

 

过去十年中,在计算机视觉领域,虽然计算力(GPU)和模型大小不断增长,数据集的规模一直停步不前。

这项研究,用了 50 颗 K80 GPU(计算等于 8.3 GPU 年),花了整整两个月,在 300M 标记图像的海量数据集上进行图像识别训练。这个名叫“JFT-300M”的内部数据集,含有 18291 个类别,是 ImageNet 的 300 倍。这一研究项目的初衷是看在不调整现有算法、只是给模型多得多的数据的情况下,能否取得更好的图像识别结果。

 

JFT-300M 不同子集上的预训练后,进行物体检测的性能。x 轴表示对数刻度的数据集大小,y 轴是 COCO-minival 子集mAP@【0.5,0.95】中的检测性能。

答案是可以。研究人员发现,随着数据增长,模型完成计算机视觉任务的性能直线上升。即使在 300 倍 ImageNet 这么大规模的情况下,性能都没有遭遇平台。谷歌研究人员表示,构建超大规模的数据集应当成为未来研究的重点,他们的目标是朝 10 亿+ 级别的数据进发。

 

四、人工智能商业之路简析

1、前景展望

刚刚过去的首届世界智能大会上,科技部部长万钢表示,最近新一代人工智能发展规划已编制完成,规划对直到2030年的中国人工智能产业进行系统的部署,同时包括与此相关的人工智能重大科技项目。

与此同时,随着技术的进步与需求的拓展,人工智能也掀起了一股投资潮和创业热。资本、技术、政策三重利好的情况下,人工智能的应用场景也在打开。市场调研显示,截至2030年,人工智能将为全球GDP带来14%的增长,也就是15.7万亿美元。其中,6.6万亿美元来自生产力的提高,9.1万亿美元来自相关消费/商业市场。

 

2、障碍与风险

与人类不同,机器还不是很好的故事讲述者,他们不能总是给出一个理由。具有讽刺意味的是,即使我们已经开始克服Polanyi的悖论,我们也面临着另一个版本:机器知道的比它们能告诉我们的更多。

这将带来三个风险。首先,机器可能有隐藏的偏见,不是来自设计者的任何意图,而是来自提供给系统的数据。举个例子,如果一个系统了解到哪些求职者在面试中使用了过去招聘人员所做的一系列决定来接受面试,那么它可能会无意中学会将他们的种族、性别、种族或其他偏见延续下去。此外,这些偏差可能不会作为一个明确的规则出现,而是被考虑到成千上万个因素之间的微妙交互中。

第二个风险是,与传统的基于显式逻辑规则的系统不同,神经网络系统处理的是统计学上的真理,而不是真实的事实。这可能会使证明系统在所有情况下,尤其是在没有在培训数据中表示的情况下工作很难,甚至不可能。缺乏可验证性对于任务型的应用场景是一个问题,例如控制核电站,或者涉及生死抉择。

第三,当机器学习系统确实出现错误时,几乎不可避免地会出现错误诊断和纠正错误。导致解决方案的底层结构可能是难以想象的复杂,如果系统被培训的条件发生变化,那么解决方案可能会远远不够理想。

尽管所有这些风险都是真实的,但适当的标准不是为了定义完美,而是最好的选择。毕竟,我们人类也有偏见、犯错误,并且很难如实解释我们是如何做出一个特定的决定的。基于机器的系统的优点是,它们可以随着时间的推移得到改进,并在提供相同数据时给出一致的答案。

 

五、总结

那人工智能和机器学习能做到一切事情吗?我们有时会听到“人工智能永远不会擅长评估感性、狡诈、善变的人类,它太死板、太没人情味了”等类似的抱怨。那么什么是AI和ML做不到的呢?

然而,像Affectiva这样的机器学习系统,在以声音或面部表情为基础来辨别一个人的情绪状态时,已经达到或超越了人类的表现。其他系统可以推断出,即使是世界上最好的扑克玩家也能在令人惊讶的复杂游戏中击败他们。准确地阅读人们是一件很微妙的工作,但这不是魔法。它需要感知和认知——确切地说,现在的机器学习是强大的,并且一直变得更强大。

讨论人工智能的极限可以从毕加索对计算机的观察出发:“但它们是无用的,只能给你答案。”它们当然不是一无是处,正如机器学习最近的胜利所彰显的那样,但毕加索的观察仍然提供了参考。电脑是用来回答问题的装置,而不是用来造问题的。这意味着企业家、创业者、科学家、创造者和更多的人,他们都要想,下一步要解决的问题是什么,或者有什么新领域要探索,这将是至关重要的。

商业世界的构造变革时代已经开始,由技术进步带来。就像蒸汽动力和电力一样,它本身也无法获得新技术,甚至无法进入顶尖技术人员,将赢家和输家区分开来。相反,它是那些思想开放的创新者,能够看到过去的现状,并设想出截然不同的方法,并且有足够的悟性把它们放在合适的位置。机器学习的最大遗产之一可能是创造新一代的商业领袖。

在我们看来,人工智能,尤其是机器学习,是我们这个时代最重要的通用技术。这些创新对商业和经济的影响不仅反映在他们的直接贡献上,也体现在他们能够支持和鼓励互补创新的能力上。通过更好的视觉系统、语音识别、智能问题解决以及机器学习带来的许多其他功能,新产品和新工艺正在成为可能。

虽然很难准确预测哪些公司会在新环境中占据主导地位,但一般原则是明确的:最灵活、适应性强的公司和执行力将会发展壮大。在AI驱动的时代,任何对趋势敏感且能快速反应的团队都更应该抓住这次好机会。因此,成功的策略是愿意尝试并快速学习。如果职业经理人们没有在机器学习领域增加实验,他们就没有在做他们的工作。未来十年,人工智能不会取代管理人员,但使用人工智能的经理将取代那些不使用人工智能的人。

【TensorFlow1.2.0版发布】14大新功能,增加Intel MKL集成 2017-07-22 07:48:32

主要的功能和改进

1. Windows上支持Python3.6。

2. 时空域去卷积(spatio temporal deconvolution.)增加了tf.layers.conv3d_transpose层。

3. 增加了tf.Session.make_callable( ),为多次运行一个相同步骤的运行提供了更低的overhead手段。

4.增加了ibverbs-based RDMA支持。


5. RNNCell 对象现在从属于 tf.layers.Layer,在TensorFlow 1.1 发布时的严格描述已经被删除:一个RNNCell首次被使用,它自己缓存其范围(scope)。所有将来使用的RNNCell都会对来自相同的范围的中的变量进行重复使用。对于TensorFlow1.0.1及其以下版本中的RNNCell来说,这是一个突破性的改变。TensorFlow 1.1 版本已经经过检验,以保证旧的代码在新的语义下也能正确的工作。新版本会让RNNCell的使用变得更加灵活,但是,如果使用为TensorFlow 1.0.1 以下版本所写的代码,可能会导致一些微小的错误。例如,输入MultiRNNCell([lstm] * 5) 将会搭建起一个5层的LSTM堆栈,每一层共享相同的参数。为了让5层中每一层都有自己的参数,输入MultiRNNCell([LSTMCell(...) for _ in range(5)]). 如果不太确定,你可以先在TF 1.1中测试你的代码,保证没有任何错误后,再升级到TF 1.2。


6. TensorForest Estimator现在支持SavedModel输出。

7. 支持用户提供的ClusterSpec’s,并把其分配给所有的工作者,以确保能创建动态的TensorFlow集群。

8. TensorFlow C 数据库现在在Windows可用。

9. 发布了一个新的开源版本的TensorBoard。

10.在SavedModel中,SavedModel CLI工具可用于MetaGraph检查和执行。


11. 安卓发布的TensorFlow现在被推送到jcenter,方便用户更加简便的融入app中。更多细节,参见:https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/android/README.md

12. RNNCells 的变量名,现在已经被重命名,以与Keras层保持一致。具体地,此前的变量名称“weights”和“biases“现在已经变为”kernel”和“bias”。如果你的旧的checkpoints中包含了这样的 RNN cells,这可能会导致反馈的不一致,此时你可以使用工具checkpoint_convert script来改变旧的checkpoints中的变量名字。


13.在1.0发布前,许多的 RNN 的功能和类别都在 tf.nn 命名空间中,后被移到tf.contrib.rnn 。现在,这些功能和类别都被移回核心命名空间。其中包括 RNNCell, LSTMCell, GRUCell, 和其他的一系列 cells。 原始的 tf.nn.rnn 功能现在变成了 tf.nn.static_rnn, 双向的数据和状态存储数据rnn功能现在有备移回tf.nn 命名区。

比较值得一提的例外有: EmbeddingWrapper, InputProjectionWrapper 和

OutputProjectionWrapper,三者将会被逐渐搬到tf.contrib.rnn 的deprecation中。有一些无效的wrapper,需要经常进行替换,在rnn的预处理和后处理阶段,用所谓的embedding_lookup layers.dense进行替换。在RNN的解码中,这一功能性将会被一个在tf.contrib.seq2seq.
中可用的API取代。

14. Intel MKL 集成 (https://software.intel.com/en-us/articles/tensorflow-optimizations-on-modern-intel-architecture). Intel 开发了一系列经过优化的深度学习基元(primitives):除了矩阵乘法(matrix multiplication)和卷积以外,这些基本模块还包括:直接的批量卷积、池化(最大化、最小化和平均数)、激活(线性整流函数)ReLU、数据处理(多维移项、分解、合并、相加等)。



弃用

TensorFlow 1.2 可能是我们最后一次使用 cuDNN 5.1 构建。从 TensorFlow 1.3 开始,我们将尝试使用 cuDNN 6.0 构建所有与构建的二进制文件。虽然我们会尽量保持源代码与 cuDNN 5.1 兼容,但不能保证。


API 的重要变化

org.tensorflow.contrib.android.TensorFlowInferenceInterface 现在在可能的情况下会引起异常,并简化了方法签名。

contrib API的变化

增加了 tf.contrib.util.create_example

tf.contrib.image 增加了双线性插值。

为自定义seed control 的随机操作增加 tf.contrib.stateless

MultivariateNormalFullCovariance 添加到 contrib/distributions/

tensorflow/contrib/rnn 经历RNN cell变量重命名以与Keras层一致。具体来说,先前的变量名称“weights”和“biases”分别改为“kernel”和“bias”。对于包含 RNN cells等的旧检查点,这可能会导致向后不兼容,在这种情况下,你可以使用checkpoint_convert 脚本来转换旧检查点的变量名称。

在TensorFlow中添加了tf.contrib.kernel_methods 模块,包含对原始(显式)核方法的Ops和estimators。

Bug 修复及其他改变
  • 在Python,类型属性上的 Operation.get_attr 恢复了类型的 Python DType版本,以匹配预期的 get_attr文档,而不是protobuf枚举。

  • 构建iOS库时,MIN_SDK版本更改为8.0。

  • 修复了LIBXSMM集成。

  • 使 decode_jpeg / decode_png / decode_gif 能够处理所有格式,因为用户经常尝试将图像解码为错误的类型。

  • 改善了隐式 broadcasting lowering。

  • 通过更快地重试过时的传输来提高GCS / Bigquery客户端的稳定性。

  • 删除OpKernelConstruction :: op_def()作为最小化原型依赖关系的一部分。

  • 添加了VectorLaplaceDiag分布。

  • Android demo不再需要libtensorflow_demo.so来运行(libtensorflow_inference.so仍然需要)。

  • 添加了 categorical_column_with_vocabulary_file

  • 在Session :: Run()调用中引入batching/unbatching张量的操作。

  • 添加了 tf.log_sigmoid(x) = tf.log(tf.sigmoid(x)) = -tf.nn.softplus(-x).

  • 将hooks lists更改为不可变元组,现在允许对相关参数进行任何迭代。

  • 引入了 TFDecorator。

  • 为语音特征生成添加了Mfcc操作。

  • 改进了DirectSession :: Run()和错误检查。提供一个错误类型的值将同步引发INVALID_ARGUMENT错误,而不是异步地引发INTERNAL错误。在提供错误类型的张量时,取决于(未定义)行为的代码可能需要更新。

  • 添加了unreduced NONE,并减少MEAN选项的损失。从其他 Reduction 常数删除“WEIGHTED_”前缀。

  • assertAllClose现在能处理dicts。

  • 为HloInstructions添加了Gmock匹配器。

  • 将变量名称添加到变量恢复的错误。

  • 为音频特征生成添加了AudioSpectrogram 操作。

  • 为损失添加了 reduction 参数。

  • tf.placeholder可以表示标量形状并且部分是已知的。

  • 删除了estimateator_spec(mode)参数。

  • 如果超过40次运行,TensorBoard将默认禁用所有运行。

  • 删除了旧的doc生成器代码。

  • GCS文件系统集成现在支持域存储桶例如gs://bucket.domain.com/path。

  • 为输出文本添加了tf.summary.textTensorBoard

  • tfdbg的命令行接口的“run”命令现在支持按节点名称操作类型和张量类型过滤张量。

  • tf.string_to_number现在支持int64float64输出。

金准数据 2017国内手机销售研究报告 2017-07-21 13:45:35

一、上半年手机线下销售量排行

 

从图中可以看到华为,OPPO,和vivo的销量十分稳定,但这仅仅是线下,OPPO比vivo多了37w,比华为多了48w,但如果算上线上,华为加荣耀比OPPO和vivo的都高一些。

令人意外的是:苹果竟然是第四!三星仅有390w的出货量,让人吃惊。小米,金立已经站稳脚跟,仍有上升的希望,特别是正在积极开店的小米。

 

 

 

 

 

线下增长情况对比

 

·对比下魅族,小辣椒,苹果,乐丰,金立,三星均在下降,特别是三星,下降的最多。

 

二、出货量排行榜

金准数据最近给出了国内低端、中端、高端手机出货量排行榜TOP15,在这三个榜单中,华为表现最为出色,其次是OPPO、紧接着是小米。

值得一提的是出货量≠销量,因为可能出货量会有部分成为库存,但是出货量也可以间接反映这款手机的销量,所以这两者不成正比,但可以互相影响。

 

在低端机出货量排行榜中,前15名里小米上榜四款手机,其中红米4X排名第一,紧接着是荣耀8青春版,VIVO Y53排名第三,在低端机排行榜中,小米、华为、VIVO表现出色,值得意思的是魅族Note5也上榜了,排名第12。

 

而在中端机排行榜中(2000-2999元)前15名中,基本被华为和OPPO霸占,而小米这边仅小米6上榜,OPPO R11排名第一,VIVO X9排名第二,华为Nova2/Nova2 Plus排名第三。

·在中端机出货量排行榜中,华为和OPPO表现出色。

 

而在高端机出货量排行榜中(3000元以上),华为表现依旧非常不错,华为P10、华为Mate9两款旗舰机全都上榜,vivo X9 Plus排名第三,金立在经过宣传和加强自身品牌营销力后出货量也大增。

 

三、手机品牌分析

1、华为

2017整体市场疲软,华为高歌猛进

根据Canalys公布的第一季度数据来看,排名全球第三的华为以近22%的增长率保持了在中国的统治地位,一季度出货量由去年同期的2810万台攀升至3420万台。从两个维度来看,华为中国第一,世界第三的地位已经得到了确立,在手机市场整体疲软的今天,华为的持续高速增长,还是值得肯定的。

华为在P系列和mate系列的成功,牢牢抓住了中国商务人群的群体,而Y系列和荣耀系列,则在平价机市场表现不俗,这种手机全产线的覆盖,本质上还是一个品牌的成功。同时,华为并没有放弃线下市场的耕耘和开拓,已经同样建成了自己强大的线下体系,和OPPO、VIVO展开了肉搏竞争。从这个角度来看,华为的策略更像是阵地战,开始从上层逐渐覆盖下层,通过品牌势能来冲击三四五线的基层市场,目前看来,这个打法还是比较行之有效的。目前华为、OPPO、VIVO三家已经占到了整个手机市场的50%,基本可以说大局已定,剩下的就是彼此之间的份额血拼了。而2015年的冠军小米到现在依旧解决不了产能问题,发了新机米6却还是一机难求,逐渐丧失了和三巨头一较高下的能力。

 

稳扎稳打,基于技术突破

华为能够稳健走向巅峰,其核心原因还是在技术和渠道两方面都非常硬朗,没有明显的短板,却有很强的优势。从宏观上讲,华为民族企业的形象已经深入人心,在品牌上具有一定的优势。这和小米定位的年轻极客人群以及OPPO的时尚女性人群有着比较明显的区分,所以才能抢到政商市场的大部分份额。而从技术上讲,无论是国内独树一时的麒麟系列芯片,还是最近几款机型主打的徕卡双摄像头技术,无论是性能还是使用上都有了比较明显的优势,也得到了用户的认同,尤其是在和高通芯片比较的情况下,都不落下风,也让很多用户燃起了爱国雄心。

 

而在营销上,华为手机大胆的配色,以及机身工艺的不断突破,都在引领着时尚的潮流,打破了2016年之前的土豪金一统天下的局面,率先在时尚感以及背壳材质和工艺上下了功夫。其实华为在拍照上的品牌抢占是特别精准的一步妙招,因为几乎所有的竞争对手都选择了在拍照上进行突破,尤其是OPPO并不以性能见长,所以拍照就成为其核心竞争点。而华为采用和徕卡合作的方式把自己的拍照实力大大提升,加上不俗的性能和外观,在整体实力和品牌上,形成了比较明显的优势。而对比其他性能旗舰,其拍照优势就更加明显。总体说来,当前的手机市场竞争激烈到不能够有短板存在,而华为的全面,显然是其最大的优势所在。

这两年,华为一直在迈向高端市场方面进行不断的努力和突破,而目前和荣耀一起,也确实站稳了高端的脚跟,对中端市场也有广泛覆盖,而重要的是在今年华为在三四五线城市的线下市场也有所突破,这个全面发展的增长态势,显然更稳健一些,这也为今年华为最终的领先,奠定了基础。华为最近两年在手机市场上的进步有目共睹,而现在则逐渐形成了全面的优势,尽管还面临着诸多的竞争,但如果想要挑战三星和苹果这样的巨头,依旧还是要靠华为这样的实力派选手。

 

2、OPPO

2015年,手机市场的第一位属于巅峰的小米,但到了2016年,小米崩盘式的下滑,一下就滑到了第五。本来大家都认为市场第一应该属于华为,但是却意外的发现OPPO通过单点爆破机型R9拿到市场第一。

主打年轻群体的OPPO拍照手机,凭借着出色的产品表现赢得了众多年轻用户的喜爱。根据调查数据显示,在2500-2999元档位的手机中,OPPO占据了33%的份额,是占据份额最大的一个手机品牌。这已经是OPPO手机连续12个月取得线下市场份额第一。

 

6月16日以来,仅开售半个月的OPPO R11,就已经成为线下手机市场中2500-3000元价位中销量最好的一款手机。在2500-2999元档位的手机中,OPPO R11占据了2.7%的份额,远远高于vivo X9L和华为BAC-AL00。

 

另外,得益于OPPO R11上市后的热销,在所有品牌中,6月OPPO取得线下市场份额最大增幅,增额为1.66%;vivo的增额变动仅为0.19%,而华为的增额变动为0.32%。

根据金准数据显示,在6月份线下市场最畅销的五款手机中,OPPO就占据了3款,分别是OPPO R11、R9S和A57,其他两款是vivo的 X9和Y66。可见,OPPO近年来的产品表现,获得了市场和用户的高度认可。

 

“前后2000万,拍照更清晰”的OPPO R11,不仅前后摄像头都高达2000万像素,后置拍摄有专业的人像模式,前置拥有“臻美自拍”功能。后置2000万像素长焦镜头还可以实现2倍无损变焦和10倍的数码变焦功能,用OPPO R11不论是拍景,还是拍人物,都等得到很好的拍摄效果。

OPPO近年来一直致力于洞察年轻用户的核心需求,在拍照和闪充等领域有着深厚的技术底蕴,因此,OPPO R11一上市就备受年轻人的热捧。


3、三星

金准数据显示,2017年上半年三星手机在中国线下市场销量直线下滑65.8%。Note7“炸机”事件的后续影响或许正在显现。

寄望新机型翻身却后期销量乏力?

在经历了Note7爆炸后,三星手机进入了低谷。不过,进入2017年后,三星终于迎来被称为手机史上“跨时代”的标志性产品——三星Galaxy S8。因其拥有超高屏占比的“全面屏”概念,被三星,甚至产业界公认为改变手机发展方向的产品。三星也期望通过S8一扫Note7“炸机”阴霾。

S8的前期表现一度让三星信心倍增。

据三星数据显示,4月初Galaxy S8/S8+在韩国预售10天之内,其销量就突破100万部,并创下了该公司引进预售制度以来的最高纪录。作为对比,上代旗舰三星Note7的预订量只有40万部。

而到了5月中旬,三星电子内部人士就声称,Galaxy S8/S8+的全球销量已经突破500万部。这一数字比去年的S7和S7 Edge高了20%。包括分析师和三星内部估算,S8系列最终销售量将有望达到至少6000万部!这也将超越前一代产品S7系列累计销量5000万的数据。


不过,最新消息显示,S8后期销量出现乏力,甚至不及同期的S7。

据媒体报道,三星旗舰S8经历前期热销后,目前销量出现乏力,前两个月其销量约为980万台,比去年S7系列的1200万台低了20%。此外,还有消息称,三星已经削减了零部件订单,看来S8的销售并没有预期中火爆。

随后,三星总裁高东进在最近的一次媒体见面会上回应了S8和S8 Plus销量不及预期这个问题。他提供了一组数据,数据显示,目前三星S8和S8 Plus的销售额已经比上一代高出15%左右。而且按照目前的趋势,在今年第三季度和第四季度的销量都不会下滑。

 

中国线下市场销量暴跌

三星上半年全球销量究竟如何尚无全面数据得出结论,但随着中国市场统计数据的出炉,三星手机在中国线下市场销量的直线下滑却暴露无遗。

金准数据显示,2017年上半年三星手机在中国线下市场销量直线下滑65.8%。

与此相印证的是,有手机零售店主告诉《证券日报》记者,他今年上半年三星新机型一共就卖出了两台。“我们这儿(卖场)有20家手机店,上半年一共也就卖出两三百台三星手机。”该店主所在地区经济较为发达,曾列全国百强县。

对于上半年三星惨淡的销量,上述手机店主告诉《证券日报》记者,Note7“炸机”确有影响。“再就是三星手机降价快,压不起货,价格也高。你看vivo的价格就控制得好,有价格保护。”但他认为最重要的原因还是三星在该地区没有组织代理。“三星经销商是神一样的传说,我们都没见过。三星在我们这儿只有一家授权店,还是渠道不够下沉。”

有媒体爆料称,从三星电子内部多个信源获知,从2017年7月1日起,中国三星电子将撤销七大支社。改编之后,七大支社将变为26个办事处。常务、次长、副总等级别的领导变为各办事处负责人。随后,三星中国向媒体确认了该消息属实。

对于此次架构变动的深层次原因,分析人士认为,可能与三星新一代旗舰手机S8 在中国区销量未达到预期有关。

三星电子官方虽然没有具体说明架构变动原因,但是有三星电子高层对媒体表示,三星要加强渠道的零售能力,支社的层次太多,不利于销售。加上外部环境的竞争压力,精简中间的支社机构,更利于办事处应对变化的竞争从而快速调整销售计划提升销量。

 

中国市场强敌环伺 三星处境不妙

的确,除了自身存在的问题,三星在中国市场可谓是强敌环伺。赛诺数据显示,2017年上半年,OPPO、VIVO、华为仍然是中国线下市场的传统三强。

尽管手机和彩电在全球市场,三星仍然称霸,但三星的压力正来自于中国企业的追赶和可能的超越。三星手机在中国最大的对手是华为、OPPO和vivo,彩电行业最大的对手是海信、TCL、创维和长虹。

有分析指出,三星之所以能在手机和彩电领域称霸全球,正是源于三星的不断创新。但中国企业的表现似乎超出预期。国际并购、自有品牌国际化提速、用创新技术引领行业走势并成为标准,这些过去是三星杀手锏的拿手好戏已经成为中国企业的常态。不是三星没有创新,而是中国创新速度超出预期。

三星在中国市场的处境不妙由来已久。近几年持续下滑的市场表现,严重影响了消费预期。三星手机从2013年到2015年在中国销量已连续年下滑,分别下降18%、16%和15%。这也致使三星营收从不断下滑,2013年为40.1万亿韩元,2014年为33万亿韩元,2015年为31万亿韩元。

彩电的市场表现也不乐观。2016 年末市场调查机构IHS统计,以三星为首的韩国彩电品牌在中国的市场占有率已经跌破5%,降至4.5%,达到了有史以来的最低点。

有分析指出,七大支社的机构调整是在中国市场的节节败退不得已而为之。三星的拐点源于中国品牌的崛起和国际化提速。对三星来说,此次对七大支柱的撤销,将可能伴随着裁员。虽然在上述手机店主看来,“其实三星质量还是挺好的。”奈何质量不等于销量,三星或许还要等待自己的天时地利。

 

4、Vivo

vivo算是不负众望,凭借大手笔广告投入:代言人从宋仲基到现在彭于晏,15年3.5亿冠名湖南卫视《快本》、浙江卫视的《王牌对王牌》、江苏卫视的《非诚勿扰》和强大的线下销售渠道,已经让vivo在消费者的心中有一个相对较高的影响,当然vivo X9成为2016年最热门的品牌型号还有以下几点助攻。

外观从X9的额头讲起,不在走曾经的三星,摆脱了清一色的对称大白设计的网红脸。谈到边距,屏幕亮起后,X9的黑边已经非常非常窄,这对这方面要求的用户来说给个高分一点也不为过。而在性能上有x9对骁龙 625+4 GB 这个配置的优化做的非常到位。

 

关于续航,vivo X9 配备了 3050 mAh 的电池,但有人实验对比 S7 Edge 的 3600 mAh 电池更耐用,而且vivo X9 支持快充。最后vivo拍摄是不得不说的,毕竟这是人家广告特打,X9 搭载的是前置双摄像头,而且 X9 的额头比别人多一个孔。这样vivo X9 的前置相机支持双摄虚化,支持先拍照后对焦。除了双摄像头,X9 保留了 X7 上前置柔光灯的设计,真是为了自拍vivo也是拼了。vivo X9 带有前置柔光灯,除了能让肤色变得红润而富有光泽外,最重要的是这颗前置柔光灯将自拍的场景无限扩大,这是其他手机做不到的,这也是 vivo X9 的核心竞争力。

 

从上面分析中我们可以大胆得说,苹果三星再也不是高不可攀甚至是超越的神话,国产手机的崛起已是不争的事实。以vivo X9为代表的国产高端手机的挺进,势必将进一步蚕食三星苹果的市场份额。虽然现在在某些方面还是存在差距,但是国产手机的增长势头迅猛,苹果三星真的要很担心呢。

金准数据 共享单车利弊研究报告 2017-07-20 13:40:05

共享单车以其低价、便捷、简单的使用优势,迅速赢得广大消费者的青睐。然而,共享单车给消费者带来全新消费体验的同时,也逐步暴露出其由于共享意识缺乏而导致的管理、停放、服务、配套等方面的问题,出现一些侵害消费者合法权益的现象,给城市管理及消费者权益保护带来不少难题。

一、共享单车发展现状

1、共享单车品牌

(1)摩拜单车

 

(2)ofo小黄车

 

 

(3)小鸣单车

 

(4)Hellobike

 

·通过一番梳理发现,除了较早入局的摩拜、ofo外,整个2016年至少有25个新的共享单车品牌汹涌入局,其中甚至还包括电动自行车共享品牌。

25个品牌包括:小鸣单车、小蓝单车、智享单车、北京公共自行车、骑点、奇奇出行、CCbike、7号电单车、黑鸟单车、hellobike、酷骑单车、1步单车、由你单车、踏踏、Funbike单车、悠悠单车、骑呗、熊猫单车、云单车、优拜单车、电电Go单车、永安行、小鹿单车、小白单车、快兔出行。

值得注意的是,这些还是数得上名字的共享单车品牌。

 

2、现状分析

共享单车刚开始是以一种类似公益目的出现,因为没有任何一家企业能够给出这个行业的商业模式,只不过作为互联网创业的一种,重复互联网企业过去的路径:依靠大规模投放先要创造更多流量,然后再想着如何将流量变现。这与互联网打车软件通过大规模补贴吸引客户的做法类似。由于共享单车准入门槛比较低,主要是单车制造,集团化采购成本更低,这导致很多资本涌入,以至于大家调侃,“共享单车让颜色都不够用了”。

这两年来共享单车迅猛发展,市场中涌入了许多品牌的单车,一时间大街上可以看到各种颜色共享单车停在路边。目前位于共享单车第一行列的当属摩拜和ofo,仅用了两年的时间估值就达到了100亿元,阿里巴巴达到这个估值用了六年时间,腾讯更是用了七年,由此可见这个行业到底有所火爆。

市交通委近日公布了一组最新数据显示,青岛地区共享单车投放数量超过15万辆。共享单车从3月份进入青岛,到突破15万辆,只用了不到4个月的时间。公众的出行便利和城市的交通顺畅,原本难以兼顾的两个难题,似乎随着共享单车的普及,有了一个解决的契机。

不过,在破解城市交通“最后一公里”难题的同时,有很多暴露出的问题也日益引发公众的担忧。

 

当一座城市猛然冒出10余万辆共享单车,的确考验着这座城市的承载能力。它们的出现被称为城市里的一面镜子,既照出了骑车人的个人素养、文明程度,照出了各家单车公司技术上的漏洞、管理上的缺陷,还照出了一座城市各个管理部门对于公共资源的协调能力,既要保证机动车有位可停,又要保证非机动车有路可走,协调起来的确考验着政府相关部门以及每一名交通参与者。

不过共享单车在经过了开始的发展阶段后,渐渐的进入了洗牌阶段,第一个倒下的就是“小红车”悟空单车,据称有90%的单车找不到,这也可以看出共享单车行业目前的混乱。那么当洗牌结束,市场秩序也正常后,共享单车又会成什么样呢?

 

三、共享单车利弊分析

1、共享单车之利

1)很大程度上缓解了“黑摩的”问题

不少“黑电动”聚集到地铁站出入口拉客。为出行安全考虑,公安在每个地铁站口都贴出告示,请市民不要乘坐此类交通工具。但由于公交站点建设和市民换乘、打车都有不便之处,仍有人会选择乘坐“黑摩的”。 有市民表示,如果出了地铁站就可以换乘小黄车,既方便又便宜,就再也不用坐“黑摩的”了。

2)方便上下班“最后一公里”

不可否认地,这一新兴的出行方式能为市民带来许多便利,使用共享单车,是解决“最后一公 里”问题的理想方案。开车怕堵,走路嫌累……在纠结于选择何种交通方式时,市民有了共享单车这一更便捷的选择。


3)绿色环保

自行车作为一种短距离出行工具,也有助于城市“慢交通”系统的搭建。搭配步行或者公交车、地铁等交通方式,共享单车可用作换乘接驳,这不仅节省了市民的出行成本,还对城市的低碳、绿色和可持续发展有不可忽视的推动作用。

4)便于财团资金运作

用户缴纳99-299不等的押金还有充值,巨大的资金流为企业便于资金操作。

 

5)受游客青睐

七月份,青岛已进入传统旅游旺季,前海一线各景点的游客络绎不绝。和往年不同的是,今年为数不少的游客选择共享单车作为交通工具,边骑行游览,边拍照留念。

今年3月下旬开始,各家共享单车企业在青岛陆续投放。据市交通运输委统计,截至目前,青岛地区共享单车数量已超过15万辆。尤其是从6月份开始,随着旅游旺季的到来,ofo、摩拜、酷骑三家共享单车企业的数据均显示,岛城单车骑行频率有了较大提升。

 

2、共享单车之弊

(1)违停占盲道、堵通道

 

 

2)被用户私藏是个大问题

对于赶时间的上班族来说,每天从地铁站或公交车站狂奔到办公室的最后一段路是最着急的。赶时间可以理解,但是为了自身的利益,不少自行车被用户私藏在家里或办公楼内方便自己使用。这样的做法就太过自私了。小编在做兼职的时候路过武汉湖工附近的城中村,找了N辆共享单车都不能骑,上私锁,刮花,破坏问题非常严重,大多都是ofo小黄车,因为解锁方便,固定密码。然而摩拜的就好多了,而小黄车却沦为小孩子的玩具。

 

 

3)破坏自行车

网约自行车在武汉投入以来已经遭到了不同程度的破坏,主要体现在车座的损坏、车闸闸线的脱落,以及用户扫码失败三点。自行车二维码被涂改、车座损坏、车身贴满小广告,公车私用被上锁,将车停放在小区、办公室等非公共区域,这也是车辆很难被顺利找到的原因。

 

4)收费乱象严重,退款延时

浙江嘉兴的施先生使用小鸣单车时突遇后台错误,20分钟收费41万。这么简单的错误单车后台工作人员也能犯,真的是无言以对。退款延时,单车退款有快有慢,在有关部门的警告之下这种情况才好多了。

 

三、解决建议

1、路权平衡需仔细考量

中国政法大学教授朱巍认为,地铁、公交等公共交通是城市的骨骼,共享单车则将成为毛细血管,要构建更加成熟的城市交通体系,机动车道与非机动车道的路权平衡需仔细考量。“像青岛、大连、烟台等一些沿海城市,它的山地比较多,主要路权集中在机动车手中,社会成本太高,路权逐步要从机动车道向非机动车回归一下。”朱巍说。

2、摩拜:智能化手段加强信用管理

摩拜单车青岛地区负责人李行认为,通过智能化手段加强管理更为可行。“目前我们在青岛而言我们是采用一个信用分制度,每个用户每次骑行能够给他加一分,如果出现这种乱停乱放,经过我们核实,我们会给他扣20分,当他信用分低于80分的时候,他的用车成本会上升到每小时100块钱。”李行说。

 

3、平台应担负起更大的责任

除青岛外,北京、上海、天津等城市都面临共享单车乱停乱放的问题。北京等城市曾划出固定区域禁止共享单车驶入,但都没有收到较好的效果。中国政法大学教授朱巍认为,平台应担负起更大的责任。

“平台的责任是很重的,一方面要维护使用者的安全,另一方面要购买保险,第三方面还得要对数量进行调控。比如说一定时间段,车辆集中在A点,但是过了一定时间段,B点的需求量超过A点,但是大家把车停在A点之后就不会再骑行到B点,平台就有责任人为的把车辆从A点拉到B点,去等待下一个高峰段。”朱巍说。

 

四、总结

共享单车行业最近新闻频出,先是重庆悟空共享单车成为首家退出市场的企业,然后摩拜和ofo小黄车后面的两位大佬在朋友圈进行了一番“互怼”,随后,ofo又将原本99元的押金上调至199元,这些动作显示了这个行业经历野蛮成长之后,开始进入一个瓶颈期,面临发展方向的焦虑。

共享单车作为新生事物,从诞生到成熟,不可能一帆风顺,成长路上的难题还得在成长中破解。从企业角度来说,调节总量,提升车辆管理水平是当务之急;从政府角度来看,严格执法,合理制定规则是管理方向;对市民和游客来讲,文明使用,规范存放,不仅是对自我的肯定,更是对共享单车发展的一份贡献。

金准数据中国汽车后市场供应链分析报告 2017-07-19 15:52:49

一、后市场供应链概览

1、概念定义

后市场供应链体系分为三大主要环节:生产、分销、零售。

零部件生产商生产配件,通过多个层级的批发商分流,再到达各类维修厂,由维修厂最终出售给消费者。其中,主机厂授权渠道和非主机厂授权渠道 (即独立后市场渠道)的供应链体系有很大的不同。


2、配件类型

目前主机厂授权渠道仍以授权配件为主,非授权配件则主要流通于独立后市场渠道中。随着政策的细化,越来越多的配件将在两类供应链体系中实现全流通。

3、分销层级

主机厂授权渠道层级相对较少,授权配件经主机厂售后部门直接流入4S店体系。而在独立后市场渠道中,配件将由多层级批发商经手,才会流入零售端的各类维修厂中。

4、零售端

主机厂授权渠道以4S店为主,而非主机厂授权渠道的零售端形态则更为多样化,包括连锁店、维修厂和夫妻店等多种维修业态。

除了以上供应链环节外,保险公司在后市场中也起到越来越重要的作用。对于事故车而言,在哪里进行维修用什么配件进行维修,都将受到车险条例的直接影响。


二、配件类型分析

1、 配件品类定义

汽车配件的种类繁多,根据维修保养的特点可以分为4大类:

·保养件:根据保养要求进行替换,配件最为常见,通用性高,技术要求相对较低,例如:机油、三滤。

·易损件:根据行驶里程要求进行替换,配件较为常见,通用性较高,技术要求高于保养件,例如:轮胎、蓄电池、雨刮片等。

·维修件:也称为故障件,配件设计的生命周期较长,但存在故障可能性,因而仅在发生故障时进行维修或替换,通用性较低,技术要求也更高,例如:起动机、发电机、离合器等。

·事故件: 主要在事故后进行更换,通用性低,技术要求高,例如:大灯、保险杠、A柱等。


2、 配件品类占比及趋势

在四类配件中,维修件由于配件单价较高,且更换较为频繁,在后市场配件中价值占比最高。保养件及易损件尽管替换频次高,但配件单价较低,因此市场份额在20%以下。而事故件则受事故率影响,替换频次低,尽管配件金额高,市场份额为23%。


3、 配件品质分类

除了配件品类以外, 另一个看待配件市场的重要角度是配件品质。

根据生产企业、配件标识和质量,配件可以分为原厂件、OES件和品牌件三大类。

鉴于3年出保车辆的车主多会选择品牌件,因此品牌件的份额目前已达到了60%以上。受到主机厂授权分销体系的保护,原厂件占据20%以上的市场份额。OES件则由于价格偏高,又缺乏足够的市场认知度和辨识度,因此份额较低。

未来,品牌件份额将进一步提升,主要原因在于:

1)中国市场车龄上升,且出保车辆占比上升,使用品牌件的车辆占比提升;

2)政策推动后市场透明化规范化,品牌件产品品质不断优化,消费者对品牌件的认知度也将逐步提高,使用品牌件的意愿也逐步上升。

三、分销渠道分析

1、后市场配件分销结构

如前所述,中国汽车后市场配件分销渠道有两种主要类型:主机厂授权渠道和非主机厂 授权渠道(独立后市场渠道)。其中,独立后市场渠道占据了配件后市场规模的大部分份额,未来份额还将进一步提升,需要特别关注。

配件的独立后市场供应链体系与主机厂授权渠道相比更加的复杂。目前中国的配件分销渠道呈现出网状特征,在各层级间有很多互动。

2、分销结构变化趋势

目前的分销结构层级众多且市场分散,分销效率较低,下游维修厂的采购体验也并不好。随着行业的逐步成熟,未来中国市场的分销结构也将发生变化,逐步向效率更高的模式转变。

批发商们为了获取更多的利润,增加客户基盘,将逐步推进行业整合。可以预见,未来几年的中国汽车后市场分销体系中,横向整合及纵向整合都将存在。最终,后市场分销体系将更为扁平化,层级逐渐减少,并会出现规模化、专业化的批发商。


四、零售端分析

1、零售端分类

中国后市场零售端的业态和配件分销渠道有很强的关联性。在主机厂授权渠道中,零售端主要是4S店的授权售后业务,即为授权主机厂维修保养该品牌的车辆。在独立后市场中,零售端的业态有3种主要的类型,分别是规模较小的夫妻店、规模较大且更正规的维修厂,以及以加盟形式为主的连锁店。而在维修管理相关法规出台后,4S 店也能够开展对其他非授权品牌的维修保养业务,由此4S店非授权品牌业务成为了独立后市场的新兴业态。


2、零售端规模及发展趋势

2016年,中国汽车后市场共有维修厂44万家,其中4S店共有2万多家,其他皆属于汽车独立后市场。新车销售3年内,消费者更加倾向于进入4S店进行维修保养;但随着车龄的上升,出保车辆在存量车中的占有率将不断提升,车主出于成本考量,将更有意愿去独立后市场进行维修保养。因此独立后市场份额将逐步增大,蚕食4S店份额。

在独立后市场中,目前夫妻店和独立维修厂占据主要市场份额,未来将逐步受到连锁维修和4S店的挤压。

夫妻店主要服务周边社区。夫妻店的规模小,通常只有1-2个工位,甚至没有举 升机。由于不正规,并且会使用假件以次充好,夫妻店面临着来自于维修厂和连锁的强烈竞争。受到维修管理条例和配件质量分级的影响,夫妻店通过销售低质量配件赚取盈利的空间越来越小。未来,预计夫妻店将迎来大规模破产潮,或被连锁维修并购。

独立维修厂的占比仅次于夫妻店。与后者不同的是,独立维修厂的规模更大,在物料销售、产品及服务定价方面都更加正规。独立维修厂未来仍将是独立后市场中的中坚力量。

连锁维修逐步规模化发展。大部分连锁维修提供汽车美容、快修快保服务,依靠良好的服务、规范定价等优势,逐步建立起连锁品牌形象,也有一部分一站式服务中心,提供车辆维保类服务,也受到消费者的欢迎。连锁维修凭借其优势,未来市场份额将进一步提升。

4S店的独立后市场部分则受政策影响,已在近期兴起。区别于传统的4S店渠 道,4S店独立后市场部分指4S店为非授权品牌车辆提供维修保养等售后服务。由 于新销售管理办法的实行,主机厂放开了对经销商的控制,4S店能够为其他社会 车辆提供售后服务。从4S店的角度来说,提供独立后市场服务有助于扩大其营业收入和毛利。因此,4S店独立后市场服务未来也将快速崛起。但受到4S店高价格的限制和较小的客户基盘,4S独立后市场业务规模仍较为有限。


五、未来面临的主要挑战

通过对后市场供应链的梳理可以发现,中国汽车后市场存在配件信息不透明、交易链层级众多、市场分散的问题。然而,要解决这些问题,形成高效的后市场供应链体系,仍面临着三大挑战。

挑战一:配件信息统一难

对于后市场供应链而言,有两套重要的编码体系,能够帮助批发商和零售商定位到指定的车型和配件。

一套编码体系是车辆识别码,也称为VIN码 (Vehicle Identification Number),能够识 别车辆的品牌、生产时间、车型、车身形式 及代码、发动机代码、组装地等关键信息。这套体系的编码方式由SAE进行规定,相对较为透明。目前国内的合资品牌皆沿用了该品牌的国际编码方式,因此VIN码的解析不存在壁垒。而VIN码也是主要的编码系统,被广泛应用于配件信息的沟通和交易。

另一套编码体系则是主机厂对配件的EPC码。存量车型EPC编码体系由主机厂自己规定,因此缺乏行业统一的编码标准。《维修保养管理条例》中,已经明确规定主机厂必须公开自己的编码体系。但由于各个主机厂编码方式不同,难以产生统一的、全国范围的编码体系。由于缺乏共同的编码语言,在配件的流通中,EPC码仅起到辅助作用,批发商和零售商可能会掌握自己常用的几个品牌的EPC码体系。各品牌的EPC码体系不统一将是配件信息透明化的主要壁垒。

在中国汽车后市场发展的几十年中,也出现了不少企业期望打通行业EPC码壁垒,自成体系形成一套新的编码系统。但由于存量车型庞大的编码库,尤其是自主品牌多样化的编码方式,对打造新编码系统所需的时间和投入提出了较高的要求。因此,尽管目前已有企业具备打通大部分编码体系的能力,但出于商业化考虑,为了能够逐步收回前期巨大投资,编码体系多以付费平台的方式进入区域市场,仍没有形成全国范畴的统一透明的配件信息平台。


挑战二:配件信息与供应链 体系匹配难

实现配件的自由流通,除了需要配件信息的透明化之外,还需要将配件信息与供应体系进行匹配。对于非授权配件供应商,尤其是规模较小的国内品牌件供应商而言,其编码体系相对不完善,部分配件难以与常规编码体系进行匹配。

另一方面,后市场中存在数以万计的配件供应商,要将配件供应商与配件一一对应,也需要大量投入和长期积累。


挑战三:跨区域扩张难

传统的批发商如果需要规模化运营,存在很多的限制条件,比如资金成本、跨区域物流、仓储管理能力、人力资源和获客能力。在众多的能力中,人力资源能力是目前形成跨区域批发商的瓶颈。

规模化的批发商需要大量的销售人员与维修 厂进行对接。由于配件信息的不透明,维修厂在采购配件的过程中需要与专业销售人员进行沟通,以明确所需配件的配套信息和价格。在此过程中,专业销售人员起到核心作用,能够明确地获知维修厂所需要的配件类型、匹配车型和价格信息,并了解区域维修厂的消费习惯。实际上,每个销售人员能够对接的维修厂数量有限,因而在批发商扩张的过程中,销售人员的数量也需要大幅增长。但目前合格的销售人员数量有限,批发 商在扩张过程中往往会遇到缺乏合适的销售人员的困境。

如何简化交易流程,配合配件信息透明化,将成为是否会出现跨区域批发商的关键。

金准数据2017北京二手房市场研究报告 2017-07-18 14:45:45

一、二手住宅市场走低成交惨淡

今年6月份,北京市二手住宅总成交8279套,成交面积79.85万平米,环比分别减少16.45%、14.38%,同比分别减少29.38%、40.28%。

● 无论是同比、环比,6月份北京二手房成交量都是在下降。环比下降了一成多,同比下降得更多。

据金准数据统计,2017年6月北京市二手住宅新增挂牌房源61076套,环比下降12.9%;挂牌均价68723元/㎡,环比下跌1.1%;成交8918套,环比下降17.43%;成交均价为63247元/㎡,环比下跌0.57%。


1、六月二手房市场统计

6月份已经是北京二手住宅成交量连续3个月大幅下滑,6月成交不足年内3月份高点的4成。而早在今年3月份的时候,北京单月二手房成交量超过了2.2万套。

7月上半月,北京市二手住宅共网签3345套,与6月上半月相比下滑25.6%,同比2017年7月上半月下降68.4%。很明显,进入7月,二手房的成交量不但没涨,反而还继续在跌。

6月份,从二手房成交的区域上看,朝阳、海淀、丰台三个行政区占比均超过10%,比例分别为26.04%、12.21%、10.1%,累计比例近5成。

从二手房单套成交面积上看,50-70平米/套、70-90平米/套、90-120平米/套为主要成交户型,占比分别为27.36%、21.56%、21.05%,三者累计近7成。



2、北京各片区跌幅排行榜

6月北京各片区成交量跌幅排行榜

● 6月片区成交量下跌最多的区域依次为,东城区(4个)、西城区(3个)、海淀区(3个)、朝阳区(3个)、丰台区(3个)、密云区(1个)、通州区(1个)、顺义区(1个)、延庆区(1个)。


6月“0”成交小区


二、二手房市场走低原因分析

1、地铁因素

● 地铁房:地铁站点半径500m内;准地铁房:500-1000m;近地铁房:1000-2000m,非地铁房:2000m以外。

● 地铁房、近地铁房的成交占比相较5月均有所增长,分别上涨了0.63、0.004个百分点;准地铁房、非地铁房成交占比分别下降了0.42、0.22个百分点。


2、房龄因素

● 从房龄分布来看,10-15年房龄为成交主力,5年内的新房成交最少。在5年以内、20年以上成交占比均下降,分别下降0.03、6.78个百分点;10-15年房龄上涨了3.03个百分点,涨幅最大。


3、面积因素

● 从面积段上看,市场成交主力依旧集中在60-90㎡的面积段,成交占比较上月减少0.79个百分点至34.59%。而120-150㎡及150㎡以上大户型的成交占比有所上涨,分别上涨了0.48、1.31个百分点。


4、区位因素

● 从环线分布上看,五六环间延续成交主体地位,但成交占比较上月大幅提高了3.18个百分点至32.69%;四环至五环也小幅提高0.44个百分点至18.87%。


综上所述交通资源匮乏的郊区房源、老旧小区已经率先受到冲击。


三、下半年二手房市场行情分析

调控带来了楼市的冷静和降温,在一二线城市,无论是商品房还是二手房都出现了少有的量价齐跌。买家进入了深深的观望期,而卖家只能选择降价成交。这其中包括一批炒房者,疯狂抛售是他们唯一的途径。

一些现金流出现问题的炒房者坐不住了,他们需要降价求生。一些着急用钱的卖房者也只能委曲求全,还有一些不是太着急的卖房者,干脆把房源放进了租赁市场。有一些置换和现金需求的卖房者也着急将房子变现以满足自己自身实际的需求。

下半年的二手房市场,成交应该依旧低迷。买房者观望的情绪或持续到年底。卖房者除了降低房价出售外别无他法。对于一线城市来讲,买二手房其实是合理的选择,因为新房除了特别远,就是特别贵。不如二手房价格合理、配套齐全。

一些北京的所谓的学区房等光环褪去,价格也逐渐回归理性。下半年的二手房市场恐怕还会有降温的趋势,价格依旧会回落。

环京和二线城市的二手房市场,炒房者已经被逼出了水面。很多炒房者顶不住压力开始抛售,下半年,将会有更多的炒房者抛售房产。市场上的二手房会比较多 ,可以选择质优价廉的房产。

对于三四线城市,二手房市场远没有商品房市场热闹。由于商品房供应巨大,大部分人仍然会选择位置好、配套全、面积大的新房。如果是资金量不允许,可以选择相对较新的二手房,因为它们可能会比新房便宜一些。

从现在的二手房的行情来说,如果二手房成交量在一直止步不前,那么价格进一步下降也只是时间的问题。

金准数据汽车整体市场销量报告 2017-07-17 15:24:53

一、整体市场销量表现

● 6月份较上半年整体市场环比有所下滑,幅度达到4%;

● 除受北方高温、南方暴雨的天气因素影响外,SUV市场热度难以持续,其中自主SUV下滑较大,直接拖累市场增长。



二、省份销量表现

● 6月销量前五省份分别是广东省、江苏省、山东省、浙江省和河南省,其中广东省和北京市累计同比上升,分别达4.7%和3.9%;

● 份额较高的省份主要集中在中部和沿海,西部省份仅四川超3.5%。



三、城市销量表现

● 6月,北京市销量全国最高,达到7.9万辆,上海市紧随其后,也达到7.1万辆,重庆市由于车展影响,环比增幅居前十第一,达到21.9%,销量为4.3万辆,跃居第四;

● 前十城市份额有所提升,已占全国销量的25.8%,北京市份额最大,达到4.5%,其它城市份额均在1.7%以上。



1、重点城市市场销量表现

2017年6月,汽车整体乘用车市场环比下降了4个百分点,同比则上升了7.1%,重点城市销量继续保持平稳上升,环比上升4.4%,从侧面说明大型城市受整体市场的波动影响不大,购买力依然强劲;

北京和上海继续领跑6月乘用车销量,北上广深四大城市中,南部城市表现平平。


以北京、上海两座城市来做具体分析:

(1)北京

● 北京本月销量7.9万,占重点城市群总销量的20.7%,位于重点城市群之首,环比下降5.8%,同比上升8.2%;

● 北京消费群偏爱大众,在厂商排行榜中,一汽-大众和上汽大众排名靠前;

● 在车型排行榜中,轩逸以430.4%的环比增速占据榜首,上月冠军帕萨特退居第二。



(2)上海

● 上海本月销量7.1万,占重点城市群总销量的18.7%,名列重点城市群第二位,环比上升8.1%,同比上涨12.8%;

● 在厂商排行榜中,上汽集团表现优异,上汽大众本月重新拿回冠军宝座; 朗逸销量环比上升96.7%,继续蝉联冠军,GL8名列第二。




2、重点城市车型销量表现

● 在重点城市排行榜中,英朗销量环比下跌30.4%,排名退居第二,朗逸销量环比大幅上涨54.7%,重夺榜首位置,轩逸环比大幅上涨70.7%,挤入前三甲;

● 在全国销量排行榜中,全新英朗在6月强势发力,单月销量3.76万辆,一举夺得6月轿车销量排行榜冠军,排名第二的是朗逸,宏光排名连续下滑至第三。



以北京、上海两座城市来做具体分析:

1)北京

热销车型中,轩逸销量环比增速为430.4%,帕萨特环比增速为1.7%,GL8环比增速为-10.2%;

在热销车型的畅销款中,轩逸价格下降800,帕萨特价格下降2700,GL8价格平稳。


2)上海

热销车型中,朗逸销量环比增速为96.7%,GL8环比增速为29.2%,英朗环比增速为-24.5%;

在热销车型的畅销款中,朗逸价格下降1300,GL8价格下降3500,英朗价格下降300。

3、重点城市价格表现

6月为传统销售淡季,整体市场价格继续下降,折扣上升,优惠力度加大,但随着6月份季度经销商冲量稍缓,厂家对销售策略的年中调整,预期金九银十前价格将保持相对平稳下降的趋势。


四、自主/合资/进口

● 6月,合资品牌销量达到105.3万辆,环比下降3.1%,同比上升5.2%;自主品牌销量约为59.4万辆,环比下降6.9%,同比上升10.8%。进口品牌销量为9.4万辆,环比上升5.4%,同比上升6.4%;

● 6月,合资、自主和进口的份额分别为60.5%、34.1%和5.4%,环比变幅分别为0.59%、1.07%和-0.48%。


五、系别销量表现

● 6月,自主份额同比上升1.2%,达到34.6%,日系增长最大,增幅达到1.3%,而韩系下降最多,达到2.9%;

● 累计份额自主达到37%,增幅为1.6%,德系和日系均有增长,份额分别达到23.1%和19.9%,其余系别均出现下滑,下降最大为韩系,份额下降达到2.9%。

1、细分市场销量表现

● 6月,SUV份额环比出现下滑,幅度达到1.1%,而轿车和MPV则上升,轿车环比上升0.8%,份额重回五成,MPV环比上升0.3%,份额同比则SUV是唯一正增长,幅度达到5%;

● 细分市场销量,同比SUV上升显著,幅度达到21.8%,而销量环比则全线下滑,其中SUV下滑了6.6%。

SUV车型为例进行分析:

SUV细分市场表现

● 中型SUV表现抢眼,本月销量同比增长高达62.1%,份额同比也上升了6.1%;

● 细分市场份额走势基本维持较小幅度的波动;

● 小型SUV、紧凑型SUV份额环比与同比均下跌,其中紧凑型SUV份额同比下跌6.0%。


2、细分市场销量变化

● SUV、小型车环比下跌,其他细分市场变化幅度波动不大;

● SUV累计份额同比大幅扩增6.7%,紧凑型车下降4.0%,在各大细分市场中,份额降幅较为明显;

● 中大型车、SUV销量累计同比分别增长27.1%、14.6%;其他细分市场累计同比均下降,其中小型车的表现引关注,当月同比跌去19.4%,累计同比大跌32.3%。


六、厂商销量表现

● 6月,上汽大众销量达到15.4万辆,重夺首位,上汽通用以14.8万辆屈居第二,一汽大众滑落至第三,销量为14.5万辆;

● Top10厂商占领PV市场半壁江山,份额达53.9%,其中上汽大众达到8.8%,其余厂商份额都在3%以上。

七、消费者行为分析

无论是全国整体乘用车市场还是重点城市,30-39岁这个年龄段均为主要的汽车消费人群,占比分别为36.1%和37.9%:

● 6月,主体购车人群年龄在20-50岁之间,其中25-29岁年龄段占比最大,达到22.9%,之后随着年龄增长,占比逐渐下降;

● 在三个年龄段(小于29岁、30到39岁和大于39岁)划分中可以发现年龄段和细分市场的关联,SUV和MPV随着年龄段的递增,占比越来越大,而轿车则递减;在年龄段25-49岁中,SUV在全国和重点城市的份额分别为43.2%和43.0%,紧凑型轿车的份额分别为31.5%和28.3%;

● 6月,消费性别以男性为主,占比达到69.5,女性为30.5%。全国男性消费者比例为67.8%,重点城市男性消费者比例为66.3%,相差轻微;

● 在细分市场偏好,男性在SUV、MPV的占比均大于女性,女性在轿车占比要大于男性,而在系别偏好上,男性偏爱自主,女性偏爱德系。