2023年3月23日 – Gartner预测,2023年政府和汽车行业将在推动纯电动汽车(BEV)的发展方面遇到几项真正的考验。
Gartner研究副总裁Pedro Pacheco表示:“有几个因素使2023年成为推动汽车行业全面电气化的关键一年。欧洲电价飙升使纯电动汽车的使用成本不再具有吸引力。英国、瑞士和澳大利亚等国家正在开始出台电动汽车税收。另外,中国在2023年初结束发放电动汽车补贴,全球有许多地方仍未被充电基础设施所覆盖,平均服务质量也较差。”
此外,锂和镍等原材料价格的大幅上涨将从本质上提高纯电动汽车的制造成本,使原始设备制造商(OEM)更难缩小与内燃机之间的价格差距。因此,纯电动汽车的销售增长速度可能会大幅下降,或在一些市场停止增长,这将延长纯电动汽车相关投资收回成本的时间。
Gartner预测,汽车行业的供应链短缺问题将持续到2023年。Gartner研究副总裁Mike Ramsey表示:“在疫情爆发两年多后,汽车制造商仍无法预测半导体芯片短缺或因此而导致的汽车产量不足的局面会在何时结束。他们还面临着纯电动汽车电池关键材料的短缺,这引发了商品价格的飙升。”
Pacheco表示:“汽车零售业的数字化转型并没有停滞,只是减缓了速度。严峻的经济环境正在逐渐将汽车市场从卖方市场转变为买方市场,汽车制造商和零售商将重新转向线上零售,这也将有利于他们降低销售成本。”
这段低迷期为汽车行业的首席信息官们提供了一个通过技术帮助公司扩大市场份额的机会。例如,几家老牌汽车制造商正在尝试转型为技术公司,但他们的企业文化一直是阻碍他们实现这一目标的主要障碍。Pacheco表示:“这些汽车制造商必须从这方面着手,以避免扩大与数字原生汽车制造商的差距,并且利用技术进一步增加他们的收入。”
2023年以后
Gartner预测,到2026年,全球售出的电动汽车中,将有50%以上是中国品牌的汽车。Ramsey表示:“目前有超过15家中国公司在销售电动汽车,其中许多车型比外国竞争对手销售的车型更小,价格也低得多。虽然像特斯拉、大众和通用等外国汽车制造商也在中国销售大量电动汽车,但中国公司的增长速度要快得多。”
随着全球电动汽车需求量的增长,中国企业可以凭借国内关键矿物的供应和电池制造能力处于有利地位。Gartner建议专注于电动汽车的车企首席信息官,整合供应链规划与可视化软件,针对关键材料的采购地点做出更好的商业决策,并确保关键材料供应的“韧性”。
Gartner分析师估计,到2025年,道路上95%的新车的部分操作系统将包含科技巨头的产品。
科技巨头已经开始取代成熟的汽车一级供应商成为车载软件提供商(例如谷歌汽车服务和CarPlay)。同时,他们也在利用各自的生态系统增加在汽车操作系统领域的份额(例如雷诺与谷歌的合作、大众与微软的合作)。另外,一些科技巨头直接参与了汽车的开发、制造和销售,比如富士康、华为、阿里巴巴、小米、腾讯和索尼。
Pacheco表示:“传统的原始设备制造商或供应商已经不可能依靠‘单打独斗’取得成功。任何一家想在这个行业保持盈利和竞争力的原始设备制造商或供应商,都必须至少与几家数字巨头建立合作关系。”
Gartner客户可在“2023年汽车行业重大趋势”和“2023年预测:汽车行业与智能出行”中了解更多信息。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。