Tesla的新纪元:数据分析+创新研发

简介: 点击标题下「大数据文摘」可快捷关注   数据分析与我们的生活越来越密切相关,且不提铺天盖地的大数据吹捧潮,就连央视报道,近来也开始用数据说话了。数据分析的商业价值到底在哪里?改善质量也好,降低成本也好,发现新客户也好,都是锦上添花。
0.jpg


 

数据分析与我们的生活越来越密切相关,且不提铺天盖地的大数据吹捧潮,就连央视报道,近来也开始用数据说话了。数据分析的商业价值到底在哪里?改善质量也好,降低成本也好,发现新客户也好,都是锦上添花。生存困境中的人,是不会有艺术创作的闲情雅致的,这或许解释了为什么大多数中国制造业企业谈起数据分析来都是雷声大雨点小。 实际上,数据分析的价值远远不只是改善。Tesla,来自加州的一个初创企业,将大量数据分析运用创新与研发中,不仅仅解决了自身的生存问题,更为人类开创了一个新纪元。

 

Tesla开创的新纪元

全球汽车业巨头们在混合燃料与新能源汽车领域的投资已非一朝一夕,Tesla得以脱颖而出,原因看起来有很多:美国能源部的财政扶持;创业经验丰富的领导者;合理运用了来自奔驰、松下、莲花、苹果等各行业巨头的合作;加州良好的创业融资环境等等。然而,如果你去深入了解任何一家小有成就的初创企业,背后总能挖出与上述内容类似的亮点和故事来。这类故事,听来有趣,读来新颖,却依然令人狐疑:Tesla在成熟、竞争激烈的汽车业立足,就凭这些? 显然不只是这些。故事背后,我们惊讶的看到,Model S车型,之所以一出现就获满堂彩,其根本原因乃是以更低的价格,做到了高于同级别燃油汽车的性能表现。人类历史上第一次,一家公司向世界证明了纯电动车真的可以取代燃油车!

这不只是一款产品、一个公司的成功,这开启了人类新能源交通的新纪元。

以宝马 M5美国市场价格为例,0-100公里加速4.4秒,4.4升V8涡轮增压发动机,满油箱航程400公里左右(城市路况里程则大幅度减少),价格10万美元左右。Tesla MODEL S PERFORMANCE 0-100公里加速 4.4秒,满电量航程480公里左右(因为电动,城市路况略有减少,但减少幅度低于燃油汽车),价格8.99万美元。中国市场,M5价格比Tesla MODEL S贵的更多。更不用说后期的保养、使用成本,M5恐怕要几十倍于Model S了。而多家媒体测试表明,0-100、0-160两个重要测速中,M5都输给了MODELS PERFORMANCE. 多年来M5一直被誉为这个级别的佼佼者。显然,蒙羞的不只是宝马。

为什么,那么多巨头辛苦多年无法做到的事情,被Tesla,一群“汽车业外行”组成的公司,做到了?

 

为什么是Tesla?

现在,回头看一看Tesla的创业、成长史。媒体笔下的历史并不十分可靠,我们努力拼凑碎片,挖掘线索,看到了一些值得关注的片段:

1. Tesla Roadster原型车2006年发布,2008年开始投入生产,其间Tesla融资6000万美元,其双座敞篷电动跑车Roster的开发花了大约2500万美元。Roadster是在通用汽车推出双座电动汽车EV-1十年后面世的。由于EV-1充一次电只能行驶100英里,通用汽车最终放弃生产。

2. Kurt Kelty,Tesla电池技术总监,在一次访谈中说:“在研发的早期阶段,我们很难找到电池供应商。当时,特斯拉是一个未知的电动车初创公司。电池制造商有很多顾虑:如果他们提供电池给我们,而我们的电动汽车一旦出了问题,他们可能会被指责乃至承担责任。事实上,一些笔记本电脑的电池出了故障后,电池制造商纷纷沦为被指责对象。 所以,我们前后尝试了市面上超过400种电池,很辛苦;我们拜访了许多电池制造商,仿佛只是为了去吃闭门羹。但一位日本制造商的工程师对我们的项目感兴趣……多亏了他,我们终于可以着手开始开发我们的敞篷跑车。现在,我们名声大震,许多电池厂商都争相提供产品给我们……”。

3. Tesla为汽车巨头设计、生产电动汽车元件

2009年,Tesla与奔驰就两款电动汽车电池组和充电器的研发达成了合作协议。

2010年,Tesla与奔驰又就某款高档电动汽车的电池组和充电器达成了一项协议。

2010年,Tesla宣布与丰田签订了合作协议,为丰田开发电动传动系统。

2012年,Tesla再次获得了奔驰的订单,承担奔驰A级、B级轿车电动传动系统的全面开发。

4. Tesla发布公告称,苹果前副总裁Doug Field现已加入Tesla,将担任汽车项目副总,负责新车的驾控研发。Doug Field此前曾在苹果负责Mac硬件工程部门。Tesla称他曾领导了很多Mac产品的研发,包括MacBook Air、MacBook Pro以及iMac。”

很明显,与批评人士口中的情形不同的是,Tesla并不只是一个“汽车界的系统集成商”,而是真刀实枪的高科技研发型公司:不仅仅自主研发,还为其他有近百年历史的汽车巨头提供技术与产品!而谈到自主研发,就不得不提Tesla曾经的竞争对手,刚刚被收购的Fisker。

 

Tesla与Fisker:研发自主与外包之争

中国汽车业,有一个典型的“拿来主义”三板斧:一抄袭、二逆向破解、三研发外包。能抄的抄,抄不来的就破解,破解不来的就外包。这里所谓的研发外包,并不是真正的把部分科研项目外包给第三方去做,而是放弃特定领域的自主研发,转而在市场上购买现成的技术与产品。比如某日本企业的2.4升发动机,过去数十年来一直被各大中国本土汽车品牌所采购。发动机、变速箱是中国自主车企的软肋,也是“外包”重点。研发外包本身并不见得是个重大的错误。在企业生命周期的不同阶段本来就需要不同的策略,自主研发也未必就一定成功。只不过,核心技术或者关键部件一直不掌握在自己手里,那么难受的不只是定价,甚至会危及存亡。同样,美国汽车界也有“研发外包”。Fisker就是其中的典型。

在来源于PINGWEST中文网的不署名文章《Tesla同为市场新宠的Fisker 因何陷破产危机》中,作者写道: “外包模式导致没有掌握核心技术。Fisker公司自身并不制造汽车,其产品所有的零部件均采用外包的方式由合作厂商提供,Fisker公司所做的,只是设计。”

反观Tesla,不但跟奔驰和丰田合作研发电动汽车技术,还在电池技术上与供应商松下公司进行了合作,共同研发以镍元素为基础的锂电池。

而早在2003年Tesla成立之时,该公司就在AC Propulsion公司专利的基础上自主研发出了一套动力传动系统,为电动车搭建好了“心脏”。

外包模式将汽车的研发年限从一般的5年缩短到了2至3年,同时将约10亿美元的研发成本缩减至3.33亿美元。尽管如此,这种模式的弊端开始接踵而至,无异于饮鸩止渴。

正是由于严重依赖外包厂商,没有自主技术,才致使Fisker在关键时刻失去产能。

0

Elon Musk与Henrik Fisker:创始人的出身不同,公司命运截然不同

尽管我很不喜欢他在上图中的“出生不同,公司命运截然不同”的出生决定论,但是毫无疑问,核心技术的研发外包是Fisker走向破产的致命伤。而耗尽所有资源进行自主研发,则是Tesla得以挺过多重难关,最终崛起的最关键的因素。

 

Tesla的自主研发

在电动汽车领域,电池系统、电动机系统是两大最核心的技术领域。Tesla历经数次经营危及,一度被批评“烧钱”的主要原因,就是把大量资本投入在这两大核心技术的研发中去。Tesla非但不理会上述“危机教育”与批评,反而更加执着于核心研发的投入:

上周,美国电动车公司Tesla(特斯拉)首席技术官施特劳贝尔(Straubel),称公司终于将充满电池的时间缩短到了5分钟——这已经跟加满一箱油的时间差不多了。为了让电动汽车更实用,Tesla正在拼命缩短充电时间。

今年5月Tesla刚刚宣布了一项升级,将这个时间缩短到20分钟。而去年9月Tesla一度宣布专为Model S和未来电动车型设计“超级充电站”网络,据称“能够在30分钟内将电池充满一半”。

作为电动车的核心部件,电池系统是Tesla研发的重中之重。Tesla的电池及续航能力曾经被主流媒体如纽约时报,英国TOP GEAR等嘲笑、诟病,还打了好几场官司。时至今日,仍有业界人士认为Tesla电池技术陈旧,安全性存疑,续航能力有水分等等。所有这些,都没有影响Tesla的执着与进取,也正是这些执着,Tesla一次次把Fisker远远甩在了存亡大赛的后面。

批评的原因之一,在于Tesla采用的电池是18650型钴酸锂离子电池,这种电池一直用于笔记本电脑中,难登电动汽车大雅之堂,且据说存在安全隐患。和其他主要电动车品牌(雪佛兰volt、日产聆风、Fisker Karma等)首选的动力电池硫酸铁锂电池相比,安全系数低,可循环充电次数少,热性能与电性能较差(外加电压不稳的话可能出现充电过热),成本还高。 那么,Tesla为什么用众人眼里的“二等品”作为自己的核心系统?Tesla又是如何在很短的时间内完成对手们数十年的研发,利用独创的电池管理系统成功解决了这些挑战,令丑小鸭一举成为白天鹅?

 

答案就在数据分析里。

研发的最大挑战,第一当然是要出结果,第二就是时间与金钱成本。出了结果但因为时间过长或者成本太高而下场不好的情形在技术界数不胜数。既要产出超越对手的电池研发成果,又要在时间上大幅度把实力更加雄厚的众多竞争对手甩在后头,这就是当年的Tesla必须面对的残酷现实。

研发流程中,不论汽车、制药、化工还是半导体行业,实验是绕不过去的坎。实验成本与周期,构成了整个研发过程中的绝大多数成本、时间损耗。人类在如何让实验计划合理化的过程中,研发出了一系列的方法和技术,其中最神奇的数据分析方法就是DOE(实验设计)。这套统计手段可以帮助研发专业人员大幅度降低实验次数,使得实验的安排既满足最合理试验次数与研发参数需要,又能够匹配实验成本及时间要求。在世界众多实验设计与数据分析方法中,CUSTOMER DESIGN(定制实验设计)又是其中只有极少数分析方法厂家可以提供的高端工具。Tesla经过反复对比和研究,最终采用了来自JMP的高级DOE平台及数据分析套件。

通过JMP提供的高级实验设计、数据分析套件及数据挖掘方法,Tesla成功解决了电池温度与快速充电问题,并且成功实现对每个单个电池的温度与工作环境监控,成功解决了电动车界几大难题:

1.高效能充电

2.高效能放电

3.电池工作安全且可靠

4.电池容量的突破

纵观人类科技史,任何伟大突破的诞生,都伴随着人们认识世界手段的升级。数据分析,是人类更高级更深入了解世界的手段。把数据分析与科技创新、产品研发结合起来,对于Tesla来说,不是结束,而是开始:不仅仅是人类新能源交通新纪元的开始,更是数据分析正式成为人类创新、突破的必要条件的开始。


原文发布时间为:2014-03-18


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
机器学习/深度学习 数据采集 人工智能
数据科学实训案例研发:农业遥感图像数据分析上线阿里云
这是2020年阿里云计算有限公司-教育部产学合作协同育人项目的成果。 实训课程内容涵盖了主要内容涵盖了图像分割的基础知识,主要包括图像分割的概论、基础、分类、神经网络实现等经典的机器学习理论知识,也包括卷积神经网络、残差网络、U-Net算法、多模态等深度学习内容。此外,还介绍天池AI等平台的应用,在此基础上通过实验的方式,详细地介绍机器视觉在农业大数据分析领域的过程,以及遥感图像处理相关技术的原理与实践。结合阿里云的产品和技术资源,进行应用实验,让学生在充分理解掌握基础知识的同时,也能接触到业界最前沿的发展方向和成果。本课程通过实验大作业的方式,实现典型的机器视觉应用,训练学生模型设计与应用。
520 0
|
消息中间件 SQL 数据采集
解决研发数据分析瓶颈,开源项目 DevLake 加入 Apache 软件基金会孵化器 | InfoQ 专访
每一位开源参与者、每一个开源项目都可以成为舞台上的主角。
218 0
解决研发数据分析瓶颈,开源项目 DevLake 加入 Apache 软件基金会孵化器 | InfoQ 专访
|
数据挖掘 定位技术 SQL
数据分析研发工程师职业技能和要求
数据分析研发工程师职业技能和要求 工作职责: 1、负责LBS数据分析体系建设 2、负责LBS业务分析平台建设,负责业务数据的提取、查询、处理、分析等工作; 3、负责LBS相关产品日常运营分析、输出相关运营、决策、分析数据 职位要求: -热爱互联网,对大数据处理和数据分析挖掘有浓厚的兴趣 -熟悉Java、Hadoop、Hive,能够使用Py
1535 0
|
12天前
|
人工智能 数据可视化 数据挖掘
【python】Python航空公司客户价值数据分析(代码+论文)【独一无二】
【python】Python航空公司客户价值数据分析(代码+论文)【独一无二】
|
4天前
|
Python 数据挖掘 存储
Python 数据分析(PYDA)第三版(七)(4)
Python 数据分析(PYDA)第三版(七)
|
Python Shell 存储
Python 数据分析(PYDA)第三版(七)(3)
Python 数据分析(PYDA)第三版(七)
Python 数据分析(PYDA)第三版(七)(3)
|
机器学习/深度学习 数据可视化 Python
Python 数据分析(PYDA)第三版(六)(2)
Python 数据分析(PYDA)第三版(六)