WWDC没提汽车,因为库克在憋大招

来源 :汽车周刊 | 被引量 : 0次 | 上传用户:kg1ksmhz1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  在前不久结束的 WWDC 上,不仅没有出现外界热切期盼的新一代 Macbook Pro 笔记本电脑,而且库克依然没有确认苹果汽车项目的存在,更别提相关进度了。但就像特斯拉 CEO Elon Musk 说得那样,苹果研发电动车这事儿在硅谷已经是“公开的秘密”。
  最能证明苹果汽车项目在高速推进的,就是最近苹果挖来的电动车领域牛人。
  前不久媒体披露了谷歌一项关于电动汽车的专利申请,谷歌技术可以管理电动车和充电桩之间的通讯。如果一辆电动车将要连接充电桩好几个小时,那么系统就会判断这段时间里,电价最便宜的时段,然后等到低价期再开始给电动车充电。这项专利的申请人之一Kurt Adelberger 已经被挖到了苹果,职务是产品设计师。
  之前他在谷歌是一名电动车充电技术专家。离开谷歌前,他的主要工作是能源储存和降低电动车充电成本。除了电动车领域外,他还在谷歌干过一些关于太阳能面板和能源储存的工作。但考虑到离开谷歌前他正在做电动车充电设备方面的工作,有理由相信苹果挖他是为了电动车项目。
  而苹果为汽车居然挖到了前特斯拉汽车工程副总裁 Chris Porritt 。加入特斯拉之前,他曾在阿斯顿马丁工作过很久。据报道,他在特斯拉的主要工作是开发、调教 Model 3 的底盘。苹果灵魂人物 Jony Ive 作为一名英国人,很喜欢阿斯顿马丁,他自己还有一辆 DB9。
  最新一次苹果抢夺汽车牛人是获得Harman 的导航设备总工程师 Sinisa Durekovic,他领导团队开发了一套卫星导航系统,宝马、奥迪、奔驰、雷克萨斯等高档品牌都用了这套系统。这个德国人做卫星导航系统已有20多年经验。
  除此之外,近期苹果还新聘用了一名前宝马工程师Nan Liu,负责研发电动车的无线充电。
  除了疯狂囤积电动车人才外,苹果还在积极为自己的电动车项目投资和储备数据。前不久苹果花了10亿美元投资了滴滴出行,这笔投资和苹果往常收购小型技术公司的风格大为不同。究竟是什么原因让苹果掏出10亿美元现金换取一家中国科技公司不到4%的股份呢?
  推广 Apple Pay?安抚华尔街?利用海外现金财务投资?还是政府公关?所有这些并不是苹果的目的,至少不是主要目的。



  第一,苹果很难用通过滴滴推广Apple Pay。
  人所共知的是,滴滴大股东有腾讯(微信支付)和阿里(支付宝),不会为苹果大开方便之门。滴滴应用里现有的支付方式已经很方便了,Apple Pay 的体验优势主要在线下。滴滴(微信支付)和快的(快的)当初是怎么强推支付的?补贴大战。Apple Pay 想要推广就得烧钱,谁出这笔钱?苹果显然不会做这样的事情。Apple Pay 的合作伙伴们,像麦当劳、711 ,苹果并没有用补贴的方式吸引用户。指望烧腾讯和阿里的钱?呵呵。
  第二,投资滴滴并不会让华尔街眼前一亮,相信苹果开始拥抱创新。
  共享出行这事儿已经不是 The Next Big Thing,巨头格局已然形成,Uber 估值625亿美元,滴滴出行估值250亿美元,Lyft 估值55亿美元。要作秀也得搞搞VR 或者 AI 吧。其实苹果泄密个汽车设计草图就能让华尔街嗨翻天了。
  即便共享出行还算高速增长的创新领域,10亿美元换取不到4%的股份,华尔街也看不到多少苹果拥抱创新的力度。苹果投资滴滴后几天的股价多少反映出华尔街对这笔投资的态度。
  第三,不管是否使用海外小金库,苹果做的都不是财务投资。
  苹果从来都不是一个财务投资者,他的风格是收购小型技术公司吸收他们的技术。之前苹果在中国投资过光伏项目。投资滴滴应该会有很好的财务回报,但坐拥2330亿美元现金的苹果,只投资了10亿美元,不管是主动还是被动,这笔投资在财务上砸不出什么水花来;
  滴滴新闻稿写得很清楚,这是笔战略投资。严格来说这10亿美元会是双方考虑未来战略合作的一个起点。
  苹果投资滴滴是为了深入了解共享出行业务中的数据,为自己的汽车项目服务。
  毫无疑问,Titan 项目是苹果的 The Next Big Thing。很多人都认为苹果现在做汽车太晚了,估计苹果也知道自己所处的行业位置。所以苹果的汽车产品会定位更远一步——即便不是完全无人驾驶汽车,也会是高度自动驾驶的汽车。
  如何理解汽车与人、街道和交通体系的关系?这是苹果巨大的弱点。CarPlay 应该是苹果的一次尝试,但相当一段时间内帮助不会太大。
  某个层面上,这与当初做 iPhone 要和电信运营商合作类似,苹果要找到汽车的运营商去合作。谁拥有这样一张巨大的汽车运营网络?Uber 和滴滴。而谷歌已经坐在 Uber 的董事会里。苹果的选择不多。
  从运营规模来看,除了 Uber 就数滴滴最大了。规模决定了数据的多样性,多样性非常有价值。类似于一些中国医院,国际范围在某些病症方面都有一定权威性,因为他们能接触到大量的相关真实病例。这种病美国医院的医生可能一辈子都没碰到过。汽车遇到的路况,中国比美国要复杂和多样。滴滴的运营网络拥有自己的独特价值。
  美国本土的汽车运营数据苹果同样渴望,比如CarPlay 会是获取方式之一,但数量太少。不排除未来苹果可能会跟 Lyft 合作。Lyft 和美国的数据当然有价值,但库克并不会因为两者而放弃在中国获得数据的机会。
  另一方面,Uber 和滴滴这样的共享出行运营商,从运营效率和成本考虑,未来必然会使用无人驾驶或高度自动驾驶汽车作为运营车辆。苹果需要和他们紧紧拥抱在一起。
  当然,苹果汽车还处于研发的早期阶段,双方还谈不上展开业务合作。这笔10亿美元的投资,只是苹果和滴滴的一次牵手,希望确立关系的一次试探。双方能否确定“恋人”关系,还要看今后“约会”的效果。
  君不见,库克大叔最近来中国为滴滴出行站台?又出钱又出力的库克,进入角色很快。
其他文献
当前,国内正处在由传统农业向现代化农业转变的过渡时期,关于养殖场的智能监测控制系统的研究与应用已经从引进吸收阶段向综合性研究、创新应用阶段过渡,未来物联网智能农业将迎来飞速发展的新时期。本文设计并实现了一种基于ZigBee的物联网养殖场环境监测控制系统,系统由数据采集部分、控制部分、报警部分组成。数据采集部分由多个数据采集节点构成,采集节点收集养殖场内温湿度、沼气浓度等参数,数据通过ZigBee网
真是太巧了!经过至上音乐的帮哥诊断,发现侯先生原本改装的音响系统,问题症结居然正好出现在本期“改装辨正堂”所探讨的隔音上。而帮哥是如何为侯先生开出诊断药方呢?    求诊开说  用15000元的预算,让原本已经改装的音响系统声音表现更上一层,并且加装超低音来强化音乐的“摇滚元素”。    侯先生的飞度经过音响改装,并进行过车门隔音工程,换上了包括主机、前后声场扬声器、前中置单体、功放这些改装器材。
期刊
本文首先分析了在役配电网设备质量现状,在此基础上提出了基于设备在线检测/监测的状态检修策略支持下的数字化智能运维技术方案,为提升建设与运维的精益化水平、提高供电可靠性奠定基础。基于对运维大数据的分析,指出了配电网数据资产的利用价值。创新性地提出了在原有的调度自动化、配电网自动化系统数据整合的基础上,融入配电网智能设备的现场监测数据、环境数据等非传统业务系统数据,以此提供更准确且贴近实际的配电设备状
6月27日,一汽轿车第12项议案《关于一汽股份变更承诺事项履行期限的议案》在股东大会上的最终投票结果是2亿股反对,280万股赞成。这意味着关于一汽轿车延期履行承诺的议案以98.8%的反对票,未获股东大会通过。  在此之前的6月17日晚间,一汽轿车和一汽夏利曾针对深交所问询函发布公告,仍将一汽股份不能按时履行解决同业竞争承诺的原因归结于内外部环境的变化。  两公司的理由大致有三点:1,汽车行业增速放
期刊
针对相对密闭的场所等特殊环境对室内灯光管理的需求,提出了一种新的智能灯控方法,并设计了一种以ZigBee为核心的人脸识别灯控制系统。该系统首先通过ZigBee节点采集并发送室内温湿度、异常气体等信息并上传到手机端和服务器端,通过提出的基于ArcFace的自然场景人脸识别算法识别终端采集的特定人脸,从而实现对终端灯光及数据的控制。系统测试实验表明,该系统设计简单、成本低,采用人脸识别加密,提高了灯控
受激布里渊散射在光纤中具有较低的阈值、较高的增益系数以及对环境因素较为敏感等诸多优良特性。本文结合上述优良特性,对受激布里渊散射的偏振特性进行研究;根据其对信号光偏振态的发散作用,提出了一种偏振滤波的思路。通过实验发现,输出信号光的峰值频率会随着检偏器角度的改变而近似线性变化。
在化工仿真中,为了贴近真实,面向纹理贴图应用,特别研究了图像旋转、斜切变换图形学编程技术。OpenCV特有开源库函数被用于图像变换,显示了高效、便捷性。本文采用C++(Win7,64位操作系统,VS2019),结合OpenCV4.3.0编写了2D图像变换程序。借助OpenCV专有图形变换函数,所编写变换程序代码更简单、功能更完善。作者通过编写程序实现了图像旋转、斜切变换,并详细解析了其变换机制和程
针对传统病房体验性差和医护人员工作效率低的问题,本文利用物联网技术设计了一种智慧病房系统,该系统包括医疗管理、健康管理、呼叫管理和病床管理共四大模块。医疗与健康管理模块可实现对患者住院期间身体指标的实时动态监测及预警,提供历史数据查询;呼叫和病床管理模块可实现在病房内二十四小时对患者是否存在异常情况的监控,与护士站实现实时对接,并在病床上设计了便于患者操作的常规功能。与传统病房对比,智慧病房系统可
粒度信息是反映矿石破碎质量的一项重要指标,而传统基于人工检测的方法耗时耗力。本文提出一种基于U-Net改进的深度学习网络模型对破碎口矿石进行分割,实现了对图像中矿石和背景较精确地分类,为后续自动统计矿石粒度信息奠定了基础。为了提高模型训练过程的准确率和改善因矿石图像数量少引起的模型过拟合问题,将分类网络Res2Net作为改进模型的编码部分,用以提取矿石图像特征;为了既能保持训练过程的平稳性,又能给
在当前的物联网嵌入式计算领域,12位或以上分辨率的高速高精度模数转换器(ADC)得到了广泛的应用。更高的分辨率能够让用户进行更精确地系统测量,同时也对系统噪声更加敏感。其中电源系统的噪声常常被设计人员所忽视,造成一定的系统误差影响。本文对高速高精度的ADC系统电源设计要点进行分析,以期降低电源噪声对测量精度的影响,提高系统整体测量精度。