汽车工程师韩薇的数字化焦虑与求索( 三 )


因此 , 从汽车设计上来说 , 智能大屏是特别体现用户体验的地方 , 但每个用户对它都有不同的感知和不同的要求 , 实际上属于定制化的东西 。 而这种应用很难一步到位 。 加上造车周期可能要两三年 , 需要尽量掌握用户现在的需求以此精确预知两三年后可能的需要 。 韩薇认为 , 这是目前汽车智能化进程中最难的一点 , 而且并不是靠软件技术所能解决的 。 “比如 , (在汽车中控大屏上)大家看腾讯视频的时候 , 最喜欢用哪种操作?是副驾用还是主驾用?习惯从上往下划 , 还是从下往上划……”有多少车主 , 就有多少使用场景、多少个使用习惯 。 而智能化吸引用户的地方 , 往往就是在这些细节上的“读懂人心” 。
韩薇意识到 , 对于智能汽车 , 纯用传统汽车的那套模式行不通——因为现在汽车的软件已经是在数字化转型了;但纯用互联网的节奏也迎合不了这个项目 , “它本身就是一个复合的产物 。 ”
作为站在行业革新前沿的解题者 , 韩薇清晰地感知到 , 汽车智能化必然是一个迭代的过程 , 必然是需求不断体验、不断提升的一个过程 。 “每一家都是” , 韩薇笃定的说 , 这也是为什么每家车企的新车发布会 , 经常会给媒体雷同的感觉 。
她感慨 , 有些进程是绕不过去的 , 可能发布会上两三分钟的一个看似很小的功能介绍 , 背后却是软件工程师分析了无数遍的数据、经过多轮验证后最终拿出的一个方案 。
与智能化技术一体同步迭代的 , 是电动车的迭代升级 。 无论是传统车企 , 还是以蔚来、小鹏、理想为代表的新造车企业 , 产品的迭代升级速度已然成为竞争的关键 。
对用户思维与大数据的渴求
“数字化 , 简单来说 , 是把一切需要决策的依据交给大数据 , 以此来推动每一个设计方案落地 。 汽车行业的数字化 , 最难的是目前并没有足够的大数据以及相应的分析模型 , 来支撑数据分析及做决策 。 第二难的 , 是需要改变意识 , 尊重并迎合市场需求和技术 。 ”韩薇认为 , 从这两点来看 , 汽车智能化的高成本试错 , 似乎无法越过——这也是为何过去几年无论传统车企 , 还是新造车企业 , 都处在不断融资状态的原因 。
作为软件工程师 , 某种程度上 , 韩薇的任务是减少这种试错成本 。 但一切的关键在于数据的取得——软件方案的设置和体验效果的预测 , 需要更多的数据支持 。 “完全来自终端用户的足够多的大数据是没有的 , 它的模型没有建起来 。 电车我是知道的 , 一开始收集的是三电的数据(电池、电机、电控系统) 。 我们现在要的是针对客户需求的数据 , 整个中国或整个世界都在慢慢的收集 , 都不能一步到位 。 ”韩薇说 。
对于韩薇的团队来说 , 在没有真正的大数据以及针对大数据做出来的决策之前 , 他们要做的是从各个角度来模拟这一部分数据 , 包括从4s店获得用户体验信息、成立专门负责用户体验的专业团队 , 或者其他各方面搜集的用户需求 , 然后根据这些用户的需求 , 把数据细化、剥离出来 , 再借助专门的分析程序 , 最终形成一个方案 。
对于在方案设计上的用户思维 , 韩薇认为 , 永远要从场景出发 。 而且跟i-Pad等设备不同 , 汽车的数字化功能要考虑的因素更为复杂 。 “比如中控大屏 , 你要考虑它的安全性——字体的大小会影响到驾驶员分心不分心 。 操作的精细度不能太高 , 我一边开着车 , 你让我太精细的控制一个功能也不行 , 对吧?不能让它交互太复杂 。 所以 , 汽车的用户体验要考虑的角度 , 跟互联网不一样 。 ”“数字化只是技术手段 , 人工智能在汽车功能上的落地 , 才是真正的目的 。 ”韩薇强调 , 如果将汽车智能化作为整个社会智能交通体系的一部分来考虑 , 这将是一整套的数字化产业链过程——汽车要在智能网联的基础上把数据收集出来 , 然后发送出去 , 包括跟其他车辆之间交互的数字化信号 , 而这输入输出以及中间做决策的过程 , 实际上整个就是一个数字化的过程 。


推荐阅读