活动背景
现阶段乃至未来的新能源汽车和传统燃油汽车除了动力来源不同之外，还有个显著的特点，就是智能这个关键词逐渐占据了新能源汽车销售中越来越重要的位置。
人们不再单看传统的汽车底盘、车身、动力系统、电子电气架构等原来的基础硬件，而是把目光更多地转向了汽车的智能上面。
与早期的机械化座舱和现阶段的电子化座舱、网联化座舱不同的是，智能座舱将能够被赋予更多的人格特性与具象存在，也就是出现智能化、定制化的座舱。对内提高驾乘人员的乘坐感受，对外则连接着智能驾驶。在未来能够提供定制化场景的服务，如影音娱乐、商务会议、居家生活等。
参会人背景
孙旭东：
上海聆英企业管理咨询有限公司创始人
李斌：
循麓智能科技创始人
上海交通大学设计学院Teaching Fellow
UXPA中国用户体验专业协会文集主编
电动化智能车时代座舱有哪些演变，对整车和零部件在用户体验的研究提出了哪些挑战和课题？
李斌答：
电动化对于整车的架构影响很大，近一两年的滑板底盘概念更是实现了上下车体的解耦，能够释放上车体更多的灵活性。
过去的消费者认知，例如从安全的角度，大家多是从被动的角度去看。随着电动化、智能网联的加入，会有越来越多的资源投入和重视主动安全。
首先，从产品层面，“智能座舱”是比较新的词，多年前更多是从“车机系统”在企业内部进行沟通。我多年前在泛亚设计部推动内部创新项目的时候，和同事们就研究哪些前瞻交互技术可以引入到汽车上来，并且的确行业也相应地有了越来越多的新功能，例如HUD、手势交互等进入到传统的座舱。而这些功能从高配逐渐也引入了一些走量的车型里。
另外，从企业层面，企业对智能座舱的理解和定义产生了变化。过去车是一个运载工具，现在越来越多的企业把智能座舱称作“第三空间”，也有的加上社交空间称作“第四空间”，运载工具的属性正在下沉。很多企业不称自己为汽车制造商，而是未来移动出行服务商，开始强调服务体验。
孙旭东答：
在我看来，智能座舱这五六年来的发展涉及几个方面的挑战和变化。
第一个挑战是用户的需求变化。原来用户对车的需求是很单一的，仅作为交通工具，但现在车的智能化水平、电动化水平越来越高，用户产生各方面新的需求，从时间要素上是对充电时间的焦虑、对车加速时间的焦虑，还有娱乐要素上、个人空间的要素等。汽车功能的变化带来了用户需求的变化。电动化情况下可以提供更加安静、更加加速、更加环保的功能。所谓安静，对NVH的要求更高；所谓加速，对装电机的要求更强；所谓环保，对所有的智能表面或者是智能座舱的硬件，包括对聚丙烯、聚乙烯这类材料的要求会更高。智能化情况下更重要的是可以解放注意力，衍生控制力。原来只是通过手去触控按键，现在可以通过语音控制汽车，甚至人在车以外很远的地方就可以控制车内的功能，这其实就是衍生人的控制力。第二个是整个行业的挑战变化。从整车厂角度，整车厂是直接面对用户的。传统整车厂无法适应智能座舱变化其实是他们没有互联网了解用户，所以现在传统4S店渠道模式需要被打破。我们在2016年的时候认为，未来4S店30%还是会存在，但70%都会被颠覆。事实证明直营店的模式是可以让整车厂跟用户直接衔接的。所以现在需要改变卖产品的思维，要构建整个互联网思维或者组织。从零部件的角度，不仅要了解整车厂客户，还要了解用户。我们做咨询调研，发现很多的零部件企业，甚至 Tier 2的零部件企业，都在问我们这款新车面向的用户群体是谁？哪些细分人群？哪些用户体验？因为他们发现如果他们的理解度不能高于整车厂的话，那其实已经出现了局限性。第三个是数据方面的挑战。我们认为现在最大问题在数据，这个是由智能座舱时代数据为王决定的。现在数据遇到几个问题，第一是数据获取难度大，整车厂存在孤岛效应，数据是一块一块的，而且缺乏数据解读能力。我们最近有接触一些传统造车的高端品牌，发现他们对数据的理解和掌握远远没有达到在互联网时代理解的层次。他们想拿现有的刹车踏板数据或者是用户的触控数据去做创新，这基本上是不可能的，在我们看来逻辑上可能还是需要重新进行调整。第二是座舱数据的隐私问题。在这个时代，如果上车，所有数据都是同时被整车厂或者是第三方获取的，没有隐私可言，所以能不能让这些数据反过来优化用户体验才是应该关注的点，而不是纠结于隐私问题。用户体验的理想模式现在还没形成，很多都照搬照抄移动互联网，比如说把手机端的一些应用App放到车上去看大家能不能用。实际上，在汽车的行驶过程当中，除了播放音乐、控制空调、偶尔进行搜索，其他的功能基本上用不到。最近的特斯拉潮州撞车事件，从智能座舱的角度来思考这个问题，根本上是用户体验没有达到一定程度，虽然车主可能在当时各种应激反应之后误踩踏了油门踏板，以为自己擦的是刹车踏板，但是实际上我们可以通过智能座舱的一些功能、体验的限制把这些情况规避掉的，这其实是在安全层面一个非常刚需的东西，但是目前来说还没有做到。
李斌补充：
刚才孙总讲到的一个观点我非常认同，就是整车厂、包括零部件供应商，尤其是Tier 1，因为本身是做实体产品硬件出身的，所以它的组织形态，所形成的行业基因，的确比较难去做好深入的用户研究，包括更好地去跟用户互动，这是一个客观情况。消费者很多时候其实很难告诉大家真正的需求是什么。
我觉得这也是个挑战。在这种大的变化情况下，品牌或者是供应商服务的客户比较难说得清楚自己的用户画像是什么样。以前车企更多的是做市场调研，很少做用户研究。近几年，市场咨询公司、调研公司基本上还是以市场导向来做用户研究，把用户看作一个个数据进行研究并输出相应的研报给车企业。可能近些年来会有一些定性方面的案例，也会出用户画像，但是就算是这样比较前瞻的市场调研还是有问题的。因为如果车企自己的团队没有亲自与用户交流，而是看第三方报告的一些数据描述，对设计师、工程师来说作用很小，并且与他们的工作内容没有一个比较好衔接。
智能座舱有不同场景和用户行为，需要如何利用数据驱动来支持变革？
李斌答：
有数据意味着有框架，包括通过用户洞察能够采集到一些数据，是能对应我们具体的一些工作内容的。在这种情况下，大家就越来越多地需要数字化转型。
我其实一直不太同意“软件定义汽车”这个说法。个人认为不管是什么时代，最终定义车这个产品的是市场和用户需求，软件只是手段，更加柔性化，能够服务好更复杂的用户需求。
智能座舱相比自动驾驶更加务实，作为信息汇聚的硬件，能打开全新的平台及应用。就像手机通过开启互联网转变为移动智能终端一样，当一个硬件拥有了海量的数据，用户能产生高频度的交互，它就有可能围绕这个平台开启一个平台级的机会。所以大家都重点关注智能座舱。回到场景的话题，智能座舱是空间，而场景必然是带有时间和空间这两个因素。人在时间和空间两个的范围跟相关产品和服务产生很多的交互，同时它能够引发很多的情绪反应，所以能够从场景里面获取很多的数据。我之前所在工作的泛亚汽车技术中心，很早就在做数字化转型以提升生产力，但往往很多工程师对数字化产品用不起来，我觉得有两方面原因。第一，本身数字化工具的用户体验没有做好，还仅停留在UI视觉层面，但其实用户体验是一个非常立体的东西；第二，大家没有理解数字化本身，一方面它的确是提升生产力的，另一方面它其实是变革了生产关系的。用数据驱动用户共创。用户共创，虽然把一部分的利益让渡给了消费者用户，但是用户能够进到我们的开发体系里面来，给我们真正提供意见。现在，我们发现领域KOC是最珍贵的资源，他就本身就是消费者，同时他也很懂车，很懂产品，往往自己也有些社群，是一个小团体里面的意见领袖，而不是有光环的大意见领袖，这种KOC其实是非常真实的。我们引入KOC ，通过数据的方式从线上采集到用户的生活方式，用数据去定位好这类用户。
人的复杂性需要数字技术来支持。用户研究需要把小数据、消费级的大数据、汽车工业级的大数据三者结合起来，用专门软件去做结构化的分析。大数据的特点是脏而杂，首先需要做好数据的清洗和机构化才能好用。另外，很多企难具备融合数据的能力，一方面是不懂如何结合自己的数据，包括研发、供应链、产品故障等数据；另一方面是不懂如何融合外部数据。小数据的特点是精而准。做用户群体的细分，最核心的就是价值观，最终结果会被抽象成几个单词。价值观是比较难被量化的，也是比较难做数据化处理的。我们发现价值观下沉一层的“生活观”却有着海量的场景可以研究。例如生活观是可以从小红书这样的社媒平台上获取的，消费者会在小红书平台通过视频、图文笔记去表达自己是追求什么样生活方式的人。做用户研究脱离不了人，车企往往很难理解这点，认为调研问卷样本越大可信度越高，其实未必。所以我们现在更常用大数据去做分析，补充以小数据洞察。在用户研究领域，最好的工具其实是研究者本身，做研究的人一定要非常有水平。做数据驱动，一方面企业能力需要提升，另一方面一定要用开放的方式和外部做数据的联通，如果你的数据无法和市场数据同频共振也会有问题。从我的角度来看，整车厂现在有一个问题，就是认为在智能车时代，数据应该抢在自己手里面，如果数据不在自己手里的话，只能沦为别人的打工仔。但现在问题在于，整车厂拥有了一些数据资源之后很难快速应用。这里有几个深层次的原因：第一点，很多数据其实是在明面上的，有的整车厂并不理解用户，哪怕拿到数据，但它没有办法第一时间感受到用户的感受。现场才是第一要务，其次是怎么样去分析数据。我认为虽然整车上有很多的数据，但数据权利在谁的手上其实很关键。数据权利在产品的供应商的手上，可能它能发挥更好的效用。例如这个数据是在HUD 的供应商手上，它可能会发挥对这个 HUD 更好的优化作用，整车厂自己并不理解怎么去优化 HUD 。但是就因为整车厂片面地以为数据在自己手里就可以把它价值最大化，供应商拿不到数据是现在最大的一个问题。在整车厂内部，数据的权利在谁手上也很关键。有些传统整车厂很早就涉及数据收集整理，但实际上真正能够用数据转化成业务的人并没有足够的权利。我比较推崇的是蔚来汽车，蔚来汽车有用户数据中心，用户数据中心收集到数据以后，通过研究用户大面积的行为去做相应的创新，或者说这个功能对用户来说是比较 OK 的，马上就转化到项目管理部门推进到产业化落地。第二点，数据本身更适合去做产品的优化，不要妄图想要把数据当作创新的工具。因为创新的 idea 其实来自用户或者来自第一现场。如果没有这些真实的感受，反而是说我看着数据就能够把东西创新出来，我觉得是一个最大的悖论。但是我现在接触的几家整厂都有这样的问题。第三点，数据之间存在壁垒。现在最大的问题就是各个数据模块之间其实没法打通。比如自动驾驶的数据和智能座舱数据，油门踏板的数据和车联网的数据都是没法去打通的。真正能够从顶层架构设计、整个数据链路打通的环节其实是没有的。刚才李总提到，企业的整体数字化转型是个问题，因为要在前端把智能座舱的用户相应的数据反馈过来，急速地进行产品力的转化的话，涉及组织力的问题。但这个组织力的问题涉及整个公司的业务流程和研发体系，以及数据的处理，整个问题其实没有解决。我们发现很多整车厂把原来的智能座舱的或者是做设计研发的转手到CIO 手里。但是CIO 未必能够做成很好的数字化转型，需要跨学科知识、跨领域，又要懂用户，又要懂产品，还要懂怎么样去把它商业化实现，甚至于对成本控制也要非常了解，这一块人才是极少的。我再提一下数据成本问题。大家可能还没有意识到，每辆车上面的数据的成本实际上是极为高昂的，而且未来是按照 license 每年付费的。整车厂把车卖出去后，维护处理数据要持续地支付成本，这个数据整车厂不知道该怎么用，没法价值化，但是必须要有足够多的云端服务器与足够多的云端算力或者是外包供应商帮它去做解析，这一块的成本是持续支出的。
我认为数据对于新型的商业模式会比较有利，就是说通过数据研究去发掘项目，围绕车机生态、自动驾驶、充换电、维修保养、数据购买等一系列的东西。我个人比较看好车载游戏、车载唱吧这些既适合老人，又适合小孩、成人的方向。这些一通俱通的业务领域，反而是未来真正能够产生大量商业模式的地方，这一块通过数据的演化计算是比较有利的。
2022-11-27
宏观趋势
