不可否認地，科技已經改善了現代生活的許多面向。然而，交通及運輸是一個可進一步耕耘的領域。就以日常上下班通勤為例，長期致力研發汽車導航系統與交通 App 的美國交通數據公司 INRIX 的研究指出，從 2015年開始，世界各地的主要城市花在交通上的時間都增加了一倍以上。
但是，自動駕駛（Autonomous driving）、代雇駕駛（Shared mobility）、更深入的客戶洞察（Deeper customer insights）、數位製造（Digital manufacturing）及聯網汽車（Connected cars）等五大趨勢，有望在交通領域運用現代技術的優勢，改善通勤者的體驗。這些趨勢有可能從根本改變汽車業的運作方式，而雲端技術（如 GCP 與 Google Maps Platform 等）在其中扮演至關重要的角色。
接下來讓我們一起了解這五大趨勢，以及如何運用 Google Cloud 驅動成長。
Google Cloud TPU Ｘ 自動駕駛
考慮到自動駕駛對技術和基本商業模型的影響，自動駕駛可以說是交通領域中，最具戲劇性的革命之一。建立基礎設施並提供公司工具打造自動駕駛解決方案，是雲端技術能夠提供的重大價值。同時，打造一個可以安全駕駛的人工智慧系統，是產業規模上最需解決的機器學習難題之一。
為了驗證自動駕駛模型，公司需要在道路上及複雜的數位模擬情境中測試汽車。這些模擬情境涉及大量的計算需求與巨量資料，通常最好結合 GPUs（圖形處理器） 和 Cloud TPUs（張量處理器）。Google 為 AI 工作負載量身定制 Cloud TPU，其高速網路在單個 pod 中提供超過 100 petaflops 的性能表現——本質上使它成為一台按需求運作的超級電腦。因此，不論您的工作負載為何，Google 有能盡可能有效且低價運作的世界級 AI 基礎架構。
*譯註：petaflops：是一種估算電腦效能的單位，1 petaflop 等於每秒進行 1千萬億（1015）次的數學運算。
Google Maps Platform Ｘ代雇駕駛
幾乎所有想要改善交通運輸的願景都跟優化代雇駕駛服務有關。Google Maps Platform 有多種方式能夠協助代雇駕駛服務和貨運公司改善導航路線，以及車隊的整體效率。
以駕駛人員層面來看，開發人員可以將 Google Maps 中強大的逐向導航（turn-by-turn navigation）體驗嵌入至應用程式中。這代表駕駛不用切換應用程式就能取得下一份工作的方向或資訊，這也讓公司能夠擷取駕駛員路程的數據。藉由這種程序控制和對駕駛員行為的洞察，代雇駕駛服務公司可以更有效調度駕駛員，減少駕駛員的閒置時間和客戶的等待時間。 Google 代雇駕駛服務解決方案的一位早期用戶，反饋他們的駕駛時間縮短了 4%，預計到達時間的準確性也提高了 48%。
Google Cloud APIs Ｘ 取得更深入的客戶洞察
儘管汽車製造商製造了一些最具代表性的消費產品，但要獲得對顧客更進一步的洞見可能非常困難。 那是因為與客戶相關的數據通常是零散的，有些留在經銷店、有些留在製造商，也有些散落在許多未連接的系統上。
孤立的數據可能導致許多效率低下的問題，尤其是關於汽車的激勵措施支出。根據麥肯錫的報告，這些激勵措施是汽車公司最大的支出之一，但也是了解和管理最少的一塊。 此外，折扣和回扣為經銷商和原始設備製造商（OEMs）帶來了很大的變化和複雜性，舉例來說，客戶的錢、經銷商的錢、租賃折扣、給國家殯葬董事協會會員的獎金及給房地產經紀人的回扣等。
*譯註：激勵措施（incentives ) 是指有些透過向銀行貸款購買汽車的經銷商，銀行會給予經銷商一段免息的時間（例如：45天），在這段時間過後未售出的汽車，銀行便會向經銷商收取利息，需要繳交的利息費用較為高昂。因此汽車製造商為了促進消費及降低經銷商的經濟壓力，會提供激勵措施給經銷商，使其能夠降低汽車價格，促進銷量。
這樣的複雜性可能導致真正的定價混亂。在最近的一項研究中，美國汽車集團 Cox Automotive 的利率與激勵部門透過經銷商提供服務的工具比較了利率、現金及誘因，發現價格波動高達 6750 美元，而消費者不喜歡的一件事就是不確定性。
有了 Google Cloud，汽車的激勵措施可以被優化，從而幫助 OEMs 和經銷商控制關鍵成本並減少混亂。他們可以使用 BigQuery 來提取、儲存和分析能夠連接 OEM、經銷商及客戶間的數據。這樣的過程使激勵措施能夠被準確且一致的追蹤。此外，Google Cloud 的進階 AI／ML 工具可以調查過去回扣的模式，OEMs 和經銷商可因此了解他們是否有效地應用回扣，甚至可以提供自動觸發機制，指出由於重疊／重複性激勵措施和回扣衝突所產生的潛在超支。
綜合上述，Google Cloud APIs 讓經銷商能夠連接到經銷商管理系統（DMS），獲得「單一來源的真實」以及整個記錄系統中的數據。 最後，Google Cloud 擁有由系統整合商和其他諮詢合作夥伴組成的汽車產業網絡，可以幫助實施這些激勵措施，並優化解決方案。
Anthos Ｘ 數位製造
儘管在機器人科學、AI 和其他數位技術方面有所改善，汽車製造商間仍深陷於擁有數十年歷史的系統和孤立的數據中。 美國市場研究機構 IDC 指出，77％ 的製造商將數位轉型視為一個機會，並將數位轉型作為其首要任務之一。 麥肯錫管理顧問公司提到，自動化生產和數據交換的新時代開啟了廣泛的使用案例，這些使用案例可以降低成本、提高產量並支援新的製造方法。
然而，汽車公司通常希望在本地執行製造商的工作負載。其中的原因可能有幾種，例如延遲、某些國家的資料落地權要求及客戶偏好將數據保留在當地等。Google 的託管式雲原生平台 Anthos 可以勝任這些挑戰，同時仍然允許客戶像在雲端一樣開發和操作他們的系統。 作為純軟體解決方案，Anthos 可依客戶選擇的硬體運作。 此外，Anthos 的工作負載可以隨時無縫地轉移到 Google Cloud 或其他雲端供應商。
品質檢查是 Google 的客戶在雲端和機器學習技術的幫助下，看到真實運營改善的另一個領域。 Edge TPU—Google 的 ASIC（特定應用積體電路）是設計用來在邊緣以消耗極少資源及能源的方式運作——可以讓製造商在車間進行檢查。 除了汽車業之外，LG CNS 已經在使用 Google 的技術來檢測 LCD 面板生產中的缺陷。
Google Cloud X 聯網汽車
當今世代的汽車是一台可以生成大量數據的超級電腦，這些數據通常是即時地從多達 60 到 100 個感測器中捕獲的。不幸的是，這其中有許多數據是非結構化的、在孤立的系統中、且易受到駭客攻擊的。同時，車內的電子設備和軟體變得越來越複雜。 2010 年至 2016 年間，一輛普通汽車所需的原始碼行數增加了約15倍，供應商和流程的複雜性也同樣成倍增加。
Google 希望簡化汽車軟體，幫助公司從車隊生成的數據中汲取洞察。 Google 已經在 Android 系統上邁出了一大步，其在汽車 OEMs 中得到了廣泛的採用。可以透過雲端提供一種完全整合的遙測方法，使提取和運算數據分析變得更容易。
當然，無論何時在組織間搬動數據，信任和安全都是至關重要的。 因此，使用 Google 的方法，所有業務（包括 OEMs）都能保留對其數據的完全控制權和所有權。Goolgle 同時也有建構自己的晶片，以確保數據中心和客戶數據的完整性。
交通與運輸是一個複雜的領域，其數位轉型擁有能夠以某種方式觸及我們每個人的潛力。 Google 的解決方案旨在幫助汽車公司繼續實現這一轉變，並且期待看到他們以創新的方式使用雲端技術來實現目標。
本文編譯自《Shifting gears: How the cloud drives digital transformation in the automotive industry》
