机器学习将对汽车和移动出行行业产生重大影响，由于它将解锁全新的产品和价值池，而不仅仅是提高生产率。 鉴于消费者的兴趣，我们确定了汽车和移动出行中一系列可应用机器学习的领域（图二）。 它们分为三类：

1． 优化流程和提高生产率（通常植根于高级分析，但通过机器学习得到增强）

2． 新产品或增强产品（主要通过机器学习）

3． 全新（垂直）业务，深耕客户使用案例，充分利用这些新产品

在本文的其余部分，我们专注于可以创建最大价值池——自主驾驶和车载***的应用程序。

图二

想从AI获益，汽车玩家需要克服三项挑战

在移动出行环境中应用机器学习技术非常复杂，需要围绕移动出行生态系统的新结构（图三）。 新兴行业格局中的不同利益相关者及其支持的技术将需要全新的承诺、制度和工作方式。 围绕系统和汽车将会有一些不同的机器学习功能，即一些后端偶尔通信和更新的嵌入式系统，以及一些基于云计算的实时系统。 所有这些系统都依赖于广泛的利益相关者（包括第三方）和具体的技术限制因素，也受到当地情况和监管的影响。

图三

在这里，我们看到三种挑战：承担技术挑战，特别是车辆嵌入技术；符合监管标准；并定义合适的商业模式。

1）技术。 理论上在移动出行中已获得了许多机器学习的基础算法和方法。 尽管如此，仍然需要在实施和嵌入技术方面取得重大进展。 汲取自主驾驶和车载经验，例如：这些系统将依靠大量数据，而量太大却无法全面传输，以及输出质量和时机至关重要，都会影响安全。 虽然机器学习技术已经可以在后端环境中运行（足够的计算能力和适当的硬件存在），但嵌入它需要技术硬件提高和连接解决方案。