豐田和谷歌都要仰仗的自動駕駛霸主(上)─動盪期的新主角
收藏文章
很開心您喜歡 日經技術 的文章, 追蹤此作者獲得第一手的好文吧!
日經技術
字體放大


分享至 Line

分享至 Facebook

分享至 Twitter


豐田和谷歌都要仰仗的自動駕駛霸主(上)─動盪期的新主角

2015 年 11 月 10 日

 
展開

豐田和谷歌都要仰仗的自動駕駛霸主-01

【日經BP社報導】豐田VS谷歌——隨著自動駕駛實用化的臨近,這場不同產業之間的對決成為了關注的焦點。在這場對決的背後,有一家汽車零組件廠商異軍突起,成為自動駕駛時代的新主角。這就是德國馬牌集團(Continental)。該公司汽車相關業務的銷售額,已經超過了十年前還是自己兩倍之多的日本電綜(DENSO)公司。這家有著140多年歷史的老牌輪胎廠商,是如何轉型成為高科技企業的呢?就讓記者帶您看看這家企業實際的經營情況。

德國馬牌-自動駕駛試製車
德國馬牌的自動駕駛試製車在日本的公路上行駛

在汽車產業德國馬牌很多人也只知道這是一家老牌輪胎企業。實際上,在自動駕駛系統領域,這家公司已經開始具備與汽車廠商相當的技術實力。該公司汽車相關業務的銷售額已經超過電綜(DENSO),成為全球第二大零組件廠商,正在成為新的主角。

鬆開方向盤,汽車依然沿著蜿蜒曲折的車道繼續前行。就在駕駛員急打方向盤,以為避開了前方出現的假人的時候,汽車又檢測到了另一個假人,突然緊急停車。

這是正在日本千葉縣旭市的測試道路上接受檢驗的自動駕駛試製車。其中也有可一鍵式自動完成平行停車的汽車。開發這些車輛的,是汽車零組件大型廠商德國馬牌。該公司總部設在德國北部擁有51萬人口的漢諾威。

德國馬牌在日本的知名度不高,人們只知道該公司是世界第四大輪胎廠商。輪胎廠商為什麼會擁有令汽車廠商都相形見絀的自動駕駛技術呢?

超越規模曾是自己兩倍的電綜

2015年10月初,豐田宣佈將在2020年之前推出能在高速公路上自動行駛的汽車。日產汽車和通用汽車(General Motors, GM-US)(GM)等公司也計劃在未來數年內開始銷售自動駕駛汽車。谷歌和蘋果(Apple, AAPL-US)也在進行這方面的準備,汽車對IT(資訊技術)的對決進入了白熱化

德國馬牌創辦於1871年。在這場新老對決中,原本應該屬於“老牌”陣營。然而,該公司最先預見到自動駕駛時代的到來,大膽扭轉了經營方向。通過積極實施M&A(併購),一舉將業務的軸心從輪胎調整到了感測器軟體等。

察覺未來的環境變化,選擇最佳的發展道路。該公司的這種經營方式,與自動駕駛可謂是一脈相承。其成果也體現在了業績之中。

2014年德國馬牌(汽車相關業務)的銷售額為345歐元(按2014年平均匯率換算,約為42840億日元)。超越了十年前規模是自己兩倍以上的電綜(汽車相關業務)創造的42435億日元的成績,僅次於博世,躍居世界第二位。

德國馬牌提出了到2020年,使銷售額從2014年的345億歐元增加到500億歐元的計劃。對於今後的發展,該公司首席執行長艾爾馬爾·德根哈特(Elmar Degenhart)自信地說:“高級駕駛輔助系統、電子設備、感測器、軟體等數位技術將佔到汽車部門銷售額的60%。在未來5年,估計會超過汽車產業的平均增長速度。”

豐田和谷歌都要仰仗的自動駕駛霸主-02

2014年11月,有一件事情震動了日本汽車業。在豐田做好萬全準備後發佈的預防安全技術“Toyota Safety Sense”中,有一個核心部件不是出自豐田集團,而是德國馬牌的產品。不只是豐田,本田、馬自達、德國戴姆勒等很多汽車企業,都開始依賴德國馬牌。

總市值與日產汽車相當

福斯“廢氣門”再次強調了一個事實:汽車與軟體是不可分割的

今後,隨著自動駕駛時代的到來,汽車還將連接雲端服務器和人工智慧連接,相當一部分附加值會從硬體轉移到軟體。德國馬牌並不打算成為汽車廠商,而是希望先開發出自動駕駛必需的零件,掌握技術主導權,構建起實現自動駕駛必不可少的資訊基礎設施。

在產業的動盪期,一定會湧現出一些新星,上演新老盟主交替。與谷歌、蘋果、特斯拉汽車等齊頭並進,德國馬牌也成為汽車產業新主角的候選。截至10月19日,德國馬牌的股票總市值約為400億歐元,與佳能、日產汽車基本相同。

德國馬牌競爭力的源泉是什麼?在德根哈特CEO的率領下,該公司的關鍵人物描繪出了怎樣的藍圖?為了探究該公司尚不為人所知的真實情況,筆者到訪了德國。(未完待續)

日經技術》授權轉載

 
週餘
 
 
分享文章
分享至 Line
分享至 Facebook
分享至 Twitter
收藏 已收藏
很開心您喜歡 日經技術 的文章, 追蹤此作者獲得第一手的好文吧!
日經技術
分享至 Line
分享至 Facebook
分享至 Twitter
地圖推薦
 
推薦您和本文相關的多維知識內容
什麼是地圖推薦?
推薦您和本文相關的多維知識內容