ofo7億美元融資的野心：以技術(shù)手段領(lǐng)跑共享單車之爭

　　ofo小黃車E輪融了7億美元，比摩拜單車多出了一個億。

　　這次的領(lǐng)投方變成了阿里巴巴、弘毅投資和中信產(chǎn)業(yè)基金，而前幾輪領(lǐng)投的滴滴出行和DST繼續(xù)跟投，這也創(chuàng)下了共享單車行業(yè)的單筆最高融資。

　　在官方的文件中，ofo一連用了四個最來表述自己——全球規(guī)模最大、覆蓋最廣、市場占有率最高、估值最高。

　　華麗的數(shù)據(jù)表現(xiàn)當(dāng)然是好事，但這也意味著ofo需要更良性的擴(kuò)張以鞏固市場地位，更好的數(shù)據(jù)運(yùn)營去管理龐大單車群體，以及更性感的故事來撐起龐大的估值。

　　對此，ofo給出的解決方案是：物聯(lián)網(wǎng)+人工智能。

　　NB-IoT智能鎖開啟物聯(lián)網(wǎng)征程

　　在之前的文章中，我已經(jīng)詳細(xì)講述過ofo的智能鎖發(fā)展歷程，尤其是剛剛聯(lián)合華為和中國電信聯(lián)合推出的NB-IoT物聯(lián)網(wǎng)智能鎖解決方案，不僅對ofo來說是一次飛躍，對于整個共享單車乃至物聯(lián)網(wǎng)行業(yè)都頗具意義。

　　此前，共享單車的智能鎖大多采用帶有SIM模塊的2G網(wǎng)絡(luò)制式，每個智能鎖內(nèi)部都有一個獨(dú)立號碼的SIM卡，以此達(dá)到解鎖和地理位置回傳等目的，類似于摩拜單車這樣。

　　但2G網(wǎng)絡(luò)也有諸多弊端，比如有些地方網(wǎng)絡(luò)信號覆蓋不好，需要用騎行的方式來充電供電，在極端天氣或者久了沒有人騎時故障率高等諸多問題，而NB-IoT智能鎖的諸多特性剛好可以彌補(bǔ)這些缺陷。

　　所謂NB-IoT，指的是窄帶物聯(lián)網(wǎng)(Narrow Band Internet of Things)。它是物聯(lián)網(wǎng)領(lǐng)域一個新興的技術(shù)，主要特點(diǎn)有三：

　　一是廣覆蓋，室內(nèi)甚至地下室同樣能夠覆蓋;

　　二是海量連接，一個扇區(qū)能夠支持10萬個連接;

　　三是低功耗，終端模塊待機(jī)時間可長達(dá)10年。

　　你看，廣覆蓋的特性可以解決網(wǎng)絡(luò)信號覆蓋不好的問題，海量連接的特性則可以在同一區(qū)域大量停放ofo的情況下，也能同時穩(wěn)定的連接，避免掉線;低功耗的特性更是讓這個物聯(lián)網(wǎng)智能鎖無需更換電池和充電就能穩(wěn)定工作兩三年，這簡直就是為共享單車量身定做的啊。

　　性能上的提升只是基礎(chǔ)，更深層次的意義在于出行效率的提高和出行數(shù)據(jù)的挖掘上。

　　接入NB-IoT物聯(lián)網(wǎng)后，ofo小黃車就能夠?qū)崿F(xiàn)對車輛的精準(zhǔn)監(jiān)控，并且能同時監(jiān)控更多車輛，這些不僅有助于提高出行效率，而且可以幫助解決ofo目前飽受詬病的亂停亂放問題。

　　同時，接入NB-IoT物聯(lián)網(wǎng)后的海量出行數(shù)據(jù)可以在諸多方面發(fā)揮作用，比如幫助完善智慧交通城市，為實體零售行業(yè)提供區(qū)域人群出行特性等營銷價值。此外，這些嘗試也是窄帶物聯(lián)網(wǎng)本身實現(xiàn)商業(yè)化落地的寶貴財富。

　　AI助力智能運(yùn)營

　　數(shù)據(jù)接入只是物聯(lián)網(wǎng)的第一步，要將這些海量數(shù)據(jù)進(jìn)行分析、挖掘和應(yīng)用，就需要借助人工智能。

　　提及人工智能，我們最先想起的恐怕是谷歌的阿爾法狗，這個依靠深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和蒙特卡洛樹搜索的圍棋程序碾壓了整個圍棋界，其中，卷積神經(jīng)網(wǎng)絡(luò)正是深度學(xué)習(xí)的重要一環(huán)，它主要應(yīng)用于圖像識別領(lǐng)域，卷積是提取相關(guān)性特征的方法，神經(jīng)網(wǎng)絡(luò)是預(yù)測需求的模型結(jié)構(gòu)。

　　而今，ofo則把卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于預(yù)測用戶出行需求上。

　　如上圖所示，北京西北部上地、西二旗、中關(guān)村地區(qū)是騎行需求最多的地區(qū)，其次是望京、國貿(mào)等地。單純從圖像上來看，很難判斷中關(guān)村地區(qū)和國貿(mào)地區(qū)騎行需求的聯(lián)系。而卷積神經(jīng)網(wǎng)絡(luò)算法則可以幫助ofo提取這兩個地區(qū)的相關(guān)性特征。

　　簡單來說，就是結(jié)合當(dāng)前時間、地點(diǎn)、單車數(shù)量等因素，使單車供給最大限度接近用戶需求。

　　同時，ofo還用上了TensorFlow人工智能系統(tǒng)，這個谷歌于2015年底開源的深度學(xué)習(xí)系統(tǒng)可以幫助ofo在預(yù)測結(jié)果上更為精準(zhǔn)。

　　共享單車具有明顯的潮汐效應(yīng)，且騎行需求受天氣等因素影響比較大，ofo利用卷積神經(jīng)網(wǎng)絡(luò)和TensorFlow人工智能系統(tǒng)進(jìn)行精準(zhǔn)預(yù)測，從而為運(yùn)營調(diào)度提供更好的決策，這種智能運(yùn)營方式或許是今后共享單車乃至智能出行領(lǐng)域的一種趨勢。

　　當(dāng)然，無論是物聯(lián)網(wǎng)還是人工智能，都需要時間和數(shù)據(jù)去調(diào)教打磨，但建立在這兩者之上的數(shù)據(jù)之爭和效率之戰(zhàn)，必將是共享單車下階段比拼的重中之重。