ofo7億美元融資的野心：以技術手段領跑共享單車之爭

　　ofo小黃車E輪融了7億美元，比摩拜單車多出了一個億。

　　這次的領投方變成了阿里巴巴、弘毅投資和中信產業(yè)基金，而前幾輪領投的滴滴出行和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)據表現(xiàn)當然是好事，但這也意味著ofo需要更良性的擴張以鞏固市場地位，更好的數(shù)據運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+人工智能。

　　NB-IoT智能鎖開啟物聯(lián)網征程

　　在之前的文章中，我已經詳細講述過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網絡制式，每個智能鎖內部都有一個獨立號碼的SIM卡，以此達到解鎖和地理位置回傳等目的，類似于摩拜單車這樣。

　　但2G網絡也有諸多弊端，比如有些地方網絡信號覆蓋不好，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這些缺陷。

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

　　一是廣覆蓋，室內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，終端模塊待機時間可長達10年。

　　你看，廣覆蓋的特性可以解決網絡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，更深層次的意義在于出行效率的提高和出行數(shù)據的挖掘上。

　　接入NB-IoT物聯(lián)網后，ofo小黃車就能夠實現(xiàn)對車輛的精準監(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)網后的海量出行數(shù)據可以在諸多方面發(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)網本身實現(xiàn)商業(yè)化落地的寶貴財富。

　　AI助力智能運營

　　數(shù)據接入只是物聯(lián)網的第一步，要將這些海量數(shù)據進行分析、挖掘和應用，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，這個依靠深度學習、強化學習和蒙特卡洛樹搜索的圍棋程序碾壓了整個圍棋界，其中，卷積神經網絡正是深度學習的重要一環(huán)，它主要應用于圖像識別領域，卷積是提取相關性特征的方法，神經網絡是預測需求的模型結構。

　　而今，ofo則把卷積神經網絡應用于預測用戶出行需求上。

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

　　簡單來說，就是結合當前時間、地點、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年底開源的深度學習系統(tǒng)可以幫助ofo在預測結果上更為精準。

　　共享單車具有明顯的潮汐效應，且騎行需求受天氣等因素影響比較大，ofo利用卷積神經網絡和TensorFlow人工智能系統(tǒng)進行精準預測，從而為運營調度提供更好的決策，這種智能運營方式或許是今后共享單車乃至智能出行領域的一種趨勢。

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