Москва — мировой лидер по развитию каршеринга. Такой его популярности удалось добиться благодаря драконовским мерам столичного правительства по ограничению использования личного транспорта
ЛЕНА НИКИТЧЕНКО/ТАСС
Каршеринговые автомобили занимают парковочные места в городе, чем вызывают недовольство владельцев личных авто
Читайте Monocle.ru в
Совместное использование автомобилей — вид шеринговой экономики, который уже совсем скоро будет исчисляться сотнями миллионов активных пользователей. Расходы на автомобиль для среднестатистического домохозяйства традиционно считаются вторыми по значимости после трат на недвижимость, и в ряде случаев «шерить» автомобиль сейчас уже выгоднее и удобнее.
Исторически услуги аренды автомобилей возникли чуть ли не с момента появления «самодвижущихся повозок» в конце XIX века. Но о том, чтобы предоставлять автомобиль в краткосрочную аренду на срок от нескольких минут, стали задумываться в конце 1940-х. Один из первых экспериментов с таким сервисом был зафиксирован в швейцарском Цюрихе в 1948 году. Настоящий же бум в этой сфере начал происходить в начале 2010-х, когда подобные услуги стали по-настоящему удобными и доступными благодаря развитию платформ.
Глобальный парк каршеринговых машин скоро превысит миллион
Сегодня, по данным международной аналитической компании Movmi, каршеринговые услуги распространены в 59 странах мира (30% всех государств), более чем в трех тысячах городов, в этом бизнесе в общей сложности задействовано 236 компаний, работающих в качестве каршеринговых операторов. В целом каршеринг сейчас развивается по трем основным бизнес-моделям: самая старая и по-прежнему распространенная (например, в США) — каршеринг station based, то есть принадлежащий компании автомобиль можно брать и возвращать на определенные стоянки. Второй, более удобный и перспективный вид — каршеринг free-floating: в этом случае машину можно оставлять в любом месте, например в черте мегаполиса. И третья модель — сервисы peer-to-peer, когда уже сами владельцы могут сдавать в аренду свой автомобиль через интернет-платформы.
Самым многочисленным и перспективным видом каршеринга считается free-floating: по данным Berg Insight, число совместно используемых таким образом автомобилей в мире сейчас составляет порядка 400 тыс. единиц, а к 2023 году их число увеличится втрое, до 1,2 млн (см. график 1). При этом если сейчас в мире пользуются каршерингом порядка 55 млн человек, то к 2023 году это число увеличится более чем в четыре раза, до 227 млн. Москва стала мировым лидером в совместном пользовании автомобилями по модели free-floating: в 2019 году в российской столице парк каршеринговых машин достиг 30 тыс. штук, это вдвое больше, чем в 2018-м (см. график 2). Ранее конкурентами Москвы по этому показателю считались Токио, Пекин и Шанхай, где парк каршеринга пока не превышает 20 тыс. автомобилей.
🤖 «Пока бизнес скорее тратит на ИИ, чем на нем зарабатывает»
Пока Google и Microsoft делают наши личные данные топливом для своих нейросетей — анализируя почту или делая скриншоты экрана каждые несколько секунд, — реальный сектор (финансы, медицина, промышленность) задыхается от обратной проблемы. Здесь строгие законы о защите персональных данных превращаются в непреодолимый барьер: обмениваться данными, чтобы учить свои модели на них, большей части банков и корпораций запрещено.
Однако выход есть — технология конфиденциальных вычислений, позволяющая анализировать данные, не раскрывая их. В России одним из пионеров этого подхода стала компания УБИК (теперь часть группы Arenadata), запустившая в прошлом году продукт Ubic Conclave для совместного анализа данных банков, телекомов и госструктур без передачи самих сведений.
⚡️ Петр Емельянов — директор по дата-стратегии и искусственному интеллекту группы Arenadata
Как работают конфиденциальные вычисления? Что дает ИИ бизнесу? Что за задачи решают ваши заказчики? Как будет проходить адаптация к ИИ?
🎙 О том, как именно конфиденциальные вычисления могут преобразить искусственный интеллект и где кроется экономика в анализе данных, Петр Емельянов рассказал в подкасте «Монокля».
0.54 что такое конфиденциальные данные и вычисления и зачем они нужны
5.50 что могут узнать банки о своих клиентах, если объединят свои данные (не объединяя их)?
7.50 как не запутаться в том, что показывают большие данные
12.35 стартапы на базе ИИ: почему у них нет конкуретных преимуществ
14.00 как работает Conclave
17.00 что хотят получить банки и компании с помощью конфиденциальных вычислений
21.00 как экосистема может больше зарабатывать за счет знания своего клиента
23.50 каким будет ИИ,обученный не на общедоступных, а на публичных данных
28.20 почему нам не нравится, когда наши данные обрабатывают
31.50 так приносит ли ИИ деньги или нет?