陈宸认为：新能源汽车的残值评估相比燃油车而言，更具有客观优势。依托于现今先进的车联网、大数据、云计算、人工智能、区块链等技术，未来评估新能源汽车将会更精准、客观、可追溯，汽车金融与保险也将更放心。陈宸表示，新能源汽车残值评估的三要素是数据、算法、算力。
以下是分享全文（略有删减）
陈宸：各位专家和老师们，大家下午好！
在正式讲这个话题之前，我想问大家一个问题：大家认为新能源汽车残值评估跟燃油车的残值评估哪个更难一些？认为新能源汽车残值评估更难的举手示意一下。好，很多人认为新能源汽车的残值评估可能会更难一些，为什么呢？我们在建立燃油车残值评估模型的时候考虑的特征工程有哪些？车型、里程、上牌时间、城市、颜色、车辆出厂时间、过户次数、车况、淡旺季、当地库存、关税政策、新车优惠等。而新能源汽车除了考虑上述的这些特征之外，还考虑什么呢？三电系统、司机的使用习惯、环境及工况、技术革新带来的不确定性等。
图：部分参会嘉宾合影
但我今天分享的观点是：
新能源汽车的残值评估更容易
，为什么这么说呢？新能源汽车是一个新的物种，他就像一个精密的电子产品一样，装满了各种各样的传感器，传感器会时时地把车辆部件的监控信息传输出来。所以新能源汽车残值评估模型的建立具有与生俱来的先天优势。这就为破除新能源汽车估值困境提供了非常好的数据基础。
再回顾一下我刚才提到的新能源汽车残值评估的特征。
第一，车辆基本信息比如里程、车龄等。
这些信息可以通过传感器比如GPS等时时回传，避免了燃油车会被修改里程等信息的弊端。
第二，三电系统
。电池、电机、电控都有传感器，部件的运转情况、报警信息等都会被时时监控，甚至可以做故障预测和智能运维。
第三，司机的使用习惯。
驾驶习惯比如加速信息、承载重量、充放电习惯等都可以被监控到，甚至司机的打电话习惯都可以被知道。所以，在保险行业建立UBI模型时，新能源汽车比燃油车更有优势。在新能源汽车残值评估建模时，我们还会建立诸如UBB（Usage based battery model）等基于用户使用行为的模型。环境比如温湿度、工况信息等同样可以被时时采集并传输。
第四，技术革新问题。
电动车行驶里程每年大幅增加会对已有电动车带来很大的残值冲击，但是，电池等技术发展到今天，四五百公里续航已成为主流的情况下，未来的续航里程的年增长会趋于稳定。因为盲目的增长续航会带来成本的增加以及电池控制的难度的增加。
所以，新能源汽车的残值评估模型也逐渐清晰明了。上述四个模型：车辆、三电系统、人、工况集成到一起，就构成了新能源汽车残值评估模型的主模型。
图：参会嘉宾认真听讲
以上讲了新能源汽车残值评估的数据基础，我们还要感谢当下的车联网技术，可以通过CANBUS总线、车载T-BOX、V2X传输等技术把数据时时采集到车联网平台中。
无论是新能源汽车建模还是其他的“ABC”领域中的问题，永远离不开的三要素就是数据、算法和算力。
所以，大家在考察哪个公司可以做新能源汽车残值评估时，就牢牢把握数据、算法、算力三点，这也是我今天主讲的三个内容。
首先，我们来看一下新能源汽车残值评估的现状。
截至2017年末，我国新能源汽车保有总量已突破180万辆。在政策鼓励下，新能源车产销保持高速增长。2017年新能源汽车销量达到77.7万辆。2018年1至5月累计销量32.8万辆，全年有望突破100万辆。
新能源车上市已经若干年，相关的汽车技术也有了飞跃式进步，越来越多的品牌、越来越高续航能力的新能源车型层出不穷，消费者们可选择的余地也越来越多。而最早的一批新能源汽车也即将进入换代期，面临售卖需求。那么，当前新能源汽车二手车的现状如何？又是如何进行评估定价的？
新能源汽车与传统燃油车差异大，新能源汽车二手车估值成难题。比如，新能源汽车二手车流通困难，动力电池占整车成本较高，三电系统检测评估需要更专业的设备，交易价格较少等等。由于新能源汽车保值率有其特殊属性，电池衰减速度、技术更新都对新能源汽车的检测评估造成了一定的困扰，所以新能源二手车的评估不仅需要对车况进行评估，更要对电池进行评估。
接下来，我们来谈一下系能源汽车残值评估的三要素，即数据、算法、算力。
第一，算力。也是新能源汽车估值的可行性分析。
依托现今先进的车联网技术，新能源汽车的各种传感器的数据通过CANBUS总线、车载T-BOX、V2X等技术传输至精真估的车联网平台，存储在时序数据库中，并在分布式计算平台中进行模型的时时推导计算。
根据《电动车远程服务与管理系统技术规范 GB/T 32960.3-2016》，整车数据、驱动电机数据、燃料电池数据、发动机数据、车辆位置数据、极值数据、报警数据、自定义数据等都可以时时被传输。精真估为每一辆车建立车辆档案，包括上述数据，还有驾驶员的数据、环境数据、维保出险数据等，做到一车一档案，并根据当下状态时时估值。
精真估的车联网数据平台的存储计算架构及时序数据库的优势大家可以看一下幻灯片，由于时间关系，我就不展开讲解了。最终，以上模型会被封装成API接口，供客户时时调取查询，而不用关注模型内部的参数。
下面是新能源汽车运营的时时数据的BI展示。
第二，模型。
整个新能源汽车的估值模型由四大模型集成。分别是车况模型、三电系统模型、驾驶行为模型和工况模型。其中每个模型又由小的分类和回归模型embedding而成。比如，车况模型包含车史定价模型，即通过NLP分析维保出险记录。再比如，基于用户使用行为的电池模型UBB（Usage based battery model）以及电池的故障预测模型。
我们以吉利某款车型为例，展示了残值的构成，即不同特征因子对回归变量的贡献情况。
第三，数据。
数据才是三要素中形成壁垒的关键因素，因为算法和算力都可以用金钱解决。模型再厉害，没有数据去train，等于零。那新能源汽车残值评估的数据从哪里来？精真估不生产数据，精真估只是数据的搬运工。精真估与中国汽车流通协会新能源汽车研究中心共同牵头，建立了包含主机厂、动力电池供应商、电池梯次利用供应商、延保机构、交易平台、新能源汽车运营公司、重资产处置机构、科研及数据支持单位等全数据链条的新能源二手车残值研究课题组。建立这个课题组的目的有两点，第一，新能源汽车残值评估模型要得到链条上每个环节单位的认可，第二，数据共享，主机厂可以看到运营的数据，运营的公司可以拿到T-BOX里主机、电池的数据，形成数据共享平台，互惠互利。依托于各个环节的机构的数据，我们的新能源汽车残值评估模型会越来越完善。
综上，我介绍完了新能源汽车残值评估所需的数据、算法、算例，我的演讲就到这里，谢谢大家！
