智能驾驶创业方向研究论文

75岁的曹德旺这几年在计划一件事——出资100亿元，设立一所新大学。

他主动向福建省委省政府提出办学这事，领导们都很支持，也召开了好几次会议，就专门讨论怎么办学的事情。

曹德旺是福耀玻璃的董事长，他深刻感受着目前中国制造业人才困境的切肤之痛。

制造业企业高级管理人才断档、培养制造业人才的学科与产业需求脱节、德国教育模式的启发......都是促使曹德旺下决心一定要办好这所大学的原因。

在他看来，当下国内大学培养人才的模式偏标准化，且存在重虚拟经济、轻实体经济的倾向，同时一些培养制造业人才的学科跟不上市场需求和产业发展要求，制造业真正需要的高端人才没有地方培养。

就像一个缩影，自动驾驶赛道也处于类似境地。

作为 汽车 产业转型的核心要素之一，自动驾驶创业热潮起起伏伏已持续多年，全球众多车企、 科技 公司和初创公司都在下场追捧，饥渴的投资者们就像嗅到血腥味的鲨鱼，攘往熙来。

然而，这个行业一直以来都面临着如何招到合适人才的老大难问题。

一个典型的场景是，当企业终于找到合适的算法工程师时，却发现这位候选人手里拿着七八张offer，一家比一家工资高。

缺口最大的算法类岗位，更是浮躁到了令人害怕的程度，“你出钱高，我就会比你出得更高。候选人也是，今年要30万，明年要60万，后年就会要90万、120万”。为了留住合适的候选人，猎头们想尽了招数，甚至接起了“代管宠物”的业务。

现状也令不少企业感到头疼，美团就是其中之一。据一位接近美团高层的人士表示， 因国内自动驾驶人才性价比堪忧，美团或将在硅谷设立自动驾驶研究中心，以相对更低的成本在美国招揽自动驾驶研发人才 。

如果仔细观察供需情况会发现， 自动驾驶“人才荒”是结构性的，是“质”与“量”的双重缺位 。

一方面，当下自动驾驶行业热闹依旧，不断有圈内高管离职创业、大厂跨界押宝、车企重金转型，研发岗位缺口随之扩大。

据预测，到2025年， 汽车 行业对智能网联 汽车 人才的需求量将达到万人，其中又以智能驾驶领域的人才缺口最大，预计将达到5万人。

另一方面，目前业界所需的很多新增岗位此前鲜少有传统车企涉猎，而各大高校对自动驾驶人才的培养又有些滞后。

以一般的自动驾驶感知算法架构师为例，该岗位除了要求候选人熟悉自动驾驶常见系统架构，还要求熟悉深度学习等主流感知技术，同时有参与过车规功能上车量产工作的优先。

自动驾驶行业猎头熊颖仪告诉新智驾，通常的一个自动驾驶L4级的创业公司，团队规模在300-500人，其中研发占70-80%。

“就算法岗而言，大多数公司缺的都是‘具有全栈能力的算法工程师’。会训模型的算法工程师很多，会软件开发的也很多，但是熟练使用C++编程的算法工程师并不多。”

也就是说，从事这类工作的人才，既要有软件开发技能、掌握多种程序设计语言，也要有对 汽车 新旧硬件的充分理解， 其胜任难度和要求均远超从前 。

在智能驾驶行业发展初期，这类人才多只能从公司内部转岗或者跨行业 社会 招聘而来。

但随着行业发展越来越成熟，社招将多集中在行业内的成熟人才，这类成熟人才换工作不影响智能网联 汽车 既有的人才存量，因此未来的智能网联 汽车 的新增人才可能将主要来自于校招。

而这又涉及到另一个问题——校招人才从何而来。

据了解， 高校为自动驾驶行业培养人才方面，助力不多 。

清华大学计算机系教授、人工智能专家邓志东告诉新智驾，目前国内高校主要是通过参加自动驾驶相关科研项目来培养自动驾驶人才，以硕、博研究生为主，本科生、博士后相对较少。

他认为，当下的自动驾驶人才大多来自于计算机系、自动化系、电子系、车辆工程等学科专业，这种人才培养模式无法满足 社会 上普遍存在的自动驾驶用人荒，也不能取得最佳的人才培养效果。

“有必要设立独立的自动驾驶专业，因为培养自动驾驶人才所需的教学大纲、课程体系、师资、教学实习实验设备、产业环境等都与现有专业不同，需要重新组织才能满足专业建设的要求。”

自动驾驶专家、武汉理工大学副教授杨胜兵对新智驾直言， 那种旧瓶装新酒、只是改变了专业名称的换门头做法，三、五年后就被市场判断出来了，到时候就是害人害己害 社会 。

这不是杨胜兵的一家之言。

邓志东也同样希望自动驾驶能成为高校中的一门新学科，特别是创设为一门本科专业或成为一级学科。 如果可以，最好就隶属于自动驾驶学院，“因为将其归属于人工智能学院、计算机学院或车辆工程学院，都不完整” 。

事实上，究竟是设立自动驾驶研究中心、实验室，还是单独设立“自动驾驶学院”，这会给高校在重视与投入程度、学科课程体系的构建、师资配备、教材建设和生源等方面，带来很大的不同。

自动驾驶技术的研发主要起源于移动机器人技术的研究与拓展，因此国内外移动机器人的研发强校，同时也是自动驾驶研发与人才培养的策源地。

除了计算机、自动化，自动驾驶技术也与车辆工程等学科专业高度相关。

而作为前沿新兴技术，自动驾驶迄今未有本科专业与一级学科，所以近期高校设立的自动驾驶班或无人驾驶研究中心，大多挂在不同的学院下，研究的方向和重点也有所不同。

同时目前机械类、电子信息类、自动化类等各专业都有面向智能驾驶领域开设相关课程， 类别繁芜，又容易造成资源重复和浪费，一个高校内重复设立两门相似的专业或课程的情况并不少见 。

比如姚丹亚是清华大学自动化系的教授，他在做课程设计时，曾面向全校研究生开过一门课叫《智能交通概论》，巧合的是，同时期清华大学交通工程专业也开设了这一课程。

最开始也有不少土木、计算机等专业的学生选修姚丹亚的这门课。

但姚丹亚发现，诸如交通工程专业的学生选修他的《智能交通概论》，是希望补足控制、编程方面的知识，但这类知识自动化系的学生其实早有学习，因此他这门课的教学重点是在交通、 汽车 领域，而这方面，交通工程专业的学生又已掌握了不少。

“很难满足不同学生的需求，”姚丹亚指出。

“任何一个学院和学科，都不能满足无人车这种跨学科领域研究项目的人才需求，” 北京联合大学副校长、智能车国家重大计划项目负责人鲍泓也曾在接受媒体采访时表示，光由自动化学院研究机器人只能侧重自动控制，机电学院只会研究机器人关节和机械装置，而这些都只是智能车研究中很小的一部分。

因此， 在智能驾驶人才培养方面，将各相关专业融合教学成了趋势之一 。

在这方面，国内早有高校尝试，只是并不以“自动驾驶学院”的名目单独创立。

比如在2016年，北京联合大学就在全国成立了首个机器人学院，由院士李德毅担任院长，而无人车属于轮式机器人，成为专业的重点研究方向。

但如果现在要想将自动驾驶设立为一门独立的本科专业，抑或设为一级学科，其实都面临着师资、课程培训体系搭建、产业环境需求等一系列问题。

深蓝学院的教研负责人赵松就对新智驾表示，自动驾驶作为一个综合性的学科， 高校目前并没有足够的师资来支撑自动驾驶成为一门独立的专业 。

“比如现在有不少学校都设立了AI专业，但结果还是因为缺乏师资，形成不了系统化的培养体系。”

赵松认为，自动驾驶更偏工程化，高校师资如果没有在这个行业的工作精力，培养出来的学生依然满足不了企业需求。

除此之外，开设一门新独立学科或一级学科，通常需要国家层面的教育主管部门进行顶层设计，其前提是必须从“四个面向”的高度说明，中国大规模自动驾驶人才的培养不仅意义重大深远，而且行业对人才有着持续性的市场需求，这使得实际操作起来环节很多，过程十分复杂。

不过为了培养复合型人才，在2021年初，教育部新增了国内的第14个学科门类——交叉学科，下设“集成电路科学与工程”、“国家安全学”一级学科，经过申请备案，也有不少高校被允许自设二级学科和交叉学科。

随之而来的问题则是，“ 自动驾驶”学科究竟该隶属什么学院，由谁来主导成立 。

在《无人驾驶 汽车 概论》一书中，北京理工大学的陈慧岩等教授提出了一个重要概念，即智能 汽车 的一体化设计。

陈慧岩等人认为，作为先进 科技 集成，智能 汽车 同样要面对传统 汽车 的美学造型设计、整车结构设计问题，产品既要美观、实用，还要能满足商业化成本控制需求。因此，从内部软硬件控制系统到外部车身设计，都需要进行一体化考虑。

在邓志东看来，未来的自动驾驶车辆正向设计，虽然仍离不了信息化 汽车 平台的支撑，但由计算机专业的思维来主导，或更有利于自动驾驶技术与产业的发展。

目前对自动辅助驾驶和自动驾驶的研发，大多是利用新能源 汽车 或电动 汽车 全线控平台进行构建，同时传统燃油车与电动 汽车 均有高度市场化的产业支撑。

因此相对来说，环境感知、自主定位定姿、行为预测、决策、规划与控制，则是自动驾驶落地应用与大规模商业化进程中必须着力突破的焦点和难点。

邓志东从这个角度来分析， 认为人工智能与计算机视觉才是自动驾驶人才培养体系的核心和重点，应该也必须主要由它们来主导自动驾驶的教学体系设计与人才培养。

元戎启行副总裁刘轩则认为，和自动驾驶最接近的专业，应该是机器人专业，所以应该以设计机器人的思路去主导设计无人车，“目前国际上做得比较好的公司里的CTO或创始人们，基本都是机器人相关背景出身的”。

而考虑到由此产生的各个学院的话语权争夺问题，姚丹亚则直接否定，称 “（设立独立的自动驾驶学科）这事搞不成” 。

除此之外，刘轩还表示，除非高校的课程能与业界保持与时俱进，否则专门开设一门自动驾驶学科的课程设置难度会非常大。

一方面，自动驾驶技术的迭代需要海量数据，而高校只能用有限的开源数据，因此相比于业界，高校在理解自动驾驶技术方面就困难得多。

另一方面，业内也有很多前沿的技术并未公开披露或者发表为论文，知识产权掌握在私企中，企业愿不愿意拿出来分享、谁来教课，也是一个很大的问题。

事实上，从专业教学大纲、课程体系、师资、设备等方面搭建一门完整的独立学科，往往需要至少5-10年的周期。

远水难解近渴。

因此在目前企业内部的人才培养模式上，其实不少企业已经“被逼着”先形成了 “专项培训”、“老带新”，以及“在岗学习”三位一体的组合，效果初现。

刘轩告诉新智驾，对于计算机专业以及对自动驾驶涉猎不深的应届生，通过“老带新”和“以战代练”的方式，基本上入职半年就可以做出不错的项目成果。

因此在他看来，在校期间，这些学生专门去学自动驾驶课程的必要性不大，因为业内自动驾驶技术迭代非常快，“在学校学的，毕业后可能就用不上了，校内学生最好还是培养基础能力，比如机器学习算法、写代码能力、软件工程能力”。

L4级自动驾驶公司酷哇的HDR张树丽则表示，与其设立单独的自动驾驶学科，高校更应该多增加和企业的合作，培养学生的实践落地能力，“以战代练，是培养人的很好方式，酷哇比较崇尚”。

国内高校对无人车的研究其实很早。

和很多前沿技术一样，国内开始对无人驾驶车辆的研究也是起于军事需求。

“八五”期间，南京理工大学、清华大学等高校承担了一项名为“地面军用机器人“的项目，联合研制出了国内第一辆具有自主识别功能的ATB一1无人驾驶车辆。

随后，国内高校开始零星以课题组的形式对无人驾驶技术进行研究， 目前国内“科班”出身的自动驾驶人才，也大多由这些研究型大学产出 。

比如中国工程院院士郑南宁在2001年末，就在西安交大组建了无人驾驶智能 汽车 课题组。

2002年，课题组的无人驾驶车“思源1号”正式诞生，2005年，课题组则开始试图让“思源1号”进行一次从西安到敦煌的长途无人驾驶之旅。

当时“思源1号”的长途之旅走得磕磕绊绊，大多数时候仍依赖人工驾驶，而彼时国内研究无人车领域的人确实是少之又少，只能说是初步在土壤中埋下了种子，远远谈不上自动驾驶人才培养体系。

真正让各高校刮起自动驾驶人才培养旋风的，是国内从2009年开始创办的中国智能车未来挑战赛。（雷峰网已策划了中国智能车未来挑战赛人物报道，点击链接阅读第一篇：《崔迪潇：无人驾驶、摇滚和半个西安人》）

2009年，第一届中国智能车未来挑战赛在西安举行，当时的测试场景相对比较简单，比如要求对交通信号、标志和标线进行识别等。

随着时间的推移，中国智能车未来挑战赛开始引入更真实更复杂的场景，逐渐让车辆在真实的乡村和城区道路上行驶，并且陆续增加雾天、信号屏蔽区等测试环境，从感知到规划决策再到控制，对参赛无人驾驶车辆的自主行驶能力要求不断提高。

举办十多年来，各大高校持续参赛，让一批参赛学生对自动驾驶萌生兴趣并走向业界成为中坚力量。

邓志东曾在2016年作为领队，带领清华大学的无人车“睿龙号”参加当时的智能车挑战赛。

他告诉新智驾，参加了智能车挑战赛的学生们，一般是去往百度、阿里、腾讯等巨头公司的比较多，主要从事自动驾驶高级技术岗，薪资水平相当可观，也有少数学生创业，部分初创企业已成长为中国自动驾驶细分赛道的头部企业。

邓志东认为， 与仅是以论文发表或是以PPT成果汇报为目的的科研不同，“以赛促研”的模式不仅能真刀真枪地解决问题，而且相应的技术研发也更加落地，因此培养的人才也更能满足企业的实际需要 。

元戎启行副总裁刘轩也表示，参加类似的智能车挑战赛能够让学生对行业有个基本的概念、产生兴趣，吸引人才进入这个行业。

也正是在2009年前后，国内高校对培养智能驾驶人才的动作频繁起来。

像2009年第一届中国智能车未来挑战赛的冠军湖南大学，就在参赛前夕的2008年7月，由来自计算机通信学院、机械工程与运载学院等学院的50多人，组成了无人驾驶车辆预研项目组。

清华大学的 汽车 安全与节能国家重点实验室，则是在2011年，开始将研究方向转向智能网联 汽车 与自动驾驶。

除此之外，还有各类名目不一的机器人实验中心、国内外高校、企业联合成立的无人驾驶研究中心、创新中心，都在这期间如雨后春笋般出现。

同时，近几年，随着发展智能网联产业上升到国家战略高度，高校、职业院校们也开始增设相关专业或者学院，比如清华大学的车辆与运载学院、北航交通学院的自动驾驶班、合肥工业大学的智能车辆工程专业等等。

不过，目前高校对智能驾驶人才的培养， 却是起个大早却赶了晚集，时至今日不管是“质”还是“量”都仍不能满足业界当下的需求 。

以中国智能车未来挑战赛为例，尽管它确实为方兴未艾的智能驾驶行业积累了技术和培养了人才，但随着越来越多的公司进行自动驾驶技术的商业化落地，对他们而言，候选人的参赛经验，在面试时，这时只能算是锦上添花的加分项。

企业也开始更谨慎地通过类似的赛事去考察对方的能力。

同时，自动驾驶技术步入落地阶段，曾经众多参赛选手自立门户一举创业的景象也已渐渐远去。

清华大学自动化系统工程研究所教授姚丹亚就认为，各种 汽车 挑战赛，多是起到激发学生兴趣的作用，“但对学生从事这个职业有多大作用，不太确定”。

再看当下各类的高校无人驾驶实验室或者研究中心，除了规模小无法满足行业需求外，也另有局限。

姚丹亚表示，高校实验室或者和企业合作的实验室目的各不同：

赵爽今年刚硕士毕业，进入了一家新能源 汽车 公司任ADAS算法工程师。

在他看来，由于论文导向，高校里的同学大多是在做推公式、调参的活儿，和企业做真实项目的需求脱节。

“企业做项目需要把所有的缺点都克服，不一定要用最好的设备，关键是要可靠和效率高，但发论文只需要抓住N次实验中的最好数据，为了论文的创新点，也会使用一些高端昂贵的设备。”

确实，在自动驾驶的研发过程中，企业更加注重于短期的落地实践与商业化应用，而高校则擅长较长远的前沿与关键核心技术的攻克。

邓志东认为，培养与产出高级自动驾驶人才是高校的主要使命之一，这可为合作企业所用。

因此，企业和高校之间，非常有必要合作成立自动驾驶实验室或者研究中心。

然而目前真正成功的合作案例不多。

究其原因，一方面是两者的评价体系与机制迥异，二是双方的特长不同，合作中需要扬长避短。

例如，由于高校研发团队通常很小，学生管理较自由，执行力与效率不如企业，因此企业并不适合以时间硬节点的形式要求高校完成一些工程性很强的开发任务。

另外考虑到核心技术的突破具有一定的失败风险，因此校企合作中也要有一定的宽容度。

而当下新增的专业比如智能车辆工程等，其实也存在着供需错配的问题。

像近年专面向智能网联 汽车 技术而全新开设的智能车辆工程专业，其课程体系仍然以机械类课程为主，对智能网联 汽车 技术的总体匹配程度相对不高。

此类专业对学生的培养方向，与其说是智能化，不如说更多是电动化，学生也多在 汽车 及零配件、机械/设备/重工、交通/运输/物流等领域就业。

而除了设立独立的自动驾驶学科这一选项，在培养产业应用型人才方面，研究型大学、应用型大学和技能型大学等不同种类院校能做的事其实并不少，比如参考德国的二元制教育、借鉴硅谷的“创业孵化器”“产学研培养”等模式， 探索 空间极大。

当然，现阶段为行业培养人才的事，应该仍靠校外做主力。

但在参加一些校外培训机构的课程时，L4级自动驾驶公司AutoX发言人提醒新智驾，如果候选人参与过一些比较复杂的项目，那么类似的校外培训经验有用。

不过如果只是参与了简单的落地项目，这种项目经验反而会导致候选人的技术积累比同龄人更慢更浅，求职过程中会比较困难。

“人才荒”——这不仅仅是自动驾驶一个领域的困境，而是已经成为整个制造业转型的桎梏。

如今，供给侧改革大潮滚滚而下，我们又再一次站在了 历史 的十字路口，除了资本、资源，人力资本也必须开始向新供给集中，新需求才可能被创造，从而挤压老产业的生存空间，从根本上消除产能过剩。

教育政策，也必须回到 社会 需求与 社会 现实中，才会有不断焕新的生命力。

参考资料：

《无人驾驶 汽车 概论》，作者：陈慧岩、熊光明、龚建伟，出版社：北京理工大学

雷峰网#雷峰网#雷峰网

从人工智能和汽车驾驶结合的长远发展角度来看，纯智能的无人驾驶应为未来驾驶的主要方式，即使在当前基于贝叶斯、决策树和人工神经网络等机器学习的方法被运用在无人驾驶的行为识别和行为决策的技术环境下，我们也可以考虑设立专门的行驶路线保证无人驾驶汽车的应用推广。在冯诺依曼体系结构下面向驾驶行为的机器学习，一直以来都是智能车领域的“瓶颈”。随着国际“类脑”研究的兴起，我国也上线了“中国脑计划”，但毕竟类脑计算还仅从理论阶段开始向前迈步，类脑计算机仍难以得到实现和应用 。

从当前智能驾驶的技术角度来看，相对于无人汽车，脑控汽车的发展可能更加适合。这是因为无人驾驶汽车的计算机系统还无法达到类脑计算机体系的高度，因此很难做到像人脑一样思考问题，难以较好处理驾驶过程中各种各样的突发问题和针对无人驾驶做出的阻碍或破坏行为。

因此提高人工智能在辅助方面的全面完善是全面实施无人驾驶的必经之路。家用汽车基本配备雷达辅助系统，该系统可以不断监控周围的交通状况，可以用发声频率提示本车与可能碰撞物体的距离，也可以确定与前车距离以及前车行驶速度，如与前车距离明显低于安全距离，系统会向驾驶者发送听觉警报。奔驰的主动式驻车辅助系统能够在主动转向和制动功能干预下自动泊车。并且，在车辆通过自动驻车辅助系统停入平行车位后，该系统也可以在自动转向和制动控制功能的帮助下，让车辆完全自动地驶出平行车位。

在此基础之上，我们可以在扩大自然语言处理等人机交互方式在人为干预下“释放双手”的模式上加大科研力度，如:语音操控、脑控汽车或类似飞机自动与手动驾驶切换等智能驾驶方式。其中语音操控汽车可以通过语言指令如“倒库”“直行”或“开启雨刷”等自然语言实现汽车系统的自动处理并通过车辆配置的传感器和摄像头等硬件付出行动来响应命令的方式来实现语音操控汽车的智能模式。因为有驾驶员的加入会使智能汽车的行驶方式更加灵活多变，适合于当前复杂的交通环境，满足社会法律和伦理观念的接受要求，所以提高人工智能在辅助方面的研究应用的价值更加巨大 。

百万购车补贴

感谢吴甘沙老师的分享！ 从七个角度描述了一个企业在战略定位中需要思考的问题！ 我来总结下，七个角度分别是： 1.先商业化落地Vs攻钻技术难点 2.与已有行业布局，主场正面战斗Vs农村包围城市 3.努力打通摸顺每一个商业环节 4.单点突破Vs全线推进 5.抓住用户真痛点，穿透用户伪需求 6.如何利用后发优势，在已有商业模式中寻求创新 7.打造护城河，从价值链的每个环节思考真正可以成为壁垒的是什么 受益匪浅！ 里面有诸多关键更适合负责复杂的生产制造产业，我关注的更多是消费及社交互联网行业，故就重点挑两点讨论：第5点，第6点。 今天想讨论的是共享模式的出路。 随着AirB&B，以及Uber吹起了共享风，共享模式就为多个行业和领域所应用。共享衣服成为了其中亮眼的方向之一 共享服装，首饰，主要抓住的客户痛点就是：女性的衣柜里总是少一件衣服！买买买，买了不穿，好看的衣服只能穿一季，这类的用户痛点已困扰女性很久，他们想做的就是通过共享，将女性的衣柜由独立大仓库变成可流动的公共仓！解决大家对衣服的喜新厌旧问题，也解决有时候用户去参加特殊场合没有好衣服穿的问题！ 里面有诸多关键更适合负责复杂的生产制造产业，我关注的更多是消费及社交互联网行业，故就重点挑两点讨论：第5点，第6点。 今天想讨论的是共享服饰的商业模式。 随着AirB&B，以及Uber吹起了共享风，共享模式就为多个行业和领域所应用。共享衣服成为了其中亮眼的方向之一 共享服装，首饰，主要抓住的客户痛点就是：女性的衣柜里总是少一件衣服！买买买，买了不穿，好看的衣服只能穿一季，这类的用户痛点已困扰女性很久，他们想做的就是通过共享，将女性的衣柜由独立大仓库变成可流动的公共仓！解决大家对衣服的喜新厌旧问题，也解决有时候用户去参加特殊场合没有好衣服穿的问题！ 他们要做的主要就是收购屯里一堆好衣服，然后通过线上现实服装，用户在线提租赁要求，线下配送 这个模式说起来是共享，但其实本质是租赁，欧美早有类似的先例。但为什么这个模式仍旧能够做起来呢？主要就是创业公司通过互联网工具，大大提升了信息传递的速度。用户更高效的获得了更多可供租赁的服装的种类，款式，交易匹配度大大提升！由于物流配送的发达，这个模式进一步打破了地域限制，客户不再因为试衣而局限在当地服务，这是线下租赁店无法企及的！另外，由于互联网的信息留存，租赁方也可以通过用户每次租赁的款式，风格，颜色，价位等，对用户的品味进行定位和画像，做主动推荐，这样的数据分析，线下店人工可以做到几个，几十个，几百个，但是没有可能同时做到几千个几万个用户数据分析！几乎又是另一个层面的碾压。于是，这个服饰共享，就踩着前人的肩膀，大摇大摆的走到了风口！ 另外一点呢，其实这种衣服共享也有很多理想化的成分。 比如说，他们试图让女性的衣柜流动起来，但是两个最大的问题需要面对：1.衣物的卫生消毒问题；2.女性的占有欲 卫生消毒问题是共享产品都需要面对的普遍问题，但是对于贴身的衣物，这个问题更为严重！另外，人类其实有很强占有欲，而好的衣物自然是供少求多！如果喜欢的衣服，首饰被别人租掉了怎么办？尤其是春节，圣诞是年会，聚会高峰期，会有需求高潮爆发！ 这里就发现了另一个问题，让衣柜流通起来不是用户的痛点，至少目前不是最痛的点，用户真正的痛点是在特定场合找不到适合的衣服！这才是最痛，并且用户愿意为之买单的！ 于是衣二三等平台，开放了租赁的服饰可供销售的模式，佩戴合适的首饰，穿的美美的衣服，可以直接被用户买下！据说，这类的服装销售成为了支撑公司业绩的主要来源！！ 虽然出发点并不是为了"租转售"，但是走上了这条路无可厚非，因为商业模式设立的目的就是为了服务用户和赚钱，不是么？ 这类项目后续的发展，我想应该就是从服饰出发，继续深挖用户对美的需求！再次强调，流通不是目的，让用户看到最美的自己，这才是切切实实的，用户会为之买单的关键点！