人工智能技術驅動汽車行業加速奔跑，車企在軟件、云應用和人工智能使用方面的合作呈增長態勢，但這也可能致使汽車行業愈發依賴超大規模企業和有技術優勢的企業。總的來看，人工智能在汽車行業的應用具有巨大的潛力，車企需要開發和實施能夠提高效率、安全性和用戶體驗的人工智能模型。

汽車行業有待進一步擁抱人工智能

在汽車行業，在價值鏈上接受和實施人工智能應用方面，情況喜憂參半。供應商、經銷商和售后服務的執行水平較低，汽車制造商在實施方面取得了進一步進展，但在這方面還有很大的改進潛力。

縱觀整個汽車行業，只有不足5%的企業在選定的地點實施人工智能應用程序。這大約是制藥行業的一半。在零售業，這一數字高出四倍。汽車價值鏈中有3成左右的企業正在進行人工智能試點項目，更多的企業仍處于探索階段。

在汽車行業，只有不到4成的企業擁有專門的團隊和額外的預算來引入和實施人工智能項目。相比之下，零售業的這一比例超過60%，高科技行業接近80%，航空航天行業也超過了50%。

汽車行業對人工智能的投資一度低于平均水平，但鑒于人工智能對行業的巨大影響，這種情況已經得到極大的改變。

特斯拉是為數不多的大規模建立計算能力的汽車制造商之一，特斯拉的超級計算機用于訓練特斯拉ADAS（高級駕駛員輔助系統）的模型等。其他汽車制造商一直在加強投資自己的數據中心，這些數據中心可用于人工智能應用，也有部分汽車制造商傾向于使用大型科技公司的數據中心來訓練人工智能應用程序。

從長遠來看，車企對模型推理計算能力的需求將增加，對人工智能培訓的需求將相對下降。作為軟件定義車輛開發的一部分，車輛中安裝的計算能力將不斷提高，這對AI應用程序在車輛中的使用是積極的。

遍布整個價值鏈的人工智能

人工智能可用于車輛的各個部分和整個價值鏈。在汽車行業價值鏈上活躍的企業，其所有部門都可以從人工智能應用程序的使用中受益。

在消費端，消費者和駕駛者都看到了通過使用人工智能進行改進的巨大潛力。特別是在中國，消費者普遍認為人工智能可以改善駕駛員輔助系統、高度自動駕駛和個性化駕駛體驗。在全球范圍內，智能路線規劃和虛擬助手也得到了高度評價。

對于在車輛中實現的案例，需要專有計算機硬件作為安全關鍵，因為性能和連接要求限制了云解決方案。大型語言模型在車輛中的集成為個性化鋪平了道路，但也存在技術挑戰。由于其大小的原因，大型語言模型通常部署在云中，這會影響交互和性能。在車輛中運行的本地版本可以實現更無縫的集成、更快的響應和更好的用戶體驗。

在汽車產品中使用安全、關鍵、高性能的人工智能應用需要足夠的計算能力。對于人工智能支持的駕駛功能，如ADAS和NOA，需要高達1000TOPS及以上的處理能力。對于不太關鍵的應用程序，可以使用云解決方案或混合解決方案，比如使用云解決方案，查詢和信息的處理在云中進行，并將結果傳達給車輛。

軟件定義車輛的概念愈發起到關鍵作用。SDV是從主要基于機械和硬件的汽車到主要由電子控制并依賴軟件的汽車的演變。通過將軟件和硬件解耦，可以在車輛的整個使用壽命內快速連續地開發和實施新功能和軟件更新。SDV水平是可擴展使用AI的先決條件。

在車輛硬件層面，必須有足夠的計算能力，以便在車輛中實現人工智能應用程序。人工智能應用程序可以用于數字生活空間，虛擬助手在智能駕駛艙中實現，自動駕駛功能也在這一級別使用。

人工智能是實現自動駕駛的關鍵

沒有人工智能，就不會有自動駕駛汽車或高度自動化的駕駛功能。在汽車行業，存在兩種不同的策略。一部分車企推行垂直戰略，自己開發和實現大多數級別的人工智能應用程序，另一部分車企選擇了橫向戰略，使用供應商而不是自己開發的人工智能模型和應用程序。

現代汽車的駕駛艙中使用大型語言模型來改善客戶體驗，并使新功能成為可能。將人工智能直接內置到車輛中的個人助理正變得越來越高效和有效。最新的迭代實現了智能推理和智能調度功能。例如，車輛的乘客可能會說他們感覺太冷，車輛會通過調節空調來做出反應。例如，人工智能應用程序還可以從車輛手冊中請求信息，并將其作為視聽輸出呈現。

一個關鍵方面是確保人機界面得到足夠的關注。這主要不是從技術或產品的角度將人工智能應用程序放在汽車上。在此期間，首要目標是讓功能的使用感覺自然、熟悉和人性化，從而確保持續使用。如果集成過于技術化，而沒有對人與機器之間的接口進行足夠的投資，人工智能最終可能會被拒絕。

許多汽車制造商正在研究將人工智能助手擬人化，使其展現出人類的行為和特征，例如識別情緒并對其做出反應的能力。

朝向擬人化的下一步是面部識別技術的整合，它使助手能夠直觀地識別駕駛員并分析他們的情緒。擬人化不僅僅是簡單地模仿人類特征，還可能包括適應文化和地區差異。有車企正在開發能夠理解地區方言并在交流中考慮當地特征的人工智能系統。例如，在日本，助理可以更正式地說話并恭敬地鞠躬，而在美國，則使用更輕松幽默的交流風格。

汽車行業人工智能的貨幣化

未來幾年，汽車行業中人工智能應用的貨幣化將是一個相關問題。企業可以使用MHP的商業模式框架來評估人工智能應用程序的商業潛力。基于市場和競爭以及客戶需求，開發以客戶為中心的案例并進行財務評估。

在車輛的整個生命周期內，將人工智能應用程序用于個人輔助的直接貨幣化被認為是一個挑戰。除了直接貨幣化，企業還應該考慮間接選擇。通過人工智能應用程序獲得的信息和數據可用于不斷優化產品和服務。客戶感知的質量得到了提高，產品和服務可以根據他們的個人需求量身定制。這會影響購買決策，提高忠誠度和客戶保留率。

另一個重要方面是伙伴關系和生態系統的作用。汽車制造商可以通過與技術公司、軟件開發商或數據提供商的合作來利用額外的貨幣化機會。這不僅可以產生新的收入來源，還可以減少發展努力，加快創新。

最明顯的方法之一是直接支付基于人工智能的功能：汽車制造商提供自動駕駛、ADAS功能等附加選項，用戶可以通過一次性付款或訂閱激活。通過訂閱模式直接盈利，制造商提供對某些人工智能服務（如個人助理、娛樂/信息服務）的訪問，作為訂閱模式的一部分。用戶每月或每年支付費用以訪問特殊功能或更新。通過這種方式，制造商建立了穩定的收入來源。

企業也可通過使用和分析車輛中生成的數據來獲得有價值的見解。例如，與駕駛行為相關的數據可用于制定個性化的保險報價（基于使用的保險）。此外，匿名數據也可以出售給第三方，例如用于改善交通管理系統或進一步發展智慧城市。此外，人工智能可以通過個性化推薦和廣告來改善用戶體驗。車載商務（例如直接在車內訂購產品）或基于用戶偏好和駕駛行為的定向廣告也可能成為收入來源。

汽車制造商還可以創建開放平臺，第三方提供商在平臺上提供自己的基于人工智能的應用程序。這些平臺可能類似于智能手機的應用程序商店，汽車制造商可以從銷售的應用程序或服務中獲得傭金。在改善客戶體驗和服務方面，人工智能支持的車輛診斷和預測性維護有助于優化車輛維護，并在早期發現問題。制造商可以為此提供超出標準維護計劃的特殊高級服務。

制造業和汽車生產中的人工智能

人工智能在汽車制造過程中的使用頻率正在增加。這一點上，中國企業遠遠領先于全球競爭對手，在某些情況下，中國企業將基于人工智能的解決方案整合到生產過程中的頻率是競爭對手的兩倍以上。文化接受度和地緣支持等方面可以被視為這一令人印象深刻的進步的可能驅動力。在歐洲部分地區，20%的車企在制造過程中使用基于人工智能的解決方案，而美國的比例為46%，中國則為94%。

在生產中使用人工智能的原因可以追溯到每一項商業活動的驅動因素，從企業的角度來看，降低成本、提高效率和提高質量是推動人工智能在生產中應用的關鍵動機。

軟件開發中的人工智能同樣進展迅速。AI應用程序可用于軟件開發的許多領域，汽車行業正從這一發展中受益。必要時，可考慮并設置相關技能、數據池和流程，以便為人工智能的應用做好準備。在此之前，人工智能應用程序可以沿著價值鏈用于開發與汽車和軟件定義車輛相關的軟件。

歐洲、美國和中國對人工智能的總體理解是一致的，車載人工智能的情況則不同。調查顯示，只有60%的受訪者表示他們了解人工智能在汽車中的使用。在這個問題上，全球也存在差異。在中國，超過80%的受訪者了解汽車中的人工智能，而在歐洲，這一數字僅為53.7%。當被問及是否曾在汽車中使用過人工智能功能時，一幅清晰的畫面出現了。在中國，近四分之三的受訪者在汽車中使用過人工智能功能，而在歐洲，這一數字僅為31%。總體而言，50%的美國受訪者表示，他們已經在汽車中使用了人工智能功能。

汽車行業人工智能的優勢與不足

人工智能的兩個普遍優勢獲得了超過40%的高支持率。在所有地區，51%的受訪者認為節省時間是最大的優勢。獲得同樣高的分數是提高效率和生產力的方面——43.7%的人認為這是一個優勢。其他優勢，如提高創造力、提高安全性或更好的決策能力，僅被評為26.6%至29.3%。令人驚訝的是，中國的評級對大多數被問及的優勢都是積極的。節省時間在全球范圍內排名相對相似；與美國和歐洲相比，調查中的其他優勢在中國得到了更頻繁的肯定。美國受訪者最有可能表達他們的擔憂，來自所有地區的45.9%至49.2%的受訪者提到了數據保護和個人隱私的風險、不正確信息的更大風險和安全風險。

當分解為汽車和移動性時，優缺點也相應地被看到和分類。最大的優勢在于高效駕駛——47.2%的人認為人工智能確保了這一領域的進步。排在第二位的是安全性提高了42.5%，其次是舒適性提高了40.1%。值得注意的是，來自中國的受訪者對這些優勢表示了更高的認可度，美國的評級最低。關于在汽車中使用人工智能的缺點，安全風險、數據保護和個人隱私以及可能失去控制等方面的評級最高。

汽車行業的人工智能存在明顯的地方差異。與云計算領域一樣，將沒有可以在全球范圍內使用的人工智能解決方案。汽車制造商將被要求采購和實施當地車型。一方面，由于監管規定，全球人工智能模型提供商不會在任何地方提供他們的模型。另一方面，一些國家將實施嚴格的監管，防止使用全球模型。

除了地區差異，對人工智能模型的案例需求也是相關的。許多人工智能模型已經針對各種案例進行了訓練和優化，需要開發和嵌入適當的功能和流程，以便它們能夠響應當地條件，并為案例和使用環境選擇合適的應用程序。識別、評估和選擇人工智能系統各層的合作伙伴成為車企必須學習的核心競爭力。