據(jù) IBM 商業(yè)價值研究院統(tǒng)計，60% 的全球受訪車企 CEO 認(rèn)同，企業(yè)的競爭優(yōu)勢取決于是否擁有最先進(jìn)的生成式 AI。另一方面，65% 的全球受訪車企 CEO 將行業(yè)顛覆視為一種風(fēng)險，而非一項機(jī)遇。

" 你面臨的不確定性更多，其實機(jī)會也更多。比如，10 個 CEO 面對這種不確定性，在過去的環(huán)境中，10 個人中有 8 個人能做對，但現(xiàn)在只有 2 個人能做對。對于做對了的那 2 個人來說，獲得的收益是更大的。" 這是中國某工業(yè)制造業(yè)企業(yè) CEO 的觀點。

汽車行業(yè)的內(nèi)卷，AI 能做什么？

如果選出一個內(nèi)卷最嚴(yán)重的行業(yè)，那么汽車行業(yè)一定在列。在 IBM 咨詢中國區(qū)汽車行業(yè)總經(jīng)理唐俊看來，汽車行業(yè)面臨著成本壓力持續(xù)上升，降本增效需求迫切，而另一方面，汽車市場幾近飽和，產(chǎn)品迭代加速，車企承受前所未有的剪刀差壓力。與此同時，中國移動董事長楊杰曾預(yù)測，到 2030 年，智能網(wǎng)聯(lián)汽車在新車中占比將超過 80%。智駕已經(jīng)成為主流，包括 AI 在內(nèi)，數(shù)字技術(shù)如何賦能汽車行業(yè)發(fā)展，已經(jīng)是當(dāng)下的關(guān)鍵。

對此，唐俊表示，" 汽車行業(yè)正經(jīng)歷從‘規(guī)模擴(kuò)張’到‘價值創(chuàng)造’的范式轉(zhuǎn)換。當(dāng)技術(shù)升級周期壓縮與成本收益壓力形成共振，原有發(fā)展模式觸及到了臨界點，這時恰恰是行業(yè)通過數(shù)據(jù)驅(qū)動深化轉(zhuǎn)型的戰(zhàn)略躍遷窗口期，尤其是通過 AI 賦能以及系統(tǒng)化的工程方法，在現(xiàn)有產(chǎn)業(yè)積累的基礎(chǔ)上實現(xiàn)升級與重構(gòu)。"

無獨有偶，蔚來創(chuàng)始人、董事長、CEO 李斌也在近日舉辦的上海車展上公開表示，智能電動汽車需要具備的 " 新三大件 " ——智駕芯片、全域操作系統(tǒng)和智能底盤。這 " 新三大件 " 的發(fā)展，都離不開數(shù)字技術(shù)的加持與賦能。

在這個內(nèi)卷嚴(yán)重的時代，汽車的變革也在循序漸進(jìn)的進(jìn)行之中。這些變革的核心都指向了數(shù)字化技術(shù)，而數(shù)字化技術(shù)應(yīng)用的核心則是平臺化運營，唐俊表示，汽車行業(yè)的數(shù)字化轉(zhuǎn)型進(jìn)行了很多年，近幾年，在汽車行業(yè)中，經(jīng)常提到一個概念——平臺化運營。" 對于傳統(tǒng)的國產(chǎn)汽車品牌而言，降本增效只是一個表現(xiàn)，怎么樣真正的從管理的角度思考，怎么樣把產(chǎn)品線和研發(fā)到交付的過程通過更加科學(xué)的思路打穿，是這兩年車企比較關(guān)注的話題。" 唐俊指出。

另一方面，隨著生成式 AI 技術(shù)的火爆，各行各業(yè)都在積極擁抱生成式 AI 技術(shù)，AI 大模型如何在車企構(gòu)建的平臺化運營體系中，發(fā)揮力量，如何在不確定性之中，通過技術(shù)的創(chuàng)新，脫穎而出，也就成為了汽車行業(yè) " 卷 " 的新方向。

IBM 中國科技事業(yè)部汽車行業(yè)和跨國公司總經(jīng)理王勝航告訴筆者，AI 技術(shù)可以幫助車企在 " 研產(chǎn)供銷服 " 每個環(huán)節(jié)都實現(xiàn)降本增效，同時還能提高產(chǎn)品質(zhì)量，" 而在未來幾年，AI 一個更重要的策略是可以幫他們把自研的汽車品牌做出跟別人不一樣的地方，把一個工具轉(zhuǎn)化成一個價值。" 王勝航強調(diào)。

從 AI 能力角度出發(fā)，首先，生成式 AI 具備總結(jié)提取能力，能為車企帶來包括 AI 呼叫中心互動、報告內(nèi)容提取總結(jié)（諸如財務(wù)報告、合同條款、媒體趨勢等）等能力。

其次，生成式 AI 具備會話式問答能力，可以基于車企構(gòu)建的知識庫、知識圖譜平臺，進(jìn)行產(chǎn)品描述等會話式互動問答。

第三，生成式 AI 還能進(jìn)行內(nèi)容創(chuàng)作，唐俊介紹到，生成式 AI 可以進(jìn)行包括人物角色、用戶故事、生成圖像 / 視頻、定制個性化用戶界面等操作，豐富車企服務(wù)與營銷方案。

除此之外，車企還可以通過生成式 AI 進(jìn)行包括研發(fā)、服務(wù)在內(nèi)的多環(huán)節(jié)數(shù)據(jù)分析，加快車企研發(fā)環(huán)節(jié)，提升服務(wù)質(zhì)量。

以研發(fā)端為例，眾所周知，當(dāng)下汽車的更新?lián)Q代速度加快，原本可能 2~3 年才迭代的車型，如今已經(jīng)縮短至 1 年一迭代了，這就給研發(fā)端帶來了極大的壓力。但應(yīng)用了 AI 大模型后，企業(yè)可以通過構(gòu)建研發(fā)知識庫，利用模型的能力，輔助研發(fā)流程，并且通過構(gòu)建智能體平臺，用 AI 進(jìn)行低代碼開發(fā)，輔助編程等操作，從而為新車的研發(fā)提速。

不僅于此，在智能駕駛幾乎已經(jīng)成為新車標(biāo)配的當(dāng)下，利用 HPC（高性能計算）的能力，可以幫助車企實現(xiàn)自動駕駛芯片設(shè)計 EDA 調(diào)度，多場景 CAE 仿真并行計算，碰撞測試仿真高性能調(diào)度等能力，從而提升汽車芯片的研發(fā)效率，降低研發(fā)成本。

" 比如某外資頭部企業(yè)有的剎車，不同的天氣，比如雨天、雪天，會傳來不同的數(shù)據(jù)，包括電池的溫度，綜合這些數(shù)據(jù)、信息對汽車進(jìn)行調(diào)校，在這類型天氣狀態(tài)下，汽車應(yīng)該怎么辦。" 王勝航舉例道，" 研發(fā)的過程中需要進(jìn)行全生命周期的管理，否則企業(yè)研發(fā)缺乏一個目標(biāo)性。"

上述僅是 AI 技術(shù)在汽車行業(yè)應(yīng)用的一個縮影，車企還可以通過 AI 大模型實現(xiàn)預(yù)測性維護(hù)、AI 審批，以及 AI 輿情管理等操作，提升效率的通過，降低相關(guān)環(huán)節(jié)的應(yīng)用成本。

AI 不僅是生成式 AI

AI 在汽車行業(yè)的應(yīng)用不僅局限于生成式 AI，其實 AI 早在生成式 AI 問世之前就已經(jīng)開始了重塑汽車行業(yè)。

IBM 大中華區(qū)董事長、總經(jīng)理陳旭東曾與筆者分享了 IBM 通過觀察客戶得出的企業(yè)級 AI 應(yīng)用的一些誤區(qū)，其中有一個最為重要的就是：AI 不等于生成式 AI。在陳旭東看來，早在 ChatGPT 問世之前，AI 技術(shù)早就開始在各行業(yè)中應(yīng)用，" 在生成式 AI 出現(xiàn)在大眾視野之前，AI 已經(jīng)在很多領(lǐng)域?qū)崿F(xiàn)了應(yīng)用，包括自動駕駛、地圖導(dǎo)航、自動客服、流程自動化等等，" 陳旭東進(jìn)一步指出。

在汽車行業(yè)數(shù)字化轉(zhuǎn)型過程中，也存在同樣的誤區(qū)，一些車企認(rèn)為，當(dāng)下只要用好了 AI 大模型的能力，就算是完成了車企的數(shù)字化轉(zhuǎn)型，但這種想法是錯誤的。就如同在 watsonx 平臺之前，IBM 就推出了 Watson 一樣，有一些 AI 應(yīng)用早在生成式 AI 問世之前就已經(jīng)開始在汽車產(chǎn)業(yè)鏈上下游中得以應(yīng)用。

以汽車制造為例，智能制造已經(jīng)成為制造業(yè)的大勢所趨，一個個細(xì)分的小場景的組合，堆疊出了智能化工廠。

以點看面，以汽車節(jié)氣閥為例，原本節(jié)氣閥的識別需要靠人工挨個審核，細(xì)小的差別就會影響汽車的整體質(zhì)量，但人工審核時間長，識別準(zhǔn)確率低（因為細(xì)小的差別，肉眼很難識別），且需要單獨設(shè)立崗位，進(jìn)行輪崗，平均每個崗位需要三個人輪班審核。

但通過 AI 圖像識別技術(shù)后，造車廠可以徹底取消該崗位，通過對節(jié)氣閥拍攝圖片，并由 AI 進(jìn)行識別是否安裝合格的方式，在節(jié)省了人力成本的同時，AI 系統(tǒng)還不會出現(xiàn) " 疲勞 " 的情況，從而提升了識別的準(zhǔn)確率。" 車廠的目視崗，存在疲勞的情況。當(dāng)員工連續(xù)工作半小時之后，會產(chǎn)生疲勞感，導(dǎo)致識別產(chǎn)生錯誤，從而造成了次品率上升，" 王勝航指出，" 如果用視覺 AI，用大數(shù)據(jù)模型來驅(qū)動，檢出次品，提升良品率，間接也降低了成本。"

再比如，某合資車企，利 AI 賦能后的，基于物流配送絡(luò)優(yōu)化平臺（LDNOP）的解決案，著重解決整個物流絡(luò)布局的優(yōu)化問題。從物流絡(luò)戰(zhàn)略規(guī)劃層實現(xiàn)物流經(jīng)濟(jì)性與時效性的平衡。在運輸計劃和運輸執(zhí)，建運輸主控室，通過優(yōu)化算法動實現(xiàn)運輸計劃編制，智能配板，并且通過和承運商的協(xié)同，動態(tài)實時的監(jiān)控運輸狀態(tài)，精準(zhǔn)預(yù)測貨物到達(dá)時間。通過倉布局的數(shù)字化算法調(diào)整、 下線帶向例提升等措施累計實現(xiàn)降本達(dá)上億元，時效提升 1.2%。

王勝航進(jìn)一步指出，在生產(chǎn)制造環(huán)節(jié)，IBM 科技幫助車企以計算機(jī)視覺檢測和 AR 技術(shù)替代傳統(tǒng)人工質(zhì)檢，在提高生產(chǎn)效率、降低次品率的同時，還能夠協(xié)助員工完成廠區(qū)巡檢和維修操作。在供應(yīng)鏈優(yōu)化上，IBM 科技幫助車企利用人工智能學(xué)習(xí)歷史數(shù)據(jù)并分析訂單需求，促進(jìn)產(chǎn)銷協(xié)同；或通過大模型技術(shù)智能預(yù)測需求，進(jìn)而優(yōu)化庫存管理，降低運營成本。精準(zhǔn)營銷與服務(wù)方面，IBM 幫助車企整合內(nèi)外多源數(shù)據(jù)，通過智能分析生成客戶畫像和營銷洞察，實現(xiàn)從輿情預(yù)警到服務(wù)優(yōu)化的閉環(huán)管理。

AI 賦能，如何 " 從點及面 "？

汽車行業(yè)的數(shù)字化轉(zhuǎn)型需要搭建數(shù)字化平臺已經(jīng)是不爭的事實，而平臺化僅是企業(yè)級 AI 規(guī)模化應(yīng)用的開始和前提，在實現(xiàn)了平臺化的能力后，通過公司內(nèi)部的系統(tǒng)對 AI 應(yīng)用集成決定了企業(yè)級 AI 規(guī)?；暮脡?，" 汽車行業(yè)很多內(nèi)容應(yīng)用系統(tǒng)具備相互關(guān)聯(lián)性，當(dāng)有一個應(yīng)用跑通了數(shù)字化能力，AI 能力之后，通過這些系統(tǒng)，將 AI 的能力進(jìn)行集成后，就能產(chǎn)生聯(lián)動效應(yīng)，就能實現(xiàn)真正的規(guī)?；瘧?yīng)用。" 某頭部主流車企數(shù)字化部門負(fù)責(zé)人曾對筆者指出。

從當(dāng)下汽車行業(yè)的數(shù)字化轉(zhuǎn)型趨勢可以看出，AI 技術(shù)可以從企業(yè)內(nèi)部最小的一個業(yè)務(wù)單元應(yīng)用開始，" 原先由流程或人打通的，諸如銷售、戰(zhàn)略、營銷、服務(wù)、研發(fā)等環(huán)節(jié)，在 AI 時代，這些工作和流程都將被 AI 取代。" 唐俊指出。

據(jù)悉，寶馬用了 2 年時間，落地了 100 多個 AI 應(yīng)用的場景，之所以能形成這么大規(guī)模的應(yīng)用與復(fù)制的能力，數(shù)據(jù)是一方面，更重要的是平臺化的能力，平臺化是 AI 規(guī)模化應(yīng)用的一個重要前提。

對于車企而言，在使用 AI 技術(shù)的時候，需要率先找到一個細(xì)微的場景，在那個場景嘗試應(yīng)用 AI 能力，一方面這樣試錯的成本更低；另一方面，單個場景更容易 " 跑通 "，跑通之后，再將 AI 的能力通過搭建好的數(shù)字化平臺復(fù)制，進(jìn)而映射到更多的場景中，實現(xiàn)全面的智能化。

來源：鈦媒體