在过去的一年里，生成式人工智能风靡全球。汽车行业内外的许多行业都在寻求利用它的力量来增加利润。
不过，虽然生成式人工智能可以应用于许多用例，但在某些情况下，其他形式的人工智能可能更适合。
在这篇见解中，SBD 探讨了不同的汽车使用案例以及能够为其提供最佳支持的人工智能类型。
发生了什么？
生成式人工智能（Gen AI）的最新进展已在各种业务流程中展现出巨大潜力，促使主机厂 重新评估其人工智能战略和应用。
人工智能可以支持广泛的商业活动。但它可以分为两大目标，即提升消费者体验和优化主机厂 业务流程。
如今，大多数主机厂 都优先考虑将人工智能集成到虚拟助理和ADAS 等现代汽车功能中。然而，我们也看到了车载服务和主机厂 业务流程的许多机会，尤其是在研发方面。
虽然 Gen AI 最近吸引了大量关注，但它可能并不适合所有使用案例。
我们预计，在主机厂 内将有许多由不同团队牵头的人工智能计划。这将需要高层次的优先排序和协调，以确保实现最高效率和最佳投资回报。
梅赛德斯-奔驰正在成为汽车人工智能领域的领导者，它在人工智能方面的投资超过了其他公司，其中包括一项员工人工智能培训计划。
这带来了什么影响？
人工智能模型之间的关系可能很复杂。在高层次上，这些模型可以被视为彼此的子类别，每种模型都能提供额外的功能。了解对每个用例应用哪种模型对有效实施至关重要。
机器学习：机器学习：人工智能的一种形式，可以通过训练来执行自动化任务。它还能以结构化形式（即表格形式）对数据进行识别和分类。汽车应用包括汽车的预测性维护和远程诊断。机器学习需要的数据较少，可在现代汽车 MCU/MPU 上顺利运行。
深度学习：机器学习的一个子集，使用神经网络来分析数据。在使用非结构化数据（图像分类、自然语言处理、视频等）时，它的性能优于机器学习。深度学习一般更注重识别模式、决策或从数据中提取特征。
生成式人工智能（Gen AI）：深度学习的一个子集。生成式人工智能可以读取数据、从中学习并生成新的合成实例。这种形式的人工智能非常适合需要自适应输出的情况。
下一步去哪里？
SBD 评估了与汽车行业 相关的一些用例，并根据实施时间和投资情况确定了哪些用例应优先考虑。
由 LLM 驱动的虚拟助手将凭借其对人类意图的深刻理解、多目标能力和快速反应能力，改变车内体验。然而，要将 LLM 驱动的虚拟助手集成到汽车中，并在道路上实现无缝体验，还需要更多的努力。
使用传统的 ML 算法可以促进预测性维护和高级车辆诊断，从而消除对 Gen AI 的需求。然而，收集这些数据需要为车辆及其服务网络提供强大的信息基础设施。
主机厂 网站或应用程序上的客户服务代理可以快速利用 Gen AI，只需很少的微调，并可在数周内实施。
利用数字孪生技术建立和微调智能工厂需要更长的时间和更多的投资。然而，现在正是开始的理想时机，因为大多数主机厂 都在准备新的电动车工厂。
需要注意什么？
虽然人工智能可能被过度夸大，但如果实施得当，它仍然是一个非常强大的工具。然而，根据所使用的模型，入门费可能会很昂贵，而且在企业应用时还存在不确定性和顾虑。SBD 有以下建议：
人工智能将被嵌入未来汽车的不同层技术堆栈中。这将是一个从芯片到云的不同大小模型的组合。对行业趋势的监测将有助于主机厂 完善其人工智能战略。
LLM-Inferencing 的运行成本仍然很高，应该是大规模实现 Gen AI 的首要考虑因素。不过，在模型训练过程中，它确实可以节省数据注释的成本。
关注边缘人工智能玩家。目前正在研究模型压缩方法，以优化复杂的大型模型，使其能在嵌入式系统上有效运行。
图表中的一些参与者同时提供人工智能工具链和训练数据集。缺乏数据的主机厂 可以考虑从外部获取数据。
你该如何应对？
准备
所有智能人工智能模型都需要用高质量的数据进行训练。从内部寻找数据来源，或从第三方获取数据。
确定优先次序
找出公司内部可以提高自动化和效率的薄弱环节。根据使用情况，考虑使用不同类型的人工智能模型。
监管
了解人工智能模型的性能，并根据需要进行调整。如果人工智能是在面向消费者的使用案例中实施的，则要对客户的反馈做出回应，以改进模型/系统。
想了解更多信息？
我们的大部分工作是通过定制项目帮助客户深入应对新的挑战和机遇。如果您想讨论我们最近完成的与人工智能有关的项目，请立即联系我们！
此外，请务必查看我们的相关内容：
