據 IBM 商業價值研究院統計，60% 的全球受訪車企 CEO 認同，企業的競爭優勢取決于是否擁有最先進的生成式 AI。另一方面，65% 的全球受訪車企 CEO 將行業顛覆視為一種風險，而非一項機遇。
" 你面臨的不確定性更多，其實機會也更多。比如，10 個 CEO 面對這種不確定性，在過去的環境中，10 個人中有 8 個人能做對，但現在只有 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。" 這是中國某工業制造業企業 CEO 的觀點。
汽車行業的內卷，AI 能做什么？
如果選出一個內卷最嚴重的行業，那么汽車行業一定在列。在 IBM 咨詢中國區汽車行業總經理唐俊看來，汽車行業面臨著成本壓力持續上升，降本增效需求迫切，而另一方面，汽車市場幾近飽和，產品迭代加速，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測，到 2030 年，智能網聯汽車在新車中占比將超過 80%。智駕已經成為主流，包括 AI 在內，數字技術如何賦能汽車行業發展，已經是當下的關鍵。
對此，唐俊表示，" 汽車行業正經歷從‘規模擴張’到‘價值創造’的范式轉換。當技術升級周期壓縮與成本收益壓力形成共振，原有發展模式觸及到了臨界點，這時恰恰是行業通過數據驅動深化轉型的戰略躍遷窗口期，尤其是通過 AI 賦能以及系統化的工程方法，在現有產業積累的基礎上實現升級與重構。"
無獨有偶，蔚來創始人、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、全域操作系統和智能底盤。這 " 新三大件 " 的發展，都離不開數字技術的加持與賦能。
在這個內卷嚴重的時代，汽車的變革也在循序漸進的進行之中。這些變革的核心都指向了數字化技術，而數字化技術應用的核心則是平臺化運營，唐俊表示，汽車行業的數字化轉型進行了很多年，近幾年，在汽車行業中，經常提到一個概念——平臺化運營。" 對于傳統的國產汽車品牌而言，降本增效只是一個表現，怎么樣真正的從管理的角度思考，怎么樣把產品線和研發到交付的過程通過更加科學的思路打穿，是這兩年車企比較關注的話題。" 唐俊指出。
另一方面，隨著生成式 AI 技術的火爆，各行各業都在積極擁抱生成式 AI 技術，AI 大模型如何在車企構建的平臺化運營體系中，發揮力量，如何在不確定性之中，通過技術的創新，脫穎而出，也就成為了汽車行業 " 卷 " 的新方向。
IBM 中國科技事業部汽車行業和跨國公司總經理王勝航告訴筆者，AI 技術可以幫助車企在 " 研產供銷服 " 每個環節都實現降本增效，同時還能提高產品質量，" 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，把一個工具轉化成一個價值。" 王勝航強調。
從 AI 能力角度出發，首先，生成式 AI 具備總結提取能力，能為車企帶來包括 AI 呼叫中心互動、報告內容提取總結（諸如財務報告、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，可以基于車企構建的知識庫、知識圖譜平臺，進行產品描述等會話式互動問答。
第三，生成式 AI 還能進行內容創作，唐俊介紹到，生成式 AI 可以進行包括人物角色、用戶故事、生成圖像 / 視頻、定制個性化用戶界面等操作，豐富車企服務與營銷方案。
除此之外，車企還可以通過生成式 AI 進行包括研發、服務在內的多環節數據分析，加快車企研發環節，提升服務質量。
以研發端為例，眾所周知，當下汽車的更新換代速度加快，原本可能 2~3 年才迭代的車型，如今已經縮短至 1 年一迭代了，這就給研發端帶來了極大的壓力。但應用了 AI 大模型后，企業可以通過構建研發知識庫，利用模型的能力，輔助研發流程，并且通過構建智能體平臺，用 AI 進行低代碼開發，輔助編程等操作，從而為新車的研發提速。
不僅于此，在智能駕駛幾乎已經成為新車標配的當下，利用 HPC（高性能計算）的能力，可以幫助車企實現自動駕駛芯片設計 EDA 調度，多場景 CAE 仿真并行計算，碰撞測試仿真高性能調度等能力，從而提升汽車芯片的研發效率，降低研發成本。
" 比如某外資頭部企業有的剎車，不同的天氣，比如雨天、雪天，會傳來不同的數據，包括電池的溫度，綜合這些數據、信息對汽車進行調校，在這類型天氣狀態下，汽車應該怎么辦。" 王勝航舉例道，" 研發的過程中需要進行全生命周期的管理，否則企業研發缺乏一個目標性。"
上述僅是 AI 技術在汽車行業應用的一個縮影，車企還可以通過 AI 大模型實現預測性維護、AI 審批，以及 AI 輿情管理等操作，提升效率的通過，降低相關環節的應用成本。
AI 不僅是生成式 AI
AI 在汽車行業的應用不僅局限于生成式 AI，其實 AI 早在生成式 AI 問世之前就已經開始了重塑汽車行業。
IBM 大中華區董事長、總經理陳旭東曾與筆者分享了 IBM 通過觀察客戶得出的企業級 AI 應用的一些誤區，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 技術早就開始在各行業中應用，" 在生成式 AI 出現在大眾視野之前，AI 已經在很多領域實現了應用，包括自動駕駛、地圖導航、自動客服、流程自動化等等，" 陳旭東進一步指出。
在汽車行業數字化轉型過程中，也存在同樣的誤區，一些車企認為，當下只要用好了 AI 大模型的能力，就算是完成了車企的數字化轉型，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 應用早在生成式 AI 問世之前就已經開始在汽車產業鏈上下游中得以應用。
以汽車制造為例，智能制造已經成為制造業的大勢所趨，一個個細分的小場景的組合，堆疊出了智能化工廠。
以點看面，以汽車節氣閥為例，原本節氣閥的識別需要靠人工挨個審核，細小的差別就會影響汽車的整體質量，但人工審核時間長，識別準確率低（因為細小的差別，肉眼很難識別），且需要單獨設立崗位，進行輪崗，平均每個崗位需要三個人輪班審核。
但通過 AI 圖像識別技術后，造車廠可以徹底取消該崗位，通過對節氣閥拍攝圖片，并由 AI 進行識別是否安裝合格的方式，在節省了人力成本的同時，AI 系統還不會出現 " 疲勞 " 的情況，從而提升了識別的準確率。" 車廠的目視崗，存在疲勞的情況。當員工連續工作半小時之后，會產生疲勞感，導致識別產生錯誤，從而造成了次品率上升，" 王勝航指出，" 如果用視覺 AI，用大數據模型來驅動，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，基于物流配送絡優化平臺（LDNOP）的解決案，著重解決整個物流絡布局的優化問題。從物流絡戰略規劃層實現物流經濟性與時效性的平衡。在運輸計劃和運輸執，建運輸主控室，通過優化算法動實現運輸計劃編制，智能配板，并且通過和承運商的協同，動態實時的監控運輸狀態，精準預測貨物到達時間。通過倉布局的數字化算法調整、 下線帶向例提升等措施累計實現降本達上億元，時效提升 1.2%。
王勝航進一步指出，在生產制造環節，IBM 科技幫助車企以計算機視覺檢測和 AR 技術替代傳統人工質檢，在提高生產效率、降低次品率的同時，還能夠協助員工完成廠區巡檢和維修操作。在供應鏈優化上，IBM 科技幫助車企利用人工智能學習歷史數據并分析訂單需求，促進產銷協同；或通過大模型技術智能預測需求，進而優化庫存管理，降低運營成本。精準營銷與服務方面，IBM 幫助車企整合內外多源數據，通過智能分析生成客戶畫像和營銷洞察，實現從輿情預警到服務優化的閉環管理。
AI 賦能，如何 " 從點及面 "？
汽車行業的數字化轉型需要搭建數字化平臺已經是不爭的事實，而平臺化僅是企業級 AI 規模化應用的開始和前提，在實現了平臺化的能力后，通過公司內部的系統對 AI 應用集成決定了企業級 AI 規模化的好壞，" 汽車行業很多內容應用系統具備相互關聯性，當有一個應用跑通了數字化能力，AI 能力之后，通過這些系統，將 AI 的能力進行集成后，就能產生聯動效應，就能實現真正的規模化應用。" 某頭部主流車企數字化部門負責人曾對筆者指出。
從當下汽車行業的數字化轉型趨勢可以看出，AI 技術可以從企業內部最小的一個業務單元應用開始，" 原先由流程或人打通的，諸如銷售、戰略、營銷、服務、研發等環節，在 AI 時代，這些工作和流程都將被 AI 取代。" 唐俊指出。
據悉，寶馬用了 2 年時間，落地了 100 多個 AI 應用的場景，之所以能形成這么大規模的應用與復制的能力，數據是一方面，更重要的是平臺化的能力，平臺化是 AI 規模化應用的一個重要前提。
對于車企而言，在使用 AI 技術的時候，需要率先找到一個細微的場景，在那個場景嘗試應用 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字化平臺復制，進而映射到更多的場景中，實現全面的智能化。
來源：鈦媒體
