汽車行業(yè)是世界上最高科技行業(yè)之一

Capgemini的報(bào)告 - 加速汽車的人工智能轉(zhuǎn)型 - 發(fā)現(xiàn)，在2018年，行業(yè)中“大規(guī)模”部署AI的公司數(shù)量?jī)H略微增長(zhǎng)了3%。

這反映出，只有10%的受訪者表示，他們的組織在2018年期間在“全范圍和規(guī)模”的整個(gè)運(yùn)營(yíng)中部署了人工智能驅(qū)動(dòng)的計(jì)劃，而2017年為7%。

報(bào)告總結(jié)說(shuō)，相對(duì)緩慢的增長(zhǎng)速度證明“自2017年以來(lái)該行業(yè)在人工智能驅(qū)動(dòng)的轉(zhuǎn)型方面沒(méi)有取得重大進(jìn)展” - 鑒于行業(yè)領(lǐng)導(dǎo)者的投資規(guī)模和熱情，這一令人驚訝的發(fā)現(xiàn)。

我采訪了報(bào)告的一位作者，Capgemini的Ingo Finck，他告訴我“在某種程度上，我確實(shí)覺(jué)得這很令人驚訝，因?yàn)閺奈覀兣c這些公司的討論中我們看到絕大多數(shù) - 超過(guò)80% - 在他們的核心戰(zhàn)略中提到AI。

“這顯然是他們的戰(zhàn)略因素，所以是的......我們對(duì)相對(duì)緩慢的增長(zhǎng)率感到驚訝。”

在我們開(kāi)始深入研究這種緩慢發(fā)展的可能原因之前，值得注意的是，存在一個(gè)關(guān)鍵的地理差異：在中國(guó)，與AI合規(guī)的汽車公司數(shù)量幾乎翻了一番，從5%增加到9%。

這在一定程度上是由中國(guó)人工智能巨頭采取的相對(duì)“開(kāi)放”的方法來(lái)解釋的，例如百度開(kāi)發(fā)的Apollo開(kāi)源平臺(tái)。這涉及到與130多家其他企業(yè)和組織合作。

Finck解釋說(shuō)，其他地區(qū)的增長(zhǎng)緩慢可能是因?yàn)榻M織正在采取更成熟的AI部署方法。這可能意味著他們正在遠(yuǎn)離“嘗試一切，看看哪些方法有效”的方法論，轉(zhuǎn)而關(guān)注可以擴(kuò)展的經(jīng)過(guò)驗(yàn)證的用例。

當(dāng)我們考慮報(bào)告AI部署增長(zhǎng)的企業(yè)規(guī)模時(shí)，另一個(gè)差異是顯而易見(jiàn)的。

“我們可以看到較小的公司在人工智能方面更加掙扎 - 而對(duì)于規(guī)模較大的公司[收入超過(guò)100億美元]，采用率更高。

“我們解釋這一點(diǎn)的方式是，小公司的復(fù)雜性與大公司的復(fù)雜程度幾乎相同 - 應(yīng)用人工智能的許多困難在小型和大型組織中都是相同的。”

實(shí)際上，正如預(yù)期的那樣，投資金額與組織的AI部署規(guī)模之間存在明顯的相關(guān)性。這顯然是行業(yè)中較小的參與者的限制因素。

在大規(guī)模成功部署的企業(yè)中，80%的企業(yè)通過(guò)在人工智能上花費(fèi)超過(guò)2億美元來(lái)實(shí)現(xiàn)這一目標(biāo)。在那些認(rèn)為自己沒(méi)有成功部署的人中，只有20%的人花了這么多錢。

雖然自駕車，自動(dòng)駕駛汽車經(jīng)常被稱為汽車人工智能的“標(biāo)題”用例，但今天的現(xiàn)實(shí)是認(rèn)知學(xué)習(xí)算法主要用于提高效率并為圍繞傳統(tǒng)手動(dòng)車輛的流程增加價(jià)值。

報(bào)告強(qiáng)調(diào)的重要人工智能部署，主要是在較大的OEM組織，包括：

原型設(shè)計(jì) - 通用汽車在其產(chǎn)品設(shè)計(jì)操作中使用機(jī)器學(xué)習(xí)。

建模和模擬 - 美國(guó)大陸航空每小時(shí)收集5,000英里的虛擬車輛測(cè)試數(shù)據(jù)。

銷售和營(yíng)銷 - 大眾汽車?yán)脵C(jī)器學(xué)習(xí)，利用經(jīng)濟(jì)，政治和氣象數(shù)據(jù)預(yù)測(cè)120個(gè)國(guó)家的250種車型的銷售情況。

質(zhì)量控制 - 奧迪使用配備計(jì)算機(jī)視覺(jué)的攝像頭來(lái)檢測(cè)制造過(guò)程中使用的金屬板上的微小裂縫，人眼看不到這些裂縫。

這些公司屬于Capgemini定義為“規(guī)模冠軍”的類別 - 他們已經(jīng)成功地大規(guī)模部署了AI，并且都傾向于顯示出許多特征 - 專注于高效益用例，良好的AI治理，高水平的投資和，重要的是，表明愿意“提升”員工。

“我們已經(jīng)知道人工智能在人機(jī)/機(jī)器組合方面最有效，”芬克告訴我。

“就像你提高AI能力的方式一樣，你也需要提升技能并教育你的員工。這不僅僅是培訓(xùn)或雇用更多的數(shù)據(jù)科學(xué)家。它是關(guān)于教育組織的其他人 - AI的臨時(shí)用戶。“

所有這些挑戰(zhàn)都在一定程度上解釋了整個(gè)行業(yè)對(duì)人工智能的預(yù)期采用速度的可能性。芬克確信的一件事，也就是該報(bào)告更廣泛的發(fā)現(xiàn)所證實(shí)的一點(diǎn)是，人工智能在該行業(yè)的未來(lái)發(fā)揮著關(guān)鍵作用。

他說(shuō)：“我認(rèn)為公司明白它不僅僅是'插件'技術(shù) - 它是他們必須采用的核心技術(shù) - 比如引擎或信息技術(shù)。挑戰(zhàn)是不僅僅是產(chǎn)品采用這種技術(shù)，還有服務(wù)和組織。“