汽车行业全面拥抱 AI 智能化时代丨 1 目 录 1 人工智能在汽车行业发展现状 1.1 数据对汽车行业发展的影响 1.1.1 汽车行业中数据的爆发式增长 1.1.2 汽车行业中数据的价值 1.1.3 汽车制造商的数据应对策略 1.2 汽车行业面临的颠覆性创新机遇 1.2.1 颠覆式创新机遇之客户 1.2.2 颠覆式创新机遇之产品 1.2.3 颠覆式创新机遇之生态系统 1.2.4 颠覆式创新机遇之技术 1.2.5 颠覆式创新机遇之文化与技能 02 丨汽车行业全面拥抱 AI 智能化时代 09 10 11 12 14 15 17 19 20 22 24 1.3 当前人工智能在汽车行业中的创新应用 25 1.4 未来人工智能在汽车行业的创新展望 29 1.4.1 让汽车功能的升级像软件一样敏捷，快速演进 31 1.4.2 供应链可视化，风险模拟和预测 32 1.4.3 元宇宙及人工智能推动打破部门壁垒，推动内部协同实现极致的 33 1.4.4 元宇宙下的人工智能驱动 - 以客户为中心的购车体验 34 成本和质量改进优化 1.4.5 自动驾驶创造极致的长途驾驶体验 1.4.6 人工智能辅助低碳出行，并无缝衔接多种出行方式 36 37 1.4.7 重新定义车 — 移动共享美化时光的空间 （房产、客厅、电影院、 38 游戏厅、沉浸式学习空间） 2 企业如何利用人工智能加速创新 2.1 人工智能应用创新的原则 2.1.1 人工智能创新的原则一：赋能 2.1.2 人工智能创新的原则二：商业运营 2.1.3 人工智能创新的原则三：组织建设 2.1.4 人工智能创新的原则四：监管和规模化 39 41 42 46 53 58 汽车行业全面拥抱 AI 智能化时代丨 03 2.2 凯捷咨询加速数据及人工智能价值实现 2.2.1 下一代企业数据及人工智能平台参考架构 2.2.2 人工智能及数据平台实施方法 2.3 亚马逊云科技支撑多种汽车行业的方案 2.3.1 软件定义智能汽车 2.3.2 自动驾驶算法开发和验证 2.3.3 构建车企全球弹性车联网 2.3.4 个性化数字互动体验 2.3.5 智慧供应链 61 63 69 71 75 83 87 93 98 2.4 基于亚马逊云科技打造人工智能创新底座 102 2.4.1 亚马逊云科技卓越的全球基础设施 103 2.4.2 亚马逊云科技的智能湖仓架构 2.4.3 选择合适的人工智能和机器学习服务 04 丨汽车行业全面拥抱 AI 智能化时代 106 112 3 如何衡量人工智能带来的价值和收益 3.1 驱动规模化人工智能汽车企业可以获得重大回报 3.2 在不同的创新水平面进行投入 3.2.1 创新水平面 1 3.2.2 创新水平面 2 3.2.3 创新水平面 3 119 120 124 125 126 127 4 结尾和展望 128 5 参考文献 131 6 作者简介 133 汽车行业全面拥抱 AI 智能化时代丨 05 简 介 今天，随着人工智能（Artificial Intelligence, AI ）和机器学习（Machine Learning, ML）技术的日益成熟，人工智能与机器学习技术早已脱离了 资本炒作，正在迈向全面的商业化阶段，并与产业深度融合。正如历史 上交通工具引擎的演进，车从蒸汽机车进化到内燃机车，再演进到电力 机车，到今天的高铁，新引擎不断带给交通工具更快的速度、更高的效率、 更好的体验，并让系统更加的安全稳定。而人工智能与机器学习技术也 正在协助企业构建业务发展的“新引擎”，帮助企业获客，提升运营与 生产效率，构建质量保障和风险控制体系，给企业带来崭新的用户体验。 如何恰当地在应用场景中将业务痛点与人工智能相结合，把握数字时代 的发展机遇，是所有企业的业务和技术决策者面对的首要的议题之一。 同样，人工智能也是开启汽车行业未来价值的关键所在。虽然人工智能 在自动驾驶领域的应用备受瞩目，但是人工智能的用武之地远不止此， 汽车行业在研发、生产、供应链、客户体验和出行服务等诸多领域都在 推进人工智能的应用。 福特汽车公司副总裁兼首席信息官 Jeff Lemmer 表示： “人工智能技术不仅对实现我们的自动驾驶汽车至关重要，而且在转变 我们的客户和员工体验方便，也发挥着越来越大的作用。” “供应链风险识别和车辆预测性维护，仅仅只是福特已经应用人工智能 来改善我们的客户和业务运营的众多方案之一。” 沃尔沃汽车集团首席信息官兼首席数字官 Atif Rafiq 回应了这种 观点，他说： “车企正在积极地将人工智能应用于自动驾驶，这通常会成为最热门的 头条新闻，但不仅于此，汽车行业的各个方面都可以受益于人工智能， 包括汽车的制造和销售，以及创造新的客户体验。” 06 丨汽车行业全面拥抱 AI 智能化时代 自 2017 年以来，虽然许多企业对于人工智能的应用依然停留在 小范围试点和概念验证阶段，但是已经有领先的企业在人工智能 的规模化应用方面取得了重大进展。如今人工智能进入汽车行业， 并产生了积极效益的例子有很多。 上汽集团已经拥有非常丰富的人工智能应用场景，涵盖了智能驾驶、 智能出行、智能制造、智能物流这些技术复杂、可靠性要求又相当高 的场景，为上汽的人工智能实验室发展提供了有力的支撑，这也是上 汽集团在人工智能领域独有的竞争优势。 宝沃汽车通过人工智能搭建测试平台，通过人工智能模拟实现更丰富 的路况，减少重复测试，从而提高自动驾驶测试的效率。 通用汽车公司的“Dreamcatcher”系统――使用机器学习来改进原 型开发。该解决方案最近对生成安全带支架零件的设计进行了测试， 最终的单一组件设计比最初的八组件设计轻 40%，强度高 20%。 大众汽车在慕尼黑的 DATA LAB 建立了自己的语音技术团队，应用于 与供应商的标准化沟通。该项目的目标是实现 10000 美元以下商品 的采购流程自动化。 斯柯达（Škoda）正在其位于捷克姆拉达·博莱斯拉夫的工厂测试将自 动驾驶无人机应用于库存盘点。应用该技术实现了每日三次从上空检 测、识别和清点工厂外的空集装箱，并将收集的数据传输给物流部门 进行处理。 汽车行业全面拥抱 AI 智能化时代丨 07 在本白皮书中，我们从当前成熟的人工智能与机器学习 案例出发，探讨并关注人工智能与机器学习技术在业务 增长、效率提升、体验创新、风险控制等方面为汽车行 业带来的创新，解读人工智能与机器学习的应用场景。 汽车行业的客户可以借助凯捷咨询在汽车行业的深入实 践和丰富经验，以及亚马逊云科技全面、可靠、可扩展、 安全的人工智能和机器学习服务打造相应的解决方案， 从而更加便捷，有效地从数据中提取价值、赋能业务。 本白皮书主要包含如下内容： 汽车行业中利用人工智能进行创新面临 汽车行业客户如何搭建企业级的人工 云计算如何帮助驱动人工智能在汽车行 凯捷咨询和亚马逊云科技精诚合作， 的机遇和挑战。 业创造价值和收益。 08 丨汽车行业全面拥抱 AI 智能化时代 智能及数据平台。 通过人工智能赋能客户，拥抱未来。 人工智能 在汽车行业发展的现状 1 汽车行业全面拥抱 AI 智能化时代丨 09 1.1 数据对汽车行 业发展的影响 在如今这个世界，所谓“正常”只是对某种似曾相识但绝非一成不变的隐喻， 因此我们需要接受不确定性，因为不确定性已经成为我们今天日常生活的一 部分。快速识别和响应不断变化的环境，对于任何组织都是重要的。为了蓬 勃发展，企业面对机遇和挑战，必须灵活地调整战略，持续地进行业务和技 术的转型。 在印度，有一个概念叫做“Jugaad”：是一种灵活务实地解决问题的方式， 在资源有限的情况下进行创新。这种节俭的创新概念以某种形式存在于世界 各地的每一种文化中，现在对汽车行业的企业来说比以往任何时候都更有意 义。 随着需求的变化和技术创新的不断加速，组织可以利用许多机会应对大规模 的变化。如水一般保持柔韧，有助于组织规划未来，无论未来将面对什么。 “StratOps”– 战略运营一体化企业将体现这种柔韧性，它利用技术让组织做 好准备好面对这个截然不同的世界。 然而，仅仅向往未来是无济于事的。组织需要采取切实的行动，专注于其愿景， 拥抱技术趋势，并提升稀缺人才的技能。今天，每个企业都是科技业务企业。 信息技术的应用已经不再仅限 IT 部门，而需要融入组织所有维度的战略规划、 日常运营中。 此外，企业目标也在发生变化。可持续发展在疫 都有一个共同的特点：依赖于技术，并使其成为整 先的位置。应对稀缺性――不仅是自然资源，还 一起，融为一体，无法分离。 情期间曾被置于次要地位，现在又回到了战略优 有人力资源――正迅速成为企业成功的决定性因 素。组织的领导者在专注于“客户至上”的卓越 体验和高效的运营的同时，现在还必须将注意力 放在运营上，须将人才创新和以员工为中心的体 验结合。 实际上，无论商业还是社会的机遇和挑战，他们 10 丨汽车行业全面拥抱 AI 智能化时代 体变革的一部分。由此，科技和业务运营将交织在 上述的观点在凯捷的《技术创新愿景报告 2022》中 有更加深入的描述和呈现。这些原则对于汽车行业 的影响也是深刻而持续的。该报告对汽车行业中利 用数据技术及人工智能进行创新的趋势做了进一步 的分析：“虽然对车辆数据的价值存在过早和过于 乐观的预测，但车辆数据的价值却是真实的。” 1.1.1 汽车行业中数据 的爆发式增长 汽车行业市场的积极发展主要是由可用数据信息的强劲增长所 驱动。同时，第三方的商业需求、不断改进的数据收集技术和 不断增加的传感器数量，也推动了可用数据信息的迅速增长。 这也导致了数据产品组合的优化和汽车制造商价值定位正在发 生改变。汽车制造商将不得不处理大量的车辆数据。自 2020 年 以来，可用的电动车数据信息大量增加，例如围绕电池改进、 二次利用和回收的商业模式的充电率、电池周期、电池和充电 状态等数据。除了数据量，数据质量也在不断提高，消费者更 容易获得数据。因此，客户在愿意为来自数据平台的高质量和 丰富的数据支付溢价的同时，为车辆本身的差异支付溢价的意 愿正在下降。 在未来，可用数据信息的增长将成倍加快，因为它主要取决于 自动驾驶 (Autonomous Driving，AD) 的水平以及实现自动驾驶 的技术（激光雷达、雷达等）。以特斯拉为例，在使用 5 级自 动驾驶的测试版后，一天就有大约 4GB 的数据传输给汽车制造 商。然而，随着更多自动驾驶技术的加入和对此类车辆的更大 依赖，这一数字可能增加