隨著從內(nèi)燃機(jī)汽車(chē)向電動(dòng)汽車(chē)的轉(zhuǎn)變從未消失，停在街邊的汽車(chē)連接充電線如何迅速成為一種常見(jiàn)景象。而且似乎一些汽車(chē)制造商已經(jīng)度過(guò)了過(guò)渡階段。

汽車(chē)數(shù)字化和計(jì)算機(jī)化是另一個(gè)重大轉(zhuǎn)變，它擁有約1億行代碼和1,000多個(gè)半導(dǎo)體芯片，而且這一趨勢(shì)還在持續(xù)增長(zhǎng)。據(jù)估計(jì)，如今的自動(dòng)駕駛汽車(chē)擁有約3億行代碼，而一輛電動(dòng)汽車(chē)則需要約3,000個(gè)芯片。

隨著汽車(chē)的出現(xiàn)，一個(gè)新的層次或轉(zhuǎn)變可能已經(jīng)開(kāi)始，例如那些搭載大眾IDA語(yǔ)音助手的汽車(chē)現(xiàn)在配備了ChatGPT，而寶馬則與亞馬遜合作，將大型語(yǔ)言模型(LLM)引入寶馬的智能個(gè)人助理。目前，要說(shuō)生成式人工智能將如何長(zhǎng)期改變駕駛員、汽車(chē)和周?chē)h(huán)境之間的互動(dòng)方式還為時(shí)過(guò)早，但想象一下除了寶馬和大眾所展示的之外可能的用例和體驗(yàn)，這令人興奮。

司機(jī)可以從個(gè)性化的人工智能助手中受益，幫助規(guī)劃行程、設(shè)置提醒、尋找停車(chē)位、與他人分享旅程狀態(tài)、提供實(shí)時(shí)路線更新和建議。它甚至可以訂購(gòu)咖啡或午餐，在您到達(dá)下一個(gè)服務(wù)站的免下車(chē)取餐通道時(shí)即可取走。

從工廠到電動(dòng)汽車(chē)——汽車(chē)制造業(yè)將引入更多人工智能

生成式人工智能被引入汽車(chē)領(lǐng)域，標(biāo)志著人工智能作為汽車(chē)制造業(yè)消費(fèi)者價(jià)值驅(qū)動(dòng)力的增長(zhǎng)，但人工智能的受益者并非只有他們，制造工程師也獲得了優(yōu)勢(shì)。汽車(chē)制造商正在利用多種人工智能應(yīng)用來(lái)滿(mǎn)足人們想要駕駛的現(xiàn)代汽車(chē)的質(zhì)量和合規(guī)性要求，同時(shí)改善工廠工人的體驗(yàn)。一種先進(jìn)的人工智能是深度學(xué)習(xí)，它模仿人類(lèi)大腦中的神經(jīng)網(wǎng)絡(luò)。

學(xué)術(shù)研究人員和技術(shù)企業(yè)正將注意力轉(zhuǎn)向深度學(xué)習(xí)，將其作為汽車(chē)制造商的有用工具，因?yàn)槠?chē)制造商面臨著傳統(tǒng)工具難以處理的各種視覺(jué)檢查要求。傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)用于質(zhì)量和生產(chǎn)線末端檢查、零件可追溯性、測(cè)量和測(cè)量、存在/缺失檢查、計(jì)量和孔隙度檢查。然而，這些工具存在長(zhǎng)期存在的問(wèn)題，包括所需的培訓(xùn)時(shí)間、成本、互操作性、維護(hù)和處理復(fù)雜的用例。

但情況正在發(fā)生變化。在最近的行業(yè)基準(zhǔn)報(bào)告中，56%的英國(guó)汽車(chē)業(yè)務(wù)領(lǐng)導(dǎo)者和43%的德國(guó)汽車(chē)業(yè)務(wù)領(lǐng)導(dǎo)者表示，他們目前正在機(jī)器視覺(jué)項(xiàng)目中使用某種形式的人工智能，例如深度學(xué)習(xí)。英國(guó)和德國(guó)平均有20%的人表示，他們沒(méi)有使用任何人工智能，但希望了解更多或目前正在尋求采購(gòu)。

深度學(xué)習(xí)機(jī)器視覺(jué)“AI眼”可實(shí)現(xiàn)以前無(wú)法達(dá)到的準(zhǔn)確性、質(zhì)量和合規(guī)性檢查水平，并可以將工程師、程序員和數(shù)據(jù)科學(xué)家與新的深度學(xué)習(xí)工具結(jié)合在一起，用于現(xiàn)代汽車(chē)生產(chǎn)。

深度學(xué)習(xí)機(jī)器視覺(jué)可用于高需求的半導(dǎo)體生產(chǎn)，包括晶圓檢查、圖案對(duì)準(zhǔn)、芯片分類(lèi)、晶圓切割、焊膏質(zhì)量、計(jì)量和3D檢查。從汽車(chē)到生成式人工智能再到帶有生成式人工智能的汽車(chē)，所有領(lǐng)域都需要比以往更高的標(biāo)準(zhǔn)。隨著行業(yè)推進(jìn)電氣化進(jìn)程，深度學(xué)習(xí)機(jī)器視覺(jué)也可以使電動(dòng)汽車(chē)電池制造過(guò)程受益，增強(qiáng)節(jié)點(diǎn)和陰極涂層的檢查、電極片位置、堆疊對(duì)準(zhǔn)、序列/代碼檢查和裝配驗(yàn)證。

當(dāng)制造商面臨招聘和留住熟練工人的挑戰(zhàn)時(shí)，現(xiàn)成的深度學(xué)習(xí)工具可以改變游戲規(guī)則。深度學(xué)習(xí)光學(xué)字符識(shí)別(OCR)工具可以配備現(xiàn)成的神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)使用數(shù)千種不同的圖像樣本進(jìn)行預(yù)訓(xùn)練，即使在處理非常困難的情況時(shí)也能提供開(kāi)箱即用的高精度。用戶(hù)只需幾個(gè)簡(jiǎn)單的步驟即可創(chuàng)建強(qiáng)大的OCR應(yīng)用，而無(wú)需機(jī)器視覺(jué)專(zhuān)業(yè)知識(shí)。這是一個(gè)先進(jìn)AI工具如何采用低代碼/無(wú)代碼方法的示例，因此AI更加民主化，更容易被更多工人使用。

未來(lái)五年內(nèi)，英國(guó)汽車(chē)行業(yè)33%的決策者和德國(guó)29%的決策者，希望使用機(jī)器視覺(jué)實(shí)現(xiàn)一半以上的視覺(jué)檢測(cè)流程自動(dòng)化。如果沒(méi)有現(xiàn)代機(jī)器視覺(jué)，這一目標(biāo)將很難實(shí)現(xiàn)。

無(wú)論是深度學(xué)習(xí)還是生成式人工智能，人工智能都是消費(fèi)者和那些負(fù)責(zé)推動(dòng)制造業(yè)發(fā)展的人員的價(jià)值驅(qū)動(dòng)因素。人工智能正在創(chuàng)造新的資產(chǎn)可視性水平，讓工人更加知情和裝備精良，并擴(kuò)大了自動(dòng)化重復(fù)和復(fù)雜任務(wù)的可能性。寶貴的、熟練的工程團(tuán)隊(duì)可以充當(dāng)“人機(jī)環(huán)”，同時(shí)有更多時(shí)間推動(dòng)制造戰(zhàn)略和運(yùn)營(yíng)向下一個(gè)轉(zhuǎn)型邁進(jìn)。