面對日益激烈的競爭，汽車行業希望借助人工智能技術降低成本，增強競爭力。本文從技術、場景、應用案例等角度闡述了人工智能在汽車行業中的發展與趨勢，與此同時也指出了該技術在汽車行業面臨的挑戰。

汽車行業擁有龐大的產業鏈，其中包括汽車的設計、生產、銷售，服務等業務，在當今世界經濟活動中占有重要地位。面對日益激烈的競爭，汽車行業希望借助人工智能技術降低成本，增強競爭力。本文從技術、場景、應用案例等角度闡述了人工智能在汽車行業中的發展與趨勢，與此同時也指出了該技術在汽車行業面臨的挑戰。本文列舉了在汽車行業有較多應用的人工智能代表技術，如語音識別，計算機視覺等;分析了該行業中較為典型的應用場景如汽車研發、汽車制造、整車智能升級等。之后還根據不同的場景分析了相對應的解決方案。最后，本文總結了部分人工智能技術的應用效果和局限性，以及人工智能技術在汽車制造業中的發展趨勢。

一、汽車制造業市場規模

從根據國際汽車制造協會的統計，全球汽車生產總數自2013年到2017年一直處于持續增長的狀態，平均每年增長幅度約為2.89%，并在2017年生產超過9700萬輛。直到2018年出現下滑，全球汽車生產總數下降了1.24%。而全球的汽車銷量趨勢基本隨產量同比出現波動。在這五年的周期中，中國的汽車生產總量長期占據全球第一，隨后則是美國和日本。

2013-2018年汽車制造與銷量趨勢圖(數據來源：國際汽車制造協會)

二、汽車制造業中主要的人工智能技術

計算機視覺：該技術試圖創建能夠從圖像或者多維數據中獲取“信息”的人工智能系統。在汽車制造業中，計算機視覺是應用最廣最成熟的技術之一。比如在工業機器人生產線上，計算機視覺可以幫助生產機械獲得更加精確的測量數據，保證生產線的高精度。

大數據分析：該技術指對各種不同來源的非結構化或者結構化數據進行分析，從中挖掘信息，觀察和追蹤發生的事情，從而幫助人類決策和判斷。在汽車制造業生產線上，操作人員利用大數據分析系統可以學習并預測生產線狀態，提前進行設備維護，防止在車輛生產時候出現故障。

機器人：該技術涵蓋了機器人的設計、建造運作等。得益于人工智能技術的進步，機器人技術有了更廣泛和靈活的應用，可以實現柔性生產和精確抓取等復雜操作。汽車生產線上的機械臂利用強化學習技術，提高了精確度，強化了協作關系，提高了車輛的良品率。

語音識別與自然語言處理：自然語言處理(NLP)是讓系統理解并明白人類寫作、說話方式的核心技術。而語音識別技術則是自然語言處理的眼睛與耳朵。它們的結合使用可以完成文字抽取，信息歸納，語音轉文字等多項任務，在相關的文件處理、售后服務以及汽車的交互功能中廣泛應用。

云計算：云計算是利用網絡將本地任務上傳至云端服務器進行處理，從而實現本地設備無法實現的功能的技術。包括車載電腦的路徑規劃手機互動、車輛自檢、行車數據記錄及分析等功能均有云計算的支持。

AR/VR：增強現實與虛擬現實是基于虛擬和現實環境，并結合視覺識別,機器學習，深度學習等多種前沿技術的集合體。此項技術能為車企通過打造虛擬場景以提高產品的設計、研發效率，同時為車輛本身的智能化升級提供支持。

三、人工智能技術在汽車制造業中的應用分布

其他相關服務：人工智能在汽車相關服務領域用有豐富的應用，包括車企利用聊天機器人進行智能客服、通過算法基于車主的駕駛行為進行風險評估和保險服務等等。本報告僅基于所選全球500強汽車相關企業案例有限地進行了場景劃分，故不包含此類熱門服務場景。

四、汽車制造業500強公司人工智能技術落地案例

通用汽車：通用汽車在設計階段引入人工智能技術，利用Fusion360學習原始的汽車零件設計圖，之后人工智能算法會根據現有的條件、重量、需要、材料等提供上百種不同設計，供設計師選擇。該步驟可以減輕零件重量，優化安裝流程，增加零件耐用性。

寶馬汽車：寶馬汽車利用人工智能優化汽車沖壓過程。寶馬推出的先進的測量和分析系統，可以針對每一部分材料分別收集數據，智能化調節沖壓模式，讓整個流程可以更精確和有針對性，產出的產品也更加穩定。

起亞汽車：起亞汽車人工智能銷售聊天系統采用了CarLabs.ai的人工智能銷售系統，讓用戶可以直接與機器人對話并解決銷售中的問題。該虛擬助手利用了自然語言處理技術，分析用戶的問題與答復，充分理解后提供特定的答復。該聊天機器人目前主要存在于Facebook的平臺內，可以為用戶提供偏好匹配，車型比較，車輛細節信息，線下商店信息，試駕預約，財務計算等功能。

吉利汽車：吉利汽車借助人工智能技術將語言識別率提高到98%以上。該語音助手可以把大量需要觸控的操作轉換成語音操作，讓駕駛員在駕駛時候更加安全，不需要轉移視線即可完成眾多命令。同時，由于語音助手的靈活性，車主也可以更方便的接入其他汽車服務，打通車內空間與車外世界。

五、人工智能在汽車制造業中的局限

人工智能在汽車行業各個領域都有著豐富的應用場景，但考慮到部分技術尚未成熟，而車聯網和智能駕駛等技術的根基尚未穩固，因此人工智的局限性大多也存在于此。

基礎設施不完善性：對于車聯網來說，要實現車與車、車與路、車與周遭環境互聯的愿景離不開道路基礎設施支持。而當前的道路上的基礎網絡設施建設尚未完善，不足以支撐未來汽車的網聯需求。

法律法規不成熟性：智能駕駛技術自誕生以來一直承受著部分道德因素的詬病，而針對智能駕駛，乃至未來自動駕駛的法律法規也尚未成熟，因而限制了智能駕駛技術的發展。

網絡交互的安全性：隨著互聯網技術的發展，大量信息在網絡中得以查看，也從而引發了部分信息和隱私安全的問題。同理，車聯網通過讓車與網絡交互以提供更優質的功能與服務，但隨之也帶來了車載計算機系統與外界交互的安全隱患。

六、人工智能在汽車制造業的發展趨勢

人工智能技術在汽車行業充滿了發展潛力。無論是汽車的研發、制造，或是智能駕駛，乃至未來的出行領域均為人工智能的應用落地提供了大量場景。

汽車設計智能化：而隨著信息時代的到來，智能設計軟件的出現正把設計工作的試錯成本大幅降低。將專家系統植入設計軟件以配合設計師整合素材將是一個充滿潛力的發展方向。

人車交互靈活化：借助人工智能技術實現更便捷的人車交互將是汽車行業近期內的熱門發展方向。虛擬車載助手，車主身份識別、疲勞監測、手勢識別等應用正逐漸出現在汽車市場中。

跨行合作共贏化：伴隨市場對自動駕駛的關注，傳統車廠、互聯網公司、初創公司等都在試圖進入智能駕駛的領域。而這些公司的側重和優勢各有不同。因此跨行業機構進行合作，共同打造未來智能汽車將成為人工智能在汽車行業的一大趨勢。