前言
汽车行业是人工智能的重要应用产业，在过去的两年多中，汽车行业一直在广泛探讨四个颠覆性、相辅相成的主要趋势——自动驾驶、车联网、电气化和共享出行（ACES）。这些趋势预计将推动交通市场的增长，改变交通行业的规则，并实现从传统技术向颠覆性技术、以及创新商业模式的转变。
人工智能(AI)是四种趋势中的关键技术。例如，自动驾驶本质上依赖于人工智能技术，因为它是唯一能够对车辆周围物体进行可靠、实时识别的技术。对于其他三种趋势，人工智能创造了大量机会来降低成本，改善运营并创造新的收入来源。例如，对于共享出行服务，人工智能可以通过预测和匹配供需来帮助优化定价。它也可以用来改善维护计划和车队管理。人工智能还可以帮助汽车企业得到更多融资，并应对今后的变化。
即使是在短期内，人工智能技术也能提高整个价值链的效率，降低成本，并可从汽车销售以及售后市场获取新的收入。大部分价值通过四个核心过程产生。在采购、供应链管理、制造方面效率的提升，分别使成本节约了510亿美元、220亿美元和610亿美元。在汽车营销及销售方面，基于人工智能的高效率既可以降低成本，又可以创造收入，从而可产生310亿美元的价值。
从长期来看，具有智能驾驶功能的车辆和出行服务可以为整个行业带来大量的价值，但这些功能和服务在短期内仅会给行业带来有限的价值。尽管如此，通过这些服务创造的价值也是非常重要的，因为如果汽车OEM厂商在驾驶和出行服务方面胜过竞争对手，那么则可以获得相当大的市场份额。
一、人工智能
为了方便理解，金准人工智能专家提出本文中与人工智能相关的一些术语，它们都是基于机器学习的。
人工智能(AI)是机器和系统所展示的智能，机器模仿与人类认知相关知识的功能。人工智能有三个层次:
最低级别是“窄定义人工智能”，这是一种现有的软件，它可以自动完成一个传统的人类活动，并且在一个专门的领域，例如玩棋类游戏，预测销售，或者预测天气，在效率和耐力方面都胜过人类。自动驾驶也是一个窄定义人工智能的例子，尽管它比目前所有的应用程序都要复杂得多。
超级人工智能是人工智能的最高水平，当人工智能变得比几乎所有领域中最优秀的人类大脑聪明得多的时候，它就达到了。超级人工智能系统可以对未知环境进行推理。关于这种智能水平能否达到、如何达到，以及应用场景如何的问题，存在大量的不确定性和争论。
它是实现人工智能的一个重要组成部分，因为它的输出被用来作为建议、决策和反馈机制的基础，以解决以前未知的情况。机器学习是一种创建人工智能的方法。由于当今大多数人工智能系统都是基于机器学习的，所以这些术语经常被使用，特别是在商业环境中。机器学习是对样本输入数据的训练算法，以优化其在特定任务上的性能，从而使机器获得新的功能。
经过训练的机器学习算法利用它的学习经验，更好地做出基于以前看不见的数据的预测(例如在图像上识别某种类型的动物)。机器学习系统主要采用三种方法进行训练。
监督学习。人工智能系统提供的示例输入数据与人工智能系统应该预测的数据类似。所提供的资料为标签，即，所需的输出包含在数据中。
无监督学习。输入数据没有特定的标签，人工智能系统需要根据数据中识别的结构找到它的度量和分类。
强化学习。人工智能系统根据奖励功能选择行动以最大化回报。机器和软件人员利用尝试和错误来自动确定特定环境内的理想行为，以使其性能最大化。
深度学习是人工智能的一个分支。它主要涉及由许多层组成的神经网络，因此称为“深度”。在过去的几年里，深度神经网络是许多领域最成功的人工智能方法。深层神经网络可以应用于上述三种类型的学习。它们适用于许多模式识别任务，而无需对算法进行修改，只要有足够的训练数据即可。由于这些特性，深层神经网络可以应用于从视觉对象识别到产品特性的复杂仿真等多种任务。
二、人工智能可为汽车OEM厂商创造新的价值机遇
人工智能带来的价值潜力主要来自于三个应用领域：在OEM价值链中应用AI技术、汽车中智能化的驾驶功能（如高级驾驶辅助系统或自动驾驶）、新商业模式下的交通出行服务。金准人工智能专家主要分析人工智能可带来的两种价值机遇：
一是整个汽车OEM行业的机会，人工智能可为汽车OEM行业带来价值。在短、中期内，AI带来的价值潜力主要来自于流程方面。人工智能将使OEM厂商能够共同提高性能，特别是通过改进流程，并通过增加新的驾驶/车辆功能（如高级驾驶辅助系统ADAS或自动驾驶）等增加销售和收入。
另一种是OEM厂商独有的机会，人工智能可为OEM厂商带来机会，以超越竞争对手。对于每个OEM厂商来说，有两种方式可以超越竞争对手：首先，可重点致力于提高市场份额，例如，提供优越的客户体验以吸引更多客户；其次可以通过更积极地参与新兴的交通市场，以增加收入和/或提高利润率。
图1说明了AI给应用领域带来的可实现的收入和价值，同时对到2015年AI的应用进程的底线杆及营收杆做出了区分。在短、中期内，人工智能将为汽车行业创造大量的价值，预计2025年，人工智能为全球汽车OEM厂商带来的总价值将达到大约2150亿美元，这相当于整个汽车行业EBIT值的9%，或者是相当于年平均生产率提高1.3%。这对于推动汽车行业的发展具有重要价值，它大部分来自于价值链核心流程的优化。
图1：到2025年，人工智能附能的流程优化将驱动整个行业的价值，基于AI的驱动/车辆功能使单个OEM厂商提升竞争力。
图2：与流程优化不同的是，具有智能驾驶功能的车辆和出行服务可以为整个行业带来大量的价值，只能从长远来看。
无论从短期还是长期获取价值机会，重要的是，OEM厂商已经开始投资具有智能驾驶功能的车辆，例如，自动驾驶或连接特性，开发人工智能应用程序成功地应用于出行服务。此外，对于OEM厂商来说，利用人工智能提高性能、改进流程，从而获取价值至关重要，它可以为未来5到10年驾驶/车辆功能、出行服务提供资金支持，获得长期投资价值回报。
三、汽车OEM厂商应充分抓住AI创造的价值机遇
OEM厂商应立即行动，利用人工智能技术获取价值，并创建必要的能力，以提供具有竞争力的、以用户为中心的长期服务。OEM想要抓住价值潜力，引领市场，就需要进行全面的人工智能转型。人工智能转型是一个综合的体系，跨越由试验到实践，再到扩大规模的过程。
3.1 全行业价值机会：人工智能附能流程优化
汽车OEM厂商预测到2025年约有2030亿元是人工智能为价值链核心流程优化带来的价值。如图3所示：
在汽车制造商的价值链中，最大的机遇就是影响商品成本的控制杆。因此，最大的绝对成本削减效应存在于制造业(15%的改善)、采购(4%改善)和供应链管理(16%的改进)。
销售和市场营销也提供了有趣的价值机会，部分原因是通过降低成本(提高13%)的底线效应，例如，通过更有效的方式使用营销支出，但主要是受额外收入的影响(总收入增加了0.9个百分点)。这对销售和市场的影响主要集中在减少给顾客的回扣和改善汽车的特点。通过应用机器学习来更好地理解客户的优先级和调整汽车生产，以及车辆到交易的分配，可以减少回扣。
为了更好地理解这些价值机遇在哪里以及如何生成这些价值，金准人工智能专家分析了OEM价值链内的七个主要流程领域：研发、采购、供应链管理、生产制造、销售和市场营销、售后服务和支持功能，包括人力资源、财务和IT。
在这七个主要领域中，通过人工智能的应用程序可以以两种不同的方式创造价值。
基于数据分析生成策略，人工智能通过分析之前无法使用的或无法破解的数据来产生新的见解。然后利用这些新见解，使流程更节省成本或时间效率。例如，预测维护用例能监控图像，声音，以及机器的振动来预测维护时间和执行的方式是否需要优化。
基于人工智能的过程自动化:人工智能促进了以前无法实现的任务的自动化，或者只能以非数字格式提供，例如，在纸质报告中。基于人工智能的自动化的一个重要例子是在研发过程期间进行的产品测试的虚拟化，例如，碰撞测试模拟，其限制了对高成本、实际的碰撞测试的需要。
在自动驾驶全面实现之前，智能辅助驾驶已经商用，且将进一步普及。目前以ADAS（先进驾驶辅助系统）为代表的高新技术装备在车辆上的渗透率正在大幅提升，有望在2018年迎来爆发，2020年，仅ADAS一项的市场规模就将达到近千亿元，年复合增速将超过35%。德国等汽车工业发达国家ADAS已经普及，中国渗透率较低，因此存在巨大市场空间。ADAS应用了传感器、图像识别等AI技术，给了人类眼观八方的能力、提醒人类不要犯类似于疲劳驾驶的错。事实上，自动驾驶也分为L1-L5 不同级别的自动化，部分ADAS已实现L1级别的自动驾驶，特斯拉的AutoPilot则实现了L2级别的自动驾驶，AI辅助人类驾驶已经成为现实。
图3：2025年，汽车OEM厂商价值链的细分
图4：通过促进新产品的产生和自动化，人工智能使OEM厂商能够在价值链的每个阶段捕获新的价值机会。
3.2 OEM厂商竞争优势:以客户为中心的服务
与流程优化不同的是，以客户为中心的服务(驾驶/车辆功能和出行服务)将对整个行业产生有限的短期价值影响。然而，这些服务将在单个OEM厂商的短期竞争力中发挥重要作用，以超越竞争对手，抢占市场份额，并参与新开发的出行市场（如图5所示）。
两个来源为以客户为中心的服务提供价值机会:
重要的用户体验和驾驶/车辆特性。OEM厂商可以通过卓越的数字用户界面和驱动/车辆特性来增加他们的市场份额。市场份额的增加通常是可以实现的，这相当于收入增加了5%到7%，这取决于OEM的类型。然而，对于那些在数字用户体验和驾驶/车辆功能方面落后的OEM厂商来说，一个巨大的影响是潜在的收入风险。根据OEM的类型，大约60%到70%的消费者表示他们愿意为了更好的广告功能而改变他们的品牌，大约35%到45%的消费者愿意为了更好的连接功能而更换他们的OEM厂商（图5）。
新兴的出行市场为OEM厂商提供了另一个有趣的收入机会(2025年大约为3800亿美元)。一些OEM厂商将积极参与并争取在新市场中占有很大份额，而其他一些公司将继续关注传统的汽车收入。尽管这是一个巨大的收益机会，但OEM厂商的盈利能力很大程度上取决于其运营模式和报价的规模。机器学习需要在这里发挥作用，例如，优化共享的车队操作，但是需要由OEM厂商开发一个更广泛的共享移动生态系统来获取这个价值。
显然，智能驾驶/车辆功能和共享出行服务将导致汽车行业的混乱，但很难预测这种破坏将在何时何地发生。但是，从长远来看，汽车OEM厂商的成功将取决于他们提供先进的智能驾驶/车辆功能，并成功地在共享的出行市场上运行。对其他技术中断的回顾研究提供了对这种破坏的潜在范围的看法。例如，在2000年到2014年期间，在旅游行业的数字化中断期间，美国的旅行社数量减少了一半，而在线酒店的收入增长了十倍以上。当汽车行业的中断发生在何时以及如何发生的时候，所有的OEM厂商都需要通过建立提升抗风险能力和资金准备来应对这种情况。
图5：相对于OEM厂商在连接性和ADAS（先进驾驶辅助系统）/AD功能上落后的高风险，市场领导者的潜在收益是有限的。
2025年的收入为10亿美元或收入所占百分比
3.3 OEM厂商全面实现人工智能转换
OEM厂商应该立即采取行动，从人工智能中获取价值，并建立必要的能力，以提供具有竞争力的以客户为中心的长期服务。要想获得市场的全部价值潜力，就需要进行全面的人工智能转换。这样的人工智能转换是一种集成的过程，它跨越了与实现人工智能核心的试点项目相关的过程，并扩大了规模。
然而，在实现整体转型的过程中，为OEM厂商提供的四个独立的战略行动可以在短期内应用，以使其能够顺利进行，并开始从人工智能中获取价值。
建立标准化的数据生态系统，收集和同步来自不同系统的数据。OEM厂商需要开始确保以结构化的方式收集和聚合现有系统的可用数据。数据必须同步，因为它为进一步的分析和机器学习算法的训练提供了基础。例如，当数据来自不同的系统时，数据的唯一标识和数据之间的关系的定义。除了从OEM系统收集数据。OEM厂商也应该从汽车和第三方那里收集客户、车辆和过程数据，比如经销商系统。更精细的驾驶模式的知识能优化他们的共享活动能力，改进电池和电动汽车的设计，或者更好的计划并运行充电基础设施。
建立合作伙伴系统。OEM厂商需要建立一个伙伴生态系统，以缩小知识差距，并限制进入人工智能价值池所需的投资。合作伙伴生态系统很可能包括一般技术伙伴和部门或特定应用程序的特定合作伙伴，例如在制造或供应链中。许多合作伙伴将成为汽车市场的新参与者，为汽车行业带来重要的、高度专业化的能力。在生态系统中，每个伙伴的角色需要被明确定义，其中包括确定所设想的伙伴关系类型。除了长期关注的战略伙伴关系之外，许多OEM厂商还需要短期合作伙伴关系来支持人工智能应用的实现或运营，以及数据采集和建立标准化的人工智能操作系统。
建立人工智能操作系统。为了在人工智能的广泛应用领域进行扩展，OEM厂商需要定义他们的标准化IT堆栈，并将其作为人工智能应用程序的操作系统。这包含了从基础设施到平台和特定服务的各个层包括从标准化的APLs到从不同的系统中获取数据的活动。由此产生的操作系统进一步加快实现,提高生产力,从而创建一个可伸缩的技术骨干。
建立核心人工智能系统和人工智能团队。在人工智能快速落地试验过程中，OEM厂商需要战略性的布局。一些OEM厂商将在公司内部组建人工智能核心团队，其他的则选择通过建立战略合作伙伴关系的方式提升人工智能技术力量，无论何种途径，OEM厂商都要确保在公司不同职能部门中实现人工智能应用程序的持续支持。
为了开始转型，保证长期AI政策的可实施性，OEM厂商应从三个方面采取行动：
确定重点用例并迅速进行试验。在整个用例场景中，OEM厂商需要优先考虑应用程序，以确保其资源的最佳使用。OEM厂商应该首先关注那些可以快速测试和实现的用例，然后再解决需要长期规划和过程调整的更大的用例。对用例进行优先级排序并快速实现试点。第一个试点用例应该快速实现，因为它们可以是人工智能应用程序能够生成的价值类型的早期演示。对于每个主要部门，OEM厂商应该定义他们的前三种人工智能应用程序，并在测试和学习逻辑中实现它们。这使得在大规模应用人工智能应用程序之前，可以在安全的环境中使用。
例如，利用AI技术改变整个汽车的设计、制造、测试等诸多环节，谷歌无人车之父Sebastian Thrun就指出，未来80%的工作会被AI所替代，汽车制造商也可以在工厂里用AI取代工人，目前中国有一些新兴工厂就已经在大量应用机器人，降低成本的同时确保一致性降低错误，尤其是一些对人类安全有威胁的生产环境，更是十分适合应用AI技术，比如汽车行业的测试环节。在这一点上，汽车巨头已在实践，如北汽新能源的智能工厂以智能化的方式实现了客户与厂商信息的透明，供应商的信息集成以及即时的互通，实现了个性化订单的批量化生产。
建立AI核心，其中包括标准化的数据生态系统、合作伙伴系统，以及核心AI团队。随着软件成为业务中更重要的一部分，OEM厂商需要雇佣大量的软件工程师。为了实现这一目标，汽车公司必须为软件工程师和数据科学家创造一个更具吸引力的环境。OEM厂商需要确保被视为与技术公司同样有吸引力的雇主，他们为软件工程师和数据科学家提供有竞争力的薪资和有吸引力的发展机会。
扩大和实施全面的人工智能转型。在快速和利用人工智能核心的基础上，OEM厂商应该扩大并在整个组织中推广人工智能应用。只有这样，OEM厂商才能充分利用人工智能的核心流程的价值潜力。为了实现这一目标，在第一步中，最初在单个工厂或地区实施的试点项目需要在全公司范围内推广。然后，需要为人工智能建立一个形式化的组织，并且应该重新定义流程，以内化人工智能的应用。在试点实施过程中所建立的能力以及他们随后的升级需要被用于智能驾驶/车辆功能和出行服务。
这个三步走的人工智能转换策略使OEM厂商能够在流程中捕获短期价值，并有效地为捕获完整的长期价值潜力做好准备。对于单个的OEM厂商来说，在短期内释放的资源需要重新投资，而获得的能力和经验应该被应用到驾驶/车辆功能的开发中。
总结
汽车行业是人工智能的重要应用产业，这主要体现在自动驾驶、车联网、电气化和共享出行几个具体领域。金准人工智能专家认为，人工智能技术能提高汽车行业在采购、供应链管理、制造等环节的效率，降低成本，并能从汽车销售和售后市场获取新的收入。人工智能可为整个汽车OEM行业带来价值，同时也是每个汽车OEM企业超越竞争对手的有力武器。报告建议，汽车OEM企业需抓紧开始实施人工智能转型，首先确定重点用例并迅速进行试验；其次，应建立人工智能核心体系（包括数据生态系统、核心AI团队等）；最后，汽车OEM企业应扩大规模，实施全面转型，使用人工智能技术获取全部潜在价值。
