Capgemini這份題為《加速汽車行業人工智慧轉型》的報告顯示，2018年汽車行業中“大規模”部署了人工智慧的企業數量僅僅增長了3%。
只有10％的受訪者表示，2018年他們的企業組織在“全公司的範圍和規模上”部署了人工智慧驅動的專案，相比之下，2017年這一比例僅為7％。
該報告總結說，相對緩慢的增長速度證明，“自2017年以來，汽車行業在人工智慧轉型方面並沒有取得重大進展”，而鑑於行業領導者所顯示出的投資規模和熱情，這一結果實在令人意外。
該報告的作者之一Ingo Finck表示，“在某種程度上，這確實讓人覺得驚訝，因為我們看到絕大多數——超過80％——的企業都在他們的核心戰略中提到了人工智慧。”
“對他們來說，這顯然是一個重要的戰略因素，所以……我們也對相對緩慢的採用率感到有些意外。”
在深入研究採用率緩慢增長的各種潛在原因之前，有一點值得注意，這個結果是存在地區差異的：在中國，採用人工智慧的車企數量幾乎翻了一番，從5％增加到9％。
中國人工智慧巨頭採取相對“開放”的策略在一定程度上解釋了這一現象，例如百度開發的Apollo開源平臺，有超過130家企業及組織合作伙伴。
Finck解釋說，其他地區增長緩慢可能是因為企業組織正在採取更為成熟的人工智慧部署方法，而不是“全部都嘗試一遍，看看哪些方法奏效”，他們更專注可以經過驗證的用例，然後再大規模運用。
而從計劃增加人工智慧部署的企業的規模大小來看，另一個差異也十分明顯。
“我們可以看到，小型企業在採用人工智慧方面更猶豫一些，而規模較大的企業[收入超過100億美元]採用率會更高一些。”
“小型企業的複雜性與大型企業幾乎相同——不管是小企業還是大企業，採用人工智慧所面臨的困難都是相同的。”
實際上，正如預期的那樣，投資金額與企業組織部署人工智慧的規模之間存在著明顯的相關性，這對於小型企業來說顯然是一個限制因素。
在大規模成功部署了人工智慧的企業中，有80％的企業在人工智慧上的花費超過2億美元。而對於那些認為自己沒能成功部署人工智慧的企業中，只有20％的企業花了這麼多錢。
雖然自動駕駛汽車經常被視為汽車人工智慧最主要的一個使用場景，但實際上，提高傳統手動駕駛汽車的效率和附加值的主要方法是使用認知學習演算法。
該報告強調了一些重要的人工智慧部署，主要是在較大的OEM企業組織內，包括：
- 原型設計：通用汽車在其產品設計操作中使用機器學習
- 建模和模擬：德國大陸集團通過建模和模擬技術，每小時收集5000英里虛擬車輛測試資料
- 銷售和營銷：大眾汽車利用機器學習技術，通過經濟、政治和氣象等資料，預測120個國家250種車型的銷售情況
- 質量控制：奧迪使用配備計算機視覺的攝像頭，來檢測製造過程中金屬板上無法被人眼識別出來的微小裂縫。
Capgemini將這些企業定義為“規模冠軍”——他們已經成功地大規模部署了人工智慧，並且都顯示出了各種特徵，例如專注於高效益用例、良好的人工智慧治理、高水平的投資，以及更為重要的是，顯示出了提升員工技能的願意。
PDF版本將分享到199IT交流群，支援我們發展可加入！
