隨著從內(nèi)燃機汽車向電動汽車的轉(zhuǎn)變從未消失，停在街邊的汽車連接充電線如何迅速成為一種常見景象。而且似乎一些汽車制造商已經(jīng)度過了過渡階段。

汽車數(shù)字化和計算機化是另一個重大轉(zhuǎn)變，它擁有約1億行代碼和1,000多個半導體芯片，而且這一趨勢還在持續(xù)增長。據(jù)估計，如今的自動駕駛汽車擁有約3億行代碼，而一輛電動汽車則需要約3,000個芯片。

隨著汽車的出現(xiàn)，一個新的層次或轉(zhuǎn)變可能已經(jīng)開始，例如那些搭載大眾IDA語音助手的汽車現(xiàn)在配備了ChatGPT，而寶馬則與亞馬遜合作，將大型語言模型(LLM)引入寶馬的智能個人助理。目前，要說生成式人工智能將如何長期改變駕駛員、汽車和周圍環(huán)境之間的互動方式還為時過早，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，這令人興奮。

司機可以從個性化的人工智能助手中受益，幫助規(guī)劃行程、設(shè)置提醒、尋找停車位、與他人分享旅程狀態(tài)、提供實時路線更新和建議。它甚至可以訂購咖啡或午餐，在您到達下一個服務站的免下車取餐通道時即可取走。

從工廠到電動汽車——汽車制造業(yè)將引入更多人工智能

生成式人工智能被引入汽車領(lǐng)域，標志著人工智能作為汽車制造業(yè)消費者價值驅(qū)動力的增長，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。汽車制造商正在利用多種人工智能應用來滿足人們想要駕駛的現(xiàn)代汽車的質(zhì)量和合規(guī)性要求，同時改善工廠工人的體驗。一種先進的人工智能是深度學習，它模仿人類大腦中的神經(jīng)網(wǎng)絡。

學術(shù)研究人員和技術(shù)企業(yè)正將注意力轉(zhuǎn)向深度學習，將其作為汽車制造商的有用工具，因為汽車制造商面臨著傳統(tǒng)工具難以處理的各種視覺檢查要求。傳統(tǒng)的機器視覺系統(tǒng)用于質(zhì)量和生產(chǎn)線末端檢查、零件可追溯性、測量和測量、存在/缺失檢查、計量和孔隙度檢查。然而，這些工具存在長期存在的問題，包括所需的培訓時間、成本、互操作性、維護和處理復雜的用例。

但情況正在發(fā)生變化。在最近的行業(yè)基準報告中，56%的英國汽車業(yè)務領(lǐng)導者和43%的德國汽車業(yè)務領(lǐng)導者表示，他們目前正在機器視覺項目中使用某種形式的人工智能，例如深度學習。英國和德國平均有20%的人表示，他們沒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。

深度學習機器視覺“AI眼”可實現(xiàn)以前無法達到的準確性、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)科學家與新的深度學習工具結(jié)合在一起，用于現(xiàn)代汽車生產(chǎn)。

深度學習機器視覺可用于高需求的半導體生產(chǎn)，包括晶圓檢查、圖案對準、芯片分類、晶圓切割、焊膏質(zhì)量、計量和3D檢查。從汽車到生成式人工智能再到帶有生成式人工智能的汽車，所有領(lǐng)域都需要比以往更高的標準。隨著行業(yè)推進電氣化進程，深度學習機器視覺也可以使電動汽車電池制造過程受益，增強節(jié)點和陰極涂層的檢查、電極片位置、堆疊對準、序列/代碼檢查和裝配驗證。

當制造商面臨招聘和留住熟練工人的挑戰(zhàn)時，現(xiàn)成的深度學習工具可以改變游戲規(guī)則。深度學習光學字符識別(OCR)工具可以配備現(xiàn)成的神經(jīng)網(wǎng)絡，該神經(jīng)網(wǎng)絡使用數(shù)千種不同的圖像樣本進行預訓練，即使在處理非常困難的情況時也能提供開箱即用的高精度。用戶只需幾個簡單的步驟即可創(chuàng)建強大的OCR應用，而無需機器視覺專業(yè)知識。這是一個先進AI工具如何采用低代碼/無代碼方法的示例，因此AI更加民主化，更容易被更多工人使用。

未來五年內(nèi)，英國汽車行業(yè)33%的決策者和德國29%的決策者，希望使用機器視覺實現(xiàn)一半以上的視覺檢測流程自動化。如果沒有現(xiàn)代機器視覺，這一目標將很難實現(xiàn)。

無論是深度學習還是生成式人工智能，人工智能都是消費者和那些負責推動制造業(yè)發(fā)展的人員的價值驅(qū)動因素。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，并擴大了自動化重復和復雜任務的可能性。寶貴的、熟練的工程團隊可以充當“人機環(huán)”，同時有更多時間推動制造戰(zhàn)略和運營向下一個轉(zhuǎn)型邁進。