隨着從內燃機汽車向電動汽車的轉變從未消失，停在街邊的汽車連接充電线如何迅速成爲一種常見景象。而且似乎一些汽車制造商已經度過了過渡階段。

汽車數字化和計算機化是另一個重大轉變，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增長。據估計，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。

隨着汽車的出現，一個新的層次或轉變可能已經开始，例如那些搭載大衆IDA語音助手的汽車現在配備了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、汽車和周圍環境之間的互動方式還爲時過早，但想象一下除了寶馬和大衆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，幫助規劃行程、設置提醒、尋找停車位、與他人分享旅程狀態、提供實時路线更新和建議。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——汽車制造業將引入更多人工智能

生成式人工智能被引入汽車領域，標志着人工智能作爲汽車制造業消費者價值驅動力的增長，但人工智能的受益者並非只有他們，制造工程師也獲得了優勢。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代汽車的質量和合規性要求，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網絡。

學術研究人員和技術企業正將注意力轉向深度學習，將其作爲汽車制造商的有用工具，因爲汽車制造商面臨着傳統工具難以處理的各種視覺檢查要求。傳統的機器視覺系統用於質量和生產线末端檢查、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。

但情況正在發生變化。在最近的行業基准報告中，56%的英國汽車業務領導者和43%的德國汽車業務領導者表示，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採購。

深度學習機器視覺“AI眼”可實現以前無法達到的准確性、質量和合規性檢查水平，並可以將工程師、程序員和數據科學家與新的深度學習工具結合在一起，用於現代汽車生產。

深度學習機器視覺可用於高需求的半導體生產，包括晶圓檢查、圖案對准、芯片分類、晶圓切割、焊膏質量、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，所有領域都需要比以往更高的標准。隨着行業推進電氣化進程，深度學習機器視覺也可以使電動汽車電池制造過程受益，增強節點和陰極塗層的檢查、電極片位置、堆疊對准、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战時，現成的深度學習工具可以改變遊戲規則。深度學習光學字符識別(OCR)工具可以配備現成的神經網絡，該神經網絡使用數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开箱即用的高精度。用戶只需幾個簡單的步驟即可創建強大的OCR應用，而無需機器視覺專業知識。這是一個先進AI工具如何採用低代碼/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，英國汽車行業33%的決策者和德國29%的決策者，希望使用機器視覺實現一半以上的視覺檢測流程自動化。如果沒有現代機器視覺，這一目標將很難實現。

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發展的人員的價值驅動因素。人工智能正在創造新的資產可視性水平，讓工人更加知情和裝備精良，並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”，同時有更多時間推動制造战略和運營向下一個轉型邁進。

---

標題：繼電動汽車之後，下一次汽車轉型是否已經發生？

地址：https://www.utechfun.com/post/350588.html