前言
汽車行業是人工智慧的重要應用產業， 在過去的兩年多中， 汽車行業一直在廣泛探討四個顛覆性、相輔相成的主要趨勢——自動駕駛、車聯網、電氣化和共用出行（ACES）。 這些趨勢預計將推動交通市場的增長， 改變交通行業的規則， 並實現從傳統技術向顛覆性技術、以及創新商業模式的轉變。
人工智慧(AI)是四種趨勢中的關鍵技術。 例如， 自動駕駛本質上依賴於人工智慧技術， 因為它是唯一能夠對車輛周圍物體進行可靠、即時識別的技術。 對於其他三種趨勢， 人工智慧創造了大量機會來降低成本， 改善運營並創造新的收入來源。
即使是在短期內， 人工智慧技術也能提高整個價值鏈的效率， 降低成本， 並可從汽車銷售以及售後市場獲取新的收入。 大部分價值通過四個核心過程產生。 在採購、供應鏈管理、製造方面效率的提升， 分別使成本節約了510億美元、220億美元和610億美元。 在汽車行銷及銷售方面， 基於人工智慧的高效率既可以降低成本， 又可以創造收入， 從而可產生310億美元的價值。
從長期來看， 具有智慧駕駛功能的車輛和出行服務可以為整個行業帶來大量的價值，
一、人工智慧
為了方便理解， 金准人工智慧專家提出本文中與人工智慧相關的一些術語， 它們都是基於機器學習的。
人工智慧(AI)是機器和系統所展示的智慧， 機器模仿與人類認知相關知識的功能。 人工智慧有三個層次:
最低級別是“窄定義人工智慧”， 這是一種現有的軟體， 它可以自動完成一個傳統的人類活動， 並且在一個專門的領域， 例如玩棋類遊戲， 預測銷售， 或者預測天氣，
超級人工智慧是人工智慧的最高水準， 當人工智慧變得比幾乎所有領域中最優秀的人類大腦聰明得多的時候， 它就達到了。 超級人工智慧系統可以對未知環境進行推理。 關於這種智慧水準能否達到、如何達到， 以及應用場景如何的問題， 存在大量的不確定性和爭論。
它是實現人工智慧的一個重要組成部分， 因為它的輸出被用來作為建議、決策和回饋機制的基礎， 以解決以前未知的情況。 機器學習是一種創建人工智慧的方法。 由於當今大多數人工智慧系統都是基於機器學習的，
經過訓練的機器學習演算法利用它的學習經驗， 更好地做出基於以前看不見的資料的預測(例如在圖像上識別某種類型的動物)。 機器學習系統主要採用三種方法進行訓練。
監督學習。 人工智慧系統提供的示例輸入資料與人工智慧系統應該預測的資料類似。 所提供的資料為標籤， 即， 所需的輸出包含在資料中。
無監督學習。 輸入資料沒有特定的標籤， 人工智慧系統需要根據資料中識別的結構找到它的度量和分類。
強化學習。 人工智慧系統根據獎勵功能選擇行動以最大化回報。
深度學習是人工智慧的一個分支。 它主要涉及由許多層組成的神經網路， 因此稱為“深度”。 在過去的幾年裡， 深度神經網路是許多領域最成功的人工智慧方法。 深層神經網路可以應用於上述三種類型的學習。 它們適用於許多模式識別任務， 而無需對演算法進行修改， 只要有足夠的訓練資料即可。 由於這些特性， 深層神經網路可以應用於從視覺物件識別到產品特性的複雜模擬等多種任務。
二、人工智慧可為汽車OEM廠商創造新的價值機遇
人工智慧帶來的價值潛力主要來自于三個應用領域：在OEM價值鏈中應用AI技術、汽車中智慧化的駕駛功能（如高級駕駛輔助系統或自動駕駛）、新商業模式下的交通出行服務。 金准人工智慧專家主要分析人工智慧可帶來的兩種價值機遇：
一是整個汽車OEM行業的機會，人工智慧可為汽車OEM行業帶來價值。在短、中期內，AI帶來的價值潛力主要來自於流程方面。人工智慧將使OEM廠商能夠共同提高性能，特別是通過改進流程，並通過增加新的駕駛/車輛功能（如高級駕駛輔助系統ADAS或自動駕駛）等增加銷售和收入。
另一種是OEM廠商獨有的機會，人工智慧可為OEM廠商帶來機會，以超越競爭對手。對於每個OEM廠商來說，有兩種方式可以超越競爭對手：首先，可重點致力於提高市場份額，例如，提供優越的客戶體驗以吸引更多客戶；其次可以通過更積極地參與新興的交通市場，以增加收入和/或提高利潤率。
圖1說明了AI給應用領域帶來的可實現的收入和價值，同時對到2015年AI的應用進程的底線杆及營收杆做出了區分。在短、中期內，人工智慧將為汽車行業創造大量的價值，預計2025年，人工智慧為全球汽車OEM廠商帶來的總價值將達到大約2150億美元，這相當於整個汽車行業EBIT值的9%，或者是相當於年平均生產率提高1.3%。這對於推動汽車行業的發展具有重要價值，它大部分來自於價值鏈核心流程的優化。
圖1：到2025年，人工智慧附能的流程優化將驅動整個行業的價值，基於AI的驅動/車輛功能使單個OEM廠商提升競爭力。
圖2：與流程優化不同的是，具有智慧駕駛功能的車輛和出行服務可以為整個行業帶來大量的價值，只能從長遠來看。
無論從短期還是長期獲取價值機會，重要的是，OEM廠商已經開始投資具有智慧駕駛功能的車輛，例如，自動駕駛或連接特性，開發人工智慧應用程式成功地應用於出行服務。此外，對於OEM廠商來說，利用人工智慧提高性能、改進流程，從而獲取價值至關重要，它可以為未來5到10年駕駛/車輛功能、出行服務提供資金支援，獲得長期投資價值回報。
三、汽車OEM廠商應充分抓住AI創造的價值機遇
OEM廠商應立即行動，利用人工智慧技術獲取價值，並創建必要的能力，以提供具有競爭力的、以使用者為中心的長期服務。OEM想要抓住價值潛力，引領市場，就需要進行全面的人工智慧轉型。人工智慧轉型是一個綜合的體系，跨越由試驗到實踐，再到擴大規模的過程。
3.1 全行業價值機會：人工智慧附能流程優化
汽車OEM廠商預測到2025年約有2030億元是人工智慧為價值鏈核心流程優化帶來的價值。如圖3所示：
在汽車製造商的價值鏈中，最大的機遇就是影響商品成本的控制杆。因此，最大的絕對成本削減效應存在於製造業(15%的改善)、採購(4%改善)和供應鏈管理(16%的改進)。
銷售和市場行銷也提供了有趣的價值機會，部分原因是通過降低成本(提高13%)的底線效應，例如，通過更有效的方式使用行銷支出，但主要是受額外收入的影響(總收入增加了0.9個百分點)。這對銷售和市場的影響主要集中在減少給顧客的回扣和改善汽車的特點。通過應用機器學習來更好地理解客戶的優先順序和調整汽車生產，以及車輛到交易的分配，可以減少回扣。
為了更好地理解這些價值機遇在哪裡以及如何生成這些價值，金准人工智慧專家分析了OEM價值鏈內的七個主要流程領域：研發、採購、供應鏈管理、生產製造、銷售和市場行銷、售後服務和支持功能，包括人力資源、財務和IT。
在這七個主要領域中，通過人工智慧的應用程式可以以兩種不同的方式創造價值。
基於資料分析生成策略，人工智慧通過分析之前無法使用的或無法破解的資料來產生新的見解。然後利用這些新見解，使流程更節省成本或時間效率。例如，預測維護用例能監控圖像，聲音，以及機器的振動來預測維護時間和執行的方式是否需要優化。
基於人工智慧的過程自動化:人工智慧促進了以前無法實現的任務的自動化，或者只能以非數位格式提供，例如，在紙質報告中。基於人工智慧的自動化的一個重要例子是在研發過程期間進行的產品測試的虛擬化，例如，碰撞測試模擬，其限制了對高成本、實際的碰撞測試的需要。
在自動駕駛全面實現之前，智慧輔助駕駛已經商用，且將進一步普及。目前以ADAS（先進駕駛輔助系統）為代表的高新技術裝備在車輛上的滲透率正在大幅提升，有望在2018年迎來爆發，2020年，僅ADAS一項的市場規模就將達到近千億元，年複合增速將超過35%。德國等汽車工業發達國家ADAS已經普及，中國滲透率較低，因此存在巨大市場空間。ADAS應用了感測器、圖像識別等AI技術，給了人類眼觀八方的能力、提醒人類不要犯類似于疲勞駕駛的錯。事實上，自動駕駛也分為L1-L5 不同級別的自動化，部分ADAS已實現L1級別的自動駕駛，特斯拉的AutoPilot則實現了L2級別的自動駕駛，AI輔助人類駕駛已經成為現實。
圖3：2025年，汽車OEM廠商價值鏈的細分
圖4：通過促進新產品的產生和自動化，人工智慧使OEM廠商能夠在價值鏈的每個階段捕獲新的價值機會。
3.2 OEM廠商競爭優勢:以客戶為中心的服務
與流程優化不同的是，以客戶為中心的服務(駕駛/車輛功能和出行服務)將對整個行業產生有限的短期價值影響。然而，這些服務將在單個OEM廠商的短期競爭力中發揮重要作用，以超越競爭對手，搶佔市場份額，並參與新開發的出行市場（如圖5所示）。
兩個來源為以客戶為中心的服務提供價值機會:
重要的用戶體驗和駕駛/車輛特性。OEM廠商可以通過卓越的數位使用者介面和驅動/車輛特性來增加他們的市場份額。市場份額的增加通常是可以實現的，這相當於收入增加了5%到7%，這取決於OEM的類型。然而，對於那些在數字使用者體驗和駕駛/車輛功能方面落後的OEM廠商來說，一個巨大的影響是潛在的收入風險。根據OEM的類型，大約60%到70%的消費者表示他們願意為了更好的廣告功能而改變他們的品牌，大約35%到45%的消費者願意為了更好的連接功能而更換他們的OEM廠商（圖5）。
新興的出行市場為OEM廠商提供了另一個有趣的收入機會(2025年大約為3800億美元)。一些OEM廠商將積極參與並爭取在新市場中佔有很大份額，而其他一些公司將繼續關注傳統的汽車收入。儘管這是一個巨大的收益機會，但OEM廠商的盈利能力很大程度上取決於其運營模式和報價的規模。機器學習需要在這裡發揮作用，例如，優化共用的車隊操作，但是需要由OEM廠商開發一個更廣泛的共用移動生態系統來獲取這個價值。
顯然，智慧駕駛/車輛功能和共用出行服務將導致汽車行業的混亂，但很難預測這種破壞將在何時何地發生。但是，從長遠來看，汽車OEM廠商的成功將取決於他們提供先進的智慧駕駛/車輛功能，並成功地在共用的出行市場上運行。對其他技術中斷的回顧研究提供了對這種破壞的潛在範圍的看法。例如，在2000年到2014年期間，在旅遊行業的數位化中斷期間，美國的旅行社數量減少了一半，而線上酒店的收入增長了十倍以上。當汽車行業的中斷發生在何時以及如何發生的時候，所有的OEM廠商都需要通過建立提升抗風險能力和資金準備來應對這種情況。
圖5：相對于OEM廠商在連線性和ADAS（先進駕駛輔助系統）/AD功能上落後的高風險，市場領導者的潛在收益是有限的。
2025年的收入為10億美元或收入所占百分比
3.3 OEM廠商全面實現人工智慧轉換
OEM廠商應該立即採取行動，從人工智慧中獲取價值，並建立必要的能力，以提供具有競爭力的以客戶為中心的長期服務。要想獲得市場的全部價值潛力，就需要進行全面的人工智慧轉換。這樣的人工智慧轉換是一種集成的過程，它跨越了與實現人工智慧核心的試點項目相關的過程，並擴大了規模。
然而，在實現整體轉型的過程中，為OEM廠商提供的四個獨立的戰略行動可以在短期內應用，以使其能夠順利進行，並開始從人工智慧中獲取價值。
建立標準化的資料生態系統，收集和同步來自不同系統的資料。OEM廠商需要開始確保以結構化的方式收集和聚合現有系統的可用資料。資料必須同步，因為它為進一步的分析和機器學習演算法的訓練提供了基礎。例如，當資料來自不同的系統時，資料的唯一標識和資料之間的關係的定義。除了從OEM系統收集資料。OEM廠商也應該從汽車和協力廠商那裡收集客戶、車輛和過程資料，比如經銷商系統。更精細的駕駛模式的知識能優化他們的共用活動能力，改進電池和電動汽車的設計，或者更好的計畫並運行充電基礎設施。
建立合作夥伴系統。OEM廠商需要建立一個夥伴生態系統，以縮小知識差距，並限制進入人工智慧價值池所需的投資。合作夥伴生態系統很可能包括一般技術夥伴和部門或特定應用程式的特定合作夥伴，例如在製造或供應鏈中。許多合作夥伴將成為汽車市場的新參與者，為汽車行業帶來重要的、高度專業化的能力。在生態系統中，每個夥伴的角色需要被明確定義，其中包括確定所設想的夥伴關係類型。除了長期關注的戰略夥伴關係之外，許多OEM廠商還需要短期合作夥伴關係來支援人工智慧應用的實現或運營，以及資料獲取和建立標準化的人工智慧作業系統。
建立人工智慧作業系統。為了在人工智慧的廣泛應用領域進行擴展，OEM廠商需要定義他們的標準化IT堆疊，並將其作為人工智慧應用程式的作業系統。這包含了從基礎設施到平臺和特定服務的各個層包括從標準化的APLs到從不同的系統中獲取資料的活動。由此產生的作業系統進一步加快實現,提高生產力,從而創建一個可伸縮的技術骨幹。
建立核心人工智慧系統和人工智慧團隊。在人工智慧快速落地試驗過程中，OEM廠商需要戰略性的佈局。一些OEM廠商將在公司內部組建人工智慧核心團隊，其他的則選擇通過建立戰略合作夥伴關係的方式提升人工智慧技術力量，無論何種途徑，OEM廠商都要確保在公司不同職能部門中實現人工智慧應用程式的持續支援。
為了開始轉型，保證長期AI政策的可實施性，OEM廠商應從三個方面採取行動：
確定重點用例並迅速進行試驗。在整個用例場景中，OEM廠商需要優先考慮應用程式，以確保其資源的最佳使用。OEM廠商應該首先關注那些可以快速測試和實現的用例，然後再解決需要長期規劃和過程調整的更大的用例。對用例進行優先順序排序並快速實現試點。第一個試點用例應該快速實現，因為它們可以是人工智慧應用程式能夠生成的價數值型別的早期演示。對於每個主要部門，OEM廠商應該定義他們的前三種人工智慧應用程式，並在測試和學習邏輯中實現它們。這使得在大規模應用人工智慧應用程式之前，可以在安全的環境中使用。
例如，利用AI技術改變整個汽車的設計、製造、測試等諸多環節，谷歌無人車之父Sebastian Thrun就指出，未來80%的工作會被AI所替代，汽車製造商也可以在工廠裡用AI取代工人，目前中國有一些新興工廠就已經在大量應用機器人，降低成本的同時確保一致性降低錯誤，尤其是一些對人類安全有威脅的生產環境，更是十分適合應用AI技術，比如汽車行業的測試環節。在這一點上，汽車巨頭已在實踐，如北汽新能源的智慧工廠以智慧化的方式實現了客戶與廠商資訊的透明，供應商的資訊集成以及即時的互通，實現了個性化訂單的批量化生產。
建立AI核心，其中包括標準化的資料生態系統、合作夥伴系統，以及核心AI團隊。隨著軟體成為業務中更重要的一部分，OEM廠商需要雇傭大量的軟體工程師。為了實現這一目標，汽車公司必須為軟體工程師和資料科學家創造一個更具吸引力的環境。OEM廠商需要確保被視為與技術公司同樣有吸引力的雇主，他們為軟體工程師和資料科學家提供有競爭力的薪資和有吸引力的發展機會。
擴大和實施全面的人工智慧轉型。在快速和利用人工智慧核心的基礎上，OEM廠商應該擴大並在整個組織中推廣人工智慧應用。只有這樣，OEM廠商才能充分利用人工智慧的核心流程的價值潛力。為了實現這一目標，在第一步中，最初在單個工廠或地區實施的試點專案需要在全公司範圍內推廣。然後，需要為人工智慧建立一個形式化的組織，並且應該重新定義流程，以內化人工智慧的應用。在試點實施過程中所建立的能力以及他們隨後的升級需要被用於智慧駕駛/車輛功能和出行服務。
這個三步走的人工智慧轉換策略使OEM廠商能夠在流程中捕獲短期價值，並有效地為捕獲完整的長期價值潛力做好準備。對於單個的OEM廠商來說，在短期內釋放的資源需要重新投資，而獲得的能力和經驗應該被應用到駕駛/車輛功能的開發中。
總結
汽車行業是人工智慧的重要應用產業，這主要體現在自動駕駛、車聯網、電氣化和共用出行幾個具體領域。金准人工智慧專家認為，人工智慧技術能提高汽車行業在採購、供應鏈管理、製造等環節的效率，降低成本，並能從汽車銷售和售後市場獲取新的收入。人工智慧可為整個汽車OEM行業帶來價值，同時也是每個汽車OEM企業超越競爭對手的有力武器。報告建議，汽車OEM企業需抓緊開始實施人工智慧轉型，首先確定重點用例並迅速進行試驗；其次，應建立人工智慧核心體系（包括資料生態系統、核心AI團隊等）；最後，汽車OEM企業應擴大規模，實施全面轉型，使用人工智慧技術獲取全部潛在價值。
金准人工智慧專家主要分析人工智慧可帶來的兩種價值機遇：一是整個汽車OEM行業的機會，人工智慧可為汽車OEM行業帶來價值。在短、中期內，AI帶來的價值潛力主要來自於流程方面。人工智慧將使OEM廠商能夠共同提高性能，特別是通過改進流程，並通過增加新的駕駛/車輛功能（如高級駕駛輔助系統ADAS或自動駕駛）等增加銷售和收入。
另一種是OEM廠商獨有的機會，人工智慧可為OEM廠商帶來機會，以超越競爭對手。對於每個OEM廠商來說，有兩種方式可以超越競爭對手：首先，可重點致力於提高市場份額，例如，提供優越的客戶體驗以吸引更多客戶；其次可以通過更積極地參與新興的交通市場，以增加收入和/或提高利潤率。
圖1說明了AI給應用領域帶來的可實現的收入和價值，同時對到2015年AI的應用進程的底線杆及營收杆做出了區分。在短、中期內，人工智慧將為汽車行業創造大量的價值，預計2025年，人工智慧為全球汽車OEM廠商帶來的總價值將達到大約2150億美元，這相當於整個汽車行業EBIT值的9%，或者是相當於年平均生產率提高1.3%。這對於推動汽車行業的發展具有重要價值，它大部分來自於價值鏈核心流程的優化。
圖1：到2025年，人工智慧附能的流程優化將驅動整個行業的價值，基於AI的驅動/車輛功能使單個OEM廠商提升競爭力。
圖2：與流程優化不同的是，具有智慧駕駛功能的車輛和出行服務可以為整個行業帶來大量的價值，只能從長遠來看。
無論從短期還是長期獲取價值機會，重要的是，OEM廠商已經開始投資具有智慧駕駛功能的車輛，例如，自動駕駛或連接特性，開發人工智慧應用程式成功地應用於出行服務。此外，對於OEM廠商來說，利用人工智慧提高性能、改進流程，從而獲取價值至關重要，它可以為未來5到10年駕駛/車輛功能、出行服務提供資金支援，獲得長期投資價值回報。
三、汽車OEM廠商應充分抓住AI創造的價值機遇
OEM廠商應立即行動，利用人工智慧技術獲取價值，並創建必要的能力，以提供具有競爭力的、以使用者為中心的長期服務。OEM想要抓住價值潛力，引領市場，就需要進行全面的人工智慧轉型。人工智慧轉型是一個綜合的體系，跨越由試驗到實踐，再到擴大規模的過程。
3.1 全行業價值機會：人工智慧附能流程優化
汽車OEM廠商預測到2025年約有2030億元是人工智慧為價值鏈核心流程優化帶來的價值。如圖3所示：
在汽車製造商的價值鏈中，最大的機遇就是影響商品成本的控制杆。因此，最大的絕對成本削減效應存在於製造業(15%的改善)、採購(4%改善)和供應鏈管理(16%的改進)。
銷售和市場行銷也提供了有趣的價值機會，部分原因是通過降低成本(提高13%)的底線效應，例如，通過更有效的方式使用行銷支出，但主要是受額外收入的影響(總收入增加了0.9個百分點)。這對銷售和市場的影響主要集中在減少給顧客的回扣和改善汽車的特點。通過應用機器學習來更好地理解客戶的優先順序和調整汽車生產，以及車輛到交易的分配，可以減少回扣。
為了更好地理解這些價值機遇在哪裡以及如何生成這些價值，金准人工智慧專家分析了OEM價值鏈內的七個主要流程領域：研發、採購、供應鏈管理、生產製造、銷售和市場行銷、售後服務和支持功能，包括人力資源、財務和IT。
在這七個主要領域中，通過人工智慧的應用程式可以以兩種不同的方式創造價值。
基於資料分析生成策略，人工智慧通過分析之前無法使用的或無法破解的資料來產生新的見解。然後利用這些新見解，使流程更節省成本或時間效率。例如，預測維護用例能監控圖像，聲音，以及機器的振動來預測維護時間和執行的方式是否需要優化。
基於人工智慧的過程自動化:人工智慧促進了以前無法實現的任務的自動化，或者只能以非數位格式提供，例如，在紙質報告中。基於人工智慧的自動化的一個重要例子是在研發過程期間進行的產品測試的虛擬化，例如，碰撞測試模擬，其限制了對高成本、實際的碰撞測試的需要。
在自動駕駛全面實現之前，智慧輔助駕駛已經商用，且將進一步普及。目前以ADAS（先進駕駛輔助系統）為代表的高新技術裝備在車輛上的滲透率正在大幅提升，有望在2018年迎來爆發，2020年，僅ADAS一項的市場規模就將達到近千億元，年複合增速將超過35%。德國等汽車工業發達國家ADAS已經普及，中國滲透率較低，因此存在巨大市場空間。ADAS應用了感測器、圖像識別等AI技術，給了人類眼觀八方的能力、提醒人類不要犯類似于疲勞駕駛的錯。事實上，自動駕駛也分為L1-L5 不同級別的自動化，部分ADAS已實現L1級別的自動駕駛，特斯拉的AutoPilot則實現了L2級別的自動駕駛，AI輔助人類駕駛已經成為現實。
圖3：2025年，汽車OEM廠商價值鏈的細分
圖4：通過促進新產品的產生和自動化，人工智慧使OEM廠商能夠在價值鏈的每個階段捕獲新的價值機會。
3.2 OEM廠商競爭優勢:以客戶為中心的服務
與流程優化不同的是，以客戶為中心的服務(駕駛/車輛功能和出行服務)將對整個行業產生有限的短期價值影響。然而，這些服務將在單個OEM廠商的短期競爭力中發揮重要作用，以超越競爭對手，搶佔市場份額，並參與新開發的出行市場（如圖5所示）。
兩個來源為以客戶為中心的服務提供價值機會:
重要的用戶體驗和駕駛/車輛特性。OEM廠商可以通過卓越的數位使用者介面和驅動/車輛特性來增加他們的市場份額。市場份額的增加通常是可以實現的，這相當於收入增加了5%到7%，這取決於OEM的類型。然而，對於那些在數字使用者體驗和駕駛/車輛功能方面落後的OEM廠商來說，一個巨大的影響是潛在的收入風險。根據OEM的類型，大約60%到70%的消費者表示他們願意為了更好的廣告功能而改變他們的品牌，大約35%到45%的消費者願意為了更好的連接功能而更換他們的OEM廠商（圖5）。
新興的出行市場為OEM廠商提供了另一個有趣的收入機會(2025年大約為3800億美元)。一些OEM廠商將積極參與並爭取在新市場中佔有很大份額，而其他一些公司將繼續關注傳統的汽車收入。儘管這是一個巨大的收益機會，但OEM廠商的盈利能力很大程度上取決於其運營模式和報價的規模。機器學習需要在這裡發揮作用，例如，優化共用的車隊操作，但是需要由OEM廠商開發一個更廣泛的共用移動生態系統來獲取這個價值。
顯然，智慧駕駛/車輛功能和共用出行服務將導致汽車行業的混亂，但很難預測這種破壞將在何時何地發生。但是，從長遠來看，汽車OEM廠商的成功將取決於他們提供先進的智慧駕駛/車輛功能，並成功地在共用的出行市場上運行。對其他技術中斷的回顧研究提供了對這種破壞的潛在範圍的看法。例如，在2000年到2014年期間，在旅遊行業的數位化中斷期間，美國的旅行社數量減少了一半，而線上酒店的收入增長了十倍以上。當汽車行業的中斷發生在何時以及如何發生的時候，所有的OEM廠商都需要通過建立提升抗風險能力和資金準備來應對這種情況。
圖5：相對于OEM廠商在連線性和ADAS（先進駕駛輔助系統）/AD功能上落後的高風險，市場領導者的潛在收益是有限的。
2025年的收入為10億美元或收入所占百分比
3.3 OEM廠商全面實現人工智慧轉換
OEM廠商應該立即採取行動，從人工智慧中獲取價值，並建立必要的能力，以提供具有競爭力的以客戶為中心的長期服務。要想獲得市場的全部價值潛力，就需要進行全面的人工智慧轉換。這樣的人工智慧轉換是一種集成的過程，它跨越了與實現人工智慧核心的試點項目相關的過程，並擴大了規模。
然而，在實現整體轉型的過程中，為OEM廠商提供的四個獨立的戰略行動可以在短期內應用，以使其能夠順利進行，並開始從人工智慧中獲取價值。
建立標準化的資料生態系統，收集和同步來自不同系統的資料。OEM廠商需要開始確保以結構化的方式收集和聚合現有系統的可用資料。資料必須同步，因為它為進一步的分析和機器學習演算法的訓練提供了基礎。例如，當資料來自不同的系統時，資料的唯一標識和資料之間的關係的定義。除了從OEM系統收集資料。OEM廠商也應該從汽車和協力廠商那裡收集客戶、車輛和過程資料，比如經銷商系統。更精細的駕駛模式的知識能優化他們的共用活動能力，改進電池和電動汽車的設計，或者更好的計畫並運行充電基礎設施。
建立合作夥伴系統。OEM廠商需要建立一個夥伴生態系統，以縮小知識差距，並限制進入人工智慧價值池所需的投資。合作夥伴生態系統很可能包括一般技術夥伴和部門或特定應用程式的特定合作夥伴，例如在製造或供應鏈中。許多合作夥伴將成為汽車市場的新參與者，為汽車行業帶來重要的、高度專業化的能力。在生態系統中，每個夥伴的角色需要被明確定義，其中包括確定所設想的夥伴關係類型。除了長期關注的戰略夥伴關係之外，許多OEM廠商還需要短期合作夥伴關係來支援人工智慧應用的實現或運營，以及資料獲取和建立標準化的人工智慧作業系統。
建立人工智慧作業系統。為了在人工智慧的廣泛應用領域進行擴展，OEM廠商需要定義他們的標準化IT堆疊，並將其作為人工智慧應用程式的作業系統。這包含了從基礎設施到平臺和特定服務的各個層包括從標準化的APLs到從不同的系統中獲取資料的活動。由此產生的作業系統進一步加快實現,提高生產力,從而創建一個可伸縮的技術骨幹。
建立核心人工智慧系統和人工智慧團隊。在人工智慧快速落地試驗過程中，OEM廠商需要戰略性的佈局。一些OEM廠商將在公司內部組建人工智慧核心團隊，其他的則選擇通過建立戰略合作夥伴關係的方式提升人工智慧技術力量，無論何種途徑，OEM廠商都要確保在公司不同職能部門中實現人工智慧應用程式的持續支援。
為了開始轉型，保證長期AI政策的可實施性，OEM廠商應從三個方面採取行動：
確定重點用例並迅速進行試驗。在整個用例場景中，OEM廠商需要優先考慮應用程式，以確保其資源的最佳使用。OEM廠商應該首先關注那些可以快速測試和實現的用例，然後再解決需要長期規劃和過程調整的更大的用例。對用例進行優先順序排序並快速實現試點。第一個試點用例應該快速實現，因為它們可以是人工智慧應用程式能夠生成的價數值型別的早期演示。對於每個主要部門，OEM廠商應該定義他們的前三種人工智慧應用程式，並在測試和學習邏輯中實現它們。這使得在大規模應用人工智慧應用程式之前，可以在安全的環境中使用。
例如，利用AI技術改變整個汽車的設計、製造、測試等諸多環節，谷歌無人車之父Sebastian Thrun就指出，未來80%的工作會被AI所替代，汽車製造商也可以在工廠裡用AI取代工人，目前中國有一些新興工廠就已經在大量應用機器人，降低成本的同時確保一致性降低錯誤，尤其是一些對人類安全有威脅的生產環境，更是十分適合應用AI技術，比如汽車行業的測試環節。在這一點上，汽車巨頭已在實踐，如北汽新能源的智慧工廠以智慧化的方式實現了客戶與廠商資訊的透明，供應商的資訊集成以及即時的互通，實現了個性化訂單的批量化生產。
建立AI核心，其中包括標準化的資料生態系統、合作夥伴系統，以及核心AI團隊。隨著軟體成為業務中更重要的一部分，OEM廠商需要雇傭大量的軟體工程師。為了實現這一目標，汽車公司必須為軟體工程師和資料科學家創造一個更具吸引力的環境。OEM廠商需要確保被視為與技術公司同樣有吸引力的雇主，他們為軟體工程師和資料科學家提供有競爭力的薪資和有吸引力的發展機會。
擴大和實施全面的人工智慧轉型。在快速和利用人工智慧核心的基礎上，OEM廠商應該擴大並在整個組織中推廣人工智慧應用。只有這樣，OEM廠商才能充分利用人工智慧的核心流程的價值潛力。為了實現這一目標，在第一步中，最初在單個工廠或地區實施的試點專案需要在全公司範圍內推廣。然後，需要為人工智慧建立一個形式化的組織，並且應該重新定義流程，以內化人工智慧的應用。在試點實施過程中所建立的能力以及他們隨後的升級需要被用於智慧駕駛/車輛功能和出行服務。
這個三步走的人工智慧轉換策略使OEM廠商能夠在流程中捕獲短期價值，並有效地為捕獲完整的長期價值潛力做好準備。對於單個的OEM廠商來說，在短期內釋放的資源需要重新投資，而獲得的能力和經驗應該被應用到駕駛/車輛功能的開發中。
總結
汽車行業是人工智慧的重要應用產業，這主要體現在自動駕駛、車聯網、電氣化和共用出行幾個具體領域。金准人工智慧專家認為，人工智慧技術能提高汽車行業在採購、供應鏈管理、製造等環節的效率，降低成本，並能從汽車銷售和售後市場獲取新的收入。人工智慧可為整個汽車OEM行業帶來價值，同時也是每個汽車OEM企業超越競爭對手的有力武器。報告建議，汽車OEM企業需抓緊開始實施人工智慧轉型，首先確定重點用例並迅速進行試驗；其次，應建立人工智慧核心體系（包括資料生態系統、核心AI團隊等）；最後，汽車OEM企業應擴大規模，實施全面轉型，使用人工智慧技術獲取全部潛在價值。