2025 年以智能駕駛和智能座艙為主的智能化轉(zhuǎn)型將會成為汽車行業(yè)全年的主題，AI 技術(shù)與汽車產(chǎn)業(yè)的深度結(jié)合也逐漸成為行業(yè)共識。作為智能化轉(zhuǎn)型的 " 水電煤 " 供應(yīng)商，云廠商也感受到了行業(yè)趨勢的變化。

" 在 2023 年左右，我們主要看到的是生成式 AI 在人機交互界面上的應(yīng)用，這推動了語音交互、智能助手等早期應(yīng)用的開發(fā)。而到 2024 年之后，生成式 AI 技術(shù)進一步被應(yīng)用于汽車價值鏈的深層環(huán)節(jié)。" 近日，亞馬遜云科技汽車與制造全球總經(jīng)理 Ozgur Tohumcu 分享了生成式 AI 對汽車行業(yè)的影響變化。

這種縱深發(fā)展標(biāo)志著生成式 AI 開始真正觸及汽車制造的核心流程。

大幅縮短整車開發(fā)周期

在汽車研發(fā)領(lǐng)域，生成式 AI 正在徹底改變傳統(tǒng)的開發(fā)模式。最顯著的突破體現(xiàn)在軟件開發(fā)效率的提升。Amazon Q Developer 通過接入 Claude 3.7 Sonnet 實現(xiàn)了 40%-50% 的效率提升。

考慮到現(xiàn)代汽車包含超過 1 億行代碼，傳統(tǒng)開發(fā)模式下，車企需要投入數(shù)百名工程師耗時數(shù)年才能完成整套車載系統(tǒng)的開發(fā)，而生成式 AI 的引入正在打破這一瓶頸。Tohumcu 強調(diào)：" 生成式 AI 技術(shù)對汽車行業(yè)最具價值應(yīng)用之一是縮短車輛開發(fā)周期。"

在輔助駕駛領(lǐng)域，生成式 AI 同樣展現(xiàn)出變革性的應(yīng)用前景。

面對數(shù)百萬種測試場景的需求，生成式 AI 能夠創(chuàng)建合成場景填補真實數(shù)據(jù)空白。Ozgur Tohumcu 基于其此前在自動駕駛公司擔(dān)任 CEO 的經(jīng)驗表示，在測試輔助駕駛時一般有三層測試，即：實車測試、真實數(shù)據(jù)測試和合成數(shù)據(jù)補充測試。

在這三層測試中，生成式 AI 主要作用于第三層——通過創(chuàng)建高度逼真的合成場景，填補真實數(shù)據(jù)難以覆蓋的測試空白。例如，可以生成極端天氣條件下的罕見交通事故場景，或是不同國家的特殊交通標(biāo)志識別場景。值得注意的是，Ozgur Tohumcu 特別指出：" 我們永遠不會建議，在完全沒有真實數(shù)據(jù)或者場景的情況下，對某個功能進行完整地測試。"

多重賦能汽車行業(yè)創(chuàng)新

面對汽車行業(yè)的數(shù)字化轉(zhuǎn)型需求，亞馬遜云科技提出了系統(tǒng)性的賦能方案。

首先，幫助汽車制造商打造更加現(xiàn)代化的數(shù)據(jù)架構(gòu)。車企經(jīng)常面臨互不關(guān)聯(lián)、彼此孤立的數(shù)據(jù)源，導(dǎo)致難以形成高質(zhì)量的數(shù)據(jù)集，從而面臨著海量數(shù)據(jù)陷入 " 孤島 " 的困境。

亞馬遜云科技通過提供端到端的數(shù)據(jù)戰(zhàn)略和服務(wù)，覆蓋從數(shù)據(jù)的攝入、存儲和查詢、數(shù)據(jù)庫、數(shù)據(jù)湖、到數(shù)據(jù)分析、商業(yè)智能（BI）及數(shù)據(jù)治理，再到人工智能與機器學(xué)習(xí)創(chuàng)新的各個環(huán)節(jié)，幫助企業(yè)充分挖掘數(shù)據(jù)價值與潛力。

其次，亞馬遜云科技提供了一系列的技術(shù)、服務(wù)和工具，幫助汽車企業(yè)充分釋放生成式 AI 的潛力。具體體現(xiàn)在三個層面：

在算力層面，亞馬遜云科技不僅與英偉達保持合作，也推出了專門用于推理的 Amazon Inferentia 芯片和專門用于訓(xùn)練的 Amazon Trainium 芯片。

在模型層面，Amazon Bedrock 提供豐富的模型選擇，包括性能卓越的 Claude、擁有極高性價比的 Amazon Nova、亞馬遜云科技也是首個將 DeepSeek-R1 作為完全托管服務(wù)推出的云服務(wù)提供商。

在應(yīng)用層面，亞馬遜云科技提供生成式 AI 助手 Amazon Q 系列產(chǎn)品，其中 Amazon Q Business 能充分利企業(yè)內(nèi)部數(shù)據(jù)，能加快任務(wù)處理速度。Amazon Q Developer 的軟件開發(fā) Agent 目前已能解決 54.8% 的軟件開發(fā)問題。

最后，為車企提供無服務(wù)器的架構(gòu)與服務(wù)，幫助客戶減少在基礎(chǔ)設(shè)施運維的精力，把更多的精力釋放到商業(yè)創(chuàng)新上。

全球化≠統(tǒng)一化

" 確實是有地域上的差別，當(dāng)然也有一些共性。"Ozgur Tohumcu 指出，生成式 AI 在汽車行業(yè)的應(yīng)用必須考慮地域差異。他以供應(yīng)鏈管理為例說明：" 在北美，車內(nèi)使用的應(yīng)用程序和使用需求可能與中國、日本或韓國所使用的完全不同。"

這種差異性導(dǎo)致全球統(tǒng)一系統(tǒng)往往難以滿足實際需求。" 我問客戶是不是希望能夠在供應(yīng)鏈方面設(shè)計一套在全球都可以使用的系統(tǒng)？他說不是的，因為無論是在北美、中國、日本或者拉丁美洲，這些地方的供應(yīng)鏈動態(tài)和特征都不太一樣。" 這種對本地化需求的深刻理解，是技術(shù)成功落地的關(guān)鍵。

在研發(fā)領(lǐng)域，全球車企則有更多共性。" 大部分企業(yè)的期待都是一致的——希望能夠加速軟件開發(fā)，縮短研發(fā)、設(shè)計和測試的時間。" 這種全球共識推動著生成式 AI 在汽車研發(fā)環(huán)節(jié)的快速普及。

展望未來 5-10 年，Ozgur Tohumcu 預(yù)測生成式 AI 將會融入汽車產(chǎn)業(yè)全鏈條的各個環(huán)節(jié)。生成式 AI 領(lǐng)域未來并不會出現(xiàn)殺手級的應(yīng)用，它就嵌入在汽車價值鏈的方方面面。" 這一判斷揭示了技術(shù)發(fā)展的終極形態(tài)——不是作為獨立應(yīng)用存在，而是作為基礎(chǔ)能力滲透到每個環(huán)節(jié)。

比如制造自動化將迎來質(zhì)的飛躍。Tohumcu 預(yù)見：" 將來你在汽車工廠將看到很多具身機器人工作，真人在工廠中會越來越少。" 這種人類與機器人的動態(tài)協(xié)作，依賴于生成式 AI 提供的自然理解和任務(wù)傳遞能力，將重新定義汽車制造模式。

面對這一未來，與此同時，Ozgur Tohumcu 提出了行業(yè)發(fā)展的三個趨勢：加快汽車從開發(fā)到上市的時間；構(gòu)建韌性供應(yīng)鏈應(yīng)對復(fù)雜環(huán)境；創(chuàng)新數(shù)字化客戶體驗重塑用戶關(guān)系。而在談到上云對汽車企業(yè)的啟示，他特別強調(diào)：" 不能手頭有了 90% 以上的數(shù)據(jù)再開展決策，而是要在有了 70%~75% 的數(shù)據(jù)，就開始做決策。" 這種敏捷性將成為未來核心競爭力。

（本文首發(fā)于鈦媒體 App 作者｜韓敬嫻 編輯｜李玉鵬）