汽车行业是世界上最高科技行业之一

Capgemini的报告 - 加速汽车的人工智能转型 - 发现，在2018年，行业中“大规模”部署AI的公司数量仅略微增长了3%。

这反映出，只有10%的受访者表示，他们的组织在2018年期间在“全范围和规模”的整个运营中部署了人工智能驱动的计划，而2017年为7%。

报告总结说，相对缓慢的增长速度证明“自2017年以来该行业在人工智能驱动的转型方面没有取得重大进展” - 鉴于行业领导者的投资规模和热情，这一令人惊讶的发现。

我采访了报告的一位作者，Capgemini的Ingo Finck，他告诉我“在某种程度上，我确实觉得这很令人惊讶，因为从我们与这些公司的讨论中我们看到绝大多数 - 超过80% - 在他们的核心战略中提到AI。

“这显然是他们的战略因素，所以是的......我们对相对缓慢的增长率感到惊讶。”

在我们开始深入研究这种缓慢发展的可能原因之前，值得注意的是，存在一个关键的地理差异：在中国，与AI合规的汽车公司数量几乎翻了一番，从5%增加到9%。

这在一定程度上是由中国人工智能巨头采取的相对“开放”的方法来解释的，例如百度开发的Apollo开源平台。这涉及到与130多家其他企业和组织合作。

Finck解释说，其他地区的增长缓慢可能是因为组织正在采取更成熟的AI部署方法。这可能意味着他们正在远离“尝试一切，看看哪些方法有效”的方法论，转而关注可以扩展的经过验证的用例。

当我们考虑报告AI部署增长的企业规模时，另一个差异是显而易见的。

“我们可以看到较小的公司在人工智能方面更加挣扎 - 而对于规模较大的公司[收入超过100亿美元]，采用率更高。

“我们解释这一点的方式是，小公司的复杂性与大公司的复杂程度几乎相同 - 应用人工智能的许多困难在小型和大型组织中都是相同的。”

实际上，正如预期的那样，投资金额与组织的AI部署规模之间存在明显的相关性。这显然是行业中较小的参与者的限制因素。

在大规模成功部署的企业中，80%的企业通过在人工智能上花费超过2亿美元来实现这一目标。在那些认为自己没有成功部署的人中，只有20%的人花了这么多钱。

虽然自驾车，自动驾驶汽车经常被称为汽车人工智能的“标题”用例，但今天的现实是认知学习算法主要用于提高效率并为围绕传统手动车辆的流程增加价值。

报告强调的重要人工智能部署，主要是在较大的OEM组织，包括：

原型设计 - 通用汽车在其产品设计操作中使用机器学习。

建模和模拟 - 美国大陆航空每小时收集5,000英里的虚拟车辆测试数据。

销售和营销 - 大众汽车利用机器学习，利用经济，政治和气象数据预测120个国家的250种车型的销售情况。

质量控制 - 奥迪使用配备计算机视觉的摄像头来检测制造过程中使用的金属板上的微小裂缝，人眼看不到这些裂缝。

这些公司属于Capgemini定义为“规模冠军”的类别 - 他们已经成功地大规模部署了AI，并且都倾向于显示出许多特征 - 专注于高效益用例，良好的AI治理，高水平的投资和，重要的是，表明愿意“提升”员工。

“我们已经知道人工智能在人机/机器组合方面最有效，”芬克告诉我。

“就像你提高AI能力的方式一样，你也需要提升技能并教育你的员工。这不仅仅是培训或雇用更多的数据科学家。它是关于教育组织的其他人 - AI的临时用户。“

所有这些挑战都在一定程度上解释了整个行业对人工智能的预期采用速度的可能性。芬克确信的一件事，也就是该报告更广泛的发现所证实的一点是，人工智能在该行业的未来发挥着关键作用。

他说：“我认为公司明白它不仅仅是'插件'技术 - 它是他们必须采用的核心技术 - 比如引擎或信息技术。挑战是不仅仅是产品采用这种技术，还有服务和组织。“