行业观点 | 最大化电动汽车制造中的人工智能创新

电动汽车正在重塑汽车行业，带来降低排放和减少维护成本等环境与经济优势。全球向电动汽车的转型正在加速，仅2023年就有近1400万辆新电动汽车注册。这一快速增长以及对复杂功能日益增长的需求，正推动整个电动汽车价值链对AI驱动解决方案的需求。

AI有望引领该行业下一阶段的创新，为电动汽车制造商面临的独特挑战提供解决方案。

本月早些时候，英国政府发布了AI机遇行动计划，强调这一技术的重要性，该战略旨在整合AI以刺激经济增长。从改进电池管理系统到增强续航估算，AI正在重塑电动汽车的设计、制造和体验方式。

其影响显著：根据IBM商业价值研究院的数据，AI预计将使电动汽车的感知价值提升超过20%。

尽管潜力巨大，AI创新需要大量投资。鉴于80%的AI项目失败，理解失败原因以及企业如何降低风险至关重要。

AI在电动汽车制造中的作用

亚利桑那大学的新研究表明，AI可以改善电池安全性和化学性能，防止锂离子电池中的“热失控”，降低火灾和爆炸风险。受天气预报模型启发，AI可以在温度飙升升级前进行预测和缓解，防止灾难性事件。此外，IBM Research正在利用AI优化电池化学，据梅赛德斯-奔驰称。其他研究人员正在超越汽车内部化学，探索AI如何优化电动汽车的能源消耗。通过整合实时交通数据、天气条件甚至道路坡度信息，算法可以计算最有效的行驶路线，从而最小化能源消耗。由吉萨阿拉伯科学院研究人员开发的GPS系统已证明AI能够通过避开陡坡节省高达46%的能源。

通过处理来自摄像头、雷达和激光雷达的数据，AI可以辅助驾驶员，帮助电动汽车应对复杂环境并做出实时安全驾驶决策。例如，大众汽车已集成生成式AI，使驾驶员能够自然地与车辆交互，例如请求重新规划路线至附近的充电站。

同样，像Nauto这样的公司正在开发AI驱动系统，以解决分心驾驶等安全问题。该技术利用双面摄像头和传感器，监控驾驶员行为，识别行人、骑行者等潜在危险，并分析道路状况。

电动汽车制造中AI失败的后果

尽管有诸多好处，电动汽车制造中的AI项目失败率是传统开发的两倍。

特斯拉2024年的自动驾驶故障凸显了AI故障带来的监管风险。在美国国家公路交通安全管理局（NHTSA）将13起致命车祸与特斯拉自动驾驶关联后，该汽车制造商召回了36.2万辆汽车。类似事件可能导致监管调查、代价高昂的召回和法律诉讼。

AI故障的消息，尤其是涉及安全问题的，也可能引发大量负面报道，可能损害公司形象并削弱消费者信任。

AI失败时可能遭受财务损失，包括召回成本、法律罚款、诉讼以及修复AI故障所需的重新设计和测试费用。

电动汽车制造商如何降低AI风险

在初始阶段，制造商在确定AI应用领域时应保持现实态度。在某些情况下，项目失败是因为技术被应用于过于雄心勃勃或不可行的问题。

一旦项目启动，严格的测试和验证程序至关重要。AI模型应在模拟和真实环境中进行充分测试，以在影响生产运营之前识别潜在故障。

此外，AI模型的质量取决于其训练数据。许多项目因缺乏足够的数据来训练有效的AI模型而失败；制造商应优先收集高质量、无偏见的数据以确保可靠性。

失败AI试验的价值

如果管理得当，AI失败仍能提供宝贵的见解并促进未来创新。将每个项目视为试点，并关注失败尝试如何帮助完善后续工作：

• 制造商应分析失败项目，以识别数据不一致或模型选择错误等关键问题；这些经验教训将为未来更好的应用提供信息。
• 即使AI模型失败，项目期间收集的数据仍是宝贵资产。它可用于识别设备故障模式并发现供应链瓶颈。
• AI失败为团队提供了发展数据准备、模型选择和性能评估专业知识的机会。这些技能对未来项目至关重要，并可带来更成功的AI实施。
• 如果AI项目失败且组织面临损失，像研发税收抵免这样的政府激励措施可帮助抵消这些成本。这些抵免提供财务缓冲，使企业能够再投资于完善其AI战略。咨询研发专家可帮助您提出最佳索赔。

总结

虽然AI在电动汽车制造中的潜力不可否认，但项目的高失败率可能会让企业谨慎行事。然而，通过战略性应用AI、严格测试模型并利用失败项目为未来成功铺路，AI可以成为具有成本效益的创新驱动力。我们预测，在未来几十年中，AI将在优化电动汽车性能方面发挥关键作用。为了保持竞争力并为更可持续的未来做出贡献，电动汽车制造商应认真考虑投资AI解决方案，以应对该行业的独特挑战。

关于作者