随着从内燃机汽车向电动汽车的转变从未消失，停在街边的汽车连接充电线如何迅速成为一种常见景象。而且似乎一些汽车制造商已经度过了过渡阶段。
汽车数字化和计算机化是另一个重大转变，它拥有约1亿行代码和1,000多个半导体芯片，而且这一趋势还在持续增长。据估计，如今的自动驾驶汽车拥有约3亿行代码，而一辆电动汽车则需要约3,000个芯片。
随着汽车的出现，一个新的层次或转变可能已经开始，例如那些搭载大众IDA语音助手的汽车现在配备了ChatGPT，而宝马则与亚马逊合作，将大型语言模型(LLM)引入宝马的智能个人助理。目前，要说生成式人工智能将如何长期改变驾驶员、汽车和周围环境之间的互动方式还为时过早，但想象一下除了宝马和大众所展示的之外可能的用例和体验，这令人兴奋。
司机可以从个性化的人工智能助手中受益，帮助规划行程、设置提醒、寻找停车位、与他人分享旅程状态、提供实时路线更新和建议。它甚至可以订购咖啡或午餐，在您到达下一个服务站的免下车取餐通道时即可取走。
从工厂到电动汽车——汽车制造业将引入更多人工智能
生成式人工智能被引入汽车领域，标志着人工智能作为汽车制造业消费者价值驱动力的增长，但人工智能的受益者并非只有他们，制造工程师也获得了优势。汽车制造商正在利用多种人工智能应用来满足人们想要驾驶的现代汽车的质量和合规性要求，同时改善工厂工人的体验。一种先进的人工智能是深度学习，它模仿人类大脑中的神经网络。
学术研究人员和技术企业正将注意力转向深度学习，将其作为汽车制造商的有用工具，因为汽车制造商面临着传统工具难以处理的各种视觉检查要求。传统的机器视觉系统用于质量和生产线末端检查、零件可追溯性、测量和测量、存在/缺失检查、计量和孔隙度检查。然而，这些工具存在长期存在的问题，包括所需的培训时间、成本、互操作性、维护和处理复杂的用例。
但情况正在发生变化。在最近的行业基准报告中，56%的英国汽车业务领导者和43%的德国汽车业务领导者表示，他们目前正在机器视觉项目中使用某种形式的人工智能，例如深度学习。英国和德国平均有20%的人表示，他们没有使用任何人工智能，但希望了解更多或目前正在寻求采购。
深度学习机器视觉“AI眼”可实现以前无法达到的准确性、质量和合规性检查水平，并可以将工程师、程序员和数据科学家与新的深度学习工具结合在一起，用于现代汽车生产。
深度学习机器视觉可用于高需求的半导体生产，包括晶圆检查、图案对准、芯片分类、晶圆切割、焊膏质量、计量和3D检查。从汽车到生成式人工智能再到带有生成式人工智能的汽车，所有领域都需要比以往更高的标准。随着行业推进电气化进程，深度学习机器视觉也可以使电动汽车电池制造过程受益，增强节点和阴极涂层的检查、电极片位置、堆叠对准、序列/代码检查和装配验证。
当制造商面临招聘和留住熟练工人的挑战时，现成的深度学习工具可以改变游戏规则。深度学习光学字符识别(OCR)工具可以配备现成的神经网络，该神经网络使用数千种不同的图像样本进行预训练，即使在处理非常困难的情况时也能提供开箱即用的高精度。用户只需几个简单的步骤即可创建强大的OCR应用，而无需机器视觉专业知识。这是一个先进AI工具如何采用低代码/无代码方法的示例，因此AI更加民主化，更容易被更多工人使用。
未来五年内，英国汽车行业33%的决策者和德国29%的决策者，希望使用机器视觉实现一半以上的视觉检测流程自动化。如果没有现代机器视觉，这一目标将很难实现。
无论是深度学习还是生成式人工智能，人工智能都是消费者和那些负责推动制造业发展的人员的价值驱动因素。人工智能正在创造新的资产可视性水平，让工人更加知情和装备精良，并扩大了自动化重复和复杂任务的可能性。宝贵的、熟练的工程团队可以充当“人机环”，同时有更多时间推动制造战略和运营向下一个转型迈进。