2024人工智能重写汽车行业游戏规则的新动力研究报告-发展现状技术基础与价值链潜力英文版

汽车工业的新动力 作者和联系人 Lead 奥古斯丁 · 弗里德尔软件定义车辆 Augustin.Friedel @ mhp. com 作者 马库斯 · 威兰德Mobility Marcus. Willand@ mhp. com Lead Matthias Borch人工智能 Matthias. Borch @ mhp. com 作者 Nils Schaupensteiner 博士转型咨询 Nils. Schaupensteiner @ mhp. com 联系人 Stephan Baier人工智能 Stephan. Baier @ mhp. com 作者 帕特里克 · 鲁赫兰转型咨询 Patrick. Ruhland @ mhp. com 这项研究 “AI 作为游戏的改变者 ” 及其摘要发表于 ：MHP Gesellschaft f ü r Management - und IT - Beratung mbH 保留所有权利 ！ 未经出版商许可，不得复制、微缩胶摄、存储或以电子媒体处理本出版物的内容。本出版物的内容旨在告知我们的客户和商业合作伙伴，其反映了作者在出版时的知识状态。如有任何问题，请参考出版物中列出的来源或联系指定的联系人。观点文章反映个别作者的观点。图表中的数据可能存在四舍五入差异。 Contents Contents4数字表612 个关键发现8欢迎改变 ！10 01. 革命与汽车市场潜力 11 03. 试点项目和实施 19 04. AI 模型、级别和用例 23 4.1 游戏改变者 ： AI 可以实现什么264.2 AI 投资低的汽车制造商294.3 AI 模型 ： 制造还是购买 ？29 05. 汽车价值链中的 AI 应用 31 5.1 AI 在车辆和云中的操作355.2 汽车中的 AI 货币化395.3 公司人工智能应用的附加值40 06. 客户想要什么 ： 用户视角 47 6.1 AI 应用程序的使用和理解496.2 优点和缺点 - 一般和车辆496.3 购买决策、信任与支付意愿51 07. 成功因素和战略方针 7.1 战略和目标规划567.2 从客户而不是技术的角度思考567.3 组织锚定和所有权587.4 本地差异需要本地设置597.5 降低复杂性597.6 数据的使用和货币化607.7 成功实施的清单61 08. 挑战、责任和风险 8.1 培训和运营成本648.2 以数据和数字化为基础658.3 B2C 和 B2B 的商业模式和案例658.4 道德与责任678.5 新风险和监管挑战69 09. 人工智能在汽车行业的应用 ： 7 个行动建议 71 10. 进一步的信息 75 文献和来源76联系国际78关于 MHP79 数字表 图 1 ： 科技超级周期 — — 人工智能作为下一个相关平台转移（ Coatue ， 2024)12图 2 ： 汽车行业的人工智能市场规模(优先研究 ， 2024 年)12图 3 ： 自 2001 年以来成立的 AI 公司的总投资 ， 单位 ： 十亿美元(Scheuer ， 2024 年)16图 4 ： AI 堆栈层的投资(Coatue ， 2024)17图 5 ： 拥有 AI 团队和预算的公司(Capgemini ， 2023 年)21图 6 ： 互连的 AI 概念24图 7 ： 将 AI 可视化为金字塔25图 8 ： AI 术语分类27图 9 ： AI 模型在 MMLU 测试中与人类能力相比的性能(iAsk ， 2024)28 图 10 ： 车辆 AI 基础模型训练示意图30图 11 ： 在价值链中使用人工智能32图 12 ： 通过 AI 实现的功能和特性的重大改进33图 13 ： 国际上对 AI 功能的兴趣比较34图 14 ： 本地、云和车辆在 AI 模型中的作用35图 15 ： 软件定义车辆(SDV) 的级别(Willand ， Friedel 和 Schaupensteiner ， 2023)36图 16 ： ADAS 和 AD 应用程序和功能的不同模型37图 17 ： 人工智能在价值链不同阶段的潜力(凯捷 ， 2023 年)40图 18 ： 按地区划分的基于 AI 的解决方案的使用情况41图 19 ： 在生产中使用 AI 的关键驱动因素42 图 20 ： 决定性问题 - 由于 AI 或自由软件而导致的软件用户减少(Coatue ， 2024)43图 21 ： 人工智能在软件开发中的可能用途(Wee 2024)44图 22 ： 对汽车中 AI 的理解48图 23 ： 在汽车中使用 AI 的优势49图 24 ： 使用 AI 的优势和劣势50图 25 ： 汽车中的人工智能 ： 购买动机还是阻碍者 ？51图 26 ： 在车辆中实施人工智能方面对利益相关者的信任52图 27 ： 支付 AI 功能的意愿52Abb 。 28 ： 按地区评估汽车制造商的未来 AI 能力53图 29 ： 首先是客户和用例 ， 然后是 AI 应用程序和模型57 图 30 ： 验证技术可行性的尺寸57图 31 ： AI 模型的培训成本正在增加(斯坦福大学 ， 2024 年)64图 32 ： 按区域分列的数据可用性和质量65图 33 ： 客户的支付意愿不明确 ； 实施和运营会产生成本66图 34 ： AI 用例类别和可能的业务模型的分类67图 35 ： 与使用 AI 相关的风险68图 36 ： 欧盟人工智能法案的原则和处罚70 12 个关键发现 AI的广泛应用预计将是继云转型之后的下一个相关平台转变——原始设备制造商（OEMs）需要加大行动力度。 受访者看到节省时间作为最大的好处AI 应用。 受访者中有25%的人认为AI的风险超过了其带来的好处；这一比例在中国约为25%，在欧洲和美国也大致相同。 AI 最常被提及的缺点担心失去控制 ， 失去数据保护和个人隐私 ，and安全风险。 全球客户希望在汽车中使用 AI ， 但很少为此付费。 在中国 ， 已经在汽车中使用 AI 的客户是欧洲的两倍多。 在中国 ， 人工智能功能大多对购车产生积极影响 如今 ， 中国汽车制造商被视为 AI 创新的领导者。在五年时间 ， 日本 OEM将在最前沿其次是中国和德国的 OEM。 决策 - 仅限 AI 不仅正在革新车内的客户体验——整个价值链正经历颠覆性的变革。 成功没有 AI 应用程序的实现是不可能的先验数字化and访问特定数据源。 传统汽车制造商在使用人工智能方面最受信任 ， 远远领先于国家机构和新的汽车制造商。 欢迎改变 ！ 亲爱的读者 ， 人工智能将是下一个颠覆所有工业部门的平台转型。汽车价值链各利益相关方已意识到，人工智能正挑战许多传统流程和思维方式。个人电脑、固定互联网、移动互联网以及此前的云计算/软件即服务（SaaS）均产生了类似的颠覆性影响。新的商业模式和利润池正在涌现，同时在技术、合作伙伴关系和伦理问题方面也面临着众多挑战。在本研究中，我们将追踪迄今为止的人工智能重大进展，并探讨其在汽车行业的机遇与风险。与我们一同探索当前及未来的情景——针对在生产及车辆中实施人工智能应用时的战略，提出具体行动建议。 新技术是否满足驾驶员的期望，关键就在驾驶舱中。因此，在第8章中，我们基于自身当前的数据概述了用户视角。我们的国际调查提供了关于哪些汽车公司的产品和服务能够满足AI需求以及消费者的支付意愿的信息。这使得本研究成为决策者、CIO和应用开发者的重要阅读资料。 投资者在人工智能技术领域和人工智能团队需要稳定且长期的成本效益比。因此，我们考察车内人工智能的直接/间接商业化，并探索基于人工智能和数字化的新商业模式。 最终，正如通常的情况一样，逐渐清晰的是，进入新的技术领域最好有经验的向导引领。获得你需要的知识和技能——始终保持好奇心！ 让你塑造一个更好的明天 最好的问候 ， Jan Wehinger 博士Cluster Lead 软件定义车辆 MHP 管理与 IT - Beratung GmbH 路德维希堡 ， 2024 年 9 月 01.革命与汽车市场潜力 然而，一个担忧是人工智能可能会逐渐取代人类，导致工作岗位消失。目前，人工智能的应用更多被视为一种补充而非替代。哈佛商学院的Karim Lakhani等学者认为人工智能不会取代人类。一种可能的情景是，使用人工智能的人将比不使用人工智能的工人拥有显著的优势。 大型科技公司如谷歌、Meta和微软极有可能在此次平台转变（超级周期）中继续保持主导地位，引领人工智能时代。 沿汽车价值链，相关利益方有时被指责对上次平台转变反应迟缓或策略无效。我们认为，连接性和云解决方案的重要性被认识到得太晚，实施也本可以更加到位。行业正处于人工智能平台转变的初期，仍然有机会通过有针对性的策略提前响应。例如，苹果公司已经证明，并非必须等到最后一刻才采取行动。 关于AI是否会改善经济的问题，调查结果显示看法不一。全球范围内，34%的受访者认为在未来三到五年内AI的使用将改善他们国家的经济状况。这种期望值高于平均水平。 人工智能不会取代人类 ， 但有人工智能的人类将取代没有人工智能的人类。(HBR, 2023) 致力于成为首个创新者。一家公司可以通过强大的人工智能战略，在潜在的快速追随者角色中获益。近年来，汽车行业的AI市场显示出显著的增长。目前预计到2024年市场规模约为390亿美元，并有望在2030年增长至1500亿美元。一些市场分析预测，到2033年，汽车领域的AI销售额将超过350亿美元。从2024年到2033年的增长率为28%。 在泰国、印度和南非等国家。排名较低的国家包括比利时、日本、美国和法国（Ipsos, 2023）。总体来看，越来越多的迹象表明机会远多于风险。有针对性地使用人工智能将在未来几十年显著影响我们的繁荣程度。人工智能可以提高效率，并能抵消技能短缺、人口结构变化和高地点成本的负面影响。现在轮到汽车行业采取大胆且适当快速的行动——并采取战略上明智的方法。 其他市场报告中的估计可能略高或略低，但所有报告均显示相同趋势。这意味着在整个价值链中为制造商、供应商和服务提供商创造了广泛的经济机会。 02.投资以 AI 为重点的公司 人工智能投资分布的情况显示，那些在上一轮平台转变中也占据主导地位的地区仍然占据主导地位（参见Coatue, 2024；图1）。可以假设，汽车行业将继续依赖于超大规模公司和技术企业。关于软件、云应用和人工智能的协作预计会增加。 市场估值相对较高，相应的投资轮次也较高。融资轮次显示，2024年的大部分投资都流向了开发AI模型（如ChatGPT、Mistral和Claude）的公司。上半年共投资了140亿美元用于AI模型，占总投资的62%。 在2024年，投入到人工智能公司中的资本中，用于开发适用于人工智能应用的半导体公司的比例有所下降。机器人应用领域，如人形机器人，吸引了约20亿美元的资本，约占总资本的9%。 一项分析显示，AI公司的大量投资来自美国。更深入的研究（Coatue，2024）表明，虽然只有约3%的风险投资交易与AI有明确联系，但有15%的投资资本流入了AI初创企业。从这一不平衡中可以看出 在人工智能领域的主要投资者中，包括微软、亚马逊、英伟达和 Alphabet（谷歌的母公司）等主要科技公司。2023年，这些公司投入了约250亿美元，占总投资的8%。 宝马 iVentures 的投资 Alitheon:专注于光学 AI 技术 ， 通过 FeaturePrint技术进行对象识别和认证 Recognition:专注于自动驾驶汽车低功耗的高性能AI 处理 汽车制造商对人工智能公司投资更为谨慎。以下是一些示例： AutoBrains:为汽车行业开发 AI 解决方案 ， 特别是在自动驾驶技术领域 NIO 资本投资 保时捷的投资 Momenta:专注于自主驾驶并致力于环境感知和高精度地图技术开发的