|
斑馬技術大中華區技術總監 程寧 近年來，電動汽車已隨處可見，燃油汽車向新能源汽車轉型也備受關注。此外，數字化和智能化則是汽車行業迎來的另一個重大轉型，且這一趨勢還在不斷發展。 隨著技術的發展，汽車行業的新變革可能已經開始。雖然現階段還無法確定生成式AI將如何改變未來長期內駕駛員、汽車和周圍環境的互動方式，但未來的各種可能性令人充滿期待。例如，個性化的AI助手將可以幫助駕駛員規劃行程，設置提醒，尋找停車位，共享行程，提供實時路線更新和建議，甚至還能在駕駛員到達汽車餐廳之前預定餐飲。 從工廠到汽車，汽車制造領域的AI滲透率顯著提升 將生成式AI引入汽車，標志著AI作為價值驅動因素將為消費者帶來更多價值。然而獲益的不僅僅是消費者，還有汽車制造工程師和工人等。汽車制造商正在通過大量的AI應用來滿足現代汽車制造的質量和合規性要求，既滿足了消費者的駕駛需求，也提升了工廠工人的工作體驗。能夠模仿人類大腦的神經網絡的深度學習便是其中一種先進的AI技術。 學術研究人員和技術公司正將目光轉向深度學習，并將其視為一種有效工具，幫助汽車制造商滿足傳統工具難以處理的各種視覺檢測要求。傳統的機器視覺系統主要用于質量檢測、生產線末端檢測、零部件追溯、測量評估、存在性檢查、計量和氣孔檢測等。然而，這些工具在使用過程中長期存在一些問題，如員工培訓時間長、成本高、互操作性差、維護困難以及處理復雜用例能力不足等。 但這一情況正迎來轉機。高工機器人產業研究所（GGII）指出，新能源汽車的高速發展為機器視覺在汽車行業的應用釋放出了大量需求，預計至2027年，機器視覺在中國汽車行業中的市場規模將接近60億元。可見機器視覺在中國的應用前景一片廣闊。 深度學習機器視覺技術號稱“AI之眼”，能夠實現更高的準確度、質量和合規性水平，并且能夠通過新的深度學習工具將工程師、程序員和數據科學家匯集在一起，共同推動現代汽車生產。 深度學習機器視覺技術也可用于要求極高的半導體生產，包括晶圓檢測、圖案對準、裸片分揀、晶圓切割、錫膏質量檢測、計量和3D檢測等流程。高標準比以往任何時候都更加重要，以驅動從汽車到生成式AI，再到具備生成式AI性能的汽車的發展。深度學習機器視覺也能為電動汽車電池制造過程帶來益處，增強對節點和陰極涂層、電極片位置、堆疊對齊、序列號/代碼檢查和組裝驗證等環節的檢測，隨著汽車行業推進電氣化進程，這些技術尤為關鍵。 當汽車制造商面臨招聘和留任技術工人的挑戰時，現成的深度學習工具將帶來深刻的影響。深度學習光學字符識別（OCR）工具可以配備使用數千種不同圖像樣本預訓練的即用型神經網絡，即使處理非常復雜的用例，也能提供開箱即用的高精度。用戶可以通過幾個簡單的步驟創建強大的OCR應用，而無需具備機器視覺方面的專業知識。這正是先進的AI工具如何采用低代碼/無代碼的一個示例，從而使AI變得民主化并易于更多工人輕松使用。 AI（無論是深度學習還是生成式AI）對于消費者和制造業一線工程師等人群都是價值驅動因素。AI正在創造資產可視化的新水平，讓工人能夠掌握更多信息，擁有更精良的生產裝備，并在實現重復性復雜任務的自動化方面開拓更多可能性。有價值、有技能的工程團隊可以實現高水平的人機協作，同時將更多時間用于優化制造戰略和運營，以推動實現下一步轉型。 |
