广东
“纵观汽车和制造行业，我们在全球观察到了三个AI落地趋势。”近期在佛山举行的亚马逊云科技汽车与制造行业峰会上，亚马逊云科技汽车与制造全球总经理Ozgur Tohumcu分享称，三个趋势分别是：一是经过多年的经验和数据积累AI开始大规模在自动驾驶领域落地，二是工业场景尤其在制造业和汽车行业中物理AI的深度渗透，三是全球大型企业正在迈向智能体架构和智能体组织，贯穿销售、营销、采购、供应链管理到制造等各个方面。
AI落地汽车制造，研发环节ROI最快
一旦这些汽车和制造业的底层问题被解决，价值会先从哪里冒出来？以汽车行业为例，Ozgur Tohumcu告诉南都N视频记者，尽管真正的商业价值与效率突破通常来自整条价值链的打通与协同，但如果要给AI在汽车行业各环节的作用进行价值排序，他认为研发环节往往带来最早、最快的ROI。
亚马逊云科技汽车与制造全球总经理Ozgur Tohumcu。
“这种商业价值主要体现在两个维度。第一，以汽车软件的设计、开发、验证和部署为例。每一个阶段都能从AI技术中获益：在设计阶段，你可以使用AI设计更快地迭代设计；在开发阶段，AI编程助手能显著提高工程师的编码效率；当你进入验证阶段时，特别是在自动驾驶算法的测试上，系统能够快速生成各类仿真工况并进行高并发验证。以我们的客户宝马集团为例，他们已经在亚马逊云科技上完成了超过 10 亿公里的自动驾驶海量仿真数据训练，这就是工业级规模的最佳体现。”
Ozgur Tohumcu认为这种飞跃带来了可观的双重收益，因为压缩研发成本也会显著缩短产品的上市周期。“这正是中国车企做得非常出色的一点。传统的欧洲OEM，他们过去的研发周期在4到5年之间，如今压缩到了大概3年。而在中国，现在只需18到24个月。所以研发是AI赋能价值最高的环节。”
供应链环节被Ozgur Tohumcu视为机遇与挑战并存的一块。Ozgur Tohumcu称，供应链数据分散在自有系统与供应商系统中，借助智能体系统可跨系统访问这些数据，并构建提炼业务价值、简化流程的用例，从而重新设计供应链运营；对一家典型的传统车企而言，重塑供应链运营可节省数十亿美元，并带来立竿见影的利润改善。
中国AI在速度和规模上领先
Ozgur Tohumcu进一步表示，当制造业和汽车企业谈论AI应用时，经常会对效率和速度提出要求。但这在他看来，技术并非阻碍企业速度的原因。
在Ozgur Tohumcu看来，影响的关键因素在于企业缺乏合适的数据基座来支撑AI服务的规模化扩展。据他观察，5到7年前许多企业开始转向构建更为统一的数据结构。在此之前，每个部门都有自己的数据源，供应链、制造部门、销售和市场营销各有一套。也有不少企业完成了向统一数据模型的转变，但这种统一只是以静态方式把数据汇集在一起。
除了数据基座，另一个问题在于治理、安全性和可观测性。Ozgur Tohumcu认为，随着AI转向通过智能体系统进行执行事务，有必要建立强大的护栏、可观测性和可追溯性，确保AI按照规范来交付。
视野放大到全球市场，这些条件在不同区域的成熟度和推进节奏并不相同。谈及不同区域在模型选择的不同特点，Ozgur Tohumcu认为，在前沿模型方面美国处于领先，在物理AI的落地实现及其与前沿模型的协同上，美国也凭借前沿模型保持领先。
亚洲地区特别是中国的模型则在速度和规模上领先。“我认为中国的速度简直令人惊叹。我觉得这里有着非常浓厚的试验探索文化。一旦某些尝试奏效了，这里的文化就会促使你以极快的速度去规模化扩张。我认为这一点对于物理AI的落地实现也是极其重要的，因为当你看到某些方案切实可行时，你必然希望能够快速规模化推广，从而产生实质的商业影响力。”
欧洲的强项则在治理政策上。他提到，部署物理AI系统时必然涉及数据被谁使用、存放在哪里、谁有权访问、性质为何等问题，欧洲对主权和数据规则的理解相当深入。
采写：南都N视频记者 林文琪
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
