Bagaimana AI berdampak pada industri otomotif?

Bagaimana AI : Kecerdasan buatan (AI) dan pembelajaran mesin berkembang pesat dan memengaruhi kehidupan dan aktivitas ekonomi kita dalam banyak hal. Kami mempertimbangkan dampak industri otomotif.AI atau kecerdasan buatan – sebagai konsep abstrak – memunculkan banyak gambar, sebagian karena telah disukai oleh penulis fiksi ilmiah dan pembuat film selama bertahun-tahun. Itu tentu tidak semuanya baik, bukan? Dalam pikiran saya, langsung dari kelelawar, ada HAL yang mengerikan dan akhirnya salah tembak dari Stanley Kubrik ‘2001: A Space Odyssey’. Atau ada ‘The Terminator’ dan masa depan dystopian di mana mesin telah mengendalikan segalanya, manusia menjadi usang dan tidak lagi dibutuhkan. Dan kemudian ada banyak adaptasi robot dan android, mesin dengan karakteristik manusia atau memang, dalam bentuk manusia.

Pikiran kreatif tentu menyukai interaksi antara manusia dan robot/mesin yang pada akhirnya mungkin melakukan hal-hal yang kita manusia lakukan. Ada juga perdebatan tentang apa sebenarnya kecerdasan atau pemikiran gaya manusia dan di mana emosi masuk. Ini bisa menjadi sangat filosofis.

Pada bagian pertama abad ke-21, AI telah tumbuh dewasa – tetapi kita masih berada di awal perkembangannya. Definisi bervariasi tetapi realitas AI pada tahun 2021 sedikit lebih membosankan daripada produk aneh imajinasi penulis fiksi ilmiah. IBM (dari semua orang yang harus mereka kenal) mendefinisikannya sebagai ‘memanfaatkan komputer dan mesin untuk meniru kemampuan pemecahan masalah dan pengambilan keputusan dari pikiran manusia’.

Dalam bentuknya yang paling sederhana, menurut IBM, kecerdasan buatan adalah bidang yang menggabungkan ilmu komputer dan kumpulan data yang kuat, untuk memungkinkan pemecahan masalah. IBM juga mengatakan itu mencakup sub-bidang pembelajaran mesin (ML) dan pembelajaran mendalam dan disiplin ini ‘terdiri dari algoritme AI yang berupaya membuat sistem pakar yang membuat prediksi atau klasifikasi berdasarkan data input’. ‘Pembelajaran mendalam’ terdiri dari apa yang disebut jaringan saraf, atau lapisan input dan output, semacam ‘pembelajaran mesin yang dapat diskalakan’ tetapi pembelajaran mesin adalah landasan dari semua ini. ML didasarkan pada premis bahwa sistem dapat dirancang untuk ‘belajar’ dari data, mengidentifikasi pola, dan membuat keputusan dengan intervensi manusia yang minimal. Algoritme yang sangat cerdas (ditulis oleh manusia, yang mengatur parameter untuk pengambilan keputusan ML) telah memulai pengguliran bola khusus ini dan kumpulan data besar – seperti yang dihasilkan oleh mobil yang terhubung – adalah bahan mentah berlimpah yang dapat diproses oleh chip pintar dengan semakin cepat.

Kemampuan komputasi kecepatan tinggi canggih yang tersedia saat ini memungkinkan atau memfasilitasi banyak aplikasi pembelajaran mesin – dan kami melihat lebih banyak lagi. Ini menjadi kurang ‘luar biasa’ dan lebih ‘mainstream’. Proses digital yang menciptakan kumpulan data besar bertindak sebagai fasilitator. Volume data yang besar dapat diproses dengan cepat secara real-time untuk solusi yang digambarkan secara beragam sebagai cerdas atau cerdas.

Industri otomotif muncul sebagai sumber utama AI dan pembelajaran mesin. Pentingnya kecerdasan buatan (AI) untuk industri otomotif selama dekade mendatang tidak dapat dilebih-lebihkan. Menghadapi ancaman eksistensial jangka panjang dari keberlanjutan, kelebihan kapasitas, dan prospek penurunan volume karena tantangan mobilitas bersama, pemain otomotif harus memanfaatkan potensi AI. Potensi terbesar terletak pada banyaknya data yang dikumpulkan oleh pemasok dan pembuat mobil dan saat ini tidak digunakan secara efektif.

Volume data hanya akan terus bertambah seiring dengan bertambahnya jumlah dan cakupan fungsi kendaraan yang otonom, ditentukan perangkat lunak, dan terhubung.

Ilmu data dan pembelajaran mesin (ML) dirancang untuk mengasimilasi data dalam jumlah besar dengan cepat, memahami artinya, dan segera menerapkan wawasan yang muncul.

Selain itu, penghematan uang tunai dan pemotongan biaya proyek moonshot yang disebabkan oleh pandemi berarti bahwa beberapa ancaman (seperti otonomi dan mobilitas bersama) telah berkurang untuk sementara. Oleh karena itu sekarang, lebih dari sebelumnya, adalah waktu untuk merangkul AI dalam rantai nilai otomotif.

efisiensi. Selanjutnya, ketika lingkungan fisik dimodifikasi berdasarkan wawasan tersebut, informasi baru selanjutnya diproduksi untuk si kembar untuk berasimilasi dan disempurnakan.

Untuk produsen otomotif, gambaran data ujung-ke-ujung yang disediakan dapat membantu menyeimbangkan kembali rantai pasokan secara proaktif dan cepat dalam menghadapi situasi yang berubah dengan cepat. Oleh karena itu, produksi dapat ditransformasikan dari aktivitas reaktif dan terbungkam menjadi proses holistik, iteratif, dan tangkas. Oleh karena itu, AI dapat memungkinkan pembuat mobil untuk beroperasi dalam hubungan yang lebih dekat dengan peristiwa dunia nyata, yang persisnya perlu terjadi untuk bertahan dan berhasil beradaptasi dengan krisis di masa depan.

Kota pintar tumpang tindih

Penggunaan AI dalam manufaktur otomotif akan semakin tumpang tindih dengan pengembangan kota pintar yang berkelanjutan. Konektivitas 5G akan memberikan landasan komunikasi latensi rendah dari kendaraan-ke-kendaraan (V2V) dan akhirnya kendaraan-ke-semuanya (V2X), yang membuka berbagai kasus penggunaan AI. Dari perspektif keberlanjutan, prediksi permintaan jalan dan manajemen lalu lintas terpusat akan mendapat manfaat dari AI, meningkatkan efisiensi perjalanan dan menurunkan konsumsi energi kendaraan. Adopsi AI lebih lanjut akan terjadi dalam manajemen armada dan perutean kendaraan real-time oleh penyedia mobilitas dan pemberdayaan perdagangan ambien dalam sistem infotainment melalui interaksi infrastruktur cerdas.

Pengembangan AI secara alami sangat penting untuk potensi keberhasilan AV Level 4 dan 5, yang akan sangat diteliti oleh otoritas pengatur sebelum diambil oleh publik. Chip AI, visi komputer, LiDAR, dan kekuatan komputasi edge adalah teknologi utama yang sedang dikembangkan dengan cepat untuk AV yang aman dan andal guna memenuhi tantangan paling akut ini. Tingkat kegagalan yang rendah tidak cocok atau tidak dapat diterima ketika ditingkatkan hingga ratusan ribu dan akhirnya jutaan kendaraan.

Bagaimana AI dapat meningkatkan keuntungan perusahaan mobil

AI dapat memainkan peran penting dalam menahan garis bawah produsen mobil yang semakin berkurang. Dalam jangka pendek, ini akan menjadi kunci untuk memanfaatkan tingkat data yang semakin terperinci yang tersedia tentang kendaraan, penggunaan suku cadang, dan kebiasaan mengemudi. ML dan ilmu data adalah alat vital yang memungkinkan strategi perencanaan permintaan yang fleksibel, sehingga memaksimalkan pengurangan biaya.

Dalam jangka panjang, karena kepemilikan dan volume kendaraan menurun, pembuat mobil harus membangun sepenuhnya untuk permintaan, mungkin, dalam keadaan paling maju, menjadi pemasok tawanan bagi operator armada. Ini akan membutuhkan metode produksi dan pabrik yang lebih cerdas untuk mengurangi biaya dan mempertahankan margin keuntungan yang layak. Penggunaan AI untuk mendikte manajemen rantai pasokan bersama dengan penggunaan robot pintar di pabrik akan sangat membantu dalam mengurangi biaya jangka panjang meskipun pengeluaran modal awal diperlukan untuk mengimplementasikan teknologi.

Aliran pendapatan cenderung datang semakin dari layanan nilai tambah daripada aliran tradisional penjualan kendaraan dan penggantian suku cadang aftermarket. Prospek terbesar adalah menghasilkan pendapatan dengan menawarkan layanan yang disampaikan secara nirkabel, fitur, dan peningkatan yang dimungkinkan oleh mobil yang terhubung. Mungkin juga ada kemungkinan mendapatkan komisi dari pembelian pihak ketiga yang dilakukan melalui sistem infotainment kendaraan. Oleh karena itu, sistem AI di balik tren personalisasi sektor lain tidak diragukan lagi dapat diterapkan ke pasar mobil dan akan sangat penting untuk menanggapi ancaman penurunan volume dan profitabilitas. Pembuat mobil perlu mencapai keseimbangan antara menggunakan AI superior perusahaan teknologi besar dan kemampuan data besar tanpa sepenuhnya menyerahkan potensi pendapatan nilai tambah yang tersedia.

Alasan pentingnya AI yang semakin penting dalam mengurangi tantangan ini adalah karena meningkatnya homogenisasi kendaraan mobilitas. Artinya, ke depan konsumen akan terbiasa untuk mengutamakan fungsi kendaraan daripada bentuk. Mereka tidak akan memilih kendaraan terbaik, tetapi layanan terbaik dan AI akan membantu memberikan layanan terbaik. Produsen dan manajer armada yang menerapkan AI paling efektif untuk beroperasi dalam hubungannya yang paling dekat dengan tuntutan mobilitas pilihan pelanggan (dan berfluktuasi) akan memiliki keunggulan. Oleh karena itu, AI adalah alat penting untuk memanfaatkan hiper-premiumisasi fungsi di atas bentuk.