（图1）
这周跨了中秋，这么个属于玉轮的节日，以往总要感慨一番才不负自己与玉轮结缘一场。不过感慨多了就略显矫情，这个中秋，就只是平平常常陪家人吃个饭就好。也确实短缺韶光伤春悲秋，现在基本所有的行程安排都要细化到半天，谈事儿的方案也真的必须精确到半小时了，不过个人会感到愉快的，还是跟厉害的朋友聊出了新的可以去考试测验的想法。或许这是男人至去世是少年的另一种诠释。换个角度，身在这草台班子一样的天下，能帮着办理些问题，还是有代价的。
上期内容：汽车数字化转型行业不雅观察37
最近的车圈儿略显平淡，没啥惊世骇俗的。就连奔驰卖了腾势10%股份也拿出来大书特书，上纲上线到“敌我”竞争均势改变的高度。至于像是各位车企大佬们停了直播，不再将事情重心放在燃我残躯吸引流量上面的这种，切实其实几近八卦了。
（图2）
AI的时期终于还是到来了。既然不能逆潮流，那么我们本日就着顺着这个趋势，也就着近期一些详细事变来看看AI在汽车行业的大略情形。
01、关于运用领域及聚类场景：
（图3）
由上图我们可知，在汽车全生命周期涉及的4大领域8大环节，实在会有AI的用武之地。当然这里面还是要区分所运用的是经典AI技能还是时下最为火热的大模型（中模型/小模型）技能。在所有这些领域里面，汽车行业AI运用最重的该当还是智能驾驶这个领域，而且这个领域也是大/中/小模型最有代价的落地场景，或者说这个领域是最须要模拟人类智能的领域。这里面会高度依赖对付各种内外部成分（人/车/路）的感知，以及对付感知凑集的链接与反馈。当然其他领域的AI提效也是肉眼可见的，只是说未必需要如此繁芜的感知与交互，绝大部分场景实在更多依赖经典AI能力。（关于大模型与经典AI的差异，很多人推举《ChatGPT》那本书，有兴趣的朋友可以自行翻阅。）
02、如何识别AI赋能的优先级：
（图4）
其实在第一部分各领域的分类中我们模糊的提到了这个问题。如图4所示，优先级考虑的成分紧张有两个，即任务繁芜度高低和任务所需履历性高低。像智能驾驶就属于繁芜度高，由于输入繁芜，一是输入数量繁芜（多来源），二是输入类型繁芜（多模态），造成须要剖析处理的组合就多；而输出须要履历性也高，为啥人们常说“老司机”这词（无不良勾引），那便是说老司机履历丰富，可以自若应对各种驾驶姿势。而相对应的，其他经典AI做事的更多只是纯挚重复次数弘大的场景，用人力办理效率太差，性价比极低。比如规则、流程这类的。
03、关于技能落地：
（图5）
上图紧张是针对繁芜场景的，也便是多模态技能，未来的AI技能，一定要将各种繁芜输入转变为人类/机器易懂可实行的指令或决策辅导信息，也便是在输入和输出之间的剖析处理通报环节只管即便简化，让输入输出无感衔接，才能让AI真正融入行业业务也好，人类生活也好。
关于汽车行业AI方面的解读和进展，我也将持续关注。仅以此篇祝贺“金山智能”正式开业。
感谢您的耐心阅读！
END