روزهایی که خودروسازان به دنبال راه هایی برای مقابله با چالش برق رسانی بودند، گذشته است. نوآوری پس از نوآوری به این معنی است که 14 درصد از تمام خودروهای جدید فروخته شده در سال 2022 الکتریکی بودند - سه برابر بیشتر از سال 2020. با این حال، سازندگان نباید خیلی سریع به عنوان چالش بزرگ بعدی نرم افزاری جشن بگیرند - استفاده از یک راه حل نرم افزاری به جای سخت افزار سنتی برای حل یک مسئله - در راه است. با حرکت صنعت خودرو به سمت دستگاه های هوشمند بر روی چرخ، تولیدکنندگان باید از ابزارهایی استفاده کنند که به آنها در توسعه، استقرار و نگهداری نرم افزار کمک کند. این چالش ها به همین دلیل است که ورود Generative AI (GenAI) چنین فرصتی را برای تولیدکنندگان به نمایش می گذارد. در این مقاله، نگاهی خواهیم داشت به اینکه چگونه GenAI می‌تواند به حل چالش‌های نرم‌افزاری کمک کند، جایی که قبلاً از آن استفاده می‌شود، و چگونه دیگران می‌توانند آن را اتخاذ کنند.

تبدیل شدن به شرکت های نرم افزاری

وسایل نقلیه مدرن به تدریج به رایانه هایی روی چرخ تبدیل می شوند - پلت فرم های رایانه ای آنها از " سرورهای خودرو" متصل به سرعت بالا و با کارایی بالا ساخته شده است که حاوی بیش از صد میلیون خط کد است. پس ، ادغام و به روز رسانی این سیستم ها در زنجیره تامین شرکای موجود و جدید برای اطمینان از ایمنی، طول عمر، دوام، پایداری و عملکرد بسیار مهم است.

همانطور که صنعت خودرو به سرعت در حال تکامل است، نرم افزار و اتصالات در حال تغییر نسل بعدی تجربه رانندگی هستند. چنین پیشرفت هایی تولیدکنندگان سنتی را به چالش می کشد که فرهنگ متمرکز بر سخت افزار آنها با نیازهای دنیای نرم افزار محور همخوانی ندارد. امروزه، بخش مهندسی نرم افزار در اکثر خودروسازان به طور مشهودی بیش از حد مشترک است و منابع آن کم است. برای تولیدکنندگان سنتی این موضوع غیرقابل انکار است، اما برای خودروسازان آینده‌نگر - فرصتی برای نوآوری است.

اما معمای اینجاست: شرکت‌هایی که به تولید قطعات برتر سخت‌افزار معروف هستند ممکن است تصور خود را به عنوان یک شرکت محاسباتی یا هوش مصنوعی دشوار بدانند. با این حال، از آنجایی که تعداد خودروسازانی که روی هوش مصنوعی سرمایه گذاری می کنند قرار است به نرخ رشد ترکیبی سالانه (CAGR) 22.7 درصدی بین سال های 2023 تا 2030 برسد، این شرکت ها به سادگی باید این کار را انجام دهند تا رقابتی باقی بمانند.

مسابقه جهانی به سمت هوش مصنوعی مولد در تولید خودرو

در حالی که تولیدکنندگان خودرو ممکن است خود را به عنوان شرکت‌های نرم‌افزاری ببینند، اما با ظهور تسلا هم اکنون شاهد این پدیده هستیم - ظاهراً تنها خودروساز جهانی که ابتدا یک شرکت فناوری و در مرحله بعد یک تولیدکننده خودرو است. به عنوان یک شرکت نرم‌افزاری که خودرو می‌سازد، از هوش مصنوعی در مقیاس ناوگان برای توسعه سریع‌تر نوآوری‌های جدید استفاده کرده‌اند. به عنوان مثال، آنها اخیراً شروع به استفاده از یک تکنیک مدل‌سازی مولد کردند که به آنها امکان می‌دهد نتایج احتمالی را با توجه به مشاهدات گذشته به طور مداوم در چندین نما از دوربین پیش‌بینی کنند. این، در واقع، نمونه بارز قدرت GenAI است: تسهیل تبدیل یک ایده به یک ویژگی نرم افزاری.

اما ایالات متحده تنها کشوری نیست که گام های شجاعانه ای به سمت فناوری نوظهور برداشته است. تقریباً 1.4 میلیون مهندس چینی سالانه واجد شرایط هستند، شش برابر بیشتر از ایالات متحده و حداقل یک سوم آنها در هوش مصنوعی. به عنوان مثال، سازندگان خودروهای چینی مانند BYD 70٪ تا 80٪ به صورت عمودی در کل زنجیره تامین خود یکپارچه هستند، در مقابل ایالات متحده که کمتر از 25٪ است. به عنوان مثال، آنها قادر به تولید باتری به مراتب کمتر هستند. صرفه جویی هایی مانند این به آنها آزادی عمل بسیار بیشتری در قیمت گذاری تهاجمی تمام وسایل نقلیه خود می دهد. نکته پایانی این است که - وسایل نقلیه ارزان قیمت به معنای وسایل نقلیه بیشتر در جاده ها است، که به معنای داده های بیشتر است.

چین از قابلیت Generative AI برای تقویت نرم افزاری سازی بسیار آگاه است، و آنها پایه فناوری و استعداد مهندسی برای تبدیل این پتانسیل به واقعیت را دارند. مقرون به صرفه بودن در وسایل نقلیه همیشه مهم است، و نرم‌افزارسازی کلیدی برای ارائه ارزش در زمان خرید خواهد بود - و با افزایش سن خودرو، ارزش باقی مانده را افزایش می‌دهد.

در حال حاضر از هوش مصنوعی مولد استقبال می کنیم

اگرچه سازندگان خودرو می توانند به تدریج قابلیت های نرم افزاری را به وسایل نقلیه خود اضافه کنند، اما این روند ساده ای نیست زیرا سخت افزار هنوز یک چالش است، به خصوص در مورد ذخیره سازی. اساساً، وسایل نقلیه باید با قدرت محاسباتی بزرگتر از حداقل حداقل ارائه شوند.

GenAI سازندگان را قادر می‌سازد تا در هر وسیله نقلیه‌ای که ارسال می‌کنند، یک جعبه ماسه‌ای نرم‌افزاری را اجرا کنند، عملکرد نرم‌افزار خود را در برابر خط اولیه استفاده از انسان تجزیه و تحلیل کنند و عملکردهای جدید را روی مجموعه‌ای محدود از وسایل نقلیه آزمایش کنند. علاوه بر این، تولیدکنندگان می توانند ایده های جدیدی ارائه دهند، در حالی که بینش های ارزشمندی را در مورد نحوه عملکرد ویژگی های نرم افزار جدید جمع آوری می کنند. این بدان معنی است که آنها می توانند ویژگی های جدید را سریعتر تغییر دهند و خطر شکست را به حداقل برسانند.

اگر به مزایای رانندگان نگاه کنیم، به لطف GenAI، وسایل نقلیه می توانند رفتار رانندگی را تحلیل کنند و تجربه رانندگی را برای هر راننده ای فردی و بهینه کنند. در اصل، همانطور که رانندگان به ماشین جدید خود عادت می کنند، ماشین جدید آنها نیز به آنها عادت می کند. این یک پیشنهاد فروش قدرتمند برای هر شرکت خودروسازی است.

علاوه بر این، با داشتن فضای محاسباتی کافی برای نوآوری، سازندگان می‌توانند از داده‌های خاص خودرو استفاده کنند تا به نمایندگان خدمات اجازه دهند تجربه کاربر را بهتر درک کنند. پس ، آن‌ها می‌توانند پیام‌های شخصی‌سازی‌شده را از طریق ایمیل ، متن و احتمالاً خود داشبورد در آینده با مالک خودرو به اشتراک بگذارند.

نرم‌افزاری اجتناب‌ناپذیر است!

آینده صنعت خودرو در نرم‌افزارسازی نهفته است و فناوری‌های نوظهور که به تدریج در حال فراگیر شدن هستند، می‌توانند نوآوری را سریع‌تر و آسان‌تر از همیشه پیش ببرند. با وجود تمام پتانسیل هوش مصنوعی Generative برای ارائه یک تجربه رانندگی شخصی برتر، سازندگان باید به آن توجه کنند. اکنون زمان آن فرا رسیده است که خودروسازان باید فرمان را در دست بگیرند و این چرخش را انجام دهند و خود را به عنوان نسل بعدی پیشگامان تجسم کنند.

ما بهترین دوربین داشبورد را معرفی کرده ایم.

این مقاله به عنوان بخشی از کانال Expert Insights TechRadarPro تهیه شده است که در آن بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز را معرفی می کنیم. نظرات بیان شده در اینجا نظرات نویسنده است و لزوماً نظرات TechRadarPro یا Future plc نیست. اگر علاقه مند به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/news/submit-your-story-to-techradar-pro