En af CES’ store tendenser i løbet af de sidste par år har været forbundet bil — begrebet tilføje Internet-forbindelse og netværk til vores køretøjer.
At stjæle rampelyset i år var Nvidia, som blev lanceret Drevet PX 2 — en bil kunstig intelligens-system. PX 2 er designet til bilproducenter udforske autonome kørsel og omfatter 360-graders situationsfornemmelse, dyb læring og behandling af 150 MacBook Pros.
Via: Nvidia
Nvidia
Dyb læring-en avanceret form for kunstig intelligens (AI) — kører væsentlige ændringer til autonome køretøjer, og for bil-og transportindustrien i almindelighed, ifølge en ny rapport fra rådgivningsvirksomheden KPMG.
Den undersøgelse forudser, at der i 2030 en ny mobilitet, service segment knyttet til produkter og tjenester, der er relateret til uafhængighed, mobilitet, og vælg forbindelse vil være mere værd end $1 milliarder på verdensplan.
Rapporten konstaterer, at de direkte virkninger af dyb læring vil “revolutionere den karakter af at drive forretning for bilproducenter.” Dyb læring er en vigtig forudsætning for at opbygge selvkørende køretøjer, som kan fungere uden menneskelig indgriben. Bag disse bestræbelser er behov for, at køretøjet “se,” “tror”, “drive” og “lære”, og det er gennem denne sidste læring skridt, at dyb læring vil være afgørende for at opnå fuldt autonome biler.
“Dyb læring er stigende selvstændighed hurtigere end nogen kunne have forestillet sig, og det har vidtrækkende konsekvenser for industrien og samfundsmæssige mobilitet som en helhed,” sagde Gary Silberg, nationale automotive leder i KPMG. “Hvis en bil ikke kan lære, så er det stadig afhængige af millioner og atter millioner af linjer kode, med en sådan kompleksitet og tvetydighed, der i fuld uafhængighed ikke ville være opnåelige i mange år fremover.”
Vi er i starten af hvad Silberg kræver en ny æra i bilindustrien produktudvikling og produktion-en, der understreger bilens nervesystem, herunder en computer, “hjernen”, sensorer, kontrol, driver interaktion, og datalagring endnu mere end drivaggregatet. “Det er et enormt skift i den organisatoriske struktur, talent erhvervelse, og operating model for de fleste bilproducenter,” sagde han.
KPMG bemærkede, at dette er et kritisk punkt i historien om den automotive industri, med Oem ‘ er og teknologi virksomheder, der står ud i en kamp for specialiseret talent. Fagfolk, som har dybe læring kompetencer er en mangelvare, siger rapporten, og den pulje af eksperter blandt de specialister, der er endnu mindre.
Denne forskel gør det svært for traditionelle bilproducenter til at konkurrere med teknologi ledere. Desuden universiteter er ikke at holde trit med de autonome kørsel markedets krav om talent.
I den rapport, KPMG lagt nogle centrale tendenser bilproducenter har brug for at tænke over, hvis de skal overleve den kommende transformation.
Den ene er, at køretøjet er i drift og ejerskab er under forandring. På grund af dyb læring, selvstændighed og mobilitet, bil ejerskab bevæger sig fra individuelt-ejede køretøjer til fælles kørsel erfaringer med forbrugernes stigende fokus på mobilitet og transport-on-demand. I 2030, a new mobility services vil markedet komme til produkter og tjenester, der er relateret til uafhængighed, mobilitet, og tilslutningsmuligheder.
Noget andet, for bilproducenter til at overveje, er, at de fleste af dem ikke længere vil simpelthen være bilproducenter. Med dyb læring hurtigere autonomi, disse virksomheder bliver nødt til at træffe valg om, hvorvidt at forblive ren bilproducenter, bliver mobilitet udbydere, eller begge dele.
Desuden nervesystem vil blive den centrale del af køretøjets konstruktion, ændre den måde, hvorpå producenterne tænker oprettelsen af køretøjer. Automotive produktudvikling og produktion vil understrege køretøjer’ kløgt: computere, sensorer, kontrol, driver grænseflader, og datalagring komponenter.
Endelig bilproducenter bliver nødt til at finde talenter til at støtte disse nye udviklinger. Som KPMG påpeger, at der er nogle mennesker i stand til at opbygge dyb læring systemer, og transportvirksomheder, der er allerede travlt med at finde dem.