Een van de CES de belangrijkste trends in de afgelopen jaren heeft de aansluiting in de auto — het concept van het toevoegen van Internet-connectiviteit en netwerken voor onze voertuigen.
Het stelen de schijnwerpers dit jaar was Nvidia, die het begin van het Rijden PX 2 — een in-car systeem voor kunstmatige intelligentie. PX 2 is ontworpen voor automakers het verkennen van autonoom rijden en bevat 360-graden situationeel bewustzijn, diep leren en de rekenkracht van 150 MacBook pro ‘ s.
Via: Nvidia
Nvidia
Diep leren — een geavanceerd type van kunstmatige intelligentie (AI) — is het rijden belangrijke verandering voor autonome voertuigen en voor de automobiel-en transport-industrie in het algemeen, volgens een nieuw rapport van adviesbureau KPMG.
De studie voorspelt dat in 2030 een nieuwe mobiliteitsdiensten segment is gekoppeld aan producten en diensten in verband met autonomie, mobiliteit en connectiviteit zal een waarde van meer dan $1 biljoen wereldwijd.
Het rapport merkt op dat de directe gevolgen van diep leren “een revolutie op de aard van het doen van zaken voor automakers.” Diep leren is een belangrijke ‘enabler’ van het gebouw zelf-rijdende voertuigen, die kunnen werken zonder menselijke tussenkomst. Achter deze inspanningen is de noodzaak om het voertuig te “zien”, “denken”, “het station” en “leren” en het is door deze laatste stap die diep leren cruciaal is voor het bereiken van volledig autonome auto ‘ s.
“Diep leren is het versnellen van autonomie sneller dan wie dan ook zou hebben gedacht, en het heeft verstrekkende implicaties voor de industrie en de maatschappelijke mobiliteit als geheel,” zei Gary Silberg, nationale automotive leader bij KPMG. “Als een auto niet kan leren, dan is het nog afhankelijk is van miljoenen en miljoenen regels code, met een dergelijke complexiteit en ambiguïteit die volledige autonomie zou het niet haalbaar zijn voor vele jaren te komen.”
We staan aan het begin van wat Silberg oproepen een nieuw tijdperk in de automotive product-ontwikkeling en productie — men dat de nadruk legt op een voertuig van het zenuwstelsel, waaronder een computer “hersenen”, sensoren, regelaars, bestuurder interactie en de opslag van gegevens, zelfs meer dan de aandrijflijn. “Dit is een enorme verschuiving in de structuur van een organisatie, talent acquisition, en het operationeel model voor de meeste auto fabrikanten,” zei hij.
KPMG opgemerkt dat dit een kritiek moment in de geschiedenis van de auto-industrie, met de Oem ‘ s en technologie-bedrijven naar buiten brengen in een strijd voor de gespecialiseerde talent. Professionals die diep leren vaardigheden zijn schaars, aldus het rapport, en de pool van experts onder die specialisten is nog kleiner.
Deze kloof maakt het moeilijk voor de traditionele autofabrikanten om te concurreren met de technologie leiders. Bovendien zijn de universiteiten houdt geen gelijke tred met autonoom rijden eisen van de markt voor talent.
In het rapport van KPMG gelegd een aantal belangrijke ontwikkelingen autofabrikanten moeten denken als ze willen overleven de komende transformatie.
Een is dat het voertuig eigendom is aan het veranderen. Omdat van diep leren, autonomie en mobiliteit, autobezit is de overgang van individueel eigendom voertuigen gedeeld rij-ervaringen, met een groeiende consument zich richten op mobiliteit en vervoer op de vraag. In 2030, een nieuwe mobiliteitsdiensten markt zal ontstaan voor producten en diensten met betrekking tot autonomie, mobiliteit en connectiviteit.
Iets anders voor autofabrikanten om te overwegen is dat de meeste van hen niet langer zal gewoon worden automakers. Met diep leren versnellen van autonomie, deze bedrijven zullen keuzes moeten maken over het al dan niet zuiver blijven autofabrikanten, worden mobility service providers, of beide.
Bovendien, het zenuwstelsel, het middelpunt van het ontwerp van voertuigen, het veranderen van de manier waarop fabrikanten denken over de schepping van de voertuigen. Automotive product-ontwikkeling en productie ligt de nadruk op voertuigen’ smarts: de computers, sensoren, regelaars, driver-interfaces, – en data-opslag van onderdelen.
Ten slotte automakers nodig om talent te vinden voor de ondersteuning van deze nieuwe ontwikkelingen. Als KPMG wijst uit, er zijn maar weinig mensen in staat zijn om diep learning systems en automotive bedrijven zijn al klauteren om ze te vinden.