Capgemini的報告 - 加速汽車的人工智能轉型 - 發現，在2018年，行業中“大規模”部署AI的公司數量僅略微增長了3%。

這反映出，只有10%的受訪者表示，他們的組織在2018年期間在“全范圍和規模”的整個運營中部署了人工智能驅動的計劃，而2017年為7%。

報告總結說，相對緩慢的增長速度證明“自2017年以來該行業在人工智能驅動的轉型方面沒有取得重大進展” - 鑒于行業領導者的投資規模和熱情，這一令人驚訝的發現。

我采訪了報告的一位作者，Capgemini的Ingo Finck，他告訴我“在某種程度上，我確實覺得這很令人驚訝，因為從我們與這些公司的討論中我們看到絕大多數 - 超過80% - 在他們的核心戰略中提到AI。

“這顯然是他們的戰略因素，所以是的......我們對相對緩慢的增長率感到驚訝。”

在我們開始深入研究這種緩慢發展的可能原因之前，值得注意的是，存在一個關鍵的地理差異：在中國，與AI合規的汽車公司數量幾乎翻了一番，從5%增加到9%。

這在一定程度上是由中國人工智能巨頭采取的相對“開放”的方法來解釋的，例如百度開發的Apollo開源平臺。這涉及到與130多家其他企業和組織合作。

Finck解釋說，其他地區的增長緩慢可能是因為組織正在采取更成熟的AI部署方法。這可能意味著他們正在遠離“嘗試一切，看看哪些方法有效”的方法論，轉而關注可以擴展的經過驗證的用例。

當我們考慮報告AI部署增長的企業規模時，另一個差異是顯而易見的。

“我們可以看到較小的公司在人工智能方面更加掙扎 - 而對于規模較大的公司[收入超過100億美元]，采用率更高。

“我們解釋這一點的方式是，小公司的復雜性與大公司的復雜程度幾乎相同 - 應用人工智能的許多困難在小型和大型組織中都是相同的。”

實際上，正如預期的那樣，投資金額與組織的AI部署規模之間存在明顯的相關性。這顯然是行業中較小的參與者的限制因素。

在大規模成功部署的企業中，80%的企業通過在人工智能上花費超過2億美元來實現這一目標。在那些認為自己沒有成功部署的人中，只有20%的人花了這么多錢。

雖然自駕車，自動駕駛汽車經常被稱為汽車人工智能的“標題”用例，但今天的現實是認知學習算法主要用于提高效率并為圍繞傳統手動車輛的流程增加價值。

報告強調的重要人工智能部署，主要是在較大的OEM組織，包括：

原型設計 - 通用汽車在其產品設計操作中使用機器學習。

建模和模擬 - 美國大陸航空每小時收集5,000英里的虛擬車輛測試數據。

銷售和營銷 - 大眾汽車利用機器學習，利用經濟，政治和氣象數據預測120個國家的250種車型的銷售情況。

質量控制 - 奧迪使用配備計算機視覺的攝像頭來檢測制造過程中使用的金屬板上的微小裂縫，人眼看不到這些裂縫。

這些公司屬于Capgemini定義為“規模冠軍”的類別 - 他們已經成功地大規模部署了AI，并且都傾向于顯示出許多特征 - 專注于高效益用例，良好的AI治理，高水平的投資和，重要的是，表明愿意“提升”員工。

“我們已經知道人工智能在人機/機器組合方面最有效，”芬克告訴我。

“就像你提高AI能力的方式一樣，你也需要提升技能并教育你的員工。這不僅僅是培訓或雇用更多的數據科學家。它是關于教育組織的其他人 - AI的臨時用戶。“

所有這些挑戰都在一定程度上解釋了整個行業對人工智能的預期采用速度的可能性。芬克確信的一件事，也就是該報告更廣泛的發現所證實的一點是，人工智能在該行業的未來發揮著關鍵作用。

他說：“我認為公司明白它不僅僅是'插件'技術 - 它是他們必須采用的核心技術 - 比如引擎或信息技術。挑戰是不僅僅是產品采用這種技術，還有服務和組織。“