AI 技術的進步將改變汽車生命周期，大大提高生產力，并激發創新。

生成內容和代碼、創建圖像和視頻、使用合成數據測試算法等生成式 AI 技術與應用可為各行各業帶來生產力與創造力的飛躍。這在交通運輸業尤為明顯，專業人士正在使用生成式 AI 簡化并提高工作流效率，推動新業務的發展。

大量汽車行業的企業都在探索如何使用生成式 AI 改進汽車設計、工程和制造以及營銷和銷售。

除了汽車產品的生命周期，生成式 AI 還為自動駕駛汽車（AV）的開發帶來了新的研究突破，比如使用神經輻射場（NeRF）技術將所記錄的傳感器數據轉換成完全可交互的 3D 仿真等。這些數字孿生環境以及合成數據生成可被用于超大規模的自動駕駛汽車開發、測試和驗證。

NVIDIA 創始人兼首席執行官黃仁勛表示：“生成式 AI、大型語言模型和推薦系統是現代經濟的數字引擎。”

殊途同歸：革命性用例

用于生成文本的 ChatGPT 和用于生成圖像的 Stable Diffusion 等基礎模型可以支持 AI 系統以勝任多種任務，帶來諸多可能性。

就像早期的 iPhone 應用開發者開始使用 GPS、加速度計和其他傳感器來創建移動應用一樣，AI 開發者現在也可以利用基礎模型以構建新的體驗和功能。

生成式 AI 可以關聯各種不同的數據流，不僅能夠實現文本到文本、文本到圖像的轉換，還能夠使用視頻或 3D 等進行輸入和輸出。借助這種強大的新計算模型，僅輸入文本提示就能返回物理精確的裝配工廠布局。

全球最大的汽車制造商之一豐田開發了一種將工程參數融入到早期設計草圖中的生成式 AI 技術。

梅賽德斯-奔馳也展示了其由 ChatGPT 加持的語音助手。

其他汽車行業企業也在使用生成式 AI，幫助加快設計迭代與結果改進。

改進設計師和藝術家的工作流

目前，從早期的概念構思和草圖繪制，到全尺寸模型的開發，設計師和藝術家需要花費數月的時間進行準備工作和設計評審。而且這一過程常常受到不兼容的工具、孤立的數據和串行式工作流的阻礙。

在這個過程中，設計師會觀察全行業中的汽車，無論是當下的車型還是歷史悠久的“老爺車”。通過大量人工篩選后，再將流行設計與符合公司風格的新靈感融合。在此基礎上，藝術家將繪制出 2D 手繪草圖，然后再制作成 3D 模型和粘土原型。

這種單線且耗時的概念設計流程被用于格柵、發動機罩、車輪等外部部件，以及儀表板、座椅、人體工學、用戶界面等內飾部分。

為了開發這些 3D 模型，汽車造型團隊與工程師一起使用 Autodesk Alias 或 Maya 等工具開發了“NURBS”（非均勻有理 B 樣條曲線）模型。2D 草圖中的形狀被轉換成 3D 幾何圖形的數學表述，然后通過造型定制、設計和工程步驟最終完成 3D 呈現。CAD 應用可以使用該模型來定義表面。

現在，汽車行業可以使用生成式 AI 將 2D 草圖即時轉換成 NURBS 模型，實現生產力的飛躍。這些工具不會取代設計師，而是能讓他們更快探索各種可能。

生成式 AI 在概念與造型設計中大顯身手

以設計為主的企業可以使用可視化數據集和生成式 AI 協助開展多方面的工作。經過數十億行代碼訓練的 GitHub Copilot 等編碼工具已經做到了這一點，有望幫助縮短冗長的設計周期。

尤其是在尋找零散的設計元素時，生成式 AI 模型可以在汽車制造商的產品組合以及所有車輛上進行訓練，從而幫助完成這一流程。首先通過遷移學習對小型圖像數據集進行微調，然后使用 NVIDIA TAO Toolkit 來實現。或者根據生成式 AI 模型的要求，可能需要一個包含約 1 億張圖像的更大數據集。

在這種自帶模型的設置中，設計團隊和開發者可以使用 NVIDIA Picasso（一個為視覺設計構建生成式 AI 模型的云代工廠）和 Stable Diffusion。

在這種情況下，設計師和藝術家可以向生成式 AI 提供設計元素提示，比如“粗獷”、“精致”或“時尚”等。然后，生成式 AI 會根據汽車制造商的現實情況以及公司內部的圖片目錄生成示例，大幅加快這一初始階段的工作。

在汽車內飾方面，具有文本-圖像生成功能的大型語言模型可以讓設計師輸入對紋理的描述，比如花卉圖案等，然后生成式 AI 就會把該紋理貼到座椅、門板或儀表盤的表面上。如果設計師希望使用特定的圖像生成內飾設計紋理，生成式 AI 也可以根據輸入的圖像創建紋理。

生成式 AI 讓智能工廠如虎添翼

開發智能工廠的制造商正在使用 Omniverse 和生成式 AI 應用編程接口（API）來連接設計和工程工具，以構建設施的數字孿生。寶馬集團開始在全球推廣使用 NVIDIA Omniverse，幫助打造理想中的未來工廠。

在生產設施投入建造前進行模擬規劃，有助于減少可能導致工廠產線停工的高成本變更。

生成式 AI 賦能市場和零售部門

生成式 AI 也廣泛在許多行業的市場和零售部門大顯身手。根據麥肯錫的報告，這些團隊有望通過生成式 AI 提升 9500 多億美元的生產力。

例如許多人正在采用 ChatGPT 對寫作主題進行調查、征集意見并獲取反饋，以便在營銷文案和廣告活動方面搶占先機。具有文本-圖像轉換功能的生成式 AI 正在支持市場和銷售部門視覺工作。

NVIDIA NeMo 是一個用于構建、定制和部署生成式 AI 模型的框架。它針對語言和圖像應用的推理進行了優化，并被用于自動語音識別，能夠通過大型語言模型幫助改善客戶支持。汽車制造商可以使用其生成式 AI 功能開發下一代客服聊天機器人。

黃仁勛表示：“今天的廣告是檢索出來的。但在未來，你所接觸到的很多信息都將是生成的。計算模型已經發生了變化。”

這個創新的系統使用 NVIDIA AI 和 Omniverse Cloud（一個用于開發統一 3D 工作流和 OpenUSD 應用的軟件平臺）共同打造，為汽車主機廠帶來了更多功能，以幫助更快、更高效地創建高度個性化視覺內容。

創作團隊正在 Omniverse 中使用 OpenUSD 統一其復雜的 3D 工作流，實現 Adobe Substance 3D、Alias 和 VRED 等設計工具的無縫銜接，為客戶開發其產品的數字孿生。接入生成式 AI 工具后，可以使用經過訓練的數據集創建內容，并使用 NVIDIA Picasso 制作虛擬場景。

在生成式 AI 上運行：

更快、更好、更經濟并且不受地域限制

生成式 AI 的上下文理解、創意產出和自適應學習能力標志著一個新時代的到來。

NVIDIA 加速計算所帶來的性能躍升使得訓練大量模型成為可能。自 Transformer 模型問世以來，在這些模型的支持下，汽車行業已經取得了驚人的成果。

由于現在還處于初期，因此很難量化這一轉變所帶來的全部影響，但汽車制造商們正在為設計、工程、制造、市場和銷售部門提供專為該行業打造的 copilot 工具，來實現更好、更高效且更低成本的運營。

而這一切才剛剛開始。