撰文 / 孟 为

编辑 / 黄大路

设计 / 赵昊然

AI“上车”只是起点，随着AI技术的不断发展和创新，未来AI在汽车行业将涌现更多的应用场景和技术突破，帮助企业创造更多的价值。

当前，大语言模型的相继“上车”体现了AI在产品层面的价值，但AI的应用潜力远不止于此。

纵观主机厂的业务链条，AI可在市场预测、生产优化、供应链管理、售后服务提升、产品优化等多个领域带来巨大价值。

面对AI的浪潮，车企应定义从“孵化想象”到“产生价值”的战略与落地路径，从而将想象力转化为能够为企业带来实际价值的重要驱动力。

2024年6月15日上午，EFS Consulting创始人雷霆生（Truls Thorstensen）、中国区业务总监卓然，在以“想象”为主题的第十六届中国汽车蓝皮书论坛上，发表了题为 《畅想AI潜力，实现概念落地》的主题演讲，分享了EFS Consulting在汽车行业AI应用方面的深刻见解和丰富经验。

以下为演讲实录。

雷霆生

大家应该都听到了，我的中文名字叫雷霆生，再次感谢贾可给我起的这个中文名字。

有些人可能不知道，我再介绍一下。我本人的挪威名字Truls Thorstensen就是“雷神武器+雷神之孙”，所以雷霆生刚好契合了我的挪威名字。

说起想象力，我的很多新的想法都跟中国有关，中国也是我在全世界最爱的两个国家之一。

三十二年前，我创立了EFS这家咨询公司。十五年前，我问自己，我能想象十五年以后中国的汽车行业会发展成什么样子吗？

当时我想象不到。我当时带着这个不确定的答案，买了一张机票来到中国，然后见到了贾可和贾晓坤，跟他们成为了非常好的朋友，过去的十五年一直在跟他们探讨中国汽车行业到底会变成什么样子。

“想象”这个话题刚好和我十五年前来到中国的时候的起因完美契合。

昨天有一位嘉宾提到，想象其实就是跳出盒子思考，这也正是我和我的公司做的，当时我就是跳出盒子直接来到了中国。

昨天我与几位同事再次畅想EFS如何对待“想象”这个问题，我们认为，想象不仅需要跳出盒子思考，还需要在自己的盒子里深入思考。如果你对自己的盒子不了解，对自己的行业和周围的生态系统缺乏认识，很难找到跳出盒子的灵感。因此，确保领导层具备有目标性的创新能力，与想象力本身同样重要。

过去的三十二年来，欧洲和中国是我们的两个主要市场。虽然有的时候中国和欧洲处理的话题是一样的，但我们面对不同的客户、不同的文化，解决方式也是不一样的。

对于德国和其他欧洲客户来说，三十二年来建立了充分的信任感，所以他们在某些话题需要支持的时候会来直接找我们提供服务。

我们唯一需要做的就是不能变得懒惰，每次任务和项目的过程中都要充分发挥我们的想象力，把已经做过很多次的事情做得更好。

中国生态圈的客户不太一样的是他们每次都会在“为什么做这件事情”上刨根问底，为什么要做这件事情，为什么要这样做，直到得到他们满意的答案才肯往下一步开展合作。

这些年我们也在学习怎么跟中国的客户很好地相处，解答他们的问题。

因此跟中国的客户进行交流和共享与和欧洲客户打交道非常不一样，需要国内团队发挥想象力，更好地跟中国客户共创共赢。

因此我们在中国设立了体验工作坊，把苦涩难懂的方法论通过实物实例让客户体验我们的能力是怎样的。

三十二年前，我创立这家公司开始，平台模块化一直是非常难以让客户真正下定决心开始做的话题，因为其涵盖范围广泛，涉及部门众多，所以我们在国内的体验工作坊有两个主要话题：一个就是平台模块化，通过两天的时间把我们的方法和经验呈现出来，另外就是AI应用概念本身的落地。

在我下台请我同事卓然来完成演讲之前，我想最后表达一下对贾可的衷心感谢，过去十五年一起做了很多的想象，非常感谢跟你们的这份友谊。

卓 然

感谢雷总的简短介绍，也感谢贾博士对我们的邀请。因为这次的演讲主题是“想象”，之前雷总也说过，我们一直在想到底应该讲一个怎样的话题。

我们是一家总部在欧洲的咨询公司，专注于汽车行业三十年，所以我们对汽车行业所有的业务、所有的场景都非常熟悉，但在AI的时代下，每周大模型都要更新几次，如何用新技术结合现有的业务场景，为我们的客户企业带来更多的价值？

主机厂、AI和生态系统是相关的，如何把大家紧密地结合在一起，创造更多的价值、带来更多效率的提升？在AI时代下我们到底需要什么样的想象力？

昨天华为的余总也向大家展示了华为全球领先的AI能力，尤其是大模型能力。我们从整车、主机厂、生态圈全价值链的业务来看，AI“上车“只是AI技术在汽车行业应用的起点。

从我们非常熟悉的语音交互、自动驾驶、智能诊断，这些都是产品端的AI应用，包括今天和昨天华为讲的在智能家居和智能生活。车是整个汽车工业的终点，也是产品代表，前端还有很长的业务链和价值链。

我们认为AI真正给企业带来的价值不只是产品上的，还有业务上的。

前一段时间我有幸在欧洲总部参加一家美国公司和AI相关的峰会，让我印象最深的一句话是“企业需要什么样的AI？企业不需要只会写诗的AI，企业也不需要下周写诗写得更快的AI，企业需要的是能够真正在业务链上带来价值的AI”。

我们公司在汽车行业摸爬滚打了三十二年，对产品和业务都很熟悉。刚才贾博士说大家可能没有想到江淮的产品量业务量这么大，我们的客户很大一部分都是既有商用车又有乘用车的全球企业。

结合AI可能在业务上的使用场景和潜力，我们梳理了大概200多个全业务价值链上的使用潜力和使用场景。

根据企业不同的战略重心和价值重心，AI在不同业务链上产生的价值是不一样的，但和传统意义上的数字化不同之处在于，由于AI智能化、生成化，在同一个业务领域所能够产生的价值往往是多维度的。

如何让AI带来更多的价值？这里通过一个对比的示例向大家说明。

图中是基于传统机器学习方式的可预见性维护示例，因为我们的客户有一部分是商用车客户、一部分是乘用车客户，商用车客户是前十五年已经开始相关工作，相信各位汽车行业的同仁也比较熟悉，数据的采集、分析、决策和结果输出，是能够让我们人工做出更好决策的过程。

记得微软上个月发布了移动端可用的小型大模型，通过更强大的边缘算力，通过联邦学习的方式带来更大的可能。

联邦学习听着很拗口，但其实很好理解，原来是集中式，现在是分散式，原来是在云上，现在是在本地，原来是传输数据，现在只需要传输模型参数也就是训练过的知识参数，这样既能降低计算成本、存储成本，又能保护数据隐私，也有很好的扩展性能够支持之后数据的更新、技术的迭代。

由于车作为产品的维护本身不是新业务，我们利用新技术给传统业务带来更多的价值，创造更多的增值，这是最近跟我们的某个客户一起定义以联邦学习，边缘算力架构来实现的。

实现AI功能在纸面上看起来很容易很有价值，但真正进行AI落地的时候还是有很多困难和挑战，主要有六点：不能产生价值，产生多少价值，有没有经济性，数据质量问题，不同的数据类型、以及和现有系统集成的困难，包括数据隐私、数据安全、数据合规。今年欧盟就最新推出了相关的AI立法。

所以实际应用的过程中如何进行落地？通过我们展示的6步法，可以把前期成本降到最低，并且通过原型到小规模试点和大规模试点，以开放式的框架，让后期的系统、技术、数据和模型的拓展成为可能。

今天贾博士给我们的主题是“想象”，想象我们利用新技术、利用指数式增长的AI技术来实现给企业的增值。GPT一年前被国内外各种网友都“玩坏了“，现在手机上就可以用，所以我们需要足够的想象力运用最新的技术给我们带来最高的价值。

如今我们有人工智能、大模型，还有小的大模型、各种各样的超高算力，企业究竟需要什么？企业需要的并不是会做图、写诗、讲笑话的GPT，不应该是AI在作诗，画图，生成视频的时候，我们在努力工作，而是AI帮我们工作，我们去诗和远方。