更高效、更智能、更具韧性:大众汽车集团正加速迈向由AI驱动的未来汽车生产。亚马逊云科技与大众汽车在“数字化生产平台(Digital Production Platform)”的合作再延长五年。通过这一专为支持汽车制造而打造的“工厂云”,大众汽车得以在全球各生产基地部署AI和前沿IT系统,这使得生产更灵活和快速,降低了IT成本,加快新车型的上市进程。
数字化生产平台最初以工业合作伙伴网络的形式推出,如今在大众汽车与亚马逊云科技的共同推动下,已发展成为一条关键的数字化纽带,贯通从订单处理、物流到生产制造的全流程,确保数据在整个价值链中高效流通。这为在大规模生产中应用AI技术打下了坚实基础,而AI是大众汽车集团的重要战略方向之一。此外,数字化生产平台还支持大众汽车在全球工厂间统一部署新一代IT系统。
目前,大众汽车集团已在欧洲、北美和南美的43家生产基地接入数字化生产平台。总体上,大众汽车集团在全球共运营114座生产工厂。
“我们期望成为全球汽车技术的引领者。”大众汽车集团董事会成员、信息技术负责人Hauke Stars表示,“为此,我们正在持续推动公司各业务领域的数字化与互联互通。我们的目标是更快地将产品与科技体验带给客户,而数字化生产平台在其中扮演着关键角色。它是我们工厂的‘数字神经中枢’,也是我们迈向未来AI驱动生产的关键。”
更优效率、更低成本
通过数字化生产平台,大众汽车能够在所有已接入平台的工厂中,统一部署关键生产和物流IT系统。例如,用于优化车辆组装中复杂流程的数字化解决方案“Guided Vehicle Completion”,已经在集团旗下大众、奥迪和大众商用车的13家工厂中投入使用。
凭借亚马逊云科技的高可用性与扩展性,大众汽车能够将这些对生产至关重要的系统部署在云端,并降低产线停工风险。得益于各生产基地的系统标准化,大众汽车集团已节省了千万级欧元的中期成本。同时,这些统一标准为跨职能的数据管理奠定了坚实基础,进一步推动AI等技术高效一致地应用于全球生产体系中。例如,大众汽车在“KI4UPS”项目中利用AI协助装配线团队进行车载软件部署,更快定位潜在电子设备问题,大幅降低了人工排查工作量。
大众汽车集团现已使用超过1,200项AI应用,且使用范围远不止于生产环节。借助Amazon SageMaker等亚马逊云科技的创新服务,大众汽车能够训练AI模型并构建行业计算机视觉用例,用以改进质量控制系统并实现成本节约。此外,AI技术还被广泛应用于可持续发展领域——在波兰波兹南(Poznań)的工厂,AI被用于优化电力消耗,使能源成本降低了12%,并减少了二氧化碳排放。
更智能:借助数字化生产平台,大众汽车为基于数据来提升制造效率奠定了基础,包括预测性维护,质保流程的远程监控等等。在德国的沃尔夫斯堡(Wolfsburg)和因戈尔施塔特(Ingolstadt)等生产基地,AI系统在生产过程中可进行实时图像分析,确保每个零部件都能精准安装并匹配相应车型配置,实现更快发现并及时纠正潜在的生产错误。
更具韧性:借助数字化平台,并能够在整个制造流程中持续获取数据,大众汽车能够更快地做出更精准的决策,从而在应对供应链短期中断等突发情况时,能够更高效地调整生产计划。同时,数字化平台提供的统一技术标准和集中化数据基础也大幅提升了大众汽车在网络安全和数字韧性方面的能力。
“卓越的汽车制造业务,是大众汽车集团商业与品牌成功的关键驱动力。”大众汽车品牌管理董事会成员、负责生产与物流的Christian Vollmer,同时也是大众汽车集团扩展管理执行委员会成员,他表示:“通过在共享的、支持AI的数据架构下,将研发与制造更紧密地融合,我们正在为更快地向客户交付新车型创造有利条件。”
下一步:为软件定义汽车做好准备
依托于数字化生产平台的不断演进,大众汽车正加大对软件定义汽车(Software-Defined Vehicles)的投入,即新一代车型将通过软件来管理和更新大部分功能。数字化生产平台在这一转型中将发挥关键作用,它将支持大众汽车在制造过程中直接完成软件部署。此项功能将交由大众汽车集团与Rivian Automotive合作的合资企业来进行开发,他们正在着手开发新一代电子架构和车载软件。现有的AI解决方案(如 KI4UPS)及其数据模型,也可以灵活适配未来的电子架构,这将使大众汽车在自身的生产环境中也能同样从该合资企业的快速开发周期中受益。
“大众汽车集团正在为智能制造树立新的行业标杆。”亚马逊云科技行业副总裁Kathrin Renz表示,“我们未来五年的合作将亚马逊云科技的云基础设施以及专为物联网和机器学习构建的服务与大众汽车在制造方面的专长相结合,联手加速AI解决方案的落地,帮助大众汽车集团在全球制造运营中释放全新创新潜力。”
放眼中长期,数字化生产平台将覆盖大众汽车的大部分生产体系,同时也将作为集团推动工业创新的关键数字基础,并行业通用标准,如欧洲开放协作式数据生态系统(Catena-X)相兼容。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。