今天小編分享的汽車經驗：亞馬遜雲科技押注生成式AI，深度嵌入汽車產業全鏈路，歡迎閱讀。
亞馬遜雲科技汽車與制造全球總經理 Ozgur Tohumcu
2025 年以智能駕駛和智能座艙為主的智能化轉型将會成為汽車行業全年的主題，AI 技術與汽車產業的深度結合也逐漸成為行業共識。作為智能化轉型的 " 水電煤 " 供應商，雲廠商也感受到了行業趨勢的變化。
" 在 2023 年左右，我們主要看到的是生成式 AI 在人機互動界面上的應用，這推動了語音互動、智能助手等早期應用的開發。而到 2024 年之後，生成式 AI 技術進一步被應用于汽車價值鏈的深層環節。" 近日，亞馬遜雲科技汽車與制造全球總經理 Ozgur Tohumcu 分享了生成式 AI 對汽車行業的影響變化。
這種縱深發展标志着生成式 AI 開始真正觸及汽車制造的核心流程。
大幅縮短整車開發周期
在汽車研發領網域，生成式 AI 正在徹底改變傳統的開發模式。最顯著的突破體現在軟體開發效率的提升。Amazon Q Developer 通過接入 Claude 3.7 Sonnet 實現了 40%-50% 的效率提升。
考慮到現代汽車包含超過 1 億行代碼，傳統開發模式下，車企需要投入數百名工程師耗時數年才能完成整套車載系統的開發，而生成式 AI 的引入正在打破這一瓶頸。Tohumcu 強調：" 生成式 AI 技術對汽車行業最具價值應用之一是縮短車輛開發周期。"
在輔助駕駛領網域，生成式 AI 同樣展現出變革性的應用前景。
面對數百萬種測試場景的需求，生成式 AI 能夠創建合成場景填補真實數據空白。Ozgur Tohumcu 基于其此前在自動駕駛公司擔任 CEO 的經驗表示，在測試輔助駕駛時一般有三層測試，即：實車測試、真實數據測試和合成數據補充測試。
在這三層測試中，生成式 AI 主要作用于第三層——通過創建高度逼真的合成場景，填補真實數據難以覆蓋的測試空白。例如，可以生成極端天氣條件下的罕見交通事故場景，或是不同國家的特殊交通标志識别場景。值得注意的是，Ozgur Tohumcu 特别指出：" 我們永遠不會建議，在完全沒有真實數據或者場景的情況下，對某個功能進行完整地測試。"
多重賦能汽車行業創新
面對汽車行業的數字化轉型需求，亞馬遜雲科技提出了系統性的賦能方案。
首先，幫助汽車制造商打造更加現代化的數據架構。車企經常面臨互不關聯、彼此孤立的數據源，導致難以形成高質量的數據集，從而面臨着海量數據陷入 " 孤島 " 的困境。
亞馬遜雲科技通過提供端到端的數據戰略和服務，覆蓋從數據的攝入、存儲和查詢、數據庫、數據湖、到數據分析、商業智能（BI）及數據治理，再到人工智能與機器學習創新的各個環節，幫助企業充分挖掘數據價值與潛力。
其次，亞馬遜雲科技提供了一系列的技術、服務和工具，幫助汽車企業充分釋放生成式 AI 的潛力。具體體現在三個層面：
在算力層面，亞馬遜雲科技不僅與英偉達保持合作，也推出了專門用于推理的 Amazon Inferentia 芯片和專門用于訓練的 Amazon Trainium 芯片。
在模型層面，Amazon Bedrock 提供豐富的模型選擇，包括性能卓越的 Claude、擁有極高性價比的 Amazon Nova、亞馬遜雲科技也是首個将 DeepSeek-R1 作為完全托管服務推出的雲服務提供商。
在應用層面，亞馬遜雲科技提供生成式 AI 助手 Amazon Q 系列產品，其中 Amazon Q Business 能充分利⽤企業内部數據，⼜能加快任務處理速度。Amazon Q Developer 的軟體開發 Agent 目前已能解決 54.8% 的軟體開發問題。
最後，為車企提供無伺服器的架構與服務，幫助客戶減少在基礎設施運維的精力，把更多的精力釋放到商業創新上。
全球化≠統一化
" 确實是有地網域上的差别，當然也有一些共性。"Ozgur Tohumcu 指出，生成式 AI 在汽車行業的應用必須考慮地網域差異。他以供應鏈管理為例說明：" 在北美，車内使用的應用程式和使用需求可能與中國、日本或韓國所使用的完全不同。"
這種差異性導致全球統一系統往往難以滿足實際需求。" 我問客戶是不是希望能夠在供應鏈方面設計一套在全球都可以使用的系統？他說不是的，因為無論是在北美、中國、日本或者拉丁美洲，這些地方的供應鏈動态和特征都不太一樣。" 這種對本地化需求的深刻理解，是技術成功落地的關鍵。
在研發領網域，全球車企則有更多共性。" 大部分企業的期待都是一致的——希望能夠加速軟體開發，縮短研發、設計和測試的時間。" 這種全球共識推動着生成式 AI 在汽車研發環節的快速普及。
展望未來 5-10 年，Ozgur Tohumcu 預測生成式 AI 将會融入汽車產業全鏈條的各個環節。生成式 AI 領網域未來并不會出現殺手級的應用，它就嵌入在汽車價值鏈的方方面面。" 這一判斷揭示了技術發展的終極形态——不是作為獨立應用存在，而是作為基礎能力滲透到每個環節。
比如制造自動化将迎來質的飛躍。Tohumcu 預見：" 将來你在汽車工廠将看到很多具身機器人工作，真人在工廠中會越來越少。" 這種人類與機器人的動态協作，依賴于生成式 AI 提供的自然理解和任務傳遞能力，将重新定義汽車制造模式。
面對這一未來，與此同時，Ozgur Tohumcu 提出了行業發展的三個趨勢：加快汽車從開發到上市的時間；構建韌性供應鏈應對復雜環境；創新數字化客戶體驗重塑用戶關系。而在談到上雲對汽車企業的啟示，他特别強調：" 不能手頭有了 90% 以上的數據再開展決策，而是要在有了 70%~75% 的數據，就開始做決策。" 這種敏捷性将成為未來核心競争力。
（本文首發于钛媒體 App 作者｜韓敬娴 編輯｜李玉鵬）
