今天小编分享的汽车经验：亚马逊云科技押注生成式AI，深度嵌入汽车产业全链路，欢迎阅读。
亚马逊云科技汽车与制造全球总经理 Ozgur Tohumcu
2025 年以智能驾驶和智能座舱为主的智能化转型将会成为汽车行业全年的主题，AI 技术与汽车产业的深度结合也逐渐成为行业共识。作为智能化转型的 " 水电煤 " 供应商，云厂商也感受到了行业趋势的变化。
" 在 2023 年左右，我们主要看到的是生成式 AI 在人机互動界面上的应用，这推动了语音互動、智能助手等早期应用的开发。而到 2024 年之后，生成式 AI 技术进一步被应用于汽车价值链的深层环节。" 近日，亚马逊云科技汽车与制造全球总经理 Ozgur Tohumcu 分享了生成式 AI 对汽车行业的影响变化。
这种纵深发展标志着生成式 AI 开始真正触及汽车制造的核心流程。
大幅缩短整车开发周期
在汽车研发领網域，生成式 AI 正在彻底改变传统的开发模式。最显著的突破体现在軟體开发效率的提升。Amazon Q Developer 通过接入 Claude 3.7 Sonnet 实现了 40%-50% 的效率提升。
考虑到现代汽车包含超过 1 亿行代码，传统开发模式下，车企需要投入数百名工程师耗时数年才能完成整套车载系统的开发，而生成式 AI 的引入正在打破这一瓶颈。Tohumcu 强调：" 生成式 AI 技术对汽车行业最具价值应用之一是缩短车辆开发周期。"
在辅助驾驶领網域，生成式 AI 同样展现出变革性的应用前景。
面对数百万种测试场景的需求，生成式 AI 能够创建合成场景填补真实数据空白。Ozgur Tohumcu 基于其此前在自动驾驶公司担任 CEO 的经验表示，在测试辅助驾驶时一般有三层测试，即：实车测试、真实数据测试和合成数据补充测试。
在这三层测试中，生成式 AI 主要作用于第三层——通过创建高度逼真的合成场景，填补真实数据难以覆盖的测试空白。例如，可以生成极端天气条件下的罕见交通事故场景，或是不同国家的特殊交通标志识别场景。值得注意的是，Ozgur Tohumcu 特别指出：" 我们永远不会建议，在完全没有真实数据或者场景的情况下，对某个功能进行完整地测试。"
多重赋能汽车行业创新
面对汽车行业的数字化转型需求，亚马逊云科技提出了系统性的赋能方案。
首先，帮助汽车制造商打造更加现代化的数据架构。车企经常面临互不关联、彼此孤立的数据源，导致难以形成高质量的数据集，从而面临着海量数据陷入 " 孤岛 " 的困境。
亚马逊云科技通过提供端到端的数据战略和服务，覆盖从数据的摄入、存储和查询、数据库、数据湖、到数据分析、商业智能（BI）及数据治理，再到人工智能与机器学习创新的各个环节，帮助企业充分挖掘数据价值与潜力。
其次，亚马逊云科技提供了一系列的技术、服务和工具，帮助汽车企业充分释放生成式 AI 的潜力。具体体现在三个层面：
在算力层面，亚马逊云科技不仅与英伟达保持合作，也推出了专门用于推理的 Amazon Inferentia 芯片和专门用于训练的 Amazon Trainium 芯片。
在模型层面，Amazon Bedrock 提供丰富的模型选择，包括性能卓越的 Claude、拥有极高性价比的 Amazon Nova、亚马逊云科技也是首个将 DeepSeek-R1 作为完全托管服务推出的云服务提供商。
在应用层面，亚马逊云科技提供生成式 AI 助手 Amazon Q 系列产品，其中 Amazon Q Business 能充分利⽤企业内部数据，⼜能加快任务处理速度。Amazon Q Developer 的軟體开发 Agent 目前已能解决 54.8% 的軟體开发问题。
最后，为车企提供无伺服器的架构与服务，帮助客户减少在基础设施运维的精力，把更多的精力释放到商业创新上。
全球化≠统一化
" 确实是有地網域上的差别，当然也有一些共性。"Ozgur Tohumcu 指出，生成式 AI 在汽车行业的应用必须考虑地網域差异。他以供应链管理为例说明：" 在北美，车内使用的应用程式和使用需求可能与中国、日本或韩国所使用的完全不同。"
这种差异性导致全球统一系统往往难以满足实际需求。" 我问客户是不是希望能够在供应链方面设计一套在全球都可以使用的系统？他说不是的，因为无论是在北美、中国、日本或者拉丁美洲，这些地方的供应链动态和特征都不太一样。" 这种对本地化需求的深刻理解，是技术成功落地的关键。
在研发领網域，全球车企则有更多共性。" 大部分企业的期待都是一致的——希望能够加速軟體开发，缩短研发、设计和测试的时间。" 这种全球共识推动着生成式 AI 在汽车研发环节的快速普及。
展望未来 5-10 年，Ozgur Tohumcu 预测生成式 AI 将会融入汽车产业全链条的各个环节。生成式 AI 领網域未来并不会出现杀手级的应用，它就嵌入在汽车价值链的方方面面。" 这一判断揭示了技术发展的终极形态——不是作为独立应用存在，而是作为基础能力渗透到每个环节。
比如制造自动化将迎来质的飞跃。Tohumcu 预见：" 将来你在汽车工厂将看到很多具身机器人工作，真人在工厂中会越来越少。" 这种人类与机器人的动态协作，依赖于生成式 AI 提供的自然理解和任务传递能力，将重新定义汽车制造模式。
面对这一未来，与此同时，Ozgur Tohumcu 提出了行业发展的三个趋势：加快汽车从开发到上市的时间；构建韧性供应链应对复杂环境；创新数字化客户体验重塑用户关系。而在谈到上云对汽车企业的启示，他特别强调：" 不能手头有了 90% 以上的数据再开展决策，而是要在有了 70%~75% 的数据，就开始做决策。" 这种敏捷性将成为未来核心竞争力。
（本文首发于钛媒体 App 作者｜韩敬娴 编辑｜李玉鹏）
