宝马集团如何将 AI 用于积极的用例并提高可持续性 | AWS re:Invent

查看低代码/无代码峰会的点播会议，了解如何通过改进和扩展公民开发人员来成功创新并提高效率。 立即观看.

人工智能 (AI) 可以帮助许多不同的行业，并且对汽车行业的影响尤其大。最令人兴奋的用例之一是全自动驾驶汽车，但这并不是人工智能产生影响的唯一领域。例如，微软和梅赛德斯-奔驰正在合作提高汽车生产效率。

在本周的 AWS re:Invent 云会议上，宝马集团描述了 AI 对其组织的影响，并详细介绍了 AI 将推动未来取得积极商业成果的新兴用例。

在一次会议上，宝马集团数据转换和人工智能总经理 Marco Görgmaier 表示，他的团队已经在整个企业中构建了一个包含数千个数据资产的库，可以重复用于分析和人工智能。他说，自 2019 年以来，他的团队已经能够交付 800 多个用例，这些用例的收入超过 10 亿美元。用例涵盖研发、物流、销售、质量和供应商网络。

“我们团队的愿景和使命是通过在整个价值链中使用 AI 来推动和扩大业务价值创造，”Görgmaier 说。 事件

智能安全峰会

在 12 月 8 日了解 AI 和 ML 在网络安全和特定行业案例研究中的重要作用。立即注册以获得免费通行证。

现在注册

BMW 目前投入资源的一个新兴领域是帮助提高可持续性。

Görgmaier 说，世界上 60% 的人口居住在城市和市区，这里也是产生 70% 温室气体排放的地方。 BMW 现在正在尝试做的是帮助城市规划者解决问题以帮助减少排放。

BMW 已经在帮助开发机器学习模型，这些模型可以预测道路法规如何可能有助于减少交通和燃料排放。 ML 模型还用于帮助确定电动汽车充电基础设施不足的地方。 Görgmaier 说，充电基础设施的缺乏阻碍了人们转向电动汽车，这对可持续性产生了影响。

BMW ML 还努力帮助预测停车位可用性和定价对驾驶习惯的影响。这些模式包括通勤和交通，它们也会影响排放。

Görgmaier 表示，宝马试图帮助解决的许多城市可持续性问题都可以从地理空间信息中获益。这就是 BMW 开始使用本周刚刚公开发布的 Amazon SageMaker ML 工具套件的新地理空间功能的地方。

BMW 希望利用地理空间 ML 的领域之一是帮助预测拥有车队的组织何时能够过渡到电动汽车。

“我们着手训练机器学习模型，以了解发动机类型和驾驶模式之间的相关性，”他说。 “这背后的逻辑是，如果存在这种相关性，那么该模型可以学习根据某些驾驶员的个人资料来预测他们对电动汽车的亲和力。”

由于 BMW 在车队级别使用完全匿名的数据，因此它必须使用 GPS 轨迹和地理空间数据来建立相关性。

“在训练结束时，该模型能够预测特定车队转换为电动汽车的可能性，准确率超过 80%，”Görgmaier 说。

...