生成内容和代码、创建图像和视频、使用合成数据测试算法等生成式 AI 技术与应用可为各行各业带来生产力与创造力的飞跃。这在交通运输业尤为明显，专业人士正在使用生成式 AI 简化并提高工作流效率，推动新业务的发展。
大量汽车行业的企业都在探索如何使用生成式 AI 改进汽车设计、工程和制造以及营销和销售。
除了汽车产品的生命周期，生成式 AI 还为自动驾驶汽车（AV）的开发带来了新的研究突破，比如使用神经辐射场（NeRF）技术将所记录的传感器数据转换成完全可交互的 3D 仿真等。这些数字孪生环境以及合成数据生成可被用于超大规模的自动驾驶汽车开发、测试和验证。
NVIDIA 创始人兼首席执行官黄仁勋表示：“生成式 AI、大型语言模型和推荐系统是现代经济的数字引擎。”
殊途同归：革命性用例
用于生成文本的 ChatGPT 和用于生成图像的 Stable Diffusion 等基础模型可以支持 AI 系统以胜任多种任务，带来诸多可能性。
就像早期的 iPhone 应用开发者开始使用 GPS、加速度计和其他传感器来创建移动应用一样，AI 开发者现在也可以利用基础模型以构建新的体验和功能。
生成式 AI 可以关联各种不同的数据流，不仅能够实现文本到文本、文本到图像的转换，还能够使用视频或 3D 等进行输入和输出。借助这种强大的新计算模型，仅输入文本提示就能返回物理精确的装配工厂布局。
全球最大的汽车制造商之一丰田开发了一种将工程参数融入到早期设计草图中的生成式 AI 技术。
梅赛德斯-奔驰也展示了其由 ChatGPT 加持的语音助手。
其他汽车行业企业也在使用生成式 AI，帮助加快设计迭代与结果改进。
改进设计师和艺术家的工作流
目前，从早期的概念构思和草图绘制，到全尺寸模型的开发，设计师和艺术家需要花费数月的时间进行准备工作和设计评审。而且这一过程常常受到不兼容的工具、孤立的数据和串行式工作流的阻碍。
艺术家在开始设计时，通常会根据汽车造型趋势寻找设计元素或视觉参考。他们会根据关键字从图片库中寻找设计灵感。
在这个过程中，设计师会观察全行业中的汽车，无论是当下的车型还是历史悠久的“老爷车”。通过大量人工筛选后，再将流行设计与符合公司风格的新灵感融合。在此基础上，艺术家将绘制出 2D 手绘草图，然后再制作成 3D 模型和粘土原型。
这种单线且耗时的概念设计流程被用于格栅、发动机罩、车轮等外部部件，以及仪表板、座椅、人体工学、用户界面等内饰部分。
为了开发这些 3D 模型，汽车造型团队与工程师一起使用 Autodesk Alias 或 Maya 等工具开发了“NURBS”（非均匀有理 B 样条曲线）模型。2D 草图中的形状被转换成 3D 几何图形的数学表述，然后通过造型定制、设计和工程步骤最终完成 3D 呈现。CAD 应用可以使用该模型来定义表面。
现在，汽车行业可以使用生成式 AI 将 2D 草图即时转换成 NURBS 模型，实现生产力的飞跃。这些工具不会取代设计师，而是能让他们更快探索各种可能。
生成式 AI 在概念与造型设计中大显身手
以设计为主的企业可以使用可视化数据集和生成式 AI 协助开展多方面的工作。经过数十亿行代码训练的 GitHub Copilot 等编码工具已经做到了这一点，有望帮助缩短冗长的设计周期。
尤其是在寻找零散的设计元素时，生成式 AI 模型可以在汽车制造商的产品组合以及所有车辆上进行训练，从而帮助完成这一流程。首先通过迁移学习对小型图像数据集进行微调，然后使用 NVIDIA TAO Toolkit 来实现。或者根据生成式 AI 模型的要求，可能需要一个包含约 1 亿张图像的更大数据集。
在这种自带模型的设置中，设计团队和开发者可以使用 NVIDIA Picasso（一个为视觉设计构建生成式 AI 模型的云代工厂）和 Stable Diffusion。
在这种情况下，设计师和艺术家可以向生成式 AI 提供设计元素提示，比如“粗犷”、“精致”或“时尚”等。然后，生成式 AI 会根据汽车制造商的现实情况以及公司内部的图片目录生成示例，大幅加快这一初始阶段的工作。
在汽车内饰方面，具有文本-图像生成功能的大型语言模型可以让设计师输入对纹理的描述，比如花卉图案等，然后生成式 AI 就会把该纹理贴到座椅、门板或仪表盘的表面上。如果设计师希望使用特定的图像生成内饰设计纹理，生成式 AI 也可以根据输入的图像创建纹理。
生成式AI让智能工厂如虎添翼
开发智能工厂的制造商正在使用 Omniverse 和生成式 AI 应用编程接口（API）来连接设计和工程工具，以构建设施的数字孪生。宝马集团开始在全球推广使用 NVIDIA Omniverse，帮助打造理想中的未来工厂。
在生产设施投入建造前进行模拟规划，有助于减少可能导致工厂产线停工的高成本变更。
生成式 AI 赋能市场和零售部门
生成式 AI 也广泛在许多行业的市场和零售部门大显身手。根据麦肯锡的报告，这些团队有望通过生成式 AI 提升 9500 多亿美元的生产力。
例如许多人正在采用 ChatGPT 对写作主题进行调查、征集意见并获取反馈，以便在营销文案和广告活动方面抢占先机。具有文本 – 图像转换功能的生成式 AI 正在支持市场和销售部门视觉工作。
NVIDIA NeMo 是一个用于构建、定制和部署生成式 AI 模型的框架。它针对语言和图像应用的推理进行了优化，并被用于自动语音识别，能够通过大型语言模型帮助改善客户支持。汽车制造商可以使用其生成式 AI 功能开发下一代客服聊天机器人。
伦敦广告巨头 WPP 和 NVIDIA 正在开发一个开创性的生成式 AI 内容引擎，为具有 7000 亿美元价值的数字广告行业提供支持。
黄仁勋表示：“今天的广告是检索出来的。但在未来，你所接触到的很多信息都将是生成的。计算模型已经发生了变化。”
这个创新的系统使用 NVIDIA AI 和 Omniverse Cloud（一个用于开发统一 3D 工作流和 OpenUSD 应用的软件平台）共同打造，为汽车主机厂带来了更多功能，以帮助更快、更高效地创建高度个性化视觉内容。
创作团队正在 Omniverse 中使用 OpenUSD 统一其复杂的 3D 工作流，实现 Adobe Substance 3D、Alias 和 VRED 等设计工具的无缝衔接，为客户开发其产品的数字孪生。接入生成式 AI 工具后，可以使用经过训练的数据集创建内容，并使用 NVIDIA Picasso 制作虚拟场景。这将为 WPP 客户提供生成各种广告、视频和 3D 体验所需要的完整场景。
比亚迪与梅赛德斯-奔驰联合打造的汽车品牌腾势汽车正在与WPP一同使用 Omniverse Cloud 构建和部署首个汽车配置器。
在生成式 AI 上运行：更快、更好、更经济并且不受地域限制
生成式 AI 的上下文理解、创意产出和自适应学习能力标志着一个新时代的到来。
NVIDIA 加速计算所带来的性能跃升使得训练大量模型成为可能。自 Transformer 模型问世以来，在这些模型的支持下，汽车行业已经取得了惊人的成果。
由于现在还处于初期，因此很难量化这一转变所带来的全部影响，但汽车制造商们正在为设计、工程、制造、市场和销售部门提供专为该行业打造的 copilot 工具，来实现更好、更高效且更低成本的运营。
而这一切才刚刚开始。