宝马智能互联创新（都谈数字化AI赋能）

宝马智能互联创新（都谈数字化AI赋能）而宝马作为汽车行业中最先宣布转型为科技公司的行业领导者，也正是从2016年开始让AI进入了自身的生态之中：“灯塔”的英文名称BEACON来自于一组首字母缩写：BMW（宝马）、E2P（新兴科技到产品）、AI Algorithm（人工智能算法）、Computer Vision（计算机视觉）、OR（对象识别）、NLP（自然语言处理）。从功能分属来看，“灯塔”已经涵盖了AI系统应用于汽车行业时应该具备的主要技术模块，并且从常用的AI单点应用模式进化到了体系化的平台协作模式。“灯塔”（BEACON）如何为宝马赋能诞生于上世纪40-50年代的AI发展历程其实并不顺利，其真正的繁荣来自于2013年深度学习算法的广泛应用以及2015年依靠大数据训练而成的第二代机器学习平台Tensor Flow的开源。2016年Google人工智能AlphaGo战胜围棋世界冠军李世石成为了AI发展历程上的里程碑，彻底引爆了

如果你要问什么是AI（人工智能），大概随时都能找出一篇万字论文可供学习。远处有曾经改变我们认知的深蓝和AlphaGo，近处有当下炙手可热的Stable Diffusion和ChatGPT，AI对于现在以及未来的改变都是不容辩驳的事实。但为什么一方面我们感觉未来已来，一方面我们又对市面上各种被冠以“AI”头衔的把式多少有点心存疑虑？事实上，即使撇开互联网行业口嗨成性的PPT属性，AI也并非与所有行业或者企业的链接都能水乳交融。这并不是个玩笑，AI赋能不是纸上谈兵，要真的转化为生产力，连接能力、算法算力和丰富数据缺一不可。

从基本商业规律来看，最活跃的行业在技术赋能的过程中一定会走在前列，面对AI，最热情的自然非汽车行业莫属。而我们所说的也并非被市场追逐的热点，而是真正的AI赋能。宝马集团就是这样一个典型。面对新时代，宝马集团积极向“电动化、数字化、循环减碳”转型，在这其中，AI作为数字化的重要亮点，其前进步伐带来了巨大的实际成效。

什么是“灯塔”（BEACON）

近日，宝马宣布在业内率先部署了代号为“灯塔”（BEACON）的人工智能（AI）平台，提供与AI应用创新相关的开发、部署、集成与运行服务的平台化环境，加速实现多业务场景数字化。这套平台并非单纯针对某一项技术或者某一款产品而生，而是负责指导全链条和全流程的一个“超级大脑”—— 宝马总能作为领导者照亮方向，这一次为AI赋能破局也是如此，有效解决了传统AI散点应用面临的门槛高、成本高、效率低等问题。

“灯塔”的英文名称BEACON来自于一组首字母缩写：BMW（宝马）、E2P（新兴科技到产品）、AI Algorithm（人工智能算法）、Computer Vision（计算机视觉）、OR（对象识别）、NLP（自然语言处理）。从功能分属来看，“灯塔”已经涵盖了AI系统应用于汽车行业时应该具备的主要技术模块，并且从常用的AI单点应用模式进化到了体系化的平台协作模式。

“灯塔”（BEACON）如何为宝马赋能

诞生于上世纪40-50年代的AI发展历程其实并不顺利，其真正的繁荣来自于2013年深度学习算法的广泛应用以及2015年依靠大数据训练而成的第二代机器学习平台Tensor Flow的开源。2016年Google人工智能AlphaGo战胜围棋世界冠军李世石成为了AI发展历程上的里程碑，彻底引爆了这一领域。

而宝马作为汽车行业中最先宣布转型为科技公司的行业领导者，也正是从2016年开始让AI进入了自身的生态之中：

• 2016年发布的BMW VISION NEXT 100上出现了具有学习及模仿功能的“数字智能伙伴”（Companion）；
• 2017年，BMW 位于Greer的ITC3数据中心开始使用AI分析行驶测试数据以提升自动驾驶技术水平；
• 2019年，宝马的投资部门BMW i Ventures 连续出手两家AI初创企业：解决自动驾驶汽车数据处理能力的Recogni和为开发自动驾驶和高级驾驶辅助系统而训练AI系统的平台企业Cartica AI；
• CES 2020上的Vision BMW i Interaction EASE引入了具备视线追踪和解读能力的AI系统；
• 到2019年，宝马已经使用AI技术分析了1.5亿公里实际驾驶里程的驾驶数据；
• 2020年，宝马集团选择了新的NVIDIA Isaac机器人平台，利用基于先进AI计算和可视化技术构建的物流机器人来增强其工厂的自动化程度和工作效率……

正是这些在AI领域的技术积累与合作，让宝马有能力从顶层设计入手，在数字化领域再次发力，全面部署“灯塔”平台。与之前更多将关注重点放在前端应用、体现在产品体验领域的AI应用不同，现在的“灯塔”更进一步，关注的是全链条的数字化效率提升，从后端制造驱动前端应用。

在AI的三个基础发展条件中，算法已经率先受益于技术的全球化以及众多平台的开源，比如AI SUITE – YMIR、Tensorflow、Caffe等等，让大家站在了同一起跑线上，中国市场在某些特定领域比如自然语言处理等还处于全球领先地位。因此，连接能力和数据丰富程度就决定了AI赋能的质量和未来空间——这也是为什么在汽车行业中宝马能够一枝独秀地在全链条推行AI赋能。

连接能力

我们在谈AI为工业制造比如汽车行业赋能时，所强调的连接能力并非仅仅指互联网数据连接，还包括需要大量精密的数字化基础设施支撑的工业物联网（IIoT），这本身就是高企的技术门槛，也正是宝马在业内绝对的领先优势之一。

比如，“灯塔”的平台化战略强调IaaS（基础设施即服务）和PaaS（平台即服务）的理念。在这种理念的驱动下，一位宝马IT工程师需要开发一个AI应用时，可以完全在“灯塔”平台上在线进行代码和参数的训练，既无需在本地建立数据中心，又可以同步释放闲置计算资源给其他有需求的开发者，最大限度减少算力资源闲置。开发完成之后的AI应用可以在“灯塔”平台上运行，完全摆脱本地化的硬件运维成本，显著地降低了数字开发的设备需求和门槛，也极大地提高了开发效率。

在“灯塔”所构建的VaaS（视频即服务）云计算服务体系中，宝马现有生产基地的工业互联网设备发挥了智能而高效的作用。VaaS服务可以接入宝马沈阳生产基地超过6000个本地摄像头。这些摄像头所获取的图像可以被用于开发目标检测、目标跟踪、图像分类等AI系统及应用接口，还可以进行模型训练以提高AI算法准确率。

例如，在高压动力电池作业中，摄像头所获取的原材料包装图像可以由“灯塔”平台上的图像识别算法进行甄别和判断，看是否符合生产要求规范，并返回对应的结果指令。再举另一个例子，在华晨宝马生产基地大规模升级项目（简称：里达工厂），其涂装车间中配备的AI摄像机质量检查系统可以对每辆车的喷漆表面进行拍照和分析，在100秒内可拍摄10万张照片，通过AI算法以远超肉眼的效率来甄别瑕疵以确保漆面的完美无瑕。这些案例中的AI系统以强大的网络环境和数据处理能力为基础，比如里达工厂的千兆5G网络，能够满足增强现实（AR）、实时视频传输要求的带宽等等，这就是典型的AI系统与工业互联网的基础设计相结合而完成的“数据驱动”模式，也是宝马在AI赋能过程中表现出的强大的连接能力。

丰富数据

通俗地讲，AI赋能其实是一个通过大量丰富的数据“教学相长”的过程，从而实现数据驱动。数据越丰富，算法越准确，算法越准确，判断越高效。因此，可以持续产生大量可“喂养”AI系统的数据是AI赋能的前提，也是AI技术反哺制造体系的先决条件。那么，宝马能够为“灯塔”提供什么样的数据环境呢？

经过近30年的发展，多次跨越式的扩容，包括今年上线的里达工厂在内，宝马在中国已经拥有了全球最大的生产布局和德国之外最大的研发布局。宝马在中国的用户量已经超过600万，沈阳基地的年产量即将达到83万，My BMW App在中国的总用户也超过了700万。所有这些都蕴藏着巨大的数据量和数据处理需求，为云计算、大数据、AI应用开发提供了土壤。

从生产角度具体来讲，一座里达工厂的1 600个多功能摄像头每年要产生超过10PB的数据，里达工厂一个涂装车间中配备的AI摄像机质量检查系统100秒内可拍摄10万张照片，这些都是数据需求的实际例子。为了处理生产环节的数据，里达工厂新建了占地约3 500平方米的数据中心，包含1 200多台服务器。

生产环节的数据可以通过AI系统的加持进一步提升生产效率与精准度，而海量的用户数据不仅可以为提升CRM质量提供用户行为分析的基盘，还能通过直接的互动反馈来改善前端产品的功能与性能。作为中国市场风头最劲、潜力最大的豪华品牌，宝马拥有的数据不仅数量惊人，其多样性在全球单一市场上也首屈一指，这也是AI系统能够为其赋能的先决条件和丰沃土壤。

极车说：

2022年的不确定性可以说是罕见的，汽车行业面临的挑战也是空前的，但就是面对这样巨大的不确定性，宝马表现出了强大的战略定力，“电动化、数字化、循环减碳”成为了更加笃定的发展主基调。

其中，数字化作为重要的发展路径，已经从单纯的产品体验维度，衍生至生产、产品和客户体验三位一体的全维度架构。继里达工厂成功投产后，“灯塔”平台的部署，标志着宝马在中国市场的数字化转型进入了又一个新阶段。

利用AI系统改进产品或者提升用户体验在汽车行业并非孤例，但像宝马这样将其应用于生产、产品和用户体验的全链条和全流程的却绝无仅有。一方面，这显示了宝马进行数字化转型的决心；另一方面，也为业界树立起了一个全新的标杆，即如何使用AI系统正确有效地为工业制造赋能。