近年来，在数字化转型浪潮的推动下，汽车行业稳步进行转型升级和业务重塑。在这个过程中，人工智能算法的介入极大地帮助了汽车行业各业务线的运营效率和价值平衡的提升。在前不久举行的【TTALK】年度系列技术分享活动中，大搜车集团AI中心负责人/高级总监张扬先生以“AI算法在人工智能领域的应用”为题做了公开演讲。汽车行业的数字化转型”。直播分享结合汽车行业特点，聚焦AI技术在多场景数字化中的应用，以及基于AI算法的汽车行业业务优化案例。以下是本次分享的核心内容，希望能给读者带来一些收获。互联网演进一、从消费互联网到产业互联网本次分享主要想和大家聊聊AI算法以及我在汽车行业和消费互联网行业的一些工作实践。其中，首先要介绍的是消费互联网和产业互联网的概念。根据我自己的经验，我从2012年开始负责搜狗输入法的算法团队，对于搜狗来说，更多的是涉足消费互联网。消费互联网大家都知道，包括衣食住行。该行业目前每个行业都有自己的地块。2021年开始，加入索车集团，投身于工业互联网行业。工业互联网的核心其实就是应用人工智能、云计算、大数据等技术，为行业中的一些经典应用场景赋能。从狭义上讲，工业互联网主要涉及制造业领域。从广义上看，工业除了制造业，还必须经过流通、贸易、物流、仓储等环节。因此，工业互联网并不完全局限于制造业领域。2.数字智能演进互联网赋能技术，涉及的很多方法是相通的，包括人工智能、大数据、云计算，还有现在区块链、物联网的一些技术。而其中的趋势可以理解为信息化、数字化、智能化三个阶段。信息化是形式上的变化和差异。数字化更多是商业模式包括应用方式的转变。在数字化的更高级阶段，经历的是人工智能及相关技术的广泛应用加速数字化进程。通过人工智能技术的赋能，各行各业的数字化进程正呈现出指数级加速的趋势。AI赋能工业互联网一、典型应用场景下面我将以汽车行业为例，介绍工业互联网的算法应用。选择汽车行业作为具体案例主要有两个原因。一是因为汽车行业的市场规模和市场空间都比较大。目前，中国是全球最大的汽车消费市场。规模比较大。其次，汽车行业涉及的商品数量相对较少，这使得技术更容易落地。以车型为例，品牌下有不同的车系，车系下有不同的车型，数量在6万到7万左右。在做AI实践的时候，如果需要做一张知识图谱，亿级规模的地图和几万级规模的地图区别很大，会涉及到工作量和重复劳动。影响人工智能工作可以提供的技术高度。在具体业务线的选择上，此次将以二手车为主线。目前，包括索车在内的国内外龙头汽车企业都以二手车为主营业务。这有几个重要的原因。首先，二手车是非标产品。二手车作为商品进行买卖时，每辆车都有自己的条件，其使用和折旧条件不同，会产生较大的议价空间。企业倾向于以二手车为主营业务。不像广告，他们真的需要中间商来赚取差价。此外，我国二手车交易量逐年增加，并有相关政策支持，国家也在推动二手车的应用和流通。2、目标与需求分析从AI从业者的角度来看，我们在做汽车流通业务，尤其是二手车流通领域，会遇到一些困难和挑战。其中最重要的是前面提到的每辆车的状况。很难确定二手车的状况，但是当我们将二手车商业化时，我们需要确定汽车的状况，例如划痕和油漆剥落，磨损，它需要定义它的状态和价值，从而完成它的完全商业化。此外，车辆相关证件的信息化录入也必不可少。这些都是将二手车从离线实体转变为在线可浏览页面所需的所有事情。其次，因为我们的主要工作是为行业赋能，对于传统的4S店和二手车商来说，他们的门店主要存在于线下。对于一些线上或线下的C端客户来说，他们需要的是快速匹配，但难免会存在地域差异等一些影响因素。最后，二手车售后过程中也容易出现问题。如果客户接手了事故车，那么在客户后续的使用中，包括安全方面都会存在很大的隐患，也有很多难以处理的问题。大搜车所做的就是针对上述问题提供基于AI技术的行业解决方案。AI解决方案的基础可以理解为ABC。A代表AI，B代表大数据，C代表云计算。Soche的重点主要在交易和营销领域。从最初的产品上市，到交易撮合，再到交易和售后物流的金融解决方案，我们在每一个环节都会有相应的赋能。整个过程可分为前、中、后三个阶段。其中，损伤评估和残值预测是二手车独有的。如果去掉这两个步骤，剩下的阶段同样适用于新车交易。基于AI技术的优化方案1.车况检测优化本次我们主要选取整体流程中的车况检测、残值预测和匹配交易三个环节，分享AI算法在其中的应用。首先是车况检测环节。损害评估分为五个步骤。首先，输入车辆牌照。接下来，检查员将对车辆的外部和内部进行拍照或录像。AI算法会自动识别视频或图片中的车辆零部件。缺陷。随后，检查员将检查并纠正所提出的缺陷。确认信息无误后，巡检员将数据传输至云端后台进行审核。这个过程要解决的核心问题是提高算法识别的准确率。主要难点在于汽车零部件数量和缺陷类型过多，难以区分。对此，所做的提速和效果优化分为几个维度。对于一般的图像识别任务，使用CNN提取基本特征，然后将基于Transformer的模型应用到图像上，使用Transformer模型做一些简单的调整。另一方面，我们在汽车图片的基础上，构建了汽车领域的预训练模型，并在过程中做了一些优化，让尽可能多的缺陷在一张图片中被识别出来。当然，也可能存在误检和缺陷。misseddetection，我们对此做了一些调整，让我们后续的提速得到更清晰的体现。2.残值预测优化第二个是车辆残值预测环节。这里的第一个困难是缺乏标准，很难以非常准确的方式衡量二手车。影响其价格的因素有很多，包括地域因素、车况因素、颜色因素等。这些是除了品牌模型之外还需要考虑的一些目标。第二，在使用的数据中，车辆要么零售要么批发，不会同时存在零售价和批发价，所以会出现零售价和批发价的倒挂。针对以上问题，首先需要优化数据层面，将新车和二手车的零售价和批发价数据联合考虑。由于国产车与外资品牌车的销售策略不同，新车指导价和进货价将是影响二手车估值的重要因素。另一方面，是否有足够的交易数据支撑也极为重要。在特征层面，需要更全面的特征考虑，包括车型信息、车龄、地区、颜色、接送次数、里程、车况、新车指导价、新车到货价等特征。二是车型层面。这部分差异比较小，所有企业都会用到深度学习模型或者树模型。最终的接口层级、零售批发对应的价格、处置周期，都是基于业务分析。3、匹配交易优化的最后一个环节是车辆的匹配交易。这个环节的第一个难点就是车辆的采购。C端是一个高耗低频的环节。用户决策周期较长，车商倾向于线下聚集。因此，获取和收集他们的信息并放到网上进行自动匹配的难度更大，而且还存在一定的地域差异。解决的办法是通过整合集团内部资源，尽可能让交易线上化，综合考虑物流，尽可能解决跨区域的问题，包括一些顶价策略和一些bot策略改善。这里的技术架构其实还是比较经典的，就是推荐系统的模型。为了更好地赋能撮合和交易环节，需要对传统推荐系统进行优化，考虑更多的用户系统优化，将用户推荐系统的系统目标与平台的收益目标相结合，基于MMoE模型集成。综合考虑用户满意度和平台收益满意度。采用田忌赛马思路，一定程度上舍弃部分零件，减少部分客户的需求，达到保证整体效益的最终目的。总结与展望无论是消费互联网还是产业互联网，都会应用到很多AI技术。我们要做的是根据业务的需求和目标选择合适的模型，以结果作为技术应用的最终导向，为业务目标和用户体验的提升选择最合适的技术手段。而在很多业务中，一些人工的、规则的模型，包括一些简单的统计模型，其实是有生存空间的，它们所起的作用有时甚至大于我们所追求的高级算法。最后，在技术应用方面，希望大家多做一些新的尝试，会很有趣。嘉宾介绍了大搜车集团AI中心负责人/高级总监张扬。搜狗输入法创始成员之一，历任搜狗输入法算法负责人，曾任平安人寿AILab语义问答产品负责人，现任AI负责人及资深负责人大搜车集团中心。在ACL、EMNLP、IJCAI等CCFA/B国际AI会议论文发表或合作发表论文10篇，国际国内技术专利28项。此外，更值得关注的是，今年4月9日至10日，张扬老师还将作为专题制作人和演讲嘉宾出席WOT全球科技创新大会，并在大会的“算法与AI应用””专题大会中，将为观众带来更多关于AI技术细节的内容分享。对AI算法和产业数字化转型感兴趣的同学，这将是一次不容错过的学习和成长机会。目前正在购买大会20折门票，现在购票立省1160元，团购还有更多优惠！感兴趣的同学可以扫描下方二维码或点击阅读原文，了解更多参会信息。会议相关问题请联系售票小姐姐秋秋：15600226809（电话同微信）
