大型汽车原始设备制造商可以通过在其制造过程中大规模部署人工智能，将运营利润提高16%。尽管有这种潜力，该行业在将人工智能从实验转向企业部署方面进展缓慢。 其中一个主要原因是许多原始设备制造商不知道应该如何应用人工智能技术。笔者可以就某些能快速落地的方向。

　　新的可视化和生产力优化，可以提高生产中的整体设备效率–作为精益制造的一部分开发，设备效率可以通过提高可用性、性能和质量来改善制造。

　　对于系统和组件供应商库珀标准汽车公司来说，多个工厂的数据集成意味着它可以通过手机跟踪OEE、安全性、发货等。奥迪正在测试一个基于人工智能的系统，该系统使用带有图像识别软件的智能相机来测试和识别金属板中的微小裂纹。该系统可以使用数百万张图像和自动化视觉质量检查来潜在地检测最细微的缺陷。

　　设备的预测性维护，以减少制造停机时间(如机械臂故障)——例如，通用汽车公司在近7000台机器人上部署了基于云的图像分类工具。该试验旨在在故障发生之前检测到它们，发现了72个可能导致计划外生产延迟的故障实例。 使用人工智能的智能资产管理——任何资产管理计划都需要大量数据才能成功。

　　大数据分析利用是改善资产管理的一个重要方式，人工智能应该为推荐未来的计划和行动提供引擎。例如工厂运营/仓库中的能耗管理——设备制造商指出人工智能在工厂运营中的作用越来越大。公司不会在一个工厂、一个地方生产同一辆车。它将这一部分复制成两个，有时是三个，遍布世界各地。利用人工智能，公司可以扫描设备，在一家工厂中非常成功地调整规模，并在另一家工厂中精确复制。人工智能提供了从概念上证明其操作将适应新空间的能力，并且仍然提供零件和汽车，以及管理设施。 识别最有价值的用例是成功采用人工智能的一个障碍，其他障碍包括相互之间不交流的遗留信息技术系统、对数据可用性和准确性的质疑以及缺乏技能。

　　制造公司可以优先考虑人工智能投资，获得最高管理层的支持，并整合专家资源。 启动人工智能项目需要大量资源，从技能到软件不等。原始设备制造商需要找到吸引人才的方法，并为推动价值的项目提供资金。 除了制造和运营方面的改进，人工智能还有巨大的潜力来重塑端到端的客户体验。这包括修复影响汽车价值链几乎每个领域的零散运营流程，从汽车的制造和销售到创造有意义的差异化客户体验。 这些效率将推动创新，在未来的汽车行业展开竞争，包括百度、谷歌、优步和微软等公司。如果不能利用人工智能带来的节约，将会减少用于创新下一代汽车的资金。