导读

丰田正处于一场变革性的旅程中，利用生成式人工智能的力量推动创新、提高生产力并增强运营效率。在本次讨论中，您将深入了解丰田的生成式人工智能驱动的举措，这些经验可应用于您自己的人工智能转型。探索丰田如何运用人工智能来捕捉和传递即将退休员工的关键机构知识，减少生产线设备的平均修复时间，并降低电池报废率。此外，了解丰田利用生成式人工智能加速大型机现代化的创新方法，将迁移时间缩短多达50%，同时引入新的业务能力。

演讲精华

以下是小编为您整理的本次演讲的精华。

演讲一开始，Sandeep向观众提出一个问题，询问他们是否在车辆仪表板上遇到过一些神秘的符号，比如带感叹号的圆圈、蜿蜒的车道线或带字母“P”的三角形。他指出大约有10%到15%的观众举手表示遇到过这种情况。Sandeep随后强调，当他问有多少人确切知道这些符号的含义以及此时是否安全驾驶时，只有几个人举手。他设想了一种情况，即提供更详细的解释，包括是否安全驾驶、最近经销商位置，甚至可以预约，他表示这是汽车行业中可能的生成式AI应用案例之一。

Sandeep解释说，汽车行业通常需要花费数十亿美元、数年时间进行新产品开发，而这笔投资并不总是能获得回报。他说，福布斯等机构进行的研究表明，通过利用生成式AI在数据分析、模式识别、异常检测和生成合成数据方面的能力，可以在设计和开发阶段轻松缩短数周甚至数月的时间。

Sandeep阐述了汽车行业中可以应用生成式AI的四个领域。在产品设计和质量方面，生成式AI可以提出创新的设计和造型建议，同时评估其空气动力学性能。在车辆体验方面，Sandeep设想了一个实时对话助手，可以指导用户、回答问题、提供路线引导，甚至为陌生地区提供旅游推荐。此外，生成式AI可用于为服务技术人员提供指导性故障排除步骤，简化诊断和维修车辆的过程。在自动驾驶领域，Sandeep解释说，生成式AI可以利用真实数据集生成合成交易，通过引入边缘元素，然后用于评估和进一步改进模型。

Sandeep表示，亚马逊云科技为客户提供了解决方案，无论他们在生成式AI之旅的哪个阶段，从低级控制到高级业务问题解决。他提到亚马逊云科技通过Amazon Bedrock提供了一系列领先的基础模型的选择，所有模型都可通过单一API访问，并且某些模型如亚马逊的Titan模型和Anthropic模型可进行定制。Sandeep强调，Amazon Bedrock能够配置阈值以过滤有害内容、定义允许的主题，并禁止查询某些主题。他还讨论了检索增强生成(RAG)的用例，其中模型通过客户自己的数据源进行增强，而无需更改现有模型的权重。

Sandeep介绍了Amazon Q，它为企业用户、开发人员提供不同的个性化服务，并嵌入了Amazon Connect呼叫中心和Amazon供应链等产品中的专门功能。他提到Amazon Q的功能包括呼叫记录摘要、识别客户体验负面的呼叫以用于培训，以及运行供应链场景以识别异常并规划瓶颈。

Stephen Ellis讨论了丰田从一家汽车制造公司向一家移动出行公司的转型，这带来了独特的机遇和挑战。他解释说，一些被视为全球最佳实践的制造流程是在丰田开发的，这使他们在确立新范式方面拥有丰富的知识。然而，移动出行领域需要多模态软件，在快速原型设计和迭代新用例和制造流程方面面临挑战。

为了应对这些挑战，丰田成立了企业AI团队，旨在创建卓越中心并为实验制定标准。一个被确定的差距是在过渡期间，不同经验水平的团队成员之间的知识保留。丰田利用生成式AI开发了一个知识保留平台，以不同语言在团队成员和地区之间捕获和传播信息。

该过程包括记录主题专家、将他们的知识与文档进行比较、验证其时效性、创建书面报告，并在组织内部社交化。通过生成式AI，该过程使用检索增强生成(RAG)系统自动化。RAG系统摄取文档、与主题专家进行访谈、分析与文档的信息，并创建可供其他团队成员查询的数字镜像。集成了翻译和上下文感知的转录功能。该系统允许为不同受众创建多个问题管道，确保以适当的上下文和专业水平传递信息。

Cordell讨论了两个用例:Gear Pal和Battery Brain。Gear Pal旨在减少丰田肯塔基工厂生产线上机器故障的平均修复时间。它允许团队成员向聊天机器人查询机器故障原因和修复方法，将手册、零件库存和其他文档整合到可搜索的数据库中。Cordell表示，在构建动力总成涉及数百台机器和数千种零件。

Gear Pal的数据摄取过程由于不同语言、文档格式以及表格和图像等复杂结构而具有挑战性。最初，团队在没有语言翻译的情况下构建了摄取管道，导致高延迟。他们意识到部分延迟是因为他们按系列搜索每种语言。为解决此问题，他们将所有数据转换为英语，将所有内容标准化为通用语言进行摄取。然后在查询后执行翻译，从而减少延迟。

Cordell提到，他们制作了一个类似于ChatGPT的反馈系统，用户可根据三个标准给出正面或负面反馈:正确的响应、引用的正确文档，以及引用的正确页面或选项卡。这使他们能够建立一组黄金查询，以微调语言模型并确保响应准确。

Battery Brain类似于Gear Pal，但侧重于减少生产线上电池报废。它整合了来自可信网站的互联网搜索结果，以增强响应并补充最新的电池知识。Cordell解释说，在制造过程中涉及许多变量来生产优质零件，而在车辆制造中，由于化学过程和材料纯度评估，这一过程更加敏感。丰田正在北卡罗来纳州建立一家新的制造工厂，减少电池报废对于提高效率至关重要。

摄取Microsoft OneNote文档增加了复杂性，这些文档通常包含手写体、速记、缩略语、带或不带标题的图像，以及不同的记笔记风格。Cordell表示，能够构建一个数据不可知的摄取管道，从非结构化数据中推断信息，对于Gear Pal和Battery Brain都至关重要。

Paul讨论了大型机现代化项目，旨在将大型机代码转换为现代语言如Java。之前由非亚马逊云科技供应商的尝试由于在不影响车辆生产的情况下在大型机和云环境之间热交换代码的复杂性而失败，这可能会停止车辆生产并直接影响业务。

该项目的成功归功于亚马逊云科技、丰田内部团队以及人工智能协作。Amazon Q在理解COBOL代码并推导规则方面的能力发挥了关键作用。该过程包括将代码转换为文本进行分析、识别数据消费者、数据提供者、变量、表和实体。Paul强调，在丰田内部可能有超过5000种不同的缩略语，系统需要意识到这一点，例如在车辆生产环境中，“SSM”的含义与“社会安全号码”不同。

最初，系统的准确率约为80%，但通过与丰田车辆供应链团队的人工反馈循环，准确率提高到90%以上。他们的上下文理解和准确性评估有助于识别依赖关系和迁移岛，而不会影响生产。亚马逊云科技开发了一个用户界面，丰田可以在其中加载COBOL程序，它将生成数据流、实体、数据库和其他信息供验证。

Paul强调，虽然生成式AI擅长于需要几秒到几分钟的任务，但未来在于推理引擎，将形式逻辑应用于输入和输出，用于需要数小时的任务。他提到丰田在消费者和企业应用程序中投资AI，旨在与客户共同构建移动出行的未来。

总之，该演讲展示了丰田通过与亚马逊云科技和人工智能合作伙伴的密切合作，在车辆体验、维护和代码现代化等各个领域创新性地应用生成式AI。关键要点强调了提高效率的潜力、领域知识和人工反馈循环的重要性，以及朝着推理引擎和形式逻辑发展的未来方向。

我们正处在 Agentic AI 爆发前夜。 2025 亚马逊云科技中国峰会提出，企业要从 " 成本优化 " 转向 " 创新驱动 " ，通过完善的数据战略和 AI 云服务，把握全球化机遇。亚马逊将投入 1000 亿美元在 AI 算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在 AI 时代突破。