起亚推广视觉AI技术实现车辆识别码自动识别

起亚通过集成多模态AI技术，已将车辆识别码自动识别功能应用于包括韩国国内工厂及美洲、欧洲、印度在内的全球约70个生产现场，以实时对比实物与系统信息，降低生产质量风险。

在汽车生产现场，原本需要作业人员逐一肉眼确认的车辆识别码检查工作，正逐渐被人工智能（AI）所取代。这种方式通过AI实时判读实物车辆与系统规格信息是否一致，从而提高生产流程的准确度。

根据HYUNDAI公开的视频显示，起亚视觉AI分析团队正在运营一项利用最新计算机视觉和视觉语言模型（VLM）为基础的多模态AI技术，实现车辆识别码自动识别与管理的业务。此前，该工作仅依赖于系统中注册的规格信息，或需由作业人员直接进行肉眼确认。然而，随着生产流程日益复杂，出现实物车辆与数据不符的错误风险也随之增加，这可能成为导致生产质量问题的因素。

转向单一集成模型，确保全球70个场所的运营稳定性

目前，起亚的视觉AI技术已应用于包括蔚山、牙山、全州、光明、华城、光州在内的韩国国内所有工厂，以及美洲、欧洲、印度、亚太地区等全球约70个生产现场。当安装在生产线上的摄像头拍摄车辆识别码后，AI会分析图像并与系统注册信息进行实时对比，立即判断是否一致。

近期，为了应对迅速增加的应用工厂，起亚全面改组了服务架构。此前采用的是“孤岛（Silo）”模式，即仅针对各工序的特定数据进行模型训练，且在提供服务时未进行推理引擎优化。但随着应用范围的扩大，在管理和维护各独立模型版本方面出现了局限性。

为解决这一问题，起亚构建了单一集成模型以统一管理点，并重新搭建了基于推理引擎的API端点。通过这种方式，在提高模型通用识别性能的同时，还完成了具备扩展性的端到端（End-to-End）环境，能够无延迟地处理来自多个工厂的推理请求。

向“物理AI”时代进化……目标是克服制造现场的物理限制

起亚视觉AI分析团队工程师Kwon Oh-hyeon预测，在未来5年内，AI技术将超越能够自主设计任务的“智能体AI（Agentic AI）”，向着能在制造及移动出行现场执行即时物理动作的“物理AI（Physical AI）”进化。

随着这种变化，包括机器人等设备领域的模型推理以及包含网络在内的基础设施的重要性将进一步提升。分析认为，停留于数字空间的AI将克服现实世界的物理限制，完成真正意义上的工业自动化。

Kwon Oh-hyeon表示：“能够亲身经历实验室最新的AI技术应用于实际制造现场并创造实质价值的过程，是这项工作的魅力所在。我希望能够为完成能够将复杂模型立即转化为服务的稳定AI流水线做出贡献。”

来源：原视频（YouTube）