Automated Tire股份有限公司(ATI)是一家专注于实体AI与机器人技术的企业,致力于推动传统汽车服务行业的现代化转型。近日,该公司正式宣布走出隐身模式,并推出业界首个AI驱动的机器人平台——SmartBay,该平台专为执行汽车服务任务而设计,初期功能覆盖轮胎更换、车轮平衡及车辆检测等核心服务项目。
SmartBay平台的推出,将帮助汽车经销商、轮胎门店及服务中心,从依赖技师个人经验、质量参差不齐的传统作业模式,转型为以技术为核心的智能化系统——该系统能够实时理解、自适应并精准完成复杂的实体操作任务。
SmartBay综合运用先进机器人技术、计算机视觉与机器学习,针对每辆车辆生成专属的精准执行方案,而非依赖预先编程的固定流程。这一设计有效避免了面对特殊情况及现实环境变量时频繁需要人工干预的问题。
Automated Tire股份有限公司首席执行官安迪·查洛夫斯基表示:"尽管汽车行业近几十年来在先进技术应用方面取得了长足进步,但汽车服务工位的创新程度却远远跟不上这一步伐。尤其值得关注的是,电动汽车的轮胎磨损速度比传统车型快约30%。随着电动汽车的普及,轮胎服务需求将大幅增长,然而轮胎技师这一岗位工作环境恶劣、受伤风险高,招募难度也越来越大。SmartBay平台为现代服务门店提供了切实可行的解决方案,将这项危险的体力劳动转变为高度自动化的高科技流程,真正匹配当今车辆的技术水准。"
SmartBay专有平台具备以下核心能力:
支持单名技师同时管理最多三个服务工位,将完整轮胎服务所需时间缩短约一半,最快可压缩至30分钟以内;
兼容市面上大多数消费级车辆,针对每辆车生成独立的执行方案,无需人工干预即可应对现实环境中的各类差异与变量;
搭载精密配重工具,可精确分配车轮平衡所需的配重材料用量,在减少材料浪费的同时,提供业内最高精度的平衡效果,显著提升行驶平顺性;
整套系统可完整安装于标准12英尺服务工位内,在充分保留工位原有功能的基础上,确保其他服务项目的灵活调度不受影响。
SmartBay着力解决汽车服务行业面临的三大核心痛点:持续加剧的劳动力短缺问题、轮胎更换作业的自动化需求(轮胎更换是日常汽车保养中受伤风险最高的环节),以及通过大幅缩短轮胎更换时间来提升服务工位的整体吞吐效率。
根据美国全国汽车经销商协会(NADA)发布的报告,随着资深技师陆续退休、年轻从业者持续减少,汽车行业每年面临至少3.7万名新技师的缺口。这一短缺现状使门店经营者长期陷入人手不足与高额再培训成本的恶性循环之中。
与此同时,技师高流失率导致服务质量不稳定,等待时间也越来越长,不仅令客户体验大打折扣,更直接压缩了门店的盈利空间,使这一困局愈发难以突破。
Q&A
Q1:SmartBay平台具体能做哪些事情,效率如何?
A:SmartBay是由Automated Tire公司推出的AI驱动机器人服务平台,主要用于执行轮胎更换、车轮平衡及车辆检测等汽车服务任务。该平台支持单名技师同时管理最多三个服务工位,可将完整轮胎服务时间缩短约一半,最快30分钟内完成。系统通过计算机视觉与机器学习,针对不同车辆生成独立执行方案,无需人工干预即可处理各类实际变量。
Q2:SmartBay是如何解决汽车服务行业劳动力短缺问题的?
A:根据美国全国汽车经销商协会数据,汽车行业每年面临至少3.7万名新技师的缺口。SmartBay通过自动化替代高风险的体力操作,让一名技师能够同时管理多个工位,有效降低对大量熟练技师的依赖,缓解招募困难、人员流失率高及反复培训成本高等问题,帮助服务门店摆脱人手不足的恶性循环。
Q3:SmartBay对电动汽车轮胎服务有哪些针对性优势?
A:电动汽车由于车身较重,轮胎磨损速度比传统燃油车快约30%,这意味着轮胎更换需求将随电动汽车普及而大幅增长。SmartBay平台兼容大多数消费级车辆,能够针对每辆车生成专属执行方案,高效应对电动汽车带来的服务需求增长,同时通过精密配重工具确保高精度的车轮平衡,提升行驶品质。
好文章,需要你的鼓励
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
谷歌在Android Show发布会上宣布,将Gemini更深度整合至Android系统,推出名为"Gemini Intelligence"的升级功能。该功能可跨应用处理日常任务,包括自动填写表单、安排日程、生成购物清单及自定义小组件等,无需用户频繁切换应用。此外,Gboard新增"Rambler"功能,可自动过滤语音输入中的口误和填充词。Gemini Intelligence将率先登陆三星Galaxy和谷歌Pixel手机,并支持Android Auto、Wear OS及智能眼镜。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。