HOME/ビジネス/AIソリューション/自動車・⁠モビリティ向けAI
AUTOMOTIVE / MOBILITY

自動車・⁠モビリティ向けAIソリューション
車載エッジAI・SDV開発・フィジカルAIの実装支援

車の中で動く生成AI(VLM・SLM)と、クラウドのAIエージェントの役割分担を設計し、自動車メーカーの先行開発からPoC・MVPまでを支援します。
車内の音声エージェント、利用者に合わせた提案、車載ソフトのAI駆動開発まで、車をつくる・⁠載せる・⁠使うの各場面に対応します。

01/概要

車に載せる・⁠車をつくる・⁠車を使うの3つの場面で使うAI

自動車・⁠モビリティ向けAIとは、自動車や二輪車、鉄道・⁠航空などの移動手段に関わる仕事にAIを使うことです。対象は大きく3つに分かれます。1つ目は車に載せるAIで、車の中の端末で動き、カメラ映像の認識や音声での操作を受け持ちます(車載AI、エッジAI)。2つ目は車をつくる仕事のAIで、車載ソフトウェアの開発や、生産ラインの外観検査に使います。3つ目は車を使う・⁠運ぶ仕事のAIで、乗る人に合わせた提案や、車両の遠隔監視、フリート管理、MaaSなどの運行の仕事に使います。

ソフトウェアの更新で機能を伸ばしていく車をSDV(ソフトウェア定義車両、Software Defined Vehicle)と呼びます。SDVでは、販売後も通信によるソフトウェアの更新(OTA)で機能を足せるため、AIを載せて育てていく考え方が現実的になりました。当社は、画像と言葉を合わせて扱うVLM(視覚言語モデル)や、端末でも動く小さな生成AIであるSLM(小規模言語モデル)を、車の中とクラウドで役割を分けて組み合わせ、先行開発の段階から実装を支援します。

自動車・⁠モビリティ向けAIの3つの場面(当社作図)
IN-VEHICLE車に載せる車の中の端末でカメラ映像や声を処理し、通信が途切れてもすぐに応える
運転支援の認識音声アシスタントHMI
ENGINEERING車をつくる車載ソフトウェアの開発と、生産ラインの品質確認をAIで速くする
車載ソフト開発合成データ外観検査
SERVICE車を使う・⁠運ぶ車両と利用者のデータをクラウドで分析し、一人ひとりへの提案や運行に生かす
パーソナライズ遠隔監視・⁠更新フリート管理

車の中で動くAIを使うメリット

メリット
内容
業務での使い道
すぐに応える
映像や声を車の中で処理するので、通信の往復を待たずに応答できる
交差点での歩行者・⁠自転車の確認の補助、音声での操作
通信がなくても動く
トンネルや山間部など電波が弱い場所でも、基本の機能が止まらない
走行中の案内、オフラインでの記録の作成
データを外に出さない
車内の映像や会話を端末の中で処理し、送る情報を絞れる
乗る人のプライバシーへの配慮、情報漏えいの対策
費用を抑えられる
クラウドに問い合わせる回数を減らし、利用量に応じた費用を下げる
台数が多いサービスの運用費の管理
あとから育てられる
ソフトウェアの更新でAIを入れ替え、使うほど賢くできる
SDVでの機能の追加、利用者ごとの調整

02/注目される背景

SDV化と自動運転のAI化を掲げる国の戦略と国際ルール

車の価値は、エンジンや車体だけでなく、ソフトウェアとAIで決まる比重が高まっています。海外では、通信によるソフトウェアの更新を年に何百回も重ねる車や、AIアシスタントを更新で賢くしていく車がすでに走っています。国の戦略は、このSDV化と、AIを使った自動運転の開発を重点に挙げています。一方で、それを担うソフトウェア人材は足りず、AIの判断の根拠をどう確かめるかという安全評価の課題も示されています。

文書
発行主体・⁠時期
記載内容(要約)
経済産業省 製造産業局 自動車課 モビリティDX室(2026年3月)
SDVを「通信によるソフトウェアの更新で機能を継続的に高められる車」と整理し、自動運転AIの開発促進を施策の柱に置く。実データと仮想データを組み合わせた学習や、極端な場面を実走行だけでは確かめにくいためシミュレーションを使った評価の手法づくりを挙げている
経済産業省・⁠国土交通省(2025年6月公表、現行版)
SDVの世界販売で日系シェア3割(2030年・2035年)を目標に掲げる。車内ではAIアシスタントやAIエージェントによる新しいサービス、開発ではAIによる効率化の動きを紹介。2030年までにソフトウェア人材が約5.1万人不足するとの推計を示している
国連欧州経済委員会(UNECE)WP.29(2026年6月)
完全な自動運転システムを積んだ車について、安全管理の仕組み、安全性の根拠に基づく検証、市場に出た後の継続的な監視を求める国際ルールを採択。日本も支持国に含まれる
出典は各文書の記載をもとに当社で要約しています。戦略の公表時の資料は 経済産業省のお知らせ から確認できます。

つまり、車の中で動くAIを、更新し続けられる形で、根拠を示しながら作れるかが問われています。当社は、車の中とクラウドの役割分担の設計と、合成データやシミュレーションによる評価を軸に、この流れに沿ったAIの実装を支援します。

03/仕組み

車の中のAIとクラウドのAIエージェントの役割分担

車に載せる生成AIは、端末の計算力と電力に限りがあるため、何でも車の中で処理するわけにはいきません。反対に、すべてをクラウドに送ると、応答の遅れと通信の費用が膨らみます。当社は、すぐに答えるべき処理は車の中で、時間をかけて考える処理はクラウドで、と仕事を振り分ける構成を基本にしています。

車の中とクラウドの役割分担(当社作図)
車の中(端末)
見る・⁠聞く・⁠すぐ応える軽くしたVLMがカメラ映像から状況をつかみ、SLMが発話の内容を振り分ける。よく使う操作は車の中で完結させる
VLMSLM量子化・⁠軽量化車載半導体
振り分け
車の中で足りない処理だけを送る答えに外部の情報が要るときや、複雑な判断が要るときだけクラウドに問い合わせる
発話の分類関数呼び出し(Function Calling)
クラウド
考える・⁠個別に合わせる複数のAIエージェントが、状況の分析、提案の方針、伝える内容の作成を分担し、とりまとめ役が全体を動かす
AIエージェントパーソナライズMicrosoft Foundry
開発・⁠運用の基盤
学ぶ・⁠確かめる・⁠届ける走行データと合成データで学習し、シミュレーションで確かめ、通信による更新(OTA)で車に届ける。車ごとの状態を遠隔で監視する
合成データシミュレーションOTAエッジLLMOps

車に載せるための軽量化の工夫

大きなAIモデルをそのまま車載の半導体に載せても、速さが出ません。当社は、数値の精度を落として計算を軽くする量子化、使わない部分を省く構造の見直し、AIの計算を速くする実行環境(TensorRTなど)への置き換えを組み合わせます。研究論文の手法をそのまま試すだけでなく、組込み機器で動く言語(C/C++)に書き直すところまで、生成AIを使って速く進めます。

工夫
内容
効果
量子化
計算に使う数値の桁を減らす
メモリと計算量を減らし、端末で動かせる大きさにする
構造の見直し
用途に要らない部分(例: 文章を作る部分)を省く
認識だけが要る場面で応答を速くする
実行環境の最適化
車載向けGPUや専用の実行環境に合わせて書き換える
同じ端末でも1秒あたりに処理できる画像の数を増やす
合成データ
3Dやゲームエンジンで、魚眼カメラの映像や危険な場面を作る
実車で集めにくいデータを補い、認識の精度を上げる

04/当社の支援内容

先行開発の試作からPoC・MVP、量産を見据えた評価までの支援

自動車のAIは、研究開発部門の先行開発から始まり、PoC(実証)、MVP(最小限の製品)を経て、量産に向けた評価へと進みます。当社は、入口の診断と試作から関わり、検証を回し続ける運用、全社への展開までを段階に分けて支援します。現場にはX-Tech FDEのエンジニアが入り、お客様の開発チームと一緒に手を動かします。

支援の段階(当社作図)
STEP A診断・⁠試作対象の機能を1つ選び、車の中とクラウドの分担を設計して試作する
STEP B先行開発・PoC実データと合成データで学習し、実機に近い環境で確かめる
STEP CMVP・評価を回す更新と評価を繰り返す仕組みをつくり、精度と応答を磨く
STEP D展開他の車種・⁠部門へ広げ、社内のAI活用の体制に組み込む
全段階を通じて X-Tech FDE が現場に入り、お客様の開発チームと伴走

支援メニュー

MENU 1

車載エッジ生成AI

カメラ映像を理解するVLM(視覚言語モデル)や、言葉を扱うSLM(小規模言語モデル)を、車載の半導体で動くように軽くし、運転支援や車内の案内に組み込みます。

VLMSLM量子化
MENU 2

車載・⁠二輪の音声エージェント

端末の上で発話の内容を振り分け、よく使う操作は車の中で答え、必要なときだけクラウドに問い合わせる音声操作(HMI)を設計します。

音声アシスタントFunction Calling
MENU 3

クラウド連携型の車載AIエージェント

走行の状況や利用者の好みに合わせた提案を行うハイパーパーソナライズの仕組みと、車両の遠隔監視・⁠ソフトウェア更新の仕組みを組み合わせます。

パーソナライズOTAコネクテッドカー
MENU 4

合成データとシミュレーション

3Dやゲームエンジンで車載カメラの映像を作り、AIの学習と評価に使います。工場や車両のデジタルツインとも組み合わせられます。

合成データシミュレーション
MENU 5

車載ソフトウェアのAI駆動開発

要件定義から設計、実装、テストまでをAIエージェントと進めるAI駆動開発を、車載ソフトや社内システムの開発に適用します。開発の進め方を組織に根づかせるSAIDDarも使えます。

AI駆動開発V字開発GitHub Copilot
MENU 6

生産・⁠品質のAI

生産ラインの外観検査や不良品の検知、設備データの分析を支援します。工場全体の取り組みは製造業向けAIソリューションで紹介しています。

外観検査不良品検知設備連携

05/当社の特長

車の中とクラウドの分担を設計し、論文の手法を車載の形にする力

以下は、自動車・⁠モビリティ領域での当社の強みです。

当社の特長 1

車の中とクラウドの分担の設計

端末で処理する範囲と、クラウドのAIエージェントに任せる範囲を、応答の速さ・⁠費用・⁠通信が途切れたときの動きから決めます。二輪向けの音声操作では端末側の振り分けを、モビリティ企業向けではクラウド側の複数エージェントと遠隔更新を形にしてきました。

当社の特長 2

研究の手法を車載で動く形にする

研究論文の認識手法を、生成AIを使ってPythonから組込み向けのC/C++へ書き換えるなど、試作の速さと車載で動く形の両方を追います。言語の部分を省いて軽くしたVLMで、組込み向けGPUの上での高速化も進めてきました。

当社の特長 3

半導体を選びすぎない構成

特定の車載半導体を前提にせず、複数の候補を同じ基準で比べられるよう、学習から端末への載せ替えまでの流れを整えます。量子化と実行環境の最適化の知見を、端末の選定の段階から生かします。

当社の特長 4

フィジカルAIへの広がり

車載エージェントで培ったVLMの知見は、ロボットや工場の機械を動かすフィジカルAIにも生かしています。車と工場、車と物流のように、移動と現場をつなぐテーマにも対応できます。

06/取り組み事例

自動車メーカーの先行開発からモビリティサービスまでの取り組み

お客様名は伏せ、業種と取り組みの内容で紹介します。多くは研究開発部門での先行開発・PoC・MVPの段階の取り組みです。

PoC

大手自動車メーカーの先進技術開発部門:交差点での周辺確認を支援するVLM

車の周りを映すカメラの映像をVLMで読み取り、見通しの悪い交差点での歩行者や自転車の確認を支援するPoCを行いました。文章を作る部分を省いて軽くしたVLMを組込み向けGPUの上で速く動かし、3Dで作った合成データで学習を補いました。複数社の提案の中から選ばれて実施しています。

VLM合成データ組込みGPU
共同研究開発

大手自動車メーカーの研究開発部門:量販車を見据えた先行プロトタイプ

カメラ映像から車の位置と周りの地図を推定する手法などを使った先行プロトタイプを、共同で研究開発しています。研究論文の手法をPythonからC/C++へ書き換える作業に生成AIを使い、試作の速度を上げています。

画像認識自己位置推定C/C++化
先行開発

車載機器メーカー:二輪車向けの音声操作

スマートフォンの上で動くSLMが発話の内容を振り分け、ナビや通話などの操作を声で行える仕組みを先行開発しました。国際的な技術展示会で出展されたモデルに使われています。

SLM音声HMI二輪
MVP

大手モビリティ企業:クラウド連携型の車載AIエージェント

状況の分析、提案の方針の選択、伝える内容の作成を別々のAIエージェントが受け持ち、とりまとめ役がつなぐ車載AIエージェントのMVPを開発しました。利用者に合わせた提案と、遠隔での監視・⁠更新に対応しています。最初の段階を終え、次の段階の開発を準備しています。

AIエージェントパーソナライズOTA
開発

モビリティ企業の新規事業:AI駆動開発でのシステム開発

数十画面の業務システムを、少人数のチームが約半年で、要件定義からテストまでAI駆動開発で仕上げました。仕様を先に固め、AIエージェントに実装とテストを任せる進め方です。

AI駆動開発仕様駆動開発
開発・⁠技術検証

自動車メーカー:生産ラインの不良品検知と合成データ

生産ラインの設備と連携して不良品を見つけるアプリケーションを開発しました。別の取り組みでは、ゲームエンジンで車載の魚眼カメラの映像を作り、VLMの学習データにする技術検証も行っています。

外観検査設備連携合成データ
技術解説:VLMの一例であるFlorence-2の使い方は、当社エンジニアの記事 Florence-2をHugging Face上で触ってみる で紹介しています。

関連する当社の取り組み

車載エッジAIエージェントのラインナップ強化
NEWS2024.12

車載エッジAIエージェントのラインナップ強化

第一弾として車載エッジAIエージェントのラインナップを強化。車載の半導体で動くSLM・VLM、量子化、エッジLLMOpsなどを発表しました。

詳しく見る
次世代フィジカルAI市場への本格参入
NEWS2025.11

次世代フィジカルAI市場への本格参入

車載エージェントで培ったVLMと、SLMのノウハウを統合し、自動車・⁠モビリティ業界などへの展開を発表しました。

詳しく見る

07/顧客価値

開発の速さ・⁠運用の費用・⁠安全の根拠への効果

お客様の課題
当社の対応
期待できる効果
生成AIを車に載せたいが、端末で速く動かない
量子化・⁠構造の見直し・⁠実行環境の最適化を組み合わせる
先行開発の段階で、実機に近い速さを確かめられる
クラウドのAIの利用料と応答の遅れが心配
車の中で答える処理とクラウドに送る処理を振り分ける
問い合わせの回数を絞り、台数が増えても費用を見通せる
学習に使う映像が足りない、危険な場面を集めにくい
3Dやゲームエンジンで合成データを作り、実データと組み合わせる
集めにくい場面を補い、評価の範囲を広げられる
車載ソフトの開発人材が足りない
AI駆動開発で要件定義からテストまでをAIエージェントと進める
少人数でも開発を回せる体制に近づく
AIの判断の根拠を説明しにくい
AIに任せる範囲を限り、人の確認と記録を組み込む
安全の評価と社内の説明がしやすくなる

立場ごとの価値

経営・⁠事業企画

SDV時代の新しい車内サービスや、ソフトウェアで稼ぐ事業の形を、試作で確かめながら判断できます。

先行開発・⁠研究開発

研究の手法を車載で動く形にする作業を速め、試作の回数を増やせます。

車載ソフトウェア開発

AI駆動開発で、仕様からテストまでの流れを少人数で回せるようになります。

品質・⁠安全

シミュレーションと合成データで評価の範囲を広げ、AIに任せる範囲を明確にできます。

生産技術

外観検査や不良品検知をAIで支え、ラインの品質を安定させます。

サービス企画・⁠運行

利用者ごとの提案や、車両の遠隔監視、フリート管理の仕事を効率化できます。

08/ユースケース・⁠適性

運転支援の認識から車内体験・⁠開発・⁠生産・⁠運行までのユースケース

運転支援(ADAS)の認識の補助

車の周りのカメラ映像から、歩行者や自転車、交差点の状況を読み取り、ドライバーの確認を支援します。

車内の音声アシスタント

ナビ・⁠空調・⁠通話などの操作や、車の使い方の質問に、声で答えます。通信が弱い場所でも基本の操作は止めません。

利用者に合わせた提案

走り方や好み、時間帯に合わせて、立ち寄り先や運転のアドバイスを提案します。

車両の遠隔監視とソフトウェア更新

コネクテッドカーの状態を集めて異常の兆しを見つけ、更新の配信と結果の確認を支えます。

車載ソフトと業務システムの開発

仕様書の作成、コードの生成、テストの作成をAIエージェントと進めます。

生産ラインの外観検査

部品や完成品の画像から不良を見つけ、設備と連携して記録します。

自動車以外のモビリティでの使いどころ

分野
AIの使いどころ
当社の取り組みの例
航空
電波が使えない機内での記録づくり
端末で動くSLMで、乗務の報告書をオフラインで作る実証
鉄道
駅係員の問い合わせ対応、線路の監視
駅係員向けの生成AIアシスタントの開発、線路の監視に使う端末の開発
物流
荷物の積み下ろしにかかる時間の把握
カメラの中でAIが動く仕組みで作業時間を記録する展示

適性チェック

適合するお客様

研究開発部門で車載AIの先行開発を始めたい/生成AIを端末で動かす技術の当たりを付けたい/クラウドと車の役割分担を設計したい/車載ソフトの開発をAIで速くしたい

適合しにくいお客様

量産車にすぐ載せる完成品のAI部品を探している/安全に直結する制御そのものをAIに任せたい/扱う映像・⁠音声データをまったく用意できない

09/想定ROI

車載音声エージェントのクラウド費用と応答時間の比較

台数の多い車載サービスでは、すべての発話をクラウドに送るか、車の中で振り分けるかで、毎月の費用が大きく変わります。次の前提で試算しました。

項目
すべてクラウドで処理
車の中で振り分け
クラウドへの問い合わせ
月3,000万回(全発話)
月900万回(7割を車の中で処理)
クラウドのAIの利用料
月 約900万円
月 約270万円
よく使う操作の応答
約1.5秒(通信の往復を含む)
約0.3秒(車の中で完結)
電波が弱い場所
応答できない
基本の操作は応答できる
初期の開発
--
発話の分類と端末への組込み:約60人日
前提:利用台数10万台、1台あたり1日10回の発話、クラウドの問い合わせ1回あたり0.3円、車の中で処理できる発話の割合7割。お客様の台数・⁠発話の内容・⁠端末の性能でPoCの中で測り直します。

10/導入ステップ

対象の機能の診断から量産を見据えた評価までの5ステップ

1
STEP 1 対象の機能の診断運転支援・⁠音声・⁠パーソナライズ・⁠開発・⁠生産のうち、最初に取り組む機能を1つ選び、使えるデータと端末を確認します。
2〜4週間
2
STEP 2 分担の設計と試作車の中とクラウドの分担を決め、小さな試作で速さと精度の当たりを付けます。
試作構成の設計
3
STEP 3 先行開発・PoC実データと合成データで学習し、実機に近い環境やシミュレーションで確かめます。
合成データシミュレーション
4
STEP 4 MVPと評価の仕組み更新と評価を繰り返す流れをつくり、遠隔での監視とソフトウェア更新を組み込みます。
OTAエッジLLMOps
5
STEP 5 展開他の車種・⁠部門に広げ、社内のAI活用の体制(AI Agent CoE)に組み込みます。
AI Agent CoE

11/他の手段との違い

自社開発・⁠汎用のクラウドAI・当社の支援の選び方

観点
自社だけで開発
汎用クラウドAIのみ
当社の支援
車の中で動かす
軽量化の知見を一からためる必要がある
通信が前提で、端末では動かない
量子化・⁠実行環境の最適化まで支援
クラウドの分担
設計は自社の判断
すべてクラウドで処理しがち
費用・⁠速さ・⁠通信断から分担を設計
学習データ
実車での収集が中心
自社データでの調整は限られる
合成データとシミュレーションで補う
開発の体制
人材の確保が課題
開発の手間は残る
X-Tech FDEとAI駆動開発で伴走

12/ガバナンス・⁠安全

AIに任せる範囲と、人とルールで守る範囲を分ける設計

安全に関わる制御との分担

走る・⁠曲がる・⁠止まるの制御は従来の仕組みが受け持ち、AIは認識の補助や案内などの支援に使う形を基本にします。

判断の確認と記録

AIの出力を人が確かめるHuman-in-the-Loopの手順と、判断の記録を残す仕組みを組み込みます。

車内のデータの扱い

映像や会話は車の中でできるだけ処理し、クラウドに送る情報を絞ります。送る場合は目的と保存期間を決めます。

ソフトウェア更新と社内統制

更新の内容と結果を記録し、全社のAIガバナンスやAgentic Securityの考え方と合わせて管理します。

13/当社について

Microsoft AI Innovation Partner of the Year 2024 受賞
AWARDMicrosoft

Microsoft AI Innovation Partner of the Year 2024 受賞

Microsoftのパートナーアワードで、AIの革新的な活用を評価されました。

X-Tech FDEによる、現場起点のAI実装
SERVICE伴走

X-Tech FDEによる、現場起点のAI実装

エンジニアがお客様の現場に入り、課題の発見から実装・⁠定着までを一緒に進めます。

詳しく見る

14/はじめ方

1つの機能を対象にした適用テーマの診断

最初は、運転支援の認識、車内の音声操作、利用者に合わせた提案、開発の効率化、生産の品質の中から1つの機能を選び、使えるデータ・⁠端末・⁠目標の速さを確かめる診断から始めます。診断の結果をもとに、車の中とクラウドの分担案と、試作の進め方、お客様の数字で試算し直した想定ROIをお渡しします。

15/関連ソリューション

VLM(視覚言語モデル)導入支援
SOLUTION画像×言語

VLM(視覚言語モデル)導入支援

画像と言葉を合わせて扱うAIを、端末やクラウドで使う形にします。

詳しく見る
SLM(小規模言語モデル)アプリ開発
SOLUTIONエッジ生成AI

SLM(小規模言語モデル)アプリ開発

端末やスマートフォンで動く小さな生成AIのアプリを開発します。

詳しく見る
Physical AI Harness
SOLUTIONフィジカルAI

Physical AI Harness

ロボットや機械を動かすAIを、安全に現場で使うための仕組みです。

詳しく見る
ハイパーパーソナライズ
SOLUTIONAIエージェント

ハイパーパーソナライズ

利用者一人ひとりに合わせた提案を、AIエージェントがその場で行います。

詳しく見る
AI駆動開発(SAIDDar)
SOLUTION開発

AI駆動開発(SAIDDar)

AIエージェントと進める開発を、組織の標準にするための仕組みです。

詳しく見る
製造業向けAIソリューション
SOLUTION製造業

製造業向けAIソリューション

生産データの分析から異常検知、フィジカルAIまで、工場のAI活用を支援します。

詳しく見る

16/よくあるご質問

Q.自動車業界でのAI活用には、どのようなものがありますか。
A.車に載せるAI(運転支援の認識、音声アシスタント)、車をつくる仕事のAI(車載ソフトウェアの開発、生産ラインの外観検査)、車を使う仕事のAI(利用者に合わせた提案、遠隔監視、フリート管理)の3つに大きく分かれます。
Q.SDV(ソフトウェア定義車両)とは何ですか。
A.通信によるソフトウェアの更新(OTA)で、販売後も機能を伸ばしていける車のことです。AIを載せて更新で育てる考え方と相性がよく、国のモビリティDX戦略でも中心のテーマになっています。
Q.車載AI・エッジAIとクラウドのAIは、どう使い分けますか。
A.速さが要る処理や、通信が途切れても止めたくない処理は車の中(エッジ)で、時間をかけた分析や利用者ごとの提案はクラウドで行うのが基本です。当社は費用と応答の速さから分担を設計します。
Q.生成AIはすぐに量産車へ載せられますか。
A.現在の当社の取り組みの多くは、研究開発部門での先行開発・PoC・MVPの段階です。量産に向けては、車載半導体での性能、安全の評価、更新の仕組みを段階を分けて確かめていきます。
Q.自動運転の開発も支援できますか。
A.自動運転そのものの制御ではなく、カメラ映像の認識の補助、合成データやシミュレーションによる学習・⁠評価の支援を中心に行います。
Q.どの車載半導体に対応していますか。
A.特定の半導体を前提にせず、組込み向けGPUなど複数の候補を同じ基準で比べられるように進めます。端末の選定の段階からご相談ください。
Q.鉄道や航空など、自動車以外のモビリティでも相談できますか。
A.はい。電波が使えない場所での記録づくりや、係員の業務支援、設備の監視など、移動に関わる現場のAIをご相談いただけます。
Q.最初は何から始めればよいですか。
A.取り組みたい機能を1つ選び、適用テーマの診断(STEP 1)から始めます。使えるデータと端末を確かめ、想定ROIをお客様の数字で試算し直します。

自動車・⁠モビリティ向けAIについてのご相談

車載エッジAIの先行開発、車内の音声エージェント、クラウド連携型の車載AIエージェント、車載ソフトのAI駆動開発まで、貴社の状況に合わせてご提案します。

お問い合わせ