通用汽車 GM 近年在矽谷設立小規模 AI 卓越中心，這一舉措不僅向市場展現了其轉型策略，也闡釋了傳統製造巨頭如何積極引進頂尖 AI 人才，打造小而精的研發團隊，為自動駕駛、製造自動化與賽車運動注入全新動能，嘗試在全球汽車產業的結構性變革中搶占先機。
將 AI 驅動的理念滲透至百年汽車品牌
過去八個月，GM 頻繁向 Google、Meta、AWS 挖角 AI 領域的高端人才，還包括來自 Pixar、Lucasfilm 具備機器人與深度學習經歷的技術專家。GM 打造的這支 AI 核心團隊人數雖未及 20 人，卻集結了人工智慧語言模型、機器學習、生成式 AI、設計等多領域菁英。例如，原 Google AI 負責人 Barak Turovsky 成為 GM 首任 AI 長官，前 Pixar 特效工程師 John Anderson 則領導 AI 研究。
GM 軟體工程副總裁 David Richardson 認為，汽車正成為爭奪 AI 人才的新戰場。特別的是，GM 在團隊規模上刻意維持小型、精簡的團隊。這種策略不僅能讓組織快速協作、靈活應變，也更方便跨部門支援、針對問題迅速投入新技術；透過內外交流、人才輪調與定期研討，盡力消除 AI 團隊與底特律總部間的隔閡，試圖將軟體驅動的理念深度滲透至百年汽車品牌之中。
AI 團隊還將觸手擴及工業與賽車領域
GM 成立的 AI 卓越中心承擔多項任務，涵蓋自動駕駛、協作機器人、軟體開發流程自動化，甚至還有賽車運動資料決策。
通用汽車在自動駕駛歷經 Cruise 的重大挫折後，新成立 AI 團隊聚焦於支援個人用車的自駕技術，特別著重在更深層次的技術研究與資料分析方面。
第二，工廠領域中的「協作機器人」（cobots）也正快速發展。John Anderson 及團隊基於 GM 幾十年累積的製造業數據，研發符合人體工學的機器人，以協助工廠工人執行高難度與高門檻作業，目標提升安全，也降低生產成本。且與一般市售機器人不同，GM 的 cobot 技術將著重自主學習、自動適應，利用獨有的知識產權從零打造匹配需求的工業解決方案。
第三，AI 團隊積極推動生成式 AI 編碼工具，協助各部門工程師更有效率地開發車用軟體。同時，軟體團隊也運用 AI 優化無線更新（OTA，Over-The-Air）技術，讓汽車系統升級不再繁瑣，維護、故障排除都能用自動化解決，為龐大的車主群體提升體驗、減少支出成本。
有趣的是，GM MotoSports 部門（含全國運動汽車競賽協會 Nascar，未來還將涵蓋 F1）正在和 AI 團隊合作，將賽事海量數據即時分析，進一步強化比賽策略、決策精準度，為品牌的技術形象與競技成績加分。
AI 團隊以顧問角色，協助各部門建立專屬的 AI 應用場景，將 AI 內化為組織核心技能。
在汽車領域做出軟硬整合的獨特創新
矽谷的創新與底特律汽車文化如何融合，成為 GM 跳脫過往創新實驗室的最大課題。
GM 強調，AI 團隊不是複製 Google 或 Apple 的組織型態，而是針對汽車專長，深度嫁接軟體技術，也就是將百年品牌在安全、品質、工程工藝上的專業，和 AI 工程師在自動化與生成式技術上的優勢，透過持續的深度交流逐步融合。
Richardson 直言，GM 並不追求成為真正的科技公司，而是在汽車領域做出軟硬整合的獨特創新。這一點極為重要，因為過去許多企業設立獨立 AI 團隊，卻因文化隔閡導致成效不彰，GM 則力求「深度融合」。
面對全球汽車產業從硬體製造向軟體驅動轉型，GM 希望以 AI 為槓桿，建構更靈活、更高技術含量的工業系統，既應對外部政經波動，也為未來車用生態應變提前布局。
GM 能否脫穎而出？
隨著汽車產業核心逐漸由硬體轉向軟體，GM 這種不刻意模仿科技公司，旨在深度結合軟體的策略，是否能在市場上形成差異化競爭力，這問題值得市場持續觀察。
小型 AI 卓越中心透過人才密集、組織精簡和全方位滲透，能有效推動企業轉型，但在面對全球性人才爭奪及技術演化加速的壓力下，這種模式是否足以支撐 GM 的長期競爭力？
GM 的 AI 轉型，注重跨域整合與文化協調，並力求在自有技術和實際業務中取得平衡，展現出極高的前瞻性。未來，隨著 AI 團隊在製造、生產、運動賽事等領域深度介入，GM 究竟能否在結合汽車產業的軟硬體策略中脫穎而出，值得所有關注產業的觀察者持續追蹤。
【推薦閱讀】
◆ 【DHL 在德國的 AI 轉型路】面對三分之一員工退休大潮，如何靠 AI 保衛營運？？
◆ 6 點開工、白天被會議塞爆，晚上 10 點還收信——微軟：無盡工作日是 AI 轉型最大阻礙
◆ 【OpenAI 親授】《在人工智慧時代保持領先》，給你企業 AI 轉型 5 大實作原則
＊本文開放合作夥伴轉載，參考資料：《WSJ》、《AXIOS》，圖片來源：GM
（責任編輯：鄒家彥）
