电装对于人工智能的研发，始于1991年。并不断将研发成果用于车载领域，取得诸多进展。目前，电装AI研发以实用化为目的，主要的优势在三个方面：算法、半导体、品质基础。
算法
车载设备中加载的算法，需要在兼顾高性能及消费者需求的同时，解决产品的实用化问题。因此，在算法的开发中必须尽早导入AI技术，具备充分的数据学习能力和计算机环境的同时，实现高速化和内存占用率的下降。
半导体
在半导体开发中，在“车载”的条件制约下，需要创造完美的表现，因此必须与算法的开发团队共同研发，以小型化、高速化为目标积极引入先进技术。同时，得益于各半导体企业间的合作的车载产品项目，从而可以尽早实现车载AI系统的实用化。
品质基础
品质，对于开发的任何流程都是不可或缺的重要组成部分。由于导入了机械学习技术，就必须在开发的各个场景中采用全新的品质保证技术。在品质基础当中，包含了数据学习的品质、学习样品的品质及使用该样品的系统的品质。必须在保证这些品质的前提下开发基础技术。
电装AI研发实例
高速、低内存占用率的特定标志（landmark）点推定技术trACE
电装图像识别技术
图像识别技术是高速驾驶辅助系统中不可或缺的技术。但是，目前这项技术的高速化受制于镜头获得待处理图像信息过多的困扰。由此电装推动了大幅削减识别图像信息量的基础理论研究。这项研究的成果就是高速、低内存占用率的特定标志（landmark）点推定技术trACE。
通过这项技术，可以高速识别对象物体的各个标志性部位，比如对象物体为车辆时，可以识别轮胎、前挡风玻璃、引擎盖等关键点；如果对象物体为人脸，可以识别鼻子、眼镜、嘴巴等关键点。如果将此技术实际运用到车载电脑中，有望大大提高高速驾驶辅助系统的性能。
考虑各种风险的谨慎自动驾驶
电装自动驾驶算法
在城市等复杂路况下，为驾驶员提供必要的支持或安全舒适的自动驾驶，都需要高效地预测各种各样的风险并及时采取相应的措施。需要开发出在构建预测驾驶场景如何变化的人工智能技术和机械学习算法的同时，也能针对预测结果实时采取相应措施的算法。将以实际车辆收集到的数据为基础，通过验算及车辆模型等多种平台进行高效的推进技术验证。
在汽车领域，人工智能的迅速崛起，推动了自动驾驶的加速前进。电装将继续深入研究，不断推进安心、安全的汽车社会，不断致力于各项先端技术的开发，为零交通事故社会的实现而做出贡献。
在2017年，电装提出新的品牌口号：“Crafting the Core”，新口号传达了“电装会更大的发挥代表企业灵魂的造物精神，创造新的价值，为世界打造各种核心事物”的意愿。建设人、车、环境和谐共存的美好未来是电装的愿景，今后电装将继续致力于环保、安心·安全技术和产品的开发，积极为中国社会作出贡献。
