隨著去年ChatGPT走紅后，大模型的熱度便持續(xù)不減，AI技術(shù)正在加速顛覆各行各業(yè)。近日，一則奔馳與微軟合作將ChatGPT接入車(chē)輛測(cè)試的消息引發(fā)輿論關(guān)注，微軟發(fā)言人稱(chēng)其是ChatGPT在汽車(chē)上的首次應(yīng)用。一時(shí)間，關(guān)于“大模型上車(chē)”的話題開(kāi)始頻頻見(jiàn)諸報(bào)端。事實(shí)上，從今年上半年開(kāi)始，國(guó)內(nèi)眾多科技巨頭就已經(jīng)紛紛發(fā)布了旗下的AI大模型產(chǎn)品，如百度文心一言、阿里通義千問(wèn)、訊飛星火等，并且已經(jīng)開(kāi)啟了與主機(jī)廠之間的合作。業(yè)內(nèi)普遍認(rèn)為，AI大模型有望將汽車(chē)智能化帶到一個(gè)前所未有的高度。前景固然美好，但AI大模型上車(chē)真的會(huì)順風(fēng)順?biāo)矗?br>

何為AI大模型？

簡(jiǎn)單來(lái)說(shuō)，AI大模型是基于深度學(xué)習(xí)技術(shù)的人工智能模型。通過(guò)人工智能技術(shù)，使用數(shù)以?xún)|計(jì)的參數(shù)和計(jì)算資源進(jìn)行大規(guī)模、高復(fù)雜度的學(xué)習(xí)和訓(xùn)練，從而實(shí)現(xiàn)自然語(yǔ)言處理、圖像識(shí)別、語(yǔ)音識(shí)別等復(fù)雜任務(wù)。從功能上來(lái)看，AI大模型在汽車(chē)領(lǐng)域有兩種可能的落地形式。

一類(lèi)是用于人工智能對(duì)話交流，大多數(shù)應(yīng)用在智能座艙。比如此前發(fā)布的百度的文心一言，已有東風(fēng)日產(chǎn)、紅旗、長(zhǎng)城以及吉利銀河等近十家車(chē)企宣布接入；阿里巴巴也宣布AliOS智能汽車(chē)操作系統(tǒng)已接入通義千問(wèn)大模型進(jìn)行測(cè)試等。很多業(yè)內(nèi)人士認(rèn)為，智能座艙在AI大模型的賦能下將有著質(zhì)的提升，尤其將為人機(jī)交互打開(kāi)新的大門(mén)。通過(guò)大數(shù)據(jù)的深度“喂養(yǎng)”和自主學(xué)習(xí)，車(chē)載語(yǔ)音助手可以從任務(wù)型逐步升級(jí)為閑聊型，智慧程度更接近真人，且具備情感化，從而推動(dòng)智能汽車(chē)向第三生活空間轉(zhuǎn)變，滿足乘客更深層次的生理和心理需求。而這也符合大多數(shù)用戶對(duì)于AI大模型上車(chē)的期待，通過(guò)AI技術(shù)提升智能座艙內(nèi)語(yǔ)音交互表現(xiàn)。

另一類(lèi)則與智能駕駛有關(guān)。自從2020年特斯拉將Transformer大模型引入自動(dòng)駕駛領(lǐng)域中，便打開(kāi)了AI大模型在自動(dòng)駕駛領(lǐng)域應(yīng)用的大門(mén)。可以說(shuō)，AI大模型更快速、準(zhǔn)確地解決認(rèn)知和決策問(wèn)題的能力，為車(chē)輛自動(dòng)駕駛能力的提升提供了核心驅(qū)動(dòng)力。今年4月，毫末智行發(fā)布了自動(dòng)駕駛生成式大模型DriveGPT，通過(guò)引入駕駛數(shù)據(jù)建立 RLHF（人類(lèi)反饋強(qiáng)化學(xué)習(xí)）技術(shù)，對(duì)自動(dòng)駕駛認(rèn)知決策模型進(jìn)行持續(xù)優(yōu)化，終極目標(biāo)是實(shí)現(xiàn)端到端自動(dòng)駕駛。百度自動(dòng)駕駛業(yè)務(wù)部總經(jīng)理陳卓認(rèn)為，AI技術(shù)加速了自動(dòng)駕駛規(guī)模落地，自動(dòng)駕駛是人工智能的典型應(yīng)用場(chǎng)景。

AI大模型有望重塑智能汽車(chē)

現(xiàn)階段，以智能化、電動(dòng)化為顯著特征的新汽車(chē)正在重塑人們的駕駛與出行體驗(yàn)，汽車(chē)已經(jīng)不單純是出行工具，而是具有交互主體多、交互方式多、計(jì)算零件多、數(shù)據(jù)規(guī)模大，以及空間屬性和社會(huì)屬性等特征，而這些正是AI大模型最適合的應(yīng)用場(chǎng)景。中國(guó)工程院院士、清華大學(xué)教授、國(guó)家智能網(wǎng)聯(lián)汽車(chē)創(chuàng)新中心首席科學(xué)家李克強(qiáng)認(rèn)為，AI大模型在處理文本、獲取和加工數(shù)據(jù)、建立場(chǎng)景的訓(xùn)練和迭代方面的優(yōu)勢(shì)，將會(huì)對(duì)人機(jī)交互智能化和智能駕駛方面起到加速推動(dòng)作用。

相比按鍵、觸屏和手勢(shì)控制，通過(guò)語(yǔ)音方式完成對(duì)車(chē)輛軟硬件的控制不僅學(xué)習(xí)成本低，而且在操作時(shí)手也不用離開(kāi)方向盤(pán)，安全性也要更高。但從近兩年的客戶端反饋來(lái)看，普遍使用率比較低，這其中最主要的原因就是用戶體驗(yàn)差?，F(xiàn)階段，部分車(chē)企對(duì)于語(yǔ)音交互技術(shù)掌握的不夠成熟，不僅沒(méi)能為用戶帶來(lái)更好的智能化體驗(yàn)，然而平添不少麻煩。此前就有一名汽車(chē)大V在社交媒體上抱怨，自己在某款自主新能源車(chē)后排休息聽(tīng)語(yǔ)言類(lèi)節(jié)目時(shí)，車(chē)載語(yǔ)音頻繁出錯(cuò)，誤以為后排有人呼喚它而打斷節(jié)目播放。

AI大模型上車(chē)后，對(duì)話機(jī)器人可以通過(guò)高質(zhì)量的大數(shù)據(jù)持續(xù)訓(xùn)練，從而讓車(chē)載語(yǔ)音助手的智慧更加接近真人，在與用戶交互過(guò)程中具備情感化。簡(jiǎn)單來(lái)說(shuō)，以往的車(chē)載語(yǔ)音助手只是單純的執(zhí)行用戶的指令，屬于命令式交互；而在AI大模型的加持下，轉(zhuǎn)變成能和用戶“閑聊”的伙伴，屬于對(duì)話式交互。以理想汽車(chē)為例，在其車(chē)載AI助手“理想同學(xué)”升級(jí)搭載了自研的“Mind GPT”認(rèn)知大模型后，人車(chē)對(duì)話內(nèi)容更加復(fù)雜多樣，包括地點(diǎn)、信息、菜譜等，甚至還可以給你講故事、畫(huà)畫(huà)等。這背后是數(shù)十TB的原始訓(xùn)練數(shù)據(jù)，經(jīng)過(guò)精心過(guò)濾和去重后，相當(dāng)于具備人類(lèi)高質(zhì)量知識(shí)總和。

另外，AI大模型還可以對(duì)用戶大量行為數(shù)據(jù)進(jìn)行分析和學(xué)習(xí)，生成更加準(zhǔn)確的用戶畫(huà)像，從而能夠理解用戶的喜好、需求和用車(chē)行為，提供更具個(gè)性化的服務(wù)。比如你和車(chē)載語(yǔ)音助手說(shuō)“我餓了”，它會(huì)推薦你常去的餐廳或你喜歡吃的食物等。

除了能提升車(chē)載語(yǔ)音助手的智能化水平外，AI大模型在智能駕駛領(lǐng)域擁有更多的落地場(chǎng)景。華泰證券在研報(bào)中指出，GPT大模型有望賦能垂直領(lǐng)域智能駕駛感知標(biāo)注、決策推理等核心環(huán)節(jié)，加速智駕落地。

AI大模型的自學(xué)習(xí)算法能力在汽車(chē)駕駛過(guò)程中發(fā)揮的關(guān)鍵作用主要體現(xiàn)在感知和決策層面。就感知層面而言，以往自動(dòng)駕駛感知使用的都是各個(gè)小模型“堆疊”的方式，識(shí)別的原理就是自己先看，然后去知識(shí)庫(kù)里比對(duì)，如果以往沒(méi)有學(xué)習(xí)過(guò)，那就無(wú)法準(zhǔn)確識(shí)別出來(lái)。這種方法對(duì)于感知能力的提升是有限的，因?yàn)槁窙r的變化是日新月異的。此前特斯拉高速撞上側(cè)翻的白色貨車(chē)，就有可能是將側(cè)翻的車(chē)廂誤判為是天空或者強(qiáng)反光地面。而有了AI大模型的加入后，可以在有限的標(biāo)注數(shù)據(jù)前提下，找到相似障礙物之間的相關(guān)性。有了這個(gè)認(rèn)知后，在遇到新的物體時(shí)，大模型可以對(duì)比這個(gè)物體與之前所認(rèn)識(shí)到共性，由此判斷是否是個(gè)障礙物。

目前，自動(dòng)駕駛的數(shù)據(jù)來(lái)源主要有真實(shí)數(shù)據(jù)、虛擬仿真和影子模式。其中虛擬仿真在AI技術(shù)的加持下，可大量合成虛擬場(chǎng)景以用于模型訓(xùn)練和測(cè)試，從而提高自動(dòng)駕駛技術(shù)精度以及自動(dòng)感知泛化能力，帶來(lái)更安全、可靠的駕駛體驗(yàn)。

此外，AI大模型具備對(duì)海量數(shù)據(jù)的處理能力以及多維度分析能力，可以通過(guò)分析駕駛行為數(shù)據(jù)來(lái)訓(xùn)練自動(dòng)駕駛控制系統(tǒng)。特別是在決策層面，高等級(jí)自動(dòng)駕駛的認(rèn)知決策需要更加智能化和人性化，AI大模型加入后，傳統(tǒng)的決策規(guī)劃方法將從基于規(guī)則向基于自學(xué)習(xí)的決策智能方向發(fā)展，可以讓車(chē)輛更加聰明地處理復(fù)雜場(chǎng)景。同時(shí)，基于海量數(shù)據(jù)處理的分析能力，幫助汽車(chē)準(zhǔn)確識(shí)別和預(yù)測(cè)交通情況，并實(shí)時(shí)提供個(gè)性化出行服務(wù)，優(yōu)化出行效率。

AI大模型上車(chē)充滿挑戰(zhàn)

拋開(kāi)汽車(chē)而言，AI大模型本身也是一個(gè)相當(dāng)燒錢(qián)的項(xiàng)目，雖然現(xiàn)階段”百模大戰(zhàn)”將市場(chǎng)烘托的一片紅火，但部分投資圈人士表現(xiàn)的卻十分謹(jǐn)慎，認(rèn)為最終勝出的企業(yè)不超過(guò)2個(gè)。而對(duì)于AI大模型上車(chē)，雖然目前已經(jīng)有了一些成果出現(xiàn)，但想要達(dá)到深層次的結(jié)合，面臨的不確定因素還有很多，包括算法、算力和數(shù)據(jù)支持，以及安全性、法律法規(guī)等方面，還有很長(zhǎng)的路要走。中國(guó)工程院院士、清華大學(xué)教授、國(guó)家智能網(wǎng)聯(lián)汽車(chē)創(chuàng)新中心首席科學(xué)家李克強(qiáng)認(rèn)為，目前汽車(chē)領(lǐng)域?qū)τ诖竽Ｐ偷膽?yīng)用還處于初期的嘗試階段，后續(xù)仍需基于云平臺(tái)進(jìn)行打通，向深層領(lǐng)域應(yīng)用推進(jìn)仍然任重道遠(yuǎn)。

AI大模型上車(chē)，首當(dāng)其沖要面臨的就是數(shù)據(jù)隱私和安全問(wèn)題。人工智能的不斷成長(zhǎng)，在為我們?nèi)粘Ｓ密?chē)生活帶來(lái)便利的同時(shí)，也存在數(shù)據(jù)隱私泄露的風(fēng)險(xiǎn)。AI大模型訓(xùn)練需要非常龐大的數(shù)據(jù)量，投喂的數(shù)據(jù)越多，車(chē)輛也會(huì)變得更聰明，輸出的信息也會(huì)更加準(zhǔn)確。但這個(gè)數(shù)據(jù)投喂過(guò)程中，大量車(chē)主信息被記錄，比如圖像、聲音、行為特征，以及其他一些敏感隱私信息。一旦遭遇黑客攻擊，在大數(shù)據(jù)分析下，通過(guò)圖像、聲音等信息比對(duì)就可以獲取到更多的車(chē)主隱私信息。前一段時(shí)間特斯拉就被曝出數(shù)據(jù)泄露丑聞，特斯拉員工通過(guò)內(nèi)部消息系統(tǒng)，私下分享車(chē)主攝像頭記錄的隱私視頻和圖像。所以在AI大模型與汽車(chē)深層次結(jié)合前，首先要解決的就是數(shù)據(jù)隱私安全問(wèn)題。

其次，硬件配置問(wèn)題。AI大模型的運(yùn)行需要高規(guī)格的硬件配置支持，需要具備高算力、大容量?jī)?nèi)存以及低時(shí)延的特性。但現(xiàn)階段車(chē)載設(shè)備的硬件水平雖然有所提升，但還無(wú)法達(dá)到支撐AI大模型運(yùn)行的水平。以自然語(yǔ)言處理(NLP)的預(yù)訓(xùn)練模型GPT-3為例，需要數(shù)萬(wàn)億次TOPS的計(jì)算能力，這就要求芯片的算力至少要在萬(wàn)級(jí)TOPS以上才能夠勝任計(jì)算工作。但從目前的車(chē)載硬件部署來(lái)看，即便目前蔚來(lái)、理想等造車(chē)新勢(shì)力使用的英偉達(dá)Orin X芯片，單顆算力也僅為254TOPS，這已經(jīng)是目前量產(chǎn)車(chē)中算力最高的芯片，遠(yuǎn)遠(yuǎn)達(dá)不到大模型的計(jì)算要求。

所以，要想為AI大模型提供海量算力，現(xiàn)階段最好的辦法就是通過(guò)云計(jì)算來(lái)實(shí)現(xiàn)，但這其中有涉及到通信的問(wèn)題。在千億、萬(wàn)億參數(shù)規(guī)模的大模型訓(xùn)練過(guò)程中，通信的占比最大可達(dá)50%，傳統(tǒng)的網(wǎng)絡(luò)帶寬遠(yuǎn)遠(yuǎn)不夠，這就會(huì)造成網(wǎng)絡(luò)堵塞，出現(xiàn)時(shí)延問(wèn)題。但你想過(guò)沒(méi)有，如果這個(gè)AI大模型應(yīng)用在自動(dòng)駕駛領(lǐng)域，哪怕只有一點(diǎn)點(diǎn)的通信時(shí)延，那就有可能在公路上造成無(wú)法挽回的悲劇。

而提到高算力、云計(jì)算和高速網(wǎng)絡(luò)，這些又都與成本掛鉤。據(jù)普超資本微信公眾號(hào)顯示，GPT-3訓(xùn)練成本預(yù)計(jì)在500萬(wàn)美元/次。當(dāng)然，GPT-3還只是OPEN AI在2020年推出的模型。如今到GPT-4，參數(shù)相較GPT-3呈百倍增長(zhǎng)，那所需花費(fèi)的成本勢(shì)必要以?xún)|美元為單位了。因此AI大模型也只有那些科技巨頭能玩的轉(zhuǎn)，其他中小企業(yè)只能是花錢(qián)來(lái)使用。對(duì)于車(chē)企而言，即便未來(lái)通過(guò)與科技巨頭的合作實(shí)現(xiàn)AI大模型與汽車(chē)深度融合，后期隨著大模型的數(shù)據(jù)規(guī)模不斷增長(zhǎng)，訓(xùn)練算力提升，所需花費(fèi)的成本也不是小數(shù)，而且還是持續(xù)性的投入。

另外，AI大模型上車(chē)還面臨著道德與法規(guī)的問(wèn)題。AI系統(tǒng)在某些情況下有可能會(huì)做出自主決策，這就會(huì)引發(fā)道德選擇問(wèn)題。其實(shí)這也是一個(gè)老生常談的問(wèn)題，現(xiàn)在看還沒(méi)有得到解決。比如，在自動(dòng)駕駛汽車(chē)中，面臨不可避免的撞擊事故時(shí)，是優(yōu)先避免撞到老年人，還是年輕人，亦或是優(yōu)先避免撞到女人，還是男人等，如何決策成為一個(gè)道德困境。另外，目前國(guó)內(nèi)暫時(shí)還沒(méi)有針對(duì)AI大模型的數(shù)據(jù)采集使用、數(shù)據(jù)安全以及生成內(nèi)容使用權(quán)等方面的法律法規(guī)。好消息是， 國(guó)家網(wǎng)信辦已經(jīng)于今年4月起草了《生成式人工智能服務(wù)管理辦法（征求意見(jiàn)稿）》，但具體何時(shí)能夠落地目前還是個(gè)未知數(shù)。

總結(jié)：

不可否認(rèn)，AI大模型的到來(lái)為智能汽車(chē)的未來(lái)發(fā)展帶來(lái)更多可能，開(kāi)啟了汽車(chē)領(lǐng)域的新賽道。但就現(xiàn)階段而言，AI大模型在汽車(chē)領(lǐng)域的應(yīng)用還存在太多不確定性，無(wú)限的想象何時(shí)能夠落地，還有待時(shí)日。

返回第一電動(dòng)網(wǎng)首頁(yè) >