自去年ChatGPT發(fā)布之后，大模型的熱度居高不下。國內(nèi)企業(yè)迅速跟進，前有百度文心一言、阿里通義千問，后有訊飛星火，加上商湯、騰訊等多家企業(yè)，共同開啟“百模大戰(zhàn)”。

一場場的發(fā)布會向公眾展示大模型在各個領域的應用前景，開啟了一場人工智能的狂歡。而對于汽車領域，眾廠商發(fā)揮巧思，在智能座艙、自動駕駛等方向似乎都有大模型應用的廣闊天地。

“AI研發(fā)的一個終極目標是我們希望設計一個算法，并使它能像人一樣去思考。ChatGPT向人們證明，這并不是不切實際的想象，AI大模型也許會在未來融入到社會的各個行業(yè)場景，驅動產(chǎn)業(yè)的變革，經(jīng)濟的增長，將會帶來新的一場工業(yè)革命。”在由蓋世汽車主辦的“人工智能——大模型時代下的智能汽車技術研討會”上，NVIDIA工程和解決方案技術總監(jiān)路川如是說到。

NVIDIA工程和解決方案技術總監(jiān)路川；圖片來源：蓋世汽車

大模型的火熱，無疑也給予汽車產(chǎn)業(yè)玩家極大的想象空間，但是每一種新興事物的出現(xiàn)，總是伴隨著擁躉與爭議，大模型同樣如此。但也有一批批先行者前赴后繼，想要在這團還不太明朗的迷霧中，探索一條通往終局的大道。

大模型重塑智能汽車體驗

就汽車行業(yè)和大模型的關系，大模型可以在自動駕駛、座艙智能化、人車傳感器互聯(lián)、工廠數(shù)字化等層面產(chǎn)生價值。從功能層面來看，目前AI大模型在汽車上主要有兩種落地形式。

其中一類與智能駕駛有關，自動駕駛的進程，因為大模型又生波瀾。ChatGPT的出現(xiàn)帶給自動駕駛行業(yè)很大啟示，這種通過對海量多模態(tài)數(shù)據(jù)的大規(guī)模自監(jiān)督學習，加之預訓練+微調(diào)的方式，讓AI得以完成各種復雜自然語言任務。自動駕駛，被認為是下一個可能實現(xiàn)突破的領域。

對此，汽車產(chǎn)業(yè)界迅速反應。今年4月，毫末智行發(fā)布了自動駕駛生成式大模型DriveGPT，通過引入駕駛數(shù)據(jù)建立RLHF技術，對自動駕駛認知決策模型進行持續(xù)優(yōu)化，終極目標是實現(xiàn)端到端自動駕駛。

6月20日，理想汽車也公布了其智能駕駛最新進展，稱理想AD Max 3.0進入大模型時代，當月內(nèi)將向北京和上海的內(nèi)測用戶交付不依賴高精地圖的城市NOA功能，下半年將向用戶開放通勤NOA功能。該功能核心是采用了BEV大模型。

AI大模型或賦予自動駕駛更快速、準確地解決認知和決策問題的能力，或在標注、仿真、視頻信息處理等多方面存在應用空間。如通過大模型優(yōu)化數(shù)據(jù)標注，可以降低人工標注比例和成本，以及提升虛擬訓練環(huán)境的真實性，優(yōu)化虛擬訓練數(shù)據(jù)等。

對于大模型上車，還有一類是用于人工智能對話交流，大多數(shù)應用在智能座艙。比如此前發(fā)布的百度的文心一言，已有東風日產(chǎn)、紅旗、長城以及吉利銀河等近十家車企宣布接入；阿里巴巴也宣布AliOS智能汽車操作系統(tǒng)已接入通義千問大模型進行測試等。

在研討會上，商湯絕影智能車艙產(chǎn)品創(chuàng)新高級總監(jiān)邵昌旭分享到，未來的智能座艙將成為有溫度，能夠更加懂你出行的管家，能夠全方位的感知和理解乘客的需求。

商湯絕影智能車艙產(chǎn)品創(chuàng)新高級總監(jiān)邵昌旭；圖片來源：蓋世汽車

通過大模型賦能，智能汽車更具“情感”，以真正向第三生活空間轉變，滿足乘客更深層次的生理和心理需求。值得注意的是，現(xiàn)在如百度的文心大模型，再或者吉利AI大模型，其在智能座艙領域最核心的應用均是在語音等交互場景，短期內(nèi)可能會出現(xiàn)同質化的隱憂。

當然，在大模型時代，智能座艙可進化的空間遠不止于此。

今天的智能座艙，本質上在功能層面并不是一個AI問題，而是用產(chǎn)品經(jīng)理去定義座艙中的各個場景?！按竽Ｐ蜁r代的一個典型特征就是好像每一個問題都可以變成AI問題?！遍L城汽車智能化研發(fā)總監(jiān)楊繼峰說到。

長城汽車智能化研發(fā)總監(jiān)楊繼峰；圖片來源：蓋世汽車

AI問題的核心是如何讓機器模擬人類的智能思維和行為。大模型時代，有機會把座艙變成一個AI問題。如自動駕駛一般，其本質是車如人一樣駕駛，對于智能座艙，則是駕乘空間如何更加的“擬人”。智能座艙需要從如今的形態(tài)走向智能空間形態(tài)。

基于這種思考，若將用戶歷史使用習慣和車內(nèi)外的當前環(huán)境狀態(tài)等信息，輸入給座艙的認知大模型，再利用各種生態(tài)應用或交互方式等方式來表現(xiàn)，以實現(xiàn)智能座艙的體驗躍升。

現(xiàn)在智能空間會成為一個跟自動駕駛體量差不多的AI問題。Coding、閱讀、知識搜索和推送……所有的業(yè)務重構會變成一個一個的AI問題。這帶來了一個全新的挑戰(zhàn)，“我們沒有準備好?！睏罾^峰說到。

大模型這筆賬，該怎么算

楊繼峰認為大模型突然爆發(fā)的本質原因是LLM提供了一個能力和泛化能力足夠強的模型基座，和一系列可以SFT、可以對齊、plug-in，以及可以重訓、可以輕量化的工程范式。

落到具體的實現(xiàn)層面，如大模型在智能座艙方面的應用，挑戰(zhàn)伴隨著變化出現(xiàn)。如可能面臨需要去挖掘各個不同的維度上所有的感知數(shù)據(jù)；在座艙里需要建立從來沒有建立過的針對于算法的數(shù)據(jù)閉環(huán)體系等。

高合汽車前期智能產(chǎn)品與技術規(guī)劃負責人黃駿認為，大語言模型、多模態(tài)檢測模型和神經(jīng)輻射場建模NeRF是比較可能落地的座艙大模型。其中，多模態(tài)檢測模型的重要性愈發(fā)突出，能大幅削減檢測模型標注成本。而利用擴散網(wǎng)絡生成的SR場景能大幅降低座艙計算負載。

高合汽車前期智能產(chǎn)品與技術規(guī)劃負責人黃駿；圖片來源：蓋世汽車

但從大模型開發(fā)的視角來看，今天還處在技術競爭的前期階段，模型如何做到足夠大能力足夠強，形成強的競爭力是本質問題。站在企業(yè)角度，如何讓大模型盡快進入產(chǎn)品工程賽道和降成本周期，以快速進行大規(guī)模應用，才是本質要求。

這是一個持續(xù)深化的過程。

一方面，大模型的成熟是一個循序漸進的過程?；鹕揭嫫囆袠I(yè)總經(jīng)理楊立偉表示，大模型的成熟應該是厚積薄發(fā)的，新技術滿足舊需求，舊技術滿足新需求，而非用新技術做新場景。信息數(shù)據(jù)是制約大模型持續(xù)訓練的主要因素。

火山引擎汽車行業(yè)總經(jīng)理楊立偉；圖片來源：蓋世汽車

他認為，在ChatGPT4.0出現(xiàn)之前，最大的大模型就是人的大腦，應將外部大模型和內(nèi)部大模型結合起來，找尋可落地的場景。當人或機器某一方犯錯時，能通過人和機器共同決策，以最終結果來做出靠譜的決策。

在廣泛的應用場景里，大模型遠不如人類思考能力，需要通過Transformer模型、多模態(tài)的數(shù)據(jù)、規(guī)劃訓練端平臺對大模型進行打磨訓練，讓其得以處理更復雜的事情。

路川認為，要做好大模型，需要滿足以下幾個點：

第一點是基于Transformer的模型結構；第二點是需要用到更多的數(shù)據(jù)，或者是用一些多模態(tài)的數(shù)據(jù)，去訓練大模型的業(yè)務，以滿足一些復雜業(yè)務場景的需求；第三是計算平臺層面的支撐，大模型的訓練需要強大的算力資源，傳統(tǒng)的計算模式已經(jīng)很難滿足，在訓練端用集群的方式去構建一個分布式的系統(tǒng)，對于大模型來說是必須的，這樣才能有一個比較好的訓練速度，快速迭代，讓大模型應用在真實的業(yè)務場景中成為可能。

從成本的方面考量，大模型帶來的訓練、推理、數(shù)據(jù)等方面的成本飆升是不得不考慮的問題，以及對算法、芯片算力等方面的要求持續(xù)高漲。

楊繼峰指出，從算力形態(tài)角度大規(guī)模分布式推理平臺的形態(tài)和能力也還需要一些時間，同時下一代的專用芯片、GPU、通信問題也都在路上。

針對這些問題，業(yè)界持續(xù)思考解決方案。黃駿表示，座艙智能化帶來的算力缺乏問題要求跨域融合或大算力芯片?？紤]到汽車行業(yè)的計算業(yè)務規(guī)模相對較小，嵌入式NPU集成于設備中，可分擔GPU的部分工作，提供更高計算性能的同時降低功耗。嵌入式NPU的AI開發(fā)利用NPU加速AI應用，能大幅降低硬件成本，將成為OEM在AI業(yè)務投資和單車收效中關鍵的一環(huán)。

此外，使用大模型還小模型這筆賬該怎么算？大模型的企業(yè)嘗試著用更大參數(shù)量的模型解決更多的問題。而主機廠傾向于用更小的模型去解決特定的問題，并且以更低的工程成本去實現(xiàn)應用。

路川提到，如智能駕駛是一個非常復雜的場景，把一些業(yè)務通過一個通用的模型進行融合，讓大模型成為車載大腦提供完善的智能服務，是未來探索的一個方向，也是未來大模型一個可能應用的領域。

中科創(chuàng)達物聯(lián)網(wǎng)事業(yè)群副總裁楊新輝預測，下一個時代可能將圍繞于汽車產(chǎn)業(yè)和機器人產(chǎn)業(yè)的融合，而汽車正處于機器人和汽車機器人之間的過渡階段。未來的大模型可能在混合方面發(fā)生變化，一是在云端和邊端組合的層面，二是在大模型和小模型混合的層面。

中科創(chuàng)達物聯(lián)網(wǎng)事業(yè)群副總裁楊新輝；圖片來源：蓋世汽車

真正的挑戰(zhàn)是深入到汽車產(chǎn)業(yè)各個層面的。

“我們在同時面臨著的模型層面的爆發(fā)、工程層面的爆發(fā)、應用層面的爆發(fā)、生態(tài)層面的爆發(fā)、產(chǎn)業(yè)層面的爆發(fā)，而我們在研發(fā)結構調(diào)整和組織能力調(diào)整上好像還有很長的路要走。”楊繼峰感嘆。

大模型深入賦能汽車產(chǎn)業(yè)并非可以一蹴而就，這需要相關企業(yè)持續(xù)創(chuàng)新、與時俱進，也需要整體的汽車產(chǎn)業(yè)鏈做好迎接變革的準備。

激進與謹慎，蓄勢待發(fā)的產(chǎn)業(yè)鏈

大模型時代，新的商業(yè)模式正在出現(xiàn)。

無論是自動駕駛還是智能座艙，現(xiàn)在大模型上車更多的是比較淺層的應用，離真正的給汽車帶來翻天覆地的變化，或許還有一段距離。更直觀的感受是，整個汽車產(chǎn)業(yè)鏈正在做好迎接大模型的準備。

站在車企的角度，楊繼峰指出，傳統(tǒng)的汽車產(chǎn)業(yè)鏈結構已發(fā)生改變，跨領域鏈接和合作已是常態(tài)。車企需要在全新的時代找尋自己的定位，而不是基于所有業(yè)務進行AI轉型。

不止車企，大模型帶來生態(tài)的廣泛鏈接，基于不同的分工，每一個企業(yè)都將會是大模型的共建者。

商湯絕影基于“駕、艙、云”三位一體的發(fā)展戰(zhàn)略，通過大模型向自動駕駛和智能座艙提供賦能，實現(xiàn)駕艙一體和人機共駕等駕乘體驗。邵昌旭介紹，商湯提出在大模型時代的解決方案，打造了全新智能座艙架構：車端和云端為底層支撐，智能車艙大腦為核心，不同風格的定制化數(shù)字人交互呈現(xiàn)各類智能應用，實現(xiàn)座艙如人一般的智能。

面對大模型時代對于整車操作系統(tǒng)的新要求，中科創(chuàng)達打造了“滴水OS”整車操作系統(tǒng)，賦能大模型上車。楊新輝說到，大模型可能會成為操作系統(tǒng)中不可或缺的組成部分，并在很大程度上改變操作系統(tǒng)的形態(tài)。

據(jù)悉，該操作系統(tǒng)能夠滿足智能駕駛在功能安全方面的需求，以及具備動態(tài)自發(fā)、異構融合等優(yōu)勢，并集成創(chuàng)達魔方基礎大模型，可實現(xiàn)多模態(tài)交互與反饋、全局智能決策支持等功能，以此提升智能駕駛和座艙體驗。

而對于核心的算力和平臺支撐，路川透露，從數(shù)據(jù)集構建、分布式集群訓練平臺搭建到客戶端應用優(yōu)化和部署，NVIDIA能為基礎薄弱的公司提供大模型快速構建整合方案。NVIDIA有一整套完善的工具鏈，可以高效地幫助客戶快速構建數(shù)據(jù)集。針對分布式訓練平臺，NVIDIA擁有NeMo Megatron框架， SuperPOD參考架構，可以更好地支撐客戶針對大模型的分布式訓練任務的需求等。

“NVIDIA在很久之前就開始認識到AI對算力的需求是飛速增長的，并開始構建GPU集群用于內(nèi)部的研發(fā)，應用測試，從中不斷地積累相關經(jīng)驗，并輸出給行業(yè)客戶，大模型時代的到來，更多的客戶可以依托NVIDIA技術積累，快速構建自己的分布式訓練平臺，可以應用NVIDIA提供的端到端的技術方案，快速具備大模型的能力。”路川說到。

實際上能夠完整構建基礎大模型的一定是少數(shù)企業(yè)，居高不下的成本和技術壁壘是難以翻越的一座高山。在此之上，更多行業(yè)前沿玩家，基于對行業(yè)的理解和掌握的行業(yè)數(shù)據(jù)，構建更貼合實際場景的行業(yè)大模型。除此之外，還有在基礎大模型和行業(yè)大模型之上，開發(fā)AI應用的企業(yè)。

楊立偉表示，由于每個大模型都有自己的側重點，重要的是如何建設好大模型平臺，滿足不同客戶的需求。

6月28日，火山引擎發(fā)布大模型服務平臺“火山方舟”，面向企業(yè)提供模型精調(diào)、評測、推理等全方位的平臺服務（MaaS，即Model-as-a-Service）。楊立偉提到，MaaS平臺具備的低成本、費用低、能以一定的測試標準針對不同場景輸入結果，在短期內(nèi)是最有價值的平臺。火山引擎憑借在工具和數(shù)據(jù)兩個層面的優(yōu)勢，能幫助車企進行數(shù)據(jù)治理。

以上只是產(chǎn)業(yè)鏈的一角縮影。

模型時代是一個模型研究、工程研究 、計算研究、數(shù)據(jù)研究、產(chǎn)品形態(tài)、商業(yè)形態(tài)、產(chǎn)業(yè)生態(tài)、法規(guī)倫理同時爆發(fā)的時代。這給各個參與方帶來思考，如何建立大模型時代的組織架構、研發(fā)體系、基礎設施等。

楊繼峰坦言，大語言模型并不是無所不能，不是所有知識的表達形式都是語言，同樣也不是把所有的業(yè)務問題用LLM的范式解決都是最優(yōu)解。“但不管怎么樣，當我們開始用大模型的范式思考業(yè)務轉型，用AI思維對待流程、對待數(shù)據(jù)、對待評價、甚至是對待生產(chǎn)力和生產(chǎn)關系的時候，就真正來到了一個大模型世界?！?/p>

或許接下來，產(chǎn)業(yè)內(nèi)將面臨一場空前激烈的競爭，大模型的上車之路也將在這個過程中，持續(xù)進化，行至終點，而今天，才只是開始。

返回第一電動網(wǎng)首頁 >