2023最大技術(shù)潮：大模型沖擊下的智能汽車

作者 | 德新，編輯 | 王博

大模型上車的淘金熱

過去這年最大的技術(shù)潮，非大模型莫屬。

2023年初，由ChatGPT掀起的浪花，迅速地演變成了席卷全球的AI科技浪潮。汽車行業(yè)在其中也不可避免。各大車企紛紛投入與大模型相關(guān)的布局。

長城官宣成立了AI Lab，到2023年9月AI Lab已經(jīng)有超過400人規(guī)模，這支團(tuán)隊(duì)由長城智能化副總裁吳會(huì)肖帶隊(duì)，并由AI Lab負(fù)責(zé)人楊繼峰領(lǐng)銜。長城的AI Lab又稱智能空間實(shí)驗(yàn)室。很明顯長城的大模型發(fā)力的首站會(huì)是智能座艙空間。

吉利在汽車研究院下也成立了類似的機(jī)構(gòu)，AI智能研究部。吉利汽車集團(tuán)CEO淦家閱在這年中期透露，吉利已經(jīng)具備全棧自研的大模型技術(shù)。吉利自研大模型最早上車的車型，可能是馬上要上市的銀河E8。

理想則在2023年6月份公布了大模型MindGPT，其原有的座艙人工智能助手理想同學(xué)將基于大模型打造新一代的多模態(tài)人機(jī)交互技術(shù)體系。MindGPT所展示的功能，在理想最近更新的OTA 5.0上剛剛落地兌現(xiàn)。

盡管由于車端算力的限制，千億級參數(shù)規(guī)模的大模型還未被搬上車，但「BEV + Transformer」的框架在這年中幾乎統(tǒng)一了所有廠商的智駕感知系統(tǒng)。無論在智能駕駛還是智能座艙上，更大規(guī)模、更為通用的模型正在替代此前多個(gè)專用小模型的格局。

「AI大模型不是普通的技術(shù)和創(chuàng)新，而是技術(shù)范式級的創(chuàng)新?！贡贝蠊馊A管理學(xué)院組織與戰(zhàn)略管理系副教授王鐵民在最近的一次分享中這樣總結(jié)。

什么叫「范式級的創(chuàng)新」？科學(xué)哲學(xué)家托馬斯·庫恩早在1962年給了一個(gè)定義，是指「那些公認(rèn)的科學(xué)成就，在一段時(shí)間里為實(shí)踐共同體提供典型的問題和解答」。

簡單來說，在未來相當(dāng)長一段時(shí)間內(nèi)，AI大模型將是很多技術(shù)問題的答案。

大模型上車，首先從座艙語音開始

關(guān)于大模型上車給車端帶來什么，在過去一年中有很多討論與實(shí)踐。

騰訊智慧出行副總裁鐘學(xué)丹，在近期騰訊與北大光華聯(lián)合舉辦的「AI+出行」產(chǎn)業(yè)沙龍上，這樣總結(jié)AI賦能下的汽車新智能：

第一，它重新定義了汽車的人機(jī)交互方式；

第二，明年或者在未來一段時(shí)間內(nèi)，無論是高速還是城區(qū)的自動(dòng)駕駛，將涌現(xiàn)越來越多的端到端的技術(shù)；

第三，艙駕一體的趨勢將加快落地；

第四，汽車將變成開放的平臺，將接入更多的服務(wù)和體驗(yàn)內(nèi)容，來幫助用戶解決實(shí)際的問題。

座艙領(lǐng)域，尤其是語音交互，可能是過去這年用戶感知變化最為明顯的領(lǐng)域。

鐘學(xué)丹認(rèn)為，當(dāng)前結(jié)合大模型，語音正在發(fā)生新的變化。交互方式正從規(guī)則模式是轉(zhuǎn)變?yōu)楦匀坏姆绞?；交互場景，從過去單一任務(wù)的交互，轉(zhuǎn)變?yōu)榛诙嗳蝿?wù)的應(yīng)用；座艙也正從單一語音交互向多模態(tài)交互轉(zhuǎn)變。

iPhone開啟了消費(fèi)電子的觸控交互時(shí)代，目前絕大部分消費(fèi)電子的交互都是以觸控為主，汽車也延續(xù)了這樣的交互方式。

但差別在于無論是手機(jī)、iPad還是電腦，都屬于大部分時(shí)間是一個(gè)人使用的私人設(shè)備，汽車是比較少見的一對多的設(shè)備。所以，汽車當(dāng)前以觸控為主、語音為輔的交互方式未必是最佳方案。

理想汽車智能空間副總裁勾曉菲認(rèn)為，大模型的出現(xiàn)讓語言的理解能力邁上了一個(gè)新的高度。因此，從智能空間的角度，理想希望推動(dòng)未來車內(nèi)的主要交互形態(tài)，從觸控為主、對話為輔，逐步向以對話為主、觸控為輔轉(zhuǎn)變。

因?yàn)閷υ捠降慕换ィ脩羰峭耆_放式的輸入，所以下個(gè)階段行業(yè)面臨的很大挑戰(zhàn)是，座艙一端的輸出也要變成開放式的——即所有的UI都會(huì)變成生成式的，UI的布局要根據(jù)用戶的語言邏輯自動(dòng)生成，高度匹配用戶的語義。

與此同時(shí)，今天座艙應(yīng)用提供的能力都是基于各個(gè)公司的垂直領(lǐng)域相互獨(dú)立的。比如用戶要去吃望京的美食，需要跨美團(tuán)和地圖兩個(gè)應(yīng)用。未來不同的科技企業(yè)都會(huì)有屬于自己的Agent，它代表了各自公司的通用能力和私域能力，這些Agent可能會(huì)像人與人一樣組建成社會(huì)網(wǎng)絡(luò)。在數(shù)字世界里，Agent組成的社會(huì)網(wǎng)絡(luò)，通過這種全新的接口形式把各家的能力聯(lián)通起來。

大模型驅(qū)動(dòng)的下一代自動(dòng)駕駛

理想汽車有一組內(nèi)部數(shù)據(jù)，60%的出行場景下，只有駕駛員一個(gè)人在車內(nèi)。所以如果不能通過自動(dòng)駕駛把駕駛員解放出來，智能座艙是無法發(fā)揮價(jià)值的。

與高度個(gè)性化的座艙服務(wù)不同，自動(dòng)駕駛是極度標(biāo)準(zhǔn)化的功能。勾曉菲甚至認(rèn)為，「自動(dòng)駕駛一旦實(shí)現(xiàn)，是沒有什么想象空間的，但座艙的人機(jī)交互背后有強(qiáng)大的生態(tài)和非常多的服務(wù)，背后有無限的想象空間?！?/p>

自動(dòng)駕駛目前所處的階段，無論從技術(shù)研發(fā)還是市場占有率上，都在高速增長。

由于城區(qū)自動(dòng)駕駛功能的快速推進(jìn)，「BEV + Transformer + 占用網(wǎng)絡(luò) + 無圖化」是過去這年頭部車企的主力研發(fā)方向?！窧EV 上車」，以具備鳥瞰視角（Bird's Eye View）的大模型實(shí)現(xiàn)了多攝像頭的融合感知，從而大幅提高了智駕感知的數(shù)據(jù)驅(qū)動(dòng)比例。

在上一年的CVPR 2023上，還提出了UniAD的論文工作，將感知、決策、規(guī)控等模塊整合到一個(gè)端到端的網(wǎng)絡(luò)。以一個(gè)深度神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，以提升最終的駕駛體驗(yàn)為目標(biāo)進(jìn)行端到端的優(yōu)化，可以極大地提升智駕系統(tǒng)的開發(fā)效率。

特斯拉FSD的下一個(gè)大版本，V12也將引入端到端的網(wǎng)絡(luò)。

鐘學(xué)丹認(rèn)為，過去業(yè)界在開發(fā)自動(dòng)駕駛系統(tǒng)時(shí)，做的是感知與規(guī)劃分離，這種分離的方式是不符合用戶的駕駛行為和體驗(yàn)的。而如何實(shí)現(xiàn)端到端的自動(dòng)駕駛?cè)溌返哪Ｐ?，更多關(guān)注到最終達(dá)成更好駕駛體驗(yàn)的目標(biāo)，是更重要的解決路徑。

除了對自動(dòng)駕駛端到端技術(shù)架構(gòu)的影響，大模型也在幫助提升針對訓(xùn)練需要的海量數(shù)據(jù)標(biāo)注。

在Mind GPT發(fā)布之后，李想就曾經(jīng)表示，理想內(nèi)部一年要做大概1000萬幀的自動(dòng)駕駛圖像的人工標(biāo)定，外包的價(jià)格大概6元到8元錢一張，一年成本接近一億元。當(dāng)使用大模型進(jìn)行自動(dòng)化標(biāo)定，過去需要用一年完成的工作基本上3個(gè)小時(shí)就能搞定，效率提升千倍。

從車端到云端，大模型正全面推動(dòng)自動(dòng)駕駛的體驗(yàn)進(jìn)化。

掘金大模型的挑戰(zhàn)

除了智能駕駛、智能座艙這兩大最常見的智能化領(lǐng)域，汽車從生產(chǎn)、制造、營銷、服務(wù)的全鏈條，也可能被大模型改造。

騰訊智慧出行副總裁鐘學(xué)丹提出了一些案例，比如在設(shè)計(jì)研發(fā)領(lǐng)域，騰訊云AI代碼助手的能力已經(jīng)可以幫助開發(fā)團(tuán)隊(duì)完成編碼的編制、測試以及質(zhì)量提升。

通過AIGC生成的數(shù)字化營銷內(nèi)容，可以幫助銷售團(tuán)隊(duì)更好地理解用戶。比如在賣車的過程中，每個(gè)用戶對車的需求和想法都不一樣，如何為TA創(chuàng)造獨(dú)特的內(nèi)容，如何讓內(nèi)容的表述更好地切中潛在車主的需求，將對銷售轉(zhuǎn)化有很大幫助。

長城汽車AI Lab的負(fù)責(zé)人楊繼峰也告訴我們，內(nèi)部已經(jīng)開始使用AI長做在做造型設(shè)計(jì)，并且其使用AI的作品與人工設(shè)計(jì)的作品拿來做圖靈測試，目前已經(jīng)很難辨認(rèn)出來是否是由AI設(shè)計(jì)的。

鐘學(xué)丹也提到，大模型要在全產(chǎn)業(yè)鏈條上落地，目前有三大挑戰(zhàn)，模型挑戰(zhàn)、數(shù)據(jù)挑戰(zhàn)以及算力挑戰(zhàn)。

算力挑戰(zhàn)最容易理解，當(dāng)前高算力的GPU對全行業(yè)而言都是稀缺資源。

HiEV獲悉一家互聯(lián)網(wǎng)巨頭在年初向英偉達(dá)下了10億美元的GPU訂單，但隨著對高算力計(jì)算平臺的出口限制，GPU越發(fā)稀缺，尤其在去年9/10月之后，不少企業(yè)的供應(yīng)鏈團(tuán)隊(duì)都在加班加點(diǎn)解決算力的缺口問題。

而數(shù)據(jù)挑戰(zhàn)，源于對數(shù)據(jù)合規(guī)與數(shù)據(jù)安全的要求，尤其在自動(dòng)駕駛領(lǐng)域，車輛感知的數(shù)據(jù)處理不當(dāng)直接影響地理信息安全，而用戶車內(nèi)的數(shù)據(jù)則涉及隱私安全。

目前雖然通用大模型正上演「百模大戰(zhàn)」，但對于垂直行業(yè)應(yīng)用而言，其準(zhǔn)確率仍達(dá)不到應(yīng)用要求，大模型如何針對行業(yè)應(yīng)用開發(fā)調(diào)教，以及對應(yīng)行業(yè)訓(xùn)練數(shù)據(jù)的質(zhì)量提升，仍任重道遠(yuǎn)。

互聯(lián)網(wǎng)巨頭們是這波「百模大戰(zhàn)」最積極的參與方和推動(dòng)者，無論從模型訓(xùn)練、算力建設(shè)還是數(shù)據(jù)挖掘上，他們都有豐厚的儲(chǔ)備。

通用大模型可以幫助行業(yè)開發(fā)者快速建立行業(yè)大模型的基礎(chǔ)。以騰訊為例，騰訊的混元大模型有超千億級的參數(shù)規(guī)模，預(yù)訓(xùn)練語料超過2萬億Token。目前在騰訊云上，已經(jīng)有超過300個(gè)應(yīng)用接入混元大模型，用在廣告、營銷、游戲、社交等場景。

騰訊也對外提供大模型的一站式商店——MaaS平臺（模型即服務(wù)），幫助企業(yè)快速打造專有的模型應(yīng)用。在底層設(shè)施上，提供大規(guī)模訓(xùn)練集群和高性能計(jì)算網(wǎng)絡(luò)，帶來業(yè)界最高3.2Tbps帶寬，算力性能提升3倍，為大模型訓(xùn)練提供智算能力支撐。在面向大模型的特殊數(shù)據(jù)場景上，向量數(shù)據(jù)庫可以幫助系統(tǒng)在數(shù)據(jù)訪問效率帶來10倍提升。

不少人將2023年稱為大模型元年，大模型的技術(shù)盛宴才剛剛開始，而汽車作為當(dāng)前最大的消費(fèi)電子單品，可能會(huì)成為從中技術(shù)獲益最大的一支。