智能汽車迎來“ChatGPT時刻”？

“Hey Mercedes（你好，奔馳），附近最適合游泳的海灘在哪里？”“你可以去這里游泳，曬日光浴或者沖浪。另外，你可以散步、野餐，或者只是放松和看書。如果你精力充沛，你還可以和朋友玩沙灘排球或者飛盤。無論你選擇做什么，我希望你能玩得開心?！币欢握鎸嵱脩舻捏w驗視頻揭開了搭載ChatGPT后奔馳AI智能語音助手的神秘面紗。

近日，ChatGPT掀起的大模型之火，蔓延到了智能汽車場景之中。梅賽德斯-奔馳和微軟官宣正在合作測試車載ChatGPT人工智能，并將面向約90萬車主開啟測試。這是ChatGPT首次“上車”，標(biāo)志著智能汽車領(lǐng)域的大模型之戰(zhàn)正式開啟。

智能汽車的“ChatGPT時刻”來了？

大模型將重構(gòu)各行各業(yè)雖已成為業(yè)界共識，但ChatGPT“上車”遠比預(yù)想中來得更快。作為繼家庭和辦公場所之外的“第三空間”，汽車正在變成一個新型智能終端。人車交互是汽車智能化的標(biāo)簽，而AI語音助手則成為了智能汽車的“標(biāo)配”。

與普通的語音助手不同，奔馳的車載ChatGPT語音助手可以處理完整的對話，例如追問，并且能保持對前后文的理解。據(jù)悉，微軟還在與梅賽德斯-奔馳探索ChatGPT的插件生態(tài)系統(tǒng)，為第三方服務(wù)集成開辟可能性。駕駛員未來有望通過車載系統(tǒng)就能完成預(yù)訂餐廳、預(yù)定電影票等任務(wù)，進一步提高便利性和生產(chǎn)力。

大模型上車帶來的不僅是AI語音助手的升級，還將推動智能駕駛技術(shù)的進階。繼奔馳搭載ChatGPT之后，理想汽車也發(fā)布了自研大模型MindGPT，宣布新一代理想汽車不再依賴高精地圖的城市NOA產(chǎn)品，將做到接近人類司機的駕駛表現(xiàn)。業(yè)內(nèi)專家分析稱，大模型具備對海量數(shù)據(jù)的處理能力以及多維度分析能力，可以提供更精準(zhǔn)、更全面的數(shù)據(jù)分析和預(yù)測能力，持續(xù)優(yōu)化模型，提高智能駕駛的準(zhǔn)確性和可靠性。

與此同時，車載操作系統(tǒng)正在被大模型重塑。近日，斑馬智行第三代汽車AI能力體系Banma Co-Pilot在阿里通義千問大模型的賦能下，實現(xiàn)了AliOS車載操作系統(tǒng)的全面升級。開源證券研報指出，大模型時代，第三方科技巨頭的加入有望通過提供強大工具鏈形成自動駕駛行業(yè)的“安卓”，幫助整車廠構(gòu)建自己的自動駕駛算法和數(shù)據(jù)閉環(huán)系統(tǒng)，同時依靠大模型的數(shù)據(jù)生成能力，縮小與頭部玩家在數(shù)據(jù)領(lǐng)域的差距。

此外，大模型還將激起汽車產(chǎn)業(yè)的生產(chǎn)、研發(fā)模式的創(chuàng)新變革。理想汽車創(chuàng)始人李想舉了這樣一個例子：“過去我們一年要做大概1000萬幀的自動駕駛圖像的人工標(biāo)定，所以我們請了很多外包公司進行標(biāo)定，大概6元到8元錢一張，一年的成本接近一億元，這僅僅是來做自動駕駛方面的圖片標(biāo)定。但是當(dāng)我們使用大模型，通過訓(xùn)練的方式進行自動化標(biāo)定，過去需要用一年做的事情基本上3個小時就能完成，效率是人的1000倍。”如何快速和汽車產(chǎn)業(yè)原有的知識體系相融合，如何與大模型的學(xué)習(xí)能力、泛化能力協(xié)同，形成更有效率的生產(chǎn)、研發(fā)方式，正在成為汽車產(chǎn)業(yè)接下來研究的核心課題。

可見，大模型正在從研發(fā)設(shè)計模式、人機交互、智能駕駛、用戶生態(tài)等方方面面給整個汽車產(chǎn)業(yè)帶來深刻影響，加速驅(qū)動產(chǎn)業(yè)生態(tài)的智能化、高效化、安全化和可持續(xù)發(fā)展。

國內(nèi)汽車廠商圍繞大模型展開多方探索

盡管奔馳與微軟的合作被稱作是ChatGPT在汽車領(lǐng)域的首個應(yīng)用，但也有觀點認(rèn)為，奔馳實際上是趕了個“晚集”。在前不久的上海汽車展上，國內(nèi)眾多汽車廠商皆展示了大模型方面的布局。

“ChatGPT成功后，如今正向多應(yīng)用生態(tài)發(fā)展，車企也想將GPT的熱度引導(dǎo)到智能車聯(lián)網(wǎng)領(lǐng)域?！闭憬髮W(xué)國際聯(lián)合商學(xué)院數(shù)字經(jīng)濟與金融創(chuàng)新研究中心聯(lián)席主任、研究員盤和林表示。從功能上來看，目前人工智能在汽車上主要有兩種落地形式：一類是用于人工智能交流對話領(lǐng)域，多數(shù)應(yīng)用在智能座艙，比如百度的文心一言，已有東風(fēng)日產(chǎn)、紅旗、長城等近十家車企宣布接入；上海車展期間，商湯科技亮相日日新Sensenova大模型，展示了其中文語言模型“商量SenseChat”以及“如影SenseAvatar”等與座艙的結(jié)合；此前阿里巴巴也宣布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。

另一類是聚焦智能駕駛，比如毫末智行發(fā)布了自動駕駛生成式大模型DriveGPT，幫助解決認(rèn)知決策問題，最終實現(xiàn)端到端的自動駕駛。理想汽車自研大模型MindGPT，擺脫對高精地圖的依賴，讓汽車做到更接近人類司機的駕駛表現(xiàn)。蔚來、小鵬、長城、奇瑞四家車企也已注冊申請了多個與GPT相關(guān)的商標(biāo)。

乘聯(lián)會數(shù)據(jù)顯示，2022全年我國銷售新能源乘用車523.3萬輛，其中智能汽車240.4萬輛，占比45.94%。比亞迪、長安、嵐圖、問界等國內(nèi)品牌已經(jīng)走在智能汽車行業(yè)前列。

相較于通用型大模型，垂直領(lǐng)域的大模型訓(xùn)練和使用成本較低，或許會成為更容易實現(xiàn)商業(yè)落地的領(lǐng)域。業(yè)內(nèi)人士分析稱，汽車有著明確的交互需求，且相較于通用大模型，垂直領(lǐng)域的應(yīng)用場景相對較小，對參數(shù)的量級要求也沒有通用型AI那么大。因此，無論是傳統(tǒng)汽車廠商、造車新勢力，還是大模型科技廠商，普遍認(rèn)為智能汽車最有可能成為率先實現(xiàn)大模型落地的B端場景。

大模型真正“上車”仍需時日

ChatGPT的首發(fā)“上車”已經(jīng)拉開了智能汽車領(lǐng)域大模型之爭的序幕，但需要指出的是，現(xiàn)階段距離大模型真正落地汽車行業(yè)還有一段距離。

專家普遍認(rèn)為，目前汽車領(lǐng)域?qū)τ诖竽Ｐ偷膽?yīng)用仍處于初期的嘗試階段。對于想做大模型的汽車廠商而言，多模態(tài)數(shù)據(jù)的收集、處理、訓(xùn)練是一個難題。自動駕駛所需傳感器數(shù)據(jù)包括激光雷達、毫米波雷達、超聲波雷達，以及高清攝像頭、GPS等。這些數(shù)據(jù)來自不同的坐標(biāo)系，帶有不同的觸發(fā)時間戳，且要考慮到硬件損壞等問題；同時，需要大量的場景數(shù)據(jù)，比如交通標(biāo)志線、交通流、行為模型等。這讓汽車大模型的研發(fā)、訓(xùn)練門檻變得很高。

數(shù)據(jù)來源：汽車銷量數(shù)據(jù)為上險數(shù)據(jù)，汽車之家研究院

中國工程院院士、清華大學(xué)教授、國家智能網(wǎng)聯(lián)汽車創(chuàng)新中心首席科學(xué)家李克強指出，模型數(shù)據(jù)調(diào)動管理需要利用智能網(wǎng)聯(lián)汽車以及計算技術(shù)平臺、云控技術(shù)平臺等平臺，只有大量的數(shù)據(jù)匯聚才可做交叉，特別是垂直領(lǐng)域，這和娛樂系統(tǒng)、服務(wù)系統(tǒng)不一樣，從產(chǎn)業(yè)互聯(lián)網(wǎng)的角度來看，若基礎(chǔ)云平臺不能打通，很難實現(xiàn)向深層領(lǐng)域推進。

在加拿大工程研究院院士、人工智能與數(shù)字經(jīng)濟廣東省實驗室（深圳）執(zhí)行主任于非看來，駕駛中有信息系統(tǒng)模型、思考模型、執(zhí)行模型三部分，生成式的AI大模型意味著在知識方面和信息方面取得了突破，但并不意味著目前它能在汽車上執(zhí)行，也就是控制層面取得突破。于非也認(rèn)為，“車路人云”協(xié)同可以讓行業(yè)產(chǎn)生大裂變，但要AI大模型發(fā)展對智能網(wǎng)聯(lián)汽車發(fā)展產(chǎn)生突破性影響還需要時間。

地平線CTO黃暢認(rèn)為，GPT在自動駕駛場景中最先應(yīng)用的很可能是環(huán)境模型的預(yù)測和交互式規(guī)控和規(guī)劃?！斑@個場景不需要特別的大規(guī)模參數(shù)模型，因為它不是一個完整的端到端閉環(huán)，尤其因為它更關(guān)注于預(yù)測和規(guī)劃，不用花太多精力在感知這個層面上，因此很可能在百Tops級別的算力平臺上就能應(yīng)用，在3~5年內(nèi)就可以初步上線。而從感知到定位地圖到規(guī)控，整個端到端的閉環(huán)做出來，則需要一個更大規(guī)模的參數(shù)模型，大概需要5~10年的時間?！彼f。

從部署方面看，大模型需要高規(guī)格的硬件配置，包含高性能計算能力、大容量內(nèi)存和低時延等特點，但車載設(shè)備的硬件條件相對有限，無法提供足夠的計算資源支撐大模型運行。例如在自然語言處理領(lǐng)域的 GPT-3 模型就需要數(shù)萬億Tops的計算能力。這要求芯片的算力至少要在萬級Tops以上才能夠勝任大型模型的計算任務(wù)。但是，在車載部署場景下，芯片的算力往往只有數(shù)百Tops，遠遠達不到大型模型的要求。

智算中心被視為大模型落地汽車行業(yè)必不可少的基礎(chǔ)設(shè)施。特斯拉發(fā)布了獨立的云端智算中心——Dojo，總計使用了1.4萬個英偉達的GPU來訓(xùn)練AI模型。小鵬汽車和阿里云合建了智算中心“扶搖”，專門用于自動駕駛模型訓(xùn)練，算力規(guī)模達600PFLOPS。毫末和火山引擎聯(lián)合打造了國內(nèi)自動駕駛行業(yè)最大的智算中心“雪湖·綠洲（MANA OASIS）”，每秒浮點運算可達67億億次。有業(yè)內(nèi)人士呼吁，自動駕駛行業(yè)的大模型要成功，全自動駕駛行業(yè)的數(shù)據(jù)需要像互聯(lián)網(wǎng)數(shù)據(jù)一樣公開，這需要監(jiān)管機構(gòu)、行業(yè)參與者等共同推進。

此外，奧緯咨詢董事合伙人張君毅表示，車企們爭相獨立布局大語言模型技術(shù)，技術(shù)資源和注意力容易被分散，由于基層算法人才的趨利流動和大算力GPU的分配，有可能會在一定程度上影響干擾自動駕駛的市場發(fā)展。產(chǎn)業(yè)鏈上下游應(yīng)加強分工合作，避免“重復(fù)造輪子”。

作者丨宋婧? 編輯丨劉晶

美編丨馬利亞? 監(jiān)制丨連曉東