長(zhǎng)城汽車(chē)“再創(chuàng)業(yè)”：成立AI Lab，投入超400人，掀起范式變革

作者 / 白雪編輯 / 葉方

「長(zhǎng)途開(kāi)車(chē)請(qǐng)勿疲勞駕駛，助手已經(jīng)為您開(kāi)啟車(chē)內(nèi)冷風(fēng)?！?/p>

這是語(yǔ)音助手對(duì)車(chē)內(nèi)駕駛員的一則溫馨提示。

這背后的技術(shù)原理是，車(chē)輛通過(guò)攝像頭檢測(cè)到駕駛員眼瞼開(kāi)合度低，認(rèn)為駕駛員很可能正在打瞌睡所做出的反應(yīng)。
然而一切都有限定條件。

比如，車(chē)內(nèi)駕駛員其實(shí)并沒(méi)有打瞌睡，而是因?yàn)檠劬μ∫馔庥|發(fā)車(chē)內(nèi) DMS（疲勞/分神預(yù)警系統(tǒng)）。

這并不是假設(shè)，而是真實(shí)發(fā)生在汽車(chē)媒體人常巖身上的故事。

因?yàn)樗难劬Ρ容^小，所以被系統(tǒng)判定為「開(kāi)車(chē)睡著了」，從而多次被系統(tǒng)扣減了智駕分，由此他在微博發(fā)出質(zhì)疑：眼睛小的難道不配使用智能駕駛？

當(dāng)問(wèn)題反饋至車(chē)企，幾乎所有車(chē)企都想第一時(shí)間拿到常巖的面部圖像，開(kāi)始調(diào)整算法策略。

但除了他之外，特例可能還有更多。

「這不是正確的解題思路?！?/p>

9 月 12 日，在長(zhǎng)城汽車(chē)大模型交流會(huì)上，長(zhǎng)城 AI Lab 負(fù)責(zé)人楊繼峰的回答十分?jǐn)蒯斀罔F。

他認(rèn)為，一味地補(bǔ)充數(shù)據(jù)、寫(xiě)代碼遲早有一天會(huì)崩盤(pán)，但規(guī)則并非如此——真正的解題思路是從單一任務(wù)變成多模態(tài)。

比如如何定義疲勞？需要用多種數(shù)據(jù)定義疲勞，既要考慮眼瞼開(kāi)合度等 DMS 狀態(tài)，同時(shí)也要考慮駕駛員與車(chē)機(jī)的互動(dòng)情況、駕駛情況、行駛車(chē)速等。

比如眼睛再小，車(chē)輛也能通過(guò)穩(wěn)健的駕駛風(fēng)格判斷出駕駛員正在安全駕駛。

一切的底層邏輯還是要回到 AI。

以前自動(dòng)駕駛是最大的 AI 問(wèn)題，現(xiàn)在隨著智能汽車(chē)滲透率逐漸增大，中國(guó)消費(fèi)者市場(chǎng)對(duì)于車(chē)輛作為第三空間的依賴(lài)在增加——智能座艙的體驗(yàn)，也成為亟需攻克的問(wèn)題。

在楊繼峰看來(lái)，圍繞 AI 時(shí)代的汽車(chē)命題無(wú)非三點(diǎn)：

機(jī)器如何像人一樣開(kāi)車(chē)；

機(jī)器如何形成人開(kāi)車(chē)的駕乘空間；

以及在 AI 時(shí)代，如何定義車(chē)企。

當(dāng)這三個(gè)問(wèn)題落地，剩下的只是抽絲剝繭解決技術(shù)問(wèn)題。

AI Lab（智能空間實(shí)驗(yàn)室）就是在這一背景下成立的，以此掀起一場(chǎng)范式變革，推動(dòng)長(zhǎng)城汽車(chē)快速適應(yīng) AI 時(shí)代。

目前 AI Lab?已經(jīng)超過(guò) 400 人。這個(gè)新組織的定位，是梳理長(zhǎng)城汽車(chē)的數(shù)據(jù)結(jié)構(gòu)，充當(dāng)數(shù)據(jù)能力、計(jì)算能力、體系能力和模塊化能力的 AI 技術(shù)前臺(tái)與中臺(tái)。

長(zhǎng)城的這次亮牌，似乎已經(jīng)準(zhǔn)備好在 AI 時(shí)代的戰(zhàn)場(chǎng)上攻城略地。

01、機(jī)器怎么像人開(kāi)車(chē)：城市領(lǐng)航輔助開(kāi)辟 100 城、開(kāi)發(fā) Drive GPT

自動(dòng)駕駛對(duì)長(zhǎng)城而言，并非做不做的問(wèn)題，而是進(jìn)展多少、有沒(méi)有取得領(lǐng)先地位的問(wèn)題。

過(guò)去兩年，長(zhǎng)城對(duì)于智能化進(jìn)展的信息披露，一直保持著某種克制，讓外界一度以為這只能算是踩著新能源浪潮的老牌車(chē)企。

一場(chǎng)溝通會(huì)，讓我們重新審視了長(zhǎng)城的智能化進(jìn)展。

如果將自動(dòng)駕駛在中國(guó)的發(fā)展分為二個(gè)階段：

第一個(gè)階段是從 2015 年開(kāi)始，誕生了一批自動(dòng)駕駛解決方案，傳統(tǒng)的模塊化自動(dòng)駕駛分為環(huán)境感知層、決策規(guī)劃層和控制執(zhí)行層三層。

這種模塊化的技術(shù)缺點(diǎn)是：系統(tǒng)復(fù)雜龐大，往往需要人工設(shè)計(jì)成百上千個(gè)模塊。

第二個(gè)階段是 2017 年后，自動(dòng)駕駛領(lǐng)域開(kāi)始嘗試引入 Tranformer 這種基于注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)模型，進(jìn)一步實(shí)現(xiàn)端到端自動(dòng)駕駛。

這帶來(lái)的好處是沒(méi)有人工設(shè)計(jì)的繁復(fù)規(guī)則，只需要極少的來(lái)自人類(lèi)的訓(xùn)練數(shù)據(jù)，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)就能學(xué)會(huì)駕駛。

與外界認(rèn)知不同，長(zhǎng)城旗下的自動(dòng)駕駛公司毫末智行是國(guó)內(nèi)第一家引入 Transformer 的企業(yè)。

其實(shí)，長(zhǎng)城發(fā)力自動(dòng)駕駛至少可以追溯到六年前。

成立于 2019 年的毫末智行，前身是長(zhǎng)城汽車(chē)智能駕駛前瞻部。

這約等于往前再推數(shù)年，長(zhǎng)城就在內(nèi)部啟動(dòng)自動(dòng)駕駛技術(shù)開(kāi)發(fā)。

直到 2019 年，為了保證毫末智行發(fā)揮出最高效率，才從長(zhǎng)城內(nèi)部拆分出來(lái)獨(dú)立運(yùn)營(yíng)。

長(zhǎng)城在自動(dòng)駕駛領(lǐng)域的決心，在今年上半年已現(xiàn)端倪，長(zhǎng)城主要做了三件事——圍繞 Drive GPT 發(fā)布了感知大模型、認(rèn)知大模型以及 3D 場(chǎng)景構(gòu)建大模型。

據(jù)汽車(chē)之心了解，最開(kāi)始長(zhǎng)城是用 Drive GPT 在內(nèi)部的初始形態(tài)是 Dencoder，只用于解決路徑規(guī)劃的問(wèn)題，后來(lái)才變成了用與 GPT 一樣的 Dencoder knowledge 算法架構(gòu)去解決預(yù)測(cè)和路徑規(guī)劃。

現(xiàn)在，長(zhǎng)城開(kāi)始極致釋放 GPT 的性能，開(kāi)始用 GPT 最大的壓縮和推理能力去解決概率預(yù)測(cè)的問(wèn)題。

「所有視覺(jué)信息壓縮到 4D 智能空間里，再加入 3D 網(wǎng)絡(luò)結(jié)構(gòu)以及 4D 深度策略。我們用了 400 萬(wàn)個(gè) Clips 訓(xùn)練，2021 年之后我們就用 Clips 去衡量數(shù)據(jù)，總性能提升了 20%?！箺罾^峰解釋道。

通過(guò) Drive GPT 大模型可以預(yù)測(cè)自車(chē)未來(lái)軌跡、同時(shí)生成多個(gè)「平行宇宙」來(lái)展現(xiàn)未來(lái)可能發(fā)生的駕駛情況，并最終完成邏輯嚴(yán)密的輸出決策推理鏈。

據(jù)汽車(chē)之心了解，目前認(rèn)知大模型的認(rèn)知算法通過(guò)率已經(jīng)提升了 30% 以上。

另一個(gè)重要進(jìn)展則是 3D 場(chǎng)景構(gòu)建大模型的誕生。

從自動(dòng)駕駛誕生那一天起，行業(yè)就有一個(gè)經(jīng)典命題：自動(dòng)駕駛訓(xùn)練到底要用實(shí)車(chē)數(shù)據(jù)更好還是虛擬數(shù)據(jù)更好？

用實(shí)車(chē)數(shù)據(jù)成本高、效率低但效果好，用虛擬數(shù)據(jù)成本低了，但數(shù)據(jù)真實(shí)度難以保證、也無(wú)法解決交互性的問(wèn)題。甚至有行業(yè)人士表示，很長(zhǎng)一段時(shí)間，用虛擬數(shù)據(jù)做仿真帶來(lái)的問(wèn)題多過(guò)帶來(lái)的收益。

至少，按照傳統(tǒng)的方式，全物理級(jí)的建模需要把傳感器表現(xiàn)都用數(shù)學(xué)模型構(gòu)建出來(lái)，這個(gè)過(guò)程難度極大，不僅因?yàn)槌杀靖?，這些底層數(shù)據(jù)也并不透明。

3D 場(chǎng)景構(gòu)建大模型，某種程度上是解決這個(gè)問(wèn)題的思路。

通過(guò) 3D 重構(gòu)加上自動(dòng)插入目標(biāo)物范式，重建精度可以達(dá)到 10cm，這也使得場(chǎng)景還原度、重建效率更高，面對(duì) Coner case 的構(gòu)造成本也降低了百倍以上。

自動(dòng)駕駛技術(shù)層面的三張王牌，長(zhǎng)城已經(jīng)有了。

面對(duì)已經(jīng)展開(kāi)的車(chē)企城市 NOA 開(kāi)城之戰(zhàn)，長(zhǎng)城也第一次有了回應(yīng)：

長(zhǎng)城預(yù)計(jì)在 2024 年將城市 NOH 拓展至百城。

2024 年第一季度，城市 NOH 會(huì)先在魏牌藍(lán)山的車(chē)型上量產(chǎn)落地。

NOH 首批開(kāi)放的城市包括北京、上海、保定，后續(xù)會(huì)陸續(xù)拓展到其他一線(xiàn)城市。

就在前天（9 月 19?日），小鵬宣布將城市 NGP 在 2023 年底拓展至 50 城，2024 年擴(kuò)增至 200 城。更早之前，華為宣布今年 12 月城市領(lǐng)航輔助駕駛「全國(guó)都能開(kāi)」。

對(duì)比之下，長(zhǎng)城 2024 年 100 城的目標(biāo)，給人的感覺(jué)并不亮眼。

但只卷數(shù)量、卷速度，就像智能汽車(chē)卷價(jià)格一樣，維度十分單薄。

根據(jù)長(zhǎng)城向外界釋放的信息，長(zhǎng)城對(duì)于城市 NOH 的規(guī)劃有貼合自身實(shí)際的步調(diào)。

長(zhǎng)城把全面鋪開(kāi)城市 NOH 分成了三步：

第一步采用低算力平臺(tái)達(dá)到高速/快速 NOH（無(wú)圖）；

第二步采用中算力平臺(tái)，達(dá)到高速 NOH（無(wú)圖）、記憶行車(chē)、自動(dòng)泊車(chē)等功能；

第三步則是在以上基礎(chǔ)上實(shí)現(xiàn)城市 NOH（無(wú)圖）、跨層記憶泊車(chē)。

顯然，對(duì)一個(gè)擁有 5 大品牌的超級(jí)車(chē)企來(lái)說(shuō)，長(zhǎng)城的智能駕駛必須要分場(chǎng)景來(lái)實(shí)現(xiàn)。

長(zhǎng)城汽車(chē)智能駕駛高級(jí)總監(jiān)姜海鵬解釋?zhuān)号茖⒋钶d最高級(jí)智駕平臺(tái)做城市 NOH，很大程度上是因?yàn)槲号频亩ㄎ荒芨采w平臺(tái)成本。其次是坦克、哈弗和歐拉，將實(shí)現(xiàn)高速、自動(dòng)泊車(chē)等基本功能。

自動(dòng)駕駛的地已經(jīng)耕好了，長(zhǎng)城究竟能種出怎樣的莊稼還有待觀(guān)察。

02、機(jī)器怎么形成與人互通的駕乘空間？用 Space GPT 把定義座艙變成生成式座艙

億歐智庫(kù)調(diào)研顯示：年齡位于 25-35 歲的年輕人，有 51% 的人表示將座艙的智能化水平作為其購(gòu)車(chē)的重要參考因素, 甚至有 28% 的人將座艙的智能化水平視為其購(gòu)車(chē)時(shí)的首要參考因素。

當(dāng)天下午，我體驗(yàn)了哈弗梟龍的座艙系統(tǒng)，這款車(chē)內(nèi)座艙系統(tǒng)搭載了長(zhǎng)城 2021 年發(fā)布的 Coffee OS 2.0 版本。
兩個(gè)最直觀(guān)的感受：

Coffee OS 2.0 版本支持「一語(yǔ)十意」功能，筆者在車(chē)內(nèi)一次性給出了「空調(diào)溫度調(diào)低打開(kāi)視頻打開(kāi)座椅通風(fēng)打開(kāi)車(chē)窗」，系統(tǒng)仍然能快速識(shí)別，時(shí)延被降到了難以感受的程度。據(jù)悉，Coffee OS 2.O 最多可以一次性實(shí)現(xiàn) 10 個(gè)指令。

另一個(gè)直觀(guān)感受是界面「所見(jiàn)即所得」。我試著對(duì)話(huà)小哈查詢(xún)明天保定飛往深圳的機(jī)票，車(chē)機(jī)提供航班結(jié)果的同時(shí)，還能通過(guò)語(yǔ)音實(shí)現(xiàn)上下翻頁(yè)，讓人頗感驚喜。

但缺點(diǎn)仍然存在。

比如，在遇到無(wú)法識(shí)別的指令時(shí)，車(chē)機(jī)有時(shí)不會(huì)為人類(lèi)駕駛員提供反饋，往往導(dǎo)致駕駛員「蒙圈」?fàn)顟B(tài)。

同時(shí)，盡管 Coffee OS 2.0 可以支持多音區(qū)識(shí)別，但對(duì)較為混亂的車(chē)內(nèi)場(chǎng)景，仍需要較長(zhǎng)反應(yīng)時(shí)間。

不過(guò)這些問(wèn)題將會(huì)在 Coffee OS 3.0 上車(chē)后得到解決。

據(jù)了解，Coffee OS 3.0 將會(huì)在今年第四季度上車(chē)部分車(chē)型。

在展開(kāi)智能座艙之前，可能要先思考智能座艙是不是一個(gè) AI 問(wèn)題？

過(guò)去智能座艙的測(cè)評(píng)標(biāo)準(zhǔn)，往往是時(shí)延，各大汽車(chē)媒體圍著車(chē)機(jī)測(cè)試反應(yīng)快不快、交互靈敏不靈敏。
但今天似乎變了。

開(kāi)始有更多消費(fèi)者好奇：「如果我今天對(duì)車(chē)機(jī)說(shuō)『我心情不好』，我的車(chē)會(huì)干什么？」

到了這個(gè)層面，智能座艙絕對(duì)是 AI 問(wèn)題。

有行業(yè)人士認(rèn)為，大模型對(duì)智能座艙至少有三個(gè)層面的影響：

第一層：大模型上下文理解能力可增強(qiáng)語(yǔ)音助手對(duì)于乘客的語(yǔ)音語(yǔ)義理解能力、響應(yīng)能力，實(shí)現(xiàn)連續(xù)對(duì)話(huà)等功能；

第二層：大模型賦能車(chē)載助手多模態(tài)理解能力、感知能力，以減輕駕駛員交互壓力；

第三層：大模型提升車(chē)載導(dǎo)航對(duì)路線(xiàn)優(yōu)化與判斷的準(zhǔn)確性。

AI 大模型加持下，智能座艙悄然起了變化。

楊繼峰認(rèn)為，過(guò)去的智能座艙可能是產(chǎn)品經(jīng)理定義出來(lái)的，在此階段智能座艙不是 AI 問(wèn)題，但未來(lái)的智能座艙要從定義座艙走到生成式座艙。
他向我們舉了一個(gè)簡(jiǎn)單的例子：

過(guò)去，大多數(shù)智能座艙會(huì)針對(duì)某一類(lèi)群體的顯性特征來(lái)定義一個(gè)專(zhuān)屬模式，比如針對(duì)女性用戶(hù)來(lái)設(shè)計(jì)女王座椅、化妝鏡的互動(dòng)等，但用 AI 來(lái)定義智能座艙，不止跟群體相關(guān)，還跟每個(gè)人的年齡、狀態(tài)、心情、性格相關(guān)。

「一個(gè)好的交互，不是用戶(hù)坐在車(chē)上了才提醒今天降溫，要多穿衣服，而是坐在車(chē)上的時(shí)候，車(chē)機(jī)壁紙、外觀(guān)堆上了小雪人。」

而實(shí)現(xiàn)智能座艙從定義走向生成式的核心算法在于，把交互變成多模態(tài)的輸入+多任務(wù)的輸出。

長(zhǎng)城這一次做了 Space GPT 的三種模型：感知大模型、認(rèn)知大模型和 AIGC 生成式大模型。

回到文章開(kāi)頭常巖的案例，這三種大模型在座艙內(nèi)的應(yīng)用可能會(huì)徹底解決他的困擾。

感知大模型：首先通過(guò)多模感知（包含 DMS 檢測(cè)眼瞼開(kāi)合度，同時(shí)加入車(chē)輛動(dòng)力學(xué)參數(shù)、車(chē)機(jī)交互輸入、用戶(hù)語(yǔ)音輸入等）一同評(píng)估駕駛者的駕駛狀態(tài)，然后進(jìn)行任務(wù)輸出（包括疲勞監(jiān)測(cè)任務(wù)、心情預(yù)測(cè)任務(wù)、用戶(hù)行為任務(wù)等），最終為其進(jìn)行交互行為推薦、生態(tài)內(nèi)容推薦等。

認(rèn)知大模型：認(rèn)知模型則是讓 AI 理解駕駛者，將生態(tài)內(nèi)容喜好、交互行為預(yù)測(cè)、導(dǎo)航出行需求認(rèn)知等等與用戶(hù)進(jìn)行匹配，久而久之標(biāo)簽與標(biāo)簽對(duì)齊，AI 能夠變得越來(lái)越像用戶(hù)。

AIGC 生成大模型：則是結(jié)合文生文、文生圖、大模型+知識(shí)庫(kù)組成的一系列應(yīng)用功能。這種大模型+插件的模式，將會(huì)變成擅長(zhǎng)不同技巧的用車(chē)助手。

楊繼峰認(rèn)為，智能座艙的變革本質(zhì)上就是范式變革，要將多模態(tài)+認(rèn)知+各種用戶(hù)推薦平臺(tái)融合在一起才能完成范式創(chuàng)新，達(dá)到數(shù)據(jù)閉環(huán)的狀態(tài)。

這其中要經(jīng)歷小模型變成多模態(tài)的算法范式創(chuàng)新，要做到刷新落后底層架構(gòu)，最后才能有顛覆性的產(chǎn)品形態(tài)和交互形態(tài)。

今天出現(xiàn)了這樣的產(chǎn)品形態(tài)嗎？

可能還沒(méi)有。

在與長(zhǎng)城談?wù)撝悄茏摰倪^(guò)程中，理想是一個(gè)常被討論和提及的對(duì)手。

理想幾乎定義了一個(gè)家庭出行需要的智能座艙，第一個(gè)提出了 Mind GPT，將其進(jìn)化為主動(dòng)式座艙。

異曲同工，長(zhǎng)城也以 Space GPT 為內(nèi)核研發(fā)生成式智能座艙。據(jù)汽車(chē)之心了解，長(zhǎng)城目前也是唯一一個(gè)座艙算法團(tuán)隊(duì)超過(guò)百人的團(tuán)隊(duì)。

「很有意思的是，當(dāng)現(xiàn)在很多人玩 ChatGPT，跟 GPT 對(duì)話(huà)的時(shí)候甚至還會(huì)用『請(qǐng)』字，這本質(zhì)是相信它擁有平等對(duì)話(huà)能力的表現(xiàn)?！刮磥?lái)有嗎？
應(yīng)該會(huì)有——當(dāng)座艙日活量、主動(dòng)交互率高起來(lái)，這樣的產(chǎn)品就誕生了。

03、怎樣用 AI 定義車(chē)企？所有組織都將是 AI 組織

智能駕駛、智能座艙的關(guān)鍵部分滲透完了，此時(shí)的車(chē)是車(chē)嗎？

對(duì)于這個(gè)問(wèn)題，每家車(chē)企的思考都不一樣。

有的認(rèn)為是汽車(chē)機(jī)器人，有的認(rèn)為是電腦+四個(gè)輪子，有的認(rèn)為車(chē)還得是車(chē)。

長(zhǎng)城內(nèi)部習(xí)慣先思考一下：「這個(gè)問(wèn)題究竟是不是 AI 問(wèn)題」。

這個(gè)習(xí)慣顯然是最近長(zhǎng)城成立的 AI Lab 帶起來(lái)的風(fēng)潮。

據(jù)了解，目前長(zhǎng)城 AI Lab 已經(jīng)超過(guò) 400 人。

在汽車(chē)之心看來(lái)，AI Lab 很像長(zhǎng)城內(nèi)部的一次「再創(chuàng)業(yè)」，嘗試用 AI 激活智能汽車(chē)的更多可能性。

而這一舉動(dòng)，也與許多新勢(shì)力不謀而合，蔚來(lái)創(chuàng)始人李斌在 2023 蔚來(lái)創(chuàng)新科技日上也大膽斷言：AI 將會(huì)成為智能電動(dòng)汽車(chē)企業(yè)的核心基礎(chǔ)能力。
AI Lab 怎么掀起組織變革？

長(zhǎng)城內(nèi)部這樣解釋組織變革三個(gè)時(shí)代：

以產(chǎn)品交付為目的的開(kāi)發(fā)時(shí)代：汽車(chē)產(chǎn)品 SOP后，它 95% 的開(kāi)發(fā)工作就結(jié)束了，這一階段最典型的組織架構(gòu)就是每個(gè)產(chǎn)品擁有一個(gè)開(kāi)發(fā)團(tuán)隊(duì)和項(xiàng)目團(tuán)隊(duì)。

服務(wù)多產(chǎn)品時(shí)代：隨著 OTA 升級(jí)的實(shí)現(xiàn)，就進(jìn)入到第二個(gè)階段，這一階段交付并不是結(jié)束，而是新的開(kāi)始。組織架構(gòu)也從單個(gè)團(tuán)隊(duì)僅服務(wù)一款產(chǎn)品，到服務(wù)多款產(chǎn)品。

數(shù)據(jù)驅(qū)動(dòng)整車(chē)時(shí)代：這一階段該思考整車(chē)的數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)挖掘、數(shù)據(jù)標(biāo)注如何支撐駕艙一體化，車(chē)云一體化等架構(gòu)。

AI Lab 的成立讓長(zhǎng)城進(jìn)入智能汽車(chē)第三個(gè)時(shí)代。據(jù)了解 AI Lab 新組織的定位，正是梳理長(zhǎng)城汽車(chē)的數(shù)據(jù)結(jié)構(gòu)，充當(dāng)數(shù)據(jù)能力、計(jì)算能力、體系能力和模塊化能力的 AI 技術(shù)前臺(tái)+中臺(tái)。

這個(gè)新組織的定位，是梳理長(zhǎng)城汽車(chē)的數(shù)據(jù)結(jié)構(gòu)，充當(dāng)數(shù)據(jù)能力、計(jì)算能力、體系能力和模塊化能力的 AI 技術(shù)前臺(tái)+中臺(tái)。

楊繼峰認(rèn)為，長(zhǎng)城做的每個(gè)問(wèn)題都是 AI 問(wèn)題，每個(gè)要素都是 AI 要素，每個(gè)組織都是 AI 組織。

那怎么判斷一個(gè)東西是不是 AI 問(wèn)題？

楊繼峰表示：「考慮有沒(méi)有更好的思考邏輯或者數(shù)據(jù)幫助我們做開(kāi)發(fā)。這種開(kāi)發(fā)可以是算法團(tuán)隊(duì)和設(shè)計(jì)團(tuán)隊(duì)一起做整車(chē)設(shè)計(jì)，讓機(jī)器也能像人一樣設(shè)計(jì)出來(lái)足夠好的圖，也可以是面向整個(gè)公司的 AI 化調(diào)整。」

他坦言，盡管從設(shè)計(jì)師、工程師再到品牌、客服、工廠(chǎng)，每個(gè)人都在 AI 化，但車(chē)企還是很焦慮，「沒(méi)有人能拍著胸脯保證下一代的數(shù)據(jù)架構(gòu)、計(jì)算架構(gòu)甚至車(chē)型就是規(guī)劃當(dāng)中的那個(gè)樣子?！?/p>

尤其是對(duì)于長(zhǎng)城這種超級(jí)主機(jī)廠(chǎng)而言，并不乏挑戰(zhàn)。

挑戰(zhàn)之一是品牌，挑戰(zhàn)之二是模式泛化之后，是否真的能呈現(xiàn)出用戶(hù)滿(mǎn)意的產(chǎn)品。

每個(gè)人的駕駛風(fēng)格和駕駛習(xí)慣不同，長(zhǎng)城也在根據(jù)這些特點(diǎn)做品牌區(qū)別，但目前來(lái)說(shuō)效果還不是很明顯，至少各個(gè)品牌在智能座艙風(fēng)格的區(qū)分上并不明顯。

姜海鵬表示，在這一代量產(chǎn)車(chē)?yán)?，長(zhǎng)城的發(fā)力點(diǎn)是平臺(tái)化以及 AI 能力打磨。但在下一代車(chē)型中，長(zhǎng)城智能化的品牌區(qū)隔將會(huì)越發(fā)明顯。
姜海鵬拿歐拉、坦克舉了兩個(gè)例子。

歐拉為女性量身打造，主要解決女性開(kāi)車(chē)中的痛點(diǎn)問(wèn)題。第一個(gè)是泊車(chē)，歐拉未來(lái)會(huì)更強(qiáng)調(diào)自動(dòng)泊車(chē)屬性，把一鍵泊車(chē)打造成標(biāo)桿產(chǎn)品。第二是通過(guò)記憶路線(xiàn)來(lái)保證智能駕駛過(guò)程中不會(huì)出現(xiàn)激進(jìn)決策，為女性提供充足的安全感。

坦克圍繞城市越野而生，針對(duì)越野場(chǎng)景，開(kāi)發(fā)類(lèi)似魔毯模式的特色功能，同時(shí)還針對(duì)非鋪裝道路的地盤(pán)調(diào)整，另一方面開(kāi)坦克的消費(fèi)者可能會(huì)更偏向激進(jìn)駕駛的風(fēng)格，所以在加減速上的反應(yīng)更加強(qiáng)烈、靈敏。

據(jù)汽車(chē)之心了解，明年魏牌車(chē)型將會(huì)優(yōu)先落地城市?NOH，并逐漸覆蓋歐拉、坦克等品牌。

5 大品牌對(duì)于長(zhǎng)城是幸福的煩惱，大模型的加持或許能夠讓 5 大品牌的智能化風(fēng)格變得各有千秋。是否真的能利用大模型打造出讓用戶(hù)滿(mǎn)意的產(chǎn)品，還是一個(gè)未知數(shù)。

楊繼峰認(rèn)為，在今年內(nèi)，長(zhǎng)城可以讓用戶(hù)感受到 AI 到底是什么，但本質(zhì)上這個(gè)技術(shù)還沒(méi)有形成產(chǎn)品。到今天，大模型應(yīng)用仍處于早期過(guò)程，今天能想到的所有模型輕量化范式、模型 SMT，不過(guò)也就 6 個(gè)月而已。

行業(yè)處于早期，并不意味著就可以等待成熟再下場(chǎng)。

「你也可以仍舊維持現(xiàn)有的體驗(yàn)，停留在數(shù)字化座艙，但多模態(tài)已經(jīng)開(kāi)始產(chǎn)生了很強(qiáng)的產(chǎn)品壁壘。多模態(tài)這件事情明年不做，基本上就沒(méi)機(jī)會(huì)了?！顾f(shuō)道。

當(dāng)特斯拉 FSD V12 呈現(xiàn)出令人驚艷的表現(xiàn)，大洋彼岸的中國(guó)玩家早已蠢蠢欲動(dòng)，城市 NOA 借著 AI 大模型東風(fēng)不斷開(kāi)城，各家新勢(shì)力圍繞大模型不斷提出各類(lèi)座艙功能。

造車(chē)三十年，長(zhǎng)城被不少人貼上了「?jìng)鹘y(tǒng)」的標(biāo)簽。

在這次交流中，他們彼此有時(shí)也打趣道，「長(zhǎng)城對(duì)智能化相關(guān)的內(nèi)容發(fā)布實(shí)在是太低調(diào)了，這鍋給品牌部來(lái)背。」

話(huà)是這么說(shuō)，實(shí)際上長(zhǎng)城內(nèi)部早就已經(jīng)起了變化。

活動(dòng)當(dāng)天，長(zhǎng)城汽車(chē)董事長(zhǎng)魏建軍沒(méi)有參加，但第二天早上 7 點(diǎn)不到，魏建軍從離長(zhǎng)城哈弗技術(shù)中心不遠(yuǎn)的一家普通商務(wù)酒店出門(mén)跑步，59 歲的魏建軍仍十分自律。

內(nèi)部交流中，許多人評(píng)價(jià)他面對(duì) AI 的態(tài)度是「投入了很多精力」，而 AI Lab 的誕生或許已經(jīng)是無(wú)聲證明。

可以確定的是，相較于長(zhǎng)城當(dāng)年「此誠(chéng)危急存亡」地重注 SUV，用現(xiàn)象級(jí)爆款哈弗 H6 打遍天下，如今的長(zhǎng)城，有著更殷實(shí)的家底和更充沛的人才儲(chǔ)備來(lái)跨越更加漫長(zhǎng)的 AI 時(shí)代。