從奔馳到自行車都在集成的大模型 是汽車智能化的下個風(fēng)口？

　　自最近半年多，大模型浪潮掀起，萬物皆可GPT以來，BAT等企業(yè)都在發(fā)布自己的大模型產(chǎn)品，百“模”大戰(zhàn)、群“模”亂舞都已見怪不怪。各種規(guī)模的發(fā)布會你方唱罷我登場，各家企業(yè)都在鉚足了勁向外界證明自己的想象空間究竟有多大。

　　進(jìn)入七月后，通用大模型略微降溫，行業(yè)專用大模型開始亮相，如專用于酒店與旅游的攜程“問道”，專用于教育的網(wǎng)易有道“子曰”，專用于中醫(yī)診療的大經(jīng)中醫(yī)“岐黃問道”，凡此種種不一而足。

　　之所以出現(xiàn)這種變化，一方面是由于不同企業(yè)各有業(yè)務(wù)側(cè)重點，因此打造的大模型產(chǎn)品也不可避免的受其影響，這是客觀事實;另一方面是隨著大模型的整體發(fā)展，其產(chǎn)業(yè)化也開始被越來越多的提及。畢竟如果不能落地部署成觸手可及的產(chǎn)品，再先進(jìn)的科技都沒有意義。

　　六月中旬時奔馳與微軟合作，成為全球首家將ChatGPT集成到自家車載語音控制系統(tǒng)中的車企，半個月后又有自行車企業(yè)宣布搭載ChatGPT，最近吉利也官宣將在九月發(fā)布全棧自研的車載大模型。作為旁觀者在感慨科幻之光照進(jìn)現(xiàn)實的同時，也不免讓人遐想，大模型或許真的就是汽車智能化的下個風(fēng)口?

　　01 大模型上車，系好安全帶

　　6月16日，百年車企梅賽德斯·奔馳和微軟共同宣布，兩家公司正在擴(kuò)大AI領(lǐng)域的合作，將ChatGPT整合到奔馳車載語音控制系統(tǒng)中。

　　這項合作將通過微軟的Azure OpenAI服務(wù)，允許車主在駕車時體驗ChatGPT。測試計劃于16日當(dāng)天正式開始，在美國共約90萬輛配備MBUX信息娛樂系統(tǒng)的奔馳都可以參加測試。

　　近幾年科技的發(fā)展，表明汽車正愈發(fā)變成一個新型智能終端。大模型出現(xiàn)后，人車、車機(jī)關(guān)系也不可避免的受到影響。具體說來這種影響主要體現(xiàn)在兩方面：

　　對自動駕駛的影響。

　　對智能座艙的影響。

　　下面分開來說。

　　大模型對自動駕駛的影響。

　　大模型可以處理海量數(shù)據(jù)，同時具備多維度分析能力，可以提供更精準(zhǔn)、更全面的數(shù)據(jù)分析和預(yù)測能力。保持對大模型的優(yōu)化升級，就可以提高自動駕駛的準(zhǔn)確性和可靠性。像ChatGPT那種通用大模型，也是當(dāng)參數(shù)量到達(dá)一定程度，開始具備足夠的能力后，它才能火遍全世界。而具體到應(yīng)用層面，大模型對自動駕駛的影響又可以細(xì)化為云端和車端。在云端，車企可以發(fā)揮大模型天生的大參數(shù)容量優(yōu)勢，通過大模型完成絕大多數(shù)的數(shù)據(jù)標(biāo)注與挖掘工作，節(jié)省成本，還能夠借助仿真場景構(gòu)建賦能。在車端，大模型可以將細(xì)分為多個附屬子模型，分管不同子任務(wù)，節(jié)省車端的推理計算時間，增加行車安全性。此外，云端到車端的感知決策一體化算法常被認(rèn)為是自動駕駛算法最后瓶頸，或許在汽車接入大模型之后也可以得到有效解決，自動駕駛的算法升級或許也不再遙不可及。

　　對智能座艙的影響。

　　以前面已經(jīng)說過的奔馳舉例來說，微軟表示車載ChatGPT能支持更動態(tài)的對話，既有一般的語音命令，也支持交互式對話，對話范圍可以涵蓋地點信息、菜譜、甚至是一些更加復(fù)雜的問題，讓駕駛員的眼睛更專注于路況。隨后微軟與奔馳還表示將繼續(xù)保持合作，探索ChatGPT的插件生態(tài)系統(tǒng)，為集成第三方服務(wù)探索可能性。未來的司機(jī)可能通過車載大模型系統(tǒng)，就可以完成預(yù)訂餐廳或電影票等任務(wù)，在改善駕駛體驗的同時提高便利性和生產(chǎn)力。

　　此外，大模型也將對車企的研發(fā)方式和商業(yè)模式產(chǎn)生新的影響。在研發(fā)方式方面，由于AI高效的標(biāo)注能力有目共睹，過去需要很長時間的數(shù)據(jù)標(biāo)注任務(wù)現(xiàn)在只需要幾小時即可，研發(fā)的時間成本大幅壓縮，而且大模型可以處理多模態(tài)的豐富數(shù)據(jù)，如語音、手勢、視覺等，這可以助力車企深入改善總體研發(fā)效能，降本增效。而在商業(yè)模式上說，目前的大模型普遍能說會道，集成到車載系統(tǒng)之后，人、車、機(jī)之間就可能從“雇傭關(guān)系”發(fā)展到“陪伴關(guān)系”，大模型通過機(jī)器學(xué)習(xí)能力也會逐步了解人的喜好和習(xí)慣，進(jìn)而衍生出全新的商業(yè)價值。

　　02 大模型與汽車是否天作之合？

　　在奔馳宣布與微軟合作后，國內(nèi)的理想汽車也發(fā)布了自研大模型MindGPT，百度的文心一言也被接入到了紅旗、長安、吉利、嵐圖、零跑等眾多車企之中。因此可以預(yù)料到的，大模型與車企和汽車的結(jié)合將會越來越普遍。而從目前參與的車企來看，他們對大模型的發(fā)展重點與方向也各有側(cè)重。從功能的角度來說可以分為兩種：1.用于智能座艙的的交流對話領(lǐng)域。2.用于自動駕駛等智能系統(tǒng)。前者如前面說到的奔馳與微軟的合作，以及接入通義千問的阿里巴巴AliOS智能汽車操作系統(tǒng);后者如理想汽車自研的MindGPT，擺脫對高清地圖的依賴，讓汽車更接近人類司機(jī)的駕駛表現(xiàn)，以及毫末智行的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)云端到車端的自動駕駛。此外，長城、奇瑞、蔚來、小鵬四家車企，也已經(jīng)注冊申請了多個與GPT相關(guān)的商標(biāo)，相信很快就會有大模型相關(guān)成果問世。

　　相較ChatGPT那種通用大模型來說，行業(yè)或垂類大模型的訓(xùn)練和使用成本都更低。因此不論是奔馳這種百年老廠還是蔚小理這種國產(chǎn)新勢力，再或者是微軟，BAT這種科技企業(yè)，正有越來越多的人認(rèn)為智能汽車可能是率先實現(xiàn)大模型落地部署的B端場景。不過二者的相互成就之路也并非想象中的一帆風(fēng)順。

　　首先一點肉眼可見的是車載硬件條件的限制，導(dǎo)致車載大模型可能難以發(fā)揮全部性能。目前全球各家大模型需要的硬件配置普遍很高，包括高性能計算能力、大容量內(nèi)存和低延遲等特點，但車載設(shè)備的硬件天生相對有限，很難提供足夠的算力資源支撐大模型運行。舉個例子，GPT-3.5的參數(shù)量高達(dá)1750億，支撐它的計算能力高達(dá)數(shù)萬億TOPS，配套芯片的算力至少也要在萬級TOPS以上才能負(fù)擔(dān)得起大模型的計算任務(wù)。但是在車載環(huán)境下，芯片的算力往往只有數(shù)百TOPS，可以說是連大模型運算要求的門檻都夠不到。照此趨勢發(fā)展，升級車載算力基礎(chǔ)設(shè)施是大勢所趨，智算中心甚至是未來智能汽車的標(biāo)配。比如特斯拉建設(shè)的獨立云端智算中心Dojo，總共使用了約1.4萬張英偉達(dá)的GPU來訓(xùn)練大模型。

　　其次對數(shù)據(jù)的處理也是不小的難題，特別是現(xiàn)在日益流行的多模態(tài)數(shù)據(jù)。自動駕駛需要的傳感器與數(shù)據(jù)非常多，包括激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)等，以及專用的高清攝像頭、GPS設(shè)備等，而且因為這些零件自帶高敏感屬性導(dǎo)致其故障與損壞率非常高。自動駕駛數(shù)據(jù)來自不同的坐標(biāo)系，各自帶有不同的觸發(fā)時間戳。此外，自動駕駛還需要大量的場景數(shù)據(jù)，比如對交通標(biāo)志與地面標(biāo)線的學(xué)習(xí)與識別、對車流與人流的行為與相關(guān)應(yīng)對模型等。大模型和數(shù)據(jù)的管理都需要利用智能車聯(lián)網(wǎng)，以及配套的專用計算技術(shù)平臺、云控技術(shù)平臺等基建設(shè)施，要交叉配合就要以海量數(shù)據(jù)匯聚為前提，尤其是在汽車這種垂直領(lǐng)域內(nèi)。這和其他車載系統(tǒng)并不相同，假如基礎(chǔ)性平臺各自為戰(zhàn)，必定導(dǎo)致其很難向更深層次發(fā)展。這些因素的疊加，讓車載大模型的研發(fā)、訓(xùn)練門檻變得非常高。自動駕駛的技術(shù)門檻已經(jīng)很高了，車載大模型則比它有過之而無不及。

　　最后，雖然現(xiàn)在的生成式AI在信息獲取方面取得了突破，但在后續(xù)的控制、決策、執(zhí)行等層面，它離真正落地部署在汽車上還有不小的一段距離。云端到車端的大模型訓(xùn)練，也需要在車載系統(tǒng)中構(gòu)建基于大模型的全新算法，這個過程保守的估計需要三到五年，八到十年，甚至更長的時間也不是不可能。

　　03 光而不耀，靜水流深

　　汽車和大模型都有濃重的科技屬性，二者結(jié)合*的意義，或許在于彼此間的取長補(bǔ)短，即強(qiáng)化大模型的制造和消費屬性，同時強(qiáng)化汽車的電子和科技屬性。這么看來，真正決定大模型能否上車的還得看車企本身的科技實力，這甚至關(guān)系到他們能否占領(lǐng)未來科技制高點。

　　平心而論，汽車與大模型的結(jié)合蠻值得期待的。大模型的一大意義在于重新定義了人機(jī)交互與相關(guān)的服務(wù)生態(tài)，上車后將加速車載應(yīng)用服務(wù)生態(tài)消費的電子化進(jìn)程，而這將在很大程度上改變汽車，車載系統(tǒng)，大模型等底層產(chǎn)品的定義。對此，華為自動駕駛產(chǎn)品部前部長蘇箐的話堪稱一針見血：“在傳統(tǒng)車廠看來車是基座，車載App或其他系統(tǒng)都是試圖把電腦或AI嵌到這個基座上。我們的看法不一樣，基座是電腦，車是電腦控制的外設(shè)。這是本質(zhì)看法不一樣。”

　　這是對大模型的意義，換到汽車的角度來說則是降本增效。傳統(tǒng)車企中人的成本始終居高不下，即使是自動駕駛算法依然在很大程度上依賴人工的編寫與測試。集成大模型后就可以用大模型驅(qū)動形成新的智能算法，而要構(gòu)筑這樣的算法，車企要做好平臺，大模型企業(yè)要做好產(chǎn)品。舉個例子，連接汽車與大模型的計算平臺，主要建設(shè)圍繞芯片、云端等展開，*的難點在于降低成本與標(biāo)準(zhǔn)化生產(chǎn)。而有了好的大模型產(chǎn)品才會有足夠多的銷量，有足夠多的銷量才能增加端到端的閉環(huán)數(shù)據(jù)，有了保質(zhì)保量的數(shù)據(jù)反過來又能促成優(yōu)質(zhì)大模型的建設(shè)。以一切的基礎(chǔ)AI大算力芯片舉例來說，一枚英偉達(dá)的芯片現(xiàn)在的售價動輒數(shù)萬或十?dāng)?shù)萬，成本高不說，依賴外供對國內(nèi)車企也絕非長久之計。

　　這么看下來，車企在車載大模型領(lǐng)域要想走得長遠(yuǎn)，要么加大對底層芯片的自研力度以節(jié)約成本，要么在算法或系統(tǒng)上尋求突破，以盡快找到大模型的*落地部署路徑。但不論哪種都注定不會一帆風(fēng)順，這是條鮮花叢生的道路，同時也遍布著肉眼可見的荊棘。