一、大模型驱动，汽车迎来“新智能”时代
（中国工业新闻网）
在全国汽车产业的大变革中，新能源汽车已经成为引领产业创新发展的核心力量。2023年，新能源汽车产销量全球占比超过60%，电动汽车、锂电池、光伏产品“新三样”出口增长近30%，我国汽车特别是新能源汽车产业发展对全球汽车市场格局有着深刻的影响。
然而，汽车产业的变革并未止步。随着智能化、网联化技术的快速发展，智能网联汽车已经成为新的竞争焦点。当前，人工智能，特别是大模型新技术浪潮正在掀起颠覆性变革，赋能千行百业，带来全新的生产力和生产关系。多位业内人士在接受中国工业报记者采访时均表示，“大模型等人工智能技术的广泛应用势在必行，汽车智能化也将迎来全新的时代。”
大模型驱动汽车产业步入“新智能”开端
随着ChatGPT的“走红”，大模型“上车”也成为车企在智能化下半场“决胜”的关键。中国工业报记者了解到，长城、吉利、长安等车企都在积极推进大模型发展；蔚来、小鹏、理想等新势力车企，以及科技大厂百度、阿里、华为、腾讯等也均在布局大模型“上车”。
在中国电动汽车百人会论坛（2024）上，腾讯智慧出行副总裁钟学丹表示，在大模型的驱动下，汽车产业已处在“新智能”发展的起点，大模型的应用将重塑智能汽车算法与逻辑，助力生产力革新，深度融入汽车各业务场景。人工智能作为新质生产力，推动汽车产业从数字化迈向数智化升级。
商汤科技联合创始人、首席科学家、绝影智能汽车事业群总裁王晓刚表示，通用人工智能能够极大地提升生产力，例如自动的代码生成，已经能够解决70%代码的生成；大模型、多模态大模型的出现，极大改变或将颠覆人机交互的方式。
“新质生产力在汽车行业会是一个非常核心的突破点，我们也相信持续的创新、高效的反应，每个企业都在做，但如何让自己的组织能够充分地发挥技术的力量，充分地发挥创新的推进，可能会是更大的一个思考题。”麦肯锡全球董事合伙人，麦肯锡中国区汽车咨询业务负责人管鸣宇说道。
为智驾智舱升级赋能
智能座舱、智能驾驶是大模型“上车”的重要应用场景。
科大讯飞副总裁、智能汽车事业部总经理刘俊峰表示，目前，大模型给汽车座舱最大的价值，是从真正人性化的自然灵活、自由表达开始。在人和车整个交互对答这十几年里，人在车里约束还比较多，需要学习，需要适应，需要熟悉它相关的一些技能以及它的对话方式。“尽管我们做语音交互在汽车行业已经有20年了，但是在这些方面迟迟没有完整的改变，而大模型将带来新的机会和潜力。”
而在智能驾驶端，元戎启行CEO周光表示，智能驾驶端到端模型将会成就一位“超级AI司机”，开启物理世界通用人工智能技术的新纪元。
周光介绍，在当前国内消费市场，智能驾驶系统仍然采用模块化模型，将感知、预测、规划分为三个独立的模型。每个模型的技术栈差异较大，处于下游的规划模型需要依赖工程师编写大量代码去制定行驶规则。在模块化的技术架构下，信息的传递会出现减损，系统维护难度大，无法从容应对复杂路况。
而端到端模型将感知、预测、规划三个模型融为一体，无需程序员编写冗长的代码去制定规则，而是用海量数据去训练系统，赋予机器自主学习、思考和分析的能力。端到端模型不会出现信息传递减损，能够更好地处理复杂的驾驶任务，解决模块化模型存在的所有“痛点”。
“现阶段智能驾驶技术尚未跨越早期市场与成熟市场的鸿沟，多数消费者与机器共驾的默契还有待提升。等端到端模型上车后，智能驾驶系统会变得更拟人，更便于消费者操作。”周光表示，端到端模型能快速推动智能驾驶行业迈向成熟市场，是打造汽车行业新质生产力的重要引擎。
模型、数据、算力等挑战不容忽视
汽车行业正在积极拥抱大模型。然而，在钟学丹看来，在汽车行业大面积应用大模型之前，依然面临着模型、数据、算力等方面的挑战。
第一，在模型方面，通用大模型目前主要应用于AI交互层面，但在某些汽车行业场景中，专业知识与行业数据积累不足。因此，选择适合的汽车行业大模型，结合企业自身数据进行训练或精调，才能打造实用性强的人工智能服务。如何在合理成本下，挑选合适的模型，成为企业需要思考与决策的关键。
第二，数据方面挑战也不小。我国自动驾驶和汽车行业高质量数据体量远远不足，同时要考虑数据分类、标注、训练各环节的投入产出比，更要关注敏感数据的保护与合规。
第三，算力方面挑战不容忽视。L3+自动驾驶的算力级别已达千万亿次每秒，要支撑更大规模AI训练，需突破单车算力物理上限，实现云端、车端一体化算力协同，确保充足算力供给与弹性拓展。同时，大模型训练对网络速度与稳定性要求较高。
第十四届全国政协常委、经济委员会副主任苗圩也在日前表示，当前，全球生成式人工智能领域竞争激烈，但在先进算力上存在较大差距，中国一味跟随、去追求大算力、大模型、大数据，可能并不是最优策略。
要如何应对大模型带来的机遇与挑战？钟学丹提出，大模型应用第一阶段首要考虑如何在一些非常明确和具体的领域快速实施，看到效果；有了效果之后，第二阶段再去构建平台，才有可能帮助其在未来加速发展；第三阶段腾讯会和车企一起，基于平台以及场景更好地结合，创造新的应用场景和服务，帮助车企自研自建AI平台。“汽车行业还处在大模型应用的开端时期，需要产业链上下游开放共创，广泛探索。”钟学丹说道。
苗圩则建议，“应该学会采用‘下围棋’的策略，在技术相对落后的情况下，通过大模型来赋能制造业、赋能各个具体领域来实现人工智能的应用，从而走差异化的发展道路。”
二、实现真正的自动驾驶，需要大模型真的上车？
（智驾最前沿）
“冰箱、彩电、大沙发还是属于电动化的东西，其实真正的智能车还是要看自动驾驶的能力到底如何。”“智能驾驶很重要，但是光把智能驾驶做好，好像还不够，汽车还是非常难做的一个木桶，有一块板落水就完蛋了，其他板再长都不行。”“有可能通过明年的竞争以后，车企的竞争除了大吃小以外，还会出现快吃慢，所谓快吃慢就是OTA的频次”。今年是NOA的落地年、爆发年，明年应该是决胜年。城市NOA有两个关键词，一是无图，用重感知，抛弃了高精度地图；二是端到端，让NOA技术性能水平急剧上升。大模型的确可以解决深度学习模型带来的安全长尾难题（corner case）边缘场景，但是大模型的运算能力要求太高，目前是上不到车上的。12月13日，同济大学汽车学院教授朱西产在题为《智能驾驶与城市立体交通趋势》的演讲中指出，特斯拉提出端到端以后，今年国内企业迅速跟上，一种新的AI模型（深度学习模型）的新的组装方式，就是用Transformer组装起来的端到端模型，性能水平急剧上升，所以今年3月份到6月份，NOA技术已经有了一个飞跃式的发展。但要实现真正的自动驾驶，还得大模型真的上车，要具有举一反三的推理能力。中国汽车通过创新，在电动化和智能化方面都已经有了非常快的突破，今天我分享一下汽车智能驾驶和今年特别热的低空飞行，低空飞行域的飞行器也是汽车产业的延伸，用的产业链跟电动汽车产业链和智能化产业链一脉相承，低空飞行器肯定是电动多旋翼，这两块东西也是我们的强项。电动化经过差不多十年左右的推动，近三年左右的高渗透率，今年一边喜，一边悲，喜的是中国的汽车通过电动化走到了世界前列，悲的是大部分企业要倒下，大吃小的现象已经发生。智能化，从智能座舱到智能空间，随着电动化已经出现了，车上如果有20度以上的电，这个车已经可以成为生活空间了，和内燃机汽车不一样了。原来内燃机汽车是纯粹的交通工具，到了目的地肯定马上就下车，因为你不下车，发动机就得响着，否则就没电了，谁也不会在响着发动机的车里待两三个小时，受不了。发动机一断，电也没了，也没法待。刚才孟为提到冰箱、彩电、大沙发，这些还是属于电动化的东西，其实真正的智能车还是要看自动驾驶的能力到底如何。今年是NOA的落地年、爆发年，明年应该是决胜年。令人唏嘘的是极越，它在智能驾驶NOA领域绝对是头部企业，还未到决战就倒下了。它的智能驾驶NOA做得不错，得亏今年极越没报名，以我对驾驶这个车的感觉，十佳应该能进去的，如果能进去的话，蛮尴尬的，这边在发奖，那边倒闭了。智能驾驶很重要，但是光把智能驾驶做好，好像还不够，汽车还是非常难做的一个木桶，有一块板落水就完蛋了，其他板再长都不行。智能化即将成为汽车企业面临的第二个难题，是原来传统汽车行业不熟悉的芯片、人工智能，以及用户数据怎么能够快速迭代，它是OTA的迭代方式。有可能通过明年的竞争以后，除了大吃小以外，还会出现快吃慢，所谓快吃慢就是OTA的频次，因为人工智能的产品不是开发好了以后慢慢迭代。传统汽车的开发，从最早36个月缩到18个月，有些企业可能是10个月，10个月以下再推车不实现了。通过OTA，利用用户数据，现在头部企业的OTA频次每月1.2-1.5次，意味着2个月左右就得有3次左右的迭代。这对传统汽车企业的安全问题是一个巨大的挑战，因为这是我们不熟悉的一个领域。在汽车智能化里，现在语言模型的应用非常普及。智能驾驶的目标是无人驾驶，现在NOA已经可以使用了，接管平均里程（MPI），现在国内头部企业在高速上普遍已经接近300-400公里，这个车开上高速公路大概率是用不着接管的。城市NOA今年是热点，全国都能跑的技术是无图，用重感知，抛弃了高精度地图。所以今年我们看到的NOA，第一个词是无图，因为抛弃了高精度地图以后，一旦推出，开城这个事没有了，全国都能跑，已经做到了。第二个词是端到端，特斯拉提出端到端以后，今年国内企业迅速跟上，一种新的AI模型（深度学习模型）的新的组装方式，就是用Transformer组装起来的端到端模型，性能水平急剧上升，所以今年3月份到6月份，我们的NOA技术已经有了一个飞跃式的发展。
为什么留在L2+，而不敢承认是自动驾驶？这里横在我们面前的就是深度学习模型带来的安全长尾难题（corner case）边缘场景。我们寄希望于大模型，大模型的确可以解决这个问题，但是大模型的运算能力要求太高，目前是上不到车上的。现在在构建的用户数据闭环，基本是从用户那边获取数据，在后平台、云端使用大模型处理，大模型处理完了数据以后，训练一个小模型，再把这个小模型布置在车上。哪天能够实现真正的自动驾驶呢？我觉得，大模型要真的上车，要具有举一反三的推理能力。因为边缘场景靠Scaling law、靠大量的数据，我们开车在路上总会有没见过的东西，即使四五十岁的人，看到没见过东西的概率也还是有的。用小模型的话，什么东西都要见过，这件事情很难做到，而大模型是能够解决没见过的东西的问题，可以举一反三地推理。但大模型现在只能在后平台、在云平台，还无法到车上。现在在深度学习模型上，边缘场景在所难免，现在智能驾驶卡在L2+，所以L2和L3之间出现了L2+。欧洲的L3已经有法规了，但是这个法规遇冷，ECE R157在2021年就推出，一直到现在只有4款车型做了认证，并且市场上也见不到过了认证的车，大家还是留在L2，我们叫做L2+。但是留在L2+也有隐患，今年欧盟出了ECE R171 DCAS，对留在L2的智能驾驶NOA的车也要进行监管，其实ECE R171就是我们今天的NOA，所以到底是留在L2，还是向L3走？给市场提供自动驾驶功能的车，一旦发生交通事故的话，是要承担法律责任的，并且有产品责任，现在这块留在L2+的状态，即便是NOA留在辅助驾驶，DCAS也是作为一类特殊的辅助驾驶，新的品类已经出现，新的国标也在起草中。对无人驾驶的看法，还是蛮难的。在美国，特斯拉要摆脱制造业的低利润，All in AI，特斯拉的市值一直在涨，其实在特斯拉2024年年报中，销量肯定是下降的，中国比亚迪挑起价格战，他不回应，销量肯定下降，但市值还在上升。他抛出来两个东西，一个是Robotaxi、一个是人形机器人（擎天柱），华尔街对它的估值非常高，Robotaxi的估值为5万亿美元，人形机器人的估值甚至高达25万亿美元，这两个加起来高达35万亿美元，已经可以把美国整个外债抵消殆尽，所以他是要完全走科技这块。社会的确进入了人工智能时代，今年我们可看到，诺贝尔物理学奖和化学奖全部给了深度学习，都是人工智能。在8月底时，中央电视台也和我做过一个节目，在行业里，对人工智能这一新技术支持下的自动驾驶，大家对它的信心还是非常足的。最后一块是创新的步伐不能停下，因为在创新的路上会有很多先烈，这些先烈如果停滞不前就会完蛋，比如推新能源，动力电池的上了，但是燃料电池的没人用。我觉得创新还得继续往前走，既然创新，思路可能要更宽一点。所以最后想谈一下低空经济下的城市立体交通。这些低空飞行器运行的600米以下的低空区域，空管委已经同意下放给地方政府管理，这样给低空飞行域就提供了非常广阔的空间。我们在城市里，道路交通存在用地不足的问题，600米低空区域其实是很好的补充。从产业角度来说，随着智能新能源汽车发展产业链的壮大，把这些飞行器生产出来没有任何问题，因为它是多旋翼的，跟新能源和智能化的产业链是一脉相承的。国内国际汽车企业都已经进入了这个领域，应该是两大类机型，一个是多旋翼，一个是复合翼。如果在城市里跑的用多旋翼就行，但多旋翼飞不快，效率也不高，如果城市之间要跑到200公里、300公里就要用复合翼。多旋翼的好处是不需要机场，现在民航对机场需求依赖太强，这个可以原地起降、可以悬停，这些飞行器造出来没问题。这是清华车辆学院和奇瑞合作的三件套，来解决飞行和汽车之间的矛盾。在道路上行驶时，机翼是碍事的，飞行时底盘重量也是碍事的，三件套想解决这个问题，道路行驶时无须折叠巨大的翅膀，在蓝天翱翔时也用不着带着沉重的底盘，这些创新在继续。无人驾驶到底是单车智能还是网联智能，车路云这个思路、创新性很好，但是5G实在不给力，现在走不下去。从云控角度来说，汽车已经在道路上自由行驶了130年了，凭什么控我？车路云网联智能的概念在车上很难实施，但是在飞行器上，毫无疑问，如果飞行器要起飞，就要向空管申请航道，批准后才能升空。另外，光靠动力电池的话，低空飞行器在空中的滞空时间只有20分钟，如果加上燃料电池，现在已经可以做出滞空时间高达2小时的机型。汽车领域过于创新超前的技术不要停下创新的步伐，继续往前走，可能会有一个更好的未来，我们不愿意在创新过程中看到一些先烈的存在，但创新要不断。三、过去一年，中国车企"上车"大模型进展如何？
（原创 何逸灿 InfoQ数字化经纬）
“上半场电动化，下半场智能化。”继网联化、电动化、绿色化后，车企大战迎来了新的赛点：智能化。据麦肯锡估计，到 2030 年，中国的乘用车数量将增长到 3 亿多辆以上，而人工智能将对汽车领域产生最大影响，预计带来超过 3800 亿美元的经济价值。随着“AI in ALL”的风迅速刮进汽车行业，不少汽车制造商如红旗、长城、东风日产、吉利等已纷纷宣布加入“文心一言”生态，这是各个车企宣示抢占新技术高地的第一声呐喊。这些车企应用 AI 大模型，既是迎接数字化时代的主动备战，也是进行差异化竞争的必然之举。据中国汽车工业协会数据，2023 年中国商用车产销累计完成 403.7 万辆和 403.1 万辆，同比分别增长 26.8% 和 22.1%，增速超过行业整体水平。市场规模持续增长的同时，更多自主品牌汽车入局，消费者需求也正在发生深刻变化。这些变化预示着行业即将迈过打价格战的行业拐点，转向以技术和智能化为主导的新竞争阶段。AI 大模型的引入正在推动这场革命，带来了全新的竞争焦点：智能化的实施和车辆的全面数字化。车企利用 AI 技术优化设计流程、提高生产效率和增强用户体验，正是智能化下半场的关键战略。现在，随着越来越多的企业“大模型上车”，我们正在见证智能汽车制造影响整个行业的未来走向。大模型的崛起为自动驾驶技术研发注入了一剂强心剂。自动驾驶的核心问题是如何精准识别诸多传感器所采集的环境信息并迅速作出准确判断，而大模型具有对海量数据的分析能力、多维度分析能力、全面预测能力，用于解决自动驾驶面临的数据标注等难题是再好不过的。2023 年 4 月，长城汽车控股的毫末智行发布了全球首个自动驾驶生成式大模型 DriveGPT 雪湖·海若，通过引入真实人驾接管数据建立 RLHF（人类反馈强化学习）技术，对自动驾驶认知决策模型进行持续优化。目前，DriveGPT 已完成 4000 万公里驾驶数据的训练，参数规模达到 1200 亿，但尚不能实现端到端自动驾驶，还处在从离散到感知模型、认知模型、控制模型聚集的阶段。相比无人驾驶和完全自动驾驶，如上汽集团的智己汽车采用的导航辅助驾驶技术（NOA）看起来更为现实。智己汽车与全球头部智能驾驶算法企业 Momenta 合作，推出了行业首个 D.L.P.（深度学习算法）人工智能模型，将感知、融合、预测三个环节进行了模型化，并完成了深度集成。在此基础上，今年 4 月 8 日发布的新车智己 L6 已同时使用 DDOD（对道路上动态物体的监测和识别，Data Driven Object Detection) 模型和可替代高精地图的 DDLD （对道路地表和静态元素的识别，Data Driven Landmark Detection）融合感知大模型，并且“全国都可开”的无图城市 NOA 将于今年年内开通。尽管完全自动驾驶是许多人眼中的最终目标，但目前这一目标还需要较长时间实现。在此之前，受市场需求的影响，汽车已经在向“移动第三空间”发展，智能化技术如何增强驾驶体验成为重要议题，智能座舱由此应运而生。例如，智己汽车于去年 6 月发布的整车智能化软件产品“全程 AI 舱”，不仅整合了软硬件技术，还在安全和舒适性上做了大量优化。与此同时，奇瑞汽车的人工智能大模型平台“LION AI”，以及广汽集团的 AI 大模型平台，都在智能语音交互方面取得了重要进展，为用户提供更自然的对话体验。这类技术的应用不仅局限于车内交互，像吉利就推出了车外 AI 语音交互功能，让智能汽车在可以识别来自车外发开后备箱、开空调等语音指令的同时，还学会了上车迎宾、下车欢送等。吉利的星睿 AI 大模型还创新性地推出了多项 AI 原生应用，如 AI 绘本、AI 回忆、AI 音乐律动等，增强了车辆的沉浸式体验。在 AI 大模型的应用上，比亚迪和北汽蓝谷等公司正在进一步推动整车智能化。比亚迪的双循环多模态 AI“璇玑”和智能化架构“璇玑”将 AI 技术应用到车辆的各个方面，覆盖超过 300 个使用场景，旨在通过打破系统间的壁垒，实现信息的即时捕捉和决策反馈。北汽极狐于 4 月 11 日推出的全栈生态自进化技术体系“达尔文 2.0”，则强调了整车智能化、设备协同和信息共享的重要性，旨在通过技术自进化减少人工干预，提高车辆的效率和安全性。在长城汽车 AI Lab 负责人杨继峰看来，到现在主机厂们都还在比拼有没有语音操控、DMS 和氛围灯等功能，这些都不能算是 AI 问题，而只是场景定义。只有当智能座舱向智能空间发展时才能变成一个 AI 问题。而智能空间要求在智能座舱中加入多模态感知、认知大模型和 AIGC 大模型，基于数据的支撑和算法的推理，来提升整体的 AI 能力，实现自然交互。这一概念听起来相当吸引人，但同时也相当“道阻且长”。随着汽车行业的数字化转型，数据正在从生产中的“副产品”向“生产资料”转变，AI 大模型的引入能够打破生产制造、研发设计、财务管理、营销售后等环节之间存在的数据壁垒，帮助实现“生产资料”在全产业链自动化畅通流转。用 AI 大模型改造车企自身业务流程，不仅是为了更好地卖车，更是为了重塑汽车生产方式、真正实现降本增效。正如中国一汽红旗品牌运营委员会副总裁门欣所说：“真正的转型是要把传统工业企业依赖职责、流程运行的内核转换成依赖数据，要高速响应用户需求，形成不断向前迭代的业务能力和开发能力。”麦肯锡咨询公司全球管理合伙人关明宇曾指出，在过去的十年里车内软件的复杂程度大概翻了两番，但同期软件的开发效率只提高了 1—1.5 倍。缩短研发周期、降低研发门槛、提高研发效率是车企在行情快速变化的市场中保持竞争力的重要途径。中国一汽正在尝试用大模型来达到这一目的。今年 1 月一汽与阿里云通义千问合作开发的的汽车行业的首个大模型商业智能应用 GPT-BI 落地，通过自动化报表生成和决策支持，颠覆了传统的业务流程。此外，一汽还利用大模型写设计代码，目前中国一汽已经实现了自动化设计、自动化绘图、自动化代码生成，基于模型的系统工程将持续迭代。据门欣表示，有了大模型后，至少一半的代码可以交由大模型来写。吉利的星睿 AI 大模型是将自研的 NLP 语言处理模型与 NPDS 研发体系及其全链路场景数据库深度融合的一个例子。其支持研发人员在造型设计、机械设计和质量控制等方面的应用，同时也用于自动驾驶的虚拟训练。通过这种方式，吉利能够缩短验证周期约 30%，并节约近 50% 的开发成本。尽管大模型的应用提供了诸多好处，车企仍面临一些技术和基础设施挑战。例如，车载算力的限制使得很多 AI 处理必须依赖于云端服务器。为了克服这一点，一些公司建立了智能计算中心，如毫末智行与火山引擎合作建立的自动驾驶智算中心，以及长安汽车与百度共建的智算中心，提供了必要的后端算力支持。此外，对大模型在汽车行业的应用而言，车企拥有的海量数据资源有其双面性。一方面自动驾驶涉及到红外线传感器、激光雷达、毫米波雷达、摄像头、GPS 等诸多硬件，这些硬件在行驶过程中产生的海量数据为大模型算法研发提供了一定基础；另一方面，如何收集、清洗、训练来源于大量不同场景、不同维度的数据，本身就是一大难题。最后，大模型应用究竟是降本还是增本、这么多车企投入大量研发经费究竟有多大效果，目前还很难说明白。单论智驾芯片的成本，这场 AI 竞争就不是所有玩家都玩得起的。据统计，虽然过去三年中国汽车芯片的自给率从 5% 迅速提高到了 10%，像地平线、黑芝麻智能这样的供应商正在迅速崛起，但整体来看车载芯片仍被外资品牌垄断。如果智能汽车的各个“器官”都要从不同的供应商处采购，不仅难以实现各系统联动融合，更难降低研发生产成本、真正实现大模型量产上车。从这个角度而言，比亚迪坚持全栈自研“整车智能”的战略似乎不无道理。无论是被卷入还是主动进入，这波 AI 浪潮冲击下的行业洗牌都已在所难免。是机遇是挑战，都有待车企自己去蹚一趟。
1、如您转载本公众号原创内容必须注明出处。
2、本公众号转载的内容是出于传递更多信息之目的，若有来源标注错误或侵犯了您的合法权益，请作者或发布单位与我们联系，我们将及时进行修改或删除处理。
3、本公众号文中部分图片来源于网络，版权归原作者所有，如果侵犯到您的权益，请联系我们删除。
4、本公众号发布的所有内容，并不意味着本公众号赞同其观点或证实其描述。其原创性以及文中陈述文字和内容未经本公众号证实，对本文全部或者部分内容的真实性、完整性、及时性我们不作任何保证或承诺，请浏览者仅作参考，并请自行核实。
夜雨聆风
