去年火爆之后，大机型的热度持续不减，AI技术正在加速颠覆各行各业。 近日，一则奔驰与微软将联手进行车辆测试的消息引发舆论关注。 微软发言人表示，这是汽车上的第一个应用程序。 一时间，“大车型上车”的话题开始频繁出现在报纸上。 事实上，今年上半年以来，国内不少科技巨头都发布了自己的AI大型模型产品，如百度文心一言、阿里统一前文、讯飞星火等，并开启了与整车厂之间的合作。 业内普遍认为，AI模式有望将汽车智能化提升到前所未有的水平。 前景是光明的，但AI大模型能顺利吗？
什么是AI大模型？
简单来说，AI大模型就是基于深度学习技术的人工智能模型。 通过人工智能技术，利用数亿个参数和计算资源进行大规模、高复杂度的学习和训练，从而实现自然语言处理、图像识别、语音识别等复杂任务。 从功能角度来看，AI大模型在汽车领域有两种可能的实现形式。
一是用于人工智能对话和通信，大部分用于智能座舱。 例如，在此前发布的百度文心一言中，东风日产、红旗、长城、吉利银河等近十家车企已宣布接入； 阿里巴巴还宣布，AliOS智能汽车操作系统已集成到同易钱文的大型车型中进行测试等。不少业内人士认为，智能座舱在AI模型的赋能下将会有质的提升，将会尤其是为人机交互打开了一扇新的大门。 通过大数据的深度“喂食”和自主学习，车载语音助手可以从任务型逐步升级为聊天型，其智能更接近真人、有情感，从而促进车载语音助手的智能化。将智能汽车打造为第三生活空间，更深层次地满足乘客的需求。 生理和心理需求的水平。 而这也符合大多数用户对于车上的大型AI模型的期待，通过AI技术提升智能座舱内的语音交互性能。
另一类是与智能驾驶相关的。 自2020年特斯拉将大型模型引入自动驾驶领域以来，为大型AI模型在自动驾驶领域的应用打开了大门。 可以说，AI大模型更快、更准确地解决认知和决策问题的能力，为车辆自动驾驶能力的提升提供了核心驱动力。 今年4月，陌陌智行发布了自动驾驶大型生成模型。 通过引入驾驶数据建立RLHF（人类反馈强化学习）技术，不断优化自动驾驶的认知决策模型。 最终目标是实现端到端的自动驾驶。 百度自动驾驶事业部总经理陈卓认为，AI技术加速了自动驾驶规模化，自动驾驶是人工智能的典型应用场景。
AI大模型有望重塑智能汽车
现阶段，以智能化、电动化为特征的新车正在重塑人们的驾驶和出行体验。 汽车不再只是一种代步工具，而是交互主体多、交互方式多、计算部件多、数据量大。 大，还有空间属性、社交属性等特征，这些都是AI大模型最适合的应用场景。 中国工程院院士、清华大学教授、国家智能网联汽车创新中心首席科学家李克强认为，AI大模型在处理文本、获取处理数据、建立训练场景等方面的优势迭代会让人机交互变得智能化。 智能驾驶发挥加速作用。
与按钮、触摸屏和手势控制相比，通过语音控制车辆软硬件不仅学习成本低，而且操作时不需要离开方向盘，安全性也更高。 但从近两年的客户反馈来看，普遍使用率较低，主要原因是用户体验不佳。 现阶段，一些车企还不够成熟生活网消息，掌握语音交互技术，不仅没能给用户带来更好的智能体验，反而增添了很多麻烦。 此前，有汽车大V在社交媒体上抱怨，自己在某自主新能源汽车后排休息听语言节目时，汽车声音频繁出错，误以为后排有人在说话。调用它并中断程序。
大AI模型上车后，可以通过高质量的大数据不断训练对话机器人，让车载语音助手的智能更接近真人，在情感上更加丰富。与用户交互的过程。 简单来说，过去的车载语音助手只是简单地执行用户的指令，属于命令式交互； 然而，在AI模型的加持下，它变成了可以与用户“聊天”的伙伴，这是一种对话式的互动。 以理想汽车为例，其车载AI助手“理想同学”升级并搭载自主研发的“Mind GPT”认知大模型后，人车对话内容更加复杂多样，包括地点、信息、食谱等。给你讲故事、画画等。这背后是几十TB的原始训练数据，相当于人类高质量知识经过仔细过滤和去重后的总和。
此外，AI大模型还可以分析和学习大量的用户行为数据，生成更精准的用户画像，从而了解用户的喜好、需求和用车行为，提供更个性化的服务。 例如，如果你对车载语音助手说“我饿了”，它就会推荐你常去的餐馆或者你喜欢吃的食物。
除了提升车载语音助手的智能化水平外，AI大车型在智能驾驶领域有更多的落地场景。 华泰证券在研报中指出，GPT大模型有望赋能垂直领域智能驾驶感知标注、决策推理等核心环节，加速智能驾驶落地。
AI大模型的自学习算法能力在驾驶过程中的关键作用主要体现在感知和决策层面。 就感知层面而言，过去自动驾驶感知采用的是各种小模型的“堆叠”方式。 识别的原则是先看，然后在知识库中进行比较。 如果你以前没有学过，你将无法准确识别它。 出来。 这种方法仅限于感知能力的提升，因为路况的变化日新月异。 此前，特斯拉在高速撞翻一辆侧翻的白色卡车时，可能会将侧翻的汽车误判为天空或高反光的地面。 AI大模型的加入，可以在有限标注数据的前提下，找到相似障碍物之间的相关性。 有了这种认知，当遇到一个新的物体时，大模型就可以比较这个物体与之前识别的共性，从而判断它是否是障碍物。
目前，自动驾驶的数据来源主要包括真实数据、虚拟仿真和影子模式。 其中，虚拟仿真在AI技术的支持下，可以合成大量虚拟场景进行模型训练和测试，从而提高自动驾驶技术的准确性和自动感知的泛化能力，带来更安全、更可靠的驾驶经验。
此外，AI大模型具备海量数据处理能力和多维度分析能力，可以通过分析驾驶行为数据来训练自动驾驶控制系统。 尤其是在决策层面，高级别自动驾驶的认知决策需要更加智能化、人性化。 AI大模型加入后，传统的决策规划方式将从基于规则的发展为基于自学习的决策智能，可以让车辆处理复杂场景更加智能。 同时，基于海量数据处理的分析能力，帮助汽车准确识别和预测交通状况，实时提供个性化出行服务，优化出行效率。
AI大模登机充满挑战
除了汽车之外，AI大模型本身也是一个非常昂贵的项目。 虽然当前的“百模型大战”掀起了一片火爆的市场，但投资圈的一些人士却十分谨慎，认为最终获胜的公司不会超过2家。汽车虽然已经取得了一些成绩，但要实现深度融合，还存在很多不确定因素，包括算法、算力和数据支撑，以及安全、法律法规等。 等等，还有很长的路要走。 中国工程院院士、清华大学教授、国家智能网联汽车创新中心首席科学家李克强认为，大模型在汽车领域的应用还处于初级试验阶段，后续仍需基于云平台进行开放，深领域应用仍需推进。 还有很长的路要走。
当AI模型上车后，首先面临的就是数据隐私和安全问题。 人工智能的不断增长，在给我们日常用车生活带来便利的同时，也存在着数据隐私泄露的风险。 AI大模型训练需要非常大量的数据。 输入的数据越多，车辆就越智能，输出的信息就越准确。 然而，在这个数据馈送过程中，大量的车主信息被记录下来，比如图像、声音、行为特征等敏感隐私信息。 一旦遭到黑客攻击，在大数据分析下，可以通过比对图像、声音等信息，获取更多车主的隐私信息。 前段时间，特斯拉被曝出数据泄露丑闻。 特斯拉员工通过内部消息系统私下分享车主摄像头记录的私人视频和图像。 因此，在AI模型与汽车深度融合之前，首先要解决的就是数据隐私和安全问题。
其次，硬件配置问题。 AI大模型的运行需要高标准的硬件配置支撑、高算力、大容量内存、低时延。 不过，现阶段车载设备的硬件水平虽然有所提升，但尚未达到支持大型AI模型运行的水平。 以自然语言处理（NLP）的预训练模型GPT-3为例，它需要数万亿TOPS的算力，这就要求芯片的算力至少要达到才能胜任计算工作。 但从目前的车载硬件部署来看，即便是蔚来、理想等造车新势力目前使用的 Orin X芯片也只有单一的算力。 这已经是量产汽车中算力最高的芯片了。 远远不能满足大型模型的计算要求。
因此，要想为AI大模型提供海量算力，现阶段最好的方式就是通过云计算来实现，但这涉及到通信问题。 在千亿、万亿参数规模的大型模型的训练过程中，通信的比例可达50%，传统的网络带宽远远不够，会造成网络拥塞和延迟问题。 但你有没有想过，这种大型AI模型如果应用在自动驾驶领域，哪怕只有一点点通讯延迟，也可能在路上造成难以挽回的悲剧。
当谈到高计算能力、云计算和高速网络时，这些都与成本挂钩。 据普潮资本微信公众号显示，GPT-3的培训成本预计为500万美元/次。 当然，GPT-3只是OPEN AI在2020年推出的一个型号，现在到了GPT-4，参数比GPT-3增加了百倍，所需成本势必以数百为单位数百万美元。 所以，只有那些科技巨头才能玩AI大模型，其他中小企业只能花钱去用。 对于车企来说，即使未来通过与科技巨头合作实现AI大模型与汽车的深度融合，但随着大模型数据规模的不断增长以及后期训练算力的提升，成本也将随之增加。所需的不会是一个小数字，而且还是持续的投入。
此外，大型人工智能模型在汽车上的使用还面临伦理和监管问题。 人工智能系统有潜力在某些情况下做出自主决策，这引发了有关道德选择的问题。 其实这也是一个老问题了，而且似乎还没有解决。 例如，在自动驾驶汽车中，当面临不可避免的碰撞事故时，决定是优先避免撞到老人还是年轻人，还是优先避免撞到女性或男性，这是一个道德困境。 此外，目前国内还没有关于人工智能大模型的数据收集和使用、数据安全以及生成内容的使用权等方面的法律法规。 好消息是，国家网信办已于今年4月起草了《生成型人工智能服务管理办法（征求意见稿）》，但何时实施仍是未知数。
总结：
不可否认，AI大车型的到来为智能汽车的未来发展带来了更多可能性，开辟了汽车领域的新赛道。 但就现阶段而言，AI大模型在汽车领域的应用还存在太多的不确定性。 无限的想象能否实现还需要时间。
本网站转载其他媒体之作品，意在为公众提供免费服务。如权利所有人拒绝在本网站发布其作品，可与本网站联系，本网站将视情况予以撤除。
Copyright © 2017-2018