文|劉曠
ChatGPT走紅后，大模型的熱度持續(xù)不減，并日漸形成了“千模大戰(zhàn)”的局面。前兩個(gè)月，百度、阿里、騰訊加入；進(jìn)入5月份，先有網(wǎng)易有道，發(fā)布了基于“子曰”大模型開(kāi)發(fā)的AI口語(yǔ)老師劇透視頻，介紹其基于教育場(chǎng)景的類(lèi)ChatGPT產(chǎn)品；后有科大訊飛，發(fā)布認(rèn)知大模型“訊飛星火”……總之，各種大大小小的發(fā)布會(huì)，都在向外界證明自己到底有多大的想象空間。
在大模型進(jìn)展如火如荼之下，其產(chǎn)業(yè)化也被越來(lái)越多地提及，從前炒作的“AI+”也再次站上風(fēng)口。在此背景下，關(guān)于AI大模型在汽車(chē)領(lǐng)域的應(yīng)用，也開(kāi)始熱度飆升。
智能汽車(chē)的“ChatGPT時(shí)刻”來(lái)了
目前來(lái)看，大模型重構(gòu)各行各業(yè)雖然已經(jīng)成為業(yè)界共識(shí)，但ChatGPT“上車(chē)”遠(yuǎn)比預(yù)想中的來(lái)得更快。作為繼家庭和辦公場(chǎng)所之外的“第三空間”，汽車(chē)正在變成一個(gè)新型智能終端。ChatGPT到來(lái)了之后，車(chē)機(jī)關(guān)系也受到了更多的影響。
一是ChatGPT對(duì)汽車(chē)自動(dòng)駕駛的影響。業(yè)內(nèi)人士分析表示，大模型具備對(duì)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(cè)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。尤其是隨著ChatGPT的出現(xiàn)，人們發(fā)現(xiàn)當(dāng)模型的參數(shù)量，達(dá)到了一定程度之后，呈現(xiàn)出的效果不是“性能變好”，而是“出奇的好”。
具體到應(yīng)用層面，大模型對(duì)自動(dòng)駕駛的影響是：在云端，車(chē)企可以發(fā)揮模型參數(shù)量的大容量?jī)?yōu)勢(shì)，通過(guò)大模型完成絕大多數(shù)的數(shù)據(jù)標(biāo)注和數(shù)據(jù)挖掘工作，節(jié)省數(shù)據(jù)標(biāo)注成本，還能夠借助仿真場(chǎng)景構(gòu)建賦能。在車(chē)端，它可以將分管不同子任務(wù)的小模型合并為一個(gè)大模型，節(jié)省車(chē)端推理計(jì)算時(shí)間，增加汽車(chē)安全性。最重要的是，被認(rèn)為是自動(dòng)駕駛算法終局的端到端感知決策一體化算法瓶頸，或許在汽車(chē)接入大模型之后可以得到有效解決，自動(dòng)駕駛算法升級(jí)指日可待。
二是對(duì)汽車(chē)智能座艙的影響。車(chē)載ChatGPT語(yǔ)音助手，可以處理完整的對(duì)話(huà)，比如追問(wèn)，并能保持對(duì)前后文的理解，形成較為良好的語(yǔ)音交互體驗(yàn)。比如，微軟與梅賽德斯—奔馳探索ChatGPT的插件生態(tài)系統(tǒng)，為第三方服務(wù)集成開(kāi)辟可能性。駕駛員未來(lái)有望通過(guò)車(chē)載系統(tǒng)完成預(yù)訂餐廳、預(yù)訂電影票等任務(wù)，進(jìn)一步提升便利性和生產(chǎn)力，極大地豐富智能汽車(chē)與人之間的交互體驗(yàn)。
另外，在改變智能駕駛和智能座艙交互能力的情況下，其也對(duì)汽車(chē)的研發(fā)方式和商業(yè)模式產(chǎn)生全新的影響。研發(fā)方式方面，由于機(jī)器的高效標(biāo)注能力，使得需要一年時(shí)間的數(shù)據(jù)標(biāo)注任務(wù)，現(xiàn)在只需要短短數(shù)小時(shí)，研發(fā)周期大幅縮短，而且多模態(tài)（視覺(jué)、語(yǔ)音、手勢(shì)等）的豐富數(shù)據(jù)，更可以進(jìn)一步提升總體的研發(fā)效能，降低研發(fā)成本。就商業(yè)模式而言，車(chē)載AI語(yǔ)音交互在它具備情感智能之后，它就會(huì)從“雇傭關(guān)系”演變成“陪伴關(guān)系”，對(duì)人的喜好和習(xí)慣會(huì)更加了解，這將會(huì)衍生出全新的商業(yè)價(jià)值。
產(chǎn)業(yè)探索流派紛呈
或許正是意識(shí)到了這一點(diǎn)，現(xiàn)在正有越來(lái)越多的車(chē)企選擇接入AI大模型。除了國(guó)外的奔馳宣布ChatGPT之外，國(guó)內(nèi)理想汽車(chē)也發(fā)布了自研大模型MindGPT，百度的文心一言也被接入到了長(zhǎng)安、吉利、嵐圖、紅旗、零跑等眾多車(chē)企之中，就連“讓夢(mèng)想窒息”的法拉利未來(lái)，也在新車(chē)中納入了大模型，不難預(yù)見(jiàn)未來(lái)大模型在智能汽車(chē)中普及，將會(huì)是大概率事件。從整個(gè)參與的車(chē)企來(lái)看，其發(fā)展大模型的方向和側(cè)重點(diǎn)并不相同。
從功能上來(lái)看其主要可以分為以下兩類(lèi)：一類(lèi)是用于人工智能交流對(duì)話(huà)領(lǐng)域，多數(shù)應(yīng)用在智能座艙上。比如，百度的文心一言，目前已經(jīng)有東風(fēng)日產(chǎn)、紅旗、長(zhǎng)城等近十家車(chē)企宣布接入；上海車(chē)展期間，商湯科技亮相了日日新Sensenova大模型，展示了其中文語(yǔ)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(chē)操作系統(tǒng)，已接入通義千問(wèn)大模型進(jìn)行測(cè)試等。
另一類(lèi)是聚焦智能駕駛的大模型應(yīng)用。比如毫末智行發(fā)布了自動(dòng)駕駛生成式大模型DriveGPT，幫助解決認(rèn)知決策問(wèn)題，最終實(shí)現(xiàn)端到端的自動(dòng)駕駛。理想汽車(chē)自研大模型MindGPT，擺脫對(duì)高清地圖的依賴(lài)，讓汽車(chē)做到更接近人類(lèi)司機(jī)的駕駛表現(xiàn)。蔚來(lái)、小鵬、長(zhǎng)城、奇瑞四家車(chē)企，也已經(jīng)注冊(cè)申請(qǐng)了多個(gè)與GPT相關(guān)的商標(biāo)。
從參與主體來(lái)看，也主要可以分為兩類(lèi)：一是車(chē)企親自下場(chǎng)做的，如理想汽車(chē)、百度將自家大模型應(yīng)用于自家汽車(chē)產(chǎn)品等；另一類(lèi)是外部廠(chǎng)商提供大模型給車(chē)企，比如華為盤(pán)古大模型、百度文心一言等用于給其他車(chē)企使用。
相較通用大模型來(lái)說(shuō)，垂直領(lǐng)域的大模型訓(xùn)練和使用成本更低，或許會(huì)成為更容易實(shí)現(xiàn)商業(yè)化落地的領(lǐng)域。業(yè)內(nèi)人士分析稱(chēng)，汽車(chē)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(chǎng)景相對(duì)較小，對(duì)參數(shù)的量級(jí)要求也沒(méi)有通用型AI那么大。因此，無(wú)論是傳統(tǒng)車(chē)廠(chǎng)還是新勢(shì)力，抑或是大模型科技廠(chǎng)商，普遍認(rèn)為智能汽車(chē)最有可能成為率先實(shí)現(xiàn)大模型落地的B端場(chǎng)景。
大模型規(guī)模上車(chē)時(shí)機(jī)尚未成熟
目前來(lái)看，盡管ChatGPT的首發(fā)“上車(chē)”，已經(jīng)拉開(kāi)了智能汽車(chē)領(lǐng)域大模型較量的序幕。但現(xiàn)階段距離大模型的真正規(guī)模上車(chē)，也還有一段距離。
首先，車(chē)企做大模型，多模態(tài)數(shù)據(jù)的收集、處理、訓(xùn)練本身是一個(gè)難題。自動(dòng)駕駛所需傳感器數(shù)據(jù)包括激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)，以及高清攝像頭、GPS等。這些數(shù)據(jù)來(lái)自不同的坐標(biāo)系，帶有不同的觸發(fā)時(shí)間戳，且要考慮到硬件損壞等問(wèn)題；同時(shí)，需要大量的場(chǎng)景數(shù)據(jù)，比如交通標(biāo)志線(xiàn)、交通流、行為模型等。這讓汽車(chē)大模型的研發(fā)、訓(xùn)練門(mén)檻變得很高。
業(yè)內(nèi)人士認(rèn)為，模型數(shù)據(jù)調(diào)動(dòng)管理需要利用智能網(wǎng)聯(lián)汽車(chē)以及計(jì)算技術(shù)平臺(tái)、云控技術(shù)平臺(tái)等諸多平臺(tái)，只有做到海量數(shù)據(jù)匯聚才可以做交叉，尤其是垂直領(lǐng)域，這和車(chē)內(nèi)的其他系統(tǒng)并不相同，假如基礎(chǔ)的平臺(tái)能力不能打通，其很難向更深層次發(fā)展。另外，盡管生成式AI在信息獲取上獲得了突破，但在決策、執(zhí)行控制層面，其離真正在汽車(chē)上落地還有較大的距離。
另外，端到端的AI大模型訓(xùn)練，需要在智能汽車(chē)中構(gòu)建全新的基于AI大模型的全新算法，這也需要一個(gè)過(guò)程，業(yè)內(nèi)人士認(rèn)為至少需要3—5年甚至更長(zhǎng)的時(shí)間，來(lái)完成這一過(guò)程。
其次，受限于車(chē)載設(shè)備的硬件條件，汽車(chē)內(nèi)大模型所需要的硬件配置可能會(huì)受到限制，難以有效發(fā)揮好作用。具體來(lái)說(shuō)，大模型需要高規(guī)格的硬件配置，包括高性能計(jì)算能力、大容量?jī)?nèi)存和低時(shí)延等特點(diǎn)，但車(chē)載設(shè)備的硬件條件相對(duì)有限，無(wú)法提供足夠的算力資源支撐大模型運(yùn)行。比如，在自然語(yǔ)言處理領(lǐng)域的GPT-3模型，就需要數(shù)萬(wàn)億TOPS的計(jì)算能力。這要求芯片的算力至少要在萬(wàn)級(jí)TOPS以上，才能夠勝任大模型的計(jì)算任務(wù)。但是在車(chē)載部署場(chǎng)景下，芯片的算力往往只有數(shù)百TOPS，遠(yuǎn)遠(yuǎn)達(dá)不到大型模型的要求。
在此背景下，升級(jí)汽車(chē)內(nèi)的算力基礎(chǔ)設(shè)施已成必然趨勢(shì)，目前來(lái)看智算中心或許會(huì)成為未來(lái)智能汽車(chē)的“標(biāo)配”。比如，特斯拉發(fā)布了獨(dú)立的云端智算中心——Dojo，總計(jì)使用了1.4萬(wàn)個(gè)英偉達(dá)的GPU來(lái)訓(xùn)練AI模型。在國(guó)內(nèi)，小鵬汽車(chē)與阿里云合建了智算中心“扶搖”，專(zhuān)門(mén)用于自動(dòng)駕駛模型訓(xùn)練，算力可達(dá)到600PFLOPS；毫末智行與火山引擎聯(lián)合打造了國(guó)內(nèi)自動(dòng)駕駛行業(yè)最大的智算中心“雪湖.綠洲”，每秒浮點(diǎn)運(yùn)算可達(dá)到67億億次。不過(guò)，目前這些建設(shè)還處于探索應(yīng)用階段，大模型應(yīng)用大規(guī)模上車(chē)的時(shí)機(jī)，還沒(méi)有完全成熟。
底層技術(shù)才是未來(lái)角逐焦點(diǎn)
目前來(lái)看，AI大模型對(duì)汽車(chē)最本質(zhì)的改變，可能在于它將進(jìn)一步驅(qū)動(dòng)汽車(chē)，從制造屬性向科技+消費(fèi)電子屬性轉(zhuǎn)變。在這種背景下，車(chē)廠(chǎng)本身的底層科技能力，將會(huì)成為未來(lái)的決勝關(guān)鍵。
一方面，AI大模型會(huì)重新定義“人機(jī)交互”和“服務(wù)生態(tài)”，加速汽車(chē)應(yīng)用服務(wù)生態(tài)消費(fèi)電子化，這將改變底層的產(chǎn)品定義。當(dāng)前車(chē)載語(yǔ)音系統(tǒng)底層是未完全成熟的任務(wù)型對(duì)話(huà)系統(tǒng)，尚無(wú)法真正實(shí)現(xiàn)個(gè)性化、情感化、自由化的交互能力，而大模型可以通過(guò)深度學(xué)習(xí)+語(yǔ)音生成，迎來(lái)開(kāi)放場(chǎng)景+自然交互的全新人機(jī)交互體驗(yàn)。同時(shí)，在研發(fā)設(shè)計(jì)上，隨著大模型的OS化，傳統(tǒng)的APP上車(chē)、點(diǎn)觸功能、HMI交付的必要性和重要性值得思考，這意味著汽車(chē)“產(chǎn)品”的重新定義。
正如前華為自動(dòng)駕駛產(chǎn)品部部長(zhǎng)蘇箐所言：“傳統(tǒng)車(chē)廠(chǎng)看法首先我的基座是車(chē)，現(xiàn)在有些計(jì)算機(jī)的單點(diǎn)，那么我是把車(chē)作為一個(gè)基礎(chǔ)，試圖把計(jì)算機(jī)嵌進(jìn)去，這是傳統(tǒng)車(chē)廠(chǎng)的看法。我們的看法不一樣，基礎(chǔ)是計(jì)算機(jī)，車(chē)是計(jì)算機(jī)控制的外設(shè)，一個(gè)大計(jì)算機(jī)了事，把車(chē)掛上去。這是本質(zhì)看法不一樣。”事實(shí)上，在大模型上車(chē)之后，汽車(chē)的計(jì)算中心、智能化、消費(fèi)電子屬性將變得更加明顯，其產(chǎn)品定義將遵循消費(fèi)電子的底層邏輯迭代演變（如APP化、生態(tài)服務(wù)等）。
另一方面，AI大模型將會(huì)改變汽車(chē)的現(xiàn)有算法，考慮到大模型應(yīng)用所需要的硬件成本以及外部環(huán)境來(lái)看，未來(lái)國(guó)內(nèi)企業(yè)大模型的技術(shù)實(shí)力，將更加取決于包括AI操作系統(tǒng)等在內(nèi)的底層技術(shù)。具體來(lái)說(shuō)，原來(lái)汽車(chē)的自動(dòng)駕駛算法較為依賴(lài)人工，而接入大模型之后，就需要依靠大模型驅(qū)動(dòng)形成新的智能算法，而要構(gòu)筑這樣的算法，除了要做好產(chǎn)品，還要做好平臺(tái)。
比如，圍繞芯片、云端等在內(nèi)的計(jì)算平臺(tái)，需要做到低成本、可標(biāo)配；有了好的產(chǎn)品，才能夠有足夠多的銷(xiāo)量，有足夠多的銷(xiāo)量，才能增加“端到端”（云端到車(chē)端）的閉環(huán)數(shù)據(jù)；作為基礎(chǔ)支撐的AI大算力芯片，也需要重新考慮車(chē)企自身的情況來(lái)做，回到底層來(lái)說(shuō)就是誰(shuí)的訓(xùn)練成本低，誰(shuí)的轉(zhuǎn)化速度快，誰(shuí)就將跑到最前面。
拿英偉達(dá)的訓(xùn)練芯片來(lái)說(shuō)，一枚芯片被炒到了10萬(wàn)塊錢(qián)，關(guān)鍵是這種高成本芯片訓(xùn)練方案，對(duì)于車(chē)企并非最優(yōu)解決辦法。而且受外部制裁影響，這種“外供依賴(lài)”隨時(shí)有可能被掐掉，脆弱性很大。因而從長(zhǎng)遠(yuǎn)來(lái)看，車(chē)企想要在這一領(lǐng)域走到行業(yè)前列去，要么加大對(duì)底層芯片的自研力度以減少采購(gòu)成本，如百度自研AI芯片，要么在AI算法、操作系統(tǒng)上去尋求破局，以找到最佳的應(yīng)用路徑。