新一代数字技术，如人工智能、物联网、5G移动通信等的发展与成熟，对汽车行业带来了深远影响。传统车企需要持续推进整车的自动化智能化水平，以适应市场对自动驾驶功能的高接受度。
同时，数字化转型也是传统车企面临的重要挑战，需要提升产品思维，应对车机设计、自动驾驶功能的使用以及数字化营销等方面的挑战。
未来，传统车企需要利用AI大模型技术，依靠先进的智能驾驶计算平台来实现智能制造和智能化生产，重构智慧工厂、生产车间和智能产品开发中心等。
那么，大模型在汽车交通行业能解决哪些问题？带来哪些价值呢？
大模型上车
助力车企智能化升级
简单来说，大模型在传统车企领域解决的问题主要包括提升交通效率与安全、推动智慧交通行业的高速发展、解决自动驾驶领域的技术难题等。大模型能够通过实时感知、机器视觉、交通预测等技术，提供全域信控缓堵解决方案，从而有效缓解交通拥堵。
大模型技术带动智慧交通行业的发展
其次，随着城镇化的加速和汽车保有量的快速增长，城市污染和城市拥堵问题日益严重，大模型技术能够带动智慧交通行业的发展。
第三，在自动驾驶领域，大模型技术通过Transformer注意力机制和预训练-微调范式等技术，为自动驾驶算法提供了新的发展方向。这也是大模型上车主要应用的场景。
在场景化创新方面，传统车企可以充分利用大模型的大规模、高精度数据和AI能力，为用户提供更多优质的服务。
例如，在自动驾驶感知方面，传统车企可以利用大模型训练感知算法模型，并基于其构建深度神经网络以提升感知精度。
传统车企还可以利用大模型为用户提供更好的智能驾驶体验。例如，在自动驾驶决策方面，传统车企可以利用大模型构建基于场景的决策优化模型，并借助其开展多目标规划与协同控制研究。而在自动驾驶仿真测试方面，传统车企也可以利用大模型打造基于场景的仿真测试方案。
除了为用户提供优质服务外，大模型还可以通过与车企共建智能驾驶生态解决方案、智能驾驶算力等问题。
总的来说，大模型能够推动传统车企的智能化进程，实现对开源大模型的适应性优化与本地化部署。
在车端，大模型能够合并分管不同子任务的小模型为一个大模型，节省车端推理计算时间，增加汽车安全性。
此外，大模型的应用还能提升汽车设计、生产、营销、研发等业务场景的智能化水平，使车企员工工作更高效、更轻松。同时，大模型技术还能通过大量数据的注入推动模型成长、优化算法，提升汽车智能化水平。
根据清华大学智能研究院研究显示：人工智能正在推动汽车产业进入一个新时代，并围绕CASE(网联化、自动化、共享化、电动化)进行转型。AI技术为汽车带来自主性，显著提高安全性(10倍)，提高效率(每天节省60米，减少污染)，并催生新的经济形态(到2030年将增长1.5倍)。
人工智能围绕CASE(网联化、自动化、共享化、电动化)推动汽车转型
这一转型正在重塑汽车产业格局,一级供应商(Tier 1)和整车厂(OEM)面临新的机遇和挑战。
总之，AI正在深刻改变汽车产业，而大模型在汽车交通行业正开创一个智能、安全、高效、环保的新时代。
从自动驾驶到智动驾驶
数字开物了解到，目前大模型在传统车企行业的应用案例涵盖了自动驾驶、智能座舱系统的建设、交通效率与安全的提升以及汽车企业在大模型应用探索等方面，展现了大模型技术在汽车行业中的广泛应用和深远影响。其中，大模型与自动驾驶如何结合，成为业界主要探讨方向。
理想汽车创始人、董事长兼CEO李想曾公开表示，目前，大模型和智能驾驶相结合可以分为三个阶段：
第一阶段是赋能，也就是智能辅助驾驶，赋能驾驶员，让驾驶更安全、便捷。这个阶段需要进行人机共驾的过程来训练大模型。
第二阶段是半机器人。随着越来越多的人使用辅助驾驶，智能驾驶会形成半机器人。它可以解决酒驾、疲劳驾驶等问题，相当于垂直领域的专家，可以看作是真正免费的司机。
第三阶段是AGI（通用人工智能）。行为学习和认知学习会二合为一，大脑和小脑同时具备，机器可以独立获取信息，形成自主迭代。虽然无法预测这个阶段何时到来，但我们对此充满期待。
此外，大型模型的部署还需要考虑时延的问题。例如，在自动驾驶场景下，需要对海量数据进行实时处理和分析，因此需要保证模型的推理速度和响应时间。
大型模型的部署
数字开物了解到，大模型对自动驾驶的影响主要体现在以下几个方面：
第一，加速技术落地：大模型的引入促进了高速NOA、通勤NOA、城市NOA等功能的快速应用，有望加快L3及以上自动驾驶的落地进程。这表明大模型在提升自动驾驶技术成熟度、扩大应用范围方面发挥了重要作用。
第二，提升算法能力：大模型技术，特别是Transformer注意力机制和预训练-微调范式，显著提升了自动驾驶算法的能力。这种提升不仅限于算法本身，还包括通过仿真、自动标注等方式提升车厂算法能力。
大模型对自动驾驶的影响
第三，增强感知系统和决策控制：大模型能够增强自动驾驶感知系统的感知精度、提升决策控制系统的记忆和理解能力，拓展并丰富复杂道路场景，提高单车融合定位精度。这些改进对于提高自动驾驶的安全性和可靠性至关重要。
第四，改变车内交互方式：大模型的应用还可能带来车内交互方式的改变，这是智能化发展的重要方向之一。这种交互方式的创新有助于提升用户体验，使自动驾驶汽车更加人性化。
第五，降低硬件成本：大模型的应用有望降低自动驾驶传感器硬件成本，加速自动驾驶的普及。这一点对于推动自动驾驶技术的广泛应用和商业化具有重要意义。
第六，云端与车端的结合：尽管目前自动驾驶大模型主要运转在云端，但通过知识蒸馏等方式，依然可以对车端产生影响。这种云端与车端的结合模式为自动驾驶技术的发展提供了新的可能性。
具体案例上，百度大模型全面赋能的极越01成为大模型上车的一个具体案例，展示了大模型技术在汽车领域的应用，使车辆变得真正智能，标志着汽车智能化时代的开始。
再比如，毫末智行科技和长城汽车共同开发的自动驾驶大模型DriveGPT雪湖·海若成功入选，展示了大模型在自动驾驶领域的实际应用，如问题场景的快速发现、场景数据的快速筛选与自动标注、罕见场景的数据生成等，有效节省标注成本，提升算法性能。
大模型在自动驾驶领域的实际应用
而国外，特斯拉FSD Beta V12系统：特斯拉端到端AI自动驾驶系统FSD Beta V12完全依靠车载摄像头和神经网络来识别道路和交通情况，并做出相应的决策，展示了大模型在自动驾驶决策中的重要作用。
这些应用案例展示了大模型在自动驾驶领域的广泛应用，从感知、决策到运动规划，大模型正逐步成为推动自动驾驶技术进步的关键力量。
平台到场景应用
传统车企智能化落地
目前大模型在传统车企行业主要赛道分类可以分为这几种，第一种，百度、阿里、华为等科技巨头利用自己的通用大模型平台，延伸出行业大模型解决方案与传统汽车企业合作，推动技术产品在行业落地，也帮助传统车企智能化升级。
大模型应用GPT-BI率先落地，成为汽车行业首个投入使用的同类应用
例如，2024年1月22日，由中国一汽联合阿里云通义千问打造的大模型应用GPT-BI率先落地，成为汽车行业首个投入使用的同类应用。
在AI赋能之下，一汽红旗建立了基于海量数据和规则的自动评价模型，将原本需要人工花费50-80天进行的工作，放在数字化工作台上自动运行，可以把耗时压缩到天级、甚至秒级。
AI赋能数字化工作台
同时，阿里云同一汽合作的主要形式，是基于公有云的vpc方案。在这一方案下，阿里云提供了通用大模型能力和训练支持，但由一汽自己的技术团队承担专属模型的训练，所使用的数据也运行在专属空间上。训练完成后，一汽可以将其封装为自己的大模型，并脱离公有云进行本地化部署，以满足政策监管要求。
第二种是，吉利这类传统车企自研大模型技术与业务结合，帮助企业智能化升级。
1月11日，吉利正式发布汽车行业全栈自研全场景AI大模型——吉利星睿AI大模型。此前的1月5日，吉利汽车集团CEO淦家阅在吉利银河E8上市发布会上，发布了AI大模型的相关能力及多款应用。
吉利星睿AI大模型
不同于科技巨头开发的通用大模型，星睿AI大模型深度聚焦汽车垂直领域，对车辆功能使用、常见车辆问题、交通法规、售后服务等海量知识库进行大规模学习，拥有汽车行业最完备的专业知识储备，仅星睿语言大模型训练过程中就特别补充了汽车领域39类知识库。
吉利星睿AI大模型以强大的星睿智算中心为算力底座，将自研基础大模型与吉利的NPDS研发体系、巨量造车全链路场景数据库深度融合，将成为汽车行业应用场景丰富、算力强大、汽车专业知识体系完备、数据与模型安全可靠的大模型。
星睿AI大模型拥有超千亿参数量，海量常识和情感模块，能够更聪明、精准的和用户对话。它可以是一个对景点如数家珍的金牌导游、一个对汽车知识答疑解惑的技术专家、一个对新闻热搜了如指掌的时尚达人甚至是一个能讲故事、画画的创作大师，为用户带来不止于车的全场景陪伴AI智能体验。
第三种是，思必驰等科技创业公司，基于自身业务逻辑和优势，单点切入，帮助车企打造不同场景的应用解决方案。
例如，思必驰推出自研大模型DFM-2，并展示了在多个领域的创新技术及落地情况。其中，在智能汽车领域，基于DFM-2大模型，思必驰汽车语音助手天琴系统全面升级至6.0版本，为智驾出行带来更多想象。
思必驰DFM-2大模型，定位为“具有通用智能、针对垂域的行业语言大模型”。它不仅具备通用智能和知识，在应对行业落地挑战中，DFM-2还对人机语言交互五大核心能力进行提升（包括：外部信源增强的精准推理决策、基于深度认知的通用语义理解、基于文档理解的可信主动知识问答、面向用户个性化的多人设交互、面对复杂任务的自动规划与执行），更重要的是，大模型可与对话式语言技术进行联动，为用户带来更具想象的使用体验。
在出行规划上，DFM-2大模型可基于情景理解、常识问答、内容生成能力，根据用户需求，为用户拟定一份出行方案。
通过开启插件模式，DFM-2大模型可以智能调用外部信源和工具，为用户提供诸如“明日限号信息”等更准确、更实时的信息查询服务。
DocDFM可为用户提供知识查询服务，免去了阅读冗长的说明书的麻烦。用户可以像咨询人工客服一样咨询汽车使用过程中遇到的问题，基于DFM-2大模型的语音助手即刻给出答案。
除此之外，在车企的生产制造环节，大模型的应用可实现智能制造与人工智能技术深度融合，帮助车企更好地进行智能工厂升级。
例如，以华为与某车企的合作为例，在生产制造环节，大模型可将生产计划排产、产能预测、物流规划、设备维护等各个环节进行优化。
以物流规划为例，在此环节，大模型可帮助企业实现车间物流路径规划与产能预测；在生产计划排产环节，大模型可通过自定义算法生成排产计划；在产能预测方面，大模型可以将不同时间段的产能数据进行关联预测，并通过大数据分析不断优化预测结果。
此外，大模型还可帮助车企实现生产制造环节的智能化改造。以某车企与华为合作的一款车型为例，这款车型主要应用于新能源领域。在该车型的生产制造过程中，大模型可以帮助企业实现车间工艺过程的自动化和数字化升级。
虽然，不同维度厂商都在布局大模型上车，但现阶段，大模型重点还是在探索与自动驾驶方面的结合，从自动驾驶到智动驾驶的升级。
随着智能汽车的发展，汽车交通行业正面临着汽车电动化、智能化、网联化的转型。汽车不再是一个独立的设备，而是变成了一个移动终端。未来，汽车将具备人-车-路-云-网-图等六大要素，并在此基础上形成了高度融合的智慧出行生态。
这也意味着车企将面临更多挑战，包括在数字化转型过程中，如何实现数据驱动、数据治理以及数据安全；如何快速实现自动驾驶智能座舱和智能驾驶的升级；如何更好地解决人机交互、语音识别等问题等。
而大模型上车也成为传统车企转型升级必不可少的关键要素。大模型通过提升算法能力、增强感知系统和决策控制、改变车内交互方式等多方面的影响，对自动驾驶技术的发展产生了深远的影响。这些影响不仅体现在技术层面，也涉及到商业模式和用户体验的创新。
热门专题
