圖片來源：視覺中國
從傳統 AI 時期開始，國産技術被寄予厚望的一個長闆就是應用，大模型時代也是如此。從 " 玩具 " 到 " 工具 "，是今年下半年以來國産大模型的一個最顯著趨勢。
在這樣的背景下，關于大模型在汽車領域的應用，也開始熱度飙升。
在乘用車部分，特斯拉發布的 FSD V12 版本已實現端到端的 AI 自動駕駛方案；阿裏巴巴宣布 AliOS 智能汽車操作系統已接入通義千問大模型測試；東風日産、紅旗、長城等多家車企宣布接入百度的 " 文心一言 " ……
在商用車部分，基于華爲雲盤古大模型，一汽解放與華爲聯手已開展了多個場景的驗證測試；福佑卡車與騰訊達成戰略合作，共同研發數字貨運大模型 ......
大模型的如火如荼，讓行業内頗有 " 不搞大模型的車企不是好車企 " 的感覺，但大模型能爲汽車行業帶來多大的想象空間，依然是目前需要讨論的問題，像圖森未來CTO 王乃岩就曾嗆聲 " 自動駕駛大模型是僞命題 "。
不搞大模型的車企不是好車企？
目前，車企在大模型上車部分進行的探索，主要通過兩種方式：一部分自建大模型，比如盧偉冰透露今年 4 月份小米正式組建了 AI 實驗室大模型團隊；理想汽車自研大模型 MindGPT；廣汽集團推出了廣汽 AI 大模型平台；吉利汽車也表示首個全棧自研的全場景 AI 大模型搭載在吉利銀河 L6 上。
另一部分則是走聯合路線，比如小鵬聯合阿裏的大模型建立自動駕駛智算中心，斑馬智行接入阿裏大模型；福佑卡車與騰訊共同研發數字貨運大模型等。
大模型争相 " 上車 "，一方面是對于大模型來說，汽車是一個垂直領域，應用場景相對較小，對參數的量級要求也沒有通用型大模型那麽大。因此，普遍認爲汽車最有可能成爲率先實現大模型落地的 B 端場景。
但更關鍵的問題是，大模型到底能給汽車能帶來什麽樣的改變和價值？總結來說，主要分爲三部分：智艙、智駕和業務優化。
當前主流車企發力點都是交互領域，也就是智艙部分。目前車内主要使用的交互形式是 " 命令式交互 "，就像語音遙控器，用戶通過語音給車機發出一道指令，大模型加持下的智艙将具備出行場景對話式交互、邏輯推理、策略規劃和知識問答等多項能力，讓車内助手在未來有能力像真人一樣跟用戶交流，可以理解并滿足用戶在車内場景的深層次需求。
福佑卡車技術合夥人陳冠嶺在與钛媒體 App 溝通時，從商用車的角度分享了交互形式改變的價值，他表示，福佑的大量用戶是司機，司機在開車時跟福佑服務的交集主要是在司機的 APP，但是 APP 的點擊式操作并不太符合司機的實用性，而大模型本身是自然語言人機交互的，這更符合貨車司機開車使用時的需求。
而在智駕部分的改變，最直接的是 " 工具鏈 " 的優化。以數據标注爲例，衆所周知海量的數據是無人駕駛的基礎，行業通常采用大量的數據去訓練自動駕駛算法，但人工标注成本高、效率低，而自動标注就是 AI 大模型賦能智能駕駛最直接的應用，能大幅降低數據标注的成本。曠視科技智駕業務總裁劉偉曾對钛媒體 App 透露，過去可能有 12% 的數據是人工标注，但預計接下來就會大幅下降。
在業務優化部分，其實就是讓大模型能夠盡快進入業務流程，降本增效。比如陳冠嶺對钛媒體 App 介紹說，與騰訊的合作的端到端的 OCR 智能識别大模型能力就是針對物流證件識别、各類回單識别等場景實現了智能識别與自動處理，可以降低運營成本，提升服務效率。
對于具體的效果，他進一步介紹說，經過前期實踐驗證，針對多樣式回單識别場景，經過少量樣本訓練，該大模型對圖片字段識别準确率超過 99%。圖片信息綜合識别匹配準确率超過 95%，召回率比傳統模型提高近 20%。
機遇大于挑戰還是挑戰大于機遇？
大模型拉開了智能汽車領域較量的序幕，但從 " 首發 " 到 " 大規模 " 之間，也還有不短的距離。
首先，過于高昂的成本，在某種程度上會阻礙大模型大規模上車。畢竟，誰的訓練成本低，誰的轉化速度才能快。
衆所周知，算力基礎設施和算力服務對大模型訓練不可或缺，其性能、質量和穩定性決定了模型訓練成果。但以英偉達的 H100 爲例，其訓練效率衆所皆知，但價格也是極其高昂，二手價格已經被炒到了 4-5 萬美金。
紅杉資本還曾做過一筆測算：全球的科技公司每年預計将花費 2000 億美金，用于大模型基礎設施建設；相比之下，大模型每年最多隻能産生 750 億美金的收入。
其次，大模型的準确性仍然讓不少業内人士擔憂，畢竟汽車駕駛的前提是安全與嚴謹，大模型給出 " 差不多 " 的答案肯定是不行的。
8 月 26 日，馬斯克在矽谷帕洛阿爾托（Palo Alto）的街道上直播測試特斯拉全自動駕駛系統 FSD 12 時，進行到第 20 分鍾左右時，車輛穿過一個交通繁忙的紅綠燈時，FSD 12 出現了可能緻命的誤判：将左轉車道的綠燈當成了自己車道的綠燈，啓動車輛打算穿過路口。好在馬斯克立刻介入，刹住了車。在此之後，被問及解決方案時，馬斯克的回應是 " 繼續向神經網絡投喂大量帶有左轉交通燈的駕駛視頻。"
這也在某種程度上揭開了大模型的弊端：算法運作方式不可知，無法精确定位問題，隻能依靠喂養更多數據。
類似的問題在商用車上也難免存在。對此，陳冠嶺向钛媒體 App 解釋說，" 貨運是一個比較嚴肅的行業，其對大模型的準确性要求很高。福佑之所以會把 OCR 智能識别的應用放在了智能客服之前，正是之前在探索智能客服、智能分析時候，看到大模型有時候會編造一些結果。"
除此之外，陳冠嶺還分享了大模型帶來的其它顧慮，在他看來，大模型的應用其實是數字化轉型的一個表現，所有數字化轉型碰到問題，比如對業務流程的改造、人的接受程度等，其實大模型也會遇到。
比如數據隐私的問題，像數據如何傳到雲上，特别是一些核心的數據，還需要更多的監管政策；另外一個問題是數據質量的問題。做大模型的訓練，對數據的質量要求比較高，企業如果想應用大模型，數據質量有沒有達到要求也是關鍵。
不可否認，大模型将來會爲汽車行業帶來巨大的改變，也正在成爲車企之間競争的焦點。與此同時，其在算力、算法及數據方面的新挑戰也會給發展帶來變數，極越 CEO 夏一平曾在與钛媒體 App 溝通時說過，" 自動駕駛值得用大模型的方式重寫一遍，但是，這個事情可能是未來 3~5 年之内要做的事情，絕對不是明天就要做的事情。"
大模型在未來究竟是機遇大于挑戰，還是挑戰大于機遇，邊走邊看。
（本文首發钛媒體 App，作者｜韓敬娴，編輯｜張敏）
