以前，馬車(chē)很慢，但現在它們與以前大不相同，不僅變得更快、更方便，而且更智能。近日，在人工智能和算力時(shí)代的自動(dòng)駕駛生態(tài)創(chuàng )新大會(huì )上，來(lái)自通信界的記者全面了解了人工智能賦能自動(dòng)駕駛的最新進(jìn)展。人工智能大模型與自動(dòng)駕駛技術(shù)有著(zhù)天然的契合。通過(guò)AI大模型賦能自動(dòng)駕駛技術(shù)，可以全面提升自動(dòng)駕駛系統的安全性、穩定性、舒適性和智能性。

中國電動(dòng)汽車(chē)產(chǎn)量占全球60% 自動(dòng)駕駛技術(shù)有望超越歐美

根據IDC的一份報告，2022年全球電動(dòng)汽車(chē)產(chǎn)量達到1100萬(wàn)輛，其中約700萬(wàn)輛在中國發(fā)貨，占全球市場(chǎng)份額的60%至70%。中國不僅是電動(dòng)汽車(chē)的最大生產(chǎn)國和消費國，也是自動(dòng)駕駛技術(shù)的重要創(chuàng )新者和推動(dòng)者。隨著(zhù)人工智能模型的應用和發(fā)展，中國的自動(dòng)駕駛產(chǎn)品和技術(shù)水平有望在不久的將來(lái)趕超歐美國家。

汽車(chē)行業(yè)是人工智能大模型的重要應用領(lǐng)域之一，涉及各種復雜的場(chǎng)景和任務(wù)，需要高效、準確、可靠的決策和控制。自動(dòng)駕駛行業(yè)的數據量也非常大。以自動(dòng)駕駛為例，一輛汽車(chē)每天可以產(chǎn)生3PB的數據，這些數據至少保留三年，每年至少有1000PB的數據。假設一家公司有十輛自動(dòng)駕駛汽車(chē)在路上行駛，每年大約有300000 PB的汽車(chē)，100000輛大規模生產(chǎn)的汽車(chē)在路上的數據量將達到50ZB。這對數據的存儲和計算提出了重大挑戰。

人工智能大型模型與自動(dòng)駕駛技術(shù)有著(zhù)天然的契合，因為它們都需要處理海量、多維和多模式的數據，并且都需要端到端的學(xué)習和推理。人工智能大模型可以通過(guò)車(chē)載傳感器、路況信息、地圖數據等多源數據的融合分析，實(shí)現對自動(dòng)駕駛場(chǎng)景的深度理解和預測。他們還可以通過(guò)車(chē)輛控制系統和用戶(hù)交互系統等多個(gè)模塊的協(xié)同優(yōu)化，實(shí)現自動(dòng)駕駛行為的高效生成和執行。通過(guò)人工智能的大模型賦能自動(dòng)駕駛技術(shù)，可以提高自動(dòng)駕駛系統的安全性、穩定性、舒適性和智能性。

目前，中國在人工智能大模型領(lǐng)域擁有一批具有國際競爭力的企業(yè)和研究機構，如百度、阿里巴巴、騰訊、華為、中科院等。這些企業(yè)和機構不僅在人工智能的基礎理論和算法方面取得了重大突破，而且在人工智能芯片、平臺和應用方面也表現出強大的創(chuàng )新能力。比亞迪、吉利、特斯拉等許多新車(chē)制造商也采用了人工智能技術(shù)的支持，如AI+汽車(chē)、AI+自動(dòng)駕駛、AI+智能座艙等，成為熱門(mén)產(chǎn)品。

在自動(dòng)駕駛技術(shù)的發(fā)展過(guò)程中，中國也展現出強大的市場(chǎng)需求和消費潛力。據統計，中國目前擁有超過(guò)5000萬(wàn)輛智能網(wǎng)聯(lián)汽車(chē)。這些汽車(chē)不僅為用戶(hù)提供了更方便、舒適、安全的出行體驗，還為人工智能模型提供了海量數據和反饋，實(shí)現了數據和算法的良性循環(huán)。隨著(zhù)人工智能模型的不斷優(yōu)化升級，中國有望在未來(lái)三到五年內實(shí)現L3甚至更高級別的自動(dòng)駕駛技術(shù)在全行業(yè)的推廣和示范。

北京在推動(dòng)人工智能大模型發(fā)展方面也發(fā)揮了重要的引領(lǐng)和示范作用。在過(guò)去的半年里，北京出臺了一系列政策措施，旨在打造具有全球影響力的人工智能創(chuàng )新高地，促進(jìn)通用人工智能的發(fā)展，支持大型人工智能模型在各個(gè)領(lǐng)域的應用和實(shí)施。北京出臺了促進(jìn)通用人工智能發(fā)展的若干措施，還發(fā)布了兩批通用人工智能產(chǎn)業(yè)創(chuàng )新伙伴計劃。北京市經(jīng)信局還成立了數字經(jīng)濟專(zhuān)業(yè)班，重點(diǎn)建設整個(gè)大模型，發(fā)揮政府平臺的引導作用，鼓勵更多的模型企業(yè)通過(guò)政府提供的平臺培養和支持其計算能力和數據需求。

人工智能賦能自動(dòng)駕駛，面臨多重挑戰 工業(yè)界、學(xué)術(shù)界和研究界之間合作研發(fā)的需求

我們不能高估大型模型的現狀，也不能低估它們的未來(lái)。人工智能大模型作為一種技術(shù)工具，不僅可以為自動(dòng)駕駛產(chǎn)品的創(chuàng )新賦能，還可以為自動(dòng)驅動(dòng)研發(fā)的效率賦能。在當前階段，我們需要探索如何在確保產(chǎn)品和效率的同時(shí)找到合適的解決方案和方法。

未來(lái)階段，需要關(guān)注自動(dòng)駕駛產(chǎn)品在車(chē)上落地的幾個(gè)趨勢，即：從云端向本地端轉移。這是因為登陸車(chē)需要考慮網(wǎng)絡(luò )環(huán)境的不穩定性和模型規模的可行性，因此需要實(shí)現模型小型化和本地化部署；從訓練到推理的轉變是因為在著(zhù)陸時(shí)需要考慮系統的可控性和確定性，從而實(shí)現模型推理優(yōu)化和應用場(chǎng)景；從工具到產(chǎn)品的進(jìn)化，是因為在上車(chē)時(shí)需要考慮用戶(hù)的需求和體驗，從而實(shí)現車(chē)型的功能提升和價(jià)值提升；從生成到可控的轉變是由于在著(zhù)陸時(shí)需要考慮系統的安全性和合規性。因此，有必要在模型中實(shí)現清晰的邏輯和對規則的遵守；從一般的大車(chē)型發(fā)展到垂直車(chē)型，是因為在落地汽車(chē)時(shí)需要考慮行業(yè)的特點(diǎn)和差異，從而實(shí)現車(chē)型的領(lǐng)域專(zhuān)業(yè)化和場(chǎng)景定制化。

盡管人工智能大模型在自動(dòng)駕駛領(lǐng)域顯示出了巨大的潛力和價(jià)值，但它也面臨著(zhù)多重挑戰和問(wèn)題，需要產(chǎn)學(xué)研協(xié)同研究，不斷優(yōu)化創(chuàng )新。

首先，數據的質(zhì)量和數量決定了大型模型的能力上限。然而，在自動(dòng)駕駛領(lǐng)域，數據的收集、存儲、處理、分析等方面都存在巨大的困難和成本。因此，如何構建數據閉環(huán)系統，提高數據的質(zhì)量和效率，同時(shí)降低數據的成本和風(fēng)險，是人工智能大模型開(kāi)發(fā)需要解決的重要問(wèn)題之一。

其次，算法的設計和優(yōu)化決定了大型模型的性能和有效性。然而，在自動(dòng)駕駛領(lǐng)域，算法的選擇和應用也存在各種困難和挑戰。例如，在自動(dòng)駕駛領(lǐng)域，目前主流的兩種算法路徑都是端到端和模塊化的。端到端是指將輸入數據直接映射到輸出控制信號的方法，可以簡(jiǎn)化系統結構，提高操作效率。模塊化是指將自動(dòng)駕駛系統分解為幾個(gè)子模塊并分別進(jìn)行學(xué)習和優(yōu)化的方法，可以提高系統的可解釋性和可控性。模塊化部署向端到端的未來(lái)趨勢可能成為主要趨勢，但端到端也面臨著(zhù)黑匣子模型的可解釋性問(wèn)題，目前實(shí)施的最終趨勢還不是特別明確。

最后，計算能力的提供和分配決定了大型模型的運行和部署。但目前，人工智能大模型的訓練主要依賴(lài)于基于云的數據中心，而推理則需要在車(chē)輛端進(jìn)行。這需要通過(guò)OTA等方式，將在云端訓練的大模型轉化為適合車(chē)輛部署的小模型，并進(jìn)行動(dòng)態(tài)升級和調整。如何實(shí)現云與車(chē)的模型轉換與協(xié)同，是人工智能大模型開(kāi)發(fā)中需要解決的重要問(wèn)題之一。

除了這些技術(shù)挑戰和問(wèn)題，在自動(dòng)駕駛領(lǐng)域，人工智能大模型還面臨法律、倫理和社會(huì )的約束和影響。這需要來(lái)自行業(yè)、學(xué)術(shù)界和研究機構的專(zhuān)家參與監管、治理和標準體系等領(lǐng)域的標準研究、前瞻性技術(shù)研究和治理體系研究能力建設，幫助整個(gè)人工智能大模型更好地在自動(dòng)駕駛、智能座艙，以及智能網(wǎng)聯(lián)汽車(chē)行業(yè)。