四、大模型在汽車行業(yè)的典型應(yīng)用場(chǎng)景

對(duì)于汽車產(chǎn)品、技術(shù)和服務(wù)中的難點(diǎn)問題，應(yīng)用大模型或可得到突破性解決方案。例如，當(dāng)前汽車智能化產(chǎn)品體驗(yàn)面臨兩個(gè)突出問題，一是自動(dòng)駕駛的長(zhǎng)尾問題，二是座艙交互系統(tǒng)智能化的程度低。對(duì)于前者，大模型賦能核心在自動(dòng)駕駛算法上；對(duì)于后者，大模型可以為用戶提供主動(dòng)式、個(gè)性化的交互。下面詳細(xì)分析大模型的四個(gè)典型應(yīng)用場(chǎng)景以及其帶來的影響。

1.大模型徹底改變智能駕駛方案的底層邏輯

大模型智能駕駛方案在本質(zhì)上是把傳統(tǒng)的自動(dòng)駕駛算法變?yōu)椤皥?chǎng)景-車輛控制”全流程的端到端模型，真正實(shí)現(xiàn)感知規(guī)劃一體化，可以說是徹底改變以往智能駕駛方案的底層邏輯。

傳統(tǒng)智能駕駛方案采取預(yù)設(shè)規(guī)則的模塊化方案，即感知-決策-規(guī)劃的流水線流程，眾多子模塊對(duì)應(yīng)單獨(dú)的任務(wù)和功能，基于預(yù)設(shè)規(guī)則的算法進(jìn)行判斷，即使部分模塊引入神經(jīng)網(wǎng)絡(luò)，仍存在多個(gè)編解碼、輸入輸出環(huán)節(jié)。該方案模型冗余，各模塊均需專門訓(xùn)練、優(yōu)化和迭代，且模塊間環(huán)節(jié)繁瑣。同時(shí)對(duì)攝像頭、雷達(dá)、高精地圖等傳感信號(hào)需求高，而且主要針對(duì)感知模塊的圖片信息進(jìn)行訓(xùn)練。所以在性能方面存在信息損失和級(jí)聯(lián)誤差，同時(shí)難以有效處理長(zhǎng)尾場(chǎng)景問題。但是這種方案可解釋強(qiáng)，便于問題回溯，也易于調(diào)試。

圖8 智能駕駛方案邏輯對(duì)比

相比之下，基于大模型算法架構(gòu)的端到端方案，即感知-決策-規(guī)劃一體化模型，更接近人的駕駛思維，由感知信息直接生成控制信號(hào)。也就是說，傳感器采集到的信息直接輸入神經(jīng)網(wǎng)絡(luò)算法中，經(jīng)過處理后直接輸出命令。這種模型聚焦，研發(fā)針對(duì)單個(gè)大參數(shù)量模型進(jìn)行整體訓(xùn)練，雖然訓(xùn)練要求高，但功能聚焦。另外對(duì)傳感信號(hào)需求較低，可降低硬件成本，支持以視覺感知為主，需要對(duì)含有駕駛行為的視頻信息進(jìn)行訓(xùn)練。

從性能上，大模型方案可大大降低級(jí)聯(lián)誤差，提升系統(tǒng)性能的上限。同時(shí)由于大模型強(qiáng)大的泛化能力，端到端方案可提高罕見場(chǎng)景下感知決策的準(zhǔn)確率，有效解決長(zhǎng)尾問題。但是這一方案的可解釋性差，由于是黑盒模式，當(dāng)出現(xiàn)錯(cuò)誤時(shí)難以溯源。

當(dāng)前已有多家整車企業(yè)基于大模型架構(gòu)推出城市NOA（城市導(dǎo)航輔助駕駛）解決方案，例如特斯拉、小鵬、理想汽車等。今后隨著大模型算法及應(yīng)用場(chǎng)景的持續(xù)迭代，將有效促進(jìn)高階自動(dòng)駕駛方案的實(shí)現(xiàn)。

2.大模型顛覆了以往的人機(jī)交互架構(gòu)

大模型憑借強(qiáng)大的通用預(yù)訓(xùn)練能力，為人機(jī)交互帶來更加智能、更加靈活的架構(gòu)方案。如圖9所示，傳統(tǒng)的汽車座艙人機(jī)交互架構(gòu)是基于人為預(yù)設(shè)流程進(jìn)行，不論是AI嵌入模式還是AI助理模式，其輸入和輸出均須遵循預(yù)設(shè)的規(guī)則，例如早期的智能語音助手只能識(shí)別固定的語句。以前AI算法經(jīng)常被用于某個(gè)或多個(gè)環(huán)節(jié)以提升效果和效率，例如用深度學(xué)習(xí)提高模糊語音識(shí)別的準(zhǔn)確率，但在本質(zhì)上還是人告訴AI“怎么做”。

圖9 人機(jī)交互不同模式對(duì)比

而以大模型實(shí)現(xiàn)端到端全流程的交互決策架構(gòu)，人只告訴AI我們所需的結(jié)果即可，機(jī)器在大模型強(qiáng)大推理與生成能力下可直接自主完成全流程任務(wù)。例如面對(duì)單模態(tài)的指令——“路上怎樣充電最方便”，或者多模態(tài)需求——“營造一個(gè)安靜的午休環(huán)境”等，大模型可充分理解和判斷用戶的需求，并做出決策和反饋。大模型應(yīng)用在人機(jī)交互中，徹底改變了人類與計(jì)算機(jī)之間的交流方式，也改變了開發(fā)范式，將推動(dòng)人機(jī)交互應(yīng)用從指令式智能向交互式智能發(fā)展。

3.大模型驅(qū)動(dòng)生成式技術(shù)研發(fā)模式誕生

大模型在技術(shù)研發(fā)方面的應(yīng)用主要在智能化模式變革上。我們以電池材料開發(fā)智能化為例具體說明。

電池開發(fā)涉及材料研發(fā)、電池設(shè)計(jì)、系統(tǒng)組裝、測(cè)試驗(yàn)證等內(nèi)容，復(fù)雜且要求高，傳統(tǒng)方法存在周期長(zhǎng)、成本高、人力投入大等問題。不同類型的大模型可根據(jù)電池研發(fā)流程特征，實(shí)現(xiàn)有針對(duì)性的賦能。

圖10 大模型在電池開發(fā)流程中的應(yīng)用

在電池材料研發(fā)階段，通常需要通過大量的實(shí)驗(yàn)試錯(cuò)，成本投入大且效率低下，而化學(xué)材料模型庫可對(duì)海量材料數(shù)據(jù)進(jìn)行高效地挖掘和分析，篩選出新材料、模擬不同組合，大幅提升材料創(chuàng)新的效率。

在電池設(shè)計(jì)階段涉及參數(shù)多，結(jié)構(gòu)復(fù)雜，難度較大；同時(shí)，系統(tǒng)組裝階段的影響因素多，對(duì)最終工藝質(zhì)量及效率要求高。因此可以借助仿真大模型和模擬分析大模型，模擬電池內(nèi)部的物理化學(xué)過程，預(yù)測(cè)電池性能結(jié)果。另外，還可高效篩選和優(yōu)化工藝參數(shù)，并進(jìn)行模擬評(píng)估，來優(yōu)化電池設(shè)計(jì)，提升系統(tǒng)的整體性能。

在測(cè)試驗(yàn)證階段，對(duì)數(shù)據(jù)分析、BMS軟件系統(tǒng)開發(fā)要求高，而數(shù)據(jù)大模型可對(duì)電池工作狀態(tài)、壽命等進(jìn)行分析預(yù)測(cè)；編程大模型可自動(dòng)生成軟件代碼，有效提高測(cè)試效率。

可以看出，大模型應(yīng)用在電池開發(fā)流程中的核心目的是提質(zhì)、增效和降本，大模型將推動(dòng)電池智能開發(fā)加速落地。

4.大模型助力用戶運(yùn)營服務(wù)生態(tài)創(chuàng)新

與傳統(tǒng)汽車相比，智能汽車在用戶服務(wù)上有著很大程度的拓展和升級(jí)，現(xiàn)在導(dǎo)入大模型可助力突破數(shù)據(jù)壁壘，為服務(wù)產(chǎn)業(yè)鏈賦能，帶動(dòng)用車服務(wù)生態(tài)整體創(chuàng)新增長(zhǎng)。

在服務(wù)資源生態(tài)方面，大模型是滿足用戶用車體驗(yàn)的充分支撐：一是基于大模型開發(fā)的智能售后助手是故障預(yù)測(cè)、維修知識(shí)專家，可隨時(shí)提醒維修商和用戶注意車輛狀況；二是基于AI語音助手的智能客服，可與用戶全天候互動(dòng)，打造高質(zhì)量服務(wù)體驗(yàn)；三是大模型助力智慧出行服務(wù)生態(tài)打造，包括智能充/換電補(bǔ)能、汽車共享、路線選擇、一體化出行服務(wù)平臺(tái)等。

在應(yīng)用開發(fā)生態(tài)方面，即在開發(fā)者生態(tài)中，大模型是面向用車場(chǎng)景、實(shí)現(xiàn)多樣性和開放性的重要支撐。一是，大模型降低了軟件開發(fā)門檻，為開發(fā)者提供豐富、低編程能力要求的開發(fā)選擇，甚至根據(jù)需求自動(dòng)生成可用的代碼，從而加速開發(fā)者生態(tài)發(fā)展；二是，大模型基于用戶數(shù)據(jù)驅(qū)動(dòng)的OTA升級(jí)決策，可高效分析用戶在應(yīng)用端的使用數(shù)據(jù)，判斷各項(xiàng)功能的優(yōu)劣勢(shì)，從而實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的OTA精準(zhǔn)升級(jí)；三是大模型憑借其強(qiáng)大的數(shù)據(jù)標(biāo)注和處理能力，能夠更好地分析用戶偏好，為用戶提供符合其使用習(xí)慣或興趣愛好的個(gè)性化、差異化服務(wù)。

五、對(duì)車企布局大模型應(yīng)用落地的策略建議

1.車企布局大模型技術(shù)應(yīng)用的總體原則

蓋斯特咨詢認(rèn)為，基礎(chǔ)通用大模型的開發(fā)難度高、投入巨大，車企在這方面沒有足夠的基礎(chǔ)，投入產(chǎn)出性價(jià)比低。所以車企布局大模型的總體原則是：將大模型與自身業(yè)務(wù)場(chǎng)景、數(shù)據(jù)有效融合，充分發(fā)揮出大模型的價(jià)值。

具體來說，車企應(yīng)具備大模型的思維理念，通過合作有效引入外部通用大模型能力，同時(shí)逐步培育自身的AI核心能力與基礎(chǔ)能力支撐，建立自身業(yè)務(wù)數(shù)據(jù)庫，不斷訓(xùn)練、迭代專屬的業(yè)務(wù)模型，探索生成式研發(fā)創(chuàng)新模式（詳見圖11）。即車企通過產(chǎn)業(yè)分工協(xié)作，將大模型的能力不斷深入在自身業(yè)務(wù)的應(yīng)用場(chǎng)景，最終構(gòu)建企業(yè)生成式研發(fā)模式，賦能產(chǎn)品顛覆性創(chuàng)新。

圖11 企業(yè)大模型應(yīng)用及創(chuàng)新體系

2.車企在大模型技術(shù)生態(tài)中的角色定位

在汽車行業(yè)大模型生態(tài)中，面對(duì)眾多的發(fā)展挑戰(zhàn)，各方須以長(zhǎng)遠(yuǎn)視角、用專業(yè)化分工模式推動(dòng)大模型價(jià)值實(shí)現(xiàn)。其中，大模型開發(fā)企業(yè)應(yīng)重點(diǎn)開發(fā)汽車垂類場(chǎng)景模型，并與平臺(tái)開發(fā)方深度合作，基于模型原子能力開發(fā)服務(wù)應(yīng)用；芯片企業(yè)提供大算力SoC芯片，云服務(wù)商則提供云端算力資源。隨著汽車行業(yè)大模型生態(tài)的日趨成熟，將構(gòu)建出行業(yè)大模型平臺(tái)，支撐各類資源設(shè)施的共享。

圖12 汽車行業(yè)大模型產(chǎn)業(yè)生態(tài)圖

車企作為數(shù)據(jù)提供者，直接面向用戶，擁有場(chǎng)景數(shù)據(jù)，至少應(yīng)掌握需求定義與功能應(yīng)用的能力。未來有實(shí)力的車企可參與不同細(xì)分領(lǐng)域大模型的聯(lián)合定義與開發(fā)，與大模型開發(fā)企業(yè)形成伴生式合作關(guān)系，通過不斷積累的數(shù)據(jù)反哺場(chǎng)景模型迭代升級(jí)，共同打造更符合用戶與產(chǎn)品差異化定位的垂類場(chǎng)景模型。

3.車企布局大模型應(yīng)用的分階段策略

車企布局大模型的目的并非自研大模型的開發(fā)能力，而是如何通過自身能力積累，與內(nèi)外部資源合作，最終將大模型的潛力與新汽車發(fā)展充分融合。因此，車企必須瞄準(zhǔn)不同時(shí)期的落地目標(biāo)，制定分階段的大模型布局規(guī)劃：

首先，近期策略是“能用起來”：車企應(yīng)以智能化產(chǎn)品為切入點(diǎn)，實(shí)現(xiàn)大模型功能的快速上車應(yīng)用，通過快速提升產(chǎn)品體驗(yàn)，加深用戶感知度。

其次，中期策略是“用得更好”：車企不斷儲(chǔ)備積累相關(guān)軟件算法能力，在研發(fā)、營銷、售后、管理等環(huán)節(jié)引入大模型應(yīng)用，將大模型的能力由前臺(tái)不斷向中臺(tái)、后臺(tái)逐漸滲透，提升大模型應(yīng)用的廣度和深度。

最后，遠(yuǎn)期策略是“共同發(fā)展”：車企深度參與生態(tài)建設(shè)，與各方充分協(xié)作，推動(dòng)汽車行業(yè)大模型的整體發(fā)展。隨著技術(shù)應(yīng)用持續(xù)豐富，商業(yè)價(jià)值逐漸顯現(xiàn)，大模型也將成為推動(dòng)車企長(zhǎng)期持續(xù)發(fā)展的重要手段。

4.當(dāng)前車企布局大模型的具體舉措

現(xiàn)在正處于大模型滲透入汽車行業(yè)的初期階段，車企應(yīng)通過與生態(tài)中其他主體的合作，快速打通智能化產(chǎn)品與大模型能力之間的連接通道，為大模型上車進(jìn)行能力布局。

第一，在軟件應(yīng)用層上，當(dāng)前車企對(duì)于模型及平臺(tái)至少掌握定義能力、選型能力，能夠根據(jù)自身功能需求與資源支撐，從大模型開發(fā)企業(yè)選擇合適的場(chǎng)景模型。同時(shí)在車端軟件應(yīng)用設(shè)置相應(yīng)的接口，與開發(fā)方提供的大模型服務(wù)接口對(duì)接。例如根據(jù)電子電氣架構(gòu)和智駕能力需求選擇合適的感知、決策或端到端算法方案，并在自身智駕系統(tǒng)中設(shè)置合適的接口來引入大模型能力。

未來隨著車企自身能力的積累，車企盡量掌握針對(duì)大模型的軟件適配性開發(fā)能力，包括車載OS、應(yīng)用軟件等，以最大化發(fā)揮大模型的賦能價(jià)值。例如根據(jù)大模型算法對(duì)OS中間件進(jìn)行有效調(diào)整，提升資源調(diào)配管理效率。

第二，高需求算力作為大模型落地的關(guān)鍵支撐，車企需要在云端和車端進(jìn)行合理的部署規(guī)劃。如前所述，智能汽車的算力部署原則為云端大算力+車端小算力的組合模式，因此當(dāng)前車企在云端算力部署可選擇互聯(lián)網(wǎng)科技企業(yè)的“公有云+私有云”服務(wù)方案，或建立專屬的超算中心，實(shí)現(xiàn)大規(guī)模的數(shù)據(jù)處理；車端則以現(xiàn)有大算力芯片和計(jì)算平臺(tái)為主。

未來以云端為主要算力部署的趨勢(shì)不會(huì)變，隨著模型迭代與數(shù)據(jù)量的增加，各端算力要求將逐漸增加，尤其是GPU（圖形處理器）及異構(gòu)計(jì)算能力，而針對(duì)大模型算法進(jìn)行開發(fā)的芯片方案將成車企的重要選擇。同時(shí)，對(duì)車云一體架構(gòu)的協(xié)同效率需求將提升，實(shí)時(shí)通訊能力也需要提高。另外車端數(shù)據(jù)訓(xùn)練和處理的標(biāo)準(zhǔn)需進(jìn)一步貼合云端。

由此可見，大模型應(yīng)用于汽車將進(jìn)一步放大企業(yè)對(duì)算力基礎(chǔ)設(shè)施的需求，車企在關(guān)注AI硬件資源的同時(shí)，需要提升配套軟件及整體架構(gòu)的能力支撐。

六、總結(jié)

綜上所述，大模型的本質(zhì)上是AI能力的躍遷，其將驅(qū)動(dòng)社會(huì)各行業(yè)發(fā)生顛覆性變革。但是大模型在不同行業(yè)的應(yīng)用價(jià)值有所區(qū)別，汽車行業(yè)正是當(dāng)前及未來大模型應(yīng)用的重要載體。大模型將推動(dòng)汽車多領(lǐng)域變革，擁有巨大的應(yīng)用價(jià)值與潛力，大模型將成為引領(lǐng)新汽車時(shí)代發(fā)展的重要驅(qū)動(dòng)力之一。同時(shí)大模型在汽車行業(yè)應(yīng)用也面臨全方位、多維度的挑戰(zhàn)，其中既有大模型自身的局限，也有汽車行業(yè)賦予其的獨(dú)特挑戰(zhàn)。但是大模型滲透入汽車行業(yè)勢(shì)不可當(dāng)。蓋斯特咨詢預(yù)測(cè)，汽車行業(yè)大模型應(yīng)用將經(jīng)歷三個(gè)發(fā)展階段：產(chǎn)品體驗(yàn)賦能、企業(yè)降本增效和社會(huì)效益創(chuàng)造。

當(dāng)前眾多企業(yè)紛紛布局大模型，均希望利用大模型賦能自身業(yè)務(wù)，由此引發(fā)了新一輪的市場(chǎng)競(jìng)爭(zhēng)浪潮。蓋斯特咨詢認(rèn)為，車企應(yīng)主動(dòng)地、盡早地尋求改變，抓準(zhǔn)自身立足點(diǎn)，通過能力儲(chǔ)備與生態(tài)合作，充分發(fā)揮大模型的賦能價(jià)值。

重點(diǎn)建議總結(jié)有三點(diǎn)：一是，車企必須充分認(rèn)識(shí)到大模型上車應(yīng)用的價(jià)值，從產(chǎn)品體驗(yàn)、技術(shù)研發(fā)創(chuàng)新、經(jīng)營管理等多維度進(jìn)行賦能，對(duì)其他企業(yè)形成綜合競(jìng)爭(zhēng)力的優(yōu)勢(shì)；二是，車企的目標(biāo)不應(yīng)是自主開發(fā)大模型，而是大模型賦能價(jià)值的最大化。因此車企布局大模型策略要以產(chǎn)品體驗(yàn)和用戶感知提升為龍頭或牽引力、以數(shù)據(jù)為驅(qū)動(dòng)，通過大模型提升軟硬件的綜合能力，更好滿足新汽車時(shí)代下的用戶需求；三是，車企需要積極參與大模型生態(tài)建設(shè)，與其他主體充分協(xié)同共創(chuàng)，在合作中不斷積累和儲(chǔ)備軟件算法核心能力，持續(xù)提升大模型應(yīng)用廣度與深度。