从传统 AI 时期开始，国产技术被寄予厚望的一个长板就是应用，大模型时代也是如此。从 " 玩具 " 到 " 工具 "，是今年下半年以来国产大模型的一个最显著趋势。
在这样的背景下，关于大模型在汽车领域的应用，也开始热度飙升。
在乘用车部分，特斯拉发布的 FSD V12 版本已实现端到端的 AI 自动驾驶方案；阿里巴巴宣布 AliOS 智能汽车操作系统已接入通义千问大模型测试；东风日产、红旗、长城等多家车企宣布接入百度的 " 文心一言 " ……
在商用车部分，基于华为云盘古大模型，一汽解放与华为联手已开展了多个场景的验证测试；福佑卡车与腾讯达成战略合作，共同研发数字货运大模型 ......
大模型的如火如荼，让行业内颇有 " 不搞大模型的车企不是好车企 " 的感觉，但大模型能为汽车行业带来多大的想象空间，依然是目前需要讨论的问题，像图森未来CTO 王乃岩就曾呛声 " 自动驾驶大模型是伪命题 "。
不搞大模型的车企不是好车企？
目前，车企在大模型上车部分进行的探索，主要通过两种方式：一部分自建大模型，比如卢伟冰透露今年 4 月份小米正式组建了 AI 实验室大模型团队；理想汽车自研大模型 MindGPT；广汽集团推出了广汽 AI 大模型平台；吉利汽车也表示首个全栈自研的全场景 AI 大模型搭载在吉利银河 L6 上。
另一部分则是走联合路线，比如小鹏联合阿里的大模型建立自动驾驶智算中心，斑马智行接入阿里大模型；福佑卡车与腾讯共同研发数字货运大模型等。
大模型争相 " 上车 "，一方面是对于大模型来说，汽车是一个垂直领域，应用场景相对较小，对参数的量级要求也没有通用型大模型那么大。因此，普遍认为汽车最有可能成为率先实现大模型落地的 B 端场景。
但更关键的问题是，大模型到底能给汽车能带来什么样的改变和价值？总结来说，主要分为三部分：智舱、智驾和业务优化。
当前主流车企发力点都是交互领域，也就是智舱部分。目前车内主要使用的交互形式是 " 命令式交互 "，就像语音遥控器，用户通过语音给车机发出一道指令，大模型加持下的智舱将具备出行场景对话式交互、逻辑推理、策略规划和知识问答等多项能力，让车内助手在未来有能力像真人一样跟用户交流，可以理解并满足用户在车内场景的深层次需求。
福佑卡车技术合伙人陈冠岭在与钛媒体 App 沟通时，从商用车的角度分享了交互形式改变的价值，他表示，福佑的大量用户是司机，司机在开车时跟福佑服务的交集主要是在司机的 APP，但是 APP 的点击式操作并不太符合司机的实用性，而大模型本身是自然语言人机交互的，这更符合货车司机开车使用时的需求。
而在智驾部分的改变，最直接的是 " 工具链 " 的优化。以数据标注为例，众所周知海量的数据是无人驾驶的基础，行业通常采用大量的数据去训练自动驾驶算法，但人工标注成本高、效率低，而自动标注就是 AI 大模型赋能智能驾驶最直接的应用，能大幅降低数据标注的成本。旷视科技智驾业务总裁刘伟曾对钛媒体 App 透露，过去可能有 12% 的数据是人工标注，但预计接下来就会大幅下降。
在业务优化部分，其实就是让大模型能够尽快进入业务流程，降本增效。比如陈冠岭对钛媒体 App 介绍说，与腾讯的合作的端到端的 OCR 智能识别大模型能力就是针对物流证件识别、各类回单识别等场景实现了智能识别与自动处理，可以降低运营成本，提升服务效率。
对于具体的效果，他进一步介绍说，经过前期实践验证，针对多样式回单识别场景，经过少量样本训练，该大模型对图片字段识别准确率超过 99%。图片信息综合识别匹配准确率超过 95%，召回率比传统模型提高近 20%。
机遇大于挑战还是挑战大于机遇？
大模型拉开了智能汽车领域较量的序幕，但从 " 首发 " 到 " 大规模 " 之间，也还有不短的距离。
首先，过于高昂的成本，在某种程度上会阻碍大模型大规模上车。毕竟，谁的训练成本低，谁的转化速度才能快。
众所周知，算力基础设施和算力服务对大模型训练不可或缺，其性能、质量和稳定性决定了模型训练成果。但以英伟达的 H100 为例，其训练效率众所皆知，但价格也是极其高昂，二手价格已经被炒到了 4-5 万美金。
红杉资本还曾做过一笔测算：全球的科技公司每年预计将花费 2000 亿美金，用于大模型基础设施建设；相比之下，大模型每年最多只能产生 750 亿美金的收入。
其次，大模型的准确性仍然让不少业内人士担忧，毕竟汽车驾驶的前提是安全与严谨，大模型给出 " 差不多 " 的答案肯定是不行的。
8 月 26 日，马斯克在硅谷帕洛阿尔托（Palo Alto）的街道上直播测试特斯拉全自动驾驶系统 FSD 12 时，进行到第 20 分钟左右时，车辆穿过一个交通繁忙的红绿灯时，FSD 12 出现了可能致命的误判：将左转车道的绿灯当成了自己车道的绿灯，启动车辆打算穿过路口。好在马斯克立刻介入，刹住了车。在此之后，被问及解决方案时，马斯克的回应是 " 继续向神经网络投喂大量带有左转交通灯的驾驶视频。"
这也在某种程度上揭开了大模型的弊端：算法运作方式不可知，无法精确定位问题，只能依靠喂养更多数据。
类似的问题在商用车上也难免存在。对此，陈冠岭向钛媒体 App 解释说，" 货运是一个比较严肃的行业，其对大模型的准确性要求很高。福佑之所以会把 OCR 智能识别的应用放在了智能客服之前，正是之前在探索智能客服、智能分析时候，看到大模型有时候会编造一些结果。"
除此之外，陈冠岭还分享了大模型带来的其它顾虑，在他看来，大模型的应用其实是数字化转型的一个表现，所有数字化转型碰到问题，比如对业务流程的改造、人的接受程度等，其实大模型也会遇到。
比如数据隐私的问题，像数据如何传到云上，特别是一些核心的数据，还需要更多的监管政策；另外一个问题是数据质量的问题。做大模型的训练，对数据的质量要求比较高，企业如果想应用大模型，数据质量有没有达到要求也是关键。
不可否认，大模型将来会为汽车行业带来巨大的改变，也正在成为车企之间竞争的焦点。与此同时，其在算力、算法及数据方面的新挑战也会给发展带来变数，极越 CEO 夏一平曾在与钛媒体 App 沟通时说过，" 自动驾驶值得用大模型的方式重写一遍，但是，这个事情可能是未来 3~5 年之内要做的事情，绝对不是明天就要做的事情。"
大模型在未来究竟是机遇大于挑战，还是挑战大于机遇，边走边看。
来源：钛媒体
