從前車馬很慢，現(xiàn)在的車馬可與之前大不相同，不但變得更快、更便捷、也變得更智能。近日，在人工智能大算力時(shí)代的自動(dòng)駕駛生態(tài)創(chuàng)新大會(huì)上，通信世界全媒體記者全面了解到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)有著天然的契合度，通過人工智能大模型賦能自動(dòng)駕駛技術(shù)，可以全面提升自動(dòng)駕駛系統(tǒng)的安全性、穩(wěn)定性、舒適性和智能性。

中國(guó)電動(dòng)車產(chǎn)量占全球六成自動(dòng)駕駛技術(shù)有望超越歐美

據(jù)IDC的報(bào)告顯示，2022年全球電動(dòng)車的產(chǎn)量達(dá)到了1100萬輛，其中中國(guó)區(qū)出貨量約為700萬輛，占全球市場(chǎng)份額的60%~70%。中國(guó)不僅是電動(dòng)車的最大生產(chǎn)國(guó)和消費(fèi)國(guó)，也是自動(dòng)駕駛技術(shù)的重要?jiǎng)?chuàng)新者和推動(dòng)者。隨著人工智能大模型的應(yīng)用和發(fā)展，中國(guó)的自動(dòng)駕駛產(chǎn)品和技術(shù)水平有望在不久的將來趕上甚至超越歐美國(guó)家。

汽車行業(yè)是人工智能大模型的重要應(yīng)用領(lǐng)域之一，因?yàn)槠囆袠I(yè)涉及到多種復(fù)雜的場(chǎng)景和任務(wù)，需要高效、準(zhǔn)確、可靠的決策和控制。自動(dòng)駕駛產(chǎn)業(yè)的數(shù)據(jù)量也是十分龐大的，以自動(dòng)駕駛為例，一輛汽車每天能夠產(chǎn)生3PB數(shù)據(jù)，這個(gè)數(shù)據(jù)至少保留三年，一年至少有1000PB數(shù)據(jù)。假設(shè)一個(gè)企業(yè)有十輛自動(dòng)駕駛放在路上跑，一年大概有30萬PB，十萬輛的量產(chǎn)車放在路上，數(shù)據(jù)量會(huì)是50ZB。這對(duì)數(shù)據(jù)的存儲(chǔ)與計(jì)算都提出了較大的考驗(yàn)。

人工智能大模型與自動(dòng)駕駛技術(shù)有著天然的契合度，因?yàn)樗鼈兌夹枰幚砗Ａ?、多維、多模態(tài)的數(shù)據(jù)，并且都需要實(shí)現(xiàn)端到端的學(xué)習(xí)和推理。人工智能大模型可以通過對(duì)車載傳感器、路況信息、地圖數(shù)據(jù)等多源數(shù)據(jù)的融合分析，實(shí)現(xiàn)對(duì)自動(dòng)駕駛場(chǎng)景的深度理解和預(yù)測(cè)，并且可以通過對(duì)車輛控制系統(tǒng)、用戶交互系統(tǒng)等多個(gè)模塊的協(xié)同優(yōu)化，實(shí)現(xiàn)對(duì)自動(dòng)駕駛行為的高效生成和執(zhí)行。通過人工智能大模型賦能自動(dòng)駕駛技術(shù)，可以提升自動(dòng)駕駛系統(tǒng)的安全性、穩(wěn)定性、舒適性和智能性。

目前，中國(guó)已經(jīng)擁有了一批在人工智能大模型領(lǐng)域具有國(guó)際競(jìng)爭(zhēng)力的企業(yè)和研究機(jī)構(gòu)，例如百度、阿里巴巴、騰訊、華為、中科院等。這些企業(yè)和機(jī)構(gòu)不僅在人工智能基礎(chǔ)理論和算法方面取得了重要突破，也在人工智能芯片、平臺(tái)、應(yīng)用方面展現(xiàn)了強(qiáng)大的創(chuàng)新能力。很多造車新勢(shì)力如比亞迪、吉利、特斯拉等等，也采用了很多AI技術(shù)的加持，如AI+汽車、AI+自動(dòng)駕駛、AI+智能座艙等成為了人們比較歡迎的產(chǎn)品。

在自動(dòng)駕駛技術(shù)的發(fā)展過程中，中國(guó)也展現(xiàn)了強(qiáng)大的市場(chǎng)需求和消費(fèi)潛力。據(jù)統(tǒng)計(jì)，目前中國(guó)已經(jīng)擁有了超過5000萬輛的智能網(wǎng)聯(lián)汽車。這些汽車不僅為用戶提供了更加便捷、舒適、安全的出行體驗(yàn)，也為人工智能大模型提供了海量的數(shù)據(jù)和反饋，實(shí)現(xiàn)了數(shù)據(jù)和算法的良性循環(huán)。隨著人工智能大模型的不斷優(yōu)化和升級(jí)，未來三到五年內(nèi)，中國(guó)有望實(shí)現(xiàn)L3級(jí)別甚至更高級(jí)別的自動(dòng)駕駛技術(shù)在整個(gè)行業(yè)內(nèi)的推廣和示范。

北京市在推動(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。近半年來，北京市出臺(tái)了一系列政策舉措，旨在建設(shè)全球有影響力的人工智能創(chuàng)新高地，促進(jìn)通用人工智能發(fā)展，支持人工智能大模型在各個(gè)領(lǐng)域的應(yīng)用和落地。北京市專門出臺(tái)了促進(jìn)通用人工智能發(fā)展若干措施，還發(fā)布了兩批通用人工智能的產(chǎn)業(yè)創(chuàng)新的伙伴計(jì)劃。北京市經(jīng)信局也成立了專門的數(shù)字經(jīng)濟(jì)專班，圍繞整個(gè)大模型建設(shè)，發(fā)揮政府平臺(tái)引導(dǎo)作用，鼓勵(lì)更多模型企業(yè)，不管有算力的需求，還是有數(shù)據(jù)的需求，都通過政府給予的平臺(tái)得到培育和支持。

人工智能賦能自動(dòng)駕駛面臨多重挑戰(zhàn)需要產(chǎn)學(xué)研協(xié)同攻關(guān)

不能高估大模型的現(xiàn)在，也不能低估大模型的未來。人工智能大模型作為一種技術(shù)工具，不僅可以賦能自動(dòng)駕駛產(chǎn)品的創(chuàng)新，也可以賦能自動(dòng)駕駛研發(fā)的效率。在當(dāng)前階段，我們需要探索如何在保證產(chǎn)品和效率的同時(shí)，找到合適的解決方案和途徑。

在未來階段，還需要關(guān)注自動(dòng)駕駛產(chǎn)品在車上落地的幾個(gè)趨勢(shì)，分別是：從云端向本地端轉(zhuǎn)移，這是因?yàn)檐嚿下涞匦枰紤]網(wǎng)絡(luò)環(huán)境的不穩(wěn)定性和模型規(guī)模的可行性，因此需要實(shí)現(xiàn)模型的小型化和本地化部署；從訓(xùn)練向推理轉(zhuǎn)變，這是因?yàn)檐嚿下涞匦枰紤]系統(tǒng)的可控性和確定性，因此需要實(shí)現(xiàn)模型的推理優(yōu)化和應(yīng)用場(chǎng)景化；從工具向產(chǎn)品演進(jìn)，這是因?yàn)檐嚿下涞匦枰紤]用戶的需求和體驗(yàn)，因此需要實(shí)現(xiàn)模型的功能完善和價(jià)值提升；從生成式向可控性轉(zhuǎn)化，這是因?yàn)檐嚿下涞匦枰紤]系統(tǒng)的安全性和合規(guī)性，因此需要實(shí)現(xiàn)模型的邏輯清晰和規(guī)則遵守；從通用大模型向垂類模型發(fā)展，這是因?yàn)檐嚿下涞匦枰紤]行業(yè)的特點(diǎn)和差異，因此需要實(shí)現(xiàn)模型的領(lǐng)域?qū)I(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)域展現(xiàn)了巨大的潛力和價(jià)值，但是它也面臨著多重挑戰(zhàn)和問題，需要產(chǎn)學(xué)研協(xié)同攻關(guān)，不斷優(yōu)化和創(chuàng)新。

首先，數(shù)據(jù)的質(zhì)量和數(shù)量決定了大模型的能力上限。然而，在自動(dòng)駕駛領(lǐng)域，數(shù)據(jù)的采集、存儲(chǔ)、處理、分析等環(huán)節(jié)都存在著巨大的難度和成本。因此，如何構(gòu)建數(shù)據(jù)閉環(huán)的體系，提升數(shù)據(jù)的質(zhì)量和效率，同時(shí)降低數(shù)據(jù)的成本和風(fēng)險(xiǎn)，是人工智能大模型發(fā)展需要解決的重要問題之一。

其次，算法的設(shè)計(jì)和優(yōu)化決定了大模型的性能和效果。然而，在自動(dòng)駕駛領(lǐng)域，算法的選擇和應(yīng)用也存在著多種困難和挑戰(zhàn)。例如，在自動(dòng)駕駛領(lǐng)域，目前主流的兩種算法路徑是端到端和模塊化。端到端是指直接將輸入數(shù)據(jù)映射到輸出控制信號(hào)的方法，它可以簡(jiǎn)化系統(tǒng)結(jié)構(gòu)和提高運(yùn)行效率。模塊化是指將自動(dòng)駕駛系統(tǒng)分解為多個(gè)子模塊，并分別進(jìn)行學(xué)習(xí)和優(yōu)化的方法，它可以提高系統(tǒng)可解釋性和可控性。未來模塊化部署走向端到端或許會(huì)成為主要趨勢(shì)，但是端到端又面臨黑箱模型可解釋性的問題，最終落地的趨勢(shì)目前來說不是特別的明朗。

最后，算力的提供和分配決定了大模型的運(yùn)行和部署。然而目前，人工智能大模型的訓(xùn)練主要依賴于云端的數(shù)據(jù)中心，而推理則需要在車端進(jìn)行。這就需要通過OTA等方式，將云端訓(xùn)練好的大模型轉(zhuǎn)換為適合車端部署的小模型，并進(jìn)行動(dòng)態(tài)的升級(jí)和調(diào)整。如何實(shí)現(xiàn)云端和車端的模型轉(zhuǎn)換和協(xié)同，是人工智能大模型發(fā)展需要解決的重要問題之一。

除了這些技術(shù)層面的挑戰(zhàn)和問題之外，在自動(dòng)駕駛領(lǐng)域，人工智能大模型還面臨著法律、倫理、社會(huì)等方面的制約和影響。這就需要在監(jiān)管、治理、標(biāo)準(zhǔn)體系等方面產(chǎn)學(xué)研行業(yè)各位專家參與標(biāo)準(zhǔn)研究、前瞻技術(shù)研究和治理體系研究能力建設(shè)，幫助整個(gè)AI大模型在自動(dòng)駕駛領(lǐng)域、智能座艙領(lǐng)域、智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)里更好落地。

產(chǎn)業(yè)各方也在積極努力為智能網(wǎng)聯(lián)汽車行業(yè)提供更好的解決方案。如寧暢推出了2+6+N的智能汽車行業(yè)的解決方案，在汽車以及新能源包括自動(dòng)駕駛行業(yè)里打造了各種類型的GPU服務(wù)器產(chǎn)品，有效解決訓(xùn)練、推理兩大應(yīng)用，同時(shí)不管是路端采集傳感器類型的數(shù)據(jù)，還是基于圖像識(shí)別圖像類的數(shù)據(jù)都需要海量的數(shù)據(jù)做存儲(chǔ)，寧暢都可以提供超大型存儲(chǔ)能力，不管是分布式的系統(tǒng)還是傳統(tǒng)的系統(tǒng)，都可以搭配GPU服務(wù)器，一起為客戶實(shí)現(xiàn)整個(gè)全棧的智能駕駛數(shù)據(jù)算力基礎(chǔ)設(shè)施的底座。

總而言之，人工智能大模型是自動(dòng)駕駛領(lǐng)域的重要賦能者和創(chuàng)新者，它為自動(dòng)駕駛技術(shù)帶來了巨大的潛力和價(jià)值，也面臨著多重挑戰(zhàn)和問題。為了實(shí)現(xiàn)人工智能大模型在自動(dòng)駕駛領(lǐng)域的健康發(fā)展，需要產(chǎn)學(xué)研協(xié)同攻關(guān)，不斷優(yōu)化和創(chuàng)新。