10月24日，长城汽车与科大讯飞签署关于产业大模型及知识大脑战略合作协议，将基于讯飞星火认知大模型V3.0搭建产业首个知识大模型“长城汽车知识大脑”。与此同时，讯飞还牵手奇瑞、广汽等汽车企业。
大众汽车紧随其后。11月3日，大众汽车旗下软件公司CARIAD宣布与中国手机企业vivo合作成立手车互融联合创新实验室。双方表示，正在共同进行HMI人机交互融合、数据与算力融合、大模型等领域的探索。
vivo副总裁周围透露，vivo正式推出了蓝心大模型，未来也将携手CARIAD中国，探索更多蓝心大模型与手车互融场景的应用方向。这不禁让人猜想，大众旗下车型将搭载大模型？
从自动驾驶到智能座舱，大模型风头正劲，亦为汽车产业智能化快速迭代埋下伏笔。
车企上马大模型，更深度的人机对话成为可能
年初以来，伴随GPT等海外应用的鲇鱼效应，国内大模型也按下加速键。目前国内大模型总数已经突破200个，呈现“百模大战”的状态。
江西新能源科技职业学院新能源汽车技术研究院院长张翔介绍，大模型是指具有大规模参数的深度学习模型，通常用于处理大规模数据和复杂任务。如今，大模型被广泛应用于自然语言处理领域，包括语言翻译、文本生成、语音识别等。同时，它也被应用于图像识别、计算机视觉等领域。
张翔提到，最近大模型之所以火爆，是因为随着大数据、云计算和人工智能技术的不断发展，大模型的能力和规模得到了进一步提升，并且在各种应用场景中表现出了卓越的性能。此外，大模型的通用性和泛化能力也得到了更好地发挥，能够适应更多任务和场景，是其受到广泛关注和应用的重要原因之一。
驭势科技定位与感知部总监张丹表示，大模型与汽车智能化尤其是自动驾驶的碰撞，大概2-3年前就已逐步开始。大模型需要投入较高的成本，但也可以切实帮助汽车自动驾驶发展，有效降低成本并提升效率，长期来看有较为广阔的前景。
大模型优势显现，多家汽车相关企业开始尝试赋能汽车的智能化。张丹表示，大模型主要赋能的领域是智能座舱与智能驾驶。此外，大模型因为对算力的要求较高，目前主要运用在云端，在单车内部的使用仍有待探索，未来可期。其中，智能座舱方面，大模型有望增强车机系统对自然语言的理解。
讯飞星火认知大模型就是瞄准人机对话的企业之一。具体来看，车机系统可以通过星火认知大模型的快速信源拓展，实现通用知识和汽车使用方面专有知识的实时更新，增强车机系统的理解力，让用户有更好的沟通体验。
此外，这一大模型可以助力车企将动辄数百页的用车手册融合到车内，为每辆车定制专属的知识库，让车辆在特定场景介绍并指导用户使用对应功能，实现车控功能指引、保养、维修服务接入和服务闭环。
根据科大讯飞介绍，未来在大模型支持下，车企可以实现专属数字虚拟人定制能力，将前期采集的形象数据和知识数据输入虚拟人驱动引擎，实现更多维的虚拟表达。
自动驾驶迭代，“大模型上车3-5年有可能实现”
自动驾驶领域，已然有AI（人工智能）大模型的身影。
轻舟智航联合创始人、CTO侯聪接受采访时表示，大模型上车，尽管目前可能还不太现实，但未来3-5年有可能实现。同时，现阶段大模型可以在云端（非车端）助力自动驾驶的发展。
目前，轻舟智航在高级别自动驾驶研发过程中积累了数据闭环能力，并创新构建了离线点云大模型，为跨模态的数据标注、数据挖掘和模型训练提供支持。举例来看，轻舟构建了基于文字到图像的多模态模型，通过自然语言文字描述，可在无监督的情况下自动检索相应场景图像，挖掘出很多在平常数据使用中很难发现，生活中也很难遇到的长尾场景，提高挖掘长尾场景的效率。
当人们输入“夜间雨天行驶的大卡车”“躺在路边的人”等文字描述时，系统就能自动反馈相应的场景，便于专项分析和训练。
侯聪表示，大模型因为参数量大，所以学习能力很强，能够替代人对数据进行处理。因为一些视觉领域的任务不算复杂，汽车自动驾驶的大模型相对来说参数更少。大模型可以帮助企业在离线（也就是云端）情况下提升自动化数据标注、数据挖掘、模型训练等方面的能力，对自动驾驶算法的高效迭代有重要推动意义，从而能让实车应用的方案（也就是车端）快速提升。
早期人工标注的成本很高，现在通过大模型甚至多个大模型的自动化标注（比如标注红绿灯），已经可以实现媲美人工标注的质量，大幅降低标注成本，这是一个已经落地的应用。
此外，数据挖掘方面，标什么数据，哪些数据更有价值，也要通过大模型的方式推进。大模型本身能对场景的一些价值进行判断并挖掘，它并不需要特别大的模型，只要是一个亿级或者十亿的量级参数就足够。
张丹也提到，通过文字+图像+点云的多模态大模型，驭势科技不断推进自动化标注、长尾数据挖掘等工作来加速技术迭代。2019年起，驭势科技开始了“真无人”商业化运营，积累了大量的自动驾驶数据，这些数据在大模型技术加持下，数据闭环的自动化程度不断提升，有效降低自动驾驶研发的成本，加速长尾问题的收敛。
在他看来，随着AI整个技术的持续提升，通过算法和数据的不断优化迭代，可以加速自动驾驶的成熟和商业化落地。
大规模应用尚需时日，可靠性和安全性待考
大模型与汽车行业融合已成趋势，不过，挑战同样存在。
张翔表示，目前大模型在汽车行业的应用刚起步，仍然依赖5G网络、通讯信号、数据实时更新、信息安全等全方位保障，大规模应用还需等待时日。目前，有不少车企实际上并未发布大模型相关成熟产品，可以说车企紧跟潮流，但是也可以说部分车企有“蹭热点”的嫌疑。
“例如数据获取和标注方面，汽车行业需要大量的数据来训练和优化大模型，但其实数据的获取和标注本来就是一个巨大的挑战。汽车行业缺乏公开的、大规模的、标注好的数据集，这使得大模型的训练和优化变得非常困难。”他解释说。
此外，大模型往往非常复杂，难以解释其决策和行为，这使得人们难以信任和接受它们。在汽车行业中，可靠性和安全性是非常重要的因素，因此，如何保证大模型的可解释性和可靠性是一个巨大的挑战。
在张翔看来，汽车行业涉及大量隐私和安全问题，而大模型的训练和使用往往需要大量的数据支持，这使得数据的隐私和安全问题变得更加突出。与此同时，大模型的训练和使用需要大量的计算资源和专业知识，这使得其技术成本非常高。而大模型的应用也需要与实际的车辆系统集成，这需要涉及很多技术细节和工程化问题，落地难度较大。
张丹同样表示，大模型还不够成熟，对于摄像头、雷达收集到的“视觉”内容，在认知理解上还有一定提升空间。目前，大模型还不能直接作用于自动驾驶的底层设计。
深度科技研究院院长张孝荣表示，大模型之所以面临困难，主要是因为它属于技术密集资金密集和顶级人才密集型行业。一方面，大模型需要大量的数据、计算资源和技术能力来训练和运行，这对于初创企业并不友好。另一方面，如果想让大模型产生商业价值、解决实际问题，就需要开发者深入了解行业和市场需求，并有能力将大模型技术与实际应用相结合。这两大原因决定了初创企业难以深入投入。
谈及未来，张孝荣认为，“行业化”是目前大模型的主要趋势之一，大量公司进入这个领域后，与其专注、熟悉的领域相结合，包括汽车、电商、社交、内容、医疗健康、金融科技等。这些公司致力于将大模型技术与自己的行业和业务相结合，开发出具有差异化竞争优势的产品和服务。
