近日，由盖世汽车主办的“人工智能——大模型时代下的智能汽车技术研讨会”在上海成功举行。会议由嘉宾分享和小组讨论两部分组成，各方就人工智能大模型对汽车行业的影响和在智能汽车上的应用展开交流讨论。
中科创达物联网事业群副总裁杨新辉预测，下一个时代可能将围绕于汽车产业和机器人产业的融合，而汽车正处于机器人和汽车机器人之间的过渡阶段。针对混合AI概念，他表示认同，未来的大模型可能在混合方面发生变化，一是在云端和边端组合的层面，二是在大模型和小模型混合的层面。
他同时还表示到，大模型可能会成为操作系统中不可或缺的组成部分，并在很大程度上改变操作系统的形态。大模型在端侧的应用能带来个性化的智能驾驶、全局的智能决策等大模型能力。而随着大模型前端应用需求的增加，限制大语言模型落地的主要因素如算力、内存访问空间将推动伴侣厂商的创新。
长城汽车智能化研发总监杨继峰聚焦于智能座舱，以开场一问：“智能座舱是否是一个AI问题”，引出听众对大模型时代的思考。他指出，座舱所应具备的功能场景是由人定义出来的，人的感受是决定座舱内设定的关键，问题就在于如何让驾乘空间以人的方式进行思考。因此，智能座舱和自动驾驶一样，都是一个AI问题，而智能空间可能会成为一个与自动驾驶体量相差无几的AI问题，智能驾驶是唯一大体量AI研发的时代结束了。
同时他还表示，传统的汽车产业链结构已发生改变，跨领域链接和合作已是常态。车企需要在全新的时代找寻自己的定位，而不是基于所有业务进行AI转型。随着座舱空间逐渐成为人们生活的第三空间，智能座舱需要从如今的形态走向智能空间形态。因此，座舱的商业模式需要转变，做生态转化而产生的服务，空间本身并不产生价值，但空间就是价值。
高合汽车前期智能产品与技术规划负责人黄骏认为，大语言模型、多模态检测模型和神经辐射场建模NeRF是比较可能落地的座舱大模型。其中，多模态检测模型的重要性愈发突出，能大幅削减检测模型标注成本。而利用扩散网络生成的SR场景能大幅降低座舱计算负载。
同时他还表示，座舱智能化带来的算力缺乏问题要求跨域融合或大算力芯片。考虑到汽车行业的计算业务规模相对较小，嵌入式NPU集成于设备中，可分担GPU的部分工作，提供更高计算性能的同时降低功耗。嵌入式NPU的AI开发利用NPU加速AI应用，能大幅降低硬件成本，将成为OEM在AI业务投资和单车收效中关键的一环。
商汤绝影智能车舱产品创新高级总监邵昌旭分享到，绝影基于“驾、舱、云”三位一体的发展战略，通过大模型向自动驾驶和智能座舱提供赋能，实现我们的驾舱一体和人机共驾驶这样极致的驾乘体验。未来的智能座舱将成为有温度，能够更加懂你出行的管家，能够全方位的感知和理解乘客的需求。为此，商汤提出了在大模型时代的解决方案，打造了全新智能座舱架构：车端和云端为底层支撑，智能车舱大脑为核心，不同风格的定制化数字人交互呈现各类智能应用，实现座舱如人一般的智能。
同时，他还表示，商汤在研的多模态大模型能够很好的把视觉、语音、自然语言、各种多模态信息进行深度整合，并实现数据聚类和逻辑梳理，模型自身能在云端进行“判断和运营”。该云端一体化方案能在如“安全，娱乐，教育，效率”四个方向提供服务。智能座舱大模型将会是一个非常基础的服务，改变几乎每一个应用的现有情况。
火山引擎汽车行业总经理杨立伟表示，大模型的成熟应该是厚积薄发的，新技术满足旧需求，旧技术满足新需求，而非用新技术做新场景。信息数据是制约大模型持续训练的主要因素。在ChatGPT4.0出现之前，最大的大模型就是人的大脑，应将外部大模型和内部大模型结合起来，找寻可落地的场景。当人或机器某一方犯错时，能通过人和机器共同决策，以最终结果来做出靠谱的决策。
同时他还表示，由于每个大模型都有自己的侧重点，重要的是如何建设好大模型平台，满足不同客户的需求。MaaS平台具备的低成本、费用低、能以一定的测试标准针对不同场景输入结果，在短期内是最有价值的平台。火山引擎凭借在工具和数据两个层面的优势，能帮助车企进行数据治理。
NVIDIA工程和解决方案技术总监路川认为，在广泛的应用场景里，大模型远不如人类思考能力，需要通过Transformer模型、多模态的数据、规划训练端平台对大模型进行打磨训练，让其得以处理更复杂的事情。
就汽车行业和大模型的关系，他认为，大模型可以在自动驾驶、座舱智能化、人车传感器互联、工厂数字化等层面产生价值。从数据集构建、分布式集群训练平台搭建到客户端应用优化和部署，NVIDIA能为基础薄弱的公司提供大模型快速构建整合方案。
第一组发言代表就AI理解能力、AI抗攻击能力、座舱支架、信息数据安全四点，分享如何加强驾驶安全，并指出大模型能不能在舱内标注方面带来颠覆性的变化，甚至对比以往由人发起的“被动服务”，带来“主动服务”，是人机交互出现拐点的关键。
第二组对大模型进行定义后，总结了大模型在自动驾驶业务上的应用：标注、仿真、视频信息处理，并认为车厂需要梳理自动驾驶算法，融合部署模型提高性能，并合理运用芯片的算力划分应用部署。
第三组讨论了现阶段CV大模型在局部调节的不足，技术可行性和成本难以调和，并在对大模型所带来的座舱新场景话题中，认为并非所有场景都具有实用性和价值。
嘉宾们的讨论分享为此次大模型闭门研讨会画上了圆满的句号。新事物带来的焦虑源于未知，相信各方间的交流能扶持彼此，在摸索中加速前行，助力汽车产业迎接未来的浪潮。
