以前，馬車(chē)很慢，但現(xiàn)在它們與以前大不相同，不僅變得更快、更方便，而且更智能。近日，在人工智能和算力時(shí)代的自動(dòng)駕駛生態(tài)創(chuàng)新大會(huì)上，來(lái)自通信界的記者全面了解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。通過(guò)AI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)汽車(chē)產(chǎn)量占全球60% 自動(dòng)駕駛技術(shù)有望超越歐美

根據(jù)IDC的一份報(bào)告，2022年全球電動(dòng)汽車(chē)產(chǎn)量達(dá)到1100萬(wàn)輛，其中約700萬(wàn)輛在中國(guó)發(fā)貨，占全球市場(chǎng)份額的60%至70%。中國(guó)不僅是電動(dòng)汽車(chē)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(lái)趕超歐美國(guó)家。

汽車(chē)行業(yè)是人工智能大模型的重要應(yīng)用領(lǐng)域之一，涉及各種復(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)駕駛行業(yè)的數(shù)據(jù)量也非常大。以自動(dòng)駕駛為例，一輛汽車(chē)每天可以產(chǎn)生3PB的數(shù)據(jù)，這些數(shù)據(jù)至少保留三年，每年至少有1000PB的數(shù)據(jù)。假設(shè)一家公司有十輛自動(dòng)駕駛汽車(chē)在路上行駛，每年大約有300000 PB的汽車(chē)，100000輛大規(guī)模生產(chǎn)的汽車(chē)在路上的數(shù)據(jù)量將達(dá)到50ZB。這對(duì)數(shù)據(jù)的存儲(chǔ)和計(jì)算提出了重大挑戰(zhàn)。

人工智能大型模型與自動(dòng)駕駛技術(shù)有著天然的契合，因?yàn)樗鼈兌夹枰幚砗Ａ?、多維和多模式的數(shù)據(jù)，并且都需要端到端的學(xué)習(xí)和推理。人工智能大模型可以通過(guò)車(chē)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)。他們還可以通過(guò)車(chē)輛控制系統(tǒng)和用戶交互系統(tǒng)等多個(gè)模塊的協(xié)同優(yōu)化，實(shí)現(xiàn)自動(dòng)駕駛行為的高效生成和執(zhí)行。通過(guò)人工智能的大模型賦能自動(dòng)駕駛技術(shù)，可以提高自動(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)在人工智能大模型領(lǐng)域擁有一批具有國(guó)際競(jìng)爭(zhēng)力的企業(yè)和研究機(jī)構(gòu)，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)不僅在人工智能的基礎(chǔ)理論和算法方面取得了重大突破，而且在人工智能芯片、平臺(tái)和應(yīng)用方面也表現(xiàn)出強(qiáng)大的創(chuàng)新能力。比亞迪、吉利、特斯拉等許多新車(chē)制造商也采用了人工智能技術(shù)的支持，如AI+汽車(chē)、AI+自動(dòng)駕駛、AI+智能座艙等，成為熱門(mén)產(chǎn)品。

在自動(dòng)駕駛技術(shù)的發(fā)展過(guò)程中，中國(guó)也展現(xiàn)出強(qiáng)大的市場(chǎng)需求和消費(fèi)潛力。據(jù)統(tǒng)計(jì)，中國(guó)目前擁有超過(guò)5000萬(wàn)輛智能網(wǎng)聯(lián)汽車(chē)。這些汽車(chē)不僅為用戶提供了更方便、舒適、安全的出行體驗(yàn)，還為人工智能模型提供了海量數(shù)據(jù)和反饋，實(shí)現(xiàn)了數(shù)據(jù)和算法的良性循環(huán)。隨著人工智能模型的不斷優(yōu)化升級(jí)，中國(guó)有望在未來(lái)三到五年內(nèi)實(shí)現(xiàn)L3甚至更高級(jí)別的自動(dòng)駕駛技術(shù)在全行業(yè)的推廣和示范。

北京在推動(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。在過(guò)去的半年里，北京出臺(tái)了一系列政策措施，旨在打造具有全球影響力的人工智能創(chuàng)新高地，促進(jìn)通用人工智能的發(fā)展，支持大型人工智能模型在各個(gè)領(lǐng)域的應(yīng)用和實(shí)施。北京出臺(tái)了促進(jìn)通用人工智能發(fā)展的若干措施，還發(fā)布了兩批通用人工智能產(chǎn)業(yè)創(chuàng)新伙伴計(jì)劃。北京市經(jīng)信局還成立了數(shù)字經(jīng)濟(jì)專(zhuān)業(yè)班，重點(diǎn)建設(shè)整個(gè)大模型，發(fā)揮政府平臺(tái)的引導(dǎo)作用，鼓勵(lì)更多的模型企業(yè)通過(guò)政府提供的平臺(tái)培養(yǎng)和支持其計(jì)算能力和數(shù)據(jù)需求。

人工智能賦能自動(dòng)駕駛，面臨多重挑戰(zhàn) 工業(yè)界、學(xué)術(shù)界和研究界之間合作研發(fā)的需求

我們不能高估大型模型的現(xiàn)狀，也不能低估它們的未來(lái)。人工智能大模型作為一種技術(shù)工具，不僅可以為自動(dòng)駕駛產(chǎn)品的創(chuàng)新賦能，還可以為自動(dòng)驅(qū)動(dòng)研發(fā)的效率賦能。在當(dāng)前階段，我們需要探索如何在確保產(chǎn)品和效率的同時(shí)找到合適的解決方案和方法。

未來(lái)階段，需要關(guān)注自動(dòng)駕駛產(chǎn)品在車(chē)上落地的幾個(gè)趨勢(shì)，即：從云端向本地端轉(zhuǎn)移。這是因?yàn)榈顷戃?chē)需要考慮網(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)模型小型化和本地化部署；從訓(xùn)練到推理的轉(zhuǎn)變是因?yàn)樵谥憰r(shí)需要考慮系統(tǒng)的可控性和確定性，從而實(shí)現(xiàn)模型推理優(yōu)化和應(yīng)用場(chǎng)景；從工具到產(chǎn)品的進(jìn)化，是因?yàn)樵谏宪?chē)時(shí)需要考慮用戶的需求和體驗(yàn)，從而實(shí)現(xiàn)車(chē)型的功能提升和價(jià)值提升；從生成到可控的轉(zhuǎn)變是由于在著陸時(shí)需要考慮系統(tǒng)的安全性和合規(guī)性。因此，有必要在模型中實(shí)現(xiàn)清晰的邏輯和對(duì)規(guī)則的遵守；從一般的大車(chē)型發(fā)展到垂直車(chē)型，是因?yàn)樵诼涞仄?chē)時(shí)需要考慮行業(yè)的特點(diǎn)和差異，從而實(shí)現(xiàn)車(chē)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)域顯示出了巨大的潛力和價(jià)值，但它也面臨著多重挑戰(zhàn)和問(wèn)題，需要產(chǎn)學(xué)研協(xié)同研究，不斷優(yōu)化創(chuàng)新。

首先，數(shù)據(jù)的質(zhì)量和數(shù)量決定了大型模型的能力上限。然而，在自動(dòng)駕駛領(lǐng)域，數(shù)據(jù)的收集、存儲(chǔ)、處理、分析等方面都存在巨大的困難和成本。因此，如何構(gòu)建數(shù)據(jù)閉環(huán)系統(tǒng)，提高數(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)，是人工智能大模型開(kāi)發(fā)需要解決的重要問(wèn)題之一。

其次，算法的設(shè)計(jì)和優(yōu)化決定了大型模型的性能和有效性。然而，在自動(dòng)駕駛領(lǐng)域，算法的選擇和應(yīng)用也存在各種困難和挑戰(zhàn)。例如，在自動(dòng)駕駛領(lǐng)域，目前主流的兩種算法路徑都是端到端和模塊化的。端到端是指將輸入數(shù)據(jù)直接映射到輸出控制信號(hào)的方法，可以簡(jiǎn)化系統(tǒng)結(jié)構(gòu)，提高操作效率。模塊化是指將自動(dòng)駕駛系統(tǒng)分解為幾個(gè)子模塊并分別進(jìn)行學(xué)習(xí)和優(yōu)化的方法，可以提高系統(tǒng)的可解釋性和可控性。模塊化部署向端到端的未來(lái)趨勢(shì)可能成為主要趨勢(shì)，但端到端也面臨著黑匣子模型的可解釋性問(wèn)題，目前實(shí)施的最終趨勢(shì)還不是特別明確。

最后，計(jì)算能力的提供和分配決定了大型模型的運(yùn)行和部署。但目前，人工智能大模型的訓(xùn)練主要依賴于基于云的數(shù)據(jù)中心，而推理則需要在車(chē)輛端進(jìn)行。這需要通過(guò)OTA等方式，將在云端訓(xùn)練的大模型轉(zhuǎn)化為適合車(chē)輛部署的小模型，并進(jìn)行動(dòng)態(tài)升級(jí)和調(diào)整。如何實(shí)現(xiàn)云與車(chē)的模型轉(zhuǎn)換與協(xié)同，是人工智能大模型開(kāi)發(fā)中需要解決的重要問(wèn)題之一。

除了這些技術(shù)挑戰(zhàn)和問(wèn)題，在自動(dòng)駕駛領(lǐng)域，人工智能大模型還面臨法律、倫理和社會(huì)的約束和影響。這需要來(lái)自行業(yè)、學(xué)術(shù)界和研究機(jī)構(gòu)的專(zhuān)家參與監(jiān)管、治理和標(biāo)準(zhǔn)體系等領(lǐng)域的標(biāo)準(zhǔn)研究、前瞻性技術(shù)研究和治理體系研究能力建設(shè)，幫助整個(gè)人工智能大模型更好地在自動(dòng)駕駛、智能座艙，以及智能網(wǎng)聯(lián)汽車(chē)行業(yè)。