文 | 車百智庫

此前，多名專家表示，生成式AI是下一輪經(jīng)濟(jì)發(fā)展、企業(yè)競(jìng)爭(zhēng)的新生產(chǎn)力。從全球范圍看，未來10-20年甚至更長(zhǎng)時(shí)間，AI是國(guó)內(nèi)外共振的科技產(chǎn)業(yè)趨勢(shì)之一。而大模型就是AI掀起科技變革的最核心工具之一。

特別是在當(dāng)前的汽車行業(yè)，大模型正以前所未有的速度加快融入，成為推動(dòng)產(chǎn)業(yè)升級(jí)的重要引擎。

有一線高管指出，從自動(dòng)駕駛、智能座艙、汽車營(yíng)銷與銷售再到企業(yè)數(shù)字化，大模型的深度應(yīng)用不僅提升了智能駕駛的便捷性與智能性，更重新定義了人與車的關(guān)系，開啟了汽車智能化的新時(shí)代。

但某種程度上，很多車企還沒真正認(rèn)識(shí)到大模型上車的重要價(jià)值，因此行動(dòng)遲緩。

為此，中國(guó)電動(dòng)汽車百人會(huì)發(fā)布調(diào)研報(bào)告《大模型在汽車領(lǐng)域的應(yīng)用與發(fā)展建議》。報(bào)告指出，大模型對(duì)汽車智能化發(fā)展的價(jià)值正在凸顯，汽車行業(yè)的根本是制造業(yè)，大模型創(chuàng)新發(fā)展的速度遠(yuǎn)遠(yuǎn)超出了汽車產(chǎn)業(yè)，兩個(gè)產(chǎn)業(yè)融合會(huì)對(duì)汽車產(chǎn)業(yè)產(chǎn)生深刻甚至顛覆性的影響。汽車行業(yè)需要從戰(zhàn)略上刷新認(rèn)知，順應(yīng)技術(shù)發(fā)展趨勢(shì)，加快擁抱和接納大模型的速度，充分利用大模型加快汽車產(chǎn)業(yè)智能化發(fā)展的步伐。

01 大模型對(duì)汽車智能化發(fā)展的價(jià)值正在凸顯

汽車是大模型應(yīng)用探索的絕佳載體。電動(dòng)化和智能化的跨越式發(fā)展，使得汽車在機(jī)械屬性基礎(chǔ)上增加了科技屬性和消費(fèi)屬性，成為前沿創(chuàng)新技術(shù)的最佳集成器。未來評(píng)價(jià)汽車主要關(guān)注的是其技術(shù)創(chuàng)新和產(chǎn)品創(chuàng)新的“價(jià)值”，是其能否充分承載大模型的技術(shù)特性和優(yōu)勢(shì)。另外，汽車的全生命周期包括研發(fā)、生產(chǎn)、銷售、使用等眾多環(huán)節(jié)，涉及大量數(shù)據(jù)和復(fù)雜決策過程，應(yīng)用場(chǎng)景豐富，這為大模型的應(yīng)用落地提供了廣闊空間，具有顯著的示范性與引領(lǐng)性。

大模型將推動(dòng)汽車成為超級(jí)智能體。大模型以算力為基礎(chǔ)、數(shù)據(jù)為資源、算法為放大器的技術(shù)范式具有馬太倍增效應(yīng)，已經(jīng)產(chǎn)生出智能涌現(xiàn)的特性，可以在自動(dòng)駕駛、智能座艙等多方面提升汽車的智能化水平，且能快速迭代，帶來新的價(jià)值增量。例如，特斯拉FSD V12率先使用端到端技術(shù)并實(shí)現(xiàn)數(shù)據(jù)閉環(huán)，人工代碼由30萬行縮減至3000行，從V12.3.1到V12.3.5的四個(gè)版本迭代僅用15天。

大模型甚至有可能推動(dòng)智能駕駛汽車變革為“人工智能汽車”、成為超級(jí)智能體，讓汽車能夠不斷從周圍環(huán)境中積累數(shù)據(jù)并自主改進(jìn)和優(yōu)化自身表現(xiàn)，主動(dòng)適應(yīng)各種駕駛環(huán)境和交通狀況，提高駕駛的舒適性和安全性；也可以幫助汽車?yán)斫馊祟惖恼Z言和手勢(shì)，并通過語音、燈光或屏幕等方式與人類進(jìn)行高效溝通。

大模型以革命性的方式改寫汽車全生命周期的價(jià)值創(chuàng)造。大模型將會(huì)顛覆汽車行業(yè)原有的生產(chǎn)方式，重塑整車設(shè)計(jì)研發(fā)、生產(chǎn)制造、市場(chǎng)營(yíng)銷、售后服務(wù)、供應(yīng)鏈等各個(gè)環(huán)節(jié)，推動(dòng)整個(gè)制造鏈條的產(chǎn)業(yè)化、數(shù)字化升級(jí)。

一方面，用戶與車企的關(guān)系更近了。大模型會(huì)成為車企掌握直面用戶的流量入口，幫助車企在需求定義、用戶運(yùn)營(yíng)、產(chǎn)品升級(jí)等各個(gè)環(huán)節(jié)，抓取每一個(gè)用戶的個(gè)性化需求，以提供千人千面的產(chǎn)品迭代和服務(wù)拓展。如極越汽車依賴大模型打通了用戶用車的問題搜集、數(shù)據(jù)反饋、工程師處理的自動(dòng)化閉環(huán)，極大提升了組織效率。

另一方面，汽車的設(shè)計(jì)與生產(chǎn)方式也得到了革新。目前小鵬、極越等車企30%以上的軟件依賴于大模型自動(dòng)生成。此外，大模型還為科技公司賦能汽車產(chǎn)業(yè)增加了一條清晰可行的路徑，進(jìn)一步促進(jìn)了人工智能、信息通信等與汽車產(chǎn)業(yè)的融合，加速產(chǎn)業(yè)格局重塑。

02 大模型已開始在汽車全生命周期落地應(yīng)用

大模型能夠重構(gòu)自動(dòng)駕駛技術(shù)架構(gòu)并產(chǎn)生常識(shí)性思維，提升自動(dòng)駕駛的智能性與安全性?；跈C(jī)器視覺的自動(dòng)駕駛更多關(guān)注的是感知精度、長(zhǎng)尾問題等，但實(shí)際總會(huì)出現(xiàn)未知的場(chǎng)景，讓汽車的智能化停留在輔助駕駛階段。借助Transformer神經(jīng)網(wǎng)絡(luò)，自動(dòng)駕駛分模塊的小模型可以集合成一個(gè)全棧神經(jīng)網(wǎng)絡(luò)的大模型，減少從傳感器到執(zhí)行器的信息損失。神經(jīng)網(wǎng)絡(luò)參數(shù)達(dá)到百億時(shí)，訓(xùn)練精度就會(huì)非常高，并能夠通過學(xué)習(xí)海量數(shù)據(jù)無限逼近人類駕駛行為，解決智能駕駛的智能性、安全性不足等問題。

未來，大模型基于涌現(xiàn)效應(yīng)形成常識(shí)思維，能夠讓汽車成為真正的智能體。模型通過對(duì)海量數(shù)據(jù)的學(xué)習(xí)，對(duì)世界形成全面的常識(shí)性理解，并超出絕大多數(shù)人的片面認(rèn)知。車輛行駛時(shí)模型判斷出錯(cuò)的概率比普通人低得多，選擇安全方案的幾率更高。例如，能夠區(qū)分出“可以撞”的塑料袋和“不能撞”的石頭。

多模態(tài)、個(gè)性化交互提升座艙智能化體驗(yàn)。人機(jī)交互方面，大模型將傳統(tǒng)的基于內(nèi)容匹配規(guī)則的交互方式，轉(zhuǎn)變?yōu)樽匀徽Z言交互模式，提升了交互的自由度、真實(shí)性。使車機(jī)智能助手對(duì)駕駛員的交互意圖理解更加準(zhǔn)確，駕駛體驗(yàn)更自然、更人性化，甚至能夠?qū)崿F(xiàn)電影《鋼鐵俠》中賈維斯的效果。

車機(jī)應(yīng)用方面，隨著車機(jī)屏幕越來越大，人工設(shè)計(jì)車機(jī)壁紙成本較高，利用大模型可以快速生成質(zhì)量比較好、千人千面的壁紙，使車機(jī)壁紙常用常新。也可以利用大模型依據(jù)音樂的意境自動(dòng)生成MV，給駕駛員創(chuàng)造全新的視聽體驗(yàn)。

此外，大模型還可以打通第三方信源，與導(dǎo)航地圖、手機(jī)互動(dòng)，提升本地化生活服務(wù)體驗(yàn)。

重構(gòu)自動(dòng)駕駛數(shù)據(jù)工具鏈、生成數(shù)據(jù)資產(chǎn)。一方面，大模型能夠提升海量數(shù)據(jù)的自動(dòng)化標(biāo)注效能。以視頻標(biāo)注為例，先用海量未標(biāo)注的數(shù)據(jù)預(yù)訓(xùn)練一個(gè)大模型，然后用少量已經(jīng)人工標(biāo)注好的數(shù)據(jù)對(duì)模型進(jìn)行微調(diào)，使得模型具備檢測(cè)能力，實(shí)現(xiàn)自動(dòng)標(biāo)注過程。這樣就避免了人工處理效率低、數(shù)據(jù)一致性差等問題，后續(xù)也可以通過“自動(dòng)標(biāo)注+少量人工查缺補(bǔ)漏”的方式，提升數(shù)據(jù)利用的有效性。大模型還可以將視頻高效地提取出來，形成文本并完成多模態(tài)的檢索。項(xiàng)目管理人員直接采用文本對(duì)話方式，就能把想要的所有視頻檢索出來，實(shí)現(xiàn)異構(gòu)數(shù)據(jù)的精準(zhǔn)、快速定位。

另一方面，大模型能夠合成數(shù)據(jù)并生成場(chǎng)景。在真實(shí)場(chǎng)景數(shù)據(jù)基礎(chǔ)上，通過改變視角、光照、材料紋理、材質(zhì)等方法生成各種高真實(shí)感數(shù)據(jù)。不僅可以將已有的轎車數(shù)據(jù)復(fù)用到新的SUV車型上，通過視角變化模擬變道、繞行、調(diào)頭等各種車輛駕駛行為，加速產(chǎn)品快速迭代；還可以基于已有路采數(shù)據(jù)，模擬交通參與物、車道、天氣、路面的變化，生成新的場(chǎng)景數(shù)據(jù)，解決數(shù)據(jù)獲取難、訓(xùn)練數(shù)據(jù)和仿真數(shù)據(jù)不足等問題。

為保證數(shù)據(jù)的可控性，可將3D結(jié)構(gòu)、環(huán)境、運(yùn)動(dòng)、物理規(guī)律等約束條件加入到仿真引擎里，再對(duì)合成數(shù)據(jù)進(jìn)行仿真校正，降低因大模型“幻覺”問題導(dǎo)致的數(shù)據(jù)可靠性不足問題。

把控消費(fèi)者需求，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷?；诖笳Z言模型的語義理解和文本生成能力，可統(tǒng)計(jì)、分析社交網(wǎng)站、APP、企業(yè)側(cè)智能終端等多維度數(shù)據(jù)，從底層優(yōu)化營(yíng)銷策略，這也是最為成熟的應(yīng)用場(chǎng)景。目前智譜華章、華為云等企業(yè)的大模型，已經(jīng)在多家車企中應(yīng)用。

銷售話術(shù)層面，可自動(dòng)提取客戶標(biāo)簽，并針對(duì)性開展話術(shù)輔助，以提升銷售管理精細(xì)度、線索轉(zhuǎn)化率、社區(qū)活躍度等。例如，智譜華章的ChatGLM大模型可結(jié)合智能工牌，實(shí)時(shí)檢測(cè)、分析銷售人員是否存在不當(dāng)言論或誤解客戶需求，也可以作為銷售話術(shù)的輔助與陪練，幫助銷售人員提升轉(zhuǎn)化率。

用戶畫像方面，可以分析用戶瀏覽記錄、購買歷史、社交媒體活動(dòng)等數(shù)據(jù)，來提取客戶的特征標(biāo)簽，如年齡、性別、興趣、購買偏好等，以準(zhǔn)確地了解客戶需求和期望。在此基礎(chǔ)上，也可為用戶個(gè)性化推薦汽車產(chǎn)品或服務(wù)。將上述數(shù)據(jù)進(jìn)行統(tǒng)計(jì)并輸入基于數(shù)學(xué)規(guī)則的預(yù)測(cè)模型，還能幫助開展?fàn)I銷洞察、銷量預(yù)測(cè)、庫存優(yōu)化等，反輔企業(yè)制定車型開發(fā)計(jì)劃、生產(chǎn)排期等經(jīng)營(yíng)策略。

輿情分析方面，可以幫助企業(yè)分析社交媒體、論壇等渠道上的用戶評(píng)論和反饋，及時(shí)了解用戶對(duì)汽車產(chǎn)品、服務(wù)、品牌等的態(tài)度，發(fā)現(xiàn)并解決產(chǎn)品潛在質(zhì)量問題、設(shè)計(jì)缺陷等，提升品牌形象和聲譽(yù)。

智能客服方面，在對(duì)車企知識(shí)庫數(shù)據(jù)進(jìn)行定向訓(xùn)練后：能快速分析客戶提問并生成回答，處理效率遠(yuǎn)超依靠純規(guī)則所能達(dá)到的效果；能提高對(duì)用戶問題理解的準(zhǔn)確度和“提問-反饋”的匹配程度，即使用戶反饋的問題不完整，系統(tǒng)也能夠快速生成相似問法，解決問答庫覆蓋不全面、語義建模不準(zhǔn)確等問題；基于多模態(tài)交互技術(shù)，還能進(jìn)一步提升智能客服系統(tǒng)對(duì)用戶上傳的語音、影像、表格等內(nèi)容的識(shí)別和理解能力，更精準(zhǔn)捕捉關(guān)鍵信息，快速理解用戶使用痛點(diǎn)。

沉淀汽車維修知識(shí)，提升維修效率和客戶滿意度。電動(dòng)智能汽車售后維修需要專業(yè)的電氣、電路知識(shí)，傳統(tǒng)的4S店和維修商無法勝任，很多維修工作需要車企介入。借助大模型學(xué)習(xí)汽車結(jié)構(gòu)、故障庫等知識(shí)，可為車主提供維修保障提醒、維修方案管理、在線排故、智能推薦、故障處理推送、救援保障等服務(wù)；也可為一線維修人員提供知識(shí)推薦、知識(shí)檢索等輔助工具，降低車企介入率及專家的培養(yǎng)時(shí)間。例如，華為NLP大模型能幫助車企降低維修介入率30%以上，并大大縮短售后專家培養(yǎng)周期。

提高質(zhì)控和質(zhì)檢效率。企業(yè)積累的生產(chǎn)制造、零部件檢測(cè)等相關(guān)數(shù)據(jù)，可用于訓(xùn)練零部件檢驗(yàn)算法模型，實(shí)現(xiàn)整車測(cè)試與零部件檢測(cè)的自動(dòng)化、智能化。

后續(xù)還可以結(jié)合整車測(cè)試與零部件檢測(cè)數(shù)據(jù)，對(duì)大模型進(jìn)行優(yōu)化，提高檢測(cè)效率。再結(jié)合質(zhì)檢人員對(duì)檢測(cè)結(jié)果的評(píng)價(jià)，基于人類的反饋不斷強(qiáng)化學(xué)習(xí)技術(shù)，對(duì)算法模型進(jìn)行持續(xù)調(diào)優(yōu)，來提升整車測(cè)試效率與零部件不良品檢出率。