出行公司也玩大模型

日前，T3出行首席执行官崔大勇透露，T3出行联手中国电信打造的行业首个生态大模型——阡陌大模型，已应用于司乘服务、智能调度、出行保障3个场景，让客服更高效、司机接单更快、安全保障更智能。
　　以司乘服务为例，通过阡陌大模型的助力，T3出行人工客服处理效率提升超过10％，可为客服日均节约500多小时工作时间，日均解放50名人力，让人工客服从基础回复中解放出来，把精力放在更高质量的服务上。
　　业界普遍认为，随着基础大模型能力日趋成熟、产品市场契合度逐步加深，今年将是大模型应用爆发元年，企业对大模型从技术观望转向具体应用场景的选择。

大模型＋出行　应用场景日渐丰富
　　阿里云智能集团副总裁、公共云首席解决方案架构师韩鸿源近日表示：“我们相信未来99％的企业都是大模型直接或间接的使用者。”诚然，在教育、餐饮、旅游、食品等领域，大模型已经开始帮助企业降低运营成本、提升用户体验。在出行市场，各类出行场景大模型解决方案同样可以赋能产业链上下游企业，为出行行业智能化发展带来新动力。
　　清华大学苏州汽车研究院博士程汉认为，AI技术的发展使大模型具备了人类的语言理解和生成能力。从哲学角度看，语言是思维逻辑的载体，理解人类语言即理解了逻辑的表现和推理形式。在过去人们的社会生产生活中，许多配合型工作都依赖人类灵活的语言沟通能力以实现协同配合，这种对沟通的灵活性依赖影响了生产效率的提高。而大模型的出现，正是通过提升语言处理能力，根本性地变革了市场需求响应的方式。
　　对于出行需求而言，大模型的应用场景非常多。从场景应用对象的角度看，大体可以分为驾驶终端用户、出行服务商、出行载体3个层面。
　　在驾驶终端用户应用场景，作为面向座舱域的个性化出行助手，大模型可以直面终端用户灵活的出行需求，传统的车载语音助手在处理复杂语句或模糊指令时往往力不从心，而大模型能够理解乘客的自然语言描述。如以往的导航系统只能根据固定的地图和交通数据提供路线，大模型可以通过实时分析交通信息、用户需求和环境变化，动态调整行驶路径。
　　在出行服务商应用场景，共享出行服务领域，以T3出行的阡陌大模型为例，在司乘服务方面，出行大模型可以处理客户咨询和投诉，实现自动化、闭环的客服流程，提升用户体验。在智能调度方面，出行大模型可以提供更高效、更准确的动态交通状况预测，大幅提高出行服务效率。在出行保障方面，出行大模型可以自动解析行程录音、车内视频，提前预判司机疲劳驾驶状态、危险驾驶状态等以提高出行的安全性。
　　而在出行载体应用场景，大模型为自动驾驶提供技术支撑，相较过去传统的自动驾驶系统只能基于预定义的规则和有限的数据集进行决策，这类算法无法有效应对突发状况。而大模型可以通过对复杂道路环境的理解和实时数据的分析，做出更为精确和安全的驾驶决策。
　　大模型加速“全民Robotaxi”时代到来
　　不仅是T3出行，高德作为聚合平台也曾面向合作网约车平台开放安全出行大模型，识别交通危险并实时向网约车平台发出提醒，帮助网约车平台针对频繁出现不良驾驶行为的司机进行系统化治理，避免二次事故的发生，让司乘双方都得到更好的安全保障。
　　出行平台对大模型的不断开发，无疑意在提升平台服务的智能化水平。在此前的公开采访中，崔大勇曾表示，网约车行业正呈现新能源化、智能化、合规化三大新趋势，其中智能化便是崔大勇来一直提及的自动驾驶。自动驾驶是未来的趋势，网约车的发展也将朝着该方向前行，T3出行的终极目标是要做自动驾驶时代的核心运营商。
　　事实上，包括特斯拉、长安、上汽、广汽在内的车企，华为、百度Apollo、AutoX、小马智行等科技企业，T3出行、阳光出行、滴滴、曹操出行等网约车平台都在布局自动驾驶，汽车行业已进入了“全民Robotaxi”时代。那么，大模型又将如何加持Robotaxi呢？
　　程汉认为，出行大模型在在自然语言处理和多模态数据分析方面的优势，可以从用户出行体验、出行服务的运营成本以及驾驶智能化水平这3个维度上有效促进Robotaxi的产业发展。
　　在提高用户出行体验上，出行大模型能增强用户粘性，为公众提供更为细致的出行服务，全面响应用户驾乘体验中的个性化需求；出行大模型还可以强化用户信任，通过实时监管与风险评估，提高用户出行安全，增强用户对于Robotaxi可靠性的信心。
　　出行大模型将有效降低出行服务的运营成本。出行大模型通过交通出行需求预测和实时智能调度管理的手段提高了Robotaxi的运行效率，减少了空车驾驶和乘客等待时间。同时通过预测性维护和故障诊断，降低车辆的维修成本和故障率，延长车辆使用寿命，降低运营成本。
　　出行大模型还能提高驾驶智能化水平。出行大模型通过自监督学习的方式，结合图像、视频、语音等多模态数据，为Robotaxi提供更准确的场景理解和响应。使其能够更好地理解和适应不同的交通场景，提高车辆自主行驶的适应性。
　　大模型商用需注意数据隐私
　　诚然，随着大模型赋能智能驾驶技术突破，无人驾驶已经越来越近。虽然面向私家车领域的无人驾驶汽车还有较长的路要走，但是完全无人驾驶的Robotaxi已经成为可能，商业化运营已经在世界各地的多个城市如火如荼地开展。
　　联想集团副总裁、车计算负责人唐心悦认为，Robotaxi商业化首先需要解决的问题是安全性和规范化。端到端的大模型技术，将颠覆性地改变Robotaxi算法的开发，加速产品化进程。“Robotaxi将会早于其它人工智能产品，成为人工智能技术第一个在物理世界大规模应用的产品。”他说。
　　程汉进一步解读，大模型通常指以transformer架构为核心模块的深度学习模型，因其往往具有很大的参数量而被称为大模型。出行大模型也是其中的一种，无论在训练还是推理的过程中都需要高性能的计算资源以提高大模型运行效率，如GPU、TPU等专用AI芯片。此外还需要配套基础设施如高速网络、云计算平台和大规模数据存储系统等，以确保数据的快速传输和处理。
　　在程汉看来，出行大模型的商业化应用无疑前景广阔，但首先要注意数据隐私问题。为了提供高效、安全的出行服务，需要大量数据来训练和优化大模型。然而，这些数据可能包含用户的敏感信息，如行驶路线、时间、目的地等。因此，如何在不侵犯用户隐私的前提下，合法、安全地获取和使用这些数据，是一个亟待解决的问题。
　　此外，在模型推理的实时性和可靠性上，出行大模型需要迅速处理大量传感器数据，并在极短时间内做出准确决策，以确保出行服务质量，然而交通环境的复杂多变对于模型体量和复杂度要求是很高的。因此出行大模型在不同环境中的实时性和可靠性，可以说既是一项基本要求，同时也是一项重大的技术挑战。
　　为加速推动出行大模型技术进步和商业化落地，应建立配套的行业标准并同步推进当下车路云一体化发展进程。
　　针对出行大模型技术特点和商业模式制定行业标准和规范，确保技术发展过程的可靠性和规范性，保障其商业运营的安全性和稳定性；通过加大对路侧计算基础设施的投资，充分发挥区域云与边缘云算力优势支持出行大模型的高效运行，降低车端算力运营成本，同时利用车路云协同化的数据获取模式，反过来也可为出行大模型提供更为全面和丰富的出行训练数据。