新质生产力助推高阶智驾落地

随着智能化、网联化技术的快速发展，智能网联汽车已经成为新的竞争焦点。人工智能，特别是大模型新技术浪潮正在掀起颠覆性变革，赋能千行百业，带来全新的生产力和生产关系。大模型等人工智能技术的广泛应用势在必行，汽车智能化也将迎来全新的时代。

3月17日，中国电动汽车百人会论坛（2024）汽车新质生产力论坛上，来自行业的多位专家就此展开探讨。

新模型助推智驾落地

从ChatGPT到Sora，过去一年生成式人工智能从文本单模态的大型语言模型迅速发展到视觉多模态的Sora通用的世界模拟器，这个发展为汽车智能化带来一种先进的、可行的技术路径，同时为高阶NOA进一步发展，自动驾驶产业落地提供了先进的技术支撑，以及更大的产业想象空间。

各企业都在大模型领域取得了非常多的进展，如腾讯的混元大模型，商汤的UniAD，毫末DriveGPT等在面向数字化阶段演进过程中，都为汽车智能化提供了更多支持。

随着自动驾驶从高速走向城区，复杂程度大幅提升，每天近千个案例体量使得代码量翻倍增长，继续通过人工编写规则的方式成本非常高，效率却比较低，因此算法的更新成为必然，在商汤科技联合创始人、首席科学家、绝影智能汽车事业群总裁王晓刚看来，端到端大模型，不仅可以输出感知，还可以输出规控，对自动驾驶的决策提供解释性，基于此技术路径的自动驾驶发展方向是当下最佳选择。

北京智源人工智能研究院理事长、北京大学计算机学院教授黄铁军也提出，在高阶智驾发展过程中，算法是创新最重要的一部分，因为数据、算力就在那里，只有算法够强，结合在一起才能做出领先的大模型。

在清华大学计算机系长聘教授，博士生导师、清华大学人工智能研究院视觉智能研究中心主任邓志东看来，真正的无人驾驶，是一个颠覆性的技术，是高价值的产业演进的，新质生产力的典型代表。但是如何在汽车大平台上进行产业化部署是个需要思考的问题。大模型对于汽车智能化的赋能体现在两方面，一种是视觉大模型支撑下的整车智能，或者单车智能，如视觉语言思维、行为方式的多模态具身模型，不仅能够理解人类语言，还会进行模仿，有形式上的模仿，神似的模仿，以及本质上的模仿，通过交互式学习，整个过程都将自主进行的。另一种“单车智能+智能路网”的模式，可以用大模型提前预测道路安全，并以“一对多”的商业模式落地，后台只需一个安全驾驶员就可以管控一千台车，从而实现整车L3+大规模的商业化落地。

新机遇背后有新挑战

大模型技术固然优势明显，但企业也不可盲目跟风，要清晰认知到机遇背后所蕴含的挑战与苦难那。麦肯锡全球董事合伙人，麦肯锡中国区汽车咨询业务负责人管鸣宇提出，新质生产力有更多内涵，“新”固然是一部分，但是如果“新”转换不成生产力，那这个“新”就是没有价值的新。创新或者技术从来都不是一个企业真正最大的瓶颈，如今汽车行业作为全球科技创新的先锋试验场，太多新技术在这里创造，但是许多企业根本消化不了这些技术。供需关系已然存在，如何将“新质”转化成生产力，其实是一个非常大的工程和漫长的过程。新质生产力内涵包括更多核心要素，如企业怎么重新分配生产要素、改善生产关系、提高生产效率，以及如何创新管理模式、改革管理体系、吸引创新人才等才是汽车行业面临的更大的挑战。

同样清醒认知的还有腾讯智慧出行，除了在对高阶智驾模型的开发，它们还另辟蹊径地将视野投向了整个产业链上对于大模型的使用。腾讯智慧出行副总裁、腾讯智慧出行负责人钟学丹在分享中指出：“我们看到汽车行业在积极地拥抱整个大模型的演进，除了大家比较关心和看到的自动驾驶领域的应用以外，在研产供销服各个领域，都有人在尝试利用大模型更好地帮助企业去提升效率，改善体验，以及如何将这些更好地融入到开发、生产过程中去。”

钟学丹认为整个行业主要面临模型、数据、算力三方面挑战，面向这些挑战，腾讯行业向汽车行业提供了完整的能力架构，从AI基座、AI工程平台、AI应用这几个层面上助力产业发展。腾讯行业不仅能够提供如AI原生向量数据库等标准基础产品，AI代码助手以及大模型均已在智慧工场等实际场景应用，不仅可以帮助研发流程提高效率，还能够加强质量检测。“大模型的训练并不是每一次都会很好，或者是很成功，其中的成本和代价都非常高，但是我们希望基于这样的平台，以及与场景更好结合的过程中，去为车企或合作伙伴创造新的应用场景和服务。”钟学丹说。