北京首批 5 款 AI 大模型产品通过备案上线，如何看待此事？

AI大模型扎堆上线，你觉得谁能强势出圈？

撰文 / 涂彦平编辑 / 黄大路设计 / 赵昊然

ChatGPT在这个春天霸占了中文互联网，普通人面对它多生出兴奋和焦虑交织的复杂情绪，而大公司不甘落后，纷纷宣布自己也在做类似的AI大模型。

继3月16日百度发布文心一言之后，4月7日，阿里云官宣大模型通义千问开始邀请测试。

4月8日，在人工智能大模型技术高峰论坛上，华为云人工智能领域首席科学家田奇分享了盘古大模型的进展及应用。他透露，华为盘古大模型正在推动人工智能开发从“作坊式”到“工业化”升级。

接下来，有多场大模型相关发布会扎堆举办。

4月10日，商汤“日日新SenseNova”大模型体系问世；4月11日，毫末智行自动驾驶生成式大模型DriveGPT雪湖·海若发布；由昆仑万维和奇点智源合作研发的天工大模型3.5发布在即，并将于4月17日启动邀请测试；5月6日，科大讯飞“1+N认知智能大模型”即将发布……

互联网巨头、人工智能公司、智能硬件公司、自动驾驶公司等各方力量，都积极参与到大模型这一场盛宴中来。

行业监管也迅速出手。4月11日，国家网信办发布通知，就《生成式人工智能服务管理办法（征求意见稿）》面向社会公开征求意见。

根据计算机科学家、自然语言模型专家吴军的说法，ChatGPT背后是一个叫做语言模型的数学模型在发挥作用，这项语言模型技术早在1972年就已经有了，是由他的导师弗莱德里克·贾里尼克(Fred Jelinek)在IBM期间带领团队研发出来的。

只是到了今天，由于算力不断提升，语言模型已经从最初基于概率预测的模型发展到基于Transformer架构的预训练语言模型，并逐步走向大模型的时代。

复旦大学计算机学院教授、MOSS系统负责人邱锡鹏曾这样描述大模型的能力飞跃：“当模型规模较小时，模型的性能和参数大致符合比例定律，即模型的性能提升和参数增长基本呈线性关系。然而，当 GPT-3/ChatGPT 这种千亿级别的大规模模型被提出后，人们发现其可以打破比例定律，实现模型能力质的飞跃。这些能力也被称为大模型的‘涌现能力’（如理解人类指令等）。”

每当有革命性的技术诞生，无一不是由其在具体行业的商用化应用来实质性地推动行业进步。作为连接技术生态和商业生态的桥梁，大模型也将在很多行业应用落地。

只是，这波来势凶猛的大模型热，究竟会催生万物生长改变万千业态，还是继区块链、元宇宙之后又一个看上去很美的泡沫？

无限想象空间？

特斯拉将Transformer大模型引入自动驾驶领域中，拉开了AI大模型在自动驾驶领域应用的开端。大模型在自动驾驶行业的应用将提升系统的感知和决策能力，已经被视为自动驾驶能力提升的核心驱动力。

4月2日，百度正式发布百度自动驾驶云Apollo Cloud2.0。百度智能驾驶事业群副总裁、智能网联业务总经理高果荣表示，Apollo Cloud2.0基于大模型实现了自动驾驶数据智能的搜索引擎，大模型的能力积累了自动驾驶数据智能的搜索引擎，从海量数据中能够精准找到自动驾驶面向不同场景的数据。

“在自动驾驶领域，BEV(Bird''s Eye View，鸟瞰视图)是当前主流的技术路线，未来可以朝着多模态、通用智能的方向发展。”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表示。

他认为，在通用人工智能时代，输入提示词和多模态内容，就可以生成多模态的数据，更重要的是，可以用自然语言生成对任务的描述，用非常灵活的方式覆盖大量的长尾问题和开放性的任务，甚至是一些主观描述。

王晓刚举了一个例子来说明AI和AGI处理任务的不同。给定一张图片，判断是否需要减速，AI和AGI的反应有什么不一样呢？

现有的AI系统，会首先做物体检测，然后再物体框里做文字识别，最后做决策。整个过程中每一个模块都是事先定义好的任务。

而在通用人工智能下，给定图像，人们只需要用自然语言去问问题，比如，“这个图标是什么意思？我们应该做什么？”模型本身不会发生变化，它会通过自然语言的方式给出一系列逻辑推理，最后得出结论。比如，它会说，“前面限速30公里/小时”“前面100米是学校区域”“有小孩”“应该小心驾驶”“将车速降到30公里/小时以下”等。

王晓刚还指出，智能驾驶汽车领域有“数据飞轮”的说法，通用人工智能时代则会产生“智慧飞轮”，人和模型之间可以互动，通过人的反馈，模型能更好地理解人需要它展示什么样的能力，而去解锁更多技能。从数据飞轮升级到智慧飞轮，可以实现人机共智。

商汤基于多模态大模型，可做到数据的感知闭环和决策闭环。从前端自动采集高质量的数据，到利用大模型进行自动化的数据标注和产品检测，“能够几百倍地提升模型迭代的效率并降低成本”。

华为云EI服务产品部总裁尤鹏也表示，“整个数据标注是整个自动驾驶领域准确率、效率、成本最高的一部分”，这部分的效率直接影响到自动驾驶算法和驾驶等级的提升。他透露，华为云正在做预训练标注大模型，支撑后续的自动驾驶算法的训练，可能会在几个月后会发布。

除了自动驾驶，很多行业人士相信，智能座舱也将在大模型的赋能下有着质的提升，尤其将为人机交互打开新的大门。

百度集团资深副总裁、智能驾驶事业群组总裁李震宇认为人工智能将重塑汽车空间，人与汽车的关系将会截然不同。“未来，我们相信每辆汽车都会搭载一个数字虚拟人。未来的数字虚拟人不仅可以模拟人的外形，还可以注入灵魂，真正拥有对人类意图的理解……同时也不再是单一以前场景的车机助理的身份，而会转化成全能助理。”

他相信，随着通用人工智能的发展，智能座舱将成为汽车创新的新焦点，将会重塑其空间，届时用户和车企之间的距离将缩短，用户和品牌之间的关系将更为紧密。“拥有自然语言交流能力的智能车可以让车企与用户直接进行一对一的对话。当汽车成为全能助理后，车企将面对用户需求爆发式的增长。”

王晓刚称，在智能座舱板块，通用人工智能可以使基模型具备对空间环境的理解、用户状态的感知、多模态指令解析及多轮逻辑对话、内容生成等一系列能力，进而赋能包括情绪感知、智能助手、基于情感的对话、创意内容生成、个性交互等一系列功能，不断地提升个性化体验，进一步拓展应用场景。

“智能汽车是通用人工智能实现闭环的一个非常好的场景，我们已经有人机共驾。”王晓刚表示，“未来我们希望车和模型之间能够产生更有效的互动，那就完成了从人到车到模型这样一个互动闭环，能够让通用人工智能为我们提供更好的驾乘体验，解锁无限的想象空间。”

只是，消费者距离这种有着“无限的想象空间”的汽车生活还有多远，没有人说得出答案。

希望在于将来

想象是美好的，不过，挑战也随之而来。

“过去我们一年要做大概1000万帧的自动驾驶图像的人工标定，请外包公司进行标定，大概6到8元钱一张，一年的成本接近一个亿。但是当我们使用软件2.0的大模型通过训练的方式进行自动化标定，效果会非常可怕——过去需要用一年做的事情基本上三个小时就能完成，效率是人的1000倍。”理想汽车创始人、董事长兼CEO李想OK表示，“对于员工来说，他们会感觉用拳头打架遇到了拿枪的。”

他认为，在这样的状况下，如何能够让软件2.0和现有人才进行融合，为他们提供怎样的全新工作流程、激励机制，如何去选用任用人才，给全行业提出了挑战。

更大的挑战可能还在于中外大模型技术的差距。

3月25日，在2023中国发展高层论坛上，360创始人、董事长兼CEO周鸿祎表示，目前来看，中国大语言模型和GPT-4的差距在两到三年时间，GPT的技术方向已经明确，不存在难以逾越的技术障碍，中国在场景化、工程化、产品化、商业化方面拥有巨大优势，应当坚持长期主义精神，迎头赶上。

4月9日，由中国人工智能学会主办的人工智能大模型技术高峰论坛上，融汇金信CTO李长亮认为，未来做通用大模型的和做场景的分层很清晰，没有中间态。做通用大模型需要大量的算力、数据、人员、资源等，只有有很强技术储备和资源调配能力的大公司才能做，中小创业公司在这条赛道上会很难；在垂直应用上，基于大模型的发展，结合场景的know-how做一些创新应用，则会有无数的企业诞生。

他还认为，中国在大模型这个产业赛道上是很有机会的，因为在中文场景下，我们更懂我们自己的语言，沉淀了大量的中文知识，会迅速追赶并超越。

我们也注意到，计算机科学家、自然语言模型专家吴军在4月3日晚得到的一场直播中则给当下的ChatGPT热泼了盆冷水。他直言ChatGPT在中国被过度炒作了，中国的大部分研究机构是做不了的。

在他看来，ChatGPT的原理很简单，但是在工程上要想做到，其实蛮困难，因为ChatGPT太耗资源，光硬件的成本就要差不多10亿美元，这还没算电钱。ChatGPT训练一次要耗多少电？吴军的说法是，大概是3000辆特斯拉的电动汽车，每辆跑到20万英里，把它跑死，这么大的耗电量，才够训练一次。这是非常花钱的一件事。

他的结论是，ChatGPT不算是一项新的技术革命，带不来什么新机会，最后可能的一个结果就是给几家大的做云计算的公司交钱。

由ChatGPT带起的大模型热，最终会在各行各业开花结果，还是盛名之下其实难副？不妨把这个问题交给时间。

本文由汽车商业评论原创出品

转载或内容合作请联系说明

违规转载必究

【本文来自易车号作者汽车商业评论，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

「大模型+大算力」加持，通用人工智能和智能驾驶双向奔赴

开年以来 ChatGPT、GPT-4 的相继面世再度掀起计算机科学领域通用人工智能（AGI）研究热潮，也不断刷新我们对 AI 的认知。

作为具有人类水平表现的大型多模态模型，GPT-4 被视为迈向 AGI 的重要一步，标志着创新范式的深度变革和生产力的重新定义，也必将带来更多元的产品迁移。

截至目前，全球已经有超百万家初创公司声称使用这一秘密武器来创造新产品，而这些产品将彻底改变从法律到股票交易，从游戏到医疗诊断的近乎一切领域。

尽管其中很多是营销泡沫，但与所有技术突破一样，总会存在炒作周期和意想不到的远期效果。

事实上在另一边，进入 2023 年智能汽车领域同样十分热闹。

智能化已然成为上海车展全场关注的最大焦点，除了激光雷达等关键传感器的单点式突破，各大巨头也纷纷展示智能驾驶全产品矩阵，城市场景辅助驾驶量产落地加速推进。

更加值得注意的是，BEV、大模型、超算中心等计算机热词正在与自动驾驶、行泊一体、城市 NOA 等智驾焦点火速排列组合，颇有相互交融、双向奔赴的味道。

在这背后，一方面是近年来智驾、智舱持续升级对 AI 在汽车场景落地的数据、算法、算力不断提出更高要求，另一方面，AGI 的重大突破也已将触角伸向智能汽车，将其视为实现闭环应用的重要场景，很多企业布局已经相当高调。

日前，商汤科技 SenseTime 举办技术交流日活动，分享了以「大模型+大算力」推进 AGI 发展的战略布局，并公布该战略下的「日日新 SenseNova」大模型体系。

在「大模型+大算力」加持下，本次上海车展商汤绝影驾、舱、云一体产品体系已全栈亮相，近 30 款合作量产车型集中展出，商汤也再度分享了智能汽车时代的 AGI 落地新思考。

本次上海车展亮相的部分绝影合作车型展示

01、算法：AI 正式步入大模型时代

如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所言，「AGI 催生了新的研究范式，即基于一个强大的多模态基模型，通过强化学习和人类反馈不断解锁基模型新的能力，从而更高效地解决海量的开放式任务。」

通用大模型并非为自动驾驶而生，或为满足自动驾驶的特定任务需求而设计。但智能驾驶开发的诸多新需求已在推动算法从专用小模型向通用大模型快速演进。

首先是应对海量数据处理和 Corner Case 问题的迫切需求。

对于感知系统低频出现但至关重要的小目标及带来的潜在安全隐患，算法开发需要面对海量数据，传统的 AI 小模型将难以同时处理大数据量和高复杂度的任务。通用大模型则可用在长尾目标的初筛过程，并叠加语料文字处理得到很好的效果。

再比如智驾算法开发对自动化数据标注、降低人工成本的诉求。相比于人工标注，通用大模型将自动化对海量数据完成标注任务，大幅降低标注数据获取的时间成本和本身的金钱成本，从而缩短研发周期、提升成本效益。

处于类似的考量，近年来国内外巨头企业已围绕大模型纷纷展开各自智驾布局。

继 Google 于 2017 年提出将 Transformer 结构应用在 CV 领域图像分类，大模型已在 GPT-2、GPT-3、BERT 等当中不断证明实力，特斯拉率先站台 Transformer 大模型征战图像视觉。

国内企业也紧随其后：

毫末智行已宣布自动驾驶认知大模型正式升级为 DriveGPT，百度表示利用大模型来提升自动驾驶感知能力并将大模型运用到数据挖掘，华为也已宣布加入大模型争霸赛，自研「盘古」即将对外上线。

作为行业领先的人工智能公司，商汤在大模型领域可谓乘风破浪，过去一两年则全面将大模型能力在各业务线 20 多个场景落地，包括智能驾驶。

商汤「日日新 SenseNova」大模型体系背后是大模型研发中深厚的积累。商汤有自己的全栈大模型研发体系，其中就包括针对大模型的底层训练及实施过程中的各种系统性优化。

例如，商汤近期向社区发布的用于真实感知、重建和生成的多模态的数据集 OmniObject3D 中包含 190 类 6000 个物体，数据质量非常高。

再比如，商汤在 2019 年就已首次发布 10 亿参数的视觉大模型，到 2022 年参数规模已达到 320 亿，这也是世界上迄今为止最大的视觉模型。

此外，商汤也在智驾领域持续展示大模型能力。2021 年开发的 BEV 感知算法在 Waymo 挑战赛以绝对优势取得冠军，2021 年 BEV Former 的 Transformer 结构至今仍是行业最有影响力的 BEV 工作，今年开发的 UniAD 是业内首个感知决策一体化的端到端自动驾驶解决方案。

在技术实力的另一端是量产进度。商汤也给出了自己的智能驾驶量产公式：

自动驾驶技术能力=场景数据 x 数据获取效率 x 数据利用效率² =场景数据 x 数据获取效率 x 先进算法 x 先进算力。

而先进的算法大模型不仅将通过跨行业数据汇聚提升驾驶场景数据资源，通过数据闭环开发模式和自动数据标注提升数据获取效率，更将大幅提升感知精度和感知丰富度进而成倍提升数据利用效率。

依托原创 AI 算法和模型积累，商汤领先的 BEV 感知算法推进国内首批量产应用，并采用 Domain Adaption 算法有效解决跨域泛化问题。商汤首创的自动驾驶 GOP 感知体系将目标数据获取的人力成本降低 94%，实现低成本的车端模型开发，目前也已投入量产应用。

02、算力：智能汽车时代的重要基础设施

随电子电气架构技术由分布式不断向集中式演进，大算力芯片成为新型电子电气架构实现的物理基础。

近年来车端芯片算力发展突飞猛进，如英伟达规划中的 Atlan 单颗芯片算力超 1000TOPS，THOR 单颗算力超 2000TOPS，将大幅提升单车感知决策能力。

而在云端，AGI 在自动驾驶、网联等场景的泛化应用将提出比车端指数级更高的算力要求——从数据标注到模型训练，从场景仿真到算法迭代。

算力将是智能汽车时代的新型基础设施。

在此背景下，近年来主流企业纷纷开启双线并行探索，车端自研算力平台，云端建立超算中心。而进入大模型时代后，数据量随着多模态的引入也将大规模增长，因此必然也会导致 AGI 对算力需求的剧增。

可以看到，英伟达车端云端同步布局并将提供端到端的全栈式 AI 加速计算解决方案，特斯拉也早在 2021 年 8 月发布自研云端超算中心 Dojo。

据近期报道，埃隆·马斯克也将成立一家人工智能公司来与 OpenAI 竞争，已购买数千个英伟达 GPU 并一直招募 AI 研究人员和工程师。

国内方面，吉利、蔚来、特斯拉、毫末智行、小鹏等企业也已跟进布局云端算力集群，投入巨大以提升智驾开发算力储备。

对于商汤来说，如果说大模型将是支撑智能驾驶的上层建筑，那么大算力就是数字基座。

商汤科技董事长兼 CEO 徐立表示，目前大模型对基础算力、基础设施的需求非常旺盛，基础算力对并行效率的要求也非常高，但真正好用的基础设施其实十分稀缺。

出于这一原因，商汤历时五年自建了业界领先的 AI 大装置 SenseCore，完成 2.7 万块 GPU 的部署并实现 5.0 exa FLOPS 的算力输出能力，是亚洲目前最大的智能计算平台之一，可同步支持 20 个千亿规模参数量的超大模型同时训练。

位于上海临港的 AIDC 人工智能计算中心将为智能汽车的数据存储、标注、脱敏、仿真训练、算法迭代到部署的闭环提供算力支持，打通基于数据驱动的算法生产全流程，加速高级别智能驾驶技术的 AI 模型生产和持续迭代，推动实现规模化量产。

在 AIDC 的基础上，AI 大装置也将提供支持大模型生产的一系列服务：

• 处理大模型需要的自动化数据标注，将使智能标注效率提升百倍；
• 大模型推理部署，使得推理效率提升 100% 以上；
• 大模型并行训练，最大 4000 块卡并联的单集群，可训练参数量超 5000 亿的稠密模型，可训练超万亿参数；
• 大模型增量训练，增量微调成本降低 90%；
• 开源模型和大模型训练开发者工具，大规模提升开发效率。

如此规模的算力设施即使特斯拉同期也尚难以望其项背，也必将推动大模型的高效闭环。

03、「大模型+大算力」推动智能汽车行业整体进程

汽车行业正在面临百年未有之大变革。尽管此次以「大模型+大算力」推进 AGI 发展是商汤提出的战略布局，但事实上，这一理念早已在行业层面达成共识。

基于感知、决策规控和 AI 云三大核心能力，商汤「大模型+大算力」已赋能绝影驾、舱、云三位一体产品体系量产落地：

除智能驾驶领域的全栈能力和行泊一体量产解决方案外，「大模型+大算力」也正在助力商汤打造智能座舱跨场景生态。

车展期间，与商汤「日日新 SenseNova」大模型体系深度融合的绝影未来展示舱升级亮相，语言大模型「商汤商量 SenseChat」以及 AIGC 文生图平台「商汤秒画 SenseMirage」也已上车，多点融合重构人车交互方式，打造第三空间。

以「商量」为例，作为千亿级参数的自然语言处理模型，其使用大量数据训练并充分考虑中文语境，展示出出色的多轮对话和超长文本的理解能力。

商汤也展示了语言大模型支持的诸多汽车场景创新应用，如在行车过程中化身「邮件助手」自动提炼关键信息，作为「会议助理」自动生成会议纪要，大大节省用户行车时处理工作的时间和精力，为未来出行的应用场景拓展带来丰富的想象空间。

此外，以人工智能大模型开发、生产、应用为核心，一站式

【本文来自易车号作者汽车之心，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

大模型画的饼，自动驾驶能消化么？

如果要评选2023年最大的风口，AI大模型一定位列其中。

风起自ChatGPT的现象级爆火，英伟达创始人黄仁勋激动地喊出了“AI的iPhone时刻正在到来“。

整个科技圈似乎达成了一种共识：所有产品都值得用大模型重做一遍，当然也包括正处于寒冬之中的自动驾驶。

然后，几乎是一夜之间，整个汽车圈都是GPT上车的消息，长安、集度、吉利、岚图、红旗、长城、东风日产、零跑等搭上了百度的文心一言。

“蔚、小、理“先后申请了GPT的相关商标。其中，理想自研的Mind GPT已经正式发布。另外，毫末智行也在不久前发布了自动驾驶生成式大模型drive GPT。

可以说AI大模型的火热，给正在冷却中的自动驾驶又画了一张新的大饼。

有人表示从中看到了自动驾驶的未来。比如集度汽车创始人夏一平，小鹏汽车董事长何小鹏等，当然也有很多人觉得，GPT上车目前就是个PR行为。

所以，今天来尝试探讨一个问题，大模型之于自动驾驶，到底有什么作用？它能给这个已经烧掉无数金钱但依然成效寥寥的赛道，带来一个相对确定的未来么？

NO.1 [不可解释的“涌现”和自动驾驶的困境]

先明确一个定义，大模型是指具有超大参数规模（通常在十亿个以上）和复杂程度的机器学习模型。通常来说，参数量越大，模型就越容易拟合海量数据的规律。

而ChatGPT的出现，让人们有一个非常惊喜的发现。那就是当模型参数量达到了一定程度，超过某个临界值之后，它的性能会大大超越预期。

很多科学家惊叹于这一现象，并将其称之为“涌现“。但遗憾的是到目前为止还没有一套系统、公认的理论来解释为什么会出现这个现象。

所以我们姑且相对简单地把这种“涌现“理解为一个从量变到质变的过程。在跨过临界点之后，模型精度呈指数型增加，甚至产生了类似于人类的逻辑思考能力。

而这种能力很可能是自动驾驶算法攻克最后1％长尾场景的关键所在。在数据标注、虚拟仿真环境以及决策规划上，大模型都有可能改变甚至重写过去的算法。

举个例子，低频率但又几乎不可穷尽的Corner Case，正是从高阶辅助驾驶迈向自动驾驶最大的一块绊脚石。

而Corner Case的出现带有极强的不可预知性，毫末智行数据智能科学家贺翔举了一个例子，一辆卡车转运一颗大树，算法看到的可能只有车，而没有伸出车外的树枝。

类似的状况有很多，比如说很特别的大件运输车辆，甚至是违规拉着很长一根管子的三轮车。

面对这些场景，算法只识别的车辆是不够的，但按照现在基于标签的方式来挖掘长尾场景，只能给系统看大量的标注图片，教它学会识别。

不过问题在于，这些车辆出现的频率太低，数据采集的难度大、成本高、周期长，真正碰到这种场景的概率又小，成本上是算不过来的。

但AI大模型具备举一反三的能力，我们可以通过文字的描述来使其检索并对图像进行分类，检索甚至是自主创造我们需要的长尾场景，例如拖着大树的卡车，拉着长水管的三轮车等。

除此之外，大模型也可以更好的从数据中提取特征，进行数据标注。

比如，先用海量未标注数据通过自监督的方式预训练一个大模型，然后用少量已经人工标注好的数据对模型做微调，使得模型具备检测能力，这样模型就可以自动标注需要的数据。

目前，很多公司都在研究如何提高大模型自动标注的精度，希望实现自动标注的完全无人化。

在Mind GPT发布之后，理想汽车董事长李想就表示：“我们一年要做大概1000万帧的自动驾驶图像的人工标定，外包公司价格大概6元到8元钱一张，一年成本接近一亿元。当我们使用大模型，通过训练的方式进行自动化标定，过去需要用一年做的事情基本上3个小时就能完成，效率是人的1000倍。”

总之，自动驾驶的感知也好，规划决策也好，目前基本上是基于经验和规则的，缺少场景泛化的能力。

但就像夏一平所言，大模型解决的正是泛化的问题，是举一反三的问题，这可能让自动驾驶在未来3-5年内又重大的突破。

因为从根本上来说，生成式AI在语言模型上的应用思路是可以平移到自动驾驶上的。

虽然计算机不懂自然语言，但它通过数学建模，把语言问题变成了数学问题。通过给定文本的历史，预测下一个词出现的概率，间接地理解了自然语言。

换到驾驶场景，如果给定当前的交通环境，给定一个导航地图，以及一个驾驶员驾驶行为的历史，那么，大模型是不是可以预测下一个驾驶动作？

理论上，这是可行的。地平线的创始人余凯认为以AI现在所展现的学习能力，学习司机的驾驶习惯并不难。

“接下来要继续用更大的数据、更大的模型，无监督地去学习人类驾驶的尝试，就像我们从大量无监督的、没有标注的自然文本里去学习一样，构建一个回归自动驾驶的大语言模型。”

NO.2 [吃饼还需算力硬]

大模型为自动驾驶画出来的这张饼，很诱人。但能不能消化其实是另外一回事儿。

“现在说GPT上车都是噱头，车端还没有运转大模型的硬件条件。”贺翔说道。

理论上，大模型需要高规格的硬件配置，包含高性能计算能力、大容量内存和低时延等特点，但车载设备的硬件条件相对有限，无法提供足够的计算资源支撑大模型运行。

举个例子，在自然语言处理领域的 GPT-3 模型就需要数万亿Tops的计算能力。这要求芯片的算力至少要在万级Tops以上才能够胜任大型模型的计算任务。

但是，在车载部署场景下，芯片的算力往往只有数百Tops，远远达不到大型模型的要求。

所以，目前自动驾驶大模型也只能暂时运转在云端，例如毫末智行的Drive GPT。

但即便如此，它依然可以对车端产生影响。 比如通过用知识蒸馏的方式“教”车端的小模型。

最简单的方式就是把需要打标签的图片给大模型学习，大模型可以给这些图片打好标签，标注好的图片就可以用于小模型的训练。

所以，大模型对算力的消耗让云计算厂商成为了第一批被风吹起来的玩家。

2023年以来 阿里、美团、腾讯等互联网大厂也都纷纷收缩或者调整了自动驾驶相关的投入，将更多的精力放到了云计算和AI大模型上。

而主机厂这边，自建超算中心也逐渐成为了基本操作。

当然如果大模型只能运转在云端，它对于自动驾驶的影响会小很多。因为从云端到车端，哪怕只是一点点的时延也可能会在公路上造成悲剧。

所以目前地平线、英伟达等芯片企业都在积极研发适应大模型上车需求的新一代高算力AI芯片。

地平线CTO黄畅认为，按照发展进程来看，在自动驾驶场景中，大模型在车端会优先从环境模型的预测和交互式规控和规划开始应用。

“这个场景不需要特别的大规模参数模型，在百Tops级别的算力平台上就能应用， 3~5年内就可以初步上线。”

“但如果从感知到定位地图到规控，整个端到端的闭环做出来，则需要一个更大规模的参数模型，大概需要5~10年的时间。”黄畅补充到。

NO.3 [写在最后]

严格来说，一夜火遍全球的ChatGPT只是AI大模型中的一种。自动驾驶行业对于大模型的运用比ChatGPT的爆火要早很多。

2017年，马斯克从Open AI挖来了了一位计算机视觉领域的顶级研究院Andrej Karpathy。

他在特斯拉工作了五年，最高做到了AI高级总监兼自动驾驶负责人，而这五年也被绝大多数人认为是特斯拉自动驾驶成长最快的五年。

入职后不久，Andrej Karpathy就重写了特斯拉自动驾驶算法，以BEV纯视觉感知+Transformer为基础，将特斯拉的智能驾驶带入了新的阶段。

当下小鹏、华为、毫末智行、理想等企业正在纷纷跟进这一路线。

而所谓Transformer是一种由谷歌8为AI科学家提出的一种深度学习神经网络，GPT中的T正是指代Transformer。

Open AI将Transformer运用于自然语义理解，诞生了ChatGPT；特斯拉将其应用于计算机视觉，成功开创了BEV技术，让纯视觉感知成为了潮流。

接下来，Transformer还将被自动驾驶玩家们逐步运用到决策规划等各个环节，改变现有模块化的部署方式，迈向端到端的自动驾驶。

我们现在还无法预知这一切会擦出怎么样的火花，但可以肯定大模型在智能驾驶上还未达到自然语义一般“涌现”的程度。

芯片算力、数据来源以及丰富程度甚至是车辆的散热性能，都还没有准备好迎接大模型的上车。

但至少，改变已经在发生，也许这一次自动驾驶这条路也许就真的通了呢？

你如何看待人工智能的发展？

——预见2023：《2023年中国人工智能行业全景图谱》(附市场规模、竞争格局和发展前景等)

目前国内人工智能行业的上市公司主要有：百度百度(BAIDU)、腾讯(TCTZF)、阿里巴巴(BABA)、科大讯飞(002230)等。

本文核心数据：人工智能企业核心技术分布情况、中国人工智能市场规模、中国人工智能行业投融资情况、中国人工智能行业投融资轮次分布、人工智能各技术方向岗位人才供需、人工智能本科新专业高校名单、人工智能科技产业区域竞争力、人工智能行业代表性企业区域分布、中国人工智能行业竞争派系、人工智能发展趋势、中国人工智能产业规模预测

行业概况

1、人工智能定义

人工智能作为一门前沿交叉学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，将其视为计算机科学的一个分支，指出其研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能行业属于战略新兴产业，根据国家发展改革委发布的《战略性新兴产业重点产品和服务指导目录(2016)》来看，我国人工智能可分为三个下属行业，分别为人工智能软件开发、人工智能消费相关设备制造和人工智能系统服务。

2、产业链剖析：产业链涵盖行业庞大

人工智能产业链包括三层：基础层、技术层和应用层。其中，基础层是人工智能产业的基础，主要是包括AI芯片等硬件设施及云计算等服务平台的基础设施、数据资源，为人工智能提供数据服务和算力支撑;技术层是人工智能产业的核心，以模拟人的智能相关特征为出发点，构建技术路径;应用层是人工智能产业的延伸，集成一类或多类人工智能基础应用技术，面向特定应用场景需求而形成软硬件产品或解决方案。

行业发展历程：行业处在突飞猛进阶段

人工智能概念的提出始于1956年的美国达特茅斯会议。人工智能至今已经有60多年的发展历史，从诞生至今经历了三次发展浪潮。分别是1956-1970年、1980-1990年和2000年至今。

1959年Arthur
Samuel提出了机器学习，推动人工智能进入第一个发展高潮期。此后70年代末期出现了专家系统，标志着人工智能从理论研究走向实际应用。

80年代到90年代随着美国和日本立项支持人工智能研究，人工智能进入第二个发展高潮期，期间人工智能相关的数学模型取得了一系列重大突破，如著名的多层神经网络、BP反向传播算法等，算法模型准确度和专家系统进一步提升。期间，研究者专门设计了LISP语言与LISP计算机，最终由于成本高、难维护导致失败。1997年，IBM深蓝战胜了国际象棋世界冠军Garry
Kasparov，是一个里程碑意义的事件。

当前人工智能处于第三个发展高潮期，得益于算法、数据和算力三方面共同的进展。2006年加拿大Hinton教授提出了深度学习的概念，极大地发展了人工神经网络算法，提高了机器自学习的能力，随后以深度学习、强化学习为代表的算法研究的突破，算法模型持续优化，极大地提升了人工智能应用的准确性，如语音识别和图像识别等。随着互联网和移动互联的普及，全球网络数据量急剧增加，海量数据为人工智能大发展提供了良好的土壤。大数据、云计算等信息技术的快速发展，GPU、NPU、FPGA等各种人工智能专用计算芯片的应用，极大地提升了机器处理海量视频、图像等的计算能力。在算法、算力和数据能力不断提升的情况下，人工智能技术快速发展。

行业政策背景：行业发展从技术过渡到产业融合

人工智能是国家战略的重要组成部分，是未来国际竞争的焦点和经济发展的新引擎。近年来，中国人工智能行业受到各级政府的高度重视和国家产业政策的重点支持，国家陆续出台了多项政策，鼓励人工智能行业发展与创新，《关于支持建设新一代人工智能示范应用场景的通知》《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》《新型数据中心发展三年行动计划(2021-2023年)》等产业政策为我国人工智能产业发展提供了长期保障。

2017年之前，人工智能相关政策主要集中在人工智能技术研发突破方面。从2017年开始，政策的重点已经从人工智能技术转向技术和产业的深度融合，特别是2017年7月国务院印发的《新一代人工智能发展规划》明确指出要“加快人工智能深度应用”。

从2018年两会发言的不完全汇总也可以看出，人工智能+产业的融合将是未来的重点，包括科技部、工信部、民政部等官方部门和百度、腾讯、联想等民间代表，均提出了人工智能+产业、人工智能+医疗等。

2019年，两会更是将“智能+”写入政府工作报告，人工智能技术对于社会的赋能被给予最高层次的期待。在工业经济由数量和规模扩张向质量和效益提升转变的关键期，“智能+”的理念给人工智能等数字技术提供了最广阔的落地空间和回报想象。通过智能化手段把传统工业生产的全链条要素打通，可以更好地推动制造业的数字化、网络化和智能化转型，更能反向助推技术自身的迭代和进步。

2020年，明确人工智能作为“新基建”建设重要一环，“十四五”指出要推动互联网、大数据、人工智能等同各产业深度融合。并且各省市也在大力推动人工智能与产业融合，打造应用场景，示范项目。

行业发展现状

1、大数据和云计算为占比最高的核心技术

从人工智能企业核心技术分布看，计算机视觉技术占比最高，达到34%;其次是数据挖掘与机器学习，占比分别为18%和17%;智能语音技术、自然语音处理、知识图谱等技术的热度也较高，分别占比8%、8%和7%。

2、行业呈现快速增长趋势

注：人工智能产业作为典型的融合交叉产业，对产业统计口径的不同会带来市场规模数据上的出入。下文整理了统计口径不同的三大研究机构关于人工智能产业市场规模的测算数据，以期展现多方视角。其中：中国信通院统计口径>中国人工智能学会统计口径>中国电子学会统计口径，三大研究机构的统计口径在图表下方注明。

2017年7月，国务院印发了《新一代人工智能发展规划》，将人工智能上升到国家战略层面，受益于国家政策的大力支持，以及资本和人才的驱动，我国人工智能行业的发展走在了世界前列。根据中国信通院公布的测算数据显示，2021年中国人工智能产业规模为4041亿元，同比增长33.3%。

注：中国信通院对人工智能产业市场规模测算口径包括人工智能核心产业市场规模及带动产业市场规模，即包括人工智能硬件、软件及服务市场

人工智能核心产业市场规模方面，根据中国电子学会测算数据显示，2021年中国人工智能核心产业市场规模为1300亿元，同比增长38.9%。

注：中国电子学会对人工智能核心产业市场规模测算口径包括：计算机视觉、智能语音、对话式AI、机器学习(含自动驾驶)、知识图谱、自然语言处理等核心技术软件、AI芯片等核心硬件

从中国人工智能学会公布的人工智能产业市场规模测算数据来看，2020年中国人工智能行业市场规模约为1858.2亿元，同比增长35.4%，总体上看，当前人工智能核心产业(主要包括软硬件)市场规模增速大于整体产业市场规模增速，人工智能应用服务市场发展相对缓慢。

注：①中国人工智能协会关于人工智能产业市场规模统计范围包括：人工智能软件和硬件市场，不包括服务市场规模;②2021年中国人工智能学会尚未发布最新的人工智能市场规模测算数据

3、下游应用主要集中在政府城市治理和运营

2020年，中国人工智能市场主要客户来自政府城市治理和运营(公安、交警、司法、城市运营、政务、交运管理、国土资源、监所、环保等)，应用占比达到49%，互联网与金融行业紧随其后，占比分别为18%和12%。

企业和政府对人工智能的应用逐渐升温。在决定企业产生经济效益的各个环节，都已能够看到人工智能的身影：AI
核身帮助人们安全生活、远程交易、便捷通行;深度学习和知识图谱帮助企业在生产过程中分析预测、科学决策;人机对话提升了拜访登记、服务响应中的用户体验。人工智能将催生新技术、新产品、新产业、新业态、新模式，实现社会生产力的整体跃升，推动社会进入智能经济时代。前瞻估算，目前中国大型企业基本都已在持续规划投入实施人工智能项目，而全部规上企业中约有超过10%的企业已将人工智能与其主营业务结合，实现产业地位提高或经营效益优化。

4、资本更倾向于人工智能企业的早期投资

截止2022年10月9日，中国人工智能行业总计共有6486起投融资事件发生，总计融资金额为9994亿元。其中2014-2018年在融资事件及融资规模均呈现持续增长态势，2018年融资金额达1366亿元，融资事件1049起。2019-2020年，我国人工智能行业市场相较之前冷静不少，融资事件有所下降但是融资规模有所上升。2021年，我国人工智能资本市场再次迎来增长大潮，投融资事件数量及规模均达到历年峰值，分别增长至1066起和3062亿元。截止2022年10月9日，2022年人工智能行业共有投融资事件532起，融资金额达到1008亿元。

注：2022年数据截至10月9日，下同，不再赘述。

从我国人工智能行业融资轮次分布情况来看，由于初创型企业融资金额与估值相对较合理，泡沫较小，因此资本更倾向于人工智能企业的早期投资，2014-2019年，人工智能行业天使轮和A轮占比最高。随着人工智能市场板块的逐渐成熟，早期的投资占比逐渐降低，人工智能投资轮次逐渐后移。2021年，人工智能行业A轮融资占比下降至37.9%，C轮融资占比则上升至11.37%。

5、技术方面人才不足，高校开设相关专业

根据工信部发布的相关数据，人工智能不同技术方向岗位的人才供需比均低于0.4，说明该技术方向的人才供应严重不足。从细分行业来看，智能语音和计算机视觉的岗位人才供需比分别为0.08、0.09，相关人才极度稀缺。

注：岗位人才供需比=意向进入岗位的人才数量/岗位数量。

相对国外，我国高校人工智能培育起步较晚，但近年来我国人工智能学科和专业加快推进，多层次人工智能人才培养体系逐渐形成。2018年4月，教育部发布的《高等学校人工智能创新行动计划》提出，到2020年建立50家人工智能学院、研究院或交叉研究中心。

2019年，教育部印发了《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，全国共有35所高校获首批建设“人工智能”本科专业资格。

行业竞争格局

1、区域竞争：北京人工智能竞争能力遥遥领先

从1990年至今，我国人工智能产业发展的城市格局几经变化，目前北京、上海、深圳、杭州等城市变现稳定，这些城市都将电子信息产业作为支柱产业之一，在互联网业发展中也排名靠前。这些城市均强化科研与人才优势、加速补充完善人工智能自身及面向行业落地的产业链、建设示范性智能应用场景、前瞻性布局人工智能相关标准体系、推动公共资源共享、提升城市环境与宜居性、支持系统性超前研发布局等措施将成为城市把握人工智能发展重大历史机遇的谋划方向。

在2021年中国新一代人工智能科技产业发展区域竞争力排名中，排名前五的省市分别是北京、广东、上海、浙江和江苏，属于第一梯队;排名第六至第十的省份分别是山东省、四川省、安徽省、辽宁省和湖南省。

在四大都市圈排名中，排名第一的是长三角，排名第二的是京津冀，排名第三和第四的分别是珠三角和川渝地区。

2、企业竞争：参与者众多，主要分为三个派系

从企业的竞争来看，我国人工智能企业主要可以分为三个派系，分别是头部平台代表企业、融合产业活跃企业、技术层面代表企业。

人工智能平台的代表性企业主要有百度、阿里云、腾讯、华为、京东和科大讯飞;而小米、平安科技、苏宁、滴滴是融合产业较活跃的企业;技术层企业代表有商汤科技、旷视科技、云从科技和依图科技作为独角兽公司。

从人工智能独角兽企业来看，根据胡润排行榜，商汤科技以500亿元的价值位列2021年胡润中国人工智能行业独角兽排行榜首位;其次，旷视科技、云从科技、地平线机器人与明略科技也具备较大的市场潜力，价值均超200亿元。

行业发展前景及趋势预测

1、“十四五”建设继续推进，高质量、现代化、智能化发展

近年来，人工智能在经济发展、社会进步、国际政治经济格局等方面已经产生重大而深远的影响。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》对"十四五"及未来十余年我国人工智能的发展目标、核心技术突破、智能化转型与应用，以及保障措施等多个方面都作出了部署。

2、“十四五”期间核心产业规模达到4000亿

根据《新一代人工智能发展规划》，到2025年,我国人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展，人工智能核心产业规模将超过4000亿元，带动相关产业规模超过5万亿元;到2030年，我国人工智能理论、技术与应用总体达到世界领先水平。

此外,为加快落实《国务院关于印发新一代人工智能发展规划的通知》,科技部于2019年8月印发《国家新一代人工智能创新发展试验区建设工作指引》,旨在有序推动国家新一代人工智能创新发展试验区建设。截至2021年3月末,我国已有14个市+1个县获批建设试验区;至2023年,试验区数量预计将达20个左右。

以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。

LION AI大模型平台加持，星纪元开启汽车智能化新篇章

8月17日，讯飞星火认知大模型首搭星纪元ES发布会正式举行。会上，“LION AI”大模型平台首发落地，并首次搭载于星途星纪元ES车型上，为人机交互方式带来了颠覆性的改变。

在新能源时代，车辆的智能化已经成为消费者最关心的部分之一，完美的智能化体验也成为了各家车企角逐的重点，“LION AI”大模型的加持无疑会让星途星纪元的产品体验更加多元。

在功能性上，“LION AI”大模型平台具备三个阶段、六大能力。首先是最基础的智能座舱应用，在车内，“LION AI”大模型充分结合了GPT的能力，将AI语音助手的使用体验推到了一个新的高度。除了日常的语音车控，“LION AI”语音助手还能化身有情感的驾驶伙伴，充当车辆功能导师、冷暖共情伙伴、知识百科全书、旅游规划管家、身体健康顾问等角色。

在日常使用中，我们可以和“LION AI”语音助手闲聊，让它为我们规划旅行攻略，安排好假期的出行路线。或者，在我们身体感到不适时，也可以向它描述我们的感受，“LION AI”语音助手也会给出准确的判断以及解决办法。甚至，在我们驾驶途中，老板打来电话，“LION AI”语音助手会帮你记下老板说的全部内容，再也不用担心分心驾驶而记不住老版交代的差事了。除此之外，它还可以和你的孩子互动，让全家人的出行变得更活泼有趣。

第二阶段便是整车产品级的应用，“LION AI”大模型可实现智舱和智驾的深度融合，并具备单模到多模的生成式人工智能能力。举个例子，当我们在嘈杂环境向语音助手传递信息时，“LION AI”可通过声音、视觉两方面的识别对人声准确分析，从而做出更准确的反馈。

第三阶段则是企业级的应用，它包括了营销服务场景、企业数字化升级、边缘计算和智能分析三种能力。“LION AI”大模型将对用户喜好、购车人群等多维数据进行分析，从而为企业提供更精准的营销方案。同时，“LION AI”还可以对产品特点进行分析，帮助企业更快速的进行产品迭代。

未来，科大讯飞还将不断拓展“LION AI”大模型的能力，为星途星纪元产品创造更丰富的使用场景以及更智能的使用感受。

除了在智能座舱方面星途星纪元走在的智能汽车的前列，在硬件配置部分，星途星纪元也拿出了旗舰级的水准。产品工程师表示在研发之初，星纪元ES便与特斯拉Model S对标，力争在绝大多数方面打造超越旗舰的表现。

作为旗舰级轿车，首先在设计上就要有豪华、大气的感觉。为此，星纪元ES采用“风之美学“的设计理念，整车呈现出简约、大气、动感的视觉感受。细节处，星纪元ES的车身线条优雅灵动，颇具个性与时尚。独特的设计使星纪元ES的风阻系数仅为0.205Cd，已经可以媲美主流的跑车。

星纪元ES的车身尺寸为4945×1978×1489mm，轴距3000mm，定位中大型轿车。得益于较大的车身尺寸，星纪元ES有了非常宽敞的乘坐空间。新车的前、后排头部空间分别为1021mm、955mm；腿部空间分别为965mm、975mm，空间得房率超70%。新车的人体工程座椅采用脊椎支撑造型设计，能够提供270°环抱式的整体支撑。同时，座椅采用NAPPA材质，预计会有着不错的触感和质感。

除了宽敞的空间，强劲的性能也是旗舰轿车的必备。星途星纪元ES基于E0X平台打造，双电机版的百公里加速时间仅为3.7s，同时新车全系标配CDC+空气悬架，再配合上前双叉臂+后五连杆的悬挂结构，让车辆的动态表现更为稳定、舒适。

在大家最关心的能耗方面，星纪元ES采用800V高压平台所打造，它的百公里电耗低至11.7kWh，续航里程可达720km。充电效率方面，星纪元ES充电5分钟，续航可达150km，15分钟即可补能至80%，不仅充得快而且跑得远，真正解决了用户的充电和里程焦虑。

在本次发布会上，星途汽车还向大家宣布了“LION AI”大模型平台用户共创活动。星途汽车希望让用户成为智慧车机软件的定义者，参与到智慧车机系统的内测、修正、迭代的全部过程，使汽车更懂用户，使用户更了解汽车。

编辑总结

在电动化大浪潮的当下，星途星纪元的入局显然有些姗姗来迟了，不过好在从目前已知的信息来看，星纪元ES的表现是令人期待的。“LION AI”大模型平台的加持也使星纪元ES在电动车最重要的智能化部分有了更强悍的实力，虽然目前各家车企都在布局大模型的装车，但星途星纪元的速度以及完成度已然走在了竞品的前列。那么，你对于“LION AI”大模型平台有着怎样的期待呢？欢迎在评论区留下你的看法。

​

【本文来自易车号作者有车以后，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】