大模型在智能座艙和自動駕駛上的應用

目前已經有不少大模型在智能座艙和自動駕駛等方面的應用案例。大模型在智能座艙上扮演著至關重要的角色，其作用體現在多個方面：首先是提供自然、智能的對話體驗，大模型通過對話生成技術，使座艙系統能夠與駕駛員進行更有效的交流，提供更加自然、智能的對話體驗。

這不僅可以降低駕駛員的駕駛風險，還能使駕駛員在行駛過程中隨時獲得所需信息。其次是駕駛員情感分析和狀態監測，大模型能夠分析駕駛員的語音、表情、行為等信息，理解駕駛員的情感狀態和注意力水平。基于這些分析，智能座艙可以提供適當的情緒調節和駕駛員監護功能，從而提高駕駛安全性。

第三是預測和優化駕駛行為，通過大模型和機器學習技術，智能座艙可以預測駕駛員的行為和需求，并根據駕駛環境、路況等因素提供合適的駕駛建議和輔助控制。例如，通過分析駕駛員的駕駛習慣和車輛性能，智能座艙可以優化節油和安全駕駛策略。第四是個性化推薦與信息服務，基于大模型對用戶畫像的深入理解，智能座艙可以為乘客提供個性化推薦。例如，智能座艙可以根據乘客的喜好調整座椅、空調、音樂等設置，提高乘坐舒適度。還有語音識別與控制，大模型通過對海量訓練數據的學習，提高了語音識別的準確率和實時性。在智能座艙中，基于大模型的語音識別技術可以實現對車輛控制與信息服務的無縫接入，使駕駛員在行駛過程中更加便捷地操作車輛。

大模型在自動駕駛上的作用則體現在：一是場景感知，大模型能夠處理和分析巨量數據，從而精煉出有價值的信息，增強自動駕駛系統的感知精度。這些模型能夠解讀車輛四周的圖像和視頻資料，識別出路標、交通信號、其他車輛等關鍵元素，進而確保系統的定位精確性和路徑規劃能力。

二是路徑規劃與優化，大模型可以分析和學習不同道路網絡的特征和交通狀況，包括交通擁堵、道路條件等。這些模型用于實時路線規劃和路徑優化，確保自動駕駛車輛選擇最佳路線并避開潛在的交通問題。

三是異常檢測以及交通流量優化與調度：大模型可以對車輛運行過程中的異常情況進行檢測和識別，并及時進行處理，從而保障行駛的安全性。大模型也可以分析和優化交通流量，提高交通效率和能源利用效率。通過收集大量的交通數據并應用大模型，可以實現交通信號燈控制的智能化、路口優化和車輛調度的精確和實時性。四是預測與決策支持，大模型可以運用機器學習和深度學習的方法，對不同的交通情景進行預測，并為自動駕駛車輛提供決策支持。例如，通過分析歷史交通數據和實時傳感器數據，大模型可以預測未來交通流量、道路狀況等，以優化車輛的決策和行駛策略。

不少公司將汽車大模型推向市場

目前，已經有不少企業在推進大模型在汽車上的應用落地。如，吉利不久前展示了其自研的能夠“自動控車避險”的AI數字底盤，也成為了行業首個具備“用AI架構造AI汽車”的全體系能力的車企。吉利自研的AI數字底盤，集中展示了自研動力底盤融合域控、線控轉向、輪邊電驅、智能駕駛以及AI大模型等多領域技術的跨域融合能力，具備了數字底盤最高維的智駕和主動安全能力。通過全球首創的AI大模型和數字底盤的完美融合，吉利汽車率先做到全球首個無人駕駛漂移。

吉利AI數字底盤反應速度僅需4毫秒，比人類的極限反應速度快了25倍，可實現極限反應下的“自動控車避險”，為用戶提供“主動避險、永不失控”的安全守護。科大訊飛推出了“飛魚情景智能座艙系統”，這是一項全棧自研的技術，它深度融合了大模型的概括、推理、上下文理解和復雜內容生成等能力，與行車、通信、娛樂等多種用車場景緊密集成，結合語音和視覺交互，可以為用戶帶來更自然、自由、智能的座艙體驗。目前，科大訊飛星火大模型已經在奇瑞、廣汽、長城等多家知名汽車企業的多款車型中得到應用，另外，星途星紀元ES、昊鉑GT、魏牌藍山等車型都配備了這一技術。

騰訊此前也發布了汽車行業大模型“全域智能”方案，這個方案主要涵蓋了汽車研發、生產、營銷、服務、企業協同辦公等五大核心場景，通過引入云計算、AI、地圖等核心技術，推動汽車產業實現“全域智能”。在模型能力方面，騰訊云汽車行業大模型在全鏈路自研的混元大模型基礎上，加入海量汽車行業專業數據，進行預訓練、汽車領域垂類任務精調和強化學習，在中文閱讀理解、端到端問答、汽車行業相關任務等方面表現出色。在具體的應用方面，“全域智能”方案涵蓋了多個領域。例如，在銷售和營銷領域，大模型可以基于過往的線上咨詢，快速生成客戶畫像和標簽、進行線索評級，還可以對一段時間的銷售情況進行數據的智能分析。

在客服領域，大模型加持的智能客服助手可以輔助售后針對用車、維保的疑難問題提供更快速、專業的回答。在研發環節，騰訊云AI代碼助手可以幫寫代碼、補代碼、診斷和測試代碼，實現“車企研發30%以上的代碼自動生成，整體的人效能至少提升7%”。

可以看到，大模型正在全面賦能汽車行業，包括汽車設計、生產、銷售，以及智能座艙的改進、自動駕駛系統能力的提升等各個方面。當然，大模型在加速上車的同時也面臨一些挑戰，如，硬件和計算資源需求高，這會增家汽車制造的成本，同時因為是比較新的技術，在成熟度和可靠性上也還有待提升，不過相信在產業鏈的努力下，各種問題都會得到解決。