车企也要搞大模型 但他们基本还在第一层
车企也要搞大模型但他们基本还在第一层不过，这些车企们到底是纯纯搞营销还是真的有东西，脖子哥还得仔细看看。就目前而言，大多数车企还只规划了座舱的语音功能，说白了，就是做ChatGPT的语音版。用上的话，语音助手确实会比以往更聪明一点。比如百度的文心一言，据说搭载上车之后，可以一边在车上电话开会，一边自动记录会议纪要，并且完成简单的PPT制作。那么……打工人就算开车也没理由不干活了，百度是懂加班的。而吉利的这个全场景AI大模型就更有意思了，说是有主动搭讪、自动唱歌以及哄娃等能力。但，用车机语音搭讪和自我营销，真的有人会用这个功能吗？他的精神状态真的还好吗……相比他们，一些车企已经到了第二层，开始用大模型做智驾了。这里面可就大有说法了。目前比较普遍的做法，是将大模型作为工具，辅助汽车的智驾训练，其中关键是训练智驾系统的应变能力。目前智驾系统还不能保障100%的自动驾驶安全性，是因为存在AI还没见过的场景，一旦遇到这种情况，AI就容易“把CPU给干烧了”，大多数自动驾驶的安全事故都是这样发生的，这个情况被称作Conercase。为了解决一个Conercase，必须得经历数据预处理、数据标注、模型训练和模型仿真等过程，需要用上万的样本数据以及数周时间进行测试，费时费力。过去用来训练AI的数据基本来自真实数据，但是由于Conercase发生的概率非常低，要找到世界各地出现的相同Conercase并不容易。用上大模型之后，AI就可以帮助构建虚拟空间，自动生成训练场景，可以大幅缩减成本。比如华为的盘古大模型，会根据路采数据进行重建，生成可编辑的虚拟空间，将原来两周左右的Conercase处理过程缩减到两天内。但这还不够，另一些车企选择了更为激进的做法，直接选择用大模型开干智驾。这就不得不提到特斯拉的FSD。早在2021年，特斯拉就采用了BEV（鸟瞰图）+Transformer的智驾算法，可以说是在车企里用大模型做智驾最早的一批。咱先不说这套智驾系统的原理是啥，先看这个Transformer，其实指的就是大模型架构，ChatGPT就是基于这个架构生成的。Transformer模型架构和传统神经网络的区别在于，加入了“注意力机制”，举个例子，咱们在读一句话的时候，有些字很关键，有些字不关键，只要看这些关键字，就容易get到整个句子的含义，即使个别字写反，也不影响最终理解的结果。因此Transformer就会对一句话中的每个字设置权重，最后对全文的理解根据每个字加权平均算得，准确性就相对更高了。这套模型架构将主要用于FSD的纯视觉感知算法，帮助系统将2D的摄像头视频数据融合转化成3D的鸟瞰图，从而自行判断合理的行驶路线。然而，就算这套大模型智驾方案拥有更高的泛化能力（举一反三的能力），特斯拉的FSD还是会遇到了各种Conercase。比如在今年的8月26日，马斯克在直播测试自动驾驶时，AI把左转车道的绿灯当成前进的绿灯，打算笔直穿过路口，此时的老马不得不主动介入刹停，才避免酿成事故。要知道这可是当众直播啊！先不说观众对FSD系统的质疑，就算评论问起应如何解决故障时，老马也只能说“将投喂更多样本数据”。因为压根没有什么直接了当的解决办法，毕竟模型是一个黑箱，没有人能在里面微操，除了继续训练还真没有什么别的办法了。所以，大模型做智驾的主要问题，依然是处理不完的各种Conercase，未来的智驾大模型还得继续在泛化能力上进行升级。不仅如此，大模型做智驾的另一个难处就是钱。特斯拉之所以能用上Transformer，关键是有72TOPS算力的HW3.0芯片作为支撑。而现在一些车企用的都是英伟达orin芯片，它的算力更是达到254TOPS，今后随着模型越来越大，对智驾芯片的算力要求也会越来越高，这意味着车主就要为智驾掏更多的钱。在研发方面，之前一些企业训练大模型用的都是GPU芯片，但现在都开始用上TPU了，功能越强的大模型研发难度越大，普通车企恐怕很难保持长时间的自研过程，与互联网巨头合作说不定会更加现实。不过特斯拉在这上面算是铁了心，最近，FSD又进行了一次全面的算法更新，打造了一个“端到端”的智驾模型，把整个智驾过程融入到一个算法和模型里面，这可能是未来各大车企做智驾大模型的一个方向。要知道，过去的智驾算法是分成三个部分的，感知、决策和执行各司其职，如果将其整合在一起，那么成本会更低，智驾反应也会更快。随着技术一次次迭代，也真说不好，什么时候就能把智驾大模型最后的安全难关给攻破了。但在此之前，一定是一段非常艰难且痛苦的过程。要脖子哥说，“大模型上车”这玩意儿确实有用，但能发挥出几分功力，还得看各家车企的实力了吧。...PC版：https://www.cnbeta.com.tw/articles/soft/1398245.htm手机版：https://m.cnbeta.com.tw/view/1398245.htm
