cq9电子游戏app：AI 大模型让汽车真正开始「智能」

　　光华管理学院与腾讯云联合打造的一门开放学习课程，旨在帮助企业管理者了解和推进人工智能（AI）

　　12月20日，北京大学光华管理学院携手腾讯云在北京大学举办了“AI驱动汽车新智能”出行产业沙龙。腾讯智慧出行副总裁钟学丹、

　　理想汽车智能空间副总裁勾晓菲、梧桐车联科技有限公司副总经理/CTO王永亮以及北京大学光华管理学院组织与战略管理系副教授/北京大学管理案例研究中心联席主任王铁民

　　围绕“AI大模型在汽车产业的创新应用方向”、“汽车行业落地大模型的核心挑战”、“汽车行业大模型的评估标准”等话题展开了深入探讨。

　　王铁民教授从学术的角度谈了大模型在行业中的应用。她表示，AI大模型带来的不是普通的技术创新，而是技术范式级别的创新。技术范式的影响不只是经济增长，还有对就业、生活质量、环境和生态等方面的影响。AI技术的应用除了改善体验外，还有很多治理、安全等问题，都需要综合考量。

　　在“AI驱动汽车新智能”出行产业沙龙上，钟学丹讨论了汽车行业的两个热点话题——AI大模型及其技术底座和大模型+汽车，分享了AI在前期汽车制造、中间汽车体验和后面销售和运营端的应用场景，并勾画了一幅AI汽车应用的前景图。

　　近年来，主要得益于政策推动、消费者对环保和节能认识提升，以及技术的进步，我国汽车行业的电动化进程上半场成绩斐然，汽车销量持续增长。随着电动化竞争的加剧，智能化成为了下半场决定汽车行业变革的关键。

　　事实上，智能化不仅是指汽车的自动驾驶功能，还包括车联网、AI、大数据等技术的应用。AI和大模型的加持将进一步优化汽车的智能表现，使汽车能够更好地理解驾驶者的需求、提供更加个性化的服务，并提高驾驶的安全性和舒适性。

　　毋庸置疑，大模型上车应用将有效提升汽车智能化体验，促进智舱、智驾的进一步升级。正如钟学丹所说：“大模型+汽车”正在创造新的机遇，新的智能将给出行和汽车行业带来诸多变革。在他看来，大模型带来的汽车“新智能”具有以下四大核心特征。

　　首先，大模型将重新定义人机交互。从指令式对话系统进化为主动式、拟人化服务，有助于车辆感知发挥更大价值。大模型的用车行为分析、场景分析等能力可以形成专家型决策大脑，为用车提供场景化服务建议。

　　第二，大模型将加速高阶智驾落地。端到端自动驾驶已成为市场远期共识，为自动驾驶产业落地指明了方向。一些头部玩家已经开始基于BEV+Transformer大模型推进智能驾驶上路。

　　第三，舱驾一体化成为必然。智能座舱域和智能驾驶域的协同不止是服务层面的融合，而是进一步释放智能驾驶系统算力为座舱体验服务，显著强化多模态、3D化、虚实融合交互体验。

　　第四，汽车将具备更强的开放性和连接性。在新智能时代，汽车将与智能手机、智能家居等多种设备协同互动，使用户的服务需求平滑地在多个智能设备间无缝同步和交互，形成全场景互联的智能服务，发挥智能汽车的感知、计算、交互等方面更大的价值。

　　汽车新智能的应用可以让我们的驾驶更加安全、便捷和舒适。从服务角度来讲，以往是开车的人遇到问题去找服务信息，有了多模态大模型，无需用户唤醒车主即可在恰好需要的时候获得车辆、道路、天气等信息，特别是根据实际情况的专业用车建议，甚至做出相应反应。

　　例如，发现前方是山路，车辆会主动调节驾驶模式，打开空气悬架，让车辆更加稳定舒适。又如，舱驾一体化可以将用户视线之外的环境信息投射到座舱，实时提醒用户周边真实环境动态，最大程度缓解用户的驾驶焦虑。这样的车才是用户真正的“爱车”。

　　“AI大模型的应用不止是让车更智能，汽车的研发、生产、销售、服务等环节都可以叠加AI生产力，借以提质、降本和增效，并基于大模型重新设计底层结构，设计新的场景。”钟学丹说。

　　的确是这样，从产业角度来看，随着AI、大数据等技术的快速引入，以及消费者对汽车智能化、安全性等方面的需求不断提高，各大车企和科技公司都在加大投入，研发更强大的计算平台和算法，以提高汽车的性能和智能化水平。为此，越来越多车企开始扩大超算中心规模，加速算力资源角逐，也让算力竞赛进入了内卷时代。

　　如何让算力回归商业本质？大模型应用将是破局的关键。大模型可以为研发、生产、营销和服务赋能，全面推动深度学习及生成式AI的落地应用。承载巨量参数的生成式AI大模型可完成大部分数据标注和挖掘工作；多模态数据能够提升智驾研发效率，节省数据标注成本，还可构建仿真场景。此外，基于Transformer+BEV架构的智驾大模型具备极强泛化能力，将加快高速及城市领航辅助等功能的落地。

　　除了解决算力问题，大模型还可以在更多方面发挥其潜力。在软件研发方面，懂得多种人类语言，还掌握多种程序语言的大语言模型能够理解代码，还能帮助程序员编写、排错和测试代码，提高软件研发全流程的效率和代码质量。

　　在车辆设计方面，通过大量数据学习和分析，生成式AI可以结合用户需求自动优化车辆设计，如车身结构、外观设计、内饰布局等，大大提高设计效率，减少人工干预，降低设计成本。

　　在营销和客服方面，大模型能力覆盖复杂知识问答、业务办理等核心场景的智能客服，不仅可以结合上下文推理理解复杂的口语问题，还能叠加搜索引擎模式，更高效触达企业官网和海量行业知识，通过模型生成拟人化答案，提高回答的准确性和多样性。

　　在汽车行业变革中，虽然AI和大模型技术在汽车行业智能化进程中具有巨大的潜力，将引领汽车行业进入新的发展阶段，但我们也必须正视其中存在的一些挑战，比如技术成熟度、成本和规模化、教育和培训，以及数据安全和隐私保护、法规和伦理问题等等。而“在“大模型+汽车”的具体实施中，模型、数据和算力是面临的三大挑战。”钟学丹指出。

　　首先是模型挑战。大家期待很高的通用大语言模型聊天机器人并不是唯一的大模型服务方式，也不一定是满足行业场景需求的最优解。目前的通用大模型一般都是基于广泛的公开文献与网络信息来训练的，数据“噪音”过大，信息可能有错误、谣言或偏见，许多专业知识和行业数据积累不足，导致模型的行业针对性与精准度不够。

　　“企业使用的大模型必须可控、可追溯、可修正，而且必须进行反复及充分测试才能上线。”他说。客户需要的是有行业针对性的行业大模型，再加上企业自己的数据做训练或精调，以打造出实用性更高的智能服务。它能够在实际场景中真正解决某个问题，而不是在100个场景中每个只做到80%。另外，训练数据越多，模型越大，训练与推理的成本也越高。实际上，大部分企业场景可能并不需要通用AI，如何在合理成本下，选择合适的模型，是企业客户需要的思考与决策。

　　其次是数据挑战。数据是大模型的原材料，针对具体场景，相关数据的覆盖与质量至关重要，因此，标注数据的管理也是模型迭代的重要工作。模型最终要在真实场景落地，要达到理想的服务效果，往往需要把企业自身的数据用起来。在模型研发过程中，既要关注敏感数据的保护与安全合规，也需要管理好大量的数据与标签，不断测试和迭代模型。

　　第三是算力挑战。算力是模型持续运转的基础，高性能、高弹性和高稳定的算力需要借助专业的云服务。在大模型的训练和使用过程中，需要大量异构算力的支持，对网络速度与稳定性要求也很高，加上GPU服务器比一般服务器稳定性低一些，服务器的运维、问题的排查更为频繁，整体运维的难度与工作量高很多。在训练集群中，一旦网络有波动，训练的速度就会受到很大的影响；只要一台服务器过热宕机，整个集群都可能停下来，然后再重启训练任务。这些问题会大大增加训练时间，大模型的成本也会飙升。

　　钟学丹强调说：“大模型的应用场景很多，真正落地的就要做出好的体验，抓住好的应用场景好的应用场景。”在汽车行业，目前除了看到座舱和自动驾驶两个领域的一些应用，其他还相对会较少。如何挖掘更多的应用场景，也是行业面临的挑战。现在的模型评估还不够完善，特别是对行业大模型的评估也是接下来要面对的挑战。

　　腾讯作为国内领先的互联网科技公司，拥有强大的技术实力和研发能力，具备丰富的互联网产品和服务经验，这为腾讯在汽车智能化领域的发展提供了坚实的基础。

　　近年来，腾讯一直致力于做好汽车产业新智能发展的底座和助手，将AI、大数据、云计算等领域领先的技术和产品与汽车产业进行深度融合，为汽车智能化提供强有力的支持。针对车企的新智能需求，腾讯在模型、算力等多方面均能提供领先的数字化底座和丰富的行业应用场景。

　　混元大模型就是腾讯自研的千亿级参数规模大模型，也是目前国内最大的中文语言模型之一，具备超2万Tokens预训练语料、强大的中文创作能力、复杂语境的逻辑推理能力，以及可靠的任务执行能力，在多轮对话、知识增强、逻辑推理、内容创作等核心能力上都有非常不错的表现。

　　据了解，目前，腾讯云有超过200个应用已接入混元大模型，在很多应用场景，如广告、营销、游戏和一些社交场景，都能够利用其强大的能力帮助人们做很多工作，如会议摘要、总结以及相关的会议助手等等。

　　今年6月，腾讯公布了开放的腾讯云MaaS服务全景图。基于腾讯云TI平台打造的行业大模型精选商店，覆盖出行、金融、文旅、政务、医疗、传媒、教育等行业，提供超过50个解决方案。在这些能力模型基础上，合作伙伴只需加入自己独有的场景数据，即可快速生成自己的“专属模型”。

　　基于腾讯云TI平台的行业大模型精调解决方案，能够帮助模型开发者与算法工程师一站式解决模型调用、数据与标注管理、模型精调、评估测试与部署等任务，减轻创建大模型的压力；还可以用TI平台实现模型的私有化部署、权限管控和数据加密等方式，让企业用户在使用模型时更加放心。

　　钟学丹介绍说，对汽车行业来说，当加入了用车知识、专业景区、文旅等数据，进行模型精调之后，用车回答会变得更加细致入微，能够准确指导用户做出准确、及时的用车操作，还可以规划每天的交通、景点安排，包括不同档次的酒店介绍和推荐，甚至可以提供预订链接、平台优惠券信息，不仅实现了人性化的服务体验，还具备了更强的商业转化能力。

　　在算力服务方面，腾讯智能汽车云面向大模型带来的新需求进行了全面优化，在上海松江、河北省怀来县开设的两个智能汽车云专区，在业内率先实现了“双专区”模式，专门为智能驾驶、智能汽车行业客户提供服务。

　　腾讯云打造的面向模型训练的新一代HCC（高性能计算集群），搭载最新一代GPU，结合多层加速高性能存储系统，加上高带宽、低延迟的网络传输，整体性能比过去提升了3倍，获得了很多客户的高度认可，几家大模型独角兽都与腾讯云展开了算力合作。

　　在计算集群的“硬实力”之外，腾讯最近还推出了更适合AI运算的“软能力”——向量数据库商业模型，能够更高效地处理图像、音频和文本等非结构化数据，支持10亿级规模索引单次查询，比单机插件式检索规模提升10倍，数据接入AI效率也比传统方案提升了10倍。

　　钟学丹最后表达了与汽车行业伙伴精诚合作，为车企客户提供更具行业属性的基底模型选择，加速赋能汽车新智能的迫切愿望。

　　他表示，为了助力汽车行业大模型更加全面、精准、智能的服务应用场景，腾讯沉淀了TB级的汽车行业知识，包括汽车常识性知识、驾驶/维修知识、行业研报、汽车品牌、汽车文化知识等等，并通过持续迭代，为车企客户提供更具行业属性的基底模型选择，加速座舱体验的迭代。

　　未来，腾讯将持续挖掘创新应用场景，释放模型价值，与汽车行业伙伴共建大模型应用；同时积极探索与汽车产业的深度合作，通过与车企、Tier1供应商等合作，创造更多的商业机会和合作资源，共同推动汽车智能化的发展。