人工智能大模型急于上车,到底不成熟?

在智能汽车中，许多人关注智能驾驶，而忽略了人工智能大模型技术。

仅2023年，人工智能大模型技术迎来了质的飞跃，越来越多的汽车公司纷纷跟进，并迅速发展“上车”。人工智能模型不仅可以给智能驾驶舱带来自适应性，还可以为智能驾驶提供强大的可塑性，即人工智能模型可以伴随用户的驾驶意识，提供从驾驶到驾驶舱需求的全方位服务。在未来的智能驾驶中，人工智能模型将发挥重要作用，但在这个阶段，汽车公司渴望“上车”AI大模型，时机还不成熟吗？

数据是人工智能大模型最关键的因素

没有三个关键点，数据、计算能力和算法就无法构建大模型。

其中，数据是最关键的因素。计算能力和算法可以通过技术手段解决，只有数据需要长期积累才能获得。关于数据，有一个问题已经形成了行业共识，即如何获取高质量的数据。

科大讯飞智能汽车副总经理李卫兵曾表示，目前判断大模型的决策是基于人类的先验意识，无论是基于场景还是基于规划。很难有类人的自主进化，也就是说，自主性差。智能数据科学家贺翔也认为，很难收集到高精度可用的数据。

大模型的意义在于通过大量的数据采集，实现车辆智能驾驶的不断进化和改进。最终的意义是实现它“车人合一”效果，即每辆车的智能驾驶习惯源于驾驶员的实际驾驶习惯。

有一个问题可以解释为什么好的数据很难收集。例如，如果需要智能驾驶来取代人类驾驶，智能驾驶应该首先根据基本的驾驶逻辑制定一套安全的驾驶习惯，然后通过数据逐步学习人类的驾驶习惯。但问题是，并不是每个司机都能为自学提供高质量的数据。例如，在辅助驾驶过程中，遇到需要接管车辆的问题，每个人对车辆的操作意识都不同，这意味着如果司机是新手，很可能有错误的驾驶判断，所以车辆收集的驾驶指令会错误，形成低质量的数据。因此，大型自学的核心要求是人类要有高质量的驾驶习惯。

可以理解，在这个阶段，数据量远远不够，这是大模型不成熟的主要原因。例如，当车辆分析用户的驾驶习惯时，他们发现用户喜欢堵塞，当搜索数据库自学时，他们发现这些数据太少，无法学习这种驾驶习惯。

此外，仅仅依靠汽车公司收集数据还远远不够。如何整合行业内的数据，完成共享，形成统一的标准也是人工智能大模型形成的关键。

现阶段AI大模型“上车”，意义有多大

目前，大型模型的主要应用是两个维度。以上内容表达了大型模型为智能驾驶提供自适应和自学能力的意义。以下将表明，大型模型可以为智能驾驶舱提供更简单、更丰富的操作模式。

目前大模型的意义对智能驾驶舱更有帮助，智能驾驶需要时间解决上述问题，实际上对用户影响不大。

就智能驾驶舱而言，汽车公司将拥有大型模型“上车”，需要从资本端、产品端、生产端进行分析。

资本方面是指在大型模型上车后，除了大型模型是当前资本投资的风口外，更重要的是，它在着陆后可以引发一种新的利润模式。

目前，新能源时代主机厂的主要盈利模式仍然取决于销量和自行车利润，但这种单一模式很难给汽车企业带来巨大的利润增长。另一部分利润来自销售服务，即B to B服务，比如现在可以想到的可能的换电等服务。还有一小部分来自汽车和机器的付费定制服务，类似于数字产品的付费定制。虽然汽车公司正在做这种服务，但效果很小。

大模型能给汽车公司带来的意义在于，虽然付费定制服务目前不是气候，但通过大模型的授权，可以创造更多的增值服务，激发用户支付，实现了大模型对原始设备制造商的实际意义。当然，这种付费订阅不仅包括智能驾驶舱，还包括智能驾驶。

那么对于用户来说，大模型有什么意义呢？是为了保留汽车公司的未来吗？“割韭菜”用吗？

智能汽车是不可逆转的。目前，汽车公司在智能驾驶舱的力量点与ChatGPT相似。此外，它还可以扩展到其他场景的智能交付，以提高产品实力。在智能驾驶方面，上面已经提到了大型模型的好处，但需要考虑的是，当L3级或以上的自动驾驶逐渐形成时，大型模型系统下大量数据的优势是不言而喻的。此外，智能驾驶能力的提高也可以让汽车公司在上面发表文章。也许大型模型将来会给智能驾驶带来好处，很可能会成为普通用户在一段时间内负担不起的高端汽车配置。

也就是说，大型模型上车会给用户带来全新的产品体验，但需要考虑的是大多数用户是否能负担得起大型模型背后的成本，或者大型模型提升的产品实力是否真的需要和有足够的说服力让用户付费。

结语

现在人工智能大模型急于“上车”，到底不成熟？短期来看，目前汽车企业“上车”大模型的概念更多的是为了用新技术和新概念来区分新能源产品，但现实是，以智能驾驶舱为例，绝大多数汽车公司“上车”基于ChatGPT的AI大模型，即使百度叫文心一言，理想也叫MindGPT，但也不能改变ChatGPT的现实，即同质化严重的现实。

所以现在的AI大模型“上车”，更像是泡沫，没有太大的实质性影响，也有破裂的风险。大型车型一定是未来智能驾驶车型无法避免的技术，但还没有真正普及的时候。

作者路咖汽车