半岛·BOB官方网站 智能车的「ChatGPT时刻」，还有多远？| 模力时代

奥飞寺的鱼和羊

量子比特 | 公众号QbitAI

如果问今年“科技春晚”CES上最吸引眼球的是什么，智能汽车绝对是其中之一。

毕竟，一旦大模型上车，智能驾驶舱就卷起来了，如下所示：

让车内的数字助理帮助你记录你的就餐时间表，它还可以帮你预订餐厅。

△骁龙座舱平台效果展示

路线规划也变得更加巧妙，数字助理会根据你的习惯主动询问你：“路上要不要买杯咖啡？”

△骁龙座舱平台效果展示

随着智能汽车上下游厂商纷纷亮出肌肉，也难怪不少在第一线参展的朋友感叹：CES堪称是一场汽车展。

事实上，随着大屏应用的重心从云端转向设备端，不仅手机厂商在设备端布局大屏，车载大屏也成为关注焦点之一：

智能汽车是当今最重要的智能移动终端之一，大模型被认为是AI规模化应用的关键。

不仅基于大模型和生成式AI能力构建的智能座舱，特斯拉引发热议的端到端自动驾驶解决方案，也代表着通过大模型把感知、预测、规划各个模块串联起来的新技术趋势。

也就是说，在大模型重构一切带来的“模型强国时代”，从智能座舱到自动驾驶，“汽车机器人”的真正实现，正全方位围绕大模型展开。

那么，问题来了——

智能汽车真的需要大车型吗？

前面提到，大屏车型最火的两大趋势就是自动驾驶和智能座舱。

自动驾驶方面，随着CVPR 2023的最佳论文颁给了自动驾驶大模型，业界出现了一个共识：

端到端自动驾驶是产业的未来，新的突破将基于大模型技术。

△CVPR 2023 最佳论文

与传统的基于规则的自动驾驶算法不同，端到端模型可以直接基于传感器输入（例如摄像头数据）学习如何控制输出，而无需手动设计复杂的中间表示。

比如在端到端的自动驾驶解决方案中，如果你想让模型学会不闯红灯，不需要设计规则，只需要用更多高质量的红绿灯视频来训练它。

这意味着端到端模型可以更好地处理复杂的流量场景：与依赖手写规则相比，此类模型可以对实际场景进行推理，并且能够更好地解决由极端情况引起的应用程序实施问题。

量子位智库在《2023年十大前沿技术趋势报告》中指出，端到端自动驾驶技术特点是所有模块都是神经网络，对规则的依赖性低，具有智能涌现能力和跨场景应用潜力。

在CVPR 2023最佳论文《面向规划的自动驾驶》中BOB半岛·体育在线登录，研究人员通过实验证明，增加主干网络可以带来感知分数的提高，这可能会进一步提升模型的预测和规划性能。

也就是说，更大的模型可以提供更丰富的特征表示和更复杂的任务处理能力，能够更好地支持自动驾驶场景中复杂的数据处理和决策。

如果说大车型驱动的自动驾驶还在探索之中，那么生成式人工智能与智能座舱的结合，已经快一步有了具体的落地案例。

这在今年的CES上就可以看到。

例如吉利Galaxy E8在车内搭载了大模型，实现车内影音娱乐与AI交互的个性化：基于文声图大模型，可秒生成定制壁纸、精准推荐音乐，并根据音乐心情生成风格化壁纸，AI数字精灵拥有“个性”更人性化……

高通骁龙数字底盘概念车更直观地展示了边缘生成式AI的高效用例。

例如，如果仪表板上出现警告灯，您可以询问数字助理并立即得到答案，而无需研究车主手册。人工智能甚至可以帮助您当场安排维修预约。

△youtube@HotHardware

关键在于，部署在车侧的大模型，也就是终端侧AI模型，可以“不下车”保护用户数据，同时结合本地数据提供更加个性化的座舱服务，既保障了用户的隐私安全，又缓解了云端处理带来的延迟问题。

此外，充分利用端侧算力，也能大大缓解用户规模增长带来的云计算力成本压力。

不难看出，对于自动驾驶领域来说，大车型的技术浪潮带来了突破当前技术瓶颈的新路径。因此也有业内人士做出这样的判断：要真正实现通用场景的L4、L5级自动驾驶，大车型必不可少。

值得注意的是，虽然云端基础大模型及其应用在过去一年取得了快速进展，但将大模型投入到车辆上仍面临相当大的挑战。

首先是数据问题，相比于互联网上的海量数据，自动驾驶领域本身的数据量要小得多，而对于训练端到端的模型来说，来自优秀人类驾驶员的高质量数据更为关键。

第二是算力问题，无论是智能驾驶中路况的实时推理，还是智能座舱中用户意图的理解、功能调度，都对端侧算力有更高的要求。

第三是安全性的问题，一方面涉及到端到端自动驾驶模型的可解释性，另一方面是如何保证端云融合过程中用户隐私数据不被泄露。

从硬件角度来说，这些问题其实对汽车芯片提出了更高的要求。

“模型强国时代”，智能汽车需要什么样的芯片？

如果说骁龙8155（第三代旗舰骁龙座舱平台）在过去几年中已经成为了座舱是否智能的事实标准之一，那么在CES“车展”上频频出现的另一个关键词，则揭示了“车型时代”智能汽车竞争的新方向——

骁龙8295（第四代至尊骁龙座舱平台）。

从国内新车厂商到奔驰、宝马，骁龙8295已经成为CES上亮相的最新量产汽车的新标准。

△搭载骁龙数字底盘解决方案的宝马i7

在大屏化车的趋势下，车载芯片的最新演进方向是什么呢？我们以骁龙8295为例，来详细了解一下。

骁龙8295采用5nm工艺打造，算力方面，其CPU算力达到230K DMIPS，是骁龙8155的8倍；GPU可实现每秒2.9万亿次单精度浮点运算（2.9TFLOPS）或者每秒58000次半精度浮点运算（5.8TFLOPS）。相比8155，整体性能提升2倍，3D渲染性能提升3倍，可同时驱动车内11块屏幕，远超市面上其他车机芯片。

更重要的是，骁龙8295配备了双核NPU，AI算力从8155的4TOPS直接跃升至30TOPS。

这样的参数表现远超其他车规级芯片，功能上更是实现了大模型、多模态交互、离线语音，甚至车机泊车、座舱一体化等。

以搭载骁龙8295的极悦01为例，将云端的语音识别算法模型直接放在车侧，实时响应时间可从1.5秒缩短至700毫秒。

除了常规的自主停车外，车辆还可在车外通过语音控制实现自主停车。

在车机上，在骁龙8295的支持下，极悦01可以识别不同的说话人，也就是支持多人语音功能，配合离线语音库，即使没有网络连接也可以实现全功能语音识别。

此外，车内智能交互不再局限于语音半岛·综合体育官网入口，眼神、动作等多模态交互如今已能在车内实现。比如在车内想开窗，无需详细解释，只要说一声“开窗”，跟随目光，车内AI就能秒懂车主意图。

值得一提的是，作为可扩展的自动驾驶SoC平台，骁龙8295拥有广泛的软件生态系统，包括视觉感知、停车和驾驶员检测软件堆栈等。

对于车企来说，这意味着基于骁龙座舱平台做一些花哨的事情会更加方便、快捷。

从消费者角度来看，座舱智能体验的升级才刚刚开始。

终端侧AI是AI规模化的关键

大模型带来的变化最核心的是人与计算机交互方式的改变。

作为被赋予厚望的“智能空间”，智能汽车自然成为这场技术变革风暴中不可忽视的重要组成部分。

没人能准确预测智能汽车的“ChatGPT时刻”何时到来。但至少在软件和硬件准备方面，以高通为代表的玩家已经率先做好了爆发的准备。

事实上，这种逐渐聚焦终端的新“ChatGPT时刻”的期待，在这场2024年开始的CES上可以说随处可见。智能汽车备受关注，但远不是一切。

从火爆的AI掌上游戏机Rabbit R1，到AI PC半岛·体育中国官方网，再到AR/VR、实体智能机器人，AI与终端的结合几乎遍布CES会场的每一个角落。

“模型强国时代”新阶段的变化趋势也日益明显：大模型/生成式AI技术在端侧的落地，是新一轮AI机遇爆发的关键。

对此，高通总裁兼首席执行官阿蒙在 CES 主题演讲中表示：

生成式AI的发展正在从第一阶段走向第二阶段，目前整个产业已经将生成式AI应用在处理器中，下一步将是使用场景和应用的开发。

核心原因是，哪里有数据，哪里就有AI推理。

一方面，随着大模型应用用户数的增加和模型参数规模的增大，云端计算推理的成本快速上升，需要充分利用终端侧的算力来平衡成本；另一方面，只有终端能够运行AI大模型用例，才能在保护的前提下充分利用个人数据，实现真正个性化的大模型应用。

总之，2024年伊始，“模范强国时代”的终端变革的一角，被进一步展现在大众眼前。

可以预见，变革的风暴不会就此停止，更多的智能化变革或许在今年通过智能终端更加贴近你我的生活。

-超过-