隨著智能化和網聯化技術的快速發展,智能網聯汽車已成為新的競爭焦點。當前,人工智能,特別是大模型技術引領的新一輪變革正在深刻影響各行各業,推動生產力和生產關系的革新。各大車企正積極把握AI大模型帶來的新機遇,競相布局智能化發展的下半場。在本次汽車智能座艙技術大會上,深圳市航盛電子股份有限公司產品專家廖緯德分享了車載AI技術的未來發展趨勢、如何讓大模型更好地服務于用戶,以及大模型三階段的上車路徑。
廖緯德表示,從感知到認知,支撐AI快速發展的三大基座分別是算力、算法和數據。近年來,隨著算力架構的迭代和數據的豐富,特別是2017年Transformer架構的出現,催生了OpenAI的GPT大模型,從而推動了大語言模型、圖像模型、多模態感知模型等的快速發展。
智能網聯汽車的下半場是智能化的迅猛爆發。當前,車載數字基座平臺的性能全面升級為汽車智能化帶來了新的可能性。而AI大模型的應用,智能駕駛和智能座艙得以進一步釋放其潛在能量,為駕駛者提供更加智能、便捷和舒適的體驗。智能座艙的L1級別能實現多模態感知,提供有限的智能交互;L2級別更像是一個伴駕助手,能夠提供推薦服務但無法獨立完成復雜決策;L3、L4級別將實現AI Agent,即智能體,能夠獨立完成決策和服務。目前來看,智能網聯汽車正處于人工智能時代的發展階段。
廖緯德介紹,當前大模型主要在智能駕駛和智能座艙兩個方面得到了廣泛應用。智能駕駛領域主要探索視覺模型和端到端自動駕駛,但面臨著安全性和實時性的挑戰。相比之下,智能座艙主要提供用戶服務和娛樂,即使大模型偶爾出現失誤,用戶也能接受。因此,大模型在智能座艙的應用將更快且更全面。
要充分推進大模型在座艙中的應用,廖緯德指出需經歷幾個關鍵階段。首先,需要具備基礎能力,即高性能的大模型本身;其次,需要配備模型精調工具和部署工具鏈;此外,還需要一套向量數據庫來提高模型的使用效率。在此基礎上,構建知識圖譜、開發低代碼調用的APP以及車載應用場景是關鍵步驟。整個過程中,從芯片供應商到大模型廠商,再到車廠和Tier1供應商的合作至關重要。
為了讓大模型更好地服務于用戶,需要降低使用門檻。一方面,要讓用戶能夠更自然地與大模型交互;另一方面,要讓大模型能夠實現自主決策。在最近的人工智能峰會上,吳恩達教授深入分享了當前AI Agent的幾種主流設計模式,包括記憶反思、工具調用、規劃布局以及多智能體協同等,為了開發多模態應用,進一步提升AI在新場景中的創新能力,還需要融入一個認知設計模式。記憶反思能夠自我糾錯和迭代,規劃布局涉及任務拆解和多智能體協作,工具使用是利用工具大語言模型調用插件和網絡,擴展了其能力。
多模態輸入結合大模型認知能力也是關鍵技術之一。大語言模型因其數據泛化能力和持續迭代能力,可以顯著提升多模態認知的能力,包括用戶畫像感知、車輛信息感知和外部環境信息感知的融合。例如,用戶可以告訴智能體今天是女兒的生日,希望為其創造驚喜,智能體可根據這一信息自動播放女兒喜愛的動畫片、音樂,并調整氛圍燈等。
針對大模型如何上車的問題,講師提出了三階段的發展路徑。第一階段是純云端介入,通過云端API提供服務,結合車端的小模型或傳感器數據進行預處理和后處理,這是目前最普遍的方案。第二階段是車端專用大模型,結合專用車端小模型,既保護了用戶隱私,又提升了服務效率,但受限于當前車端算力,要實現完整的功能閉環仍有難度。第三階段則是算力大幅提升后的大模型部署,將完整的大模型部署到車端,實現真正的自主服務。這一過程中,算力、能耗與生態兼容性是亟待解決的關鍵問題,同時贏得用戶信任也至關重要。然而,挑戰之中蘊藏機遇,模型上車將極大提升隱私保護能力,推動模型壓縮與加速技術的革新,有效降低推理延遲,并在成本優化方面取得顯著突破。
關注我們
公眾號:china_tp
微信名稱:亞威資訊
顯示行業頂級新媒體
掃一掃即可關注我們