智能車的「ChatGPT時刻」，還有多遠？

今天小編分享的科學經驗：智能車的「ChatGPT時刻」，還有多遠？，歡迎閲讀。

要説今年 " 科技春晚 "CES 上最吸引眼球的是什麼，智能車當屬其一。

畢竟大模型一上車，智能座艙都卷成醬嬸了：

讓車上的數字助手幫忙記錄約飯日程，Ta 能直接幫你把餐廳也給預定了。

△骁龍座艙平台效果展示

規劃路線這種事兒也變得充滿巧思，數字助手會根據你的習慣，主動問你：" 路上買杯咖啡不？"

△骁龍座艙平台效果展示

智能車上下遊廠商紛紛秀出肌肉，也難怪不少前線參展的胖友們感嘆：CES 能當車展逛了。

事實上，随着大模型落地應用的重點從雲側走向端側，不僅是手機廠商紛紛卷起端側大模型，大模型上車也已成為關注焦點之一：

智能車是現今最重要的智能移動終端之一，而大模型被認為是 AI 規模化應用的關鍵。

不止是基于大模型、生成式 AI 能力構建智能座艙，由特斯拉而引起熱議的端到端自動駕駛方案，背後也正代表着通過大模型串聯感知、預測、規劃所有模塊的全新技術趨勢。

也就是説，在大模型重構一切掀起的 " 模力時代 " 中，從智能座艙到自動駕駛，" 汽車機器人 " 的真正實現，正在全方位圍繞大模型展開。

那麼，問題來了——

智能車真的需要大模型嗎？

前文已經説到，大模型上車的兩種最受關注的趨勢，其一圍繞自動駕駛，其二聚焦智能座艙。

自動駕駛方面，随着 CVPR 2023 最佳論文頒給自動駕駛大模型，一種行業共識浮出水面：

端到端自動駕駛是行業的未來，而新的突破将以大模型技術為基礎。

△CVPR 2023 最佳論文

有别于傳統上更多基于規則的自動駕駛算法，端到端模型能夠直接基于傳感器輸入（如攝像頭數據），學習如何控制輸出，無需人為設計復雜的中間表示。

舉個例子，在端到端自動駕駛方案中，想要讓模型學會不闖紅燈，無需設計規則，只要多用高質量的交通信号燈視頻訓練它就行。

這也就意味着，端到端模型能夠更好地處理復雜的交通場景：相比于對手寫規則的依賴，此類模型可以針對實際場景進行推理，更能夠解決 corner case 帶來的應用落地問題。

量子位智庫在《2023 年度十大前沿科技趨勢報告》中指出，端到端自動駕駛技術以全部模塊神經網絡化為特征，對規則的依賴度低，具備智能湧現能力和跨場景應用潛力。

而在 CVPR 2023 最佳論文《Planning-oriented Autonomous Driving》中，研究人員通過實驗證明，骨幹網絡的增大能夠帶來感知分數的提升，這可能進一步改善模型的預測和規劃性能。

也就是説，更大的模型能夠提供更豐富的特征表示和更復雜的任務處理能力，能夠更好地支持自動駕駛場景中復雜的數據處理和決策制定。

如果説大模型驅動的自動駕駛還是探索進行時，生成式 AI 與智能座艙的結合，則已經更快一步有了具體落地案例。

在今年的 CES 上就可見一斑。

比如吉利銀河 E8，就已大模型上車，實現了車上的影音娛樂和 AI 互動的個性化：基于文生圖大模型，秒級生成私人定制款專屬桌面、精準推薦音樂還能基于音樂意境生成風格化桌面、AI 數字精靈具備 " 人設 " 更加拟人……

高通的骁龍數字底盤概念車，更直觀展現出了邊緣側生成式 AI 的高效用例。

比如儀表盤上出現了一個警示燈，不必研究用户手冊，直接向數字助手提問就能立刻得到答案。AI 甚至還能幫助你當場預約維修。

△youtube@HotHardware

關鍵是，部署在車端的大模型，即終端側 AI 的模式，在結合本地數據提供更加個性化的座艙服務的同時，能夠保護用户數據 " 足不出車 "。這既保障了用户的隐私安全，也緩解了雲端處理帶來的時延問題。

另外，對端側算力的充分利用也能大大緩解用户規模化增長給雲端算力帶來的成本壓力。

不難看出，對于自動駕駛領網域而言，大模型的技術浪潮，帶來了突破當前技術瓶頸的新路徑。因此也不乏業内人士給出這樣的判斷：真正要在通用場景下實現 L4、L5 級自動駕駛，大模型不可或缺。

值得關注的是，盡管雲側基礎大模型及其應用一年來進展飛速，但大模型上車，仍然存在不小的挑戰。

其一，是數據問題。相比于互聯網的海量數據，自動駕駛領網域本身數據量要小得多，并且對于訓練端到端模型而言，來自優秀人類駕駛員的高質量數據更為關鍵。

其二，是算力問題。無論是智能駕駛中的路況實時推理，還是智能座艙中的用户意圖理解和功能調度，都對端側算力有着更高的需求。

其三，還有安全性問題。這一方面涉及到端到端自動駕駛模型的可解釋性，另一方面，是端雲結合過程中，如何确保用户隐私數據不泄露的問題。

而從硬體的視角來看，這些問題，實際上都對車載芯片提出了更高的要求。

「模力時代」，智能車需要什麼樣的車芯？

如果説骁龍 8155（第三代旗艦級骁龍座艙平台）在過去幾年中已經成為座艙是否智能的事實衡量标準之一，那麼，在 CES" 車展 " 上頻頻出現的另一個關鍵詞，已經透露出 " 模力時代 " 智能車新的競逐方向——

骁龍 8295（第四代至尊級骁龍座艙平台）。

從國產造車新勢力，到奔馳寶馬，CES 上亮相的最新量產車上，骁龍 8295 已經成為新的标配。

△搭載骁龍數字底盤解決方案的寶馬 i7

在大模型上車的最新趨勢裏，車芯最新的進化方向是什麼樣的，不妨就以骁龍 8295 為例，具體拆解來看。

骁龍 8295 采用 5nm 工藝制程打造。算力方面，其 CPU 算力達到 230K DMIPS，是骁龍 8155 的 8 倍；GPU 則可實現每秒 2.9 萬億次單精度浮點運算（2.9TFLOPS）或每秒 5.8 萬次半精度浮點運算（5.8TFLOPS），相較于 8155，整體性能提升 2 倍，3D 渲染性能提升 3 倍，能同時帶動車内 11 塊螢幕，遠超市面上其他車機芯片。

更關鍵的是，骁龍 8295 搭載雙核 NPU，AI 算力從 8155 的 4TOPS 直接躍升至 30TOPS。