大模型加速智駕智艙變革， 2024百度云智大會智能汽車論壇成功召開

　　9月25日，由中國電動汽車百人會與百度智能云聯合主辦的“2024云智大會智能汽車論壇”在北京順利召開。

　　本論壇以“車云協同 智能躍遷”為主題，邀請來自行業、科技企業、車企專家，圍繞大模型在汽車產業中的應用，對于智能駕駛和人車交互體驗提升展開深入討論。

　　隨著汽車產業發展進入智能化下半場，端到端、AI大模型正在深度變革智能駕駛和智能座艙體驗，同時改變汽車產業的全鏈條，提升研發、生產和營銷效率。

　　在本次論壇中，各方嘉賓和專家探討了大模型、云計算在汽車產業中的支撐作用，在智能汽車領域的最新發展趨勢、技術應用和市場前景，為推動大模型重塑汽車產業格局，加速汽車智能化發展建言獻策。

　　“端到端”加速智駕落地，重塑產業格局

　　進入2024年，智能汽車高階智駕的競爭關鍵詞已經從“BEV”、“Transformer”來到了端到端，端到端技術的應用，加速了高階智駕使用區域的覆蓋，也改變了頭部玩家的競爭格局。高階智駕正在加速進入市場，在用戶購車決策中的權重也在快速提升。

　　圍繞端到端技術對智能駕駛發展格局的重塑，中國電動汽車百人會副秘書長師建華認為，相比于此前以規則為基礎的智能駕駛，更多依靠工程師編寫代碼，以有限人力解決無限長尾問題的方式，端到端基于數據驅動的模型迭代模式，讓技術的上限和迭代速度指數級提升，堪稱智駕領域“工業革命”。

中國電動汽車百人會副秘書長師建華

　　通過端到端技術的應用，百度、極越這樣的廠家可以將智駕版本迭代速度從以前的三個月縮短到一周，有望更快跨越高等級自動駕駛的安全性和體驗鴻溝，未來三年智駕技術進步的速度將遠超預期。

　　百度副總裁石清華表示，大模型上車和自動駕駛端到端是當下行業共同關注的兩個技術方向，成為自動駕駛技術發展的必然趨勢。百度在與眾多車廠合作伙伴實踐的過程中，發現行業已經將端到端列為必須達成的目標。2024年是大模型上車的元年，也是自動駕駛技術下半場的起點。但在下半場的競爭中，人才與技術的儲備、算力和數據的儲備都會對行業提出很大的挑戰。而百度所提出的“智慧的車 聰明的路”理念，以及發布的百度汽車云3.0產品，正是對數據管理、仿真、訓練、算力等多方面進行升級，為行業提供更強大、更高效的自動駕駛端到端技術方案。

百度副總裁石清華

　　師建華表示，技術變革帶來產業格局的變化，算力（燃料）、數據（原料）、模型（菜譜）、新型人才（廚師）成為新的基礎設施和要素。這些新的基礎設施與過往幾百人的工程師團隊相比，成本更高，投資更大。

　　這將使得企業的研發門檻大幅提升，產業的“馬太效應”更加顯著，當然也會促進更多企業參與探索產業合作新模式。

　　百度智能云汽車業務部總經理高果榮回顧了從2021年發布的汽車云1.0到此次發布會的3.0的迭代歷程。1.0平臺在經過眾多客戶的使用、驗證后，其AI數據標注平臺已經可以實現92%以上的標注準確率，降低50%的標注成本，同時通過云仿真平臺，可以快速實現模型驗證與上車。

　　去年發布的汽車云2.0，覆蓋了研發域工具鏈到量產域自動駕駛云服務，提供了百余城市的地圖覆蓋，千萬公里仿真場景，解決了量產長尾的很多難題。

　　汽車云3.0則圍繞端到端和車路協同，解決數據和算力的問題，通過百度百舸為行業提供更多、更高效的算力，同時打通車與路側數據的相關服務。

百度汽車云3.0產品

　　重慶長安科技有限責任公司高級架構師郝金隆表示，長安汽車2020年開始自研自動駕駛時，算法和規則工程師的人力投入是高于算力和數據投入的，但進入端到端時代，算力和數據成為最大投入，將遠高于人力的投入。人力需求的增長與數據、算力需求的增長將不是一個量級。

　　事實上，長安智算中心從2020年開始建設后，對于算力的需求增速遠超預期，如今已然比最早的規劃高了一個數量級。過程中還會遇到訓練穩定性、算力分配、資源利用率的挑戰。在這個過程中，百度百舸的技術穩定性，以及百度的技術經驗，幫助企業少走了很多彎路。

　　此外，隨著自動駕駛技術的發展，“車路云”中的“路”的價值也將得到進一步突顯。廣東省交通集團有限公司信息中心副主任楊源認為，路向車提供更為豐富的信息服務，將是行業的一個新命題。

　　智能網聯汽車的發展，為交通信息服務提供了新的機會與窗口，汽車需要路的信息提供服務，同時道路也可以得到汽車的信息反饋，同時交通要素在未來作為資產流通交易也將成為一個趨勢。在這個過程中，解決數據安全、合規問題，以及數據融合應用是核心挑戰。

　　通過與百度的合作探索，形成了通過建立行業數據空間，讓不同道路主題在獨立第三方進行安全、可信的數據流通，同時通過數據整合交互，打造交通安全預警等一系列交通服務數據產品，供給車企，最終為用戶提供服務的發展思路。展望未來，可以預期通過交通數據的要素化流通與交易，可以促進各方利益，讓出行者得到智慧出行體驗，讓車企得到差異化的數據服務，同時也反哺道路企業提升管理。

　　AI大模型上車，智能座艙升級智能空間

　　過去幾年，隨著更高算力芯片、更智能語音識別技術的應用，智能座艙產品的體驗已經實現了躍升，但市場的競爭大多仍停留在車機流暢度、語音識別速度與準確度、車機內置應用數量的比拼，人車交互的方式仍然相對機械、被動。

　　對于用戶而言，雖然可以感知到智能座艙的技術進步，但也很難對不同產品之間的能力差異、使用體驗做出清晰的感知，產品趨于同質化。

　　但師建華認為，大模型上車將改變人車交互方式，以智能體、助手的形式進行擬人對話，打通、調用車內功能，以更主動的方式為車主提供服務。從“堆配置、堆功能”真正向改變場景體驗轉變，智能座艙也將變革為AI汽車、智能空間。

　　百度IDG智艙業務部總經理李濤表示，截至今年智能座艙的滲透率已經超過70%，語音交互的使用頻率從5-7次/天增長到50-60次/天，但語音交互追求越多越好嗎？語音交互被高頻使用，一方面體現了用戶的強依賴，但也可能反映出當下的系統還不夠智能，每個動作的執行都需要用戶的主動激發。而知道用戶所想、所需，并且智能化地提供一套可執行的方案，將是接下來座艙演進的終極方向。

　　這需要系統知道用戶的喜好，了解用戶的上下文場景，組織任務執行的鏈路，生成相應的方案，而這恰好是大模型所擅長的四種能力。

　　由百度智能座艙升級而來的Apollo超級座艙，是具備全感融合、全局規劃和全域執行能力的智能體。全方位的感知能力，可以識別車內乘員，針對不同人員的個性化需求提供不同的場景服務。同時可以基于車輛的位置、天氣、地質條件等推薦合適的車輛模式和信息服務。而文心一言中的高擬真數字人智能體，可以從口型、面容、頭發、衣著等方面擬人化，在駕乘過程中提供全程的陪伴和服務。

　　大模型深入，研發制造實現效率躍升

　　在用戶感知最為直接的產品端智能化升級之外，AI大模型也在深刻影響著從供應鏈、生產到營銷的整個汽車產業鏈條，與汽車產業未來發展深度融合。對于涵蓋眾多領域，涉及深度專業垂直知識的汽車產業，通過AI大模型的應用，汽車企業的研發、物流、制造、銷售、售后服務環節都能得到效率的大幅提升，甚至改變原先的流程與模式。

　　百度智能云汽車業務部副總經理肖猛表示，汽車行業覆蓋面很深、很廣，涵蓋了不同領域的不同知識，目前在細分領域通過大模型的建立，已經可以幫助車企實現研發提效。比如“軟件定義汽車”的趨勢下，通過百度文心快碼大模型改變了代碼生成的方式，降低程序員學習、使用代碼的難度，提升效率。還有百度甄知知識管理平臺，可以將汽車行業所涉及的各領域內容，通過加工處理與搜索技術的結合，提升知識深度利用能力。

　　而在車企研發所遵循的嚴格流程中，各種文檔的合規流程帶來了巨大的成本開銷，同時降低了研發時效。利用大模型的數據治理和分析，可以幫助車企更好地推進研發流程，在不犧牲質量的基礎上，將新車研發周期大幅縮短。

　　肖猛還提到，在營銷和客戶服務領域，圍繞用戶信息的管理、服務，大模型也能夠降本增效。相比小模型對用戶反饋信息打標簽70%的準確率，大模型可以提升到85%以上，同時成本降低50%。百度在與寶馬的長期合作中，通過將系統升級為大模型能力，顯著提升了營銷效果。

　　廣汽研究院智能網聯中心大模型專業總師莊光庭則表示，大模型的應用落地除了模型的迭代之外，提高大模型時代原生AI應用的開發效率更為關鍵。廣汽研究院秉承開放共贏的理念，可以借助類似于百度百舸這樣的AI Infra平臺，搭建企業級的AgentOps高效開發大模型應用。通過便捷的工具鏈和編排中心快速搭建企業級Agent，能夠很好地賦能企業業務效率。

　　而在生產制造環節，其實從上世紀九十年代中后期開始，自動化與數字化工廠就逐漸起步，如今“黑燈工廠”、自動化信息管理已經屢見不鮮。但AI大模型的出現，會進一步幫助工廠提升效率，同時降低因工人經驗所帶來的效率、質量波動。

　　深圳聯友科技有限公司總經理助理唐有智提到，AI在智能制造領域的核心機制是數據的收集和處理，在生產調度、智能質檢、智能優化、智能維護和智能供應鏈領域提升和應用，以解決生產效率、生產成本和生產質量的問題。

　　他列舉了多項AI技術在生產中的應用。比如知識圖譜的使用，新能源汽車對傳統工人的經驗積累帶來的巨大挑戰，而通過AI知識圖譜，將生產數據和專家經驗數據文檔化，通過大數據指導現場工人做檢查，檢查結果又可以反饋完善知識圖譜。

　　再比如產銷協同，通過排產求解器處理汽車行業復雜的排產環境，對產銷30萬輛規模的參數做最優解僅需20分鐘即可計算完成，而傳統方式可能需要三天左右。

　　面對大模型、AI對于汽車產業的勝讀變革，師建華認為行業要關注新變化，用更開放包容、積極的態度適應新技術發展，并提出了五點建議：

　　第一是積極探索新的技術和產品；

　　第二要探索新要素、新基礎設施的建設方式，包括算力統籌、數據共享、模型共建、人才培養；

　　第三是探索新的產業協同方式，打破既有流水線式分工，探索更深度、更高效的協同方式；

　　第四是探索新的商業模式，培養用戶的付費習慣，打造明星產品；

　　第五是應對新的應用生態，發揮國內應用生態優勢，探索車載服務的新趨勢。