近日，汽车电子与投融资发展高峰论坛在广州市成功召开，宏景智驾联合创始人兼软件算法负责人董健博士受邀出席此次论坛。

该论坛以“新形势下汽车智能化生态链联动新机遇”为主题，聚焦汽车电子生态链投资机遇，邀请政产学研用等全产业链同仁共聚一堂，共同探讨汽车智能化发展现状与趋势，引导资本理性持续投资，推动汽车电子产业持续健康发展。会议由汽车电子产业联盟投融资专委会主任委员、华登国际VC合伙人金伟华，中兴众创投资管理有限公司总经理闫足联合主持。

 

本届论坛的第三场圆桌讨论以“大模型将如何加速智能生态链及自动驾驶产业化落地？”为主题，宏景智驾董健博士参与了本场圆桌讨论，摩比斯中国战投部长王总博士和元禾厚望合伙人佘立斌主持论坛。参与圆桌讨论的还有吉利汽车研究院技术规划中心主任陈勇、光轮智能创始人兼CEO谢晨、万像科技创始人夏冰、中汽创智智能驾驶CTO张振林、出门问问AI车载部总经理胡海。

 

各位嘉宾从机遇及挑战的两个维度的观点阐述，让大家对GPT、人工智能在汽车行业的应用有了更进一步的认知。董健博士针对AI大模型与自动驾驶发展的相关话题表达了自己的观点。

 

 

 

 

 

 

董健博士：

 

先说一个小例子，发觉我们的工程师日常开发代码都会用GPT，可见这种影响已经逐渐渗透方方面面。回归正题，AI大模型目前来看，首先可以解决我们一个核心痛点：数据生产效率和生产降本。目前数据采集+标注，如果依赖人工标注平均10-20RMB/帧，成本很高。目前这块我们的实际落地应用主要在云端，通过大模型来做数据挖掘和4D真值自动化标注（整体往无监督或者自监督的方向走），尽可能少的减少人工标注，减少成本。另外我们也在和合作伙伴合作，通过大模型生成的合成数据替代部分真实数据来用于训练，进一步实现数据生产降本。

第二，长期看从根本上改变了开发重心：规则驱动转为数据驱动，相比规则驱动，长期来看，数据驱动能以更少的人力来实现更好的产出。通过基于Bev+Transformer的端到端（e2e）的自动驾驶大模型，通过蒸馏云端模型到车端SoC侧，会让自动驾驶感知/建图/决策/规控走入全数据驱动的形式。

（相关文章请查看：NVIDIA 助力宏景智驾加速自动驾驶 4D BEV 感知开发）

（宏景智驾BEV感知Demo）

 

 

 

 

董健博士：

 

 

从规则驱动转为数据驱动，对于人员能力和组织架构，基础设施都有不同的要求。

 

大模型训练需要的资源，由于中美地缘政治关系，诸如A100这些GPU训练资源非常紧张卡脖子。目前我们也在同步测试国产GPU芯片，但性能相比英伟达还是有一定差距。

 

体系和法规的不完善滞后：比如数据合规。不过这块需要兼顾发展增速开发效率和监管安全。这点需要辩证看待，既是挑战也是机遇：相比国外欧美，如果没有一定的灰色地带野蛮生长，国内不会那么蓬勃发展。

 

量产速度vs大模型落地周期，在产生GPT时刻之前，先得活下来，渐进式实现商业闭环。

 

 

相比欧美，国内新能源汽车发展快速，国内消费者更愿意尝鲜体验，只要能做出好的体验+成本控制，国内客户接受度更高。本身给各个上下游公司提供了更多机遇。

 

通过大模型，提升数据生产效率和开发效率，为企业直接带来经济效益。

 

现有的量产L2/L2+智能驾驶功能，其实都有很多空间可以去优化，宏景智驾尤其定位专注于“高频刚需”功能（比如自动泊车、高速NOP、AEB各种目前阶段无法处理的工况），通过大模型辅助这些功能的进一步性能优化和ODD扩展，实现渐进式商业闭环，逐步推向高阶功能。

 

 

 

 

 

董健博士：

往近的看，近期可以落地的应用：

 

舱驾泊一体高度集成，可以基于多模态（比如司机语音+传感器视频）信息输入和大模型来直接实现很多智驾功能；

围绕数据的公司，基于大模型的数据生产服务，也会有不少新的公司去做这个方向。

往远的看，潜力无限：汽车就是我们身边最触手可及的智能机器人，今天的很多新势力造车将来都有最终要做机器人的Roadmap，将来GPT上车一定也是可以预见的未来。