大模型加速智驾智舱变革， 2024百度云智大会智能汽车论坛成功召开

　　【ZiDongHua 之驾驶自动化收录关键词： 智能汽车 智能驾驶 智能座舱 汽车产业 百度云智大会】

　　

　　

　　9月25日，由中国电动汽车百人会与百度智能云联合主办的“2024云智大会智能汽车论坛”在北京顺利召开。

　　

　　本论坛以“车云协同 智能跃迁”为主题，邀请来自行业、科技企业、车企专家，围绕大模型在汽车产业中的应用，对于智能驾驶和人车交互体验提升展开深入讨论。

　　

　　随着汽车产业发展进入智能化下半场，端到端、AI大模型正在深度变革智能驾驶和智能座舱体验，同时改变汽车产业的全链条，提升研发、生产和营销效率。

　　

　　在本次论坛中，各方嘉宾和专家探讨了大模型、云计算在汽车产业中的支撑作用，在智能汽车领域的最新发展趋势、技术应用和市场前景，为推动大模型重塑汽车产业格局，加速汽车智能化发展建言献策。

 

　　

　　1ONE

　　

　　“端到端”加速智驾落地，重塑产业格局

　　

　　进入2024年，智能汽车高阶智驾的竞争关键词已经从“BEV”、“Transformer”来到了端到端，端到端技术的应用，加速了高阶智驾使用区域的覆盖，也改变了头部玩家的竞争格局。高阶智驾正在加速进入市场，在用户购车决策中的权重也在快速提升。

　　

　　围绕端到端技术对智能驾驶发展格局的重塑，中国电动汽车百人会副秘书长师建华认为，相比于此前以规则为基础的智能驾驶，更多依靠工程师编写代码，以有限人力解决无限长尾问题的方式，端到端基于数据驱动的模型迭代模式，让技术的上限和迭代速度指数级提升，堪称智驾领域“工业革命”。

 

　　

　　中国电动汽车百人会副秘书长师建华

　　

　　通过端到端技术的应用，百度、极越这样的厂家可以将智驾版本迭代速度从以前的三个月缩短到一周，有望更快跨越高等级自动驾驶的安全性和体验鸿沟，未来三年智驾技术进步的速度将远超预期。

　　

　　百度副总裁石清华表示，大模型上车和自动驾驶端到端是当下行业共同关注的两个技术方向，成为自动驾驶技术发展的必然趋势。百度在与众多车厂合作伙伴实践的过程中，发现行业已经将端到端列为必须达成的目标。2024年是大模型上车的元年，也是自动驾驶技术下半场的起点。但在下半场的竞争中，人才与技术的储备、算力和数据的储备都会对行业提出很大的挑战。而百度所提出的“智慧的车 聪明的路”理念，以及发布的百度汽车云3.0产品，正是对数据管理、仿真、训练、算力等多方面进行升级，为行业提供更强大、更高效的自动驾驶端到端技术方案。

 

　　

　　百度副总裁石清华

　　

　　师建华表示，技术变革带来产业格局的变化，算力（燃料）、数据（原料）、模型（菜谱）、新型人才（厨师）成为新的基础设施和要素。这些新的基础设施与过往几百人的工程师团队相比，成本更高，投资更大。

　　

　　这将使得企业的研发门槛大幅提升，产业的“马太效应”更加显著，当然也会促进更多企业参与探索产业合作新模式。

　　

　　百度智能云汽车业务部总经理高果荣回顾了从2021年发布的汽车云1.0到此次发布会的3.0的迭代历程。1.0平台在经过众多客户的使用、验证后，其AI数据标注平台已经可以实现92%以上的标注准确率，降低50%的标注成本，同时通过云仿真平台，可以快速实现模型验证与上车。

　　

　　去年发布的汽车云2.0，覆盖了研发域工具链到量产域自动驾驶云服务，提供了百余城市的地图覆盖，千万公里仿真场景，解决了量产长尾的很多难题。

　　

　　汽车云3.0则围绕端到端和车路协同，解决数据和算力的问题，通过百度百舸为行业提供更多、更高效的算力，同时打通车与路侧数据的相关服务。

　　

　　百度汽车云3.0产品

　　

　　重庆长安科技有限责任公司高级架构师郝金隆表示，长安汽车2020年开始自研自动驾驶时，算法和规则工程师的人力投入是高于算力和数据投入的，但进入端到端时代，算力和数据成为最大投入，将远高于人力的投入。人力需求的增长与数据、算力需求的增长将不是一个量级。

　　

　　事实上，长安智算中心从2020年开始建设后，对于算力的需求增速远超预期，如今已然比最早的规划高了一个数量级。过程中还会遇到训练稳定性、算力分配、资源利用率的挑战。在这个过程中，百度百舸的技术稳定性，以及百度的技术经验，帮助企业少走了很多弯路。

　　

　　此外，随着自动驾驶技术的发展，“车路云”中的“路”的价值也将得到进一步突显。广东省交通集团有限公司信息中心副主任杨源认为，路向车提供更为丰富的信息服务，将是行业的一个新命题。

　　

　　智能网联汽车的发展，为交通信息服务提供了新的机会与窗口，汽车需要路的信息提供服务，同时道路也可以得到汽车的信息反馈，同时交通要素在未来作为资产流通交易也将成为一个趋势。在这个过程中，解决数据安全、合规问题，以及数据融合应用是核心挑战。

　　

　　通过与百度的合作探索，形成了通过建立行业数据空间，让不同道路主题在独立第三方进行安全、可信的数据流通，同时通过数据整合交互，打造交通安全预警等一系列交通服务数据产品，供给车企，最终为用户提供服务的发展思路。展望未来，可以预期通过交通数据的要素化流通与交易，可以促进各方利益，让出行者得到智慧出行体验，让车企得到差异化的数据服务，同时也反哺道路企业提升管理。

　　

　　2TWO

　　

　　AI大模型上车，智能座舱升级智能空间

　　

　　过去几年，随着更高算力芯片、更智能语音识别技术的应用，智能座舱产品的体验已经实现了跃升，但市场的竞争大多仍停留在车机流畅度、语音识别速度与准确度、车机内置应用数量的比拼，人车交互的方式仍然相对机械、被动。

　　

　　对于用户而言，虽然可以感知到智能座舱的技术进步，但也很难对不同产品之间的能力差异、使用体验做出清晰的感知，产品趋于同质化。

　　

　　但师建华认为，大模型上车将改变人车交互方式，以智能体、助手的形式进行拟人对话，打通、调用车内功能，以更主动的方式为车主提供服务。从“堆配置、堆功能”真正向改变场景体验转变，智能座舱也将变革为AI汽车、智能空间。

　　

　　百度IDG智舱业务部总经理李涛表示，截至今年智能座舱的渗透率已经超过70%，语音交互的使用频率从5-7次/天增长到50-60次/天，但语音交互追求越多越好吗？语音交互被高频使用，一方面体现了用户的强依赖，但也可能反映出当下的系统还不够智能，每个动作的执行都需要用户的主动激发。而知道用户所想、所需，并且智能化地提供一套可执行的方案，将是接下来座舱演进的终极方向。

　　

　　这需要系统知道用户的喜好，了解用户的上下文场景，组织任务执行的链路，生成相应的方案，而这恰好是大模型所擅长的四种能力。

　　

　　由百度智能座舱升级而来的Apollo超级座舱，是具备全感融合、全局规划和全域执行能力的智能体。全方位的感知能力，可以识别车内乘员，针对不同人员的个性化需求提供不同的场景服务。同时可以基于车辆的位置、天气、地质条件等推荐合适的车辆模式和信息服务。而文心一言中的高拟真数字人智能体，可以从口型、面容、头发、衣着等方面拟人化，在驾乘过程中提供全程的陪伴和服务。

　　

　　3THREE

　　

　　大模型深入，研发制造实现效率跃升

　　

　　在用户感知最为直接的产品端智能化升级之外，AI大模型也在深刻影响着从供应链、生产到营销的整个汽车产业链条，与汽车产业未来发展深度融合。对于涵盖众多领域，涉及深度专业垂直知识的汽车产业，通过AI大模型的应用，汽车企业的研发、物流、制造、销售、售后服务环节都能得到效率的大幅提升，甚至改变原先的流程与模式。

　　

　　百度智能云汽车业务部副总经理肖猛表示，汽车行业覆盖面很深、很广，涵盖了不同领域的不同知识，目前在细分领域通过大模型的建立，已经可以帮助车企实现研发提效。比如“软件定义汽车”的趋势下，通过百度文心快码大模型改变了代码生成的方式，降低程序员学习、使用代码的难度，提升效率。还有百度甄知知识管理平台，可以将汽车行业所涉及的各领域内容，通过加工处理与搜索技术的结合，提升知识深度利用能力。

　　

　　而在车企研发所遵循的严格流程中，各种文档的合规流程带来了巨大的成本开销，同时降低了研发时效。利用大模型的数据治理和分析，可以帮助车企更好地推进研发流程，在不牺牲质量的基础上，将新车研发周期大幅缩短。

　　

　　肖猛还提到，在营销和客户服务领域，围绕用户信息的管理、服务，大模型也能够降本增效。相比小模型对用户反馈信息打标签70%的准确率，大模型可以提升到85%以上，同时成本降低50%。百度在与宝马的长期合作中，通过将系统升级为大模型能力，显著提升了营销效果。

　　

　　广汽研究院智能网联中心大模型专业总师庄光庭则表示，大模型的应用落地除了模型的迭代之外，提高大模型时代原生AI应用的开发效率更为关键。广汽研究院秉承开放共赢的理念，可以借助类似于百度百舸这样的AI Infra平台，搭建企业级的AgentOps高效开发大模型应用。通过便捷的工具链和编排中心快速搭建企业级Agent，能够很好地赋能企业业务效率。

　　

　　而在生产制造环节，其实从上世纪九十年代中后期开始，自动化与数字化工厂就逐渐起步，如今“黑灯工厂”、自动化信息管理已经屡见不鲜。但AI大模型的出现，会进一步帮助工厂提升效率，同时降低因工人经验所带来的效率、质量波动。

　　

　　深圳联友科技有限公司总经理助理唐有智提到，AI在智能制造领域的核心机制是数据的收集和处理，在生产调度、智能质检、智能优化、智能维护和智能供应链领域提升和应用，以解决生产效率、生产成本和生产质量的问题。

　　

　　他列举了多项AI技术在生产中的应用。比如知识图谱的使用，新能源汽车对传统工人的经验积累带来的巨大挑战，而通过AI知识图谱，将生产数据和专家经验数据文档化，通过大数据指导现场工人做检查，检查结果又可以反馈完善知识图谱。

　　

　　再比如产销协同，通过排产求解器处理汽车行业复杂的排产环境，对产销30万辆规模的参数做最优解仅需20分钟即可计算完成，而传统方式可能需要三天左右。

　　

　　面对大模型、AI对于汽车产业的胜读变革，师建华认为行业要关注新变化，用更开放包容、积极的态度适应新技术发展，并提出了五点建议：

　　

　　第一是积极探索新的技术和产品；

　　

　　第二要探索新要素、新基础设施的建设方式，包括算力统筹、数据共享、模型共建、人才培养；

　　

　　第三是探索新的产业协同方式，打破既有流水线式分工，探索更深度、更高效的协同方式；

　　

　　第四是探索新的商业模式，培养用户的付费习惯，打造明星产品；

　　

　　第五是应对新的应用生态，发挥国内应用生态优势，探索车载服务的新趋势。