AI大模型正在加速上车，全面赋能汽车行业

大模型在智能座舱和自动驾驶上的应用

目前已经有不少大模型在智能座舱和自动驾驶等方面的应用案例。大模型在智能座舱上扮演着至关重要的角色，其作用体现在多个方面：首先是提供自然、智能的对话体验，大模型通过对话生成技术，使座舱系统能够与驾驶员进行更有效的交流，提供更加自然、智能的对话体验。

这不仅可以降低驾驶员的驾驶风险，还能使驾驶员在行驶过程中随时获得所需信息。其次是驾驶员情感分析和状态监测，大模型能够分析驾驶员的语音、表情、行为等信息，理解驾驶员的情感状态和注意力水平。基于这些分析，智能座舱可以提供适当的情绪调节和驾驶员监护功能，从而提高驾驶安全性。

第三是预测和优化驾驶行为，通过大模型和机器学习技术，智能座舱可以预测驾驶员的行为和需求，并根据驾驶环境、路况等因素提供合适的驾驶建议和辅助控制。例如，通过分析驾驶员的驾驶习惯和车辆性能，智能座舱可以优化节油和安全驾驶策略。第四是个性化推荐与信息服务，基于大模型对用户画像的深入理解，智能座舱可以为乘客提供个性化推荐。例如，智能座舱可以根据乘客的喜好调整座椅、空调、音乐等设置，提高乘坐舒适度。还有语音识别与控制，大模型通过对海量训练数据的学习，提高了语音识别的准确率和实时性。在智能座舱中，基于大模型的语音识别技术可以实现对车辆控制与信息服务的无缝接入，使驾驶员在行驶过程中更加便捷地操作车辆。

大模型在自动驾驶上的作用则体现在：一是场景感知，大模型能够处理和分析巨量数据，从而精炼出有价值的信息，增强自动驾驶系统的感知精度。这些模型能够解读车辆四周的图像和视频资料，识别出路标、交通信号、其他车辆等关键元素，进而确保系统的定位精确性和路径规划能力。

二是路径规划与优化，大模型可以分析和学习不同道路网络的特征和交通状况，包括交通拥堵、道路条件等。这些模型用于实时路线规划和路径优化，确保自动驾驶车辆选择最佳路线并避开潜在的交通问题。

三是异常检测以及交通流量优化与调度：大模型可以对车辆运行过程中的异常情况进行检测和识别，并及时进行处理，从而保障行驶的安全性。大模型也可以分析和优化交通流量，提高交通效率和能源利用效率。通过收集大量的交通数据并应用大模型，可以实现交通信号灯控制的智能化、路口优化和车辆调度的精确和实时性。四是预测与决策支持，大模型可以运用机器学习和深度学习的方法，对不同的交通情景进行预测，并为自动驾驶车辆提供决策支持。例如，通过分析历史交通数据和实时传感器数据，大模型可以预测未来交通流量、道路状况等，以优化车辆的决策和行驶策略。

不少公司将汽车大模型推向市场

目前，已经有不少企业在推进大模型在汽车上的应用落地。如，吉利不久前展示了其自研的能够“自动控车避险”的AI数字底盘，也成为了行业首个具备“用AI架构造AI汽车”的全体系能力的车企。吉利自研的AI数字底盘，集中展示了自研动力底盘融合域控、线控转向、轮边电驱、智能驾驶以及AI大模型等多领域技术的跨域融合能力，具备了数字底盘最高维的智驾和主动安全能力。通过全球首创的AI大模型和数字底盘的完美融合，吉利汽车率先做到全球首个无人驾驶漂移。

吉利AI数字底盘反应速度仅需4毫秒，比人类的极限反应速度快了25倍，可实现极限反应下的“自动控车避险”，为用户提供“主动避险、永不失控”的安全守护。科大讯飞推出了“飞鱼情景智能座舱系统”，这是一项全栈自研的技术，它深度融合了大模型的概括、推理、上下文理解和复杂内容生成等能力，与行车、通信、娱乐等多种用车场景紧密集成，结合语音和视觉交互，可以为用户带来更自然、自由、智能的座舱体验。目前，科大讯飞星火大模型已经在奇瑞、广汽、长城等多家知名汽车企业的多款车型中得到应用，另外，星途星纪元ES、昊铂GT、魏牌蓝山等车型都配备了这一技术。

腾讯此前也发布了汽车行业大模型“全域智能”方案，这个方案主要涵盖了汽车研发、生产、营销、服务、企业协同办公等五大核心场景，通过引入云计算、AI、地图等核心技术，推动汽车产业实现“全域智能”。在模型能力方面，腾讯云汽车行业大模型在全链路自研的混元大模型基础上，加入海量汽车行业专业数据，进行预训练、汽车领域垂类任务精调和强化学习，在中文阅读理解、端到端问答、汽车行业相关任务等方面表现出色。在具体的应用方面，“全域智能”方案涵盖了多个领域。例如，在销售和营销领域，大模型可以基于过往的线上咨询，快速生成客户画像和标签、进行线索评级，还可以对一段时间的销售情况进行数据的智能分析。

在客服领域，大模型加持的智能客服助手可以辅助售后针对用车、维保的疑难问题提供更快速、专业的回答。在研发环节，腾讯云AI代码助手可以帮写代码、补代码、诊断和测试代码，实现“车企研发30%以上的代码自动生成，整体的人效能至少提升7%”。

可以看到，大模型正在全面赋能汽车行业，包括汽车设计、生产、销售，以及智能座舱的改进、自动驾驶系统能力的提升等各个方面。当然，大模型在加速上车的同时也面临一些挑战，如，硬件和计算资源需求高，这会增家汽车制造的成本，同时因为是比较新的技术，在成熟度和可靠性上也还有待提升，不过相信在产业链的努力下，各种问题都会得到解决。