一区二区三区播放_久久亚洲成人_色婷婷一区二区三区_国产在线精品区_91av国产在线_蜜桃视频网站www

隨著智能化和網(wǎng)聯(lián)化技術(shù)的快速發(fā)展，智能網(wǎng)聯(lián)汽車已成為新的競爭焦點。當(dāng)前，人工智能，特別是大模型技術(shù)引領(lǐng)的新一輪變革正在深刻影響各行各業(yè)，推動生產(chǎn)力和生產(chǎn)關(guān)系的革新。各大車企正積極把握AI大模型帶來的新機遇，競相布局智能化發(fā)展的下半場。在本次汽車智能座艙技術(shù)大會上，深圳市航盛電子股份有限公司產(chǎn)品專家廖緯德分享了車載AI技術(shù)的未來發(fā)展趨勢、如何讓大模型更好地服務(wù)于用戶，以及大模型三階段的上車路徑。

廖緯德表示，從感知到認(rèn)知，支撐AI快速發(fā)展的三大基座分別是算力、算法和數(shù)據(jù)。近年來，隨著算力架構(gòu)的迭代和數(shù)據(jù)的豐富，特別是2017年Transformer架構(gòu)的出現(xiàn)，催生了OpenAI的GPT大模型，從而推動了大語言模型、圖像模型、多模態(tài)感知模型等的快速發(fā)展。

智能網(wǎng)聯(lián)汽車的下半場是智能化的迅猛爆發(fā)。當(dāng)前，車載數(shù)字基座平臺的性能全面升級為汽車智能化帶來了新的可能性。而AI大模型的應(yīng)用，智能駕駛和智能座艙得以進(jìn)一步釋放其潛在能量，為駕駛者提供更加智能、便捷和舒適的體驗。智能座艙的L1級別能實現(xiàn)多模態(tài)感知，提供有限的智能交互；L2級別更像是一個伴駕助手，能夠提供推薦服務(wù)但無法獨立完成復(fù)雜決策；L3、L4級別將實現(xiàn)AI Agent，即智能體，能夠獨立完成決策和服務(wù)。目前來看，智能網(wǎng)聯(lián)汽車正處于人工智能時代的發(fā)展階段。

廖緯德介紹，當(dāng)前大模型主要在智能駕駛和智能座艙兩個方面得到了廣泛應(yīng)用。智能駕駛領(lǐng)域主要探索視覺模型和端到端自動駕駛，但面臨著安全性和實時性的挑戰(zhàn)。相比之下，智能座艙主要提供用戶服務(wù)和娛樂，即使大模型偶爾出現(xiàn)失誤，用戶也能接受。因此，大模型在智能座艙的應(yīng)用將更快且更全面。

要充分推進(jìn)大模型在座艙中的應(yīng)用，廖緯德指出需經(jīng)歷幾個關(guān)鍵階段。首先，需要具備基礎(chǔ)能力，即高性能的大模型本身；其次，需要配備模型精調(diào)工具和部署工具鏈；此外，還需要一套向量數(shù)據(jù)庫來提高模型的使用效率。在此基礎(chǔ)上，構(gòu)建知識圖譜、開發(fā)低代碼調(diào)用的APP以及車載應(yīng)用場景是關(guān)鍵步驟。整個過程中，從芯片供應(yīng)商到大模型廠商，再到車廠和Tier1供應(yīng)商的合作至關(guān)重要。

為了讓大模型更好地服務(wù)于用戶，需要降低使用門檻。一方面，要讓用戶能夠更自然地與大模型交互；另一方面，要讓大模型能夠?qū)崿F(xiàn)自主決策。在最近的人工智能峰會上，吳恩達(dá)教授深入分享了當(dāng)前AI Agent的幾種主流設(shè)計模式，包括記憶反思、工具調(diào)用、規(guī)劃布局以及多智能體協(xié)同等，為了開發(fā)多模態(tài)應(yīng)用，進(jìn)一步提升AI在新場景中的創(chuàng)新能力，還需要融入一個認(rèn)知設(shè)計模式。記憶反思能夠自我糾錯和迭代，規(guī)劃布局涉及任務(wù)拆解和多智能體協(xié)作，工具使用是利用工具大語言模型調(diào)用插件和網(wǎng)絡(luò)，擴(kuò)展了其能力。

多模態(tài)輸入結(jié)合大模型認(rèn)知能力也是關(guān)鍵技術(shù)之一。大語言模型因其數(shù)據(jù)泛化能力和持續(xù)迭代能力，可以顯著提升多模態(tài)認(rèn)知的能力，包括用戶畫像感知、車輛信息感知和外部環(huán)境信息感知的融合。例如，用戶可以告訴智能體今天是女兒的生日，希望為其創(chuàng)造驚喜，智能體可根據(jù)這一信息自動播放女兒喜愛的動畫片、音樂，并調(diào)整氛圍燈等。

針對大模型如何上車的問題，講師提出了三階段的發(fā)展路徑。第一階段是純云端介入，通過云端API提供服務(wù)，結(jié)合車端的小模型或傳感器數(shù)據(jù)進(jìn)行預(yù)處理和后處理，這是目前最普遍的方案。第二階段是車端專用大模型，結(jié)合專用車端小模型，既保護(hù)了用戶隱私，又提升了服務(wù)效率，但受限于當(dāng)前車端算力，要實現(xiàn)完整的功能閉環(huán)仍有難度。第三階段則是算力大幅提升后的大模型部署，將完整的大模型部署到車端，實現(xiàn)真正的自主服務(wù)。這一過程中，算力、能耗與生態(tài)兼容性是亟待解決的關(guān)鍵問題，同時贏得用戶信任也至關(guān)重要。然而，挑戰(zhàn)之中蘊藏機遇，模型上車將極大提升隱私保護(hù)能力，推動模型壓縮與加速技術(shù)的革新，有效降低推理延遲，并在成本優(yōu)化方面取得顯著突破。