來(lái)源:智能汽車與智慧城市協(xié)同發(fā)展聯(lián)盟執(zhí)筆人:劉延
導(dǎo)讀
隨著以AI大模型為代表的生成式AI技術(shù)的快速發(fā)展,汽車正進(jìn)入AI化發(fā)展新階段。AI將通過(guò)持續(xù)學(xué)習(xí)和環(huán)境適應(yīng)推動(dòng)自動(dòng)駕駛和智能交互進(jìn)化,讓汽車從“擬人化”做到“有頭腦會(huì)思考”,為用戶提供更“好開(kāi)”和“好玩”的駕乘體驗(yàn)。促進(jìn)汽車與人工智能產(chǎn)業(yè)生態(tài)融合,拓展產(chǎn)業(yè)鏈、價(jià)值鏈,將成為我國(guó)汽車產(chǎn)業(yè)高質(zhì)量發(fā)展的又一戰(zhàn)略支點(diǎn)。
一、AI正成為汽車行業(yè)競(jìng)爭(zhēng)焦點(diǎn)
汽車行業(yè)競(jìng)爭(zhēng)正快速遷移,從電動(dòng)化、智能化轉(zhuǎn)向AI化。曾經(jīng)“一招鮮吃遍天,一款產(chǎn)品打天下”的競(jìng)爭(zhēng)模式已難以適應(yīng)如今快速迭代、瞬息萬(wàn)變的時(shí)代,行業(yè)呈現(xiàn)競(jìng)爭(zhēng)加速、技術(shù)和投資門檻升高的特點(diǎn)。從企業(yè)競(jìng)爭(zhēng)力遷移的階段來(lái)看,大致可分為以下三個(gè)階段:
第一階段:電動(dòng)汽車。過(guò)去十年汽車產(chǎn)業(yè)加速向電動(dòng)化遷移,行業(yè)主要關(guān)注充電補(bǔ)能效率及范圍、動(dòng)力電池創(chuàng)新及續(xù)航里程等方面。但隨著電動(dòng)化成為行業(yè)基本能力,且不再能夠決定產(chǎn)品的差異化水平,其邊際效益快速下降。
第二階段:智能汽車。由于智能化更有利于打造差異化,汽車行業(yè)競(jìng)爭(zhēng)正在向第二階段智能駕駛、智能座艙、智能底盤等智能功能為主的競(jìng)爭(zhēng)體系遷移。但由于車企在智能化領(lǐng)域積累不足,依靠車企很難實(shí)現(xiàn)跨度如此之大的硬遷移,更加需要依賴ICT、互聯(lián)網(wǎng)、消費(fèi)電子等科技公司的賦能。
第三階段:AI汽車。當(dāng)下,隨著汽車產(chǎn)業(yè)與人工智能深度融合,行業(yè)面臨一次新的代際升級(jí),競(jìng)爭(zhēng)要素又轉(zhuǎn)移到大模型、大算力、大數(shù)據(jù)等領(lǐng)域,行業(yè)正加速進(jìn)入第三階段以AI化為主的AI汽車新階段。在智能駕駛領(lǐng)域,特斯拉FSD引領(lǐng)的數(shù)據(jù)驅(qū)動(dòng)型端到端智能駕駛正在顛覆過(guò)去人工規(guī)則驅(qū)動(dòng)的傳統(tǒng)智能駕駛開(kāi)發(fā)范式;在智能座艙領(lǐng)域,大模型能使傳統(tǒng)語(yǔ)音交互升級(jí)到多模態(tài)交互,顯著提升用戶體驗(yàn),且能更好地實(shí)現(xiàn)個(gè)性化迎賓、美食推薦、VCR拍攝、AI導(dǎo)游、車控大師、AI律動(dòng)、多媒體搜索增強(qiáng)等“好玩”應(yīng)用。
二、AI驅(qū)動(dòng)算力、算法、數(shù)據(jù)成為競(jìng)爭(zhēng)新要素
在汽車AI化發(fā)展新階段,汽車的競(jìng)爭(zhēng)將從產(chǎn)品競(jìng)爭(zhēng)轉(zhuǎn)向產(chǎn)業(yè)鏈競(jìng)爭(zhēng),傳統(tǒng)汽車生態(tài)將拓展至以數(shù)據(jù)和服務(wù)為核心的新生態(tài),不僅需要模型、算力、數(shù)據(jù)等基礎(chǔ)底座支撐,也需要芯片制造商、云服務(wù)提供商、軟件算法開(kāi)發(fā)商等多方主體參與。
1. 數(shù)據(jù)為汽車AI化發(fā)展提供“燃料”
數(shù)據(jù)是汽車AI化發(fā)展的新生產(chǎn)要素。數(shù)據(jù)是AI模型學(xué)習(xí)和理解事物本質(zhì)的基礎(chǔ),也是汽車AI化發(fā)展的關(guān)鍵“養(yǎng)料”。智能駕駛應(yīng)用中,端到端技術(shù)路線,需要積累海量高質(zhì)量數(shù)據(jù),據(jù)特斯拉估算,保證智能駕駛端到端模型訓(xùn)練,需要至少100萬(wàn)條分布多樣、質(zhì)量高的視頻片段(clips),其目前已采集超過(guò)1000萬(wàn)個(gè)視頻片段,累積容量超過(guò)200PB。智能座艙應(yīng)用中,AI模型結(jié)合汽車使用數(shù)據(jù)訓(xùn)練與微調(diào),能體現(xiàn)用戶個(gè)性化訴求,為用戶提供“千人千面”的服務(wù)。
我國(guó)汽車數(shù)據(jù)產(chǎn)業(yè)生態(tài)已初具規(guī)模。目前,圍繞汽車數(shù)據(jù)已經(jīng)形成全新的產(chǎn)業(yè)鏈,包括生成、采集、存儲(chǔ)、加工、分析、服務(wù)、安全等多個(gè)環(huán)節(jié),參與方主要包括車企、行業(yè)機(jī)構(gòu)等,如長(zhǎng)安成立子公司安驛,將數(shù)據(jù)采集、加工環(huán)節(jié)標(biāo)準(zhǔn)化,使數(shù)據(jù)采集成本降低40%,綜合標(biāo)注成本下降35%。華為、愷望數(shù)據(jù)、螞蟻集團(tuán)、海天瑞聲等聚焦自身優(yōu)勢(shì),為車企提供不同類型數(shù)據(jù)閉環(huán)服務(wù)。數(shù)據(jù)存儲(chǔ)是底層基礎(chǔ)設(shè)施,為企業(yè)提供數(shù)據(jù)匯集、合規(guī)等服務(wù),主要包括公有云和私有云,代表企業(yè)包括騰訊云、華為云、百度云、火山引擎等。
2. 智能算力為汽車AI化發(fā)展提供動(dòng)力
智能算力是AI的硬件“引擎”。算力設(shè)施包括算力芯片、服務(wù)器及云端智算中心等,用以驅(qū)動(dòng)AI高效運(yùn)行。AI計(jì)算中數(shù)據(jù)處理量、參數(shù)量指數(shù)級(jí)提升,傳統(tǒng)計(jì)算方式以單核、高精度、高主頻的CPU為主,主要提供通用算力,無(wú)法滿足AI大模型訓(xùn)練對(duì)芯片低精度、高并行處理能力、大數(shù)據(jù)帶寬需求。以大規(guī)模眾核設(shè)計(jì)、配備高速緩存的GPU、NPU為主的智能算力芯片具有更高的能效比和并行處理速度,將成為汽車AI化階段的主要智力基礎(chǔ)設(shè)施之一。汽車AI化發(fā)展對(duì)車端與云端算力需求大幅增長(zhǎng)。車端來(lái)看,端到端智能駕駛與端側(cè)大模型對(duì)車端算力需求呈指數(shù)級(jí)提升。云端來(lái)看,據(jù)艾瑞咨詢統(tǒng)計(jì),2023年大模型與智能駕駛占據(jù)我國(guó)智能算力總需求超過(guò)70%,是智能算力的最大需求方。當(dāng)前各主流車企及新勢(shì)力車企均在積極布局智算中心的建設(shè),構(gòu)建自己的算力基礎(chǔ)設(shè)施。以特斯拉為例,其車端下一代智駕硬件AI5,算力將達(dá)HW 4.0的10倍以上。
3. AI模型算法是汽車AI化發(fā)展的“智能體”
AI驅(qū)動(dòng)下的智能駕駛讓車更“好開(kāi)”。當(dāng)前量產(chǎn)車型主要采用基于規(guī)則的智能駕駛方案,感知、決策和控制分為獨(dú)立的模塊,每個(gè)模塊分別負(fù)責(zé)不同任務(wù),但這種方式無(wú)法覆蓋所有特殊情況(Corner Case),系統(tǒng)的泛化性較差,駕駛能力上限較低。端到端技術(shù)將推動(dòng)高階智能駕駛跨越體驗(yàn)拐點(diǎn),該技術(shù)通過(guò)AI發(fā)掘海量數(shù)據(jù)中隱藏的行駛規(guī)則,讓機(jī)器擁有自主學(xué)習(xí)、思考和分析的能力,能加速突破邊緣場(chǎng)景難題,能夠覆蓋更廣泛的行車場(chǎng)景。因此,國(guó)內(nèi)外主流車企和智駕供應(yīng)商紛紛發(fā)力端到端方案。特斯拉最早于2023年8月在FSD v12 測(cè)試版(Beta版)中實(shí)現(xiàn),并在2024年上半年完成向美國(guó)全量FSD用戶推送;國(guó)內(nèi)企業(yè)小鵬、蔚來(lái)、理想、華為、長(zhǎng)城、商湯絕影、元戎啟行、地平線等積極跟進(jìn),先后推出了面向量產(chǎn)的端到端自動(dòng)駕駛解決方案和車型,將陸續(xù)于2024年下半年至2025年上市。
AI將提升智能座艙交互能力,讓汽車更“好玩”。當(dāng)前汽車座艙電氣化、智能化發(fā)展更多是硬件和功能的集成與堆疊,靠乘客主動(dòng)發(fā)起實(shí)現(xiàn)“被動(dòng)式交互”,未實(shí)現(xiàn)真正的個(gè)性化與智能化。AI大模型具有強(qiáng)大的數(shù)據(jù)生成與處理能力、多模態(tài)交互能力,通過(guò)融合語(yǔ)音、視覺(jué)、手勢(shì)等多種交互方式,形成主動(dòng)式互動(dòng)體驗(yàn)。如智能座艙能提供千人千面的語(yǔ)音識(shí)別、娛樂(lè)信息及駕駛輔助,并將功能向更個(gè)性化的環(huán)境控制、健康管理、娛樂(lè)信息與車輛狀況監(jiān)測(cè)等場(chǎng)景拓展,讓汽車成為會(huì)思考、懂用戶的AI汽車。目前車企大多從語(yǔ)音交互入手,利用AI大模型實(shí)現(xiàn)智能座艙更準(zhǔn)確、更強(qiáng)大、更豐富的語(yǔ)音助手能力,并逐漸通過(guò)AI大模型實(shí)現(xiàn)語(yǔ)義識(shí)別、多模態(tài)交互等功能。海外車企大眾、奔馳、寶馬、標(biāo)致雪鐵龍,以及國(guó)內(nèi)車企廣汽、比亞迪、長(zhǎng)城、長(zhǎng)安、吉利、理想、蔚來(lái)、小鵬等已先后宣布將在座艙中接入大模型。
三、我國(guó)AI汽車發(fā)展面臨的挑戰(zhàn)及建議
1. 面臨挑戰(zhàn)
智能算力供給不足,AI算法訓(xùn)練受限。2023年,中國(guó)智能算力需求約為124EFLOPS,但國(guó)內(nèi)供給僅為70EFLOPS,智能算力供應(yīng)面臨嚴(yán)峻挑戰(zhàn)。
一方面,國(guó)內(nèi)智能“成熟”算力難增長(zhǎng),現(xiàn)存算力利用不充分。英偉達(dá)GPU生態(tài)成熟是全球AI算力建設(shè)的首選,但受美國(guó)出口管制影響,我國(guó)難以獲得英偉達(dá)高性能GPU,只能使用存量芯片計(jì)算。而AI模型訓(xùn)練需要將先進(jìn)芯片集約化利用,馬斯克旗下x.AI的100EFlops,而我國(guó)企業(yè)傾向于建設(shè)私有化算力,如華為車BU(7.5E)、百度極越(5.5E)、長(zhǎng)城(1.64E)、蔚來(lái)(1.4E)、理想(5.39E)、小鵬(2.51E)等均遠(yuǎn)低于特斯拉。
另一方面,供給較充沛的算力“不成熟”,算力利用效率待提升。國(guó)內(nèi)智算芯片供應(yīng)商包括華為昇騰、寒武紀(jì)、海光、摩爾線程等,各家硬件架構(gòu)不一,軟件生態(tài)覆蓋、兼容算法尚不完善,導(dǎo)致算力基礎(chǔ)設(shè)施拓展困難,算力應(yīng)用效率偏低。因此,盡管我國(guó)算法與世界先進(jìn)水平僅有一年半左右差距,但基于AI的智能駕駛模型訓(xùn)練、AI大模型訓(xùn)練均受到較大限制。
數(shù)據(jù)“孤島效應(yīng)”明顯,尚未發(fā)揮應(yīng)有價(jià)值。
大規(guī)模、高質(zhì)量與廣覆蓋度的數(shù)據(jù)是AI模型的訓(xùn)練與調(diào)優(yōu)的關(guān)鍵養(yǎng)料,但我國(guó)數(shù)據(jù)要素確權(quán)、定價(jià)、交易、監(jiān)管等配套制度尚未成型,數(shù)據(jù)權(quán)責(zé)劃分不明、定價(jià)難等共性難題在一定程度上制約了汽車數(shù)據(jù)的流通與共享。同時(shí),不同車企采集數(shù)據(jù)還存在融合兼容性差、數(shù)據(jù)質(zhì)量參差不齊和傳輸標(biāo)準(zhǔn)不統(tǒng)一等問(wèn)題。以智能駕駛數(shù)據(jù)為例,截至2024年4月,特斯拉FSD累計(jì)行駛里程已達(dá)到12.5億英里(20億公里),與華為的2.2億公里、小鵬XNGP的0.7億公里相比具有較大優(yōu)勢(shì)。
車端基礎(chǔ)軟硬件體系仍不完備,AI新應(yīng)用“上車”慢。
目前汽車行業(yè)仍處于智能階段向AI階段過(guò)渡時(shí)期,軟硬件的協(xié)同與適配存在較大問(wèn)題,如英偉達(dá)、高通、地平線等不同企業(yè)AI算力上的芯片架構(gòu)不同,操作系統(tǒng)、中間件等基礎(chǔ)軟件對(duì)AI算力調(diào)用的適配不完善,不同車企不同型號(hào)的系統(tǒng)接口開(kāi)放性差異較大等。智能駕駛與智能座艙的AI技術(shù)在上車應(yīng)用中需匹配不同算力芯片、操作系統(tǒng)、車端系統(tǒng)接口,不僅增加了適配工作的難度,也提升了工程實(shí)施的復(fù)雜性。尚不完備的軟硬件體系進(jìn)一步阻礙了AI大模型技術(shù)的車端部署與應(yīng)用。
2. 發(fā)展建議鼓勵(lì)智算中心共建共享。與芯片供應(yīng)商共建“不成熟”算力,通過(guò)使用找出實(shí)際問(wèn)題,加速芯片與開(kāi)發(fā)工具之間的問(wèn)題修正與改進(jìn),讓“不成熟”算力變成熟。同時(shí),推動(dòng)“成熟”算力集中共享,建立跨行業(yè)、跨區(qū)域的智算資源共享平臺(tái),推動(dòng)汽車企業(yè)、科研機(jī)構(gòu)與智算中心之間的數(shù)據(jù)共享與算力協(xié)同,通過(guò)更高算力的智算中心加快基礎(chǔ)大模型迭代速度,提高資源利用效率。完善公共數(shù)據(jù)開(kāi)放與交易體系。制定汽車相關(guān)數(shù)據(jù)開(kāi)放共享的標(biāo)準(zhǔn)和規(guī)則,明確數(shù)據(jù)采集、存儲(chǔ)、使用、交易的法律邊界,保障數(shù)據(jù)安全和個(gè)人隱私的同時(shí),促進(jìn)公共數(shù)據(jù)資源的合理流動(dòng)和有效利用。建立統(tǒng)一的數(shù)據(jù)標(biāo)注體系,支持?jǐn)?shù)據(jù)標(biāo)注服務(wù)平臺(tái)的建設(shè),確保智能駕駛訓(xùn)練數(shù)據(jù)的準(zhǔn)確性和可靠性。建立國(guó)家級(jí)或區(qū)域級(jí)的汽車數(shù)據(jù)交易中心,為數(shù)據(jù)供需雙方提供安全可靠的交易平臺(tái),促進(jìn)數(shù)據(jù)要素市場(chǎng)的健康發(fā)展。加強(qiáng)軟硬件產(chǎn)業(yè)協(xié)同突破。鼓勵(lì)車企與芯片、算法廠商聯(lián)合定義,增強(qiáng)NPU、CPU架構(gòu)通用性設(shè)計(jì),開(kāi)放軟件接口,共同適配操作系統(tǒng)、中間件、工具鏈,降低不同AI模型算法復(fù)用難度,在最大程度發(fā)揮軟件算法的作用、提升芯片算力使用效率的同時(shí),降低車企開(kāi)發(fā)與使用成本。鼓勵(lì)基礎(chǔ)軟件廠商通過(guò)定制化中間件解決方案的方式,兼容異構(gòu)計(jì)算資源、推動(dòng)軟硬解耦,加速不同AI模型應(yīng)用部署,提供更好的可擴(kuò)展性和靈活性。
-
AI
+關(guān)注
關(guān)注
87文章
29347瀏覽量
267630 -
人工智能
+關(guān)注
關(guān)注
1789文章
46300瀏覽量
236463 -
汽車
+關(guān)注
關(guān)注
13文章
3330瀏覽量
37042
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論