Model skala besar yang terintegrasi dari Mercedes-Benz ke sepeda adalah outlet selanjutnya untuk mobil cerdas?

Sejak gelombang model skala besar dimulai dalam setengah tahun terakhir, dan semuanya bisa GPT, perusahaan seperti BAT telah merilis produk model skala besar mereka sendiri, tidak mengherankan jika ratusan "model" bertarung dan kelompok "model" menari dengan liar. Semua jenis konferensi pers dengan berbagai ukuran diadakan di atas panggung, dan semua perusahaan berusaha sebaik mungkin untuk membuktikan kepada dunia luar seberapa besar ruang untuk imajinasi mereka. Setelah memasuki bulan Juli, model skala besar tujuan umum sedikit mendingin, dan model skala besar khusus industri mulai muncul, seperti "Word" Ctrip yang didedikasikan untuk hotel dan pariwisata, "Ziyue" NetEase Youdao yang didedikasikan untuk pendidikan, dan Dajing didedikasikan untuk diagnosis dan pengobatan TCM Dalam pengobatan tradisional Tiongkok, "Qi Huang Dao Wen", ada banyak sekali.

Alasan untuk perubahan ini adalah bahwa di satu sisi, perusahaan yang berbeda memiliki fokus bisnis mereka sendiri, sehingga produk model berskala besar yang mereka buat pasti terpengaruh olehnya.Ini adalah fakta objektif; di sisi lain, dengan perkembangan keseluruhan model besar, Industrialisasinya juga mulai semakin banyak disebutkan. Lagi pula, jika itu tidak dapat digunakan sebagai produk dalam jangkauan, tidak peduli seberapa canggih teknologinya, itu tidak ada artinya. Pada pertengahan Juni, Mercedes-Benz bekerja sama dengan Microsoft dan menjadi perusahaan mobil pertama di dunia yang mengintegrasikan ChatGPT ke dalam sistem kontrol suara mobilnya sendiri Setengah bulan kemudian, perusahaan sepeda lain mengumumkan akan dilengkapi dengan ChatGPT. -mengembangkan model kendaraan besar. Sebagai pengamat, sambil merasakan cahaya fiksi ilmiah telah memasuki kenyataan, mau tidak mau membuat orang melamun, mungkinkah model besar ini benar-benar pelampiasan kecerdasan mobil berikutnya?

1. Dapatkan model besar dan kencangkan sabuk pengaman Anda

** Pada 16 Juni, perusahaan mobil berusia seabad Mercedes-Benz dan Microsoft bersama-sama mengumumkan bahwa kedua perusahaan memperluas kerja sama mereka di bidang AI dan mengintegrasikan ChatGPT ke dalam sistem kontrol suara mobil Mercedes-Benz. **Kolaborasi ini akan memungkinkan pemilik mobil untuk merasakan ChatGPT saat mengemudi melalui layanan Microsoft Azure OpenAI. Rencana pengujian secara resmi dimulai pada tanggal 16, dan total sekitar 900.000 Mercedes-Benz yang dilengkapi dengan sistem infotainment MBUX di Amerika Serikat dapat berpartisipasi dalam pengujian tersebut.

Perkembangan ilmu pengetahuan dan teknologi dalam beberapa tahun terakhir menunjukkan bahwa mobil menjadi terminal pintar tipe baru. Setelah munculnya model-model besar, hubungan antara orang dan kendaraan dan kendaraan pasti akan terpengaruh. Secara khusus, dampak ini terutama tercermin dalam dua aspek: **1. Dampak pada pengemudian otomatis. 2. Dampak pada kokpit pintar. ** Mari kita bicarakan secara terpisah.

1. Dampak model besar pada pengemudian otonom. **Model besar dapat menangani data dalam jumlah besar, dan pada saat yang sama memiliki kemampuan analisis multidimensi, yang dapat memberikan kemampuan analisis dan prediksi data yang lebih akurat dan komprehensif. Dengan mempertahankan optimalisasi dan peningkatan model besar, keakuratan dan keandalan pengendaraan otomatis dapat ditingkatkan. **Model besar tujuan umum seperti ChatGPT hanya dapat menjadi populer di seluruh dunia ketika jumlah parameter mencapai tingkat tertentu dan mulai memiliki kemampuan yang memadai. Adapun tingkat aplikasi spesifik, dampak model besar pada pengendaraan otonom dapat dibagi menjadi cloud dan ujung kendaraan. **Di cloud, perusahaan mobil dapat memanfaatkan kapasitas parameter besar yang melekat pada model besar, menyelesaikan sebagian besar pelabelan data dan pekerjaan penambangan melalui model besar, menghemat biaya, dan membangun pemberdayaan dengan bantuan skenario simulasi. Di sisi kendaraan, model besar dapat dibagi lagi menjadi beberapa sub-model anak perusahaan, yang bertanggung jawab untuk berbagai sub-tugas, menghemat waktu perhitungan inferensi di sisi kendaraan dan meningkatkan keselamatan berkendara. **Selain itu, algoritme persepsi dan pengambilan keputusan terintegrasi dari cloud ke ujung kendaraan sering dianggap sebagai hambatan terakhir dari algoritme mengemudi otonom. Mungkin dapat diselesaikan secara efektif setelah mobil terhubung ke model besar , dan peningkatan algoritme mengemudi otonom mungkin tidak lagi di luar jangkauan.

2. Dampak pada kokpit pintar. Mengambil Mercedes-Benz yang disebutkan di atas sebagai contoh, Microsoft mengatakan bahwa ChatGPT on-board dapat mendukung dialog yang lebih dinamis, termasuk perintah suara umum dan dialog interaktif Ruang lingkup dialog dapat mencakup informasi lokasi, resep, dan bahkan beberapa yang lebih kompleks. .masalah, memungkinkan mata pengemudi untuk lebih fokus pada kondisi jalan. Selanjutnya, Microsoft dan Mercedes-Benz juga menyatakan akan terus bekerja sama untuk mengeksplorasi ekosistem plug-in ChatGPT dan menjajaki kemungkinan untuk mengintegrasikan layanan pihak ketiga. **Pengemudi masa depan dapat menyelesaikan tugas seperti memesan restoran atau tiket bioskop melalui sistem model skala besar yang dipasang di kendaraan, meningkatkan kenyamanan dan produktivitas sekaligus meningkatkan pengalaman berkendara. **

Selain itu, model besar juga akan berdampak baru pada metode penelitian dan pengembangan serta model bisnis perusahaan mobil. Dalam hal metode penelitian dan pengembangan, kemampuan pelabelan AI yang efisien sudah jelas bagi semua orang. Tugas pelabelan data yang biasanya memakan waktu lama kini hanya membutuhkan waktu beberapa jam. Waktu dan biaya penelitian dan pengembangan sangat berkurang, dan model besar dapat menangani tugas multi-modal.Data yang kaya, seperti suara, gerakan, penglihatan, dll., dapat membantu perusahaan mobil untuk lebih meningkatkan efisiensi R&D secara keseluruhan, mengurangi biaya, dan meningkatkan efisiensi. Dalam hal model bisnis, model skala besar saat ini umumnya fasih. Setelah diintegrasikan ke dalam sistem kendaraan, hubungan antara manusia, kendaraan, dan mesin dapat berkembang dari "hubungan kerja" menjadi "hubungan pendamping ". Kemampuan juga akan secara bertahap memahami preferensi dan kebiasaan orang, dan kemudian memperoleh nilai komersial baru.

2. Apakah model besar dan mobilnya cocok dibuat di surga?

Setelah Mercedes-Benz mengumumkan kerjasamanya dengan Microsoft, mobil ideal domestik juga merilis MindGPT, model besar yang dikembangkan sendiri, dan Wenxin Yiyan dari Baidu juga telah terhubung ke banyak perusahaan mobil seperti Hongqi, Changan, Geely, Lantu, dan Leap. ** Oleh karena itu, diharapkan kombinasi model besar, perusahaan mobil, dan mobil akan menjadi semakin umum. ** Dilihat dari perusahaan mobil yang berpartisipasi saat ini, mereka juga memiliki penekanan sendiri pada fokus pengembangan dan arah model besar. Dari segi fungsional, dapat dibagi menjadi dua jenis: ** 1. Digunakan di bidang komunikasi dan dialog di kokpit pintar. 2. Digunakan dalam sistem cerdas seperti mengemudi otomatis. **Yang pertama seperti kerja sama antara Mercedes-Benz dan Microsoft yang disebutkan di atas, dan sistem operasi mobil pintar Alibaba AliOS yang terhubung ke Tongyi Qianwen; Performa berkendara mirip dengan pengemudi manusia, dan DriveGPT, skala besar generatif model mengemudi otonom yang cerdas dan cerdas, membantu memecahkan masalah pengambilan keputusan kognitif, dan akhirnya mewujudkan mengemudi otomatis dari cloud ke mobil. Selain itu, Tembok Besar, Chery, Weilai, dan Xiaopeng juga telah mendaftarkan dan mengajukan beberapa merek dagang terkait GPT. Diyakini bahwa akan ada hasil terkait model besar yang segera keluar.

Dibandingkan dengan model skala besar ChatGPT tujuan umum, biaya pelatihan dan penggunaan model skala besar industri atau vertikal lebih rendah. Oleh karena itu, apakah itu pabrik berusia seabad seperti Mercedes-Benz, kekuatan domestik baru seperti Wei Xiaoli, atau perusahaan teknologi seperti Microsoft atau BAT, semakin banyak orang berpikir bahwa ** mobil pintar mungkin yang pertama mewujudkan pendaratan model besar Skenario sisi-B yang diterapkan**. Namun, jalan menuju prestasi bersama antara keduanya tidak semulus yang dibayangkan.

**Pertama-tama, yang terlihat dengan mata telanjang adalah keterbatasan kondisi perangkat keras kendaraan, yang mungkin menyulitkan model besar yang dipasang di kendaraan untuk mengerahkan performa penuhnya. **Saat ini, konfigurasi perangkat keras yang dibutuhkan oleh berbagai model berskala besar di dunia umumnya tinggi, termasuk kemampuan komputasi berperforma tinggi, memori berkapasitas besar, dan latensi rendah. Model berjalan. **Misalnya, volume parameter GPT-3.5 setinggi 175 miliar, dan daya komputasi yang mendukungnya setinggi triliunan TOPS. Daya komputasi chip pendukung harus setidaknya 10.000 TOPS untuk menghasilkan komputasi tugas model besar. Namun, di lingkungan kendaraan, daya komputasi chip seringkali hanya beberapa ratus TOPS, yang bahkan tidak dapat mencapai ambang batas yang diperlukan untuk komputasi model skala besar. **Mengikuti tren ini, adalah tren umum untuk meningkatkan infrastruktur daya komputasi yang dipasang di kendaraan, dan pusat komputasi pintar bahkan akan menjadi konfigurasi standar untuk mobil pintar masa depan. Misalnya, Dojo, pusat komputasi awan independen yang dibangun oleh Tesla, menggunakan total sekitar 14.000 GPU Nvidia untuk melatih model besar.

**Kedua, pemrosesan data bukanlah masalah kecil, terutama data multi-modal yang semakin populer. **Pengemudian otomatis memerlukan banyak sensor dan data, termasuk lidar, radar gelombang milimeter, radar ultrasonik, dll., serta kamera definisi tinggi khusus, peralatan GPS, dll., dan karena komponen ini memiliki sensitivitas tinggi, maka tingkat kegagalan dan kerusakan sangat tinggi. Data autopilot berasal dari sistem koordinat yang berbeda, masing-masing dengan stempel waktu pemicu yang berbeda. Selain itu, mengemudi secara otonom juga memerlukan data pemandangan dalam jumlah besar, seperti pembelajaran dan pengenalan rambu lalu lintas dan marka jalan, perilaku dan model respons terkait lalu lintas dan arus keramaian, dll. Pengelolaan model dan data besar membutuhkan penggunaan jaringan kendaraan cerdas, serta mendukung platform teknologi komputasi khusus, platform teknologi kontrol cloud, dan fasilitas infrastruktur lainnya.Untuk bekerja sama, diperlukan pengumpulan data masif sebagai prasyarat, terutama dalam bidang vertikal mobil. . Ini berbeda dengan sistem dalam kendaraan lainnya, jika platform dasar bertarung secara mandiri, pasti akan menyulitkan mereka untuk berkembang ke level yang lebih dalam. **Superposisi dari faktor-faktor ini telah membuat ambang pengembangan dan pelatihan model besar yang dipasang di kendaraan menjadi sangat tinggi. Ambang teknis mengemudi otonom sudah sangat tinggi, dan model kendaraan skala besar bahkan lebih dari itu. **

**Akhirnya, meskipun AI generatif saat ini telah membuat terobosan dalam akuisisi informasi, AI masih jauh dari diterapkan pada mobil dalam hal kontrol, pengambilan keputusan, dan eksekusi selanjutnya. **Pelatihan model besar dari cloud ke kendaraan juga memerlukan pembuatan algoritme baru berdasarkan model besar di sistem kendaraan. Diperkirakan secara konservatif bahwa proses ini akan memakan waktu tiga hingga lima tahun, delapan hingga sepuluh tahun, atau bahkan lebih lama.

3. Ringan tapi tidak bersinar, air yang mengalir deras

**Mobil dan model besar sama-sama memiliki atribut teknologi yang kuat. Signifikansi terbesar dari kombinasi keduanya mungkin terletak pada saling belajar satu sama lain, yaitu untuk memperkuat atribut produksi dan konsumsi model besar, dan pada saat yang sama memperkuat atribut elektronik dan teknologi mobil. ** Dari sudut pandang ini, keputusan nyata apakah model besar dapat digunakan di dalam mobil bergantung pada kekuatan teknologi perusahaan mobil itu sendiri, yang bahkan terkait dengan apakah mereka dapat menduduki puncak tertinggi teknologi masa depan.

Sejujurnya, kombinasi mobil dan model besar patut dinantikan. **Salah satu arti penting dari model besar adalah untuk mendefinisikan kembali interaksi manusia-komputer dan ekologi layanan terkait. Setelah masuk ke mobil, ini akan mempercepat proses elektronik dari konsumsi ekologis layanan aplikasi dalam kendaraan, yang akan sangat ubah mobil, sistem dalam kendaraan, Definisi produk yang mendasarinya seperti model besar. **Dalam hal ini, perkataan Su Qing, mantan kepala departemen produk penggerak otonom Huawei, dapat dikatakan tajam: “Di mata produsen mobil tradisional, mobil adalah basis, dan Aplikasi mobil atau lainnya sistem mencoba menyematkan komputer atau AI di pangkalan ini. Kami Pandangannya berbeda, pangkalannya adalah komputer, dan mobil adalah perangkat periferal yang dikendalikan komputer. Ini adalah pandangan yang berbeda secara fundamental.

**Inilah arti dari model besar, tetapi dari sudut pandang mobil, ini berarti mengurangi biaya dan meningkatkan efisiensi. **Biaya orang di perusahaan mobil tradisional selalu tetap tinggi, dan bahkan algoritme mengemudi otonom sebagian besar masih bergantung pada penulisan dan pengujian manual. Setelah model besar terintegrasi, algoritme cerdas baru dapat digerakkan oleh model besar.Untuk membangun algoritme seperti itu, perusahaan mobil harus membuat platform yang bagus, dan perusahaan model besar harus membuat produk yang bagus. Misalnya, platform komputasi yang menghubungkan mobil dan model besar sebagian besar dibangun di sekitar chip dan cloud.Kesulitan terbesar terletak pada pengurangan biaya dan standarisasi produksi. **Dengan produk model skala besar yang bagus, akan ada penjualan yang cukup, dan penjualan yang cukup dapat meningkatkan data loop tertutup end-to-end. Memiliki data dengan kualitas dan kuantitas yang terjamin pada gilirannya dapat mengarah pada pembangunan besar berkualitas tinggi -model skala. **Mengambil semua chip AI dasar dengan daya komputasi tinggi sebagai contoh, harga chip Nvidia saat ini adalah puluhan ribu atau puluhan ribu. Belum lagi biayanya yang tinggi, mengandalkan pasokan eksternal sama sekali bukan waktu yang lama. solusi jangka untuk perusahaan mobil domestik.

Melihat seperti ini, jika perusahaan mobil ingin melangkah jauh di bidang model besar yang dipasang di kendaraan, mereka harus meningkatkan upaya mereka dalam penelitian mandiri pada chip yang mendasarinya untuk menghemat biaya, atau mencari terobosan dalam algoritme atau sistem untuk menemukan penyebaran terbaik model besar sesegera mungkin.path. **Tapi tidak peduli yang mana yang ditakdirkan untuk tidak berlayar mulus, ini adalah jalan yang penuh bunga, tetapi juga penuh duri yang terlihat dengan mata telanjang. **