メルセデス・ベンツから自転車までを統合した大型モデルが、インテリジェントカーの次なる出口となるのか？

ここ半年で大型モデルの波が始まり、すべてが GPT になり得るため、BAT などの企業が独自の大型モデル製品をリリースしています。 「モデル」たちが踊り狂う。大小さまざまな記者会見が壇上に上がり、どの企業も想像力の余地がどれだけあるかを対外的に証明しようと全力を尽くしている。 7月に入ると、汎用の大型モデルはやや冷め、Ctripのホテル・観光特化の「Word」、NetEase Youdaoの教育特化の「Ziyue」、中医学の診断と治療に特化した大京 伝統的な中国医学には、「気黄道温」がたくさんあります。

この変更の理由は、一方では、異なる企業がそれぞれのビジネスの焦点を持っているため、彼らが作成する大型モデル製品は必然的にその影響を受けることは客観的な事実ですが、他方では、開発全体に影響を与えるためです。大型モデルの実用化も進み、その工業化も話題になり始めています。結局のところ、どんなに技術が進歩しても、手の届く製品として展開できなければ意味がありません。 6月中旬、メルセデス・ベンツはマイクロソフトと協力し、自社の車用音声制御システムにChatGPTを統合した世界初の自動車会社となり、その半月後には別の自転車会社もChatGPTを搭載すると発表した。 -大型車両モデルを開発。傍観者としては、SF の光が現実に入ってきたと感じながらも、もしかしたら大型モデルが本当に自動車の知性の次の出口となるのではないか、と人々は空想せずにはいられません。

＃＃１．大きな模型に乗り、シートベルトを締めてください

** 6 月 16 日、創業 100 年の自動車会社メルセデス ベンツとマイクロソフトは、両社が AI 分野での協力を拡大し、ChatGPT をメルセデス ベンツ車の音声制御システムに統合すると共同発表しました。 **このコラボレーションにより、車の所有者は Microsoft の Azure OpenAI サービスを通じて運転中に ChatGPT を体験できるようになります。テスト計画は16日から正式にスタートし、米国でMBUXインフォテインメントシステムを搭載したメルセデス・ベンツ計約90万台がテストに参加できる。

近年の科学技術の発展により、自動車は新しいタイプのスマート端末になりつつあります。大型モデルの登場後は、人とクルマ、クルマとの関係にも影響が出るのは必至だ。具体的には、この影響は主に次の 2 つの側面に反映されます: **1. 自動運転への影響。 2. スマートコックピットへの影響。 ** それについては別途話しましょう。

1. 大型モデルの自動運転への影響。 **大規模モデルは大量のデータを処理できると同時に、より正確で包括的なデータ分析と予測機能を提供できる多次元分析機能を備えています。大型モデルの最適化とアップグレードを継続することで、自動運転の精度と信頼性を向上させることができます。 **ChatGPT のような汎用的な大規模モデルは、パラメーターの数が一定のレベルに達し、十分な機能を備え始めて初めて世界中で普及します。具体的なアプリケーションレベルとしては、大型モデルが自動運転に与える影響はクラウドと車両エンドに細分化できる。 **クラウドでは、自動車会社は大規模モデルの本質的に大きなパラメータ容量を活用し、大規模モデルを通じてデータのラベル付けとマイニング作業のほとんどを完了し、コストを節約し、シミュレーション シナリオの助けを借りて権限を構築できます。車両側では、大規模なモデルを複数の補助サブモデルに再分割し、異なるサブタスクを担当することで、車両側の推論計算時間を節約し、運転の安全性を向上させることができます。 **さらに、クラウドから自動車までの知覚と意思決定の統合アルゴリズムは、自動運転アルゴリズムの最後のボトルネックであると考えられていますが、自動車が大規模モデルに接続された後に効果的に解決される可能性があります。自動運転のアルゴリズムのアップグレードはもはや手の届かないところにあるかもしれない。

2. スマートコックピットへの影響。前述のメルセデス・ベンツを例に挙げると、Microsoftは、オンボードのChatGPTは、一般的な音声コマンドやインタラクティブな対話を含む、より動的な対話をサポートできると述べ、対話の範囲には、位置情報、レシピ、さらにはより複雑な対話も含まれる可能性があると述べた。 . 問題を解決し、ドライバーの目が道路状況により集中できるようにします。その後、Microsoft と Mercedes-Benz は、ChatGPT のプラグイン エコシステムを調査し、サードパーティ サービスを統合する可能性を検討するために引き続き協力すると述べました。 **将来のドライバーは、車に搭載された大型モデル システムを通じてレストランや映画のチケットの予約などのタスクを完了することができ、運転体験を向上させながら利便性と生産性を向上させることができます。 **

さらに、大型モデルは自動車会社の研究開発手法やビジネスモデルにも新たな影響を与えるだろう。研究開発手法の観点から見ると、AI の効率的なラベリング機能は誰の目にも明らかです。以前は長時間かかっていたデータのラベリング作業が、今では数時間で完了します。研究開発の時間とコストが大幅に削減され、大規模なモデルでも、音声、ジェスチャー、ビジョンなどの豊富なデータは、自動車会社が全体的な研究開発効率をさらに向上させ、コストを削減し、効率を高めるのに役立ちます。 ビジネスモデルの観点から見ると、現在の大型モデルは概して雄弁ですが、車両システムに統合されると、人、車両、機械の関係は「雇用関係」から「伴走関係」に発展する可能性があります。また、ケイパビリティは人々の好みや習慣を徐々に理解し、新たな商品価値を導き出します。

＃＃２ 大型モデルと車は本当に相性が良いのでしょうか？

メルセデス・ベンツがマイクロソフトとの協力を発表した後、国内理想車も自社開発の大型モデルであるMindGPTをリリースし、百度の文新宜燕も紅旗、長安、吉利、蘭図、跳躍など多くの自動車会社と連携している。 ** したがって、大型モデル、自動車会社、自動車の組み合わせはますます一般的になることが予想されます。 ** 現在参加している自動車会社を見ると、大型モデルの開発の焦点と方向性についても各社独自の重点を置いているようです。機能的な観点からは、次の 2 つのタイプに分類できます: **1. スマート コックピット内のコミュニケーションおよび対話の分野で使用されます。 2. 自動運転などの知能化システムに利用される。 **前者は、前述のメルセデス・ベンツとマイクロソフトの提携に似ており、Alibaba AliOSスマートカーオペレーティングシステムがTongyi Qianwenに接続されており、運転性能は人間のドライバーに近いものであり、DriveGPT、生成可能な大規模システムです。インテリジェントでインテリジェントな自動運転のモデルであり、認知的意思決定の問題の解決に役立ち、最終的にはクラウドから自動車までの自動運転を実現します。このほか、万里の長城、奇瑞、NIO、小鵬も複数のGPT関連商標を登録・出願しており、大型モデルに関する結果も間もなく出てくるものと思われる。

ChatGPT の汎用大規模モデルと比較して、業界または垂直大規模モデルのトレーニングと使用のコストは低くなります。したがって、メルセデス・ベンツのような100年の歴史を持つ工場であれ、魏暁利のような新興国内企業であれ、マイクロソフトやBATのようなテクノロジー企業であれ、スマートカーが最初に着陸を実現するのではないかと考える人がますます増えています。大規模モデルの展開 B サイド シナリオ。しかし、両者の相互成功への道は想像したほど平坦ではありません。

**まず目に見えるのは、車両のハードウェア条件の限界であり、車載大型モデルの性能を十分に発揮することが困難になる可能性があります。 **現在、世界中のさまざまな大規模モデルに要求されるハードウェア構成は、高性能コンピューティング能力、大容量メモリ、低遅延など、一般的に高いハードウェア構成で動作します。 **たとえば、GPT-3.5 のパラメータ量は 1,750 億にも達し、それをサポートする演算能力は数兆 TOPS にも達します。演算を行うには、サポートするチップの演算能力が少なくとも 10,000 TOPS 必要です。大きなモデルのタスク。ただし、車両環境では、チップの計算能力はわずか数百 TOPS であることが多く、大規模モデルの計算に必要なしきい値にさえ到達できません。 **この傾向を受けて、車載コンピューティング電源インフラストラクチャをアップグレードするのが一般的な傾向であり、スマート コンピューティング センターは将来のスマート カーの標準構成になることもあります。たとえば、Tesla が構築した独立系クラウド コンピューティング センターである Dojo は、大規模モデルのトレーニングに合計約 14,000 個の Nvidia GPU を使用しています。

**第二に、データの処理、特に人気が高まっているマルチモーダル データの処理は小さな問題ではありません。 **自動運転には、専用の高精細カメラやGPS機器のほか、ライダー、ミリ波レーダー、超音波レーダーなどの多くのセンサーやデータが必要であり、これらの部品は感度が高いため、故障率と損傷率は非常に高いです。オートパイロット データはさまざまな座標系から取得され、それぞれに異なるトリガー タイムスタンプが付いています。さらに、自動運転には、交通標識や地面標示の学習と認識、交通や群衆の流れの動作と関連する応答モデルなど、大量のシーンデータも必要です。大規模なモデルとデータの管理には、インテリジェントな車両ネットワーキングの使用だけでなく、特殊なコンピューティング技術プラットフォーム、クラウド制御技術プラットフォーム、その他のインフラストラクチャ施設のサポートも必要です。相互協力するには、前提条件として大量のデータを収集する必要があります。自動車の垂直分野で。ここが他の車載システムと異なり、基本プラットフォームがバラバラに戦っていると、より深いレベルまで開発するのは確実に難しくなります。 **これらの要因が重なり、車載大型モデルの開発と訓練の敷居は非常に高くなりました。自動運転の技術的敷居はすでに非常に高く、大型車両モデルはさらにそれを超えています。 **

**最後に、現在の生成型 AI は情報取得において画期的な進歩を遂げていますが、その後の制御、意思決定、実行という点では自動車への導入にはまだ程遠いです。 **クラウドから車両への大規模モデルのトレーニングには、車両システムの大規模モデルに基づく新しいアルゴリズムの構築も必要であり、このプロセスには控えめに見積もっても 3 ～ 5 年、8 ～ 10 年、さらにはかかると見積もられています。より長いです。

＃＃３ 軽いけど光らず、静かな水が深く流れています。

**乗用車と大型モデルは、ともに強い技術的特性を持っており、両者を組み合わせることの最大の意義は、大型モデルの製造と消費の特性を強化すると同時に、相互に学び合うことにあると考えられる。自動車の電子的および技術的特性を強化します。 ** この観点からすると、大型モデルを自動車に搭載できるかどうかの本当の判断は、自動車会社自身の技術力にかかっており、それは将来の技術の頂点に立つことができるかどうかにも関係します。

公平を期して言えば、クルマと大型モデルの組み合わせには期待に値する。 **大型モデルの大きな意義の 1 つは、人間とコンピュータの相互作用とそれに関連するサービスのエコロジーを再定義することであり、車に乗った後、車載アプリケーション サービスのエコロジー消費の電子プロセスが加速され、これにより大幅な効果が得られます。自動車、車載システム、大型モデルなどの基盤となる製品の定義を変更します。 **この点に関して、ファーウェイの自動運転製品部門の元責任者である蘇清氏の言葉は鋭いと言えます。「伝統的な自動車メーカーにとって、自動車はベースであり、自動車アプリやその他の製品は、 」

**これは大型モデルの意味ですが、自動車の観点から見ると、コストの削減と効率の向上を意味します。 **従来の自動車会社の人件費は常に高止まりしており、自動運転アルゴリズムでさえ依然として手作業による作成とテストに大きく依存しています。大型モデルが統合されると、新しいインテリジェントなアルゴリズムを大型モデルで駆動できるようになりますが、このようなアルゴリズムを構築するには、自動車会社は優れたプラットフォームを作成し、大手モデル会社は優れた製品を作成する必要があります。例えば、自動車と大型モデルをつなぐコンピューティングプラットフォームは主にチップとクラウドを中心に構築されており、最大の課題はコスト削減と生産の標準化にあります。 **優れた大規模モデル製品があれば十分な売上があり、十分な売上があればエンドツーエンドのクローズドループデータを増やすことができ、質と量が保証されたデータを保有することで、高品質な大規模モデルの構築につながります。 -スケールモデル。 **高い計算能力を備えた基本的な AI チップを例に挙げると、Nvidia チップの現在の価格は数万から数万ですが、コストが高いことは言うまでもなく、外部供給に依存することは決して長くはありません。国内自動車会社向けのタームソリューション。

このように考えると、自動車会社が車載大型モデルの分野でさらに前進したいのであれば、コストを節約するために基盤となるチップの自己研究の努力を増やすか、アルゴリズムやシステムのブレークスルーを追求して、大規模なモデルをできるだけ早く最適にデプロイするパス。 **しかし、どの道も順風満帆とはいかない運命にある、それは目に見える花が咲き乱れる、しかし茨に満ちた道でもある。 **