AI大模型将彻底改变智能汽车产业-2023.docx

《AI大模型将彻底改变智能汽车产业-2023.docx》由会员分享，可在线阅读，更多相关《AI大模型将彻底改变智能汽车产业-2023.docx（25页珍藏版）》请在第一文库网上搜索。

1、ChatGPT与Al大模型Al大模型在汽车业的应用 Al大模誓汽车产业链的影响ChatGPT f突然出现的爆款2022年11月，美国科技公司OPen Al发布ChatGPT ,因能很好地与人实现互动而迅速成为爆款产品：上线5天 用户过100万，2个月后用户就突破1亿，成为历史上用户数增长最快的消费者应用。ChatGPT可回复自然语言输入的问题各明星应用程序注册用户达1亿时间help m w tfort no o ErodUc nyf to fv nMr Hanw and I jfl HWBd m nvt door I wanted Io W E looking rwrd to 99ttg to

2、 IlnOW VoU and tfw neighborhood VaU ww need atvythrng Of jutf mvH to cML mm t door I wrM to tM * moment to rch out end m Ho I Iootting Iorwto 9emrtg to know you end Z w9hbo)ClTf tfwtafMmg I cen do to De 900d n*ghbor, or aw need WMhMg. P*mm do not he4tte to let m know 16 Mppv to b*p G rw V tt 1 cwSvc

3、fvv.(VburName)资料来源：。Pen Al公司，英伟达公司ChatGPT成功关键之一：大参数ChatGPT ( Chat Generative Pre-trained Transformer),是一种适用于自然语言交流的人工智能大模型，它 成功的关键之一，是。Pen AI使用了海量数据进行预训练。5年间，GPT的参数量已从亿级飙升至万亿级。据不完全统计，目前已发布 的国内大模型中：参数量超过10亿的有79个， 其中，参数量最高的达74 万亿。四代GPT参数量变化2022年7月15亿参数量GPT-418Qoo 亿参数量2023年3月资料来源：。Pen Al公司，新汽车研究所制图Chat

4、GPT成功关键之二：新模型ChatGPT取得成功的另一个关键，是使用了TranSformer模型。该模型采用自注意力（Se斤-attention ）机制，其 优点在于并行度高,可一次性处嘶有输入数据，使ChatGPT能对词语序列的概率分布进行建模,利用上下文 信息预测后续词语出现的概率分布。三种常见模型的特点对比循环神经网络模型（RNN）TranSfOnTler 模型卷积神经网络模型（CNN）CNN模型只能对标注过的物体进 行相似度的比对RNN模型无法进行并行计算，效 率严重受限。Tf模型可找到更泛华的相似规律, 或者说，它的联想能力更强。资料来源：动手学深度学习（李沐）Tf模型的另一个重要用

5、处：计算机视觉2020年，微软亚洲研究院首次将Tf模型应用于图像分类任务，在评测中实现88.55%的准确率。而且Tf模型在 数据量越大的情况下表现越好，特别适用于自动驾驶这类大规模数据训练场景。TranSfOrmer模型可将2D图像融合成3D视角T ransformer模型的工作原理Output资料来源：Attention Is All You Need、 Safety-Enhanced Autonomous Driving Using Interpretable Sensor Fusion Transformerl ChatGPT与AI大模型Al大模型在汽车业的应用Al大模型对汽车产业链的影

6、响动驾驶近年来一直未能进入L3时代自动驾驶是过去10年最火热的赛道，但直到2022年才有部分企业推出具备L3级功能的车型。究其原因，除法 规发展落后于产业发展外，很重要的一点在于自动驾驶系统积累的数据量还不够，存在安全隐患。SAE对自动驾驶的分级标准级别名称定义驾驶操作环境感知支援系统作用域0无自动化由驾驶者完全操控汽车驾驶者驾驶者驾驶者无1驾驶支援系统有时能够辅助驾驶者完成方向盘和加减速 等驾驶操作驾驶者与 系统部分 行驶任务2部分自动化 系统能够完成某项驾驶任务 驾驶者需要监控驾驶环境 其余驾驶操作由驾驶者完成驾驶者与 系统3条件自动化系统负责某些情况下环境感知驾驶员需要时刻准备取回驾驶控

7、制权系统系统4高度自动化 系统能够进行环境感知 驾驶员不需重新取得驾驶控制权 系统只能在特定环境条件下运行系统全部 行驶任务5完全自动化系统能够完成所有环境条件下的所有驾驶任务资料来源：SAEJ3016-2018为解决长尾问题，测试数据需达10亿 IOOO亿公里道路交通具有场景复杂、参与者多、场景异质性强等特点，存在大量不可预见性。为避免长尾问题，厂商需要对车辆自动驾驶系统进行大量测试，以确保尽可能多地覆盖场景，但也会带来成本的大幅增加。业界对L4级别自动驾驶所需测试数据的预估KPD公里/七 IOOOOUtOtIOOOIOO30L2*tMIOI0修干景小上辆股k2000t卜 /IO9测试场/敏

8、/评价城反1i10 亿+100*I000750oIOh10710*6-IOtIoS1 万一05IO4If/52JIO3100 5资料来源：广汽集团，案头研究jw2D0B2400亿100亿公里马斯克曾在推特点赞了这样的观点： 实现超越人类的自动驾驶能力至少 需要100亿公里驾驶数据。1000亿公里自动驾驶初创公司MOMENTA在其公众号上提出：要实现L4级驾驶，至少需要千亿公 里驾驶数据。我国2022年公里旅客运输周转量Al大模型将从根本上改变自动驾驶产业的发展人工智能大模型在汽车业的应用，首推它对自动驾驶的赋能，主要体现为城市导航辅助驾驶系统（城市NOA ） 的量产应用上。从2022年Q3起，

9、国内外智能汽车头部企业开始应用投放各自的城市NOA系统。智能汽车头部公司NOA系统发展概况早期技术积累阶段高速NoA功能落地，第一次体验提升城市NOA功能导入期，没有核心体验突破城市体聆大旭提升2018201920202021202220232024Q1 Q2 Q3 Q4 Q1Q2 Q3 Q4 Q1Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1Q2 Q3 Q4 H1H2Tesla in US高速NOA 城市NOA(beta) Model Y FSD V11.4Tesla inChina高速NOAModel 3城市NOA或进入Xpeng自动泊车G3全栈自研高速NGP VPA记忆停车城市NGP无图

10、城市NioH ES8自动泊车Li AutoLI ONEP7- XP3.0高速NOPEC6P5 - XP3.5GdXP40全栈自研ET7等全栈自研高速NOALlONE改款NOP PlusNoA通 勤模式城市NOPL987北京上海NOA通勤模式资料来源：中信证券要实现NOA对智能传感器硬件要求很高硬件配置方面，需要车辆使用满足L3级自动驾驶功能的智能化传感器，如摄像头、激光雷达、毫米波雷达等, 能实时感知各类路面情况；还需要车辆的自动驾驶芯片有足够高的算力，能在毫秒之内识别信息，并提出应 对策略。应用智能传感器是实现NOA的基础小鹏G9特斯拉Model 3无论是多传感器融合派厂商，还是视觉派厂商，

11、都大量使用智能化传感器，他们是实现NOA的必要条件。要实现NOA还需要高水平算法的支持厂商要搭建起高效的算法模型，开发的系统既要能精准识别并处理各传感器获得的数据，还要能有效应对模 型未考虑到的长尾问题。这大大增加了系统所需数据量，增加了开发难度。软件在NOA系统中起决定性作用特斯拉的NoA系统不仅能规划车辆行进路线等，还会实 时提供预警信息，并能主动停止可能导致危险发生的并线 等行为。小鹏汽车开发的城市NGP的代码量、感知模型数量、预 测/规划/控制相关代码量，分别是其高速NGP是6倍、4倍 和88倍。新架构下特斯拉自动驾驶软件的融合效果资料来源：特斯拉2021AI Day特斯拉率先在汽车业

12、应用Al大模型2021年，特斯拉在其Al Day上宣布将基于BEV+Tf架构开发其新版的完全自动驾驶系统（FSD）,并于当年开 始重新编写底层代码，成为在汽车业第一个使用Al大模型的主流厂商。上图：摄像头获得的车 辆左、中、右三方的感 知结果（即路况）。下图:BEV+Tf架构下， 特斯拉自动驾驶软件对 上图感知结果进行融合 后的效果。传统的自动驾驶算法是基于规则开发的传统算法将自动驾驶系统划分为感知、规划、控制等3大块，每个部分又可细分为不同的模块和子模块。每个 模块各司其职，有着独立且明确的目标。传统的自动驾驶算法框架O感知模块规划模块控制模块感知模块的作用主要有3点: 识别周边物体， 检测

13、交通信号， 明确物体坐标，规划模块的作用主要是根据车辆实 际行驶时面临的实时交通环境，生 成对应的行进规划，如跟车、加速、 换道、制动等。控制模块的作用是操纵车辆，协调 车辆的动力系统、制动系统等，按 照规划模块输入行进规划，实施驾 驶行为。基于数据的Al大模型将彻底改变自动驾驶算法的底层逻辑应用Al大模型后，自动驾驶算法的底层逻辑将变成场景T车辆控制的端到端模型，将感知、规划和控制 环节一体化，传感器采集到的信息直接输入神经网络，经过处理后直接输出自动驾驶的驾驶命令，不存在各 子模块目标与总系统目标存在偏差的情况，保证效益最大化。当前，端到端模型暂时只被用于感知系统。0资料来源：新汽车研究所绘制感知 模块控制 模块规划 模块端到端模型类别优点缺点模块化方案由众多子模块组成，每个对应 特定的任务和功能;可解释性强，每个独立模块负 责单独的子任务，便于问题回溯， 易于调试等。存在多个编解码环节，会 产生计算的冗余浪费，对算力 要求高，需要使