生成式人工智能對汽車產業的影響

關鍵詞：生成式人工智能（GAI）；汽車產業；大模型

0 前言

隨著社會層面數據量的指數級增長和計算機運算算力的快速提升，生成式人工智能（GAI）技術不斷涌現［1］。2022 年，ChatGPT 的出現將自然語言的理解與生成能力推向新的高度，并展現出跨學科、跨領域的通用性。這被認為是人工智能技術的新突破，標志著人工智能正式進入大模型時代［2］，新一輪科技革命和產業變革發展深入。在全球汽車產業電動化、智能化發展趨勢下，汽車產業因其具有龐大的數據量、復雜的數據結構、豐富的數據類別及多樣化的應用場景，成為GAI 技術場景開發的熱點領域。這種融合發展正在重塑未來汽車產業的形態，引領汽車產業向更高層次、更廣闊領域發展。

1 概述

GAI是人工智能技術的一個分支，能夠根據自然語言對話提示詞自動生成響應內容［3］。大模型是指具有海量模型參數，在大規模數據上進行訓練，并通過自監督學習范式獲取通用的數據表示的模型，可以適應廣泛的下游任務［1］。根據訓練數據和輸出的模態不同，大模型主要分為語言大模型、視覺大模型和多模態大模型［2］。在GAI 領域，大模型的應用尤其突出，其特點主要包括：① 規模大，參數數量達到百億級別，訓練數據集大小達到太字節量級；② 技術強，具備強大的情景學習、思維鏈推理和多輪對話等能力，能將復雜問題分解為簡單問題，并進行推理和解決，具備自身泛化學習能力；③ 涌現性，即在執行下游任務時，能展現出訓練階段未顯現的能力，如GPT-3 僅需提供提示，就能完成文本生成、段落總結等未經訓練的任務［4］；④ 靈活性，能理解與掌握訓練數據，而非僅針對特定下游任務［5］。

2大模型在汽車領域的應用

2. 1應用現狀

當前，大模型的應用主要集中在車輛配置功能開發上，主要目標是吸引消費者的目光，提升產品賣點，并強化產品定位。自動駕駛和智能座艙等領域是大模型應用的初步探索方向。

在自動駕駛領域，特斯拉已率先將大模型引入自動駕駛中。特斯拉公開的GAI 自動駕駛系統（FSD）V12 版本是首個完全依賴車載攝像頭和神經網絡來識別道路和交通情況，并作出相應決策的端到端人工智能自動駕駛系統［6］。同時，毫末智行也發布了行業首個自動駕駛生成式大模型DriveGPT，可以實現城市智慧領航功能、智能陪練、場景脫困等功能。此外，為應對長尾問題，科技、汽車企業正積極提升數據挖掘、自動標注、復雜場景仿真等能力。

在智能座艙方面，語音交互是大模型主要的開發場景，目前逐步向感知交互擴展。極越01 是全球首個大模型上車的智能汽車，可以實現最接近人與人交流的整車功能控制；商湯科技開發了“絕影”智能座艙大模型產品體系，具備先進的多傳感器融合感知能力。

2. 2 應用趨勢

未來汽車是一個高度復雜、靈活移動的智能網聯終端，將成為大數據采集、中轉和處理的重要節點。智能產品與智能制造的相互協同使汽車產品能夠利用智能制造體系的數據解決各種現實和潛在的問題。大模型在汽車領域的應用價值與大模型本身的技術特點高度匹配，為實現汽車全生命周期的賦能提供可能。

在產品設計階段，大模型能縮短并優化訴求、需求、功能到產品的設計周期。一方面，大模型整合了用戶端、網絡端、產品端的海量數據，實現了更加精準的功能需求與產品市場預測，提供了更加細致的用戶畫像，可快速完成各類產品人群的圈選與分層。另一方面，基于車輛設計參數、材料屬性、安全要求、環境數據、用戶運行等數據，大模型能夠幫助提高產品結構設計質量與效率，提供新穎的設計元素和生成多樣化的設計方案。

在產品開發階段，大模型憑借其強大的數據處理能力，可將產品潛在的開發風險降至最低。隨著車輛使用環境和用戶功能等日趨復雜，其面臨的問題也層出不窮，因此要求產品開發人員具備更高的綜合性解決能力。大模型能夠有效整合用戶端、測試端及產品端產生的數據，對汽車系統中復雜的關系與潛在故障進行全面模擬和評估。

在智能檢測階段，大模型顯著提升了產品測試的效率。隨著汽車測試設備與性能測試要求的不斷升級，大模型能夠快速自動化標注特征數據，識別異常行為，并生成合成數據模擬各種場景，從而增加測試用例，提高模型的泛化能力，并實現云端仿真測評；同時，還能識別當前算法的缺陷，評估原有算法的準確性、魯棒性和安全性，提供更可靠的評估結果。此外，大模型的自然語言處理和生成能力使其能夠進行自動對比分析、生成測試報告。

在智能制造階段，大模型可為產品生產全過程優化提供強大支持。在生產準備階段，大模型基于工藝過程、設備運行監測信息、供應鏈物流等數據，模擬不同工藝參數和流程，優化生產計劃、生產線布局和資源調度方案，并識別生產設備的潛在故障風險。在生產過程中，大模型實時采集供應鏈、生產設備、工序完成節點、效率等數據，實現產品生產與供應的可視化、質量控制、缺陷預防、進度監控與優化。在生產后期，大模型能追溯產品設備故障、質量缺陷的原因，并提出改進建議。

在產品銷售階段，大模型可通過深入挖掘用戶消費習慣和需求，實現精準化營銷。同時，大模型能預測市場趨勢，及時調整市場投放策略；根據用戶的財務狀況、信用記錄、歷史用車記錄等，推薦符合客戶的信貸品類、保險保費管理等金融解決方案。此外，大模型還能實時監測網絡評價、點擊量等輿情情況，生成輿情處理應對方案。

在產品使用階段，大模型可加速自動駕駛的標準落地，增強人機交互體驗和創新服務生態，可實現多場景的虛擬仿真、大規模訓練及測試，使車輛能夠準確識別交通標志、行人、車輛等周邊環境，從而加速自動駕駛技術的規模化、可靠化。大模型將賦予汽車更強大的溝通和理解能力，實現開放場景和自然交互的全新人機交互體驗，通過在線下載技術（OTA）提供更加個性化的升級服務。大模型能實時監測車輛運行與駕駛員狀態，實現車輛異常狀態的自動報警；此外，還能實現汽車與家居、汽車與辦公等跨領域服務。

在智能售后階段，大模型可推動賠付和維修的自動化、數字化全面升級。大模型可根據駕駛員的駕駛習慣、駕駛技術、車輛信息和周圍環境等數據，輔助進行車輛定損、保險賠付等服務，并為保險公司實行差異化保險費率提供數據支撐，促進云賠付等方式的推廣應用。同時，大模型還能實現智能故障識別及破損診斷，模擬維修過程。

在產品報廢階段，大模型可催生汽車產品回收再利用的新業態，通過分析整車及部件性能使用情況，預測車輛壽命、報廢時間及匹配的報廢方案。同時，還能夠實現信息交流、數據分析、流向監控等信息化服務，優化回收網點布局，促進供需快速匹配和再生資源回收體系的建設。

大模型與應用場景的不斷結合和迭代，將衍生出更多的應用市場需求，推動數據采集、算力優化、軟硬件等基礎設施的優化升級。在此背景下，云端算力將成為行業競爭的焦點，感知系統和場景復雜度將驅動車端算力不斷升級，促進路側設備、智能網聯系統與車輛的深度融合發展，通信網絡將進入高速發展階段。

3 催生汽車產業新業態

汽車產業向電動化、智能化轉型的核心在于培育新動能、開拓新業態、塑造新模式，其中大模型的推動作用至關重要。

在培育新動能方面，掌握核心科技、探索新的應用領域將成為汽車行業大模型發展的核心競爭力。盡管目前大模型產品數量正處于快速增長階段，但當產品數量達到一定程度后會趨于穩定［7］。如果面向汽車行業的大模型技術不能打破行業壁壘，產品不能有效落地，將面臨被淘汰的風險。

在開拓新業態方面，大模型將重塑產業關系，催生產業組織。大模型將打破汽車產業內部錯綜復雜的生產技術和經濟聯系，使企業深入理解產品屬性關系與市場偏好，幫助用戶更快速獲取產品的內在聯系。同時，大模型將推動分散化數字資源的重新整合，促使企業與下游平臺深度融合，行業頭部企業將掌握龐大的用戶信息，形成超級產業組織。

在塑造新模式方面，人機交互模式將實現從“ 刺激— 反饋”“ 一鍵操縱”“ 智能服務”向“ 情感交流”的模式演變［8-9］。大模型將顛覆傳統的以用戶為中心的內容分發模式，不再過度依賴標簽進行優化，而是向人機協同共創的智能化、個性化、創新化的方向發展。

4 應用風險與政府監管

2023 年5 月，《人工智能法草案》被列入國務院年度立法工作計劃。2023 年7 月，國家互聯網信息辦公室等部門發布了《生成式人工智能服務管理暫行辦法》，主要規范生成式人工智能服務提供者，但尚未對大模型技術提供者制定規范［10］。對于大模型的應用與開發管理，我國尚未建立起完善的法規和政策監管體系，大模型應用于汽車領域所帶來的風險不容忽視，政府監管面臨巨大的挑戰。

4. 1 應用風險

（1） 隱私數據泄漏風險較高。用戶輸入的信息可能涉及保密行政區等國家安全數據，車輛傳感器、駕駛員駕駛行為和行駛路徑等關鍵行駛數據，以及車主、駕駛員的個人隱私數據。這些數據一旦被惡意使用或非法訪問，可能導致商業秘密泄露，甚至威脅國家安全。

（2） 存在潛在的數據倫理風險。大模型訓練數據包含開發團隊的主觀偏見、情感態度，以及政治、宗教、性別等敏感內容。在處理涉及文化、風俗等敏感內容時，大模型會遇到理解上的困難，引發不同語言和文化之間的沖突和融合，產生跨文化倫理問題。考慮到汽車在社會生產中的重要地位，這種數據倫理風險可能會對汽車使用者的文化自信產生不利影響。

（3） 存在車輛決策安全風險。大模型在生成文本時，可能存在語義或句法上看似合理但實際不正確或無意義的問題。因此，車輛在面對用戶指令和危險情境時，能否做出正確的安全決策仍是未知。此外，大模型還可能涉及政治敏感、偏見信息、倫理道德等問題，可能導致用戶接收到不恰當的信息，甚至可能引導用戶做出有害公共安全的行為。

4. 2 政府監管

在汽車智能化發展趨勢下，如何平衡好發展與安全的關系，成為大模型規范上車亟待解決的關鍵問題。首先，政策引領至關重要。我國監管部門在制定相關管理政策時，應充分考慮為產業發展保留一定的創新空間。鼓勵數字化、信息化水平高，規模效益大的重點企業與通用大模型技術開發企業進行深度合作，推動產品的快速迭代，積極開拓國際市場。其次，需要壓實主體責任：根據應用分類和風險分級，明確大模型潛在的風險因素及其衡量指標，建立科學、明晰的法律責任機制；針對不同的行為性質和后果，明確相應的責任承擔方式，鼓勵建立大模型治理行業的自律機制。最后，需要積極參與全球競爭，根據不同國家的法律規范制定相應的應對策略，解決汽車大模型在國際市場上面臨的國際法律問題，規避法規風險。