过去一年，中国车企“上车”大模型进展如何？

随着“AI in ALL”的风迅速刮进汽车行业，不少汽车制造商如红旗、长城、东风日产、吉利等已纷纷宣布加入“文心一言”生态，这是各个车企宣示抢占新技术高地的第一声呐喊。

这些车企应用 AI 大模型，既是迎接数字化时代的主动备战，也是进行差异化竞争的必然之举。

据中国汽车工业协会数据，2023 年中国商用车产销累计完成 403.7 万辆和 403.1 万辆，同比分别增长 26.8% 和 22.1%，增速超过行业整体水平。市场规模持续增长的同时，更多自主品牌汽车入局，消费者需求也正在发生深刻变化。这些变化预示着行业即将迈过打价格战的行业拐点，转向以技术和智能化为主导的新竞争阶段。

AI 大模型的引入正在推动这场革命，带来了全新的竞争焦点：智能化的实施和车辆的全面数字化。车企利用 AI 技术优化设计流程、提高生产效率和增强用户体验，正是智能化下半场的关键战略。现在，随着越来越多的企业“大模型上车”，我们正在见证智能汽车制造影响整个行业的未来走向。

大模型上车

（一）智能驾驶 VS 自动驾驶

大模型的崛起为自动驾驶技术研发注入了一剂强心剂。自动驾驶的核心问题是如何精准识别诸多传感器所采集的环境信息并迅速作出准确判断，而大模型具有对海量数据的分析能力、多维度分析能力、全面预测能力，用于解决自动驾驶面临的数据标注等难题是再好不过的。

2023 年 4 月，长城汽车控股的毫末智行发布了全球首个自动驾驶生成式大模型 DriveGPT 雪湖·海若，通过引入真实人驾接管数据建立 RLHF（人类反馈强化学习）技术，对自动驾驶认知决策模型进行持续优化。目前，DriveGPT 已完成 4000 万公里驾驶数据的训练，参数规模达到 1200 亿，但尚不能实现端到端自动驾驶，还处在从离散到感知模型、认知模型、控制模型聚集的阶段。

相比无人驾驶和完全自动驾驶，如上汽集团的智己汽车采用的导航辅助驾驶技术（NOA）看起来更为现实。智己汽车与全球头部智能驾驶算法企业 Momenta 合作，推出了行业首个 D.L.P.（深度学习算法）人工智能模型，将感知、融合、预测三个环节进行了模型化，并完成了深度集成。

在此基础上，今年 4 月 8 日发布的新车智己 L6 已同时使用 DDOD（对道路上动态物体的监测和识别，Data Driven Object Detection) 模型和可替代高精地图的 DDLD （对道路地表和静态元素的识别，Data Driven Landmark Detection）融合感知大模型，并且“全国都可开”的无图城市 NOA 将于今年年内开通。

（二）智能座舱

尽管完全自动驾驶是许多人眼中的最终目标，但目前这一目标还需要较长时间实现。在此之前，受市场需求的影响，汽车已经在向“移动第三空间”发展，智能化技术如何增强驾驶体验成为重要议题，智能座舱由此应运而生。

例如，智己汽车于去年 6 月发布的整车智能化软件产品“全程 AI 舱”，不仅整合了软硬件技术，还在安全和舒适性上做了大量优化。

与此同时，奇瑞汽车的人工智能大模型平台“LION AI”，以及广汽集团的 AI 大模型平台，都在智能语音交互方面取得了重要进展，为用户提供更自然的对话体验。

这类技术的应用不仅局限于车内交互，像吉利就推出了车外 AI 语音交互功能，让智能汽车在可以识别来自车外发开后备箱、开空调等语音指令的同时，还学会了上车迎宾、下车欢送等。吉利的星睿 AI 大模型还创新性地推出了多项 AI 原生应用，如 AI 绘本、AI 回忆、AI 音乐律动等，增强了车辆的沉浸式体验。

（三）全栈智能

在 AI 大模型的应用上，比亚迪和北汽蓝谷等公司正在进一步推动整车智能化。

比亚迪的双循环多模态 AI“璇玑”和智能化架构“璇玑”将 AI 技术应用到车辆的各个方面，覆盖超过 300 个使用场景，旨在通过打破系统间的壁垒，实现信息的即时捕捉和决策反馈。

北汽极狐于 4 月 11 日推出的全栈生态自进化技术体系“达尔文 2.0”，则强调了整车智能化、设备协同和信息共享的重要性，旨在通过技术自进化减少人工干预，提高车辆的效率和安全性。

在长城汽车 AI Lab 负责人杨继峰看来，到现在主机厂们都还在比拼有没有语音操控、DMS 和氛围灯等功能，这些都不能算是 AI 问题，而只是场景定义。只有当智能座舱向智能空间发展时才能变成一个 AI 问题。而智能空间要求在智能座舱中加入多模态感知、认知大模型和 AIGC 大模型，基于数据的支撑和算法的推理，来提升整体的 AI 能力，实现自然交互。这一概念听起来相当吸引人，但同时也相当“道阻且长”。

大模型在车辆制造中的应用

随着汽车行业的数字化转型，数据正在从生产中的“副产品”向“生产资料”转变，AI 大模型的引入能够打破生产制造、研发设计、财务管理、营销售后等环节之间存在的数据壁垒，帮助实现“生产资料”在全产业链自动化畅通流转。

用 AI 大模型改造车企自身业务流程，不仅是为了更好地卖车，更是为了重塑汽车生产方式、真正实现降本增效。正如中国一汽红旗品牌运营委员会副总裁门欣所说：“真正的转型是要把传统工业企业依赖职责、流程运行的内核转换成依赖数据，要高速响应用户需求，形成不断向前迭代的业务能力和开发能力。”

麦肯锡咨询公司全球管理合伙人关明宇曾指出，在过去的十年里车内软件的复杂程度大概翻了两番，但同期软件的开发效率只提高了 1—1.5 倍。缩短研发周期、降低研发门槛、提高研发效率是车企在行情快速变化的市场中保持竞争力的重要途径。

中国一汽正在尝试用大模型来达到这一目的。今年 1 月一汽与阿里云通义千问合作开发的的汽车行业的首个大模型商业智能应用 GPT-BI 落地，通过自动化报表生成和决策支持，颠覆了传统的业务流程。此外，一汽还利用大模型写设计代码，目前中国一汽已经实现了自动化设计、自动化绘图、自动化代码生成，基于模型的系统工程将持续迭代。据门欣表示，有了大模型后，至少一半的代码可以交由大模型来写。

吉利的星睿 AI 大模型是将自研的 NLP 语言处理模型与 NPDS 研发体系及其全链路场景数据库深度融合的一个例子。其支持研发人员在造型设计、机械设计和质量控制等方面的应用，同时也用于自动驾驶的虚拟训练。通过这种方式，吉利能够缩短验证周期约 30%，并节约近 50% 的开发成本。

底层技术仍有待升级

尽管大模型的应用提供了诸多好处，车企仍面临一些技术和基础设施挑战。例如，车载算力的限制使得很多 AI 处理必须依赖于云端服务器。为了克服这一点，一些公司建立了智能计算中心，如毫末智行与火山引擎合作建立的自动驾驶智算中心，以及长安汽车与百度共建的智算中心，提供了必要的后端算力支持。

此外，对大模型在汽车行业的应用而言，车企拥有的海量数据资源有其双面性。一方面自动驾驶涉及到红外线传感器、激光雷达、毫米波雷达、摄像头、GPS 等诸多硬件，这些硬件在行驶过程中产生的海量数据为大模型算法研发提供了一定基础；另一方面，如何收集、清洗、训练来源于大量不同场景、不同维度的数据，本身就是一大难题。

最后，大模型应用究竟是降本还是增本、这么多车企投入大量研发经费究竟有多大效果，目前还很难说明白。单论智驾芯片的成本，这场 AI 竞争就不是所有玩家都玩得起的。据统计，虽然过去三年中国汽车芯片的自给率从 5% 迅速提高到了 10%，像地平线、黑芝麻智能这样的供应商正在迅速崛起，但整体来看车载芯片仍被外资品牌垄断。如果智能汽车的各个“器官”都要从不同的供应商处采购，不仅难以实现各系统联动融合，更难降低研发生产成本、真正实现大模型量产上车。从这个角度而言，比亚迪坚持全栈自研“整车智能”的战略似乎不无道理。

无论是被卷入还是主动进入，这波 AI 浪潮冲击下的行业洗牌都已在所难免。是机遇是挑战，都有待车企自己去蹚一趟。