文｜刘俊宏

2023年，是中国AI技术突飞猛进的一年。数百个大模型如雨后春笋般冒出，并在随后的不断迭代与应用下，大模型开始与千行百业结合，定义着不同场景下更高维度的智能。

2023年，也是中国汽车行业站在世界舞台聚光灯下的一年。在华为、理想、小鹏、零跑等多家主打智能化标签的品牌带领下，中国的智能汽车在德国国际汽车及智慧出行博览会上，吸引了全球的目光。同时，在如比亚迪、长城、奇瑞等传统车企，在工业制造领先的基础上，不断加码汽车智能化，中国汽车正在加速走向世界。

当汽车搭上了大模型升级一切智能化的“春风”，大模型如何让传统汽车智能，智能汽车又能借助哪些大模型的能力？

1月16日，由光锥智能携手Scale Partners势乘资本、中关村会展与服务产业联盟共同举办的“2024 AI 科技峰会”在北京成功举办。本次峰会以“更智能的世界”为主题，汇聚科技企业创始人、产业高管、行业资深投资人等，共话未来科技与产业加速融合的新思路。火山引擎智驾云解决方案负责人张路受邀参会，并发表了“大模型在汽车行业的探索和实践”的演讲，分享了汽车行业与大模型结合落地的最新思考。

核心观点如下：

1、大模型在汽车营销、智能座舱、自动驾驶研发等环节，正在探索构建汽车行业在商业模式的新范式。

2、在研发领域，大模型能将自动驾驶数据标注环节耗时缩短90%。利用平台化的大模型挖掘数据，能够减少行业采集数据的成本。

3、在营销领域，大模型能够完成车企营销及售后服务全链路的优化。降低用户维修耗时，提高车企销售销率。

4、在座舱领域，大模型能够实现自我进化。汽车智能助手让汽车加速成为“第三生活空间”。

5、大模型的应用并非一蹴而就，需要和主机厂共同把数据治理好。在高质量的数据“喂养”，结合在大模型的不断迭代、精调下，才能实现不同产品的特色功能。

张路：各位嘉宾大家下午好！很荣幸参加今天的会分享火山引擎在汽车行业大模型的实践。

定位到今天的主题，我在主机厂也干过，在云计算公司也干过，我现在在火山引擎主要做汽车行业云的解决方案。我们在服务于客户过程中，发现从2023年开始，大模型这阵风“卷”得非常厉害。很多客户不管商业模式是否能够闭环，都先会提到大模型。但实际上我们发现，在对传统汽车行业的研、产、供、销、服的部分一一拆开后，会发现每个领域都有一些创新点。但这些商业模式是否能够闭环，仍处于探索过程中。很难说在汽车行业的某个领域，大模型一定能够产生颠覆。所以今天我想分享一下，我们的探索与实践。

其次是在当下的汽车智能化时代，我们发现很多车主希望在车上使用手机上的应用。我们通过火山引擎汽车行业线，让字节生态的抖音、头条、西瓜、懂车帝等大家耳熟能详的APP“上车”，同时也积累了沉淀了座舱解决方案。

最后在AI领域，随着特斯拉在自动驾驶领域快速前进，国内很多自动驾驶公司在AI领域需求也越来越大。而字节作为国内最大的视频内容公司，通过算法挖掘视频的数据价值，实现了在抖音、头条的高推荐精准度。我们在2020年开始，利用Transformer算法做了很多应用。随着去年行业内自动驾驶领域BEV+Transformer成为标配以后，火山引擎快速追赶上行业其他云厂商，并且取得客户的认可。

在这三个领域，结合2023年大模型，我们探索了根据客户需求，沉淀了几个领域。

其一是研发领域。我们围绕自动驾驶领域做BEV+Transformer与大模型的结合。在这个方向上，我们探索了两种模式。例如在自动驾驶的Corner Case采集上，我们和毫末一起把大模型应用在场景生成和标注提效上。

在传统的自动驾驶开发模式下，大致流程是先采集数据做人工标注，标注完做模型训练，再仿真验证后上车。在这些环节中，大模型提效最快的是标注领域，通过大模型的能力对采集数据进行预标注，能极大提高效率。例如我们与毫末的合作中，在火山引擎提供的云服务能力下，通过DriveGPT大模型的预标注，整体效率提升了10倍。

另一边，在数据采集领域，由于自动驾驶Corner Case的数据收集非常贵，这使得如何高效挖掘数据价值变得极为重要。在与自动驾驶公司交流中，我们发现这些数据每采集一公里的成本大约为1000元。如果研发需要采集100万公里，那么对应成本就要投10亿。如此巨大数额的开支，很少企业能够负担，这时候就需要技术去变革。

为了解决这个问题，火山引擎作为一家云服务平台云计算公司，我们在云上开放了方舟大模型生态。在生态中，我们对行业进行横向拉通，让更多行业大模型上架到平台。未来会对客户侧提供整体的解决方案。

其二是围绕营销领域。在传统销售过程中，从客户线索到成单的链条很长，导致销售效率很低。而通过大模型的优化，整个营销领域会基于大模型进行端到端重构，让主机厂卖车效率提高。同时，在与营销相辅一体的客服领域中，大模型同样能够帮助客户提效。

从我们的合作案例来看，由于一些主机厂的售后服务体系是与维修公司进行合作。当客户需要售后服务时，4S店会解释一堆理由。但通过预集成的数据集训练后，客户问一句就能提供相似的结果，极大地提升了客户维修的效率。

但实际上，很多车企和制造业在信息化、数字化和智能化的部分做得不够彻底，导致沉淀下来的数据质量较低。以字节的感受为例，字节每年花数亿的钱来做数据标注。这是因为，如果数据不标注好，那么就难以搭建高质量的模型。

在我看来，大模型应该类比于一个“有认知逻辑的人”。而要让这个有“有认知逻辑的人”拥有完整的知识体系，需要在前期用大量结构化的高质量数据来“喂养”。

例如每个主机厂座舱内的属性具有较多的差异化，座舱不同部分的控制，都是不同的独立信息。而大模型需要这些独立信息来调教训练，才能形成汽车或AI助手形成有特色的能力。所以，在火山引擎大模型的预训练知识下，还需要主机厂（或OEM）提供精准且高质量的业务数据，才能训练生成每个主机厂自己的智能座舱助手。

在我们与主机厂的合作过程中，发现以前座舱智能化中的助手回答较为生硬。这是因为此前的训练，是在线下基于关键词的训练而成的。现在有了大模型以后，助手能够“高智商”和“高情商”地回答问题了。其中，“高智商”是联网后能够反馈非常精准的结果，“高情商”是助手可以进行更多维的互动。

同时，我们发现大模型的更多应用体现在助手的自我进化。随着前期模型的框架结构和算法的设计，在车上通过数据喂养持续迭代后，会发现应用越来越丰富。并结合自动驾驶、手机应用和其他周边，让座舱助手成为真正的智能助手。比如在火山引擎旗下的车载产品“车鱼视听（原火山车娱）”APP上，结合座舱大模型的能力，将车主更关注的头条新闻、音乐、视频化信息等内容，以内容插件的形式，目前已打造出“互动新闻资讯”、“AI音乐DJ”等全新的座舱场景技能。

此外，大模型能力还能应用于企业管理领域，实现内容提效。例如主机厂在传统员工办公中，员工查资料或者多团队协作时，会同步查阅一些重复的问题。利用大模型，主机厂可以实现知识体系的标准化，并通过助手服务于内部多部门。

最后，我们围绕研、产、供、销、服与很多主机厂的实际落地当中，也细拆下了明确的规划。其中第一步，还是要先和主机厂共同把数据治理好。数据治理好才能用模型去迭代、精调，最终才能一步步落地。大模型领域还是要一步步走，很少有捷径。