作者 | Amy
編輯 | 德新

傳統(tǒng)車企如何打磨智能化,大模型將為車企帶來多少助力?
近日,長城汽車原沙龍品牌智能化中心負(fù)責(zé)人、智能化研發(fā)總監(jiān)楊繼峰以TCAL(Technology Center Al Lab,簡稱「AI Lab」)負(fù)責(zé)人的新身份亮相。
知情人士透露,長城汽車的AI Lab人員規(guī)模為數(shù)百級。
與楊繼峰一起露面的,還有長城汽車智能化副總裁吳會肖、智能座艙產(chǎn)品總監(jiān)佘士東和智能駕駛高級總監(jiān)姜海鵬等人,共同為長城技術(shù)品牌「咖啡智能」站臺。
「咖啡」是長城體系坦克、歐拉、哈弗和魏牌等品牌的開發(fā)平臺「基底」,也濃縮了長城在智艙、智駕、電子電氣架構(gòu)以及云端等多領(lǐng)域的開發(fā)積累。

長城首先官宣:預(yù)計(jì)到2024年,城市NOH拓展百城。明年一季度,魏牌高山MPV將首搭城市NOH。
為何長城有如此底氣?
長城Coffee Al體系正全面利用AI大模型為自身賦能。
Coffee Pilot引入Transformer,走重感知輕地圖路線,將智能駕駛感知大模型、DriveGPT認(rèn)知大模型和3DNerF云端重建大模型相結(jié)合。
通過構(gòu)建算力基座,提升算法能力和數(shù)據(jù)能力,長城從感知、認(rèn)知和3D場景構(gòu)建三個維度,加快高速NOH普及和城市NOH的量產(chǎn)。

長城公布了一部分基于大模型的技術(shù)進(jìn)展:
感知大模型:以恢復(fù)真實(shí)世界的三維結(jié)構(gòu)和紋理分布為監(jiān)督目標(biāo),可適配所有主流視覺感知任務(wù),訓(xùn)練數(shù)據(jù)集400萬 Clips,感知性能提升20%;
認(rèn)知大模型:率先全面升級預(yù)測、決策、規(guī)劃算法架構(gòu)體系,認(rèn)知算法通過率提升30%以上;
3D場景構(gòu)建大模型:重建精度達(dá)到10cm,場景還原度高,重建效率提升5倍,實(shí)現(xiàn)數(shù)據(jù)自由,Corner Case(極端場景)的構(gòu)造成本降低百倍之多。
在整個智駕方案上,長城將基于數(shù)據(jù)智能、感知智能和認(rèn)知智能的研發(fā)體系,布局低、中、高算力平臺,根據(jù)不同場景下的用戶需求打造產(chǎn)品矩陣。
同時將Coffee Al與智能駕駛研發(fā)體系融合,實(shí)現(xiàn)智能進(jìn)出匝道、避讓匯入口、變道保護(hù)、分心疲勞監(jiān)測、避讓大車和識別易混分叉路口等功能。
大模型給智能駕駛帶來的變革才剛剛開始。城市NOH也正面臨范式拐點(diǎn),重感知+輕地圖+大模型范式雖然交付難度更大,但無疑會帶來更快的迭代速度。

長城AI Lab負(fù)責(zé)人楊繼峰
AI時代,大模型也給座艙帶來體驗(yàn)的大幅提升。
比如過去智能座艙的醒神模式很難被確切地定義,通過大模型,長城Coffee Al選擇用多模態(tài)算法框架去解決該問題:
駕駛疲勞監(jiān)測系統(tǒng)使用VIMS特征檢測駕駛員疲勞特征的同時,感知車輛狀態(tài),綜合多種外部因素結(jié)合置信度判斷駕駛員最終狀態(tài),車機(jī)及時作出相應(yīng)提醒。
長城在大模型范式下將空間感知任務(wù)進(jìn)行了升級,并將其命名為「SpaceGPT-空間感知大模型」。

SpaceGPT-空間感知大模型,可為不同的用車場景提供AI助力,例如:
吃喝玩樂行等生態(tài)內(nèi)容推薦;
音樂等娛樂推薦;
交互服務(wù)提供。
除此以外,SpaceGPT-空間感知大模型還可作為語音助手、AI特定助手、靈魂畫手、懂車專家、咨詢專家等。
當(dāng)作為語音助手時,大模型將為語音算法提供新范式,為ASR、NLU、NLG等語音算法模型進(jìn)行范式升級,形成的語音自動標(biāo)注大模型可建立語音數(shù)據(jù)閉環(huán)機(jī)制,實(shí)現(xiàn)語音回流數(shù)據(jù)的自動標(biāo)注,降低語音標(biāo)注成本,提高語音標(biāo)注效率。

從座艙和智駕的應(yīng)用出發(fā),大模型對車企的沖擊是全面且深刻的,長城認(rèn)為,未來還有很多問題都可用AI解決:
設(shè)計(jì)上,車企可通過AIGC技術(shù)以文生圖,節(jié)省設(shè)計(jì)時間;
代碼則可通過自動代碼補(bǔ)充和糾錯提醒,改進(jìn)代碼方案,降低代碼出錯率;
通過車輛歷史數(shù)據(jù)、車輛診斷手冊等,大模型可幫助預(yù)判車輛狀態(tài)、對車輛進(jìn)行故障診斷、提供用車建議等;
通過大模型加知識庫的方式,還可向用戶提供精準(zhǔn)的問答工具。
來源:第一電動網(wǎng)
作者:HiEV
本文地址:http://www.idc61.net/kol/210262
文中圖片源自互聯(lián)網(wǎng),如有侵權(quán)請聯(lián)系admin#d1ev.com(#替換成@)刪除。