关于大模型上车这件事

上海人工智能实验室青年研究员李阳：作为行业趋势，端到端模型的核心优势在于消除以往多模块所导致的累积误差。我认为端到端自动驾驶并不会完全替代车载模块化方案，而是更可能成为现有方案的备选（backup）。团队今年建立了当前自动驾驶最大的开源数据集OpenDV-2K并提出生成式端到端自动驾驶模型（Generalized AD Model），从而打通零样本（Zero-shot）泛化、语言控制预测、仿真和规划等智驾任务。在广泛使用的nuScenes基准上进行的实验表明，GenAD实现了基于视觉的端到端自动驾驶的最佳性能，并且相较于UniAD具有更高效率和准确度。

参考文献：https://arxiv.org/abs/2403.09630

02“主机厂更关注大模型技术的产品化过程”

智己汽车自动驾驶中心高级经理蒋达夫：主机厂更关注大模型技术的产品化过程，把技术变成具体的功能，给用户带来特殊的体验。智己团队以数据驱动为核心，对感知、地图、规控、仿真等相关深度学习模型，采用车端智能筛选，实现全链路数据闭环；同时智己在端到端模型的上车应用经历了从1.0到4.0的发展（pic.1），在算法架构的升级，从传统规控基于规则的逻辑判断，到规控模块的模型化，以及感知规控全融合的E2E架构，更好地为智驾产品赋能。同时通过大模型技术在车端地应用，全方位立体地赋能视觉、座舱以及整车功能，让车“听得清”、“看得多”、“看得远”；打造了典型的亮点功能，包括有DZT高亮追踪技术，捕捉周围交通参与者并实时提醒行车安全；有高光时刻模块，视觉识别行车途中的精彩瞬间，提供专属记忆时刻；还有座舱语音大模型应用，语音交互及场景理解更智能和贴近人的意图，极大提升了智能座舱的体验。

pic.1E2E大模型技术发展路线

03“高阶智驾开发3/4的成本发生于数据闭环”

辉羲智能产品经理周海聃：汽车行业存在摩尔定律，在不断满足用户需求提升的同时，成本将不断下降。高阶智能驾驶现阶段线性投入模式不可扩展（unscalable），我们希望打造可扩展的计算引擎，实现芯片、算法、系统的协同设计，通过中国工程师的创新和工程执行能力，提升传感器的感知性能、轻地图甚至无图路线扩城，算法模式迭代升级，并进行芯片架构创新支持等一系列协同设计，降低数据闭环的试错成本，最终实现高阶智能驾驶量产成本的显著下降。

04“自动驾驶和通用机器人的技术路径现阶段是一致的”

鉴智机器人联合创始人兼CTO都大龙博士：我们希望通过传感器和AI算法范式的创新，使得原先自动驾驶的“特定任务AI范式”转向“通用AI范式”，推动面向现实世界的通用AI加速实现。传感器方面，数据驱动的AI双目传感器可以极大提升面向现实世界的感知能力；算法方面，我们已经完成BEV&Occupancy的端到端4D感知，提升了自动驾驶感知能力上限，接下来将不断向one model进化，完善基于大模型的闭环学习系统，实现对于现实世界的真正理解。我们认为，泛机器人系统同样需要构建面向现实世界的通用AI，因此现阶段与自动驾驶的技术路径是一致的。

05“智驾模型训练场景的特点之一在于高计算、高任务并发”

Zilliz解决方案架构师刘汉卿：过去非结构化数据的搜索主要在“感知相似度”层面，其可解释性较差；而随着embedding模型的进化，通过将图片语义和对应文本语义映射到同一向量空间，利用文搜图可以为智驾模型训练场景的海量图片样本提供精准召回。当图片样本量级达到十亿甚至百亿规模时，相较于单纯的向量检索算法库，Zilliz Cloud向量数据库不仅为使用者省去了单独配置存储的工作，同时针对智驾模型训练场景的重计算、高任务并发等特点，通过存算分离、读写分离等架构优化，以及更强大的自研索引算法，让百亿数据的毫秒级检索和百万条召回更稳定地轻松实现。

06“数据驱动已成为自动驾驶技术提升和规模化落地的关键手段之一”

无问智科创始人兼CEO刘盛翔：数据闭环是一项复杂的系统工程，包括数据链条与测试验证链条的无缝衔接与闭环（见pic.2）。应用大模型和仿真技术可以实现场景挖掘、场景模拟、数据自动标注、数据合成及泛化等一系列能力，有效解决以往数据闭环成本高效率低、测试场景多样性、仿真真实度不足等难题。我们致力于应用大模型和仿真技术为智能驾驶提供专业领先的AI数据与仿真验证一体化解决方案，助力客户打造高效高可靠性的数据闭环能力，加速智能驾驶规模化落地。

pic.2 数据闭环系统工程

07“GenAI或将颠覆传统汽车营销服务全链条”

寻鹿智能创始人孙广宇：生成式人工智能（Generative AI）将为主机厂赋能全链条营销、服务方案，革新用户旅程体验。具体产品体现为AI导购、汽车用车助手、能够激活非智能汽车的超级APP等等。同时，积极开发AI伙伴、客服、培训、智能线索与救援保险维修等数字员工服务，引领汽车服务未来。

08“部件失效模型、接口特性、系统模型是现阶段的开发重点”

乐意修创始人兼CEO蔡鹏：主机厂诊断能力存在综合故障难分析、报码模糊难定位、误报问题难判断、偶发故障难复现、诊断能力难评估、排故经验难传承六大难题。车辆健康管理L2（telematics providing real-time data）到L3（component level proactive alerts）的跨越存在大量的基础开发工作，部件失效模型、接口特性、系统模型是现阶段的开发重点。我们的诊修大模型会先从云端获得主机厂数据，随后进行测试和维修推荐，最终定位诊断。从结果来看，汽车诊修大模型能大幅提升故障检测效率、一次性修复准确率并降低维修成本。

本次沙龙由CCF(上海)中国计算机学会、清华大学上海校友会汽车专委会、清华大学上海校友会自动化专委会、欧美同学会上海AI分会、上海交通电子行业协会、上海华虹计通智能系统股份有限公司和智谱AI Z计划合作举办，并得到来自大蒜粒、北大青年CEO俱乐部、大连理工创业校友会、大工汽车人俱乐部、钛媒体、中国联合网络通信有限公司上海市分公司、Datawhale、segmentfault、今日人工智能、伦敦政经校友俱乐部、复旦mba读书会、S创Slush、崔牛会以及橘子联盟的支持。

来源：https://www.top168.com/news/show-60598.html返回搜狐，查看更多

责任编辑：

【2024澳门天天开好彩大全免费】【新澳天天开奖资料大全最新】

【2024年天天开好彩资料】 【新澳天天开奖资料大全最新54期】

【2024澳门天天开好彩大全53期】 【澳门天天开彩期期精准】

【2024全年资料免费大全】 【新澳天天开奖资料大全】

【澳门内部最精准免费资料】 【2024澳门天天开好彩大全】

【2024年新奥门天天开彩免费资料】 【新澳2024今晚开奖资料】【153期澳门传真】

点赞数: 0