自Chat GPT火爆出圈后，“大模型”掀起了一波接一波的人工智能浪潮，吸引了眾多國(guó)家與企業(yè)的強(qiáng)烈關(guān)注，大家普遍認(rèn)為大模型將驅(qū)動(dòng)各行各業(yè)發(fā)生顛覆性影響。在汽車行業(yè)中大模型的應(yīng)用也引發(fā)了熱烈討論，眾說(shuō)紛紜。蓋斯特咨詢研究團(tuán)隊(duì)對(duì)大模型做了系統(tǒng)研究，本研報(bào)在解析大模型本質(zhì)的基礎(chǔ)上，研究其社會(huì)價(jià)值與影響，深入分析了大模型在汽車行業(yè)的應(yīng)用潛力與落地挑戰(zhàn)，并為車企提供布局策略建議。
一、對(duì)大模型的本質(zhì)解析
1.大模型的概念與本質(zhì)
大模型是一種大規(guī)模預(yù)訓(xùn)練AI模型。AI模型從2000年發(fā)展至今，歷經(jīng)了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)到預(yù)訓(xùn)練模型的三個(gè)發(fā)展階段。當(dāng)AI模型訓(xùn)練的數(shù)據(jù)量、算法參數(shù)量、算力三者持續(xù)提升并達(dá)到臨界量級(jí)（如圖1所示），AI模型的生產(chǎn)力由量變到質(zhì)變，展現(xiàn)出智能推理和內(nèi)容生成的能力，由此誕生了大模型。
目前大模型尚無(wú)統(tǒng)一的定義。蓋斯特給出的大模型定義是：指具備龐大參數(shù)體量（參數(shù)量高達(dá)千億甚至萬(wàn)億級(jí)），經(jīng)過(guò)海量數(shù)據(jù)集的通用化訓(xùn)練，涌現(xiàn)出在多任務(wù)下自學(xué)習(xí)、自推理、自生成能力的大規(guī)模預(yù)訓(xùn)練AI模型。
圖1 AI核心要素的發(fā)展歷程
大模型與傳統(tǒng)AI模型已有了本質(zhì)的區(qū)別。傳統(tǒng)AI模型不僅需要人工訓(xùn)練AI怎樣做，還需要人對(duì)訓(xùn)練樣本進(jìn)行海量的標(biāo)注，這樣AI模型才能完成特定類型的任務(wù)。而AI大模型具有很強(qiáng)的自學(xué)習(xí)能力，在無(wú)規(guī)則預(yù)設(shè)前提下具有低樣本甚至零樣本的推理能力，能夠根據(jù)需求直接完成任務(wù)；同時(shí)具有強(qiáng)泛化性，通常在無(wú)標(biāo)注情況下，大模型可以高效學(xué)習(xí)訓(xùn)練集中的通用規(guī)律和復(fù)雜特征，能夠更好應(yīng)對(duì)自然語(yǔ)言任務(wù)；具有高通用性，通過(guò)自監(jiān)督學(xué)習(xí)和巧妙訓(xùn)練原生自然語(yǔ)言，從完成單任務(wù)拓展至多任務(wù)。
也就是說(shuō)，與傳統(tǒng)AI模型相比，大模型具有強(qiáng)自學(xué)習(xí)性、強(qiáng)泛化性、高通用性三大核心特征，具備了智能理解、推理、生成的能力，從而推動(dòng)人工智能從基于規(guī)則的“計(jì)算智能階段”加速向“認(rèn)知智能階段”發(fā)展。大模型的出現(xiàn)大幅降低了人工在任務(wù)流程中的介入需求，開(kāi)始打破原有人工與AI之間的平衡，將極大地加速AI產(chǎn)業(yè)化落地進(jìn)程。
2.大模型的關(guān)鍵要素
大模型的關(guān)鍵要素包括數(shù)據(jù)、算法、算力與平臺(tái)，具體來(lái)看：
第一，數(shù)據(jù)是大模型訓(xùn)練、迭代和優(yōu)化的關(guān)鍵。數(shù)據(jù)主要來(lái)源于各類數(shù)據(jù)集、用戶數(shù)據(jù)等，其中人類自然語(yǔ)言信息是大模型的專屬數(shù)據(jù)特征。高質(zhì)量數(shù)據(jù)是稀缺資源，更是在大模型競(jìng)爭(zhēng)格局中獲勝的核心要素。
第二，算法是大模型的核心技術(shù)，決定大模型的能力范疇。算法包括基礎(chǔ)通用化模型算法與專業(yè)微調(diào)模型算法。目前算法掌握在大模型開(kāi)發(fā)企業(yè)手中。
第三，算力是支撐大模型能力實(shí)現(xiàn)的基礎(chǔ)。大模型的龐大參數(shù)量與數(shù)據(jù)體量決定其算力需求遠(yuǎn)超一般AI模型，所以大模型需要AI芯片（如高性能GPU）、云計(jì)算、服務(wù)器等企業(yè)提供算力支撐。
第四，平臺(tái)是連接大模型和應(yīng)用端的紐帶，也成為新的關(guān)鍵要素。通過(guò)平臺(tái)可將大模型能力有效釋放于應(yīng)用端，同時(shí)借助平臺(tái)來(lái)吸納數(shù)據(jù)，又能反哺大模型迭代和優(yōu)化。平臺(tái)包括服務(wù)平臺(tái)、開(kāi)發(fā)平臺(tái)、應(yīng)用生態(tài)平臺(tái)和信息平臺(tái)等。
綜上所述，算力是大模型的基礎(chǔ)支撐，算法和數(shù)據(jù)共同驅(qū)動(dòng)大模型持續(xù)提升，平臺(tái)的部署則是釋放大模型能力的有效途徑。
3.大模型應(yīng)用所需的能力支撐
大模型落地應(yīng)用的支撐能力主要來(lái)源于技術(shù)、資源、安全三個(gè)層面。
首先在技術(shù)層面，一是大模型的開(kāi)發(fā)難度大，并非參數(shù)量大或利用海量數(shù)據(jù)訓(xùn)練的模型就是大模型，大模型的關(guān)鍵在于其能否涌現(xiàn)出強(qiáng)大的推理和生成能力；二是多模態(tài)處理性能要求高，隨著應(yīng)用場(chǎng)景越來(lái)越豐富，自然語(yǔ)言、語(yǔ)音、圖像、視頻等多類數(shù)據(jù)交織，大模型機(jī)器學(xué)習(xí)處理難度高；三是現(xiàn)有大模型輸出的內(nèi)容極度不穩(wěn)定，而且在出現(xiàn)錯(cuò)誤后難以有效溯源，所以大模型在行為一致性與可解釋性均需有效提升。
其次在資源支撐層面，一是大模型對(duì)優(yōu)質(zhì)且海量的數(shù)據(jù)需求高，目前缺少供訓(xùn)練的中文共性基礎(chǔ)庫(kù)，同時(shí)各行業(yè)內(nèi)均存在數(shù)據(jù)壁壘，導(dǎo)致數(shù)據(jù)獲取難度大；二是算力和內(nèi)存需求大，以GPT聊天機(jī)器人模型為例，僅其訓(xùn)練的算力門檻便需一萬(wàn)張高性能GPU芯片,成本約10億元，同時(shí)至少需350GB內(nèi)存來(lái)訓(xùn)練1750億參數(shù)；三是大模型對(duì)電力等能源消耗極大，且成本高。例如，GPT訓(xùn)練的年綜合電力成本高達(dá)數(shù)十億元人民幣。
最后在安全治理層面，當(dāng)前社會(huì)對(duì)于大模型落地應(yīng)用的主要擔(dān)憂在數(shù)據(jù)安全、AI治理與監(jiān)管效果方面。如果大模型的生成式內(nèi)容能力被濫用，很可能違反社會(huì)價(jià)值觀，甚至突破法律底線。同時(shí)大模型對(duì)社會(huì)就業(yè)、產(chǎn)業(yè)發(fā)展、道德倫理的沖擊也會(huì)引發(fā)一系列的問(wèn)題。
由此可見(jiàn)，大模型發(fā)展面臨的是全方位、多維度的問(wèn)題，所以需要從技術(shù)支撐、基礎(chǔ)設(shè)施、社會(huì)治理制度等多方面不斷完善，來(lái)共同推動(dòng)大模型的落地應(yīng)用。
4.大模型的演進(jìn)階段
大模型的發(fā)展路線可分為工程化、通用化、行業(yè)化和生態(tài)化四個(gè)演進(jìn)階段，具體如圖2所示。當(dāng)前大模型發(fā)展正從通用化向行業(yè)化階段轉(zhuǎn)變，即通用基礎(chǔ)大模型成熟期向垂直應(yīng)用領(lǐng)域大模型成熟期的發(fā)展進(jìn)程中。這個(gè)階段需要打通大模型功能與用戶連接之間的橋梁，以契合行業(yè)的特點(diǎn)。合理有效地發(fā)揮大模型的能力是目前面臨的關(guān)鍵問(wèn)題。
當(dāng)前通用大模型領(lǐng)域呈現(xiàn)出百花齊放、激烈競(jìng)爭(zhēng)的場(chǎng)面。蓋斯特咨詢判斷，將來(lái)僅有少數(shù)寡頭企業(yè)可完全跑通大模型的演進(jìn)路徑。隨著大模型行業(yè)競(jìng)爭(zhēng)從比參數(shù)過(guò)渡到比落地應(yīng)用，將出現(xiàn)越來(lái)越多的垂直領(lǐng)域大模型。這類行業(yè)大模型擅長(zhǎng)特定的專業(yè)領(lǐng)域及核心的交互場(chǎng)景。相對(duì)來(lái)說(shuō)，輕量化的行業(yè)模型及場(chǎng)景模型得益于更聚焦的數(shù)據(jù)訓(xùn)練與更少的參數(shù)設(shè)置，不僅降低部署成本，同時(shí)用戶對(duì)此的感知程度也將日益加深，因此垂直應(yīng)用領(lǐng)域大模型將迎來(lái)蓬勃發(fā)展時(shí)期。未來(lái)隨著大模型產(chǎn)業(yè)主體更加豐富、各模塊專業(yè)性提升、產(chǎn)業(yè)鏈完善、應(yīng)用生態(tài)繁榮，大模型產(chǎn)業(yè)日趨完善的生態(tài)格局將有效賦能其實(shí)現(xiàn)更大的產(chǎn)業(yè)價(jià)值。
圖2 大模型演進(jìn)趨勢(shì)
二、大模型的社會(huì)價(jià)值與應(yīng)用潛力
1.大模型的社會(huì)價(jià)值
大模型的出現(xiàn)意味著人工只需指導(dǎo)AI，甚至用AI控制AI來(lái)完成任務(wù)，極大降低了人在人工智能任務(wù)中的參與程度需求，大模型將革命性地解放生產(chǎn)力；進(jìn)而大模型將變革生產(chǎn)關(guān)系，引發(fā)社會(huì)全方位的資源調(diào)整，甚至資源再分配。因此大模型將驅(qū)動(dòng)各行業(yè)發(fā)生顛覆性變革，并將變革社會(huì)方式。
具體而言，大模型將從開(kāi)發(fā)生產(chǎn)、產(chǎn)品服務(wù)、企業(yè)經(jīng)營(yíng)、人才需求等方面驅(qū)動(dòng)各行業(yè)變革。
第一，突破開(kāi)發(fā)生產(chǎn)效率。大模型自身高效的數(shù)據(jù)處理、軟件開(kāi)發(fā)、數(shù)據(jù)化自動(dòng)化標(biāo)注等能力可以解放低效生產(chǎn)力，提升開(kāi)發(fā)生產(chǎn)的自動(dòng)化程度，降低勞動(dòng)力成本，實(shí)現(xiàn)大幅度的降本增效；
第二，創(chuàng)新產(chǎn)品服務(wù)形態(tài)。大模型強(qiáng)大的算法優(yōu)化、數(shù)據(jù)挖掘、多模交互、內(nèi)容生成、用戶情感識(shí)別等特點(diǎn)，可實(shí)現(xiàn)創(chuàng)意激發(fā)與體驗(yàn)優(yōu)化，同時(shí)讓人機(jī)交互更加智能；
第三，優(yōu)化企業(yè)經(jīng)營(yíng)決策。大模型可提供數(shù)據(jù)分析、智能制造、智能銷售與服務(wù)、成本與決策優(yōu)化等服務(wù)，助力企業(yè)做出全面、精準(zhǔn)、靈活的判斷，使決策更科學(xué)、服務(wù)更精準(zhǔn)；
第四，引發(fā)社會(huì)人才需求變化。大模型顯著降低對(duì)低效、低創(chuàng)造性人才的需求，對(duì)創(chuàng)造性的高價(jià)值人才需求將顯著增加，未來(lái)可靈活運(yùn)用AI技能的人才將具備明顯優(yōu)勢(shì)。
未來(lái)如何利用大模型有效賦能，形成更低成本及更高效率的開(kāi)發(fā)生產(chǎn)模式、更智能更友好的產(chǎn)品形態(tài)、更高價(jià)值的用戶體驗(yàn)，將成為產(chǎn)業(yè)智能化發(fā)展中的重要課題。
2.大模型產(chǎn)業(yè)應(yīng)用的范式
大模型產(chǎn)業(yè)應(yīng)用是以“通用預(yù)訓(xùn)練+專業(yè)精調(diào)”的組合模式。如圖3所示，首先通用基礎(chǔ)大模型對(duì)海量的多模態(tài)知識(shí)開(kāi)展預(yù)訓(xùn)練，然后針對(duì)行業(yè)及業(yè)務(wù)場(chǎng)景進(jìn)行適配化精調(diào)開(kāi)發(fā)，形成垂直類場(chǎng)景模型，提供原子化服務(wù)。而平臺(tái)作為大模型能力與產(chǎn)品應(yīng)用之間的連接和溝通工具，將場(chǎng)景模型層的原子能力與上層應(yīng)用打通，為用戶輸出大模型服務(wù)。以Chat GPT為例，大語(yǔ)言模型作為基礎(chǔ)支撐，通過(guò)對(duì)自然語(yǔ)言的預(yù)訓(xùn)練，結(jié)合人類對(duì)話場(chǎng)景進(jìn)行微調(diào)，實(shí)現(xiàn)對(duì)話問(wèn)答的原子能力，再通過(guò)服務(wù)平臺(tái)接口將對(duì)話功能引入到網(wǎng)頁(yè)、APP、汽車座艙等應(yīng)用中，供用戶使用。
圖3 大模型產(chǎn)業(yè)應(yīng)用范式
在此應(yīng)用范式下，新的軟件應(yīng)用不再需要從最底層開(kāi)始重復(fù)開(kāi)發(fā)，而是基于已有的基礎(chǔ)模型與場(chǎng)景模型便可實(shí)現(xiàn)高效的應(yīng)用開(kāi)發(fā)。因此大模型將重構(gòu)各行業(yè)的軟件體系，不僅有效降低AI模型及軟件應(yīng)用的開(kāi)發(fā)門檻，提高軟件開(kāi)發(fā)和硬件優(yōu)化的效率，還將重塑企業(yè)經(jīng)營(yíng)管理模式，并拓展豐富其產(chǎn)業(yè)應(yīng)用邊界與賦能形態(tài)。蓋斯特咨詢認(rèn)為，未來(lái)各行業(yè)的所有軟件都可以用大模型重寫一遍，實(shí)現(xiàn)軟件價(jià)值效率的革命性提升，賦能各行業(yè)發(fā)展。
3.大模型在不同行業(yè)的應(yīng)用前景預(yù)測(cè)
對(duì)于具體行業(yè)而言，其聯(lián)網(wǎng)程度、數(shù)字化基礎(chǔ)、行業(yè)內(nèi)容特點(diǎn)等決定大模型的應(yīng)用前景與價(jià)值。蓋斯特咨詢按照“影響程度”與“滲透速度”兩個(gè)維度，將大模型變革行業(yè)的前景分為四類（詳見(jiàn)圖4）：
一是突破顛覆型：大模型可滲透到行業(yè)核心內(nèi)容，能夠快速創(chuàng)造價(jià)值的行業(yè)，典型代表有互聯(lián)網(wǎng)、游戲、電商等行業(yè)；二是快速影響型：該類行業(yè)數(shù)字化范圍較大，但AI滲透行業(yè)核心內(nèi)容的邏輯較難，例如汽車、營(yíng)銷、通信行業(yè)；三是潛在發(fā)展型：該類行業(yè)數(shù)字化程度極低，大模型滲透速度慢、影響弱，例如農(nóng)業(yè)、建筑、政務(wù)等；四是緩慢賦能型：行業(yè)本身數(shù)字化程度低，人工智能的潛在價(jià)值兌現(xiàn)較慢，例如教育、藝術(shù)業(yè)等。
圖4 大模型對(duì)各行業(yè)變革前景分析（注：圓圈大小代表潛在價(jià)值大小）
結(jié)合各行業(yè)的特點(diǎn)，目前大模型的典型應(yīng)用案例已有不少。例如，最為廣泛的自然語(yǔ)言（NLP）大模型已被用于服務(wù)業(yè)中的智能客服、互聯(lián)網(wǎng)的搜索推薦、影視業(yè)的實(shí)時(shí)字幕、教育業(yè)的語(yǔ)義理解等；計(jì)算機(jī)視覺(jué)（CV）大模型可用于游戲的三維建模、制造業(yè)的智能監(jiān)控、工業(yè)中的輔助質(zhì)檢、醫(yī)療中的輔助診斷等；跨模態(tài)大模型可支撐多類型生成式人工智能（AIGC）應(yīng)用，如汽車中的智能交互、營(yíng)銷圖文物料、服務(wù)業(yè)中的內(nèi)容生產(chǎn)等；決策類大模型分析、判斷與優(yōu)化能力將用于汽車自動(dòng)駕駛、金融投資研判、智能交通規(guī)劃、節(jié)能模型等。
三、大模型在汽車行業(yè)應(yīng)用前景分析
1.大模型在汽車行業(yè)應(yīng)用潛力
當(dāng)前汽車行業(yè)已進(jìn)入數(shù)字化與智能化發(fā)展階段，AI軟件逐漸成為新汽車時(shí)代的重要支撐技術(shù)。汽車產(chǎn)業(yè)具有主體多、涉及領(lǐng)域多、流程復(fù)雜的特點(diǎn)，正是大模型當(dāng)前及未來(lái)應(yīng)用的重要領(lǐng)域之一。
對(duì)于大模型在汽車行業(yè)的應(yīng)用場(chǎng)景和應(yīng)用價(jià)值，我們可從“用戶感知程度”和“AI軟件影響潛力”兩個(gè)維度來(lái)判斷分析。如圖5所示，應(yīng)用場(chǎng)景可分為產(chǎn)品與技術(shù)、用戶服務(wù)運(yùn)營(yíng)、企業(yè)經(jīng)營(yíng)管理三大方面的6個(gè)細(xì)分領(lǐng)域。其中，產(chǎn)品及技術(shù)方面包括智能化體驗(yàn)、技術(shù)研發(fā)創(chuàng)新、產(chǎn)品設(shè)計(jì)，大模型的應(yīng)用價(jià)值將率先體現(xiàn)在智能化產(chǎn)品提升與技術(shù)研發(fā)創(chuàng)新上，這是行業(yè)當(dāng)前重點(diǎn)關(guān)注領(lǐng)域；服務(wù)運(yùn)營(yíng)是用戶感知程度較強(qiáng)的領(lǐng)域，其中營(yíng)銷、售后、城市出行等場(chǎng)景均可利用大模型進(jìn)行賦能；在企業(yè)經(jīng)營(yíng)管理方面，大模型在生產(chǎn)制造智能化、企業(yè)數(shù)字化流程變革及組織形態(tài)創(chuàng)新等發(fā)揮作用，通過(guò)彌合數(shù)據(jù)流斷點(diǎn)、提升自動(dòng)化程度、優(yōu)化組織機(jī)制等實(shí)現(xiàn)企業(yè)經(jīng)營(yíng)的降本增效。
圖5 大模型在不同汽車領(lǐng)域的應(yīng)用場(chǎng)景分析
由上可知，大模型可賦能汽車行業(yè)多個(gè)領(lǐng)域，其能力不僅契合汽車各關(guān)鍵領(lǐng)域的發(fā)展需求，還可助力解決當(dāng)前面臨的諸多問(wèn)題，具有強(qiáng)大的應(yīng)用潛力。如果汽車企業(yè)有效利用了大模型賦能自身各個(gè)環(huán)節(jié)，以突破創(chuàng)新和提質(zhì)增效，將在市場(chǎng)競(jìng)爭(zhēng)中對(duì)其他同類企業(yè)形成降維打擊之勢(shì)。
2.大模型在汽車領(lǐng)域應(yīng)用的挑戰(zhàn)
盡管大模型在汽車行業(yè)應(yīng)用的潛力巨大，但是由于汽車產(chǎn)業(yè)非常復(fù)雜，同樣面臨著巨大的挑戰(zhàn)。一方面汽車行業(yè)的復(fù)雜性放大了大模型自有的發(fā)展難題，另一方面汽車行業(yè)的獨(dú)特性又給大模型帶來(lái)了新的應(yīng)用挑戰(zhàn)。
具體來(lái)看，大模型在汽車領(lǐng)域應(yīng)用的挑戰(zhàn)主要集中模型算法、數(shù)據(jù)及算力支撐三大方面，如圖6所示。
圖6 大模型在汽車行業(yè)應(yīng)用的主要挑戰(zhàn)領(lǐng)域
第一，在算法層面，由于汽車場(chǎng)景多且復(fù)雜，包括靜態(tài)和動(dòng)態(tài)、用戶和機(jī)器、車內(nèi)和車外、圖片和視頻等等，眾多類型的海量數(shù)據(jù)交織，顯然僅靠單一模態(tài)模型處理無(wú)法完成，因此對(duì)大模型同時(shí)處理不同模態(tài)數(shù)據(jù)的算法能力提出挑戰(zhàn)；同時(shí)汽車關(guān)乎人類生命安全，車規(guī)級(jí)安全性要求大模型的算法必須具有高度的可靠性和一致性，另外還需具備可解釋性。而現(xiàn)有大模型生成的內(nèi)容極度不穩(wěn)定，若出現(xiàn)錯(cuò)誤又難以有效溯源，無(wú)法滿足車輛需求。蓋斯特咨詢認(rèn)為，相比于通用基礎(chǔ)大模型而言，汽車AI模型開(kāi)發(fā)應(yīng)聚焦在細(xì)分用車場(chǎng)景和數(shù)據(jù)輕量化，打造更符合汽車場(chǎng)景的的汽車AI中模型或小模型，或許能夠有效地應(yīng)對(duì)上述問(wèn)題。
第二，在數(shù)據(jù)層面，面臨著數(shù)據(jù)來(lái)源少、質(zhì)量差和數(shù)據(jù)安全等問(wèn)題。首先汽車行業(yè)缺少大體量、高質(zhì)量的數(shù)據(jù)，一方面不同企業(yè)的數(shù)據(jù)具有天然隔閡，另一方面沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，數(shù)據(jù)難以流通和使用，因此需要構(gòu)建汽車行業(yè)專屬的數(shù)據(jù)開(kāi)放平臺(tái)，促進(jìn)數(shù)據(jù)的流通和共享；其次，單一模態(tài)數(shù)據(jù)已經(jīng)不能滿足多模算法的訓(xùn)練需求，未來(lái)需要海量的多類型數(shù)據(jù)；最后，數(shù)據(jù)安全更是汽車行業(yè)需要關(guān)注的重要問(wèn)題。傳感器數(shù)據(jù)、地圖等信息涉及國(guó)家機(jī)密，國(guó)家對(duì)其管控嚴(yán)格；用戶數(shù)據(jù)涉及隱私安全，此類數(shù)據(jù)確權(quán)、開(kāi)放共享的合法性存在爭(zhēng)議，國(guó)家及行業(yè)需要進(jìn)一步明確AI監(jiān)管與治理規(guī)范。
第三，在算力層面，前文談到了大模型自身對(duì)算力、能源、成本等需求巨大，高端大算力GPU和電力將成為限制大模型發(fā)展的核心因素。若大模型應(yīng)用到汽車上又有了新的挑戰(zhàn)。例如，GPT僅推理就需近3萬(wàn)個(gè)GPU支持，日耗電量達(dá)50萬(wàn)度。目前車端系統(tǒng)級(jí)芯片最高能提供2000 TOPS的算力，與大模型所需的萬(wàn)級(jí)TOPS的算力需求相差甚遠(yuǎn)，另外車端的電池也難以支撐大模型的運(yùn)行能耗，因此大模型的算力應(yīng)更多地部署到云端和邊緣端，即讓云端和邊緣端承擔(dān)大規(guī)模計(jì)算任務(wù)，同時(shí)芯片架構(gòu)開(kāi)發(fā)需考慮與大模型算法適配，以提升算力利用率。另外，車云信息傳輸需求必須是極低時(shí)延（車端是10毫秒級(jí)），所以網(wǎng)絡(luò)通訊能力也需要進(jìn)一步提升。
由上可見(jiàn)，汽車行業(yè)應(yīng)用大模型所面臨的問(wèn)題是全方位、多維度的，需要跨主體、跨專業(yè)、跨領(lǐng)域的分工合作，以推動(dòng)其持續(xù)應(yīng)用與發(fā)展。需要注意的是，大模型在汽車行業(yè)有無(wú)應(yīng)用潛力，與能否取得商業(yè)成功是兩回事。目前國(guó)內(nèi)發(fā)布大模型的數(shù)量早已破百，其背后是大量資源的消耗，但是商業(yè)價(jià)值回報(bào)尚未真正體現(xiàn)出來(lái)。汽車企業(yè)也在積極參與大模型的發(fā)展。蓋斯特認(rèn)為，如果車企一味地“卷”底層基礎(chǔ)模型則會(huì)造成巨大的資源浪費(fèi)。企業(yè)只有以需求為驅(qū)動(dòng)，打造適合汽車不同領(lǐng)域的垂類大模型，并利用大模型促進(jìn)汽車產(chǎn)品及服務(wù)一體化發(fā)展才是長(zhǎng)遠(yuǎn)之計(jì)。
3.大模型在汽車應(yīng)用階段劃分
蓋斯特咨詢預(yù)測(cè)，大模型在汽車行業(yè)的應(yīng)用將呈現(xiàn)出循序漸進(jìn)的節(jié)奏，前期快速上車、積累場(chǎng)景與數(shù)據(jù)，之后隨著技術(shù)持續(xù)演進(jìn)，中后期將不斷拓展應(yīng)用范圍，并放大大模型的價(jià)值。
如圖7所示，根據(jù)大模型賦能汽車各應(yīng)用場(chǎng)景的滲透時(shí)間與應(yīng)用難度，可將大模型應(yīng)用劃分為三個(gè)階段：
第一階段產(chǎn)品體驗(yàn)賦能，大模型在智能化產(chǎn)品應(yīng)用上快速落地，提升汽車產(chǎn)品的用戶體驗(yàn)；第二階段企業(yè)降本增效，隨著核心技術(shù)積累，大模型賦能企業(yè)經(jīng)營(yíng)全方面降本增效；第三階段社會(huì)效益創(chuàng)造，由于突破了技術(shù)迭代與應(yīng)用落地的瓶頸，大模型覆蓋汽車行業(yè)的深度與廣度顯著提升，進(jìn)而推動(dòng)社會(huì)移動(dòng)出行的發(fā)展。
圖7 大模型在汽車行業(yè)應(yīng)用的不同階段
未完待續(xù)，請(qǐng)繼續(xù)關(guān)注《蓋斯特研報(bào)：大模型的本質(zhì)及其對(duì)汽車行業(yè)的影響（下篇）》
