魚羊 發(fā)自 凹非寺

要說今年“科技春晚”CES上最吸引眼球的是什么,，智能車當(dāng)屬其一,。

畢竟大模型一上車，智能座艙都卷成醬嬸了：

讓車上的數(shù)字助手幫忙記錄約飯日程,，Ta能直接幫你把餐廳也給預(yù)定了,。

△驍龍座艙平臺效果展示

規(guī)劃路線這種事兒也變得充滿巧思,，數(shù)字助手會根據(jù)你的習(xí)慣，主動(dòng)問你：“路上買杯咖啡不,？”

△驍龍座艙平臺效果展示

智能車上下游廠商紛紛秀出肌肉,，也難怪不少前線參展的胖友們感嘆：CES能當(dāng)車展逛了,。

事實(shí)上,，隨著大模型落地應(yīng)用的重點(diǎn)從云側(cè)走向端側(cè)，不僅是手機(jī)廠商紛紛卷起端側(cè)大模型,，大模型上車也已成為關(guān)注焦點(diǎn)之一：

智能車是現(xiàn)今最重要的智能移動(dòng)終端之一,，而大模型被認(rèn)為是AI規(guī)?；瘧?yīng)用的關(guān)鍵。

不止是基于大模型,、生成式AI能力構(gòu)建智能座艙,，由特斯拉而引起熱議的端到端自動(dòng)駕駛方案，背后也正代表著通過大模型串聯(lián)感知,、預(yù)測,、規(guī)劃所有模塊的全新技術(shù)趨勢。

也就是說，在大模型重構(gòu)一切掀起的“模力時(shí)代”中,，從智能座艙到自動(dòng)駕駛,，“汽車機(jī)器人”的真正實(shí)現(xiàn)，正在全方位圍繞大模型展開,。

那么,，問題來了——

智能車真的需要大模型嗎？

前文已經(jīng)說到,，大模型上車的兩種最受關(guān)注的趨勢,，其一圍繞自動(dòng)駕駛，其二聚焦智能座艙,。

自動(dòng)駕駛方面,，隨著CVPR 2023最佳論文頒給自動(dòng)駕駛大模型，一種行業(yè)共識浮出水面：

端到端自動(dòng)駕駛是行業(yè)的未來,，而新的突破將以大模型技術(shù)為基礎(chǔ),。

△CVPR 2023最佳論文

有別于傳統(tǒng)上更多基于規(guī)則的自動(dòng)駕駛算法,，端到端模型能夠直接基于傳感器輸入（如攝像頭數(shù)據(jù)），學(xué)習(xí)如何控制輸出,，無需人為設(shè)計(jì)復(fù)雜的中間表示,。

舉個(gè)例子，在端到端自動(dòng)駕駛方案中,，想要讓模型學(xué)會不闖紅燈,，無需設(shè)計(jì)規(guī)則，只要多用高質(zhì)量的交通信號燈視頻訓(xùn)練它就行,。

這也就意味著,，端到端模型能夠更好地處理復(fù)雜的交通場景：相比于對手寫規(guī)則的依賴，此類模型可以針對實(shí)際場景進(jìn)行推理,，更能夠解決corner case帶來的應(yīng)用落地問題,。

量子位智庫在《2023年度十大前沿科技趨勢報(bào)告》中指出,，端到端自動(dòng)駕駛技術(shù)以全部模塊神經(jīng)網(wǎng)絡(luò)化為特征，對規(guī)則的依賴度低,，具備智能涌現(xiàn)能力和跨場景應(yīng)用潛力,。

而在CVPR 2023最佳論文《Planning-oriented Autonomous Driving》中，研究人員通過實(shí)驗(yàn)證明,，骨干網(wǎng)絡(luò)的增大能夠帶來感知分?jǐn)?shù)的提升,，這可能進(jìn)一步改善模型的預(yù)測和規(guī)劃性能。

也就是說,，更大的模型能夠提供更豐富的特征表示和更復(fù)雜的任務(wù)處理能力,，能夠更好地支持自動(dòng)駕駛場景中復(fù)雜的數(shù)據(jù)處理和決策制定。

如果說大模型驅(qū)動(dòng)的自動(dòng)駕駛還是探索進(jìn)行時(shí)，生成式AI與智能座艙的結(jié)合,，則已經(jīng)更快一步有了具體落地案例,。

在今年的CES上就可見一斑。

比如吉利銀河E8,，就已大模型上車,，實(shí)現(xiàn)了車上的影音娛樂和AI交互的個(gè)性化：基于文生圖大模型，秒級生成私人定制款專屬壁紙,、精準(zhǔn)推薦音樂還能基于音樂意境生成風(fēng)格化壁紙,、AI數(shù)字精靈具備“人設(shè)”更加擬人……

高通的驍龍數(shù)字底盤概念車,，更直觀展現(xiàn)出了邊緣側(cè)生成式AI的高效用例。

比如儀表盤上出現(xiàn)了一個(gè)警示燈,，不必研究用戶手冊,，直接向數(shù)字助手提問就能立刻得到答案。AI甚至還能幫助你當(dāng)場預(yù)約維修,。

△youtube@HotHardware

關(guān)鍵是,，部署在車端的大模型,，即終端側(cè)AI的模式，在結(jié)合本地?cái)?shù)據(jù)提供更加個(gè)性化的座艙服務(wù)的同時(shí),，能夠保護(hù)用戶數(shù)據(jù)“足不出車”,。這既保障了用戶的隱私安全,，也緩解了云端處理帶來的時(shí)延問題。

另外,，對端側(cè)算力的充分利用也能大大緩解用戶規(guī)?；鲩L給云端算力帶來的成本壓力。

不難看出,，對于自動(dòng)駕駛領(lǐng)域而言,，大模型的技術(shù)浪潮，帶來了突破當(dāng)前技術(shù)瓶頸的新路徑,。因此也不乏業(yè)內(nèi)人士給出這樣的判斷：真正要在通用場景下實(shí)現(xiàn)L4,、L5級自動(dòng)駕駛，大模型不可或缺,。

值得關(guān)注的是,，盡管云側(cè)基礎(chǔ)大模型及其應(yīng)用一年來進(jìn)展飛速，但大模型上車,，仍然存在不小的挑戰(zhàn),。

其一，是數(shù)據(jù)問題,。相比于互聯(lián)網(wǎng)的海量數(shù)據(jù),，自動(dòng)駕駛領(lǐng)域本身數(shù)據(jù)量要小得多，并且對于訓(xùn)練端到端模型而言,，來自優(yōu)秀人類駕駛員的高質(zhì)量數(shù)據(jù)更為關(guān)鍵,。

其二，是算力問題,。無論是智能駕駛中的路況實(shí)時(shí)推理,，還是智能座艙中的用戶意圖理解和功能調(diào)度，都對端側(cè)算力有著更高的需求,。

其三,，還有安全性問題。這一方面涉及到端到端自動(dòng)駕駛模型的可解釋性,，另一方面,，是端云結(jié)合過程中，如何確保用戶隱私數(shù)據(jù)不泄露的問題,。

而從硬件的視角來看,，這些問題，實(shí)際上都對車載芯片提出了更高的要求,。

「模力時(shí)代」,，智能車需要什么樣的車芯？

如果說驍龍8155（第三代旗艦級驍龍座艙平臺）在過去幾年中已經(jīng)成為座艙是否智能的事實(shí)衡量標(biāo)準(zhǔn)之一,，那么,，在CES“車展”上頻頻出現(xiàn)的另一個(gè)關(guān)鍵詞,，已經(jīng)透露出“模力時(shí)代”智能車新的競逐方向——

驍龍8295（第四代至尊級驍龍座艙平臺）。

從國產(chǎn)造車新勢力,，到奔馳寶馬,，CES上亮相的最新量產(chǎn)車上，驍龍8295已經(jīng)成為新的標(biāo)配,。

△搭載驍龍數(shù)字底盤解決方案的寶馬i7

在大模型上車的最新趨勢里,，車芯最新的進(jìn)化方向是什么樣的,，不妨就以驍龍8295為例,，具體拆解來看,。

驍龍8295采用5nm工藝制程打造。算力方面,，其CPU算力達(dá)到230K DMIPS,，是驍龍8155的8倍；GPU則可實(shí)現(xiàn)每秒2.9萬億次單精度浮點(diǎn)運(yùn)算（2.9TFLOPS）或每秒5.8萬次半精度浮點(diǎn)運(yùn)算（5.8TFLOPS）,，相較于8155,，整體性能提升2倍，3D渲染性能提升3倍,，能同時(shí)帶動(dòng)車內(nèi)11塊屏幕,，遠(yuǎn)超市面上其他車機(jī)芯片。

更關(guān)鍵的是,，驍龍8295搭載雙核NPU,，AI算力從8155的4TOPS直接躍升至30TOPS。

這樣的參數(shù)性能，放在車規(guī)級芯片上,，可以說是一騎絕塵,。而反映到功能上，大模型,、多模態(tài)交互,、離線語音，甚至是艙泊一體,、駕艙一體,，都有了實(shí)現(xiàn)的基礎(chǔ)。

以搭載了驍龍8295的極越01為例,，云端的語音識別算法模型直接放在車端,，實(shí)時(shí)響應(yīng)時(shí)間能從1.5秒縮短到700毫秒,。

除了常規(guī)自主泊車，還能在車外語音控制車輛實(shí)現(xiàn)自主泊車,。

車內(nèi),，在驍龍8295的支持下,，極越01能實(shí)現(xiàn)對不同說話人的識別，也就是支持多人同時(shí)語音功能,。配合離線語音庫,，即使沒有網(wǎng)絡(luò)連接，也能實(shí)現(xiàn)全功能語音識別,。

并且車內(nèi)的智能交互,，現(xiàn)在也不僅僅停留在語音層面，配合眼神,、動(dòng)作的多模態(tài)交互,，現(xiàn)在也可以在車上實(shí)現(xiàn)。比如,，想要打開車上的某一扇窗戶,，不用詳細(xì)說明，只要一句“打開窗戶”再配合視線,，車上AI就能秒懂車主心意,。

值得一提的是,，驍龍8295作為可擴(kuò)展自動(dòng)駕駛SoC平臺，擁有廣泛的軟件生態(tài)系統(tǒng),，包括視覺感知,、泊車和駕駛員檢測軟件棧等等。

對于車企而言,，這意味著在驍龍座艙平臺的基礎(chǔ)上整“花活”更加方便快捷,。

而站在消費(fèi)者的角度，座艙內(nèi)智能化體驗(yàn)的升級,，以上所述也僅僅是個(gè)開始,。

終端側(cè)AI是AI規(guī)模化關(guān)鍵

大模型帶來的變革,，核心是人機(jī)交互方式的變革,。

而智能車作為被給予厚望的“智能空間”，自然而然成為這場重構(gòu)一切的技術(shù)變革風(fēng)暴中不容忽視的一環(huán)。

智能車的“ChatGPT時(shí)刻”具體何時(shí)會到來,，還沒有人能夠準(zhǔn)確地預(yù)判,。但至少在軟硬件準(zhǔn)備上，以高通為代表的玩家,，已經(jīng)率先一步做好了迎接爆發(fā)的準(zhǔn)備,。

事實(shí)上,，這種逐漸聚焦到終端的對新“ChatGPT時(shí)刻”的期待，在2024年開端的這場CES上,，可以說是無處不在,。智能車備受矚目，但遠(yuǎn)非全部,。

從爆火的AI掌機(jī)Rabbit R1,，到AI PC，再到AR/VR和具身智能機(jī)器人,，AI與終端的結(jié)合,，幾乎已經(jīng)蔓延到CES會場的每一個(gè)角落。

“模力時(shí)代”新一階段的變革走向,，也在其中越發(fā)顯現(xiàn)：大模型/生成式AI技術(shù)落地到端側(cè)，是新一輪AI機(jī)遇爆發(fā)的關(guān)鍵,。

對此,，高通公司總裁兼CEO安蒙在CES主題演講中談到：

生成式AI的發(fā)展，正在從第一階段走向第二階段,。當(dāng)前,，整個(gè)行業(yè)已經(jīng)將生成式AI在處理器中落地，下一步將是使用場景和應(yīng)用的開發(fā),。

歸結(jié)原因,，核心其實(shí)是，數(shù)據(jù)在哪里,，AI推理就應(yīng)該在哪里進(jìn)行,。

一方面，云計(jì)算推理成本正隨著大模型應(yīng)用用戶數(shù)量的增加和模型參數(shù)規(guī)模的增大而急劇增加,，需要充分利用端側(cè)算力來平衡成本,。另一方面，只有當(dāng)終端就能運(yùn)行AI大模型用例時(shí),，個(gè)人數(shù)據(jù)才能在受到保護(hù)的前提下被充分運(yùn)用,，實(shí)現(xiàn)真正個(gè)性化的大模型應(yīng)用。

總而言之,，2024年一開年，“模力時(shí)代”終端變革的一角,，已經(jīng)進(jìn)一步向大眾揭開,。

可以預(yù)見的是，變革的風(fēng)暴不會就此停滯,，更多的智能變化,，或許就將在這一年中，通過智能終端,，離你我的生活更進(jìn)一步,。

— 完 —

量子位 QbitAI · 頭條號簽約

關(guān)注我們，第一時(shí)間獲知前沿科技動(dòng)態(tài)