汽车变身为行走的计算终端，其革命性形态已经出现。现在就参与大模型构建和应用，就显得比较重要了。

文 /《汽车人》黄耀鹏

(资料图片)

今年的新能源汽车产业，如果说有什么技术发展方向是业内共识的话，除了高压快充普及，就是大模型接入了。

7月31日，吉利预告了大模型技术；8月8日，广汽推出“广汽AI大模型平台”；本月，奇瑞将发布自己的AI大模型……在此之前，小鹏、理想、特斯拉都宣称自己拥有“自动化数据闭环系统”（大模型的一种应用方向）。李想公开宣称：“大模型的研发和训练，是智能电动车企业的必要能力。”

而平台级公司，百度、阿里、腾讯、360、华为都推出了自己的大模型。上半年结束的时候，国内大模型已经达到80个以上。中美两国的大模型数量占据了全球80%。

面对大模型，车企有三种选择：第一种是从基础层开始，全盘由自己搭建；第二种是在平台级企业搭建的基础层上搭建应用层；第三种是直接接入某个大模型。

目前，三种玩法都有一批企业参与。百度的文心一言（语言大模型），就有长安、红旗、岚图、长城、吉利、东风日产、零跑、集度等几十家车企接入。

大模型有很多应用方向，语言类的集中于智能座舱的优化。而汽车必须首先满足安全便捷地运送乘客，自动驾驶能力是刚需。因此，现在车企部署/接入的大模型，主要就是做自动驾驶，或者其中的一些环节。

什么是大模型

到底什么是“大模型”？

其实“模型”就是一段计算机程序，用来构建一个虚拟的神经网络。和生物的神经网络类似，只有刺激到一定程度，神经才会活跃。如果再强化刺激，就会输出活动。

这其实就是多段函数的表达。神经网络模拟任意连续函数，也就成了可能。上世纪80年代之后，这些计算机概念就建立起来，并在自动驾驶上应用，但一直没有大的突破。

原因在于参数量。这是ChatGPT火起来的重要原因。OpenAI公司发现，模型参数如果多到一定程度，系统智能（模型精度）就会极大提升，原理现在无法解释，但已经有了一个词汇来形容——“涌现”。

多到什么程度呢？一般来说，至少要1亿左右。当然，因为自然语言的信息密度高于图像，所以ChatGPT-2的参数量达到15亿个，而ChatGPT-3则达到1750亿个，刚好和人类神经元数量级别差不多。

不过，自动驾驶方面的应用，现在用不了那么多参数。因为“涌现”现象尚未在计算机视觉领域出现。考虑到成本，车企们都未将大模型参数量做到ChatGPT-3那么夸张。但上亿是没跑的，否则就很难叫大模型，需要部署超算中心或者云端算力中心，来运行如此之多的参数。

运行参数用来做什么？对自动驾驶系统进行数据训练。那么大模型定义就呼之欲出了，就是拥有大量参数、运行于大算力硬件平台上，并能够完成无监督学习（自我训练）的计算机程序。

自动标注和预标注

以前都是有监督学习（人工训练），现在让AI自我训练，就需要先完成数据闭环。这就是为什么几家新势力说自己拥有“自动化数据标注系统”的原因，其实就是大模型的一个功能。

而完整的数据闭环则囊括了数据采集、数据回流、数据处理、数据标注、模型训练、测试验证诸多环节。其中，“数据标注”是AI自我训练的前提，也是AI训练的成本节点。

所谓标注，就是给视频或者图像的关键信息点贴上标签，以便让系统认识并在实际操作中做针对性规划。显然，量产车采集的场景基本都是重复的，数据意义不大。专门采集车则比较贵（成本每天6000元-10000元）。

重点是，如何尽量多地搜集到“长尾场景”，即不常遇见，但驾驶了很多次之后，每个人几乎都会遇上的场景（占5%左右）。

在大模型上线前，都是人工标注。1000帧的视频数据，人工标注成本可能达到万元。

而大模型目前最有价值的部分，莫过于自动化数据标注，可能会节约上亿元（取决于替代多少人标注数据）。

特斯拉为了打造一套高效数据闭环系统，自研了超算中心。超算的另一个作用，就是有了基底训练数据——超过20亿公里，就不太依赖新的实际路采了。大模型会改变参数，在电脑里面重建场景，自动进行长尾场景的自我训练。比如采了白天的数据，稍微改一下，就变成黑夜、雨天，或者有司机急打方向盘、急踩刹车造成的混乱等等，都可以模拟。

在超算上运行的大模型，对长尾场景自动进行“预标注”。而后续还要进行人工审核，譬如要把漏标的框标注出来、把标注错误的框删掉、把框的大小统一等。如果大模型预标注做得好，那么后续人工审核工作量就很小了，与采用人海战术对每一个图像要素进行标注，完全不可同日而语。

新的合作方式

数据闭环的工作现在已经分割给外包供应商、大模型平台公司（也可以视为供应商）和车企分别来做。

关键在于，数据闭环能否让车企有效迭代自动驾驶算法，并提升应对偶发场景的能力（这几乎是L4绕不过去的坎）。落实到使用层面，通过多方合作，基于新的标注数据，进行新的训练，实现由数据闭环驱动自动驾驶软件迭代，并通过OTA部署到终端。

很少有车企能够彻头彻尾地自己部署基础大模型，自己搞定应用层，自己设计预标注并实现数据闭环，再驱动算法更新。这即是L4的进化之路，它的技术复杂度要求车企与供应商充分融合式合作，而非传统的供应商“交付”-主机厂应用。

车企过于看重价值链全盘掌握，强调全栈自研，可能会耽误迭代进程。

如果设计一种规则，比如基础层大模型由平台级公司设计，车企负责掌握标注规则，并将后续人工审核交给另外的第三方，拿回标注好的数据之后，自己进行训练。通过任务拆解，让自己处于自动驾驶价值链的核心地位。避免在关键技术上受制于人，也不用被迫接受“全家桶”（即由某个供应商提出软硬一体的解决方案）。

车企对这种方式应该驾轻就熟，现在球踢回供应商这边，要求后者也要主动参与到车企的大模型设计和训练当中，而不必执着于“打包交付”。

目前，虽然上马大模型的车企越来越多，但是已经实现数据闭环，并部署于量产车上的，几乎没有。大家都还在拼“谁先抵达下一个节点”。好消息是，L4看上去并非那么遥不可及了。

现在的问题是，一个主机厂面对好几个自动驾驶系统供应商。各个供应商提供的每一个模块，代码质量不一，工具链可能也不相同。如何检验不同供应商的模块是否存在冲突，目前的工程化还不够成熟。

这就涉及到，新获得的长尾数据，对决策（规划）产生的影响到底是什么。有些新增数据，上了模型训练之后，效果变好（有效应对了该场景），但总体上效率下降。这样的局部改善导致整体变差的情况，需要对全局价值进行一番预评估。这是另外的话题了，不展开。

转移模型到车端

不过有一点需要澄清，大模型部署于超算中心或者云端，但很难部署于车端。因为后者没有那么强的算力，而且车端的数据存储空间也不胜任。大模型的训练也要在超算平台上完成，训练得差不多了（改善可以无终点），就能上车，大模型就必须缩窄成中模型或者小模型。

数据需要压缩，将知识体系（从感知输入到规控输出）转移到轻量级的模型上，后者是车端算力和存储可以承受的。

这其实就是“端到端”的算法。很多人都将“端到端”视为自动驾驶算法的终极形态。所谓“端到端”，即只要有原始数据输入（环境感知），就可以输出结果（操作动作），和ChatGPT类似，中间过程对观察者来说是“黑盒子”。

虽说人类不需要理解决策过程，但人们总担心自动驾驶算法会输出匪夷所思的决策。大量实践结果没问题，也不能打消顾虑。

不过这很像人类驾驶了。熟练司机从眼睛看见，到转方向盘、踩刹车或油门，都是中枢神经在工作，人类没有觉得自己花时间思考了。这就是大脑的“预训练系统”在起作用。

转移模型还有个好处，就是避免了云与车端通讯的时延问题。车端AI反应都是毫秒级，如果指望云端给出关键规划，哪怕有边缘计算加持，通讯也不能在任何时候实时保障。

云端的作用，可以发挥大模型的参数容量优势，完成数据挖掘、自动数据标注等任务。在车端，可以部署分管不同子任务的多个小模型，合并成一个“中模型”，以节省车端计算环节的推理时间，增加安全性。不过车端模型的参数量，要比云端少一到两个数量级。

为了提升ChatGpt的能力，OpenAI在8年间耗费十亿多美元的训练成本。车企大概率不会付出那么高的成本（不过特斯拉超算中心就花了10亿美元）。如何用有限资金，抢占场景落地和商业化的速度（即训练迭代速度），而非一味追求模型之大、算力之强？

既然AI的应用已经走到了利用大模型实行空间（再现物理空间）计算这一步，那么L4就有可能实现。这是所有车企应该具备的能力，无论它们采用什么方式达致这一目的。

汽车变身为行走的计算终端，汽车的革命性形态，已经出现在视野，不再遥遥无期。现在就参与大模型构建和应用，而不是置身事外，就显得比较重要了。