AI大模型如何改变自动驾驶行业？宏景智驾受邀出席汽车电子与投融资发展高峰论坛-电子发烧友网

近日，汽车电子与投融资发展高峰论坛在广州市成功召开，宏景智驾联合创始人兼软件算法负责人董健博士受邀出席此次论坛。该论坛以“新形势下汽车智能化生态链联动新机遇”为主题，聚焦汽车电子生态链投资机遇，邀请政产学研用等全产业链同仁共聚一堂，共同探讨汽车智能化发展现状与趋势，引导资本理性持续投资，推动汽车电子产业持续健康发展。会议由汽车电子产业联盟投融资专委会主任委员、华登国际VC合伙人金伟华，中兴众创投资管理有限公司总经理闫足联合主持。本届论坛的第三场圆桌讨论以“大模型将如何加速智能生态链及自动驾驶产业化落地？”为主题，宏景智驾董健博士参与了本场圆桌讨论，摩比斯中国战投部长王总博士和元禾厚望合伙人佘立斌主持论坛。参与圆桌讨论的还有吉利汽车研究院技术规划中心主任陈勇、光轮智能创始人兼CEO谢晨、万像科技创始人夏冰、中汽创智智能驾驶CTO张振林、出门问问AI车载部总经理胡海。各位嘉宾从机遇及挑战的两个维度的观点阐述，让大家对GPT、人工智能在汽车行业的应用有了更进一步的认知。董健博士针对AI大模型与自动驾驶发展的相关话题表达了自己的观点。

AI大模型在各自公司的应用及带来的影响 董健博士： 先说一个小例子，发觉我们的工程师日常开发代码都会用GPT，可见这种影响已经逐渐渗透方方面面。回归正题，AI大模型目前来看，首先可以解决我们一个核心痛点：数据生产效率和生产降本。目前数据采集+标注，如果依赖人工标注平均10-20RMB/帧，成本很高。目前这块我们的实际落地应用主要在云端，通过大模型来做数据挖掘和4D真值自动化标注（整体往无监督或者自监督的方向走），尽可能少的减少人工标注，减少成本。另外我们也在和合作伙伴合作，通过大模型生成的合成数据替代部分真实数据来用于训练，进一步实现数据生产降本。第二，长期看从根本上改变了开发重心：规则驱动转为数据驱动，相比规则驱动，长期来看，数据驱动能以更少的人力来实现更好的产出。通过基于Bev+Transformer的端到端（e2e）的自动驾驶大模型，通过蒸馏云端模型到车端SoC侧，会让自动驾驶感知/建图/决策/规控走入全数据驱动的形式。（相关文章请查看：NVIDIA 助力宏景智驾加速自动驾驶 4D BEV 感知开发）

（宏景智驾BEV感知Demo）

AI大模型能力的快速提升以及国内新能源汽车生态链的先发优势给我们带来的挑战与机遇是什么 董健博士： 针对挑战：

从规则驱动转为数据驱动，对于人员能力和组织架构，基础设施都有不同的要求。

大模型训练需要的资源，由于中美地缘政治关系，诸如A100这些GPU训练资源非常紧张卡脖子。目前我们也在同步测试国产GPU芯片，但性能相比英伟达还是有一定差距。
体系和法规的不完善滞后：比如数据合规。不过这块需要兼顾发展增速开发效率和监管安全。这点需要辩证看待，既是挑战也是机遇：相比国外欧美，如果没有一定的灰色地带野蛮生长，国内不会那么蓬勃发展。

量产速度vs大模型落地周期，在产生GPT时刻之前，先得活下来，渐进式实现商业闭环。

其中也蕴含着机遇：

相比欧美，国内新能源汽车发展快速，国内消费者更愿意尝鲜体验，只要能做出好的体验+成本控制，国内客户接受度更高。本身给各个上下游公司提供了更多机遇。
通过大模型，提升数据生产效率和开发效率，为企业直接带来经济效益。
现有的量产L2/L2+智能驾驶功能，其实都有很多空间可以去优化，宏景智驾尤其定位专注于“高频刚需”功能（比如自动泊车、高速NOP、AEB各种目前阶段无法处理的工况），通过大模型辅助这些功能的进一步性能优化和ODD扩展，实现渐进式商业闭环，逐步推向高阶功能。