【ChatGPT看业界】GPT大模型VS智能驾驶:AI在汽车领域有何作为?

来源:爱集微 #GPT# #AI# #自动驾驶#
5.5w

编者按,近日,爱集微推出【ChatGPT看业界】栏目,结合行业中的热点话题,通过和ChatGPT的深度“卷入”,制作系列文章。文章依据向ChatGPT提出相关问题答案整理而成,文中内容部分来自ChatGPT的回答。

在刚闭幕不久的上海汽车展上,不少汽车产业链公司充分利用近期大火的ChatGPT模型热点议题,展现了大模型、大数据在汽车领域的应用成果。

上汽集团旗下智己汽车在2023年上海车展上发布AI4M战略,其中联合Momenta发布行业首个D.L.P.人工智能模型,率先将数据驱动的规划算法应用于量产项目。除了GPT大模型,人工智能在汽车领域还有何作为?

AI在车领域有何作为?

GPT作为当下热门的人工智能技术,在当下的智能汽车发展中可以发挥一定的作用。在智能汽车中,GPT可以用于自然语言交互,使得人与车之间的交互更加自然和智能化。

例如,当驾驶员需要寻找一个地方时,可以通过语音指令告诉车辆目的地的名称和地址,车辆可以通过GPT生成自然语言的回答,告诉驾驶员如何到达目的地。此外,GPT还可以用于智能驾驶中的数据分析和预测,提高车辆的安全性和性能。GPT在智能汽车发展中具有广泛的应用前景。

事实上,除了当下大火的GPT,人工智能技术在汽车产业发展上的作用更为广泛。

人工智能(AI)对汽车产业发展的帮助主要包括以下几个方面:

1、智能驾驶技术:人工智能可为汽车带来自动驾驶、路线规划、自动泊车等功能,通过传感器搜集路面情况和交通状况,生成车辆行驶指令,大大降低了驾驶风险。

2、精准销售和定价模型:AI分析客户数据和市场需求,帮助厂商更好地推销汽车和制定价格策略,为汽车消费者提供更符合个性化需求的汽车产品。

3、生产线优化:利用AI技术可以实现生产线的自动监测,大幅度缩短故障排查时间和加强安全生产。

4、发动机诊断:人工智能可以帮助让汽车工作更加精确与便捷,比如车辆维修中,在持续检测各种条件下,形成系统管理设备故障的智能诊断系统,使汽车工程师工作准确快捷且便于快速维护。

总的来说,人工智能在汽车产业中发挥着越来越重要的作用,随着技术的不断发展,未来汽车产业与人工智能应用将会更加密切地结合在一起,并且可以为人类带来更好的驾驶和出行体验。

人工智能对汽车产业的发展具有重要意义,可以帮助汽车产业实现智能化、高效化、安全化和可持续发展。

主机厂与服务商合作,AI军备竞赛要来?

4月18日,上汽集团旗下智己汽车在2023年上海车展上发布AI4M战略,其中联合Momenta发布行业首个D.L.P.人工智能模型,率先将数据驱动的规划算法应用于量产项目。按照规划,智己将于今年三季度发布智能城市SUV,2024年上半年发布智能城市轿跑两款新车。

早前,华为在2023华为智能汽车解决方案发布会上,发布了高阶智能驾驶系统 ADS 2.0。新系统将由 AITO 问界 M5 高阶智能驾驶版首发,并已适配阿维塔 11 全系列以及极狐阿尔法 S 全新 Hi 版等车型。最近,国内智能驾驶领域巨头们动作频频,重磅产品接连亮相。此前,在自动驾驶领域,商汤发布日日新大模型;毫末智行于4月11日正式发布自动驾驶生成式大模型毫末Drive GPT雪湖·海若。4月13日,滴滴发布首个自动驾驶自动运维中心,首款量产无人车型将于2025年接入共享出行网络。

百度也于4月16日推出了覆盖高、中、低组合的全系列智驾产品。此外,斑马智行也宣布接入阿里大模型。

汽车主机厂与云服务商合作,使得汽车运用了更多的互联网技术和人工智能技术,汽车信息化的进程也在逐渐加快。目前,不少汽车厂商已经看到了这一机遇,积极地推动跨界合作,以实现智能化出行的目标。

当然,在该领域中进行人工智能军备竞赛也是有可能发生的。随着互联网、5G技术的发展以及人工智能的不断应用,汽车产业的智能化竞争越来越激烈。云服务商拥有大量的数据和计算能力,可以为汽车产业提供更先进的人工智能技术和解决方案,因此成为了汽车主机企业寻求合作的重要对象。

尤其是在无人驾驶技术上,云端提供的底层技术支持会非常关键,通过聚集更多数据,建立更为准确的人工智能学习模型,提高使用者驾驶安全水平的同时,也增强实现车辆自动化控制的能力,有助于加速汽车行业发展,优化用户使用体验,并实现共赢。

从主机厂与百度、阿里等等云服务器厂的合作不难看出,主机厂高度重视AI大模型训练在推动自动驾驶的迭代升级等方面的作用,未来或将有越来越多主机厂和服务器厂商合作,掀起汽车行业的AI军备竞赛。

对此,寒武纪董事长、总经理陈天石表示,“在自动驾驶领域,算力已成为核心驱动力。国际领先车企已加大在数据中心算力的布局,云端数据中心已成为自动驾驶研发的核心基础设施。”

AI浪潮,哪些公司渔获大?

数据中心可以采集、整理和标记海量数据,用于训练大型AI模型。数据采集车队每年产生数百PB的数据和数十亿张图像。这些数据会被用于优化在车辆中运行的深度神经网络(DNN)。凭借高性能计算,车企可以在复杂的深度学习模型上不断迭代,在闭环环境中构建强大的自动驾驶算法。

据笔者观察,近年来,国内的蔚来、小鹏、毫末智行等厂商都在使用高算力芯片来打造自动驾驶训练中心,或构建综合全面的数据中心基础设施,并在此基础上开发AI驱动的软件定义汽车。

以蔚来为例,其可扩展AI基础设施由NVIDIA HGX驱动,这个超算集群中包含一组NVME SSD服务器,并通过高速NVIDIA Quantum InfiniBand 网络平台相互连接,传输速率高达200Gbps,可将大量深度学习训练数据传输到超级计算机内存或NVIDIA A100显存。

凭借HGX A100,蔚来自动驾驶研发平台能够以一站式平台管理大量复杂的AI应用,并将模型开发效率提高20倍,进而缩短自动驾驶汽车的上市周期,开发出更新、更快的架构。

基于该基础设施,蔚来顺利开发并推出了智能汽车ET7以及后续将推出ET5。这两款车型还在搭载了4个NVIDIA DRIVE Orin系统级芯片的Adam超算平台上构建。据称,其自动驾驶和智能座舱功能可以通过数据中心不断迭代和改进。

蔚来AI 平台负责人白宇利表示,量产车面临的复杂场景是蔚来自动驾驶能力的试金石,同时,量产车产生的海量数据也是蔚来自动驾驶能力护城河。

从该案例不难看出,高性能计算解决方案,将成为主机厂在自动驾驶这条道路上的加速器。这也推动算力的需求持续增长。从2018年至2025年,全球产生的数据年复合增长率达到27%;数据增长背后,算力的成长更为惊人,机构预测从2020年-2025年,算力增长超30倍。

随着算力需求的增加,半导体芯片市场也会不断增长,尤其是高性能、低功耗的芯片,将成为市场的主流。为满足算力需求的增长,半导体芯片制造商将不断推出新的技术和产品,例如新型材料、新工艺、新架构等,以提高芯片的性能和功耗比。

集微咨询(JW Insights) 钱禹在《数据中心服务器主要芯片研究报告》中指出,服务器是一切数据中心基础设施建设的根基,2025年全球预计将有1600万台服务器用于数据中心建设。AI类芯片将在2022年达到352亿美元的市场规模,其中GPGPU的市场规模将接近60%;在使用AI加速的数据中心服务器中,GPGPU的占比将在2025年接近50%。

尾声

1848年,在美国西部淘金热中,但最终真正赚到钱的却是那些卖铲子的人。前几年的“挖矿”潮中,卖显卡的英伟达赚得盆满钵满;本次AI浪潮下,数据、算力、算法等生产要素需求爆发。渔民都知道,风浪越大鱼越贵,在这波号称第四次产业变革的浪潮下,国内企业能否从中收获更多的“鱼”?集微网将持续跟踪。

责编: 邓文标
来源:爱集微 #GPT# #AI# #自动驾驶#
THE END

*此内容为集微网原创,著作权归集微网所有,爱集微,爱原创

关闭
加载

PDF 加载中...