|
AI大模型正經(jīng)歷突飛猛進(jìn)的發(fā)展，ChapGPT和SORA的推出讓人感到震撼，處于AI前沿的科學(xué)家和企業(yè)家指出，AI大模型將重構(gòu)各行各業(yè)，特別是科技相關(guān)的領(lǐng)域。智能汽車作為一種科技產(chǎn)品，將如何被AI大模型改變？ 大模型如何重構(gòu)智能汽車？繼《2024年汽車AI大模型技術(shù)和應(yīng)用趨勢(shì)研究報(bào)告》從宏觀層面探討AI大模型對(duì)汽車行業(yè)的影響之后，佐思汽研推出第二份研究報(bào)告《2024年AI大模型對(duì)整車智能化設(shè)計(jì)和開發(fā)的影響研究報(bào)告》，從汽車硬件層、操作系統(tǒng)層、應(yīng)用功能層、云端大數(shù)據(jù)層等方面研究AI大模型對(duì)整車智能化設(shè)計(jì)和開發(fā)的影響。 2023年，長(zhǎng)安汽車在原有的SDA軟件驅(qū)動(dòng)架構(gòu)上（SDA原來(lái)包含L1-L6層），加入了AI邊緣側(cè)和AI服務(wù)層?？梢钥吹紸I技術(shù)已經(jīng)影響到智能汽車的大多數(shù)層面：L3電子電器架構(gòu)層，L4整車操作系統(tǒng)層，L6整車功能應(yīng)用層（含座艙、網(wǎng)聯(lián)和智駕），L7云端大數(shù)據(jù)層等。L1機(jī)械層的底盤部分，L2動(dòng)力層的電池部分，實(shí)際上也已經(jīng)開始有AI應(yīng)用案例。 長(zhǎng)安汽車AI+SDA整車架構(gòu)  來(lái)源：長(zhǎng)安汽車 總結(jié)當(dāng)前主機(jī)廠和Tier1的大模型應(yīng)用情況，主要還處于整車智能化的局部層面，或開發(fā)流程的某個(gè)環(huán)節(jié)。 AI大模型在整車智能化架構(gòu)各層級(jí)的應(yīng)用案例  整理：佐思汽研 觀察AI大模型在汽車應(yīng)用的大趨勢(shì)，我們還需要從大模型的演進(jìn)中尋找思路。根據(jù)騰訊研究院的成果，AI將從大腦進(jìn)化到AI Agent，從CoPilot進(jìn)化到自主駕駛。  來(lái)源：騰訊研究院 那么，什么是AI Agent？ 大模型/AI Agent 將取代 操作系統(tǒng)/APP?佐思汽研認(rèn)可這樣的觀點(diǎn)：AI大模型即OS，AI Agent（智能體）即應(yīng)用。智能化產(chǎn)品的開發(fā)范式將從傳統(tǒng)的OS-APP生態(tài)系統(tǒng)范式轉(zhuǎn)變?yōu)?AI大模型-AI Agent生態(tài)系統(tǒng)范式。  來(lái)源：互聯(lián)網(wǎng) 什么是AI Agent？AI Agent是一種超越簡(jiǎn)單文本生成的人工智能系統(tǒng)。它使用大型語(yǔ)言模型（LLM）作為其核心計(jì)算引擎，使其能夠進(jìn)行對(duì)話、執(zhí)行任務(wù)、推理并展現(xiàn)一定程度的自主性。簡(jiǎn)而言之，Agent是一個(gè)具有復(fù)雜推理能力、記憶和執(zhí)行任務(wù)手段的系統(tǒng)?？梢?，蔚來(lái)汽車座艙里的NOMI GPT，特斯拉FSD V12就分別是座艙域和智駕域的AI Agent。  來(lái)源：知乎 AI大模型是平臺(tái)級(jí)AI，包括一線科技公司推出的大模型如ChatGPT，文心一言等。平臺(tái)級(jí)AI可以作為技術(shù)基礎(chǔ)，全面賦能操作系統(tǒng)，被視為下一代操作系統(tǒng)的新內(nèi)核。傳統(tǒng)的操作系統(tǒng)內(nèi)核主要負(fù)責(zé)管理和調(diào)度系統(tǒng)的硬件資源，如GPU、內(nèi)存等，以確保系統(tǒng)的正常運(yùn)行和高效利用。然而，隨著用戶需求的日益增長(zhǎng)，AI系統(tǒng)需要解析許多與人相關(guān)的個(gè)性化體驗(yàn)。 對(duì)于個(gè)人知識(shí)庫(kù)、人的位置和狀態(tài)感知、人的習(xí)慣愛好等與人相關(guān)的個(gè)性化因素，傳統(tǒng)的操作系統(tǒng)無(wú)法進(jìn)行有效的計(jì)算和處理。因此，我們需要一個(gè)全新的內(nèi)核來(lái)滿足這些需求。平臺(tái)級(jí)AI大模型的強(qiáng)大之處在于，它能夠管理和處理多種個(gè)人因素，幫助操作系統(tǒng)精準(zhǔn)識(shí)別用戶的意圖。有了這樣的能力，全新的操作系統(tǒng)就能為所有人帶來(lái)“猜你所想，懂你所需”的智慧體驗(yàn)。 在汽車座艙應(yīng)用中，要做到真正的千人千面，還需要車企根據(jù)自家車型和服務(wù)的特點(diǎn)，對(duì)AI大模型做進(jìn)一步的定制，也就是基于平臺(tái)級(jí)AI大模型基礎(chǔ)上的AI Agent。我們可以看到，吉利車型（譬如極越、銀河）基于百度文心一言推出的座艙系統(tǒng)，奔馳接入ChatGPT后的車載語(yǔ)音助手，實(shí)際上都是一種AI Agent。 目前，智駕AI Agent和座艙AI Agent是分離的，未來(lái)隨著艙駕融合的發(fā)展，智駕AI Agent和座艙AI Agent也將走向融合。但是，主機(jī)廠和Tier1現(xiàn)在考慮艙駕融合，就不能只考慮硬件層面的融合，還需要考慮操作系統(tǒng)和整車系統(tǒng)架構(gòu)層面，特別是要考慮大模型/AI Agent模式的快速演進(jìn)。 大模型/AI Agent 目前是操作系統(tǒng)/APP生態(tài)的一部分，未來(lái)會(huì)取代操作系統(tǒng)/APP 模式嗎？我們認(rèn)為是有可能的。 基于大模型的Agent不僅可以讓每個(gè)人都有增強(qiáng)能力的專屬智能助理，還將改變?nèi)藱C(jī)協(xié)同的模式，帶來(lái)更為廣泛的人機(jī)融合。人類與AI協(xié)同有三種模式：嵌入（embedding）模式，副駕駛（Copilot）模式，智能體（Agent）模式。  來(lái)源：知乎 在智能駕駛中，嵌入（embedding）模式相當(dāng)于L1-L2級(jí)自動(dòng)駕駛，副駕駛（Copilot）模式相當(dāng)于L2.5和高速NOA，智能體（Agent）模式相當(dāng)于城市NOA和L3級(jí)自動(dòng)駕駛。 在智能體（Agent）模式下，人類設(shè)定目標(biāo)和提供必要的資源（例如計(jì)算能力），然后AI獨(dú)立地承擔(dān)大部分工作，最后人類監(jiān)督進(jìn)程以及評(píng)估最終結(jié)果。這種模式下，AI充分體現(xiàn)了智能體的互動(dòng)性、自主性和適應(yīng)性特征，接近于獨(dú)立的行動(dòng)者，而人類則更多地扮演監(jiān)督者和評(píng)估者的角色。 在AI智能體（Agent）模式下，原來(lái)通過(guò)車機(jī)APP實(shí)現(xiàn)的大量交互操作，現(xiàn)在通過(guò)自然形態(tài)交互（語(yǔ)音，手勢(shì)等）就能實(shí)現(xiàn)目標(biāo)。甚至AI Agent主動(dòng)觀察車內(nèi)外情況，提出需求問詢，經(jīng)過(guò)車主確認(rèn)后即可執(zhí)行某項(xiàng)任務(wù)。 因此，AI Agent的發(fā)展必然讓以前的大量APP變得沒有必要，必將給智能座艙和智能駕駛的開發(fā)及應(yīng)用，帶來(lái)顛覆性影響。 當(dāng)前的AI大模型并不是操作系統(tǒng)，而是一種人工智能模型的范式和架構(gòu)，關(guān)注如何讓機(jī)器具備處理多種模態(tài)數(shù)據(jù)(如文本、圖像、視頻等)的能力。AI Agent更類似于一種人工智能應(yīng)用或應(yīng)用層，需要底層操作系統(tǒng)和硬件的支持才能運(yùn)行，本身不負(fù)責(zé)計(jì)算機(jī)系統(tǒng)的基本管理和資源調(diào)度。未來(lái)AI大模型很可能和OS結(jié)合，成為AIOS。 AI大模型和AI Agent的發(fā)展對(duì)未來(lái)操作系統(tǒng)的影響包括：
《2024年AI大模型對(duì)整車智能化設(shè)計(jì)和開發(fā)的影響研究報(bào)告》目錄 共160頁(yè) 01 AI大模型應(yīng)用現(xiàn)狀與未來(lái)趨勢(shì) 1.1 AI大模型應(yīng)用簡(jiǎn)介 1.1.1 各類AI模型介紹 1.1.2 多模態(tài)大模型VLM：通用架構(gòu)和演進(jìn)趨勢(shì) 1.1.3 大模型對(duì)3D道路場(chǎng)景理解的演進(jìn)趨勢(shì) 1.1.4 多模態(tài)大模型對(duì)智能汽車行駛道路場(chǎng)景理解的演進(jìn)趨勢(shì)總結(jié) 1.2 應(yīng)用現(xiàn)狀 1.2.1 AI大模型應(yīng)用分類 1.2.2 AI大模型應(yīng)用現(xiàn)狀：供應(yīng)商 1.2.3 AI大模型應(yīng)用現(xiàn)狀：主機(jī)廠 1.2.4 AI大模型在整車不同層級(jí)的應(yīng)用 1.2.5 AI大模型在不同場(chǎng)景中的應(yīng)用實(shí)例 1.3 Sora文本生成視頻大模型 1.3.1 自動(dòng)駕駛AD基礎(chǔ)大模型：世界模型與視頻生成 1.3.2 視覺生成大模型：歷史回顧與對(duì)比分析 1.3.3 Sora文本生成視頻大模型：基本原理與社會(huì)價(jià)值 1.3.4 Sora文本生成視頻大模型：基本系統(tǒng)介紹 1.3.5 Sora文本生成視頻大模型：基本功能 1.3.6 Sora文本生成視頻大模型：優(yōu)勢(shì)與局限 1.3.7 Sora文本生成視頻大模型：案例分析 1.3.8 解讀Sora模塊（1） 1.3.9 解讀Sora模塊（2） 1.3.10 解讀Sora模塊（3） 1.3.11 解讀Sora模塊（4） 1.3.12 Sora vs GPT-4：算力需求對(duì)比分析 1.3.13 Sora文本生成視頻大模型：對(duì)自動(dòng)駕駛行業(yè)的推動(dòng)預(yù)測(cè) 1.4 總結(jié) 1.4.1 AI大模型導(dǎo)致涌現(xiàn)效應(yīng) 1.4.2 AI大模型相對(duì)于傳統(tǒng)AD模型的優(yōu)勢(shì) 1.4.3 AI大模型對(duì)操作系統(tǒng)的影響 1.4.4 AI大模型對(duì)SOA架構(gòu)/仿真設(shè)計(jì)/SoC設(shè)計(jì)的影響 1.4.5 AI大模型對(duì)自動(dòng)駕駛開發(fā)的影響 1.4.6 AI大模型演進(jìn)趨勢(shì)1 1.4.7 AI大模型演進(jìn)趨勢(shì)2 1.4.8 智能汽車行業(yè)AI大模型的痛點(diǎn)分析與解決思路 1.4.9 AI大模型的現(xiàn)存問題 1.4.10 Sora文本生成視頻大模型對(duì)智能汽車行業(yè)的影響分析與預(yù)測(cè) 1.4.11 AI計(jì)算芯片設(shè)計(jì)的痛點(diǎn)和應(yīng)對(duì)措施 1.4.12 AI大模型：人機(jī)融合決策控制的新突破 1.4.13 AI大模型對(duì)汽車智能化的影響總結(jié)（1） 1.4.14 AI大模型對(duì)汽車智能化的影響總結(jié)（2） 1.4.15 AI大模型對(duì)汽車智能化的影響總結(jié)（3） 1.4.16 AI大模型對(duì)汽車智能化的影響總結(jié)（4） 1.4.17 AI大模型對(duì)汽車智能化的影響總結(jié)（5） 1.4.18 AI大模型對(duì)汽車智能化的影響總結(jié)（6） 02 AI大模型對(duì)汽車硬件層的影響 2.1 AI大模型對(duì)芯片設(shè)計(jì)和功能的影響 2.1.1 AI大模型對(duì)芯片的影響趨勢(shì)（1） 2.1.2 AI大模型對(duì)芯片的影響趨勢(shì)（2） 2.1.3 AI大模型對(duì)芯片的影響趨勢(shì)（3） 2.1.4 LLM大模型對(duì)智能汽車SoC設(shè)計(jì)范式的變革 2.1.5 案例1 2.1.6 案例2 2.1.7 NVIDIA自動(dòng)駕駛DRIVE系列芯片 2.1.8 案例3 2.1.9 AI大模型對(duì)座艙芯片設(shè)計(jì)和規(guī)劃的影響 2.1.10 案例4 2.2 AI大模型對(duì)ADAS傳感器和感知系統(tǒng)開發(fā)的影響 2.2.1 大模型驅(qū)動(dòng)：感知能力融合與共享的演進(jìn)趨勢(shì) 2.2.2 案例5 2.2.3 案例6 03 AI大模型對(duì)汽車SOA架構(gòu)/操作系統(tǒng)的影響 3.1 AI大模型對(duì)SOA/EE架構(gòu)的影響 3.1.1 EE架構(gòu)演進(jìn)的驅(qū)動(dòng)因素 3.1.2 AI大模型對(duì)算力需求也推動(dòng)EE架構(gòu)進(jìn)化 3.1.3 多模態(tài)大模型與EE架構(gòu)3.0 3.1.4 從大模型Agent技術(shù)看SOA發(fā)展方向 3.1.5 案例1 3.2 AI大模型對(duì)操作系統(tǒng)設(shè)計(jì)和開發(fā)的影響 3.2.1 AI大模型如何影響OS（1） 3.2.2 AI大模型如何影響OS（2） 3.2.3 AI大模型如何影響OS（3） 3.2.4 案例2 3.2.5 案例3 3.2.6 案例4 3.2.7 案例5 3.2.8 案例6 04 AI大模型對(duì)汽車數(shù)據(jù)閉環(huán)/仿真系統(tǒng)的影響 4.1 AI大模型對(duì)數(shù)據(jù)閉環(huán)的影響 4.1.1 數(shù)據(jù)驅(qū)動(dòng)的自動(dòng)駕駛系統(tǒng) 4.1.2 數(shù)據(jù)驅(qū)動(dòng)與數(shù)據(jù)閉環(huán) 4.1.3 大模型在智能駕駛的應(yīng)用 4.1.4 長(zhǎng)安數(shù)據(jù)閉環(huán) 4.1.5 東信創(chuàng)智云端數(shù)據(jù)閉環(huán)解決方案SimCycle 4.1.6 華為盤古大模型與數(shù)據(jù)閉環(huán) 4.1.7 華為盤古大模型如何賦能自動(dòng)駕駛開發(fā)平臺(tái) 4.1.8 商湯數(shù)據(jù)閉環(huán)方案 4.1.9 覺非科技采用地平線芯片與大模型完成數(shù)據(jù)閉環(huán) 4.2 AI大模型對(duì)仿真系統(tǒng)的影響 4.2.1 自動(dòng)駕駛視覺大基礎(chǔ)模型VFM 4.2.2 Sora與Tesla FSD-GWM視頻生成能力對(duì)比分析 4.2.3 Sora與LLM對(duì)比 4.2.4 Sora與ChatSim對(duì)比 4.2.5 多模態(tài)基礎(chǔ)大模型 4.2.6 生成式世界模型GAIA-1系統(tǒng)架構(gòu) 4.2.7 案例1 4.2.8 案例2 4.2.9 案例3 4.2.10 案例4 05 AI大模型對(duì)自動(dòng)駕駛和智能座艙的影響 5.1 AI大模型對(duì)自動(dòng)駕駛的影響 5.1.1 自動(dòng)駕駛AD基礎(chǔ)大模型：應(yīng)用場(chǎng)景與戰(zhàn)略意義 5.1.2 自動(dòng)駕駛AD基礎(chǔ)大模型：典型應(yīng)用 5.1.3 自動(dòng)駕駛AD基礎(chǔ)大模型：典型應(yīng)用和局限性分析 5.1.4 自動(dòng)駕駛AD基礎(chǔ)大模型：主要適配場(chǎng)景與應(yīng)用方式 5.1.5 自動(dòng)駕駛視覺基礎(chǔ)大模型VLM/MLM/VFM：行業(yè)適配場(chǎng)景與主要應(yīng)用 5.1.6 自動(dòng)駕駛AD基礎(chǔ)大模型：適配場(chǎng)景案例 5.1.7 自動(dòng)駕駛視覺大模型：數(shù)據(jù)表征方式與主要應(yīng)用 5.1.8 智駕域控的演進(jìn)趨勢(shì) 5.1.9 多模態(tài)大模型智駕應(yīng)用 5.2 AI大模型在自動(dòng)駕駛的應(yīng)用案例 5.2.1 案例1 5.2.2 案例2 5.2.3 案例3 5.2.4 商湯Drive-MLM：世界模型構(gòu)建 5.2.5 商湯Drive-MLM：多模態(tài)生成式交互 5.2.6 案例4 5.2.7 案例5 5.2.8 案例6 5.2.9 高通混合式AI：在智駕中的應(yīng)用 5.2.10 高通AI模型庫(kù) 5.2.11 案例7 5.2.12 案例8 5.3 AI大模型對(duì)座艙域控的影響 5.3.1 多模態(tài)基礎(chǔ)大模型 5.3.2 大模型對(duì)交互設(shè)計(jì)的影響：數(shù)據(jù)分析與決策 5.3.3 大模型對(duì)交互設(shè)計(jì)的影響：通過(guò)自主學(xué)習(xí)提供個(gè)性化服務(wù) 5.3.4 案例1 5.3.5 案例2 5.3.6 案例3 5.3.7 案例4 5.3.8 案例5 06 AI AGENT與汽車 6.1 什么是AI AGENT 6.2 AI AGENT的發(fā)展方向 6.3 AI AGENT的智能汽車應(yīng)用趨勢(shì) 6.4 AI AGENT的汽車應(yīng)用案例 |
|
|
來(lái)自： mrjiangkai > 《我的圖書館》
