AI大模型对智能汽车产业的影响(26页PPT).pptx

AI大模型对智能汽车产业的影响单击此处添加副标题汇报人姓名汇报日期

AI大模型在汽车业的应用 3AI大模型对汽车产业链的影响 ChatGPT与AI大模型1目录2

（单位：月）21326SnapchatFacebook2022年11月，美国科技公司OpenAI发布ChatGPT，因能很好地与人实现互动而迅速成为爆款产品：上线5天用户过100万，2个月后用户就突破1亿，成为历史上用户数增长最快的消费者应用。各明星应用程序注册用户达1亿时间ChatGPT可回复自然语言输入的问题ChatGPT，突然出现的爆款资料来源：OpenAI公司，英伟达公司InstagramChatGPTTikTok4239

GPT-315亿参数量2019年2月1,750亿参数量2022年7月ChatGPT（ChatGenerativePre-trainedTransformer），是一种适用于自然语言交流的人工智能大模型，它成功的关键之一，是OpenAI使用了海量数据进行预训练。5年间，GPT的参数量已从亿级飙升至万亿级。据不完全统计，目前已发布的国内大模型中：参数量超过10亿的有79个，其中，参数量最高的达到174万亿。GPT-4四代GPT参数量变化ChatGPT成功关键之一：大参数GPT-2GPT-118,000亿参数量1.17亿参数量资料来源：OpenAI公司，新汽车研究所制图2023年3月2018年6月

ChatGPT取得成功的另一个关键，是使用了Transformer模型。该模型采用自注意力（self-attention）机制，其优点在于并行度高，可一次性处理所有输入数据，使ChatGPT能对词语序列的概率分布进行建模，利用上下文信息预测后续词语出现的概率分布。三种常见模型的特点对比ChatGPT成功关键之二：新模型CNN模型只能对标注过的物体进行相似度的比对RNN模型无法进行并行计算，效率严重受限。Tf模型可找到更泛华的相似规律，或者说，它的联想能力更强。卷积神经网络模型（CNN）循环神经网络模型（RNN）Transformer模型资料来源：《动手学深度学习》（李沐）

2020年，微软亚洲研究院首次将Tf模型应用于图像分类任务，在评测中实现88.55%的准确率。而且Tf模型在数据量越大的情况下表现越好，特别适用于自动驾驶这类大规模数据训练场景。Transformer模型可将2D图像融合成3D视角Transformer模型的工作原理Tf模型的另一个重要用处：计算机视觉资料来源：《AttentionIsAllYouNeed》、《Safety-EnhancedAutonomousDrivingUsingInterpretableSensorFusionTransformer》

AI大模型在汽车业的应用 3AI大模型对汽车产业链的影响 ChatGPT与AI大模型1目录2

级别名称定义驾驶操作环境感知支援系统作用域0无自动化?由驾驶者完全操控汽车驾驶者驾驶者驾驶者无1驾驶支援?系统有时能够辅助驾驶者完成方向盘和加减速等驾驶操作驾驶者与系统部分行驶任务2部分自动化?系统能够完成某项驾驶任务?驾驶者需要监控驾驶环境?其余驾驶操作由驾驶者完成驾驶者与系统3条件自动化?系统负责某些情况下环境感知?驾驶员需要时刻准备取回驾驶控制权系统系统4高度自动化?系统能够进行环境感知?驾驶员不需重新取得驾驶控制权?系统只能在特定环境条件下运行系统全部行驶任务5完全自动化?系统能够完成所有环境条件下的所有驾驶任务自动驾驶是过去10年最火热的赛道，但直到2022年才有部分企业推出具备L3级功能的车型。究其原因，除法规发展落后于产业发展外，很重要的一点在于自动驾驶系统积累的数据量还不够，存在安全隐患。SAE对自动驾驶的分级标准自动驾驶近年来一直未能进入L3时代资料来源：SAEJ3016-2018

100亿公里马斯克曾在推特点赞了这样的观点：实现超越人类的自动驾驶能力至少需要100亿公里驾驶数据。1000亿公里自动驾驶初创公司MOMENTA在其公众号上提出：要实现L4级驾驶，至少需要千亿公里驾驶数据。我国2022年公里旅客运输周转量道路交通具有场景复杂、参与者多、场景异质性强等特点，存在大量不可预见性。为避免长尾问题，厂商需要对车辆自动驾驶系统进行大量测试，以确保尽可能多地覆盖场景，但也会带来成本的大幅增加。 业界对L4级别自动驾驶所需测试数据的预估 为解决长尾问题，测试数据需达10亿~1000亿公里资料来源：广汽集团，案头研究2400亿

人工智能大模型在汽车