自Chat GPT火爆出圈后，“大模型”掀起了一波接一波的人工智能浪潮，吸引了眾多國家與企業(yè)的強烈關(guān)注，大家普遍認為大模型將驅(qū)動各行各業(yè)發(fā)生顛覆性影響。在汽車行業(yè)中大模型的應(yīng)用也引發(fā)了熱烈討論，眾說紛紜。蓋斯特咨詢研究團隊對大模型做了系統(tǒng)研究，本研報在解析大模型本質(zhì)的基礎(chǔ)上，研究其社會價值與影響，深入分析了大模型在汽車行業(yè)的應(yīng)用潛力與落地挑戰(zhàn)，并為車企提供布局策略建議。
一、對大模型的本質(zhì)解析
1.大模型的概念與本質(zhì)
大模型是一種大規(guī)模預(yù)訓(xùn)練AI模型。AI模型從2000年發(fā)展至今，歷經(jīng)了機器學(xué)習(xí)、深度學(xué)習(xí)到預(yù)訓(xùn)練模型的三個發(fā)展階段。當AI模型訓(xùn)練的數(shù)據(jù)量、算法參數(shù)量、算力三者持續(xù)提升并達到臨界量級（如圖1所示），AI模型的生產(chǎn)力由量變到質(zhì)變，展現(xiàn)出智能推理和內(nèi)容生成的能力，由此誕生了大模型。
目前大模型尚無統(tǒng)一的定義。蓋斯特給出的大模型定義是：指具備龐大參數(shù)體量（參數(shù)量高達千億甚至萬億級），經(jīng)過海量數(shù)據(jù)集的通用化訓(xùn)練，涌現(xiàn)出在多任務(wù)下自學(xué)習(xí)、自推理、自生成能力的大規(guī)模預(yù)訓(xùn)練AI模型。
圖1 AI核心要素的發(fā)展歷程
大模型與傳統(tǒng)AI模型已有了本質(zhì)的區(qū)別。傳統(tǒng)AI模型不僅需要人工訓(xùn)練AI怎樣做，還需要人對訓(xùn)練樣本進行海量的標注，這樣AI模型才能完成特定類型的任務(wù)。而AI大模型具有很強的自學(xué)習(xí)能力，在無規(guī)則預(yù)設(shè)前提下具有低樣本甚至零樣本的推理能力，能夠根據(jù)需求直接完成任務(wù)；同時具有強泛化性，通常在無標注情況下，大模型可以高效學(xué)習(xí)訓(xùn)練集中的通用規(guī)律和復(fù)雜特征，能夠更好應(yīng)對自然語言任務(wù)；具有高通用性，通過自監(jiān)督學(xué)習(xí)和巧妙訓(xùn)練原生自然語言，從完成單任務(wù)拓展至多任務(wù)。
也就是說，與傳統(tǒng)AI模型相比，大模型具有強自學(xué)習(xí)性、強泛化性、高通用性三大核心特征，具備了智能理解、推理、生成的能力，從而推動人工智能從基于規(guī)則的“計算智能階段”加速向“認知智能階段”發(fā)展。大模型的出現(xiàn)大幅降低了人工在任務(wù)流程中的介入需求，開始打破原有人工與AI之間的平衡，將極大地加速AI產(chǎn)業(yè)化落地進程。
2.大模型的關(guān)鍵要素
大模型的關(guān)鍵要素包括數(shù)據(jù)、算法、算力與平臺，具體來看：
第一，數(shù)據(jù)是大模型訓(xùn)練、迭代和優(yōu)化的關(guān)鍵。數(shù)據(jù)主要來源于各類數(shù)據(jù)集、用戶數(shù)據(jù)等，其中人類自然語言信息是大模型的專屬數(shù)據(jù)特征。高質(zhì)量數(shù)據(jù)是稀缺資源，更是在大模型競爭格局中獲勝的核心要素。
第二，算法是大模型的核心技術(shù)，決定大模型的能力范疇。算法包括基礎(chǔ)通用化模型算法與專業(yè)微調(diào)模型算法。目前算法掌握在大模型開發(fā)企業(yè)手中。
第三，算力是支撐大模型能力實現(xiàn)的基礎(chǔ)。大模型的龐大參數(shù)量與數(shù)據(jù)體量決定其算力需求遠超一般AI模型，所以大模型需要AI芯片（如高性能GPU）、云計算、服務(wù)器等企業(yè)提供算力支撐。
第四，平臺是連接大模型和應(yīng)用端的紐帶，也成為新的關(guān)鍵要素。通過平臺可將大模型能力有效釋放于應(yīng)用端，同時借助平臺來吸納數(shù)據(jù)，又能反哺大模型迭代和優(yōu)化。平臺包括服務(wù)平臺、開發(fā)平臺、應(yīng)用生態(tài)平臺和信息平臺等。
綜上所述，算力是大模型的基礎(chǔ)支撐，算法和數(shù)據(jù)共同驅(qū)動大模型持續(xù)提升，平臺的部署則是釋放大模型能力的有效途徑。
3.大模型應(yīng)用所需的能力支撐
大模型落地應(yīng)用的支撐能力主要來源于技術(shù)、資源、安全三個層面。
首先在技術(shù)層面，一是大模型的開發(fā)難度大，并非參數(shù)量大或利用海量數(shù)據(jù)訓(xùn)練的模型就是大模型，大模型的關(guān)鍵在于其能否涌現(xiàn)出強大的推理和生成能力；二是多模態(tài)處理性能要求高，隨著應(yīng)用場景越來越豐富，自然語言、語音、圖像、視頻等多類數(shù)據(jù)交織，大模型機器學(xué)習(xí)處理難度高；三是現(xiàn)有大模型輸出的內(nèi)容極度不穩(wěn)定，而且在出現(xiàn)錯誤后難以有效溯源，所以大模型在行為一致性與可解釋性均需有效提升。
其次在資源支撐層面，一是大模型對優(yōu)質(zhì)且海量的數(shù)據(jù)需求高，目前缺少供訓(xùn)練的中文共性基礎(chǔ)庫，同時各行業(yè)內(nèi)均存在數(shù)據(jù)壁壘，導(dǎo)致數(shù)據(jù)獲取難度大；二是算力和內(nèi)存需求大，以GPT聊天機器人模型為例，僅其訓(xùn)練的算力門檻便需一萬張高性能GPU芯片,成本約10億元，同時至少需350GB內(nèi)存來訓(xùn)練1750億參數(shù)；三是大模型對電力等能源消耗極大，且成本高。例如，GPT訓(xùn)練的年綜合電力成本高達數(shù)十億元人民幣。
最后在安全治理層面，當前社會對于大模型落地應(yīng)用的主要擔憂在數(shù)據(jù)安全、AI治理與監(jiān)管效果方面。如果大模型的生成式內(nèi)容能力被濫用，很可能違反社會價值觀，甚至突破法律底線。同時大模型對社會就業(yè)、產(chǎn)業(yè)發(fā)展、道德倫理的沖擊也會引發(fā)一系列的問題。
由此可見，大模型發(fā)展面臨的是全方位、多維度的問題，所以需要從技術(shù)支撐、基礎(chǔ)設(shè)施、社會治理制度等多方面不斷完善，來共同推動大模型的落地應(yīng)用。
4.大模型的演進階段
大模型的發(fā)展路線可分為工程化、通用化、行業(yè)化和生態(tài)化四個演進階段，具體如圖2所示。當前大模型發(fā)展正從通用化向行業(yè)化階段轉(zhuǎn)變，即通用基礎(chǔ)大模型成熟期向垂直應(yīng)用領(lǐng)域大模型成熟期的發(fā)展進程中。這個階段需要打通大模型功能與用戶連接之間的橋梁，以契合行業(yè)的特點。合理有效地發(fā)揮大模型的能力是目前面臨的關(guān)鍵問題。
當前通用大模型領(lǐng)域呈現(xiàn)出百花齊放、激烈競爭的場面。蓋斯特咨詢判斷，將來僅有少數(shù)寡頭企業(yè)可完全跑通大模型的演進路徑。隨著大模型行業(yè)競爭從比參數(shù)過渡到比落地應(yīng)用，將出現(xiàn)越來越多的垂直領(lǐng)域大模型。這類行業(yè)大模型擅長特定的專業(yè)領(lǐng)域及核心的交互場景。相對來說，輕量化的行業(yè)模型及場景模型得益于更聚焦的數(shù)據(jù)訓(xùn)練與更少的參數(shù)設(shè)置，不僅降低部署成本，同時用戶對此的感知程度也將日益加深，因此垂直應(yīng)用領(lǐng)域大模型將迎來蓬勃發(fā)展時期。未來隨著大模型產(chǎn)業(yè)主體更加豐富、各模塊專業(yè)性提升、產(chǎn)業(yè)鏈完善、應(yīng)用生態(tài)繁榮，大模型產(chǎn)業(yè)日趨完善的生態(tài)格局將有效賦能其實現(xiàn)更大的產(chǎn)業(yè)價值。
圖2 大模型演進趨勢
二、大模型的社會價值與應(yīng)用潛力
1.大模型的社會價值
大模型的出現(xiàn)意味著人工只需指導(dǎo)AI，甚至用AI控制AI來完成任務(wù)，極大降低了人在人工智能任務(wù)中的參與程度需求，大模型將革命性地解放生產(chǎn)力；進而大模型將變革生產(chǎn)關(guān)系，引發(fā)社會全方位的資源調(diào)整，甚至資源再分配。因此大模型將驅(qū)動各行業(yè)發(fā)生顛覆性變革，并將變革社會方式。
具體而言，大模型將從開發(fā)生產(chǎn)、產(chǎn)品服務(wù)、企業(yè)經(jīng)營、人才需求等方面驅(qū)動各行業(yè)變革。
第一，突破開發(fā)生產(chǎn)效率。大模型自身高效的數(shù)據(jù)處理、軟件開發(fā)、數(shù)據(jù)化自動化標注等能力可以解放低效生產(chǎn)力，提升開發(fā)生產(chǎn)的自動化程度，降低勞動力成本，實現(xiàn)大幅度的降本增效；
第二，創(chuàng)新產(chǎn)品服務(wù)形態(tài)。大模型強大的算法優(yōu)化、數(shù)據(jù)挖掘、多模交互、內(nèi)容生成、用戶情感識別等特點，可實現(xiàn)創(chuàng)意激發(fā)與體驗優(yōu)化，同時讓人機交互更加智能；
第三，優(yōu)化企業(yè)經(jīng)營決策。大模型可提供數(shù)據(jù)分析、智能制造、智能銷售與服務(wù)、成本與決策優(yōu)化等服務(wù)，助力企業(yè)做出全面、精準、靈活的判斷，使決策更科學(xué)、服務(wù)更精準；
第四，引發(fā)社會人才需求變化。大模型顯著降低對低效、低創(chuàng)造性人才的需求，對創(chuàng)造性的高價值人才需求將顯著增加，未來可靈活運用AI技能的人才將具備明顯優(yōu)勢。
未來如何利用大模型有效賦能，形成更低成本及更高效率的開發(fā)生產(chǎn)模式、更智能更友好的產(chǎn)品形態(tài)、更高價值的用戶體驗，將成為產(chǎn)業(yè)智能化發(fā)展中的重要課題。
2.大模型產(chǎn)業(yè)應(yīng)用的范式
大模型產(chǎn)業(yè)應(yīng)用是以“通用預(yù)訓(xùn)練+專業(yè)精調(diào)”的組合模式。如圖3所示，首先通用基礎(chǔ)大模型對海量的多模態(tài)知識開展預(yù)訓(xùn)練，然后針對行業(yè)及業(yè)務(wù)場景進行適配化精調(diào)開發(fā)，形成垂直類場景模型，提供原子化服務(wù)。而平臺作為大模型能力與產(chǎn)品應(yīng)用之間的連接和溝通工具，將場景模型層的原子能力與上層應(yīng)用打通，為用戶輸出大模型服務(wù)。以Chat GPT為例，大語言模型作為基礎(chǔ)支撐，通過對自然語言的預(yù)訓(xùn)練，結(jié)合人類對話場景進行微調(diào)，實現(xiàn)對話問答的原子能力，再通過服務(wù)平臺接口將對話功能引入到網(wǎng)頁、APP、汽車座艙等應(yīng)用中，供用戶使用。
圖3 大模型產(chǎn)業(yè)應(yīng)用范式
在此應(yīng)用范式下，新的軟件應(yīng)用不再需要從最底層開始重復(fù)開發(fā)，而是基于已有的基礎(chǔ)模型與場景模型便可實現(xiàn)高效的應(yīng)用開發(fā)。因此大模型將重構(gòu)各行業(yè)的軟件體系，不僅有效降低AI模型及軟件應(yīng)用的開發(fā)門檻，提高軟件開發(fā)和硬件優(yōu)化的效率，還將重塑企業(yè)經(jīng)營管理模式，并拓展豐富其產(chǎn)業(yè)應(yīng)用邊界與賦能形態(tài)。蓋斯特咨詢認為，未來各行業(yè)的所有軟件都可以用大模型重寫一遍，實現(xiàn)軟件價值效率的革命性提升，賦能各行業(yè)發(fā)展。
3.大模型在不同行業(yè)的應(yīng)用前景預(yù)測
對于具體行業(yè)而言，其聯(lián)網(wǎng)程度、數(shù)字化基礎(chǔ)、行業(yè)內(nèi)容特點等決定大模型的應(yīng)用前景與價值。蓋斯特咨詢按照“影響程度”與“滲透速度”兩個維度，將大模型變革行業(yè)的前景分為四類（詳見圖4）：
一是突破顛覆型：大模型可滲透到行業(yè)核心內(nèi)容，能夠快速創(chuàng)造價值的行業(yè)，典型代表有互聯(lián)網(wǎng)、游戲、電商等行業(yè)；二是快速影響型：該類行業(yè)數(shù)字化范圍較大，但AI滲透行業(yè)核心內(nèi)容的邏輯較難，例如汽車、營銷、通信行業(yè)；三是潛在發(fā)展型：該類行業(yè)數(shù)字化程度極低，大模型滲透速度慢、影響弱，例如農(nóng)業(yè)、建筑、政務(wù)等；四是緩慢賦能型：行業(yè)本身數(shù)字化程度低，人工智能的潛在價值兌現(xiàn)較慢，例如教育、藝術(shù)業(yè)等。
圖4 大模型對各行業(yè)變革前景分析（注：圓圈大小代表潛在價值大?。?/span>
結(jié)合各行業(yè)的特點，目前大模型的典型應(yīng)用案例已有不少。例如，最為廣泛的自然語言（NLP）大模型已被用于服務(wù)業(yè)中的智能客服、互聯(lián)網(wǎng)的搜索推薦、影視業(yè)的實時字幕、教育業(yè)的語義理解等；計算機視覺（CV）大模型可用于游戲的三維建模、制造業(yè)的智能監(jiān)控、工業(yè)中的輔助質(zhì)檢、醫(yī)療中的輔助診斷等；跨模態(tài)大模型可支撐多類型生成式人工智能（AIGC）應(yīng)用，如汽車中的智能交互、營銷圖文物料、服務(wù)業(yè)中的內(nèi)容生產(chǎn)等；決策類大模型分析、判斷與優(yōu)化能力將用于汽車自動駕駛、金融投資研判、智能交通規(guī)劃、節(jié)能模型等。
三、大模型在汽車行業(yè)應(yīng)用前景分析
1.大模型在汽車行業(yè)應(yīng)用潛力
當前汽車行業(yè)已進入數(shù)字化與智能化發(fā)展階段，AI軟件逐漸成為新汽車時代的重要支撐技術(shù)。汽車產(chǎn)業(yè)具有主體多、涉及領(lǐng)域多、流程復(fù)雜的特點，正是大模型當前及未來應(yīng)用的重要領(lǐng)域之一。
對于大模型在汽車行業(yè)的應(yīng)用場景和應(yīng)用價值，我們可從“用戶感知程度”和“AI軟件影響潛力”兩個維度來判斷分析。如圖5所示，應(yīng)用場景可分為產(chǎn)品與技術(shù)、用戶服務(wù)運營、企業(yè)經(jīng)營管理三大方面的6個細分領(lǐng)域。其中，產(chǎn)品及技術(shù)方面包括智能化體驗、技術(shù)研發(fā)創(chuàng)新、產(chǎn)品設(shè)計，大模型的應(yīng)用價值將率先體現(xiàn)在智能化產(chǎn)品提升與技術(shù)研發(fā)創(chuàng)新上，這是行業(yè)當前重點關(guān)注領(lǐng)域；服務(wù)運營是用戶感知程度較強的領(lǐng)域，其中營銷、售后、城市出行等場景均可利用大模型進行賦能；在企業(yè)經(jīng)營管理方面，大模型在生產(chǎn)制造智能化、企業(yè)數(shù)字化流程變革及組織形態(tài)創(chuàng)新等發(fā)揮作用，通過彌合數(shù)據(jù)流斷點、提升自動化程度、優(yōu)化組織機制等實現(xiàn)企業(yè)經(jīng)營的降本增效。
圖5 大模型在不同汽車領(lǐng)域的應(yīng)用場景分析
由上可知，大模型可賦能汽車行業(yè)多個領(lǐng)域，其能力不僅契合汽車各關(guān)鍵領(lǐng)域的發(fā)展需求，還可助力解決當前面臨的諸多問題，具有強大的應(yīng)用潛力。如果汽車企業(yè)有效利用了大模型賦能自身各個環(huán)節(jié)，以突破創(chuàng)新和提質(zhì)增效，將在市場競爭中對其他同類企業(yè)形成降維打擊之勢。
2.大模型在汽車領(lǐng)域應(yīng)用的挑戰(zhàn)
盡管大模型在汽車行業(yè)應(yīng)用的潛力巨大，但是由于汽車產(chǎn)業(yè)非常復(fù)雜，同樣面臨著巨大的挑戰(zhàn)。一方面汽車行業(yè)的復(fù)雜性放大了大模型自有的發(fā)展難題，另一方面汽車行業(yè)的獨特性又給大模型帶來了新的應(yīng)用挑戰(zhàn)。
具體來看，大模型在汽車領(lǐng)域應(yīng)用的挑戰(zhàn)主要集中模型算法、數(shù)據(jù)及算力支撐三大方面，如圖6所示。
圖6 大模型在汽車行業(yè)應(yīng)用的主要挑戰(zhàn)領(lǐng)域
第一，在算法層面，由于汽車場景多且復(fù)雜，包括靜態(tài)和動態(tài)、用戶和機器、車內(nèi)和車外、圖片和視頻等等，眾多類型的海量數(shù)據(jù)交織，顯然僅靠單一模態(tài)模型處理無法完成，因此對大模型同時處理不同模態(tài)數(shù)據(jù)的算法能力提出挑戰(zhàn)；同時汽車關(guān)乎人類生命安全，車規(guī)級安全性要求大模型的算法必須具有高度的可靠性和一致性，另外還需具備可解釋性。而現(xiàn)有大模型生成的內(nèi)容極度不穩(wěn)定，若出現(xiàn)錯誤又難以有效溯源，無法滿足車輛需求。蓋斯特咨詢認為，相比于通用基礎(chǔ)大模型而言，汽車AI模型開發(fā)應(yīng)聚焦在細分用車場景和數(shù)據(jù)輕量化，打造更符合汽車場景的的汽車AI中模型或小模型，或許能夠有效地應(yīng)對上述問題。
第二，在數(shù)據(jù)層面，面臨著數(shù)據(jù)來源少、質(zhì)量差和數(shù)據(jù)安全等問題。首先汽車行業(yè)缺少大體量、高質(zhì)量的數(shù)據(jù)，一方面不同企業(yè)的數(shù)據(jù)具有天然隔閡，另一方面沒有統(tǒng)一的標準，數(shù)據(jù)難以流通和使用，因此需要構(gòu)建汽車行業(yè)專屬的數(shù)據(jù)開放平臺，促進數(shù)據(jù)的流通和共享；其次，單一模態(tài)數(shù)據(jù)已經(jīng)不能滿足多模算法的訓(xùn)練需求，未來需要海量的多類型數(shù)據(jù)；最后，數(shù)據(jù)安全更是汽車行業(yè)需要關(guān)注的重要問題。傳感器數(shù)據(jù)、地圖等信息涉及國家機密，國家對其管控嚴格；用戶數(shù)據(jù)涉及隱私安全，此類數(shù)據(jù)確權(quán)、開放共享的合法性存在爭議，國家及行業(yè)需要進一步明確AI監(jiān)管與治理規(guī)范。
第三，在算力層面，前文談到了大模型自身對算力、能源、成本等需求巨大，高端大算力GPU和電力將成為限制大模型發(fā)展的核心因素。若大模型應(yīng)用到汽車上又有了新的挑戰(zhàn)。例如，GPT僅推理就需近3萬個GPU支持，日耗電量達50萬度。目前車端系統(tǒng)級芯片最高能提供2000 TOPS的算力，與大模型所需的萬級TOPS的算力需求相差甚遠，另外車端的電池也難以支撐大模型的運行能耗，因此大模型的算力應(yīng)更多地部署到云端和邊緣端，即讓云端和邊緣端承擔大規(guī)模計算任務(wù)，同時芯片架構(gòu)開發(fā)需考慮與大模型算法適配，以提升算力利用率。另外，車云信息傳輸需求必須是極低時延（車端是10毫秒級），所以網(wǎng)絡(luò)通訊能力也需要進一步提升。
由上可見，汽車行業(yè)應(yīng)用大模型所面臨的問題是全方位、多維度的，需要跨主體、跨專業(yè)、跨領(lǐng)域的分工合作，以推動其持續(xù)應(yīng)用與發(fā)展。需要注意的是，大模型在汽車行業(yè)有無應(yīng)用潛力，與能否取得商業(yè)成功是兩回事。目前國內(nèi)發(fā)布大模型的數(shù)量早已破百，其背后是大量資源的消耗，但是商業(yè)價值回報尚未真正體現(xiàn)出來。汽車企業(yè)也在積極參與大模型的發(fā)展。蓋斯特認為，如果車企一味地“卷”底層基礎(chǔ)模型則會造成巨大的資源浪費。企業(yè)只有以需求為驅(qū)動，打造適合汽車不同領(lǐng)域的垂類大模型，并利用大模型促進汽車產(chǎn)品及服務(wù)一體化發(fā)展才是長遠之計。
3.大模型在汽車應(yīng)用階段劃分
蓋斯特咨詢預(yù)測，大模型在汽車行業(yè)的應(yīng)用將呈現(xiàn)出循序漸進的節(jié)奏，前期快速上車、積累場景與數(shù)據(jù)，之后隨著技術(shù)持續(xù)演進，中后期將不斷拓展應(yīng)用范圍，并放大大模型的價值。
如圖7所示，根據(jù)大模型賦能汽車各應(yīng)用場景的滲透時間與應(yīng)用難度，可將大模型應(yīng)用劃分為三個階段：
第一階段產(chǎn)品體驗賦能，大模型在智能化產(chǎn)品應(yīng)用上快速落地，提升汽車產(chǎn)品的用戶體驗；第二階段企業(yè)降本增效，隨著核心技術(shù)積累，大模型賦能企業(yè)經(jīng)營全方面降本增效；第三階段社會效益創(chuàng)造，由于突破了技術(shù)迭代與應(yīng)用落地的瓶頸，大模型覆蓋汽車行業(yè)的深度與廣度顯著提升，進而推動社會移動出行的發(fā)展。
圖7 大模型在汽車行業(yè)應(yīng)用的不同階段
未完待續(xù)，請繼續(xù)關(guān)注《蓋斯特研報：大模型的本質(zhì)及其對汽車行業(yè)的影響（下篇）》
