贝克街探案官

车行运

(资料图片)

大模型可以让无人驾驶更智能

今年 6 月份，各大厂商纷纷升级自家的类 ChatGPT 产品。6 月 9 日，讯飞推出星火认知大模型升级版；6 月 13 日，360 在发布类 ChatGPT 产品之后，再次举行 360 智脑大模型应用发布会。

与 2 月左右发布的大模型不同，近期各家公司发布的升级版产品，更偏向应用层目的是更容易走向千家万户。

从目前发布的情况来看，360 智脑已初步具备跨模态成能，除了可以完成文字生成文字、表格、图片；图片生成文字、图片，以及视频生成文本，文本剪视频等基础创作之外，还重新定义" 数字人 "，给用户一种 " 有灵魂、有设、有记忆 " 可定制的专属 " 人工智能 "。

目前 360 智脑与用户距离最近的应用场景，是 360 现有的全家桶，周鸿祎在发布会表示，"360 智脑 4.0" 会接入 360 安全卫、360 浏览器、360 搜索等，试图重塑人机协作。

在发布会上，周鸿祎更改了此前观点，" 我曾经说过，国产大模型与 ChatGPT 之间的差距是两年，现在我想收回这句话。" 随后补充最新观点，认为目前国产大模型的水平与 GPT3.5 大打平，照此速度发展，追赶甚至超过 GPT4 将在转瞬之间。

从发布初始版本至正式发布 360 智脑的四个月内，周鸿祎看到了会有如此巨大的转变？

科技大厂围猎大模型

在 2023 中关村论坛上发布的《中国人工智能大模型地图研究报告》显示，当前，中国人工智能大模型正呈现蓬勃发展态势。据不完全统计，截至目前，参数在 10 亿规模以上的大模型全国已发布了 79 个。

而科技大厂的大模型参数量较大：阿里通义千问大模型参数在 10 万亿级以上、腾讯混元大模型和华为盘古大模型参数量均在万亿级以上、百度文心一言大模型参数量在 2 千亿级以上、京东言犀大模型的参数量为千亿级；垂直行业科技企业已经上线的参数量普遍在千亿级以上；而科研院校大模型的参数量在千亿级及以下。

从大模型的布局体系来看，科技大厂在算力层、平台层、模型层、应用层进行了四位一体的全面布局。百度、阿里、华为三家均从芯片到应用进行自主研发的全面布局，如百度的 " 昆仑芯 + 飞桨平台 + 文心大模型 + 行业应用 "、阿里的 " 含光 800 芯片 +M6-OFA 底座 + 通义大模型 + 行业应用 "、华为的 " 昇腾芯片 +MindSpore 框架 + 盘古大模型 + 行业应用 "。

此外金山办公5 月 31 日还发布了WPS AI，目前，WPSAI 已接入金山办公旗下办公组件轻文档、文字、表格、演示、PDF，未来将锚定 AIGC、阅读理解和问答、人机交互三个战略方向发展，并接入金山办公全线产品。

各家大厂迅速涌入这个赛道，主要是因为监管层迅速跟进出台措施规范行业发展，有顶层架构保驾护航，各家大厂自然可以放心投入研发，并推出产品。

自今年 3 月大模型批量上线以来，AI 监管政策逐渐明晰，这也给行业应用指明了方向。

回顾整个行业发展历程，4 月 11 日，《生成式人工智能服务管理方法》征求意见稿发布；5 月 30 日，信通院正在联合编制" 纸鸢 "开放人工智能模型许可证，下一步将发布《纸鸢开放人工智能模型许可证（征求意见稿）》。

随后，一线城市配合发布了《北京市加快建设具有全球影响力的人工智能创新策源地实施方案（2023-2025 年）》；《深圳市加快推动人工智能高质量发展高水平应用行动方案（2023-2024 年）》。

在此背景下，周鸿祎认为国产大模型将会迅速缩小和 ChatGPT 的差距，似乎也好理解了。

360 智脑有何不同

按照周鸿祎的规划，360 大模型将在持续升级大模型的基础上，兼顾场景化、产品化、平化、垂直化。

这种发展战略下，360 智脑可以实现对消费者（户个 AI 助理）、中微企业（SaaS 化垂直应）、企业 / 政府 / 城市（私有化部署模型）、业（业垂直模型）等四个主要应用场景的覆盖。

上述四种不同场景的应用，主要通过其他公司在 360 大模型 API 基础上，结合不同行业需求推出特定产品。现阶段，很多部门、企业内部拥有大量独占性 IP，如果将其统统放到一个公开大模型中，就会重现三星因 GPT 泄露芯片机密的事件，这就凸显了专有类 GPT 产品的重要性。

传统数字人只需要按照既定脚本输出，但在大模型时代，360 的数字人可定制，因此设、有记忆、有经历，目前在 360 数字场平台中，已经有 200 多个，分为数字名和数字员两个种类。360 希望未来可以让每个都有自己的 AI 助理，并有机会在虚拟空间内，跨越时空，和古人交流。

在演示会上，周鸿祎问 " 诸葛亮 " 怎么看今天成为鬼畜素材，数字人以诸葛亮的口吻回复：夫古今之命，乃实事所必然也。今之时势，天下纷扰不已。吾虽已老，仍志在天下。今者年轻人以吾为鬼畜素材，吾欣然接受此变化。并祝愿年轻朋友在未来的道路上勇往直前，开创更加美好的未来。

同时周鸿祎还强调，未来数字人的形态还会有的标、规划和分解的能，从而可以调各种垂直的模型完成任务。

不过这些功能其实都是在现有大模型应用基础上的优化，并没有开辟一个全新的领域。但实际上，当大模型取得突破后，最具创造性的应用场景是无人驾驶。

无人驾驶有机会驶入快车道

回顾无人驾驶领域，自从 2016 年开始，各大厂商都在布局这个领域，但是直到今年也没有一家可以实现真正的无人驾驶。

目前一辆L2+ 级别的无人驾驶系统需要 10+ 颗摄像头；1-2 颗激光雷达；或 3-5 颗毫米波雷达提供的多维度数据，人工标注数据之后才能用于模型的训练。在可识别影像的大模型出现之后，人工标注所需要的时间成本和物质支出将会骤然下降。

据 2023 年 4 月毫末智行 DriveGPT发布会显示，目前要得到对诸如车道线、交通参与者、红绿灯等信息，行业人工标注的成本约每张图为 5 元，毫末 DriveGPT 的成本为 0.5 元。我们认为科技公司大模型训练成熟后，单张图自动标注的边际成本趋近于 0，平均成本有望进一步下降。

据恺望数据产品项目副总裁张鹏在 2023 年 2 月的介绍，目前数据标注以人工标注为主，机器标注为辅，95% 的数据标注还是以人工为主。大模型的介入，可以极大地提升这个行业的效率。以特斯拉为例，2021 年人工标注团队为 1000 多人，2022 年该团队裁员 200 余人。

除此之外，大模型时代，第三方科技巨头有望通过提供完善的工具链，帮助整车厂构建自己的自动驾驶算法和数据闭环系统，同时依靠大模型的数据生成能力缩小在数据领域的差距，自动驾驶的安卓时代有望来临。

目前，大模型已经被用于赋能数据闭环、仿真、感知算法、规控算法等领域。而巨头如微软、英伟达在大模型和自动驾驶争相布局，或将擦出新的火花。

此外大模型的出现也促进行业分工，避免 " 重复造轮子 "，同时加速传感器和芯片迭代，系统成本有望大幅下降。大模型开发者和自动驾驶产业链玩家有望全面受益。

其次可以通过文本、图像等形式对特定的场景（如快递车、轮椅、小孩等）进行搜索和挖掘，对车端模型进行定制化的训练，大幅提升存量数据的利用效果。

百度用半监督方法，充分利用 2D 和 3D 数据训练一个感知大模型。通过在多个环节对小模型进行蒸馏，提升小模型的性能，同时通过自动标注给小模型定制化的训练，用来增强远距离视觉 3D 感知能力、提升多模态感知模型的感知效果。

另一家头部玩家商汤科技也曾公开表示，可以用 AIGC 生成真实的交通场景以及困难样本来训练自动驾驶系统，以多模态数据作为大模型的输入，提升系统对 Cornercase 场景的感知能力上限。

同时自动驾驶多模态大模型可做到感知决策一体化集成，在输出端通过环境解码器可对 3D 环境进行重建，实现环境可视化理解；行为解码器可生成完整的路径规划；动机解码器可用自然语言对推理过程进行描述，使自动驾驶系统变得更加安全可靠。

大模型实现上述功能后，未来无人驾驶门槛会越来越低，头部厂商加速无人驾驶项目进程的同时，还可以让更多新玩家加入这个领域，并开拓除道路导航外，需要道路规划功能的赛道，比如进一步优化扫地机器人的路径规划。

现在看，在经历二月至三月的大模型集中发布期、四月至五月的产品研发期和政策方向逐步明确后，六月已经进入 AI 大模型产品和应用有望迎来集中发布期，这也直接导致 OpenAIAPI 降价。

在可预期的未来，AI 技术仍然在持续迭代，应用也在持续推进，同时越来越多科技大厂推出产品切入这个赛道，还将继续助推行业景气度上升，并给用户带来更贴合市场需求的类 GPT 产品，比如拥有庞大用户群的腾讯 6 月 19 日也发布了大模型领域的技术方案。

当这些从业企业一起卷的时候，行业发展进入快车道的同时，也意味着 C 端用户将会很快就能用上这个产品，至于会为谁付款，就需要各家厂商自凭本事了。

THE END

本文仅作为分享学习使用，不构成任何投资建议。

转载微信联系：Beke0000

更多文章点击下方公众号

感 谢 关 注 !

关键词：