ChatGPT為自動駕駛指了條明路_風聞

ChatGPT繼續如同黑洞一般，吸引着各大勢力佈局。

外界看來，這是人工智能領域中的里程碑事件，代表着AI技術發展到臨界點，也同樣預示着原有的商業模式都有機會重塑一遍。

正如英偉達創始人黃仁勳所述，由於ChatGPT可以藉助API方式被外界調用，意味着它可以接入各類軟件，它的出現也將像瀏覽器改變互聯網、蘋果應用商店改變軟件行業一樣，對行業產生巨大的衝擊。

典型的如搜索引擎、雲計算行業，由於ChatGPT的橫空出世，原有的市場競爭態勢被打破。譬如百度可以藉着文心一言，售賣其智能雲服務。這對於場上原有的玩家而言，機遇與挑戰同在。

那麼汽車行業呢？可以看到，近段時間內，車企們也頻頻在ChatGPT領域發聲：

先是，集度、長城、東風日產、愛馳、零跑、吉利汽車、海馬汽車等近10家車企加入文心一言的朋友圈；緊接着，毫末智行宣佈，自動駕駛認知大模型正式升級為DriveGPT，在自動駕駛模型算法方面，全面應用ChatGPT的模型和技術邏輯。

ChatGPT之於汽車行業，乃至於更聚焦的自動駕駛領域，到底是放衞星還是起飛點？

止於語音交互“雞肋”？

集度是最早公開打出“ChatGPT上車”概念的車企。

2月14日，集度ROBOVERSE三里屯體驗中心啓動會上，CEO夏一平率先宣佈，將融合百度“文心一言”的能力，打造針對智能汽車場景的人工智能交互體驗，支持汽車實現自然交流的再進階。

據瞭解，此次“文心一言”上車集度，是全球類ChatGPT技術首次應用於智能汽車產品。

對於合作的具體細節，現場並未公佈。對此夏一平表示，“關於具體會有哪些功能，我只能説現在還在努力地去跟百度團隊在對接，因為大家也知道文心一言將在三月份發佈，之後才會去做我們的應用。”

不過，結合其他資料，可以大膽猜測出，ChatGPT大概率率先應用在語音交互方面。

畢竟，除了ChatGPT本身就是憑藉其出色的交互能力出圈外，同一時期，長安汽車官方公號發佈了題為《假如把ChatGPT裝進長安深藍SL03》的文章，讓消費者自然而然聯想到車載智能語音交互功能上。

現階段，作為市場主流的交互方式，智能語音是智能座艙的標配功能。根據消費者調研數據，語音交互功能是座艙內體驗比例和滿意程度最高的交互方式。

一般而言，主機廠將語音交互功能作為其產品智能化與差異化的核心體現。比如，梅賽德斯-奔馳的用户體驗團隊為其車載語音體驗的開發設定了三個目標：

1. 允許司機像對待另一個人一樣自然地交談。

2. 支持比典型語音服務更多的查詢類型。

3. 將語音更自然地集成到整體車內體驗中，以便用户可以在語音和觸摸控制之間無縫切換。

然而，現實往往很殘酷。由於車企對語音交互技術的掌握有所欠缺，導致車載語音系統的交互程度普遍較弱，體驗一般，大多時候淪為“雞肋”。

箇中緣由，其實在於智能語音交互技術上，仍然存在難點。

智能語音交互的技術邏輯主要包括三大部分：識別、理解和執行。目前提供解決方案的廠商中，識別部分已經趨於成熟，識別率可以達到90%。行業的痛點主要集中在“理解”部分，大部分的車載語音交互系統在“理解”上並不智能。

舉個例子，此前傳統主機廠提供的前端語音交互功能，大部分採用命令控制。用户需按照指定命令進行交互，機器不具備語義理解能力。交互機械化，導致整個系統功能單一、命令詞單一。

那麼，基於AI語言大模型，對任何領域的任何問題幾乎都能進行整合回答的ChatGPT，能否給車載語音交互系統帶來新的可能？

答案是肯定的。“ChatGPT在推理和學習能力上優勢明顯，不僅可以用於理解和對話，更可以通過上下文交流和自我學習，來實現輔助創作和知識進化。這些能力同樣適用車載語音交互領域，融合對話智能技術、深度學習大模型技術、工程化能力、大數據的潛力，帶來更流暢、更有效的響應……”思必馳汽車事業部產品總監葛付江如此認為。

從這點來看，如果汽車智能語音能夠植入類ChatGPT技術，在高用户黏性之下，未來的商業化前景將更加廣闊。

當然，考慮到成本層面，又往往會將相關廠商拉回冰冷的現實。

根據Lambda官網數據，微軟為OpenAI設計了一個包含10000塊Nvidia V100 GPU的分佈式集羣進行GPT-3的模型訓練，由於模型參數量較大（共1750億參數），訓練完成共耗費30天，消耗總算力為 3640PF-days。以Nvidia Tesla V100的 Lambda GPU實例定價為1.50 美元/小時測算，GPT-3的完整訓練成本將達到466萬美元/次。

自動駕駛的“突現”時刻

可以看出，ChatGPT短期內更多是在智能化方面，賦能汽車行業發展，離完全意義上的自動駕駛還是有些距離。對此，ChatGPT自身也給出瞭如下回答：

作為一個語言模型，ChatGPT主要用於生成自然語言文本，如對話或文章等。自動駕駛技術需要處理的是感知、決策和控制等方面的問題，這些問題與ChatGPT所處理的文本生成任務並不相關。因此，在技術上，將自動駕駛技術與ChatGPT蹭熱點並不可行。但是，自動駕駛公司可以利用ChatGPT等自然語言處理技術來提高其產品的人機交互能力，以更好地滿足用户需求。

實際上，這也是業內主流的觀點。此前，中國電動汽車百人會論壇（2023）專家媒體溝通會上，副理事長歐陽明高院士表示，ChatGPT出來之後會引發人工智能新一輪的革命，對智能駕駛也會產生深遠的影響。

“馬斯克做的就是基於這條技術路線，就是所謂的大模型、大數據、大算力……為了獲得大數據，必須要大量賣智能輔助駕駛電動汽車，尤其是城市輔助駕駛今年可能大家會爭先恐後地上市，這也是很重要的技術趨勢。”

如何理解這段話？需要知曉的是，如果細究的話，ChatGPT成型背後有一個十分重要的基本原理能力—“突現能力（Emergent Ability）”，一般定義為“當系統中的量變導致其行為發生質變時出現的現象”。

簡單來説，在某個規模閾值以下，大模型性能接近隨機，而超過該閾值，其性能遠高於隨機。

各種測試表明，只有模型達到GPT3的規模，即參數大於1000億，模型才有可能形成“突現能力”。而正是在“突現能力”的基礎上，AI模型展示了類似人類的複雜推理和知識推理能力，這就是所謂“思維鏈（Chain-of-Thought）”。

基於“思維鏈”的推理能力，不需要再進行復雜的訓練，而只是在提問時附加給出提示，模型就能自動學習，並做出相應推理得到正確結果。徹底體現了AI模型對人類高級思維能力的模仿。

這個能力很可能是ChatGPT實現高度智能化的一個重要基礎。而這對於自動駕駛的路徑選擇來説，無疑會起到決定性的作用。

一直以來，圍繞自動駕駛技術的演進，業內也一直存在兩大“流派”：其中，Waymo、小馬智行等是“躍進式”的代表，策略是直接實現L4/L5級自動駕駛；特斯拉則是“漸進式”路線的代表，策略是先在量產車上優先搭載L2/L3級輔助駕駛，收集數據後再向L4/L5進發。

此前，雙方陣營涇渭分明，近兩年情況則有所改變。不少L4公司開始“降維”進入L2領域。例如，Robobus領域的輕舟智航，推出了高階自動駕駛解決方案；文遠知行則是獲得博世投資，將開展應用於乘用車的L2-L3級自動駕駛軟件的開發。

作為對比的是，“漸進式”玩家中，特斯拉已經生產了數百萬輛汽車，其搭載的輔助駕駛系統Autopilot，將收集到數十億英里的路況和駕駛數據。上述這些行業動向，似乎都在宣告，漸進式路線階段性的勝利。

當然，業內也有不同的看法，認為當下只是L2領域的勝利，能否漸進到L4尚且未知。而眼下，ChatGPT的橫空出世則讓行業認識到，不斷去累積公里數，一直這麼跑下去是可以獲得更高級別的自動駕駛技術的跨越，量變能夠引起質變，自動駕駛也有機會迎來“突現”時刻。

這才是ChatGPT對於自動駕駛的重要意義，某種程度上，算是為自動駕駛指了條明路。

參考資料：

TechWeb《ChatGPT上“車”？沒那麼簡單》

蓋世汽車社區《ChatGPT，打了人車交互的“臉”？》

鈦媒體《爆火的ChatGPT，能讓自動駕駛更快實現嗎？》