火山引擎智驾云张路:大模型将成为司机真正的助手

发布时间:2024年01月18日

文|刘俊宏

2023年,是中国AI技术突飞猛进的一年。数百个大模型如雨后春笋般冒出,并在随后的不断迭代与应用下,大模型开始与千行百业结合,定义着不同场景下更高维度的智能。

2023年,也是中国汽车行业站在世界舞台聚光灯下的一年。在华为、理想、小鹏、零跑等多家主打智能化标签的品牌带领下,中国的智能汽车在德国国际汽车及智慧出行博览会上,吸引了全球的目光。同时,在如比亚迪、长城、奇瑞等传统车企,在工业制造领先的基础上,不断加码汽车智能化,中国汽车正在加速走向世界。

当汽车搭上了大模型升级一切智能化的“春风”,大模型如何让传统汽车智能,智能汽车又能借助哪些大模型的能力?

1月16日,由光锥智能携手Scale Partners势乘资本、中关村会展与服务产业联盟共同举办的“2024 AI 科技峰会”在北京成功举办。本次峰会以“更智能的世界”为主题,汇聚科技企业创始人、产业高管、行业资深投资人等,共话未来科技与产业加速融合的新思路。火山引擎智驾云解决方案负责人张路受邀参会,并发表了“大模型在汽车行业的探索和实践”的演讲,分享了汽车行业与大模型结合落地的最新思考。

核心观点如下:

1、大模型在汽车营销、智能座舱、自动驾驶研发等环节,正在探索构建汽车行业在商业模式的新范式。

2、在研发领域,大模型能将自动驾驶数据标注环节耗时缩短90%。利用平台化的大模型挖掘数据,能够减少行业采集数据的成本。

3、在营销领域,大模型能够完成车企营销及售后服务全链路的优化。降低用户维修耗时,提高车企销售销率。

4、在座舱领域,大模型能够实现自我进化。汽车智能助手让汽车加速成为“第三生活空间”。

5、大模型的应用并非一蹴而就,需要和主机厂共同把数据治理好。在高质量的数据“喂养”,结合在大模型的不断迭代、精调下,才能实现不同产品的特色功能。

以下为嘉宾演讲实录:

张路:各位嘉宾大家下午好!很荣幸参加今天的会分享火山引擎在汽车行业大模型的实践。

定位到今天的主题,我在主机厂也干过,在云计算公司也干过,我现在在火山引擎主要做汽车行业云的解决方案。我们在服务于客户过程中,发现从2023年开始,大模型这阵风“卷”得非常厉害。很多客户不管商业模式是否能够闭环,都先会提到大模型。但实际上我们发现,在对传统汽车行业的研、产、供、销、服的部分一一拆开后,会发现每个领域都有一些创新点。但这些商业模式是否能够闭环,仍处于探索过程中。很难说在汽车行业的某个领域,大模型一定能够产生颠覆。所以今天我想分享一下,我们的探索与实践。

火车引擎围绕字节的核心能力,在汽车行业发了三朵云。

第一是围绕字节的核心能力。之前,大家理解字节是一家广告公司,但我们一直定位自己是AI公司。随着多年成长,我们结合了巨量引擎在广告领域沉淀出围绕汽车行业的营销云。

其次是在当下的汽车智能化时代,我们发现很多车主希望在车上使用手机上的应用。我们通过火山引擎汽车行业线,让字节生态的抖音、头条、西瓜、懂车帝等大家耳熟能详的APP“上车”,同时也积累了沉淀了座舱解决方案。

最后在AI领域,随着特斯拉在自动驾驶领域快速前进,国内很多自动驾驶公司在AI领域需求也越来越大。而字节作为国内最大的视频内容公司,通过算法挖掘视频的数据价值,实现了在抖音、头条的高推荐精准度。我们在2020年开始,利用Transformer算法做了很多应用。随着去年行业内自动驾驶领域BEV+Transformer成为标配以后,火山引擎快速追赶上行业其他云厂商,并且取得客户的认可。

在这三个领域,结合2023年大模型,我们探索了根据客户需求,沉淀了几个领域。

其一是研发领域。我们围绕自动驾驶领域做BEV+Transformer与大模型的结合。在这个方向上,我们探索了两种模式。例如在自动驾驶的Corner Case采集上,我们和毫末一起把大模型应用在场景生成和标注提效上。

在传统的自动驾驶开发模式下,大致流程是先采集数据做人工标注,标注完做模型训练,再仿真验证后上车。在这些环节中,大模型提效最快的是标注领域,通过大模型的能力对采集数据进行预标注,能极大提高效率。例如我们与毫末的合作中,在火山引擎提供的云服务能力下,通过DriveGPT大模型的预标注,整体效率提升了10倍。

另一边,在数据采集领域,由于自动驾驶Corner Case的数据收集非常贵,这使得如何高效挖掘数据价值变得极为重要。在与自动驾驶公司交流中,我们发现这些数据每采集一公里的成本大约为1000元。如果研发需要采集100万公里,那么对应成本就要投10亿。如此巨大数额的开支,很少企业能够负担,这时候就需要技术去变革。

为了解决这个问题,火山引擎作为一家云服务平台云计算公司,我们在云上开放了方舟大模型生态。在生态中,我们对行业进行横向拉通,让更多行业大模型上架到平台。未来会对客户侧提供整体的解决方案。

其二是围绕营销领域。在传统销售过程中,从客户线索到成单的链条很长,导致销售效率很低。而通过大模型的优化,整个营销领域会基于大模型进行端到端重构,让主机厂卖车效率提高。同时,在与营销相辅一体的客服领域中,大模型同样能够帮助客户提效。

从我们的合作案例来看,由于一些主机厂的售后服务体系是与维修公司进行合作。当客户需要售后服务时,4S店会解释一堆理由。但通过预集成的数据集训练后,客户问一句就能提供相似的结果,极大地提升了客户维修的效率。

其三是座舱智能化。汽车新四化(电动、网联、智能、共享),让汽车成为人们生活的“第三空间”的概念,已经提了很多年。而要打造顺畅的“第三空间”体验,需要智能的助手加持。在之前助手尚未与大模型结合的时期,人与汽车的互动非常生硬。所以,我们结合了字节的应用资源,加上跟主机厂在整车的联合共创,让智能助手真正落地车内,提高了座舱智能化。

最近两年,我们发现很多客户对大模型的期望有些过高。希望拿到大模型就立刻能帮企业完成提效和转型升级。对应很多主机厂会关心,是否在座舱内放上大模型就能实现座舱智能化。

但实际上,很多车企和制造业在信息化、数字化和智能化的部分做得不够彻底,导致沉淀下来的数据质量较低。以字节的感受为例,字节每年花数亿的钱来做数据标注。这是因为,如果数据不标注好,那么就难以搭建高质量的模型。

在我看来,大模型应该类比于一个“有认知逻辑的人”。而要让这个有“有认知逻辑的人”拥有完整的知识体系,需要在前期用大量结构化的高质量数据来“喂养”。

例如每个主机厂座舱内的属性具有较多的差异化,座舱不同部分的控制,都是不同的独立信息。而大模型需要这些独立信息来调教训练,才能形成汽车或AI助手形成有特色的能力。所以,在火山引擎大模型的预训练知识下,还需要主机厂(或OEM)提供精准且高质量的业务数据,才能训练生成每个主机厂自己的智能座舱助手。

在我们与主机厂的合作过程中,发现以前座舱智能化中的助手回答较为生硬。这是因为此前的训练,是在线下基于关键词的训练而成的。现在有了大模型以后,助手能够“高智商”和“高情商”地回答问题了。其中,“高智商”是联网后能够反馈非常精准的结果,“高情商”是助手可以进行更多维的互动。

同时,我们发现大模型的更多应用体现在助手的自我进化。随着前期模型的框架结构和算法的设计,在车上通过数据喂养持续迭代后,会发现应用越来越丰富。并结合自动驾驶、手机应用和其他周边,让座舱助手成为真正的智能助手。比如在火山引擎旗下的车载产品“车鱼视听(原火山车娱)”APP上,结合座舱大模型的能力,将车主更关注的头条新闻、音乐、视频化信息等内容,以内容插件的形式,目前已打造出“互动新闻资讯”、“AI音乐DJ”等全新的座舱场景技能。

此外,大模型能力还能应用于企业管理领域,实现内容提效。例如主机厂在传统员工办公中,员工查资料或者多团队协作时,会同步查阅一些重复的问题。利用大模型,主机厂可以实现知识体系的标准化,并通过助手服务于内部多部门。

最后,我们围绕研、产、供、销、服与很多主机厂的实际落地当中,也细拆下了明确的规划。其中第一步,还是要先和主机厂共同把数据治理好。数据治理好才能用模型去迭代、精调,最终才能一步步落地。大模型领域还是要一步步走,很少有捷径。

文章来源:https://blog.csdn.net/GZZN2019/article/details/135685114
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。