打印文章來源：十字甫 汽車觀察者聯盟
對於機器是否真能"知道"、"思考 "等問題，我們很難嚴謹地定義這些。我們對人類心理過程的理解，或許只比魚對游泳的理解更好一點。
ChatGPT是由美國科技公司OpenAI公司發佈的自然語言處理模型，一經發佈便迅速成為科技圈的「網紅」。根據UBS數據顯示，ChatGPT在一月份的月活躍用戶數量已經達到1億，成為歷史上用戶數量增長最快的消費者應用，況且其中還不包括中國市場。ChatGPT雖然是自然語言處理模型，但是作為生成式人工智能（AIGC）具有里程碑的意義，也是人工智能模型和場景應用的一次飛躍。首先是市場的影響，相比於春節前各科技大廠紛紛出現裁員的狀況，ChatGPT的火熱再次引發了資本市場和科技行業新一輪的追逐；其次意味着人工智能技術範式更新，從基於規則的機器學習升級為基於損失函數和梯度下降；最後是對社會生產力的影響，人工智能替代的不僅僅是體力勞動者還包括腦力勞動者，在人工智能時代，沒有人可以獨善其身，每個人都與這個時代緊密相連。ChatGPT作為一種人工智能的基礎模型勢必會形成槓桿作用，從而撬動整個社會的技術進步。
用戶在和ChatGPT對話，很多時候大家是懷着好奇的心態去和機器或者模型作博弈，比起對話的用戶意圖理解和準確性，這種人機博弈的背後更加需要思考的是人工智能對各行各業的影響或者對技術的干涉。ChatGPT模型的火熱將會預熱整個汽車行業的技術發展，從技術上來看，隨着生成式人工智能技術的不斷進步，汽車行業將面臨新的開發模式和運營方式，從造型設計到算法架構，從產品研發到用戶運營，人工智能技術在汽車行業中的應用無處不在。
從產品應用來看，ChatGPT作為一個聊天模型產品，上線便取得不俗的成績。產品應用的火爆對母公司OpenAI的市場估值以及人才招募有極大的好處，除此以外網絡流量訪問也是大幅提升，一般只要有流量就有眾多變現的方法。ChatGPT的背後是人工智能大模型的支持，除去前期的技術積累和沉沒成本，單論產品的影響ChatGPT無疑是成功的，這一點對於汽車行業的產品定義也是有一定的參考價值。在大模型的框架下，ChatGPT所使用的GPT模型，每一代參數量均高速擴張，預訓練的數據量需求和成本亦快速提升。根據相關機構測算，GPT-3訓練一次的成本約為140萬美元，對於一些更大的LLM模型，訓練成本介於200萬美元至1200萬美元之間。對於這種投入大，耗時長的項目如何做到沿途下蛋，並且是在科技大廠出現裁員的時候推出市場，這一點和自動駕駛的探索之路頗有幾分相似。數據、算力、算法不僅驅動人工智能大模型的發展，同樣也驅動汽車智能化的進步甚至整個社會的技術變革。
三百萬年前，從露西撿起地上的第一根樹枝開始，人類社會文明的進步其實就是不斷優化使用工具的過程。面對巨大的數據需求和高昂的成本，大模型是否成為人工智能技術升級的破城錘有待驗證，但至少是一種人類通往強人工智能道路上可以利用的工具。世界上最強大的LLM（大語言模型）之一GPT-3衍生出的ChatGPT既是一種概念模型也是一個產品。ChatGPT的火爆也是生成式人工智能的一次競爭熱潮，同時也是人工智能技術應用場景的升級優化，智能汽車作為一個移動的智能終端也是人工智能技術重要的應用場景。所以，從ChatGPT的火熱中可以窺見汽車行業的技術發展趨勢以及影響。
第一、汽車技術的發展離不開整個社會科技的進步，任何新技術都將會應用到汽車領域，其中一個原因是汽車產業涉及到的領域很廣。通過觀察人工智能技術發展的歷程，以自然語言模型發展為例子，從1970年以前基於規則的方法，1970年至2000年基於數理統計，從2000年至今基於神經網絡，尤其是2017年transformer的發佈，自然語言模型開始嘗試大數據、大算力的訓練學習，可以明顯看到人工智能模型達到人類認知水平所需的時間越來越短，數據的信息容量在不斷增大，底層模型結構的升級，再加上行業內的人才和資源投入，汽車行業勢必也會同步縮短智能化的成熟時間；
第二、汽車的智能化離不開人工智能技術的支撐，大數據、大算力、強算法的模式雖然在汽車行業成為共識，但是車企甚至是大多數人工智能技術公司更傾向於將大模型裁剪或者基礎方法與使用場景融合，鮮有對數據體系的建設和模型訓練深入研究和探索，所以隨着生成式人工智能的火熱，汽車智能化的競爭會逐漸成為數據和模型的競爭，從功能性的數量轉向產品性能的競爭，尤其是在自動駕駛領域；
第三、整個汽車行業研發速度將會提升，生成式人工智能技術大大提高了社會的生產效率。汽車行業產品的生命周期將會縮短，這也就是特斯拉汽車降價的核心競爭力之一，產品周期短了所以產品的規模愈加重要。ChatGPT只是人工智能技術取得進步的一個縮影，正如當年的自動駕駛技術一樣，從大學實驗室走出來到商業界，在資本市場的簇擁下成為汽車行業競爭卡位的關鍵點。時至今日，自動駕駛行業進入理性發展期，企業紛紛入局輔助駕駛領域，以往的獨角獸無人駕駛方案商反而面臨商業化的難題。所以，人工智能大模型在未來一定也會遇到同樣的問題，場景應用和技術提升之間得平衡關係；
第四、汽車行業的計算基礎建設愈加重要。通過對大模型GPT了解可以發現，ChatGPT的出現並非偶然而是一個從量變到質變的必然過程，從2018年GPT-1開始到最近發佈的ChatGPT，這裏面涉及的不僅僅是人工智能算法，還涉及到數據體系、硬件算力、訓練成本等等問題。隨着AIGC的熱潮，汽車行業無論是研發還是營銷勢必會趕着風口進行技術升級或者宣傳，通過大模型數據訓練然後進行小模型部署實現對模型在垂直領域定製裁剪，例如將 Transformer 模型應用在視覺感知、語音識別等領域。智能化的基礎設施對於汽車產業的升級也是重要的一個關鍵，例如特斯拉汽車發佈AI訓練晶片 Dojo D1，以及基於該晶片構建的完整Dojo集群ExaPOD，用於執行AI訓練任務；國內小鵬汽車與阿里合作建立自動駕駛智算中心「扶搖」，用於自動駕駛模型訓練。不妨將自然語言處理的發展和自動駕駛的進展兩者聯繫起來，兩者之間其實是相關聯的，底層模型是可以相互借鑑參考。可以預見的是，不久之後車企將會推出各種名稱的所謂的自動駕駛「大模型」。正如前文所說，大模型只是人類通往智能化的一條路徑或者一個工具，核心問題是利用大模型為用戶定義的產品。對於消費者來說，使用模型的大小絲毫不關心，關心的是產品的定義。所以，企業不應過大的神話大模型的功效，而是通過對大模型的研究實現技術的積累才是關鍵，例如數據的清洗、標註以及模型的設計、訓練、推理等；
第五、商業模式的變化。ChatGPT的出現背後不僅是建立的一個人工智能大模型，而是一個平台。雖然ChatGPT是靠算力、成本、數據「暴力」煉出來的一個產品。但是在這個過程中逐漸形成了產業的生態系統。在這個平台上，上下游或者供需上方形成相互吸引的關係，這種關係將是形成商業飛輪的必備條件，一旦推動飛輪轉動，其他玩家將很難重新進入。形成平台的原因主要有幾點，首先在產業側，ChatGPT歸屬是Open AI，但是模型訓練是在微軟雲上進行的，為此微軟專門定義了一套AI計算系統，由1 萬個V100 GPU組成的高性能網絡集群，總算力消耗約3640PF-days，即假如每秒計算一千萬億次，需要計算3640 天。AI 算力需求的背後則是硬件GPU、CPU、FPGA、AI SoC的支撐，反過來也可以看做ChatGPT是微軟雲能力的體現方式，微軟雲需要Open AI不斷的進化GPT的算法架構實現雲端能力的驗證和資本市場的青睞，GPT需要強大的算力支撐數據處理；
其次是供給側，國內外企業會紛紛加入大模型開發的大軍之中，這將會進一步促進開發工具和人才的產業形成、甚至影響到底層硬件的技術路線，專門用於AI訓練的晶片將成為熱門（英偉達又一次笑了）；
最後是需求側，生成式人工智能的發展過程中，ChatGPT的出現驗證了人類反饋強化學習的加入確實會有意想不到的智能化效果，這對於汽車行業乃至整個工業界最大的意義就是用戶體驗的能力提升。這次距離以用戶為中心的產品設計又邁進一大步，促進AI大語言模型甚至是人工智能在汽車或者工業界更多場景中的應用。還有一個點，ChatGPT是面向消費者的一個to C產品，不是to B或者區域定製化的，背靠GPT大模型的煉丹爐煉出ChatGPT這顆消費者可以感知可接觸到的「仙丹」迅速在市場走紅，以規模形成平台生態。反觀國內人工智能行業，大多數仍然專注在to B或者to G的產業範圍，所以很難形成平台化生態。在整車製造領域講究平台化實現零部件和產線共用從而達到降低成本的目的，這一個道理同樣適應於軟件和人工智能技術應用。
ChatGPT不是萬能的，AIGC也不是面面俱到的，但是小的變化也可能就是引起風暴的最初點。
所以《流浪地球》中550W能否實現無人駕駛？
此文檔來源於網絡,如有侵權請聯繫網站刪除
