知言 | AI大模型或将重构自动驾驶

知言：知无不言·言无不尽

11月4日，焉知汽车将在浦东举办AI大模型线下闭门交流活动，我们希望通过这次闭门沙龙讨论，能够更清楚的理解什么是真正的AI大模型？AI大模型目前在自动驾驶领域的主要应用是什么? 我们如何才能更好地用好AI大模型？AI大模型在未来究竟会给自动驾驶带来什么样的深刻影响？

AI大模型的的定义

对于应用在自动驾驶领域的AI大模型，比如现在谈论比较火热的Transformer模型，通常应用在云端并且参数规模过亿甚至上百亿的Transformer模型算是大模型。但是，目前车端尚不具备运行超大规模参数模型的条件，因此，车端应用的Transformer模型参数规模比较小，那还能算是大模型么？

那么，究竟什么是AI大模型，目前是否有明确的定义或界定标准？难道仅仅是参数规模超出某个标准值就算AI大模型么？

AI大模型在智能驾驶领域的应用

1）云端AI大模型的主要用途有哪些？云端的大模型训练好之后，如何适配到车端或者说如何赋能给车端？有业内人士提到两种方法：

通过云端大模型，给车端智能驾驶小模型提供大量低成本的训练数据。

通过知识蒸馏的方式，把云端大模型训练出来的能力“传授”给车端小模型。

云端大模型就好比是一个“武林高手”，车端小模型就是它的“徒弟”，第一种方式类似于师父直接给徒弟一个武功秘籍让他自己练，徒弟需要长时间修炼才能增长功力。而第二种方式，类似于师父直接把自己的功力传授给徒弟，徒弟短时间内获得师父几十年的功力。

那么，除了上面两种方式，云端大模型是否还会通过其它方式去赋能给车端的模型？

2）云端AI大模型的其中一个用途是用来做数据预标注，提高数据标注的效率，减少人工标注量，进而来降低整个的数据标注成本。那么，现在主流企业通过大模型去做数据预标注的实际效果怎么样？还存在哪些提升的空间？

如何用好AI大模型

1）现在在智能驾驶领域，大模型应用的如何了？如何用好大模型？要想应用好大模型，自建超算中心是必须的选择么？

自建超算中心用于大模型训练，必然需要大量的GPU训练卡，现在美国不仅禁止英伟达出售A100/H100,最近甚至连A800/H800也要限制向中国出售。那么，对于企业自建超算中心会带来怎样的影响？

国内现在是否有合适的国产化替代的GPU？又是否会因为用于模型训练GPU的短缺限制了大模型的应用，进而耽误了L3及以上高阶智能驾驶在国内的落地进程？

2）基于Transformer的网络模型目前主要是应用在感知端。特斯拉现在在验证端到端的解决方案，据业内人士猜测应该是基于Transformer模型的端到端的解决方案，这一方案实现的关键是什么？（超算中心，大规模的量产数据，数据闭环？）

3）目前大模型在自动驾驶领域的应用中还存在哪些问题？想要用好大模型，训练好大模型是关键，那么，如何训练好大模型？是否有相关的技巧或者规律，亦或者遵循的原则是什么？

AI大模型对智能驾驶产生的影响

1）目前Transformer是自动驾驶应用中比较主流的大模型网络架构，未来是否还会产生更好、更高效的网络架构呢？您对目前比较前沿的网络架构是否有所关注，还有哪些网络架构是比较有潜力成为未来主流的大模型架构（Transformer更好的替代者）？

2）如果AI大模型能像Chat-GPT在自然语言领域一样，在自动驾驶领域也产生重大影响的话，您认为大模型是否真得可能重构智能驾驶 —— 推翻现在的算法理论，影响到现在的智能驾驶开发方式？

毫末智行CEO顾维灏认为大模型将重塑智能驾驶：“在大数据、大模型为特征，以数据驱动为开发模式的自动驾驶3.0时代，自动驾驶大模型将在车端、云端上实现一个统一的端到端的平台管理。”您如何理解大模型对智能驾驶带来的影响？