文章来源：十字甫 汽车观察者联盟

对于机器是否真能"知道"、"思考 "等问题，我们很难严谨地定义这些。我们对人类心理过程的理解，或许只比鱼对游泳的理解更好一点。

ChatGPT是由美国科技公司OpenAI公司发布的自然语言处理模型，一经发布便迅速成为科技圈的“网红”。根据UBS数据显示，ChatGPT在一月份的月活跃用户数量已经达到1亿，成为历史上用户数量增长最快的消费者应用，况且其中还不包括中国市场。ChatGPT虽然是自然语言处理模型，但是作为生成式人工智能（AIGC）具有里程碑的意义，也是人工智能模型和场景应用的一次飞跃。首先是市场的影响，相比于春节前各科技大厂纷纷出现裁员的状况，ChatGPT的火热再次引发了资本市场和科技行业新一轮的追逐；其次意味着人工智能技术范式更新，从基于规则的机器学习升级为基于损失函数和梯度下降；最后是对社会生产力的影响，人工智能替代的不仅仅是体力劳动者还包括脑力劳动者，在人工智能时代，没有人可以独善其身，每个人都与这个时代紧密相连。ChatGPT作为一种人工智能的基础模型势必会形成杠杆作用，从而撬动整个社会的技术进步。

用户在和ChatGPT对话，很多时候大家是怀着好奇的心态去和机器或者模型作博弈，比起对话的用户意图理解和准确性，这种人机博弈的背后更加需要思考的是人工智能对各行各业的影响或者对技术的干涉。ChatGPT模型的火热将会预热整个汽车行业的技术发展，从技术上来看，随着生成式人工智能技术的不断进步，汽车行业将面临新的开发模式和运营方式，从造型设计到算法架构，从产品研发到用户运营，人工智能技术在汽车行业中的应用无处不在。

从产品应用来看，ChatGPT作为一个聊天模型产品，上线便取得不俗的成绩。产品应用的火爆对母公司OpenAI的市场估值以及人才招募有极大的好处，除此以外网络流量访问也是大幅提升，一般只要有流量就有众多变现的方法。ChatGPT的背后是人工智能大模型的支持，除去前期的技术积累和沉没成本，单论产品的影响ChatGPT无疑是成功的，这一点对于汽车行业的产品定义也是有一定的参考价值。在大模型的框架下，ChatGPT所使用的GPT模型，每一代参数量均高速扩张，预训练的数据量需求和成本亦快速提升。根据相关机构测算，GPT-3训练一次的成本约为140万美元，对于一些更大的LLM模型，训练成本介于200万美元至1200万美元之间。对于这种投入大，耗时长的项目如何做到沿途下蛋，并且是在科技大厂出现裁员的时候推出市场，这一点和自动驾驶的探索之路颇有几分相似。数据、算力、算法不仅驱动人工智能大模型的发展，同样也驱动汽车智能化的进步甚至整个社会的技术变革。

三百万年前，从露西捡起地上的第一根树枝开始，人类社会文明的进步其实就是不断优化使用工具的过程。面对巨大的数据需求和高昂的成本，大模型是否成为人工智能技术升级的破城锤有待验证，但至少是一种人类通往强人工智能道路上可以利用的工具。世界上最强大的LLM（大语言模型）之一GPT-3衍生出的ChatGPT既是一种概念模型也是一个产品。ChatGPT的火爆也是生成式人工智能的一次竞争热潮，同时也是人工智能技术应用场景的升级优化，智能汽车作为一个移动的智能终端也是人工智能技术重要的应用场景。所以，从ChatGPT的火热中可以窥见汽车行业的技术发展趋势以及影响。

第一、汽车技术的发展离不开整个社会科技的进步，任何新技术都将会应用到汽车领域，其中一个原因是汽车产业涉及到的领域很广。通过观察人工智能技术发展的历程，以自然语言模型发展为例子，从1970年以前基于规则的方法，1970年至2000年基于数理统计，从2000年至今基于神经网络，尤其是2017年transformer的发布，自然语言模型开始尝试大数据、大算力的训练学习，可以明显看到人工智能模型达到人类认知水平所需的时间越来越短，数据的信息容量在不断增大，底层模型结构的升级，再加上行业内的人才和资源投入，汽车行业势必也会同步缩短智能化的成熟时间；

第二、汽车的智能化离不开人工智能技术的支撑，大数据、大算力、强算法的模式虽然在汽车行业成为共识，但是车企甚至是大多数人工智能技术公司更倾向于将大模型裁剪或者基础方法与使用场景融合，鲜有对数据体系的建设和模型训练深入研究和探索，所以随着生成式人工智能的火热，汽车智能化的竞争会逐渐成为数据和模型的竞争，从功能性的数量转向产品性能的竞争，尤其是在自动驾驶领域；

第三、整个汽车行业研发速度将会提升，生成式人工智能技术大大提高了社会的生产效率。汽车行业产品的生命周期将会缩短，这也就是特斯拉汽车降价的核心竞争力之一，产品周期短了所以产品的规模愈加重要。ChatGPT只是人工智能技术取得进步的一个缩影，正如当年的自动驾驶技术一样，从大学实验室走出来到商业界，在资本市场的簇拥下成为汽车行业竞争卡位的关键点。时至今日，自动驾驶行业进入理性发展期，企业纷纷入局辅助驾驶领域，以往的独角兽无人驾驶方案商反而面临商业化的难题。所以，人工智能大模型在未来一定也会遇到同样的问题，场景应用和技术提升之间得平衡关系；

第四、汽车行业的计算基础建设愈加重要。通过对大模型GPT了解可以发现，ChatGPT的出现并非偶然而是一个从量变到质变的必然过程，从2018年GPT-1开始到最近发布的ChatGPT，这里面涉及的不仅仅是人工智能算法，还涉及到数据体系、硬件算力、训练成本等等问题。随着AIGC的热潮，汽车行业无论是研发还是营销势必会赶着风口进行技术升级或者宣传，通过大模型数据训练然后进行小模型部署实现对模型在垂直领域定制裁剪，例如将 Transformer 模型应用在视觉感知、语音识别等领域。智能化的基础设施对于汽车产业的升级也是重要的一个关键，例如特斯拉汽车发布AI训练芯片 Dojo D1，以及基于该芯片构建的完整Dojo集群ExaPOD，用于执行AI训练任务；国内小鹏汽车与阿里合作建立自动驾驶智算中心“扶摇”，用于自动驾驶模型训练。不妨将自然语言处理的发展和自动驾驶的进展两者联系起来，两者之间其实是相关联的，底层模型是可以相互借鉴参考。可以预见的是，不久之后车企将会推出各种名称的所谓的自动驾驶“大模型”。正如前文所说，大模型只是人类通往智能化的一条路径或者一个工具，核心问题是利用大模型为用户定义的产品。对于消费者来说，使用模型的大小丝毫不关心，关心的是产品的定义。所以，企业不应过大的神话大模型的功效，而是通过对大模型的研究实现技术的积累才是关键，例如数据的清洗、标注以及模型的设计、训练、推理等；

第五、商业模式的变化。ChatGPT的出现背后不仅是建立的一个人工智能大模型，而是一个平台。虽然ChatGPT是靠算力、成本、数据“暴力”炼出来的一个产品。但是在这个过程中逐渐形成了产业的生态系统。在这个平台上，上下游或者供需上方形成相互吸引的关系，这种关系将是形成商业飞轮的必备条件，一旦推动飞轮转动，其他玩家将很难重新进入。形成平台的原因主要有几点，首先在产业侧，ChatGPT归属是Open AI，但是模型训练是在微软云上进行的，为此微软专门定义了一套AI计算系统，由1 万个V100 GPU组成的高性能网络集群，总算力消耗约3640PF-days，即假如每秒计算一千万亿次，需要计算3640 天。AI 算力需求的背后则是硬件GPU、CPU、FPGA、AI SoC的支撑，反过来也可以看做ChatGPT是微软云能力的体现方式，微软云需要Open AI不断的进化GPT的算法架构实现云端能力的验证和资本市场的青睐，GPT需要强大的算力支撑数据处理；

其次是供给侧，国内外企业会纷纷加入大模型开发的大军之中，这将会进一步促进开发工具和人才的产业形成、甚至影响到底层硬件的技术路线，专门用于AI训练的芯片将成为热门（英伟达又一次笑了）；

最后是需求侧，生成式人工智能的发展过程中，ChatGPT的出现验证了人类反馈强化学习的加入确实会有意想不到的智能化效果，这对于汽车行业乃至整个工业界最大的意义就是用户体验的能力提升。这次距离以用户为中心的产品设计又迈进一大步，促进AI大语言模型甚至是人工智能在汽车或者工业界更多场景中的应用。还有一个点，ChatGPT是面向消费者的一个to C产品，不是to B或者区域定制化的，背靠GPT大模型的炼丹炉炼出ChatGPT这颗消费者可以感知可接触到的“仙丹”迅速在市场走红，以规模形成平台生态。反观国内人工智能行业，大多数仍然专注在to B或者to G的产业范围，所以很难形成平台化生态。在整车制造领域讲究平台化实现零部件和产线共用从而达到降低成本的目的，这一个道理同样适应于软件和人工智能技术应用。

ChatGPT不是万能的，AIGC也不是面面俱到的，但是小的变化也可能就是引起风暴的最初点。

所以《流浪地球》中550W能否实现无人驾驶？

此文档来源于网络,如有侵权请联系网站删除