要說今年“科技春晚”CES上最吸引眼球的是什么，智能車當屬其一。

畢竟大模型一上車，智能座艙都卷成醬嬸了：

讓車上的數(shù)字助手幫忙記錄約飯日程，Ta能直接幫你把餐廳也給預(yù)定了。

△驍龍座艙平臺效果展示

規(guī)劃路線這種事兒也變得充滿巧思，數(shù)字助手會根據(jù)你的習(xí)慣，主動問你：“路上買杯咖啡不？”

△驍龍座艙平臺效果展示

智能車上下游廠商紛紛秀出肌肉，也難怪不少前線參展的胖友們感嘆：CES能當車展逛了。

事實上，隨著大模型落地應(yīng)用的重點從云側(cè)走向端側(cè)，不僅是手機廠商紛紛卷起端側(cè)大模型，大模型上車也已成為關(guān)注焦點之一：

智能車是現(xiàn)今最重要的智能移動終端之一，而大模型被認為是AI規(guī)?；瘧?yīng)用的關(guān)鍵。

不止是基于大模型、生成式AI能力構(gòu)建智能座艙，由特斯拉而引起熱議的端到端自動駕駛方案，背后也正代表著通過大模型串聯(lián)感知、預(yù)測、規(guī)劃所有模塊的全新技術(shù)趨勢。

也就是說，在大模型重構(gòu)一切掀起的“模力時代”中，從智能座艙到自動駕駛，“汽車機器人”的真正實現(xiàn)，正在全方位圍繞大模型展開。

那么，問題來了——

智能車真的需要大模型嗎？

前文已經(jīng)說到，大模型上車的兩種最受關(guān)注的趨勢，其一圍繞自動駕駛，其二聚焦智能座艙。

自動駕駛方面，隨著CVPR 2023最佳論文頒給自動駕駛大模型，一種行業(yè)共識浮出水面：

端到端自動駕駛是行業(yè)的未來，而新的突破將以大模型技術(shù)為基礎(chǔ)。

△CVPR 2023最佳論文

有別于傳統(tǒng)上更多基于規(guī)則的自動駕駛算法，端到端模型能夠直接基于傳感器輸入（如攝像頭數(shù)據(jù)），學(xué)習(xí)如何控制輸出，無需人為設(shè)計復(fù)雜的中間表示。

舉個例子，在端到端自動駕駛方案中，想要讓模型學(xué)會不闖紅燈，無需設(shè)計規(guī)則，只要多用高質(zhì)量的交通信號燈視頻訓(xùn)練它就行。

這也就意味著，端到端模型能夠更好地處理復(fù)雜的交通場景：相比于對手寫規(guī)則的依賴，此類模型可以針對實際場景進行推理，更能夠解決corner case帶來的應(yīng)用落地問題。

量子位智庫在《2023年度十大前沿科技趨勢報告》中指出，端到端自動駕駛技術(shù)以全部模塊神經(jīng)網(wǎng)絡(luò)化為特征，對規(guī)則的依賴度低，具備智能涌現(xiàn)能力和跨場景應(yīng)用潛力。

而在CVPR 2023最佳論文《Planning-oriented Autonomous Driving》中，研究人員通過實驗證明，骨干網(wǎng)絡(luò)的增大能夠帶來感知分數(shù)的提升，這可能進一步改善模型的預(yù)測和規(guī)劃性能。

也就是說，更大的模型能夠提供更豐富的特征表示和更復(fù)雜的任務(wù)處理能力，能夠更好地支持自動駕駛場景中復(fù)雜的數(shù)據(jù)處理和決策制定。

如果說大模型驅(qū)動的自動駕駛還是探索進行時，生成式AI與智能座艙的結(jié)合，則已經(jīng)更快一步有了具體落地案例。

在今年的CES上就可見一斑。

比如吉利銀河E8，就已大模型上車，實現(xiàn)了車上的影音娛樂和AI交互的個性化：基于文生圖大模型，秒級生成私人定制款專屬壁紙、精準推薦音樂還能基于音樂意境生成風格化壁紙、AI數(shù)字精靈具備“人設(shè)”更加擬人……

高通的驍龍數(shù)字底盤概念車，更直觀展現(xiàn)出了邊緣側(cè)生成式AI的高效用例。

比如儀表盤上出現(xiàn)了一個警示燈，不必研究用戶手冊，直接向數(shù)字助手提問就能立刻得到答案。AI甚至還能幫助你當場預(yù)約維修。

△youtube@HotHardware

關(guān)鍵是，部署在車端的大模型，即終端側(cè)AI的模式，在結(jié)合本地數(shù)據(jù)提供更加個性化的座艙服務(wù)的同時，能夠保護用戶數(shù)據(jù)“足不出車”。這既保障了用戶的隱私安全，也緩解了云端處理帶來的時延問題。

另外，對端側(cè)算力的充分利用也能大大緩解用戶規(guī)?；鲩L給云端算力帶來的成本壓力。

不難看出，對于自動駕駛領(lǐng)域而言，大模型的技術(shù)浪潮，帶來了突破當前技術(shù)瓶頸的新路徑。因此也不乏業(yè)內(nèi)人士給出這樣的判斷：真正要在通用場景下實現(xiàn)L4、L5級自動駕駛，大模型不可或缺。

值得關(guān)注的是，盡管云側(cè)基礎(chǔ)大模型及其應(yīng)用一年來進展飛速，但大模型上車，仍然存在不小的挑戰(zhàn)。

其一，是數(shù)據(jù)問題。相比于互聯(lián)網(wǎng)的海量數(shù)據(jù)，自動駕駛領(lǐng)域本身數(shù)據(jù)量要小得多，并且對于訓(xùn)練端到端模型而言，來自優(yōu)秀人類駕駛員的高質(zhì)量數(shù)據(jù)更為關(guān)鍵。

其二，是算力問題。無論是智能駕駛中的路況實時推理，還是智能座艙中的用戶意圖理解和功能調(diào)度，都對端側(cè)算力有著更高的需求。

其三，還有安全性問題。這一方面涉及到端到端自動駕駛模型的可解釋性，另一方面，是端云結(jié)合過程中，如何確保用戶隱私數(shù)據(jù)不泄露的問題。

而從硬件的視角來看，這些問題，實際上都對車載芯片提出了更高的要求。

「模力時代」，智能車需要什么樣的車芯？

如果說驍龍8155（第三代旗艦級驍龍座艙平臺）在過去幾年中已經(jīng)成為座艙是否智能的事實衡量標準之一，那么，在CES“車展”上頻頻出現(xiàn)的另一個關(guān)鍵詞，已經(jīng)透露出“模力時代”智能車新的競逐方向——

驍龍8295（第四代至尊級驍龍座艙平臺）。

從國產(chǎn)造車新勢力，到奔馳寶馬，CES上亮相的最新量產(chǎn)車上，驍龍8295已經(jīng)成為新的標配。

在大模型上車的最新趨勢里，車芯最新的進化方向是什么樣的，不妨就以驍龍8295為例，具體拆解來看。

驍龍8295采用5nm工藝制程打造。算力方面，其CPU算力達到230K DMIPS，是驍龍8155的8倍；GPU則可實現(xiàn)每秒2.9萬億次單精度浮點運算（2.9TFLOPS）或每秒5.8萬次半精度浮點運算（5.8TFLOPS），相較于8155，整體性能提升2倍，3D渲染性能提升3倍，能同時帶動車內(nèi)11塊屏幕，遠超市面上其他車機芯片。

更關(guān)鍵的是，驍龍8295搭載雙核NPU，AI算力從8155的4TOPS直接躍升至30TOPS。

這樣的參數(shù)性能，放在車規(guī)級芯片上，可以說是一騎絕塵。而反映到功能上，大模型、多模態(tài)交互、離線語音，甚至是艙泊一體、駕艙一體，都有了實現(xiàn)的基礎(chǔ)。

以搭載了驍龍8295的極越01為例，云端的語音識別算法模型直接放在車端，實時響應(yīng)時間能從1.5秒縮短到700毫秒。

除了常規(guī)自主泊車，還能在車外語音控制車輛實現(xiàn)自主泊車。

車內(nèi)，在驍龍8295的支持下，極越01能實現(xiàn)對不同說話人的識別，也就是支持多人同時語音功能。配合離線語音庫，即使沒有網(wǎng)絡(luò)連接，也能實現(xiàn)全功能語音識別。

并且車內(nèi)的智能交互，現(xiàn)在也不僅僅停留在語音層面，配合眼神、動作的多模態(tài)交互，現(xiàn)在也可以在車上實現(xiàn)。比如，想要打開車上的某一扇窗戶，不用詳細說明，只要一句“打開窗戶”再配合視線，車上AI就能秒懂車主心意。

值得一提的是，驍龍8295作為可擴展自動駕駛SoC平臺，擁有廣泛的軟件生態(tài)系統(tǒng)，包括視覺感知、泊車和駕駛員檢測軟件棧等等。

對于車企而言，這意味著在驍龍座艙平臺的基礎(chǔ)上整“花活”更加方便快捷。

而站在消費者的角度，座艙內(nèi)智能化體驗的升級，以上所述也僅僅是個開始。

終端側(cè)AI是AI規(guī)模化關(guān)鍵

大模型帶來的變革，核心是人機交互方式的變革。

而智能車作為被給予厚望的“智能空間”，自然而然成為這場重構(gòu)一切的技術(shù)變革風暴中不容忽視的一環(huán)。

智能車的“ChatGPT時刻”具體何時會到來，還沒有人能夠準確地預(yù)判。但至少在軟硬件準備上，以高通為代表的玩家，已經(jīng)率先一步做好了迎接爆發(fā)的準備。

事實上，這種逐漸聚焦到終端的對新“ChatGPT時刻”的期待，在2024年開端的這場CES上，可以說是無處不在。智能車備受矚目，但遠非全部。

從爆火的AI掌機Rabbit R1，到AI PC，再到AR/VR和具身智能機器人，AI與終端的結(jié)合，幾乎已經(jīng)蔓延到CES會場的每一個角落。

“模力時代”新一階段的變革走向，也在其中越發(fā)顯現(xiàn)：大模型/生成式AI技術(shù)落地到端側(cè)，是新一輪AI機遇爆發(fā)的關(guān)鍵。

對此，高通公司總裁兼CEO安蒙在CES主題演講中談到：

生成式AI的發(fā)展，正在從第一階段走向第二階段。當前，整個行業(yè)已經(jīng)將生成式AI在處理器中落地，下一步將是使用場景和應(yīng)用的開發(fā)。

歸結(jié)原因，核心其實是，數(shù)據(jù)在哪里，AI推理就應(yīng)該在哪里進行。

一方面，云計算推理成本正隨著大模型應(yīng)用用戶數(shù)量的增加和模型參數(shù)規(guī)模的增大而急劇增加，需要充分利用端側(cè)算力來平衡成本。另一方面，只有當終端就能運行AI大模型用例時，個人數(shù)據(jù)才能在受到保護的前提下被充分運用，實現(xiàn)真正個性化的大模型應(yīng)用。

總而言之，2024年一開年，“模力時代”終端變革的一角，已經(jīng)進一步向大眾揭開。

可以預(yù)見的是，變革的風暴不會就此停滯，更多的智能變化，或許就將在這一年中，通過智能終端，離你我的生活更進一步。