【ITBEAR科技資訊】06月16日消息，自動(dòng)駕駛領(lǐng)域近年來取得了長(zhǎng)足的發(fā)展，但硬件和軟件之間的不平衡導(dǎo)致了進(jìn)展的波瀾。盡管車載算力迅速增長(zhǎng)并得到普及，但軟件功能的演進(jìn)速度卻滯后于算力的提升。然而，最近出現(xiàn)的ChatGPT模型為自動(dòng)駕駛行業(yè)帶來了新的啟示。作為一種大型語言模型，ChatGPT通過對(duì)海量多模態(tài)數(shù)據(jù)進(jìn)行自監(jiān)督學(xué)習(xí)，通過預(yù)訓(xùn)練和微調(diào)的方式，使得AI可以完成各種復(fù)雜的自然語言任務(wù)，甚至通過了圖靈測(cè)試。這使得自動(dòng)駕駛被視為下一個(gè)可能實(shí)現(xiàn)突破的領(lǐng)域。
根據(jù)ITBEAR科技資訊了解，一些公司已經(jīng)開始在"大模型上車"上進(jìn)行探索。其中一部分公司通過自建大模型實(shí)現(xiàn)，例如商湯發(fā)布的日日新大模型和毫末智行發(fā)布的自動(dòng)駕駛生成式大模型DriveGPT。另一些公司選擇合作的方式，比如小鵬汽車與阿里合作建立自動(dòng)駕駛智算中心，斑馬智行接入阿里的大模型。目前，"大模型上車"的重點(diǎn)進(jìn)展主要集中在以下幾個(gè)方面：
首先是數(shù)據(jù)標(biāo)注方面，特斯拉等公司利用大模型優(yōu)化數(shù)據(jù)標(biāo)注，降低了人工標(biāo)注比例和成本。
其次是優(yōu)化仿真方面，通過提升虛擬訓(xùn)練環(huán)境的真實(shí)性和優(yōu)化虛擬訓(xùn)練數(shù)據(jù)，來改善自動(dòng)駕駛系統(tǒng)的訓(xùn)練效果。
此外，還有優(yōu)化感知方面，利用大模型的能力來優(yōu)化多個(gè)環(huán)節(jié)的小模型，從而提高自動(dòng)駕駛系統(tǒng)的感知效果。
最后是端到端方面，通過使用生成式預(yù)訓(xùn)練大模型技術(shù)，使得自動(dòng)駕駛系統(tǒng)能夠模擬人類駕駛的能力。
然而，大模型對(duì)智能駕駛的影響仍然面臨許多挑戰(zhàn)。例如，多模態(tài)數(shù)據(jù)的處理、算力和芯片能力的提升以及時(shí)延問題等都需要解決。盡管如此，大模型為實(shí)現(xiàn)自動(dòng)駕駛的快速發(fā)展帶來了希望，有望在未來實(shí)現(xiàn)自動(dòng)駕駛的商業(yè)化應(yīng)用。
