汽车行业大模型 ：驾驭大模型，启智新未来 头豹词条报告系列

Leadleo.com 汽车行业大模型：驾驭大模型，启智新未来头豹词条报告系列 曹 曹珈赫·头豹分析师 2024-10-25未经平台授权，禁止转载版权有问题？点此投诉 信息科技/软件服务 信息传输、软件和信息技术服务业/软件和信息技术服务业/信息技术咨询服务/信息系统服务 行业： 行业定义 大模型技术已经成为推动科技进步的重要力量，对汽… 行业分类 汽车行业AI大模型根据技术发展、应用场景的不同，… 行业特征 汽车行业大模型行业的特征包括技术创新驱动、竞争… 发展历程 汽车行业大模型行业目前已达到2个阶段 产业链分析 上游分析中游分析下游分析 行业规模 汽车行业大模型行业规模评级报告1篇 SIZE数据 政策梳理 汽车行业大模型行业相关政策5篇 竞争格局 数据图表 摘要汽车行业大模型技术正深刻变革汽车全生命周期，推动智能座舱与智能驾驶发展，成为产业升级关键驱动力。技术创新引领行业变革，多家企业竞相投入研发，竞争格局激烈。市场规模迅速扩大，受宏观经济向好、政策利好及消费者需求升级驱动。然而，发展高度依赖资本，需持续投入以优化模型并探索新应用场景。未来，随着品质追求与多重需求增长，以及测试验证体系完善，汽车行业大模型市场将迎来更广阔发展空间。 行业定义[1] 大模型技术已经成为推动科技进步的重要力量，对汽车全生命周期的设计、制造、运营和服务等多个环节起到巨大推动作用，可以给以智能座舱、智能驾驶为代表的汽车智能化下半场带来革命性变革。汽车行业大模型是一种专门针对汽车领域设计和优化的深度神经网络模型，其正重塑汽车产业格局，将推动汽车多领域变革，成为 引领新汽车时代发展的重要驱动力之一。 [1]1：知网 行业分类[2] 汽车行业AI大模型根据技术发展、应用场景的不同，可以进行如下分类： 汽车行业大模型行业分类 智驾大模型 自动驾驶端到端大模型将感知决策一体化，通过一个模型实现了多种模型的功能，研发人员只需要针对这一个模型进行整体训练、调整优化，即可实现性能上的提升，可以更好地集中资源，实现功能聚焦。从行业技术发展来看，会分为两个阶段：1.感知层面的端到端：输入数据后系统自动学习物体规律，识别并标记，后续的决策依然采用人工规则；2.决策层面的端到端：感知部分还是按照之前的学习办法去处理，只是应对各种条件决策的时候，才去找规律。目前特斯拉FSDV12版本已经在感知层面和决策层面都统一了端到端系统。北京极佳视界科技有限公司CEO黄冠博士表示：“AI大模型将成为自动驾驶发展的新引擎。” 汽车行业大模型分类 座舱大模型 （车载语音助手和多模态交互是大模型应用比较多的两个领域） 汽车座舱即车内驾驶和乘坐空间，智能座舱伴随着智能汽车产生。1.定义：智能座舱是一种创新的车内应用场景，在智能化和互联化的大趋势下，它整合了驾驶信息和车载应用，利用车载系统强大的数据处理能力，为驾驶者提供高效、充满科技感的驾驶体验。2.主要构成：可以分为硬件、人机交互和应用层软件系统三大部分 （1）硬件：①硬件驾驶操作系统：液晶仪表屏、抬头显示系统（HUD）、流媒体后视镜；②信息娱乐系 统：触控显示屏、娱乐系统；③其他系统：智能座椅、空调系统、智能音箱（2）人机交互的方式：语音识 别、人脸识别、触屏控制、手势识别、虹膜识别、生物识别（3）应用层软件系统：定制系统（专为车辆内部的智能座舱环境设计的操作系统和软件平台，例如HarmonyOS）、底层架构（构成智能座舱操作系统和应用的基础软件和硬件组件，例如：安卓、Linux、QUX）。3.进化史：1900年-2000年，机械座舱；2000年-2014年，传统座舱；2014年-至今，智能座舱。4.应用领域：（1）车载语音助手：AI大模型主要聚焦于深化语义理解和优化语料生成，从而精准捕捉用户的意图与需求，轻松应对复杂语句和语境，并输出自然、拟人、流畅且逻辑清晰的回答与建议，为用户提供更好的“情绪价值”；（2）多模态交互：大模型技术的多模态特点可以综合处理语音、视觉、触觉等多种类型的数据，使智能座舱能更全方位地感知乘客和驾驶员的需求，提供多模态且更专业化的服务。 [2]1：中国发展改革报社2：https://new.qq.com/ra…3：https://www.qbitai.co… 4：https://www.sohu.com… 5：https://www.thepaper.… 行业特征[3] 汽车行业大模型行业的特征包括技术创新驱动、竞争格局激烈、高度依赖资本投入。 1技术创新驱动 技术创新是当前汽车行业大模型应用的核心特质。随着ChatGPT的爆火，大模型技术成为关注焦点，提到，像理想汽车这样的领头羊，通过大模型MindGPT，正在打造新一代的多模态人机交互技术体系，直接提升了智能座舱体验。中，李想明确指出，“只有大模型才能实现我真正想要的2.0的人工智能”，表明大模型技术对于未来智能汽车发展方向的深刻影响。这不仅涉及用户交互革新，还包括对自动驾驶业务的推动，体现了技术创新引领产业升级。此外，多家企业如毫末智行的DriveGPT、长城汽车与科大讯飞的合作，吉利、奇瑞等注册GPT相关商标，显示出行业内部对大模型自主研发的重视与实践，表明了这一点。行业合作也在不断加强，例如长城与科大讯飞的合作，旨在搭建首个产业知识大模型，推动汽车产业智慧化转型，对此有所体现。 2竞争格局激烈 大模型的引入加剧了汽车行业的竞争态势。为了在竞争中脱颖而出，车企通过快速跟进大模型技术展现自身的智能化转型决心，指出这不仅仅是技术层面上的布局，还涉及各种用户场景下的实用化探索，比如智能驾驶与智能座舱领域。企业如理想、长城、毫末智行的迅速行动，中提及的快速响应与占位，说明了竞争的紧迫性。大模型的应用不仅限于提升汽车本身的性能，还在改造业务流程，颠覆传统的汽车生产方式，描述了这一趋势，进一步证明了大模型为行业竞争带来的全新维度。在智能座舱及自动驾驶的应用上，企业间的差异化竞争策略也日益明显，如奔驰利用大模型升级车机系统的举措，展示了企业通过技术创新来增强品牌差异化的努力，有相关说明。 3高度依赖资本投入 汽车大模型的发展和应用需要大规模的资金支持。中国信通院发布的汽车大模型标准，以及多家单位参与编写的状况，侧面反映了行业为推动技术创新而投入的资源之重。在智能座舱和自动驾驶等前沿应用中，汽车大模型的开发、优化与落地都需要持续的资金注入，中理想汽车MindGPT及其它车型的投入案例，证明了这一高资本需求。随着大模型成为智能汽车的关键技术，企业在追求更高效的燃油利用、电动车及智 启动期2021~2024 2024年3月底，小米SU7发布会上，座舱部分的发布已经展示了语音助手在应用大模型技术后的能 力。2024年4月28日，中国信息通信研究院发布了国内首个汽车大模型标准。2024年5月20日，小鹏汽车发布了量产上车的端到端大模型——神经网络XNet+规控大模型XPlanner+大语言模型XBrain。2024年8月13日，火山引擎已与梅赛德斯-奔驰（中国）达成战略合作，推动火山引擎技术在智能座舱等领域的应用，双方将在大模型、生成式人工智能及大数据技术等领域展开深度合作。在2023年特斯拉的标杆作用下，现在端到端自动驾驶已经逐渐成为了行业和学术界的共识。（2023年CVPR最佳论文奖的UniAD便采用的端到端，体现学术界对该设计理念的认同；自动驾驶行业 中，继特斯拉后，华为、理想、小鹏、蔚来等多家智驾公司纷纷跟进端到端，代表业界对该理念的认 能驾驶技术的突破上，都不惜重金，进一步强调了研发与基础设施建设对于资本的高度依赖。中提及的多个合作和研发项目，以及中的标准制定工作，都是在大量资本支撑下得以进行的实例。同时，车企积极探索多元融资渠道，包括但不限于与科技公司的合作、战略投资和可能的资本市场的运作，以支持其长期的技术研发。 [3]1：澎湃新闻2：https://www.thepaper.…3：https://new.qq.com/ra…4：https://www.thepaper.… 发展历程[4] 从2023年下半年开始，智驾相关大模型开始大量涌现，大模型上车就成为整个汽车智能化发展的一个潮 流。2024年4月的北京车展上，大模型上车项目井喷式出现，有智能座舱交互大模型，有应用端到端技术的智能驾驶大模型，一场关于大模型上车的竞争正在愈演愈烈。地平线总裁陈黎明在2024中国汽车论坛表示，中国汽车行业正处于电动化与智能化的转折点，而以目前的创新速度和端到端训练的潜力，相信自动驾驶将在2025年 萌芽期1990~2021 1950年，基于深度学习的AI技术概念被提出，AI正式进入大众视野。1998年，以卷积神经网络为架 构的LeNet-5深度学习模型诞生，奠定了大模型发展的基础；同年，面世的ALVINN自动驾驶试验车基于端到端架构，可以在大学校园里实现最高70km/h的自主行驶。2016年-2017年特斯拉开始逐步探索自研自动驾驶算法。2021年，特斯拉采用了BEV（鸟瞰图）+Transformer的智驾算法，是车企里最早用大模型做智驾的一批。 2021年，BEV+Transformer彻底终结了2D直视图+CNN时代，该模型也成为了之后国内玩家布局大 模型的基础。 内迎来“ChatGPT时刻”。目前正值大模型深入汽车行业的初级阶段，但其发展势不可挡。 同）。进入2024年，对于车企而言，大模型上车会变得更加急迫且关键，自动驾驶的ChatGPT时刻即将到来。 [4]1：中国汽车工业协会，中… 产业链分析[5] [14 汽车行业大模型产业链上游为配套软硬件服务供应商（芯片、云服务商、数据标注供应商、仿真测试），中游为自研大模型的主机厂、科技企业，下游为各大主机厂。[7] 汽车行业大模型行业产业链主要有以下核心研究观点：[7] 上游芯片市场竞争火热烈，国外英伟达专为大模型负载打造DRIVEThor智驾芯片，国内地平线引领智驾芯片国产化进程，均有利于中下游发展。 DRIVEThor搭载了英伟达专为Transformer、大语言模型（LLM）和生成式AI工作负载而打造的Blackwell架 构，可实现最高2,000TOPSAI算力以及2,000TFLOPS浮点算力，性能是目前主流的英伟达Orin芯片的8倍，将采用4nm制程工艺，2025年投产。并于2024年宣布，首批与DRIVEThor合作的五家车企，有比亚迪、昊铂、小鹏、理想、极氪。在2023年慕尼黑车展期间，地平线宣布，其征程系列芯片出货量增长至近400万片，量产规模处于国内绝对领先地位。 智驾大模型/4类主要玩家：主机厂、科技企业、智驾Tier1、芯片企业。 对于已布局或正将布局的企业，智驾大模型玩家主要可分为四类：1.主机厂：新势力主机厂以自研为主，而传统主机厂持有保守观望的态度；2.科技企业：凭借强大的AI技术背景和资本实力，构建了以云服务为基础的垂直服务体系，2022年百度Apollo自动驾驶云平台和华为分别占据34.4%、29.7%的中国自动驾驶开放平台市场规模；3.Tier1：以自研基于BEV感知的垂域大模型为主；4.芯片企业：优化芯片的开发生态，以便客户能在自家芯片上更容易地部署。而四类玩家更多的是形成互补关系，而非竞争关系，产业的上下游合作是未来整体竞争格局的趋势。[7] 生产制造端 配套软硬件服务供应商（芯片、云服务商、数据标注供应商、仿真测试） 上 产业链上游 上游厂商 查看全部 华为云计算技术有限公司 英伟达半导体科技（上海）有限公司 北京地平线信息技术有限公司 产业链上游说明 算力/算力供需结构性失衡和地域时域不平衡导致整体算力利用率不高，随着智能算力需求的爆发性增长，优化算力资源配置变得愈发紧迫。 供需错配体现在以下几个方面：首先，算力供需的结构性失衡：当前算力供给的结构与用户实际需求不匹配，例如，通用算力利用率偏低、低端算力供给过剩，而大模型等AI任务所需的智能算力则供给