長安汽車：大模型時代下汽車企業AI應用思考與實踐

受益于數據積累和算力發展，大模型橫空出世，引發新一輪AI浪潮。2024年4月18日，在第二屆汽車人工智能大會上，長安汽車大數據中心數據算法與模型處負責人匡旭表示，具體到汽車行業來看，AI+替代互聯網+成為最新的趨勢。將AI放在產品定義過程中可以更精準挖掘用戶需求，同時基于AI可以暢想產品形態，這對汽車產品定義而言將是全新的改變。

未來汽車作為智能移動空間，將不只承載AI、芯片、通信等新技術，還將與用戶有更多的交互，成為平臺型產品，并基于平臺型產品創新商業模式。汽車企業本身需要具備怎樣的AI能力？匡旭認為可以從兩方面考慮:第一、汽車企業一定要沉淀自己的數據資產。第二、建設場景編排工具。

長安汽車希望將大模型作為基礎的智能大腦，將小模型做成不同的工具鏈，讓大腦有效使用工具，做到大模型與小模型并重?；谝陨纤伎?，長安汽車進行了一系列AI應用實踐。未來，長安汽車還將構建企業統一的AI基礎設施，支持智能化產品和數智化經營，推動產品和技術創新、經營效率提升，引領交通行業AI應用和生態繁榮發展。

長安汽車大數據中心數據算法與模型處負責人

以下為演講內容整理:

大模型時代下AI發展趨勢及思考

人工智能的發展依托于算力、數據和算法三大要素的融合。從整個人工智能的發展趨勢來看，這三種要素之間呈現出一種相互促進的態勢，共同推動著人工智能的發展。算法在其中扮演著至關重要的角色，許多算力設計都是基于算法本身的架構而進行的。早期階段，人工智能主要依賴統計學或機器學習，只需要使用CPU，因為其擁有強大的邏輯推理能力。隨著深度學習的興起，GPU逐漸成為主流，這反映了算法對算力需求的轉變。

圖源:演講嘉賓素材

人工智能對于并行計算、高帶寬吞吐的需求日益凸顯，這導致算力架構發生了顯著的變化。從長遠的視角來看，隨著模型的不斷演進，現有的算力架構必將面臨更多的調整與優化。例如通過引入量子計算、光計算等，以及利用新算法驅動算力發展。

隨著數據量的不斷增長，我們也在推動算法的變革。如今，諸如Transformer和之前的CNN卷積神經網絡等，正是得益于這些龐大的數據集，使我們能夠深入挖掘數據間的內在聯系。因此，整個人工智能的發展歷史可以被視為算法、算力和數據這三個要素之間不斷相互促進的歷程。

如今許多算法已經逐漸形成了固定的技術架構，而算力也度過了指數增長階段，進入相對平穩發展。我們認為當前的人工智能時代正逐漸轉變為數據主導的時代。擁有更多、更高質量的數據，將能夠開發出更優秀的人工智能應用。

許多用戶在使用大模型相關產品時，都能感受到其強大的邏輯推理能力、語義理解能力和總結能力。然而，大模型仍存在不足之處，如存在幻覺、知識無法實時更新等問題?；诖?，目前大模型的應用仍主要集中在高知識密度和高創新要求的領域。

就汽車行業而言，AI+正在逐漸替代互聯網+，成為最新的發展趨勢。通過將AI融入產品定義中，我們可以更精確地挖掘用戶需求，并基于AI能力更深入地構想產品形態。未來的產品將不僅是交通工具，更是能夠陪伴出行的智能機器人，這將為整個產品定義帶來全新的變革。

在造型設計方面，目前業界廣泛采用多種工具來輔助設計師進行初步方案的制定，顯著提升了設計師的工作效率。長安汽車內部也在積極運用相關的文生圖模型進行造型探索，在概念生成、草案設計以及評審過程中與不同用戶溝通需求時發揮了重要作用。文生圖模型能夠迅速將設計師的想法轉化為可視化的圖像，從而加速了設計方案的呈現和迭代。

研發領域，業界則比較關注如何利用代碼大模型進行代碼生成和代碼注釋等工作。同時在設計方案方面，許多工程師日常需要撰寫大量的設計文檔和測試文檔。這些文檔往往具有統一的格式，但內容各異。在引入大模型技術后，我們可以利用其強大的能力快速生成相關文檔，從而有效減輕研發工程師的工作壓力。

制造領域當前亦在積極探索，比如利用工廠中積累的眾多設備數據以及歷史故障數據等資源，開發專業的維護助手和工藝優化助手，能夠幫助工廠提升制造效率。

從整個產業鏈的視角來看，盡管AI尚不能完全替代人類，但人類應善于將AI作為提升生產力和創意的輔助工具。IDC預測指出，預計到2027年，約有40%的工作角色會被AI取代或重新定義。掌握AI技能對于每個職場人來說都至關重要。

在這一趨勢下，長安汽車對于AI應用也進行了深入的思考。從汽車企業產品的角度來看，新興的AI技術將促使汽車轉變為新的平臺型產品。過去的平臺產品可能主要集中于互聯網平臺或超級APP。未來的汽車將作為智能移動空間，不僅承載了AI、芯片、通信等一系列新技術，還將與用戶建立更為緊密的交互關系，進而演變成為平臺型產品?；谶@一平臺型產品，我們可以創新出更多的商業模式，實現價值的轉化與變現。對于汽車企業而言，要適應這一發展趨勢，應從以下兩個方面著手構建自身的AI能力。

第一，汽車企業要沉淀自身的數據資產。當前，盡管各家的模型算法架構在transformer的基礎上有所創新和調整，但總體上仍呈現出趨同的態勢，架構底座趨于一致。從算力角度看，算力不可能無限擴張。因此，數據成為唯一可以快速提升模型表現的切入點。我們認為積累高質量、大規模的場景專用數據是汽車企業AI應用最關鍵的部分。

第二，隨著通用大模型的趨同，行業底座可能將逐漸縮減為少數幾個，類似于昔日的IOS和安卓操作系統的概念。對于汽車企業而言，如何構建企業智能體，將自身的能力轉化為插件，進而構建獨特的插件生態顯得尤為重要。汽車企業如果無法構建類似IOS、安卓這樣的底層系統，那應注重APP Store的建設和優化。

盡管當前大模型技術備受矚目，眾多業務都渴望與其結合，但我們必須以理性的視角進行投入產出比的有效衡量。部分場景并不適合大模型發揮其優勢，例如銷量預測、設備維護準確性預測等需要精準解釋和探索背后邏輯的場景，大模型作為黑盒系統，其應用并不適宜。要將大模型和小模型各自的優勢結合起來，才能發揮出大模型的優勢，以保證其他業務需求正常開展。

我們希望將大模型作為基礎的Agent大腦，小模型則做成不同的工具鏈，從而使大腦能夠高效地使用這些工具。人與早期類人生物或猿人的主要區別之一，便在于人類能夠熟練使用工具。同理，既然大模型被類比為人類智能，那么它也應具備使用工具的能力?；谶@一思考，我們也對AI進行了相關的實踐探索。

長安汽車AI應用實踐

從整體定位而言，長安正致力于以“新汽車、新生態”為核心，實現向智能低碳出行科技公司的轉型。在智能化的定義上，我們涵蓋了智能汽車和智能管理兩個方面。我們的目標不僅是為用戶提供卓越的智能體驗，同時也希望在企業運營層面提升效率，從而更迅速、更高效地為用戶提供所需產品。因此，我們在產品端和經營端都開展了AI應用的實踐探索。

長安汽車在產品端的SDA架構將在今年推出首款車型CD701。SDA架構基于軟硬分離的基礎概念設計，實現了從L1到L6層的分層解耦，這與AI架構的設計理念相契合。L3的電子電器架構與AI相關硬件相對應，L4的操作系統層則與AI基礎框架相匹配。在服務層，我們集成了AI的通用算法和場景化算法能力。此外，L6的云端大數據層與應用層也做了耦合。因此，我們的SDA架構能夠隨著AI技術的不斷發展進行持續的集成和優化。

圖源:演講嘉賓素材

在智能駕駛領域，長安汽車擁有深厚的技術積累和實踐經驗。過去，我們基于規則類算法和傳統機器學習算法，成功研發并發布了包括IACC、AEB等在內的多項行業領先技術。面向未來，長安汽車正積極探索大模型技術的應用。目前，我們正在研究如何利用大模型快速融合不同傳感器數據，在決策端嘗試使用大模型進行快速規劃決策，無需遵循傳統路徑規劃等復雜流程，直接實現端到端的效果。

智能座艙方面，我們從2020年開始進行了相應的AI功能部署，至今已將大模型相關技術成功應用于智能座艙領域。例如，我們已實現了根據用戶需求，利用大模型能力快速生成個性化壁紙的功能，并在車上進行了實際搭載。此外，我們還能根據用戶的心情、偏好以及當天的環境具體情況，迅速調整車內環境。

在SDA架構的基礎上，我們今年將推出新款數智汽車CD701。這款車在多個維度上均與傳統汽車有所區別。它實現了場景的自由定義，這主要得益于大模型技術的深入應用。傳統的汽車控制系統，如空調和座椅調節，往往基于固定的規則和文本分析進行操作。未來利用大模型的能力，可以更加靈活地編排車上的各種功能。這意味著，不僅僅是預設的車窗或座椅調節，用戶可以感知到的任何相關功能，大模型都能根據實際情況自動調用，從而實現更為精準和個性化的場景定義。

在企業經營層面，長安汽車一直致力于數字化轉型的推進工作。我們的產品和經營相關云基礎設施都是統一的，中間有統一平臺，包括數據平臺和AI中臺，以確保各項功能的集成和協同。最終，這些平臺將能夠落地到各個場景中，涵蓋汽車的研發、生產、制造、銷售、供應和物流等各個環節。通過打通整個業務流程，實現全面的數字化轉型。

圖源:演講嘉賓素材

具體而言，長安目前建成國內車企中算力規模最大的中心之一。該智算中心由長安汽車與百度聯合打造，具備百億次每秒的算力支持，并實現了動態調度和彈性伸縮等功能，為各項業務的順利開展提供了有力保障。

作為AI應用的核心要素，我們將數據視為戰略資產，開展相關治理工作，致力于實現數據的快速變現和價值挖掘。

在算法應用方面，我們以前主要依賴于傳統機器學習和深度學習，如今開始基于大模型進行相關的應用探索。研發領域，我們利用大模型進行產品配置的快速迭代分析；營銷領域，大模型幫助我們深入剖析用戶畫像，優化話術策略，提升營銷效果；客戶服務領域，我們則利用大模型對客戶之聲進行有效挖掘和分析，以更好地了解客戶需求。通過這些算法應用，我們賦能各個業務板塊，不斷優化產品與服務，提升整體競爭力。

在大模型應用探索方面，我們內部打造了一款智能數據搜索與分析助手。該助手的目標是成為一站式搜索與分析公司內部所有數據的平臺。我們會結合大模型的能力，對銷量數據進行深入分析?；诖祟悜?，我們能夠迅速識別數據異常，挖掘數據趨勢，并將其應用于生產決策中。

長安汽車對未來AI的應用與發展有著深刻的思考。我們提出了“一體兩翼”的戰略構想，旨在通過構建統一的AI基礎設施，推動產品和經營領域的智能化變革。具體而言，我們擁有國內領先的算力中心之一，海量的PB級產品和經營相關數據，以及豐富的大模型儲備。這些基礎設施共同構成了我們的AI中臺，可以為產品端和經營端提供強大的AI應用能力。

在產品端，我們將AI視為引領未來產品變革的關鍵力量。我們致力于將駕艙一體化打造成為長安汽車的競爭亮點，通過應用AI技術，提升產品的智能化水平和用戶體驗。在數智化經營方面，AI的應用將幫助企業實現內部新質生產力的提升。通過打通研發、生產、供應、銷售、服務等所有鏈路，我們將實現整體經營效率的提升，推動企業向更加智能、高效的方向發展。

在構建基礎設施的過程中，我們深知與行業合作伙伴的緊密合作至關重要。我們積極尋求與各類企業合作，共同開發AI應用產品，以推動技術進步和應用創新。同時，我們將與高校合作建立聯合實驗室，探索大模型相關應用。此外，我們也非常注重收集用戶需求和建立與用戶共創的機制。我們期望通過合作的方式，與各方共同構建AI生態，共同引領交通行業的AI應用繁榮發展。