AI大模型如何改变自动驾驶行业？宏景智驾受邀出席汽车电子与投融资发展高峰william hill官网

01

（宏景智驾BEV感知Demo）

02

• 从规则驱动转为数据驱动，对于人员能力和组织架构，基础设施都有不同的要求。

• 大模型训练需要的资源，由于中美地缘政治关系，诸如A100这些GPU训练资源非常紧张卡脖子。目前我们也在同步测试国产GPU芯片，但性能相比英伟达还是有一定差距。
• 体系和法规的不完善滞后：比如数据合规。不过这块需要兼顾发展增速开发效率和监管安全。这点需要辩证看待，既是挑战也是机遇：相比国外欧美，如果没有一定的灰色地带野蛮生长，国内不会那么蓬勃发展。

• 量产速度vs大模型落地周期，在产生GPT时刻之前，先得活下来，渐进式实现商业闭环。

• 相比欧美，国内新能源汽车发展快速，国内消费者更愿意尝鲜体验，只要能做出好的体验+成本控制，国内客户接受度更高。本身给各个上下游公司提供了更多机遇。

• 通过大模型，提升数据生产效率和开发效率，为企业直接带来经济效益。

• 现有的量产L2/L2+智能驾驶功能，其实都有很多空间可以去优化，宏景智驾尤其定位专注于“高频刚需”功能（比如自动泊车、高速NOP、AEB各种目前阶段无法处理的工况），通过大模型辅助这些功能的进一步性能优化和ODD扩展，实现渐进式商业闭环，逐步推向高阶功能。

03

• 往近的看，近期可以落地的应用：

• 舱驾泊一体高度集成，可以基于多模态（比如司机语音+传感器视频）信息输入和大模型来直接实现很多智驾功能；
• 围绕数据的公司，基于大模型的数据生产服务，也会有不少新的公司去做这个方向。

• 往远的看，潜力无限：汽车就是我们身边最触手可及的智能机器人，今天的很多新势力造车将来都有最终要做机器人的Roadmap，将来GPT上车一定也是可以预见的未来。