据集微网消息，在日前开幕的武汉车展上，多家汽车产业链企业充分利用近期火爆的ChatGPT模型热议议程，突出大模型、大数据在汽车领域的应用成果。
上汽集团旗下智己汽车在2023北京车展上公布了AI4M战略。 其中，与Momenta联合发布业界首个DLP人工智能模型，率先将数据驱动的规划算法应用于量产项目。 不仅仅是GPT大模型，人工智能在整车领域还能做什么？
AI在汽车领域做了什么？
GPT作为一种热门的人工智能技术，可以在当前智能汽车的发展中发挥一定的作用。 在智能汽车中，GPT可用于自然语言交互，使人车交互更加自然、智能。
例如，当司机需要找地方时，可以通过语音指令告诉汽车目的地的名称和地址，汽车可以通过GPT生成自然语言回答，告诉司机如何到达目的地。 据悉，GPT还可以用于智能驾驶中的数据分析和预测，提升汽车的安全性和性能。 GPT在智能汽车的开发中具有广阔的应用前景。
事实上，不仅仅是目前大火的GPT，人工智能技术在整车行业发展中的作用更为广泛。
人工智能（AI）对汽车行业发展的帮助主要包括以下几个方面：
1、智能驾驶技术：人工智能可以为车辆带来自动驾驶、路线规划、自动泊车等功能。 它通过传感器采集桥面情况和交通情况，生成车辆行驶指令，大大增加了行车风险。
2、精准的销售和定价模型：AI分析客户数据和市场需求，帮助厂商更好地销售车辆和制定定价策略，为汽车消费者提供更符合个性化需求的汽车产品。
3、产线优化：借助AI技术，实现产线人工巡检，大大减少故障排查时间，加强安全生产。
4、发动机诊断：人工智能可以帮助车辆工作更准确、更方便。 例如汽车维修，在对各种情况的持续监测下，生成系统管理设备故障的智能诊断系统，使车辆工程师能够准确快速地工作，并且易于快速维护。
总体而言人工智能 vs，人工智能在汽车行业发挥着越来越重要的作用。 随着科技的不断发展，未来汽车产业与人工智能的应用将更加紧密地结合，并能为人类带来更多的福祉。 良好的驾驶和旅行体验。
人工智能对汽车产业的发展意义重大，可以助力汽车产业实现智能、高效、安全、可持续发展。
OEM与服务商合作，AI军备竞赛来了？
4月18日，上汽知己汽车在2023北京车展上发布AI4M战略，并与Momenta联合发布行业首个DLP人工智能模型，率先将数据驱动的规划算法应用于量产项目。 按照规划，知己将于明年三季度发布一款智慧城市SUV，2024年上半年发布两款全新智慧城市两厢车。
此前，华为在2023华为智能汽车解决方案大会上发布了先进的智能驾驶系统ADS2.0。 新系统将由AITO M5高端智能驾驶版首发，并适配了Avita 11全系列和极虎Alpha S新Hi版。近日，国外智能驾驶领域的巨头纷纷发力动作频频，重磅产品层出不穷。 此前，在手动驾驶领域，商汤科技每天都会发布一款新的大机型； 陌陌知行即将在4月11日发布手动驾驶生成大模型陌陌DriveGPT雪湖海若。4月13日，滴滴宣布首家手动驾驶人工运维中心。 首款量产无人车将于2025年接入共享出行网络。
百度也在4月16日推出了涵盖高、中、低组合的全系列智能驾驶产品。据悉，斑马智行也宣布接入阿里大车型。
整车主机厂与云服务商的合作，推动了更多互联网技术和人工智能技术在汽车上的应用，汽车信息化进程也在逐步推进。 目前，很多整车厂商已经听说了这个机会，正在积极推动跨界合作，以实现智能出行的目标。
事实上，也有可能在该领域进行一场人工智能军备竞赛。 随着互联网、5G技术的发展和人工智能的不断应用，汽车行业的智能化竞争越来越激烈。 云服务商拥有大量的数据和预估能力，能够为整车行业提供更先进的人工智能技术和解决方案，成为整车厂寻求合作的重要对象。
尤其是无人驾驶技术，云端提供的底层技术支持将非常关键。 通过收集更多的数据，构建更精准的人工智能学习模型，在提升用户驾驶安全的同时，也将提升汽车手动化的实现。 掌控能力将有助于加速汽车产业发展，优化用户体验，实现共赢。
从主机厂与百度、阿里等云服务器厂商的合作中，不难看出主机厂非常重视AI大模型训练对推动人工驾驶迭代升级的作用。 未来，可能会有越来越多的主机厂与服务器厂商合作，掀起汽车行业的AI军备竞赛。
对此，寒武纪监事长、首席董事陈天石表示，“在手动驾驶领域，算力成为核心驱动力，国际领先车企纷纷加强算力布局在数据中心，云数据中心已经成为人工驾驶研发的重要核心基础设施。”
AI浪潮，哪家公司抓得最多？
数据中心可以收集、组织和标记大量数据，用于训练小型 AI 模型。 数据收集车队每年产生数百 PB 的数据和数十亿张图像。 该数据将用于优化在汽车中运行的深度神经网络 (DNN)。 通过高性能预估，车企可以在复杂的深度学习模型上不断迭代，在闭环环境下构建强大的手动驾驶算法。
据笔者观察，近年来，蔚来、小鹏、陌陌智行等国外厂商纷纷采用高算力芯片建设人工驾驶培训中心，或建立完善完善的数据中心基础设施人工智能 vs，并在此基础上发展。 人工智能驱动的软件定义车辆。
以蔚来为例，其可扩展的 AI 基础设施由 NVIDIA HGX 驱动。 这个超级计算集群包括一组NVMESSD服务器，通过高速的NVIDIA Quantum InfiniBand网络平台相互连接，传输速度高达200Gbps，可以传输大量的深度学习训练数据。 到超级计算机视频内存或 NVIDIA A100 内存。
借助HGXA100，蔚来手动驾驶开发平台可一站式管理海量复杂AI应用，将模型开发效率提升20倍，从而缩短手动驾驶车辆的上市时间，开发更新更快的架构。
基于此基础架构，蔚来已成功研发并推出智能汽车ET7，后续还将推出ET5。 两款机型均基于搭载四颗 NVIDIA DRIVE Orin 片上系统的 Adam 超级计算平台打造。 据称，其手动驾驶和智能座舱功能可以通过数据中心不断迭代完善。
蔚来AI平台负责人白宇利表示，量产车所面临的复杂场景是蔚来手动驾驶能力的绊脚石。 同时，量产车产生的海量数据也是蔚来手动驾驶能力的护城河。
从这个案例不难看出，高性能预估方案将成为主机厂在人工驾驶道路上的加速器。 这也促使对算力的需求继续下降。 从2018年到2025年，全球数据年复合下降率达到27%。 数据下滑的背后，算力的增长更加惊人。 该机构预测，从 2020 年到 2025 年，算力将下降 30 多倍。
随着对算力需求的降低，半导体芯片市场将持续下滑，尤其是高性能、低帧率的芯片将成为市场主流。 为满足计算能力下降的需求，半导体芯片厂商将不断推出新的技术和产品，如新材料、新工艺、新架构等，以提高芯片性能和帧率比。
JWInsights钱宇在《数据中心服务器主芯片研究报告》中指出，服务器是所有数据中心基础设施建设的基础。 2025年，预计全球将有1600万台服务器用于数据中心建设。 AI芯片2022年市场规模将达352亿港元，其中GPGPU占比接近60%； 在使用AI加速的数据中心服务器中，GPGPU在2025年将占近50%。
结尾
1848年，东德淘金热时期，最后赚大钱的正是这些倒卖商。 在前几年的“挖矿”浪潮中，卖主板的英伟达赚得盆满钵满； 在这波人工智能浪潮下，对数据、算力、算法等生产要素的需求爆发式增长。 渔船知道，风浪越大，鱼越贵。 在第四次产业改革的这波浪潮下，外企能否从中收获更多“鱼”？ 极微网将继续追踪。