行业大模型：针对特定行业的需求定制，具备较强的通用性和适应性，能够处理多种任务，相当于 AI 成为行业专家。
垂直大模型：专注于特定领域或细分市场，具备高专业性和针对性，通常在特定任务上表现更佳，如面向 ASPICE（Automotive Software Process Improvement and Capacity Determination，汽车软件过程改进及能力评估，以下简称 ASPICE）汽车软件架构的汽车软件编码大模型。
图 1 中国主流大模型应用选型评估矩阵（1）高度专业化的需求：汽车行业对软件的安全性、可靠性和实时性有着极高的要求。这些要求导致汽车软件的开发必须遵循严格的行业标准，如 ASPICE（汽车软件过程改进及能力评估）、ISO26262（道路车辆功能安全）、AU- TOSAR（汽车开放系统架构）等。垂直大模型需要能够理解和适应这些标准，这增加了模型开发的复杂性。（2）数据获取的高难度：汽车行业涉及的数据类型多样，包括车辆动力学数据、传感器数据、控制算法等。这些数据往往受到严格管控，互通性低，且还需要在实际车辆上进行测试和验证，直接限制了可用于训练垂直大模型的数据量。（3）技术和资源的密集性：构建垂直大模型需要大量的计算资源和专业知识。与科技巨头相比，汽车领域的软件公司在计算资源、 AI 专业人员、大模型开发与实施等方面上存在劣势。（4）长开发周期和高成本：汽车软件的开发周期通常较长，且成本较高。这使得企业在投资垂直大模型时更为谨慎，因为需要确保投资能够带来相应的回报。（5）技术更新迭代快：汽车行业的技术迭代速度非常快，新的传感器、控制单元和软件架构不断涌现。垂直大模型需要不断更新以适应这些变化，模型的迭代、升级和维护的代价高、难度大。
3. AI 端侧部署
当前，AI 在汽车领域开始积极应用。从早期的研发辅助、到辅助车型设计、供应链管理，AI 都极大的提升了工作效率。目前，随着各厂家对 AI 大模型的进一步研究使用，裁减后的 AI 大模型在端侧部署已成为新的技术趋势。从目前讨论较多的智驾端到端方案再到座舱领域的智慧化交互以及整车的智能体（AI Agent）方案，AI 大模型已开始与开放式软件架构进行融合。AI 大模型颠覆了以往基于规则进行算法开发的模式，转化为基于数据驱动的新范式。在此结合应用场景将详细探讨相关的技术路线、挑战与演化趋势，旨在为读者带来一些启发。
二、车端应用场景
1. 智能座舱应用
智能座舱系统的特点体现为高算力、中实时（毫秒级）、与车辆行驶安全弱相关，但有强人机交互需求这几方面。其设备端主要包括中控大屏、数字仪表、流媒体后视镜、HUD（车辆平视显示系统）、行车记录仪等。AI 大模型在智能座舱中的应用，不仅能够增强人机交互的自然性和便捷性，还能够提供更加个性化的服务，驱动着座舱系统由智能体进化至智慧体。以下是AI 大模型在智能座舱中的几个典型应用场景：（1）多模态交互AI 大模型可以作为智能座舱中语音识别和自然语言处理的核心，使车辆能够理解和响应驾驶员及乘客的语音指令。此外，它还可以结合情境感知，实时分析车外环境信息，比如天气和交通状况，为用户提供智能助手功能，增强交互体验。（2）个性化智能推荐利用 AI 大模型对用户行为和偏好的学习，智能座舱可以提供个性化的服务和内容推荐。例如，根据用户的驾驶习惯和常用路线，推荐最优的行车路线；或者根据用户的音乐播放历史，推荐用户可能喜欢的歌曲。同时，系统可以与智能家居联动，在接近家时自动调整家中环境，提升整体生活便利性。（3）驾驶员行为分析AI 大模型可以通过分析驾驶员的操作习惯、生理状态（如面部表情、心率等）和驾驶行为，根据综合分析调整车内环境，以提升驾乘体验。此外，可以识别驾驶员的情绪状态，当检测到紧张或焦虑时，系统能够自动播放放松音乐，或根据驾驶员的状态分析，检测疲劳驾驶等情况，从而提高驾驶的安全性。
粤ICP备17114055号
支持私有云部署
