導讀：AI碰上汽車智能化，新的“火花”也正在擦出來?？梢钥吹?，業(yè)內(nèi)關(guān)于AI上車、大模型上車也漸漸屢見不鮮。

盡管近年來全球都在經(jīng)歷著經(jīng)濟低迷、消費電子等多行業(yè)需求不景氣和產(chǎn)業(yè)庫存持續(xù)修正等風波，但是包括5G/6G技術(shù)、人工智能(AI)、數(shù)據(jù)中心、數(shù)字孿生(Digital Twin)、新能源和智能網(wǎng)聯(lián)汽車、元宇宙、量子技術(shù)等，依舊帶給各行各業(yè)無盡的靈感與創(chuàng)新。
 

而在這些最熱議題的交織中，關(guān)乎AI與自動駕駛的下個黃金時代，正在走來。
 

在過去不久的是德科技年度技術(shù)盛會Keysight World Tech Day 2023上，當談到對不久的將來最熱門技術(shù)的預(yù)測以及值得持續(xù)性投入的領(lǐng)域時，是德科技高級副總裁、首席營銷官Marie Hattar首先談到的便是電動汽車，其次是5G-Advanced先進技術(shù)，再者是AI。
 

2023年年初，ChatGPT一夜爆火，新一輪AI技術(shù)革命顛覆未來的可能被無限放大。
 

Marie Hattar指出，AI獨特的地方在于能對海量的數(shù)據(jù)進行分析，還可以在模式中心自我學習。同時，AI還可以進行預(yù)測，以及將復(fù)雜的流程實現(xiàn)自動化。所以，未來AI將會給人類帶來大量的新機會，這種機會又會帶來一個巨量的創(chuàng)新，并且會提升整個社會的運營效率。
 

AI的技術(shù)演進通常分為三個階段，第一階段是狹義人工智能階段，即ANI階段。在這個階段，主要是智能機器深度學習、精準計算、模仿復(fù)制、人機互動等，簡單來說就是作為日常工作的輔助。不過AI在某些特領(lǐng)域也可以比擬人類的智慧，比如自動駕駛、智慧醫(yī)療健康領(lǐng)域的治療分析等。
 

到2030年左右，人類將會進入通用AI時代，即AGI時代。此時AI會融入人們的日常生活，并且無處不在。智能機器在進一步海量學習、人機互動、情感交流、自我創(chuàng)新中能力大幅提升，甚至在許多方面接近人類的智慧。
 

如果繼續(xù)向未來展望，人類將會進入超級人工智能時代，即ASI階段，Marie Hattar認為這可能會在2030年之后的某一個時間點發(fā)生。在超級人工智能時代，AI會在某些領(lǐng)域展示出超越人類智慧的能力。不過隨之而來的也有一些新問題，比如未來AI會不會將人類置于一種風險的處境中？Marie Hattar則認為“應(yīng)該不會”。
 

事實上，AI已經(jīng)經(jīng)歷了長年累月的發(fā)展，早在20世紀50-60年代，人工智能就開啟了早期研究。時至今日，生成式AI技術(shù)的突破，推動各行各業(yè)持續(xù)加大產(chǎn)品投入。包括航空航天、醫(yī)療、汽車和通訊等各個領(lǐng)域，各種應(yīng)用背后都需要數(shù)據(jù)中心以及強大的算力進行支撐，AI技術(shù)也已經(jīng)遍布這些應(yīng)用領(lǐng)域。
 

而當AI碰上汽車智能化，新的“火花”也正在擦出來?？梢钥吹?，業(yè)內(nèi)關(guān)于AI上車、大模型上車也漸漸屢見不鮮。
 

Marie Hattar指出，未來，電動汽車的發(fā)展可以用“突飛猛進”來形容，并將加速走向全球。從時間跨度來說，僅僅對比5年前，新能源汽車以及智能網(wǎng)聯(lián)汽車的發(fā)展，可以說是日新月異。
 

據(jù)中國汽車工業(yè)協(xié)會統(tǒng)計，2018年，國內(nèi)新能源汽車產(chǎn)銷量分別為127萬輛和125.6萬輛，占整個汽車行業(yè)的銷售比重不到5%；而到了2023年，僅1-8月，國內(nèi)新能源汽車產(chǎn)銷分別累計達543.4萬輛和537.4萬輛，市場占有率達到了29.5%。
 

另據(jù)乘聯(lián)會預(yù)測，2023年，中國新能源乘用車銷量將達到850萬輛，狹義乘用車銷量可達2350萬輛，年度新能源乘用車滲透率有望達到36%。如此增長速度可見一斑。
 

進入由電動化“卷”至智能化的下半場戰(zhàn)局之中，整個汽車行業(yè)都在大談自動駕駛，車企也在爭相研發(fā)L2及以上級別的自動駕駛汽車。據(jù)蓋世汽車研究院最新數(shù)據(jù)顯示，2023年上半年中國L2級自動駕駛功能的滲透率已經(jīng)達到40%，成為了市場主要的駕駛輔助方案。
 

基于L2級自動駕駛車型的廣泛應(yīng)用，事實上目前已經(jīng)有多家車企做好了量產(chǎn)L3級車輛的準備。走在賽道最前面的特斯拉，其首席執(zhí)行官埃隆·馬斯克甚至認為當前自動駕駛已經(jīng)非常接近全自動駕駛狀態(tài)，預(yù)計今年底就可以實現(xiàn)L4、L5級完全自動駕駛。
 

不過不可忽視的是，自動駕駛在逐漸“解放”用戶雙手雙腳的同時，其實反過來也在加深著企業(yè)的產(chǎn)品開發(fā)難度。
 

Marie Hattar也指出，未來汽車將會變得越來越復(fù)雜，自動駕駛包含各種各樣的傳感器，比如像雷達、激光雷達、超聲波傳感器以及攝像頭等。要想讓汽車能夠通過識別來自不同方向、距離以及角度的物體，進而保障行駛安全，前提是需要所有傳感器進行協(xié)同運作。
 

同時，自動駕駛的落地需要大量的研發(fā)資源和測試工作，在此過程中也會產(chǎn)生海量的數(shù)據(jù)需要處理。那么，要如何協(xié)調(diào)方方面面從而實現(xiàn)自動駕駛的落地愿景呢？
 

在這里，仿真測試的重要性便凸顯出來。對比需要耗費巨大成本與時間的實車路測，仿真測試在測試效率和一致性上優(yōu)勢明顯。