麦肯锡在其2023年6月14日发布的《生成式人工智能的经济潜力：下一波生产力浪潮》中预测，如果将其报告中关注到的63种生成式AI应用于各行各业，将会为全球经济带来每年2.6万亿至4.4万亿美元的增长。更重要的是，这个报告，将AI定义成了下一波生产力的浪潮的代表，AI具有了划时代的意义。

如果说在AI“涌现”之前，最火热的科技创新方向是新能源汽车和自动驾驶，现在似乎AI的热度盖过了新能源汽车和自动驾驶。

12月20日，北京大学光华管理学院联合腾讯云举办的“AI驱动汽车新智能”出行产业沙龙在北京大学召开。

腾讯智慧出行副总裁钟学丹、理想汽车智能空间副总裁勾晓菲、梧桐车联科技有限公司副总经理、CTO王永亮、北京大学光华管理学院组织与战略管理系副教授王铁民等一起围绕“AI大模型在汽车产业的创新应用方向”、“汽车行业落地大模型的核心挑战”、“汽车行业大模型的评估标准”等话题展开了对谈。

北京大学光华管理学院组织与战略管理系副教授、北京大学管理案例研究中心联席主任王铁民

这场精彩的高峰对话，从通用大模型AI到AI在汽车的具体应用，带给了我们很多新的回应和思考——并不是自动驾驶和新能源汽车的热度被AI盖过了，而是在AI的背景下，整个行业都在思考如何将AI更好的应用在汽车的各个场景中。

当大模型“上车”

作为继家庭和办公场所之外的“第三空间”，汽车正在成为下一代的移动智能终端。大模型的到来无疑会重塑我们和汽车的关系，也会对汽车的研发方式和商业模式产生全新的影响。

原来大家对汽车交互的理解，核心是语音。但汽车能听懂的语音指令，其实是局限在大数据的层面，是预先设定好的指令，如果超出了这个范围，就可能做不出响应。但是在引入大模型之后，车机对于语音指令的语义理解能力大大增强，就相当于给汽车配备了一颗“最强大脑”。

甚至，制霸移动互联网十来年的APP割裂模式，也会被颠覆。在手机上，不同的APP提供基于自己能力的核心的功能和服务，用户在使用过程中需要相互调启，但是有了AI大模型底座，AI可以把这些割裂的功能和服务整合在一起，会变得更加简单易用，也更加的丝滑。理想汽车智能空间副总裁勾晓菲分享到，我们大胆的猜测，未来的应用形态可能会变成一个个的虚拟助手，用车助手、出行助手、娱乐助手。出行助手的能力边界，其实和本地生活是一样的。包含美食、旅游、景点介绍、订票等能力都会融合到出行助手里，以后你再有和出行相关的一切事儿，直接唤起理想同学，使用它出行助手的能力就可以了。

主流观点认为，汽车的电动化，是新能源汽车的上半段，这个进程现在基本已经结束，而且取得了接近四成的市场渗透率。电动车在数量上超过燃油车只是时间的问题，这个趋势已经不可逆了。但是，真正考验车企的，是下半段——智能化。

我们现在对车的理解和要求，大都还停留在安全、好开。可是当有了大模型加持，汽车就会向着知你、懂你、疼你的方向进化和迭代。在这个意义上，车就不仅仅是一个代步工具，虽然代步还是它的重要功能，但它能提供的价值和功能会更多更丰富。

简言之，它除了能提供给你产品功能和价值，还会给你提供情绪价值。它会以AI为底座，通过对各个垂直领域知识的学习和融会贯通，成为你多面的助手。一台车的背后，是对你有用的N多个知识助手，它们能帮你解决很多的问题，你会生活的更加轻松惬意。

从这个角度来看，大家对新势力“堆砌”硬件的偏见或许会有新的修正。理想汽车智能空间副总裁勾晓菲以车载音响为例，讲解了新势力车企之所以要配备这么多个音响，核心的思考是，智能座舱的核心交互介质是语音，那么在智能座舱里，既要满足同乘人的娱乐需求，又要满足大家的语音指令的交互需求，那么就需要更加复杂精细的音响系统，来对智能座舱进行声音的空间的分区和整合。这些其实都是原来在传统汽车身上很少被触及的问题，原来可能最多触达到音质的好坏。也就是说，这些新的硬件布局的策略，都是为了更好地服务AI大模型在汽车座舱的落地。

腾讯智慧出行副总裁钟学丹认为，“大模型带来的汽车‘新智能’具有四大核心特征：第一，重新定义了人机交互方式，从指令式向主动式服务转变。第二，端到端自动驾驶加速落地。第三，舱驾一体成为必然，例如进一步释放智能驾驶系统的算力，来赋能座舱体验，可以显著强化多模态、3D化、虚实融合的交互体验。第四，开放和连接，与更多在智能终端开放协同，形成全场景互联的智能体验。”

腾讯智慧出行副总裁 钟学丹

梧桐车联科技有限公司副总经理兼CTO王永亮认为，未来车越来越不需要人有太多（驾驶）技能。以他自己为例，基本不会自己停车进库了，都是自动泊车搞定。他认为随着数据的积累，算法的演进，以及算力的提升，未来车一定会比你自己更懂你自己。

底层科技能力，成为决胜关键

AI大模型对汽车最本质的改变，可能在于它将进一步驱动汽车，从制造属性向科技+消费电子属性转变。在这种背景下，车企本身的底层科技能力，将会成为未来的决胜关键。

和市面上普遍的一股脑儿的涌入AI大模型和造车的浪潮不同，腾讯风口上仍然非常克制地设定了自己的边界——为车企提供技术底座和为智能汽车行业赋能。

腾讯发力汽车智能化，其实早在2017年。因为当时汽车网联概念已经兴起，联网后能给汽车汽车赋予哪些新的能力，是当时已经非常具体的需求和命题。做不做已经不是腾讯需要讨论的选择题，如何做好自己的定位，才是更重要的战略思考。

目前来看，大模型重构各行各业虽然已经成为业界共识，而大模型“上车”远比预想中的来得更快。大模型具备对海量数据的处理能力以及多维度分析能力，可以提供更精准、更全面的数据分析和预测能力，持续优化模型，提高智能驾驶的准确性和可靠性。

在今年9月的2023腾讯全球数字生态大会智慧交通专场、智慧出行专场上，腾讯集团副总裁、腾讯智慧交通与出行总裁钟翔平就指出，大模型将驱动自动驾驶算法研发的加速、用户服务能力的提升，优化全链路上用户交互的能力，帮助车企更懂用户。

站在车企的角度来讲，当下的选择其实无非两条，要么加大投入加大自研力度，要么在外部寻求破局，以找到最佳的应用路径。

即便是专注于汽车行业的这类垂直大模型，其所需要的硬件成本以及技术实力的储备，都更加依赖于包括AI操作系统等在内的底层科技能力。

举个例子，原来汽车的自动驾驶算法较为依赖人工，而接入大模型之后，就需要依靠大模型驱动形成新的智能算法，而要构筑这样的算法，除了要做好产品，还要做好平台。

因此，车企直接借助科技公司的算力和能力进行更便捷的研发已经成为一大趋势。

让车企“快人一步”

通用人工智能时代，中国科技公司已经开始肩负AI基础设施建设的责任。作为科技企业的代表，腾讯面向汽车行业打造了适用更多行业的基础平台，从模型层、平台层、算法层、和应用层形成了完整的人工智能体系。

首先，腾讯自研的混元通用大模型已经向汽车行业开放，企业可以通过API调用混元，或者将混元作为基底模型，来构建自己的行业大模型。混元具备超千亿参数的规模，预训练的语料也超过了2万亿Tokens，具备多轮对话、知识增强以及逻辑推理和内容创作方面的能力。现如今已有超过300个应用已经接入了混元大模型，车企可以在混元大模型的基础上，去省时省力地实现自己的任务和目标。

钟学丹也在演讲中提到，通用大模型未必适用汽车行业，有行业针对性的汽车垂域大模型，更具有普惠价值。对此，腾讯还推出了MaaS（Model as as ervice，模型即服务）服务平台，提供了一些相应平台的工具，帮助企业更好地管理数据、可视化的训练模型，为企业构建自己的专属模型，提供了更便捷的基础能力。

MaaS服务平台

对于很多垂类行业而言，去构建一个通用大模型，是不现实的，而且也是重复建设和资源的浪费。为了推动出行行业的繁荣，在出行的赛道上，腾讯并未敝帚自珍，MaaS服务平台已经全面接入了20多个主流模型，包括Llama 2、Falcon、Dolly、Vicuna、Bloom、Alpaca等，这使得腾讯云成为国内第一批上架和支持开源模型的大模型厂商。

同时，针对汽车行业的特点，腾讯不断沉淀汽车专有的数据知识库，不仅是让大模型和汽车行业简单的做结合，而是真正服务到具体业务场景里边。

除了我们通常所理解的应用场景，腾讯还把大数据模型在车企的应用，延展到了设计和营销领域。

在设计研发领域，代码助手的能力可以帮助企业更好的完成编码的编制、测试和质量的提升。同时也可以通过一些提示和训练的方式，也可以帮企业在研发、创意和设计上带来很多新的发现，这些可能是超出以往一些专业人员的能力。

在营销方面，现在的数字化营销的内容都是通过AI大模型的基础去做AIGC产出的内容方式，同时大模型可以帮助企业更好的理解用户，为用户去创造它独特的一些内容场景。比如说在卖车的过程中，每个用户对车的需求和想法都会不一样，如何为他创造独特的内容，让他在内容的核心表述上更好地集中他的需求，对于汽车的售卖会有很大的帮助。

大模型的落地，也将进一步引发汽车行业边界重塑，不可能所有的汽车企业能够实现全栈自研，专业化的分工和跨界整合是必然模式。在中国汽车市场强竞争和高速发展催生下，企业正在通过多元的合作模式来补齐自身不具备的软硬件能力。

在通往智慧出行的道路上，任何一个技术都无法脱离整体环境而生存。在通用大模型上，腾讯将其混元大模型开放，帮助车企构建自己的行业大模型。在模型服务平台上，腾讯提供了基础平台，提供了大模型的一站式商店；在底层设施上，腾讯智能汽车云，针对大模型和高阶智能驾驶对算力、网络、数据的需求，升级了相应的能力。在应用场景上，腾讯汽车行业积淀的专业知识和数据能力。腾讯正在从多维度上整合自身所长，为汽车行业探索大模型，构建了一个领先的数字底座。

后记

大模型的大规模和通用性，决定了最后的胜利者一定是一个具备普适性的“新平台、新基建”玩家。因为这样的玩家，可以让原有的产业链参与者，能够以低成本享有技术变革的红利。

正如钟学丹在沙龙上所讲，当有一个通用的大模型之后，对于汽车行业来讲，如何加速落地？是从车企自己从零构建基础的架构，还是已经有企业可以提供产业新的基础设施。这个成本，相信大家都能算明白。

随着越来越多的车企选择接入AI大模型，内卷中的中国汽车企业若想补齐不具备的软硬件能力，就需要通过合作更快地实现短板补齐。开放了MaaS平台，从基础设施到模型混元基础大模型的底座以及行业大模型的底座，可以为车企提供更便捷基础能力的腾讯，无疑会是车企放在前列的一个选项。