3884
伴随 ChatGPT 的横空出世，大语言模型在算法、算力、数据方面的技术发展，已经从量变积累实现质的飞跃，汽车行业内的人都明白 LLM(large language model) 正在改变着智能驾驶，智能座舱等消费者明显感知的前端应用。
但是 AI LLM 作为底层创新的工具不但催生了新的应用，还加速着产业的发展，帮助企业提升效率，所以 LLM 企业级应用是目前汽车行业战略以及高层在重点布局的内容；同时由于它牵扯到生产关系和方式的改变，也是不少敏锐的汽车职场人在考虑自身职场发展思考的话题。
可是此类布局和思考目前还比较早期，鲜有公开讨论和分享。
最近作为 AI 底层算力，算法源头的英伟达，举办了2024 GTC 邀请了不少汽车 AI 应用端的企业参考分享AI特别是 LLM 生成式在汽车企业当中的应用，其中福特，捷豹路虎，奔驰，通用，Stellantis，路特斯，大陆汽车等分别分享了车企如何使用 LLM 生成式人工智能加速汽车行业工作流程的案例，可以激发车企以及职场人的思考。
根据众多车企分享的内容，可知目前 LLM 大语言模型以及生成式人工智能在汽车行业的应用方向：
一般文本创作和摘要， 软件工程。
文本创作和摘要，例如会议的记录摘要和总结；
软件方面 ，例如可以 LLM 学习理解 AUTOSAR 规范并生成执行规范不同功能的代码来生成测试用例。这可以通过使用 LLM 为规范中定义的不同功能和服务生成输入和预期输出值序列来完成，可以帮助减少测试的时间和成本，同时还提高测试的准确性和完整性。
另外一个是，基于LLM大语言模型的检索增强生成（RAG）。
检索增强生成（RAG）是可以对大型语言模型输出进行专业知识的优化，使其能够在生成响应之前引用训练数据来源之外的权威知识库。
大型语言模型（LLM）用海量数据进行训练，使用数十亿个参数为回答问题、翻译语言和完成句子等任务生成原始输出，但 LLM 训练数据是静态的，有截止日期的。
所以大家可以看到，GPT 很多时候一本正经的说胡话，如果企业采用这种大模型，犹如养了个奸臣宦官，他不开放，还拒绝随时了解时事，但总是热情和绝对自信地回答每一个问题，对于企业来讲绝对是灾难。
而 RAG 可以将 LLM 扩展为能访问特定领域或组织的内部知识库，所有这些都无需重新训练模型。它会重定向 LLM，从企业原有的权威的、预先确定的知识来源中检索相关信息。
这样 RAG 可以经济高效地改进 LLM 输出的方法，让它在各种情境下都能保持相关性、准确性和实用性。
所以对于汽车行业这类需要专业知识和高密度经验类信息的产业，是非常好用。
目前国内很火，号称行业研究利器的的秘塔AI就是采用基于大模型的 RAG 技术 （当然根据我的使用经验，可以快速了解行业，作为工具）。车企也同样可以采用此类方式，采用低成本或者公开大模型配上RAG 技术，可以将汽车企业的内部原有的信息和数据，例如历史项目资料，知识库，甚至个人的邮件，采用 RAG 训练成企业内部 GPT。
例如开发端之前大家对于某个问题，需要咨询某个专业零件或者系统的 TS Technical Specialist，接下来大家可以先问公司 TS GPT，然后再决定要不要找 TS ；企业法务，之前大家有问题需要找公司法务咨询，接下来可以先问公司法务 GPT，然后再决定要不要去找法务员；售后端诊断以及技工指导，都可以飞快地从数字服务 GPT 中快递得到答案。
这样企业内每个人可以拥有一个基于企业数据的经验丰富的助理工程师，助理项目管理，个人助理。可以极大地增强企业的生产力。
最后图片视频类的 GPT 以及数字孪生
汽车市场端的图片以及视频生成，这个估计应用的非常广泛了，市场活动宣传视频以及销售网站的呈现都是数字化呈现给消费者的。GPT 生成式人工智能，可以帮助全新生成宣传视频，抑或是修改视频都能够节省费用和时间；另外用户选购车辆时候通过 3D 组合，可以更改车辆配置颜色以及场景，从而提升购车体验。
数字工厂，这个英伟达在过去每次 GTC 都会提到，采用其 Omniverse -设计、优化和运营未来的工厂。工厂的设计，维护，休整对于汽车行业是特别重大的事情，它意味着产量的稳定，资产的闲置；任何检修和修改都是钱的损失。
对于数字工厂的本质，首先是虚拟化工厂，然后基于虚拟化的工厂内容，AI可以模拟和推算，优化工厂结构，流程顺序，最终找到最优的工厂布局，工序，物流组合等等，从而可以节省投资，时间，实现效率最大化。
以上为在 LLM 大语言模型方面应用比较前沿的车企目前正在布局使用的案例，但同时会议上 Ford 汽车还表示目前在拓展LLM未来应用的方向。
取代看板 Dashboards ，数据以及知识的对话式交互。基本上车企都会有一大堆看板来呈现当前的总体状态，或者发展趋势，特别是管理层或者项目管理，最喜欢看的就是这个东西。但是一般看板背后都配备会议或者汇报人，因为数据状态背后都有需要解释或者深挖的内容。
而AI可以根据数据生产看板，然后查看看板 Dashboard 的人可以直接和它交流对话问所有感兴趣的问题。
可以互相召唤交互的聊天机器人。上文讲到目前很多车车企内部都在推行 RAG 聊天对话机器人，例如专业知识机器人，销售数据机器人，客服机器人，你可以问销售数据机器人关于车子销售的问题；你可以问客服机器人关于客服以及需求的情况，但是当你想问这个车型的销售和客服情况时候，你需要打开两个机器人，甚至多个机器人，未来或许企业内部通过语言大模型整合，不同的数据他们交互统一，数据统一，可以内部进行相互交互。
主动式助手，监控环境，时刻准备帮助人类。例如上文中讲到的售后诊断，售后诊断可以通过 AI 诊断并主动建议维修方案；项目管理 LLM 可以主动帮助项目早期建议关键路径以及 Timming。
所以，其实可以看到 LLM 等 AI 大模型正在加速汽车产业变革，公司层面，LLM等 AI 可以从工具和流程方面加速开发生产，某种程度上降低成本，提升质量；在汽车人才方面，数据集中化的 LLM 将会极大减少中间人以及集成人的需求，经验数据 GPT 将极大降低技术人才的准入门槛。
*未经准许严禁转载和摘录-参考资料：
Accelerating automotive workflows with LLMs - 福特汽车
Applying AI & LLMs to Transform the Luxury Automotive Experience -捷豹路虎
Transforming Factory Planning
& Manufacturing Operations - 大陆
Accelerating Automotive
Aerodynamics Analysis - 西门子
Unifying & Accelerating
Automotive Design Workflows - stellantis
Revolutionizing Industrial Fluid Dynamics
with Advanced Deep Learning Techniques - 福特
实时3D和AI技术在汽⻋⾏业的创新应⽤ - 路特斯
下载ECAD模型
