智能汽車正在從傳統的(de)(de)“制(zhi)造(zao)”到(dao)“制(zhi)造(zao)+服(fu)務(wu)”模式轉變。它(ta)將連(lian)接城(cheng)(cheng)市和(he)(he)個人，在個人消費、城(cheng)(cheng)市管理和(he)(he)企(qi)業(ye)服(fu)務(wu)方(fang)面，都有著非常大的(de)(de)想象(xiang)空間。
近日，在2021世(shi)界(jie)智(zhi)(zhi)能(neng)(neng)汽車大會上，商湯科技(ji)聯合(he)創(chuang)始人、移(yi)動(dong)智(zhi)(zhi)能(neng)(neng)事業群(qun)總(zong)裁王(wang)曉剛教授發表主題演講《通用智(zhi)(zhi)能(neng)(neng)拓(tuo)展(zhan)智(zhi)(zhi)能(neng)(neng)汽車邊(bian)界(jie)》。
他指出，通用智能(neng)不僅(jin)可(ke)以解(jie)決大量的長尾問(wen)題，還能(neng)夠不斷豐(feng)富智能(neng)汽車的應用場景。商湯(tang)致力打造的SenseCore商湯(tang)AI大裝置，正(zheng)通過(guo)超級算力和超大模型，為智能(neng)汽車構(gou)建(jian)通用智能(neng)的能(neng)力，推動(dong)智能(neng)汽車與各個產業相互融合，不斷創(chuang)新駕乘體驗。
以下為王曉剛教授演講內容，整理分享給大家：
非常榮幸今天能有機會與大家分享未來人工智能發展的(de)一(yi)個重要趨勢——通用智能如何打破智能汽車的(de)邊界。
智能汽車正在(zai)從傳統的“制(zhi)(zhi)造(zao)”到“制(zhi)(zhi)造(zao)+服(fu)務”模式(shi)轉(zhuan)變(bian)。它(ta)將(jiang)連接城(cheng)市和個人(ren)(ren)，因(yin)此在(zai)個人(ren)(ren)消費(fei)、城(cheng)市管(guan)理和企業服(fu)務方(fang)面，都有著非常大的想象空間。
我們知道，人工智能有三大要素：算力、算法和數據。
從算力的角度看，智能汽車的算力是智慧城市視覺(jue)感知終(zhong)端算力(li)的百倍(bei)(bei)，是智能手機的幾(ji)十倍(bei)(bei)。
由于汽車處于移動狀態，其產生的感知數據無論在數據體量還是數據質量方面，都遠高于其他領域。智能汽車就是一個巨大的、移動的數據生產源，關鍵是如何通過人工智能算法去挖掘這些數據背后的價值，我們認為有四類人工智能的模型：
第一類是智能感知模型。車(che)載會產(chan)生大量的(de)視(shi)頻(pin)、圖像(xiang)，還有3D的(de)非結(jie)構(gou)化數(shu)據，需要通過智(zhi)能的(de)感知將這些數(shu)據高效地進行結(jie)構(gou)化。
第二類是決策智能。數據結(jie)構化之后，需要更好(hao)地(di)去做決策，包括更好(hao)地(di)完成(cheng)人機(ji)交互。
第三類是智能內容生成。人工智能、增強現實(shi)、混合現實(shi)技術的發展為我們的物(wu)理(li)世(shi)(shi)界打造(zao)了一個平行的虛擬世(shi)(shi)界。智能內容(rong)生成(cheng)能夠(gou)為虛擬世(shi)(shi)界高效地生成(cheng)大量(liang)內容(rong)，讓虛擬世(shi)(shi)界更加精(jing)彩。
第四類是智能內容增強。在高速(su)運動、極暗等各種(zhong)極端情況下，仍(reng)能得到高質(zhi)量的圖像和視(shi)頻，也是人工(gong)智能模型能給數據帶來的價(jia)值。
▎通用智能(neng)拓展智能(neng)汽車(che)邊界
通過人工智能拓展智能汽車的邊(bian)界，需要(yao)解決兩方面的問題：
第一，需要解決大量的長尾問題。比如在智能駕駛的(de)(de)(de)過程中，有很多(duo)場景出現(xian)的(de)(de)(de)頻次很低，也沒(mei)有大(da)數據的(de)(de)(de)支撐去做訓練(lian)，但是(shi)一旦出現(xian)其產生的(de)(de)(de)后果會非常嚴重。未來(lai)，不(bu)同汽車智能駕駛功能的(de)(de)(de)差異化(hua)，就(jiu)在于誰能夠去解決更(geng)多(duo)的(de)(de)(de)長(chang)尾問題，滿足消費(fei)者更(geng)好的(de)(de)(de)體驗。
第二，要不斷豐富智能汽車的應用場景。比如智能駕駛中，從高速路自動巡航，到普通城區中的自動駕駛，從有高精地圖到沒有高精地圖覆蓋的廣大區域;在智能車艙中，從駕駛員感知到對老人、兒童、寵物的關愛，再到智慧健康功能的應用;又如智能汽車和城市的元宇宙、增強現實、混合現實應用的融合;再如多模交(jiao)互，通(tong)過基于視(shi)覺的姿態、表情、唇語的識別和語音以及自然語言理(li)解相結(jie)合，帶來更好的人機交(jiao)互新體驗。
隨著智能(neng)汽車對(dui)(dui)人(ren)工智能(neng)的(de)功能(neng)和需求不斷提高，場景不斷豐富，也(ye)就對(dui)(dui)通用人(ren)工智能(neng)提出了要求。
不同(tong)于以往的(de)單(dan)一智(zhi)能，單(dan)個(ge)AI模型輸入的(de)數據(ju)類型是單(dan)一的(de)，只能完成單(dan)一任(ren)務、適應(ying)單(dan)一場景，利用(yong)通(tong)用(yong)人工(gong)智(zhi)能技術(shu)，一個(ge)模型能夠(gou)輸入語音、圖像(xiang)、文字，還有激光雷達(da)的(de)3D點(dian)云(yun)等(deng)多種類型的(de)數據(ju)，并(bing)完成各(ge)(ge)種各(ge)(ge)樣的(de)任(ren)務。
通用模型的出現，能夠幫助我們實現不同行業之間的融合，實現產品和場景應用的創新。
商湯致力(li)于(yu)打造(zao)的人工智(zhi)(zhi)(zhi)能基礎設施SenseCore AI大裝置(zhi)，同(tong)時支(zhi)撐四(si)個(ge)領域的眾(zhong)多行(xing)業，包括智(zhi)(zhi)(zhi)慧(hui)商業、智(zhi)(zhi)(zhi)慧(hui)城市、智(zhi)(zhi)(zhi)慧(hui)生活和(he)智(zhi)(zhi)(zhi)能汽車。在這(zhe)些領域中，結合數據和(he)大量行(xing)業反饋，又能夠(gou)助推我們打造(zao)通(tong)用智(zhi)(zhi)(zhi)能的研發平臺和(he)模型。
當AI大裝置不斷迭代，探索下一代研發體系時，就能夠同時推動各行業研發體系的升級和飛躍，這將成為推動社會生產力發展非常有效的迭代方式。
基(ji)于AI大裝置，商湯(tang)以“一橫(heng)一縱”的方式打造了(le)智(zhi)能(neng)(neng)汽車的創新(xin)底座，推出(chu)了(le)智(zhi)能(neng)(neng)汽車解(jie)決方案(an)的獨立品(pin)牌——SenseAuto商湯(tang)絕影智(zhi)能(neng)(neng)汽車平臺。
“一(yi)縱”是(shi)指能夠提供(gong)智(zhi)能駕駛(shi)和(he)智(zhi)能車艙的全(quan)棧(zhan)解決方(fang)案，“一(yi)橫”是(shi)指將基(ji)礎的軟硬件(jian)設施提供(gong)給(gei)車廠和(he)合作(zuo)伙伴，賦能不同的主機廠。商(shang)湯也建立起路云感知(zhi)平臺，將車載(zai)數據(ju)、路端感知(zhi)數據(ju)和(he)其(qi)他行業的數據(ju)匯集(ji)起來(lai)，不斷拓展(zhan)智(zhi)能汽車的應用場(chang)景。
商湯絕影的戰略定位有三個：
第一，幫助商湯的生態(tai)合作伙伴和(he)客(ke)戶(hu)深度挖(wa)掘汽(qi)車感知數據(ju)的價值。
第二(er)，連(lian)接智能汽車(che)和商湯智慧產業生(sheng)態(tai)，實現服(fu)務(wu)輸出。
第三，實現(xian)商湯(tang)與汽車產業和(he)生態的共生共贏。
從(cong)2016年(nian)開(kai)始商湯(tang)進(jin)入智能(neng)汽車行業，截至(zhi)今年(nian)上半年(nian)已有30+車企客戶(hu)、50+個合作(zuo)伙(huo)伴，覆(fu)蓋(gai)50+種車型，在未來(lai)數(shu)年(nian)內將向2000多(duo)萬(wan)輛汽車提供(gong)絕影(ying)產品。
▎新一代(dai)通用視覺技術體系“書生”
不久前，我們聯合上海人工智(zhi)能實驗(yan)室、香港中文大學、上海交通(tong)大學，共同發布新(xin)一代通(tong)用(yong)視覺技術體(ti)系“書生”(INTERN)。
書生訓練一個(ge)通(tong)用視覺(jue)模型分幾個(ge)階(jie)段：首(shou)先匯(hui)集(ji)行業中的(de)數據，共同打造(zao)一個(ge)通(tong)用的(de)“通(tong)才模型”，不單會寫文章，還(huan)琴(qin)棋書畫(hua)樣(yang)樣(yang)精通(tong)，實現更強(qiang)的(de)適(shi)應性。
在此基礎上(shang)，結合各(ge)個(ge)專(zhuan)(zhuan)業(ye)領域，各(ge)個(ge)場景中(zhong)少(shao)量的(de)數據，打造某(mou)個(ge)專(zhuan)(zhuan)業(ye)的(de)“專(zhuan)(zhuan)才模(mo)型(xing)(xing)”，如針對智(zhi)慧城市、自動駕駛、文化(hua)旅游等不(bu)同領域的(de)專(zhuan)(zhuan)才模(mo)型(xing)(xing)。經過(guo)這幾個(ge)階段，可以讓模(mo)型(xing)(xing)的(de)通用性變得非常強。
我們也和(he)世界上最(zui)頂級(ji)的(de)研究成果進行了對比，相較于(yu)OpenAI的(de)CLIP，“書生”在只有10%的(de)數據(ju)的(de)情況下，就能(neng)實現超過CLIP基于(yu)完整下游數據(ju)的(de)準(zhun)確(que)度。
在商湯兩個階段的模型生產方法中，首先是訓練世界目前最大的300億參數的視覺模型。基于這一超大模型，可以衍生出超過2萬多個商用模型。
這一過程需要(yao)非(fei)常強的(de)算力(li)支持。我們(men)在臨港新建的(de)商湯智(zhi)算中心AIDC，擁有每秒3.74百億(yi)億(yi)次浮點運算的(de)總算力(li)、全套的(de)自動(dong)數據標(biao)注、隱(yin)私保護和數據安全能(neng)力(li)，同(tong)時還能(neng)夠形成數據閉環。并可選擇需要(yao)哪(na)些數據進行回(hui)流(liu)(liu)，回(hui)流(liu)(liu)之后進行自動(dong)標(biao)注和模型(xing)更新。所有這些都基于AIDC和超大(da)模型(xing)。
商(shang)湯也(ye)把智能(neng)汽車和多(duo)個行業緊密(mi)地(di)結合在一(yi)起。舉一(yi)些例子：
在今(jin)年世界(jie)人工智能大會上(shang)，商湯發布世界(jie)上(shang)第一款自(zi)動(dong)駕駛AR小巴。
我(wo)們將上海的(de)一個城區進(jin)行了三維數字化(hua)，借助車載大(da)屏和(he)車外視覺感知設備，就可以形成虛擬世(shi)界和(he)物理世(shi)界的(de)融合。乘客坐在車里可以體驗到城市的(de)發展、經濟文化(hua)的(de)創(chuang)新，就像坐在穿(chuan)梭的(de)博物館中。
此外，數字人已經應用于各行各業，商湯也把它引入到了智能車艙中，根據消費者的喜好，實現千人千面。
商湯還把(ba)智(zhi)慧健康引入到車艙當中(zhong)，讓乘員在(zai)車艙中(zhong)即可檢測心(xin)率(lv)、呼吸頻率(lv)、血壓等情況，通過視覺手段，給消(xiao)費(fei)者帶來關愛和長期關懷。
人(ren)工(gong)智(zhi)能(neng)(neng)正在快速從單(dan)一智(zhi)能(neng)(neng)向通用智(zhi)能(neng)(neng)發(fa)展。商湯也(ye)致力(li)于(yu)打(da)造(zao)人(ren)工(gong)智(zhi)能(neng)(neng)基礎設施，促進產業融合，不斷拓展智(zhi)能(neng)(neng)汽車(che)的應用邊(bian)界和(he)場(chang)景，與合作伙伴一起(qi)迎接智(zhi)能(neng)(neng)汽車(che)的新未來。
