自GPT問世以來，勤奮的本土車企就一直在探索如何將大模型這個新質生產力應用在企業運營和產品領域。

關于大模型重塑智能座艙的用戶體驗和改造自動駕駛產品，已經有了鋪天蓋地的宣傳，至于大模型如何幫助提升車企本身的生產力，卻很少有人提及，其實，這也是非常值得關注的領域。

01

最危險的地方最安全，最能花錢的地方才能最省錢。

在汽車行業的業務流里， 最能體現降本增效的地方是人才密集型、資金密集型的軟件開發領域。

根據華為專家在2024汽車人工智能大會上的系統性總結，大模型可以在產品研發的過程中用于代碼輔助。

展開來看，大模型能夠以多輪對話、邏輯推理、長文本理解、內容創作、擴寫與優化、情感分析能力輔助需求分析；

以文生圖、多輪對話、邏輯推理能力輔助軟件開發架構設計；

以注釋生成代碼、代碼補全、代碼重構、代碼翻譯、代碼生成注釋、生成測試用例、多輪對話能力輔助代碼開發；

以注釋生成代碼、代碼補全、生成測試用例、多輪對話能力輔助軟件測試。

其代碼輔助能力覆蓋從需求分析、架構設計、代碼編寫、軟件測試到部署上線、系統維護的整個生命周期。

在無法應用AI神經網絡，需要通過寫代碼實現功能的系統里，碼農們對AI大模型提高代碼開發效率樂觀其成，但在AI模型可以取代代碼，直接消滅編寫代碼需求的領域，碼農們感到了前所未有的壓力。

自動駕駛算法范式經歷了編寫規則代碼到全面采用AI神經網絡的轉變，在規則時代里，隨著駕駛場景復雜度的提升，頭發掉了一地的程序員越來越感到無能為力，但不管怎樣，飯碗還是能保住的。

24年開始風靡本土車圈的端到端范式的進步將規則驅動轉向了數據驅動，從駕駛數據中模仿學習老司機的決策神經網絡提升了應對各種復雜場景的泛化能力，也把很多從事決策模塊開發的碼農們的飯碗砸碎了一地。

開發出大模型的工種是碼農，最能感受大模型能力的工種是碼農，最先被大模型替代的工種還是碼農，想想真是又魔幻又讓人心酸！

02

是人都有弱點，越是大佬越是容易被騙。

沒有人比他更懂關稅的川普悍然發動關稅大戰，或許是受到了馬斯克的蒙騙。

在自動駕駛、人形機器人、AI大模型領域一向無比激進的馬斯克或許曾經對川普進言，雖然大漂亮沒有那么多懂工藝、懂制造、自律、勤奮的技術工人，但也不是不可能在本土建設起完善的制造業產業鏈。

再過一段時間，完全可以依靠人形或具身機器人擰螺絲、焊電路板、搞質檢，不用那么多領漢堡和可樂的老爺們上生產線，也能玩得轉。

應該說，作為美利堅科技圈造神運動中的天降猛男，馬斯克當然不會把制造業看得那么簡單，只是他的想法過于樂觀了。

不過，多模態視覺語言模型的確可以在生產線上找到用武之地。

比如，理想汽車早在24年7月份就將DeepSeek VL視覺語言模型用在了生產線的質檢中。

這類通過視覺-語言聯合表征框架實現多模態特征融合的視覺語言模型，能夠將攝像頭捕捉到的圖像與質檢知識庫進行語義對齊，通過圖像識別和文本規則，針對產品缺陷實現基于視覺觀察和語義理解的綜合判斷。

視覺語言模型中的視覺V部分負責提取圖像特征，語言L部分負責通過可持續更新的質檢知識庫進行規則匹配，并行處理圖像特征提取和規則匹配。

同時解析圖像特征與工藝文檔，以視覺-語言的聯合實現跨模態的語義理解，突破傳統視覺檢測的局限，顯著降低誤檢率，提升檢測效率。

也就是說，DeepSeek可不只是在理想VLA大模型上幫助節省了9個月的時間，節省了好多錢，在生產線質檢上，DeepSeek的視覺語言模型早就用愛發電，免費上班了。

03

伴隨著軟件定義汽車向AI定義汽車的轉變，智能電動汽車軟件開發工作由編寫代碼向AI模型開發演變。在軟件定義汽車這個層面，大模型可以助力代碼的開發，在AI定義汽車這個層面，大模型同樣也可以助力AI模型的開發。

自端到端范式出現之后，自動駕駛算法的形式就由軟件代碼和AI模型的混合體變成了以AI神經網絡為絕對主體，接下來就以自動駕駛算法開發為例，介紹一下大模型如何助力自動駕駛數據閉環。

可以認為自動駕駛數據閉環指的是自動駕駛開發工具鏈，涵蓋車輛采集數據、脫敏數據上云、數據清洗、場景挖掘、數據標注、形成場景庫、模型訓練、仿真模擬、評價體系、車端OTA這些階段。

借助于生成式AI大模型的超強理解能力，大模型可以用于場景挖掘和數據標注，大幅提高標注速度和準確性，降低人力成本。

從道路元素、車輛、行人、交通標志，到離散要素、幾何、屬性、連接關系，大模型將在圖像自動識別和精確標注中發揮越來越重要的作用。

借助于生成式AI大模型的超強生成能力，大模型可以用于場景重建和生成，大幅度降低Corner Case的收集成本，并提高模型訓練和評估的效率。

隨著自動駕駛系統能力的進步，邊緣場景收集的難度和模型能力驗證的難度越來越高，通過AI大模型重建和生成駕駛場景，用于自動駕駛模型的高效訓練和仿真，正在成為頭部智駕企業的主流選擇。

AI大模型生成用于模型訓練和仿真的駕駛場景的突出優勢還在于成本低且靈活可配置。

通過不同的提示詞，可以生成不同天氣、光照、車道下的視頻，可以生成多種車型、相機個數的多視角行車視頻，也可以創建復雜立交場景、人車混雜的路口場景，以提高自動駕駛系統的泛化能力。

大模型正在重構汽車研、產、供、銷、服的方方面面，也必將在未來兩三年內對車企固有的人才體系帶來巨大的沖擊，對很多從業者而言，這是一個喜憂參半的消息！