今天百科互动给各位分享ChatGPT刺激芯片需求，订单激增显示全球AI芯片竞争白热化的知识，其中也会对进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录：
- 1、人工智能会不会取代程序员？
- 2、毫末发布自动驾驶生成式大模型DriveGPT 中文名"雪湖·海若"
- 3、韩国芯片法案落地，东亚汽车市场不再会有芯片荒？
- 4、「大模型+大算力」加持，通用人工智能和智能驾驶双向奔赴
人工智能会不会取代程序员？
chatgpt不会取代程序员。
chatgpt终究只是ai人工智能，它即使学会编程也无法掌握所有程序员的技能和知识，硬要说的话只是会影响到一些技术水平较差的程序员。
事实上在科技发展的过程中，总是会有机器取代人工的声音出现，这一现象从工业革命就开始了，不过新的科技和产业自然也带来了新的职业，因此完全不需要担心失业的问题。
ChatGPT出圈企业入局
资料显示，ChatGPT是美国OpenAI公司于2022年11月30日推出的一款对话式AI模型，该模型使用一定的算法以及大量文本训练，只需向ChatGPT文字提出需求，即可让其完成回答问题、书写代码、创作文本等指令。轿闭
实际应用上，ChatGPT等文本AI可能帮助文本创造类行业完成智能内容生成，并一定程度上替代搜索引擎。
而ChatGPT一经推出便在人工智能生成内容(AIGC)领域上引起轰动——上线五天，就吸引了超100万用户。上线两个多月，月活用户就达到了1亿。这用户增长速度目前堪称是“闭老裂前无古人”，要知道当年火爆的instagram用户数增长到1亿也用了两年半时间。
值得注意的是，它之所以这么火，主要在于ChatGPT功能强大，应用广泛，含手是潜在的蓝海。
毫末发布自动驾驶生成式大模型DriveGPT 中文名"雪湖·海若"
易车讯 日前，我们从官方渠道获悉，在第八届HAOMO AI DAY上，毫末智行发布自动驾驶生成式大模型DriveGPT，中文名"雪湖·海若"。生态方面，毫末官宣取得3个主机厂定点合同，商业化迎来跃升一步；同时毫末推出的中国首个重感知、不依赖高精地图的城市NOH即将量产上车，最先落地北京、上海、保定等城市。
毫末打造的自动驾驶生成式大模型DriveGPT雪湖·海若通过引入驾驶数据建立RLHF（人类反馈强化学习）技术，对自动驾驶认知决策模型进行持续优化，现阶段主要用于解决自动驾驶的认知决策问题，终极目标是实现端到端自动驾驶。
毫末DriveGPT雪湖·海若已开启对销败亏限量首批生态伙伴的开放合作，北京交通大学计算机与信息技术学院、高通、火山引擎、华为云、京东科技、四维图新、魏牌新能源、英特尔等高校与企业加入。
产品方面，毫末中国首款可大规模量产落地、重感知城市NOH，将首批落地北京、保定、上海等城市，并开启泛化测试，到2024年有序落地100城。首款搭载HPilot3.0的新摩卡DHT-PHEV即将重磅上市，这也是毫末DriveGPT雪湖·海若的首发落地车型，全面确保毫末城市NOH的行业领先性。
生态层面，毫末乘用车6P开放合作取得重大突破，已与3家主机厂签署定点合同，相关项目正在交付中。这是毫末商业化的重要一跃，全面保障了毫末高速发展态势。
毫末智行董事长张凯判断：“2023年智驾产品进入全线爆发期，大模型开启在车端的落地应用，车主的使用频率和满意度成为产品竞争力的重要衡量标准。毫末不断进步的数据驱动的六大闭环能力将进一步加速毫末进入自动驾驶3.0时代的步伐并形成相应的护城河。”
张凯认为，智驾产品正在进入快速增长的全线爆发期，2023年是非常关键的一年。首先，城市导航辅助驾驶产品在2023年将围绕量产上车发力，主要玩家的城市导航辅助驾驶产品进入到真实用户覆盖和多城市落地的比拼。其次，行泊一体和末端物流自动配送产亏神业商业化将成为自动驾驶公司深耕的重点。在乘用车领域，搭载行泊一体功能的智驾产品将迎来前装量产潮；在末端物流自动配送领域，末端物流自动配送车在商超、快递等场景迎来爆发，2023年将在这些场景实现可持续商业化闭环。
首款搭载HPilot3.0的新摩卡DHT-PHEV即将重磅上市，第二款搭载毫末HPilot3.0的车型魏牌蓝山也将在今年发布。毫末HPilot整体已搭载近20款车型。用户辅助驾驶行驶里程突破4000万公里，HPilot2.0辅助驾驶日均行驶里程使用率达到了12.6%。海外布局方面，搭载毫末HPilot的车辆已运往欧盟、以色列等地区和国家，陆续交付到用户手中，接下来将在中东、南非、澳大利亚等市场陆续投放；同时，毫末HPilot即将量产墨西哥版本及俄罗斯版本。
3月，高工智能汽车研究院在每个年度基于前装量产数据库及定点车型库数据进行综合评估，通过对毫末前装近20款车辆等数据研究，为毫末颁发年度高阶智能驾驶系统量产份额领军奖。第三方数据佐证毫末是中国量产自动驾驶绝对领军者。
其次是“MANA大模型巅峰之战”，中国首个自动驾驶数据智能体系MANA架构已迎来全线升级。到2023年4月，MANA学习时长超56万小时，相当于人类司机枯则6.8万年。毫末DriveGPT雪湖·海若，已经完成基于4000万公里驾驶数据的训练，参数规模达1200亿。
第三是“城市NOH百城大战”，中国首款可大规模量产落地、重感知城市NOH，已在北京、保定、上海等城市开启泛化测试，即将量产上车，到2024年有序落地100城。毫末会以“安全为先、用户为先、规模为先”的原则，加速赢得城市NOH百城大战。
最后是“末端物流自动配送商业之战”，毫末末端物流自动配送车小魔驼已在商超履约、智慧社区、校园配送、餐饮零售、机场巡逻、高校教育、快递接驳、智慧园区、大气环评等九大场景开启运营，加速商业化闭环能力。2023年3月，小魔驼2.0获北京亦庄无人配送车车辆编码，开启亦庄运营。毫末也成为《北京智能网联汽车政策先行区无人配送测试规范》升级后，准许在北京市高级别自动驾驶示范区公开道路进行无人配送车测试的首个公司。
“技术领先是生存根本，毫末鼓励所有技术研发同学投入到技术创新当中。”张凯在演讲中再次强调了毫末对于技术研发投入的坚定决心。截至目前，毫末已获得专利证书164件，国际顶级学术会议论文收录6篇，最新2篇更是分别入选计算机视觉识别领域三大顶会之一的CVPR和全球首个智能车专业期刊IEEE TIV。毫末已将所有论文在GitHub开源，与业内共享。
现场，张凯还向外界公布了毫末6P开放合作的重要进展，目前已与3家主机厂签署定点合同，相关项目正在交付中。“毫末始终认为，自动驾驶是一个共同进退、共享成果的前沿产业。只有健康的生态伙伴才能支持毫末高速发展。”张凯表示。
此外，毫末一直坚持场景化用户体验设计、人工智能技术、技术工程化能力均衡发展，不断以数据驱动闭环的方式完善用户体验。张凯介绍，三个月时间，毫末在数据驱动六大闭环体系上实现多重进展。
用户需求闭环方面，毫末对驾驶场景数据持续分析完善策略，并进行新功能体验反馈；研发效能闭环方面，毫末将数据驱动理念深入到产品需求定义、感知与认知算法开发等产品开发流程，整体开发效率提升30%；数据积累闭环方面，毫末在车端部署诊断服务数据场景标签覆盖92%的驾驶场景。
数据价值闭环方面，毫末大模型正在持续挖掘数据价值解决关键问题；产品自完善闭环方面，毫末实现售后问题处理速度较传统方式的十倍效率提升，实现最快10分钟定位售后问题。两年时间有效挖掘产品提升点，问题闭环率达76%；业务工程化闭环方面，毫末进一步完善了从采集回流、标注训练、系统标定、仿真验证等环节到最终OTA释放环节的产品研发全流程工程化闭环。
毫末DriveGPT雪湖·海若通过引入驾驶数据建立RLHF（人类反馈强化学习）技术，对自动驾驶认知决策模型进行持续优化。它的最终目标是实现端到端自动驾驶，现阶段主要用于解决自动驾驶的认知决策问题，后续持续会将毫末多个大模型的能力整合到DriveGPT。目前，毫末DriveGPT雪湖·海若实现了模型架构与参数规模的升级，参数规模达到1200亿，预训练阶段引入4000万公里量产车驾驶数据，RLHF阶段引入 5万段人工精选的困难场景接管Clips。
DriveGPT雪湖·海若的底层模型采用GPT（Generative Pre-trained Transformer）生成式预训练大模型，与ChatGPT使用自然语言进行输入与输出不同，DriveGPT输入是感知融合后的文本序列，输出是自动驾驶场景文本序列，即将自动驾驶场景Token化，形成“Drive Language”，最终完成自车的决策规控、障碍物预测以及决策逻辑链的输出等任务。
DriveGPT雪湖·海若的实现过程是，首先在预训练阶段通过引入量产驾驶数据，训练初始模型，再通过引入驾驶接管Clips数据完成反馈模型（Reward Model）的训练，然后再通过强化学习的方式，使用反馈模型去不断优化迭代初始模型，形成对自动驾驶认知决策模型的持续优化。同时，DriveGPT雪湖·海若还会根据输入端的提示语以及毫末CSS自动驾驶场景库的决策样本去训练模型，让模型学习推理关系，从而将完整驾驶策略拆分为自动驾驶场景的动态识别过程，完成可理解、可解释的推理逻辑链生成。
现场，毫末宣布DriveGPT雪湖·海若首发车型是新摩卡DHT-PHEV，即将量产上市。顾维灏提到，DriveGPT雪湖·海若可以逐步应用到城市NOH、捷径推荐、智能陪练以及脱困场景中。有了DriveGPT雪湖·海若的加持，车辆行驶会更安全；动作更人性、更丝滑，并有合理的逻辑告诉驾驶者，车辆为何选择这样的决策动作。对于普通用户来说，车辆越来越像老司机，用户对智能产品的信任感会更强，理解到车辆的行为都是可预期、可理解的。
毫末DriveGPT雪湖·海若将携手生态伙伴率先探索四大应用能力，包括智能驾驶、驾驶场景识别、驾驶行为验证、困难场景脱困。当前，毫末在使用数据过程中，逐步建立起一套基于4D Clips驾驶场景识别方案，具备极高性价比。在行业上，给出正确的标注结果，一张图片需要约5元；如果使用DriveGPT雪湖·海若的场景识别服务，一张图片的价格将下降到0.5元。单帧图片整体标注成本仅相当于行业的1/10。接下来，毫末会将图像帧及4D Clips场景识别服务逐步向行业开放使用，这将大幅降低行业使用数据的成本，提高数据质量，从而加速自动驾驶技术的快速发展。
顾维灏介绍，毫末在2023年1月发布的中国自动驾驶行业最大的智算中心MANA OASIS（雪湖· 绿洲）此次从算力优化等层面升级了三大能力，进一步支持DriveGPT雪湖·海若的算力。首先，毫末与火山引擎全新搭建了“全套大模型训练保障框架”，实现了异常任务分钟级捕获和恢复能力，可以保证千卡任务连续训练数个月没有任何非正常中断,有效保证了大模型训练稳定性；其次，毫末研发出以真实数据回传为核心的增量学习技术，并将其推广到了大模型训练，构建了一个大模型持续学习系统，自主研发任务级弹性伸缩调度器，分钟级调度资源，集群计算资源利用率达到95%；最后，MANA OASIS通过提升数据吞吐量来降本增效，满足Transformer大模型训练效率，通过引入火山引擎提供的Lego算子库实现算子融合，端到端吞吐提升84%。
毫末打造的中国首个自动驾驶数据智能体系MANA，在经过一年多的应用迭代后，本次AI DAY也迎来了全面的升级，正式开放赋能。顾维灏介绍，MANA计算基础服务针对大模型训练在参数规模、稳定性和效率方面做了专项优化，并集成到OASIS中；其次，MANA感知和认知相关大模型能力统一整合到DriveGPT雪湖·海若中；第三，增加了使用NeRF技术的数据合成服务，降低Corner Case数据的获取成本；同时针对多种芯片和多种车型的快速交付难题优化了异构部署工具和车型适配工具。
此外，MANA的视觉感知能力持续提升，一方面可同时学习三维空间结构和图片纹理，并将纯视觉测距精度超过了超声波雷达，BEV方案也拥有了更强的通用性和适配性；另一方面可实现单趟和多趟纯视觉NeRF三维重建，道路场景更逼真，肉眼几乎看不出差异。通过NeRF进行场景重建后，可以编辑合成真实环境难以收集到的Corner Case。在原有的全局视角修改、添加光照/天气效果的基础上，新增合成虚拟动态物体的能力，可以在原有设定的运动轨迹上，合成各种Hard Case，模拟城市复杂交通环境，用更低成本测试提升城市NOH能力边界，更好提升应对城市复杂交通环境。
值得一提的是，面对目前行业里最难的视觉任务之一——单目视觉测量，继特斯拉后，毫末也在中国率先开始验证能否使用鱼眼相机代替超声波雷达进行测距，以满足泊车要求。毫末把视觉BEV感知框架引入到了车端鱼眼相机，做到了在15米范围内达到30cm的测量精度，2米内精度高于10cm的视觉精度效果。泊车场景使用纯视觉测距来取代超声波雷达，将进一步降低整体智驾成本。
易车超级评测体系重磅上线！专业、硬核、全面的汽车评测内容云集，易车年度车型榜单新鲜出炉！上易车App搜索“超级评测”，等你来看！
韩国芯片法案落地，东亚汽车市场不再会有芯片荒？
3月31日，美国芯片法案的碧败首批补贴费用将正式下发到受惠企业，这可以看作是美国芯片法案正式落地的标志。
就在昨天，韩国国会全体会议通过“韩版芯片法案”——《税收特例管制法》修正案。该法案的核心内容为，针对企业对半导体等国家战略产业的设备投资项目提高扣除税率，通过给企业减税来刺激投资，来提振韩国国内的半导体行业。在汽车芯片荒刚刚得到缓解的当下，作为芯片生产代工大国，韩国这一次的政策可以起到稳定汽车市场的作用。
同时，这可以看作是韩国对抗美国芯片法案的一种措施，因为在上周，美国《芯片法案》还进一步细化限制条件，日韩企业看似在新的细化限制条件中，能够喘一口气了，但实际上美国可能要让它们完全交出灵魂。
芯片法案，日韩企业已经坐不住了？
当下，全球的未来竞争趋势已很明确，是计算和数据。各国所推出的法案与措施，均是为了能在接下来的竞争中拿到优势，手握先进生产力和话语权。
在芯片法案细化的规则中，“国家安全护栏条款”要遵循三项原则，即受惠芯片厂不得使用其他国家的资金支持；受惠芯片厂接受美国政府补贴10年内，“受关注国家”投资将被严格限制；限制受惠芯片厂在引起国家安全担忧的技术和产品上，与受关注的外国实体进行联合研究或技术许可工作。
对于成熟制程芯片，即法案中定义的28纳米或更低级别的逻辑芯片，条款禁止芯片厂在“受关注国”的产能增加超过10%，如果想要扩建，至少85%的产能必须最终由“受关注国”市场消耗，并且必须通知美商务部。
之前的芯片法案条款并没有做到特别细化，而这一次完善之后，企业们也知道了自己的“边际”在哪里，“国家安全护栏条款”中受关注的外国实体范围扩大，其中包括美商务部实体名单，而且条款对先进制程芯片和成熟制程芯片在“受关注国”的扩产和消耗都有明确限制。
中国车企目前所使用的外供高端芯片，主要来自高通、英伟达、恩智浦、英特尔和德州仪器，比如很常见的英伟达Orin、高通骁龙8155、合资车型上用的NXP i.mx8、Mobileye Q4、TDA 4等，它们有些是由韩国三星来代工的，但是大部分是由台积电来代工生产的。三星在近5年间流失了大量客户，比如苹果、英伟达和高通，三星甚至开始打价格战了，而特斯拉正是因为三星代工更有性价比，才选了三星来代工第二代FSD芯片。
从韩国跟进的芯片法案来看，韩国并没有直接拿出资金进行支持，而是通过减税的方式变相给企业支持，这种方式既能让企业符合美国芯片法案中的关于受惠芯片厂不得使用其他国家资金支持的条款，同时还能真正帮助到芯片企业，但其实韩国的减税，可激没能会更能帮助到企业。
“韩国芯片法案”透露出无助？
韩国给出的减税方式是这样的；大企业和中型骨干企业从现行的8%提高至15%，中小企业则从16%提升至25%。像三星这种大企业每年给韩国带来的纳税金额在70亿-80亿美元之间，如果再给他减税7%左右，它每年能够少缴6亿美元左右的税款，按照芯片法案的限制“10年”来计算，也就是将近60亿美元，而除了三星之外，还有LG、SK海力士等大企业，这些大企业十年下来减税大概会超过150亿美元，若再加上一些中小型企业，能够省出200亿美元应该是没有问题的，美国芯片法案总共补贴527亿美元，而韩国减个税也能减出200亿美元来，对于企业们的好处可能会立竿见影。
针对美国的芯片法案，特别是在最近加码细化之后，大家会发现企业们如果要在中国扩产，想和中国企业做生意，就必须要通知美国，还要把自己如何做？要怎么做？做多少？都要如实汇报，几乎是把企业的核心信息和数据完全暴露给美国，这就让很多日韩企业有些坐不住了。
因为到头来，去年8月开始实施的芯片法案是美国在芯片领域拿到绝对优势，可是这不免会让不少国家和地区卷入其中，尤其是日韩，它们在经济的方方面面都高度依赖着中国，日韩大企业在一边在芯片法案中受惠，一边让国内经济受损失，这是这些国家并不想看到的结果。
尤其对于韩国来说，半导体产业是韩国的重要产业之一，三星和SK海力士不仅是韩国半导体产业的龙头企业，它们的芯片产能也直接关系到韩国现代等汽车品牌的生产节奏，同样它们都是韩国社会中不可一世的大财阀，这些公司的利益盈亏，甚至于韩国的国运直接挂钩，韩国在美国芯片法案落地后，也曾表示韩国企业不仅务必留下在华生产设备，还要进行部分扩张，还可持续实现技术升级，韩国在不完全违反芯片法案的前提下，尽可能地要保住中国市场的现有局面明慧纳，同时美国这一次细化加码芯片法案的条款也正是因此而增加的。
韩国这一次能够维持住现在的局面，也维持住与台积电等其他代工企业的竞争局面，虽然三星等企业的代工竞争力不如台积电强，但是这种竞争还存在，还在不断加剧，就能让车企们有更便宜更充足的芯片可用。
而且韩国不能失去这些芯片大企业，三星每年超过70%的税款都是交给韩国的，如果它真的慢慢成了表面上是韩国牌子的美国企业，整个韩国都会备受打击，美国的这种招数其实我们都不陌生，大家生活中已经有不少这样的品牌了，但是相比于芯片半导体这些能够决定未来科技发展的重点领域，凡是能够明白事儿的国家都知道要把它们攥紧了。
所以这一次韩国出台的《税收特例管制法》修正案，用减税降费的方式来讨好这些支柱性的大财阀们，也是迫不得已，否则真的有可能让它们跑掉，因为资本永远是逐利的，它们很难有国家大义这种概念，所以你不给到它们最现实的“利”，你是很难劝住它们的。
特别是三星它们已经在面临巨大的市场压力了，在这一轮芯片荒中，不少车企因为缺芯停产，但这也让不少车企也开始投入到芯片研发的队伍中，甚至像比亚迪这样的企业在向着量产高端芯片的台阶上发展，车企们入局芯片制造行业，让整个行业都变得更卷了。
总结：
其实，芯片法案只是其中的《2022年芯片与科学法案》的一部分，另一部分法案另授权拨款约2000亿美元，用于促进美国未来10年在人工智能、量子计算等各领域的科研创新，今天是3月的最后一天，2023年3月的每一天，仿佛都会有人工智能AI技术的大爆发，ChatGPT已经不过是开胃小菜了，美国企业在AI领域井喷式的发展更要引起我们的注意。
上周我们解析了英伟达的GTC大会，大家也发现了，英伟达已经真的看不上苦等显卡的游戏玩家、数字货币挖矿和智能汽车了，已经全身心地投入到AI云计算的市场中去了，芯片终究是要为系统去服务的。
蔚来，想要在AI领域有大发展，全世界还有很长的路要走，而在智能汽车方面，自动驾驶和智能座舱的硬件目前已经不是难事，就算有禁令，还是可以买到芯片，但是如何在AI的训练上加快进度，降低成本，是接下来要解决的问题。
【本文来自易车号作者路咖汽车，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】
「大模型+大算力」加持，通用人工智能和智能驾驶双向奔赴
开年以来 ChatGPT、GPT-4 的相继面世再度掀起计算机科学领域通用人工智能（AGI）研究热潮ChatGPT刺激芯片需求，订单激增显示全球AI芯片竞争白热化，也不断刷新我们对 AI 的认知。
作为具有人类水平表现的大型多模态模型ChatGPT刺激芯片需求，订单激增显示全球AI芯片竞争白热化，GPT-4 被视为迈向 AGI 的重要一步，标志着创新范式的深度变革和生产力的重新定义，也必将带来更多元的产品迁移。
截至目前，全球已经有超百万家初创公司声称使用这一秘密武器来创造新产品，而这些产品将彻底改变从法律到股票交易，从游戏到医疗诊断的近乎一切领域。
尽管其中很多是营销泡沫，但与所有技术突破一样，总会存在炒作周期和意想不到的远期效果。
事实上在另一边，进入 2023 年智能汽车领域同样十分热闹。
智能化已然成为上海车展全场关注的最大焦点，除ChatGPT刺激芯片需求，订单激增显示全球AI芯片竞争白热化了激光雷达等关键传感器的单点式突破，各大巨头也纷纷展示智春神能驾驶全产品矩阵，城市场景辅助驾驶量产落地加速推进。
更加值得注意的是，BEV、大模型、超算中心等计算机热词正在与自动驾驶、行泊一体、城市 NOA 等智驾焦点火速排列组合，颇有相互交融、双向奔赴的味道。
在这背后，一方面是近年来智驾、智舱持续升级对 AI 在汽车场景落地的数据、算法、算力不断提出更高要求，另一方面，AGI 的重大突破也已将触角伸向智能汽车，将其视为实现闭环应用的重要场景，很多企业布局已经相当高调。
日前，商汤科技 SenseTime 举办技术交流日活动，分享了以「大模型+大算力」推进 AGI 发展的战略布局，并公布该战略下的「日日新 SenseNova」大模型体系。
在「大模型+大算力」加持下，本次上海车展商汤绝影驾、舱、云一体产品体系已全栈亮相，近 30 款合作量产车型集中展出，商汤也再度分享了智能汽车时代的 AGI 落地新思考。
本次上海车展亮相的部分绝影合作车型展示
01、算法ChatGPT刺激芯片需求，订单激增显示全球AI芯片竞争白热化：AI 正式步入大模型时核森丛代
如商汤科技联合创始人、首席科学家、绝影智能汽车事业群总裁王晓刚所言，「AGI 催生了新的研究范式，即基于一个强大的多模态基模型，通过强化学习和人类反馈不断解锁基模型新的能力，从而更高效地解决海量的开放式任务。」
通用大模型并非为自动驾驶而生，或为满足自动驾驶的特定任务需求而设计。但智能驾驶开发的诸多新需求已在推动算法从专用小模型向通用大模型快速演进。
首先是应对海量数据处理和 Corner Case 问题的迫切需求。
对于感知系统低频出现但至关重要的小目标及带来的潜在安全隐患，算法开发需要面对海量数据，传统的 AI 小模型将难以同时处理大数据量和高复杂度的任务。通用大模型则可用在长尾目标的初筛过程，并叠加语料文字处理得到很好的效果。
再比如智驾算法开发对自动化数据标注、降低人工成本的诉求。相比于人工标注，通用大模型将自动化对海量数据完成标注任务，大幅降低标注数据获取的时间成本和本身的金钱成本，从而缩短研发周期、提升成本效益。
处于类似的考量，近年来国内外巨头企业已围绕大模型纷纷展开各自智驾布局。
继 Google 于 2017 年提出将 Transformer 结构应用在 CV 领域图像分类，大模型已在 GPT-2、GPT-3、BERT 等当中不断证明实力，特斯拉率先站台 Transformer 大模型征战图像视觉。
国内企业也紧随其后：
毫末智行已宣布自动驾驶认知大模型正式升级为 DriveGPT，百度表示利用大模型来提升自动驾驶感知能力改樱并将大模型运用到数据挖掘，华为也已宣布加入大模型争霸赛，自研「盘古」即将对外上线。
作为行业领先的人工智能公司，商汤在大模型领域可谓乘风破浪，过去一两年则全面将大模型能力在各业务线 20 多个场景落地，包括智能驾驶。
商汤「日日新 SenseNova」大模型体系背后是大模型研发中深厚的积累。商汤有自己的全栈大模型研发体系，其中就包括针对大模型的底层训练及实施过程中的各种系统性优化。
例如，商汤近期向社区发布的用于真实感知、重建和生成的多模态的数据集 OmniObject3D 中包含 190 类 6000 个物体，数据质量非常高。
再比如，商汤在 2019 年就已首次发布 10 亿参数的视觉大模型，到 2022 年参数规模已达到 320 亿，这也是世界上迄今为止最大的视觉模型。
此外，商汤也在智驾领域持续展示大模型能力。2021 年开发的 BEV 感知算法在 Waymo 挑战赛以绝对优势取得冠军，2021 年 BEV Former 的 Transformer 结构至今仍是行业最有影响力的 BEV 工作，今年开发的 UniAD 是业内首个感知决策一体化的端到端自动驾驶解决方案。
在技术实力的另一端是量产进度。商汤也给出了自己的智能驾驶量产公式：
自动驾驶技术能力=场景数据 x 数据获取效率 x 数据利用效率² =场景数据 x 数据获取效率 x 先进算法 x 先进算力。
而先进的算法大模型不仅将通过跨行业数据汇聚提升驾驶场景数据资源，通过数据闭环开发模式和自动数据标注提升数据获取效率，更将大幅提升感知精度和感知丰富度进而成倍提升数据利用效率。
依托原创 AI 算法和模型积累，商汤领先的 BEV 感知算法推进国内首批量产应用，并采用 Domain Adaption 算法有效解决跨域泛化问题。商汤首创的自动驾驶 GOP 感知体系将目标数据获取的人力成本降低 94%，实现低成本的车端模型开发，目前也已投入量产应用。
02、算力：智能汽车时代的重要基础设施
随电子电气架构技术由分布式不断向集中式演进，大算力芯片成为新型电子电气架构实现的物理基础。
近年来车端芯片算力发展突飞猛进，如英伟达规划中的 Atlan 单颗芯片算力超 1000TOPS，THOR 单颗算力超 2000TOPS，将大幅提升单车感知决策能力。
而在云端，AGI 在自动驾驶、网联等场景的泛化应用将提出比车端指数级更高的算力要求——从数据标注到模型训练，从场景仿真到算法迭代。
算力将是智能汽车时代的新型基础设施。
在此背景下，近年来主流企业纷纷开启双线并行探索，车端自研算力平台，云端建立超算中心。而进入大模型时代后，数据量随着多模态的引入也将大规模增长，因此必然也会导致 AGI 对算力需求的剧增。
可以看到，英伟达车端云端同步布局并将提供端到端的全栈式 AI 加速计算解决方案，特斯拉也早在 2021 年 8 月发布自研云端超算中心 Dojo。
据近期报道，埃隆·马斯克也将成立一家人工智能公司来与 OpenAI 竞争，已购买数千个英伟达 GPU 并一直招募 AI 研究人员和工程师。
国内方面，吉利、蔚来、特斯拉、毫末智行、小鹏等企业也已跟进布局云端算力集群，投入巨大以提升智驾开发算力储备。
对于商汤来说，如果说大模型将是支撑智能驾驶的上层建筑，那么大算力就是数字基座。
商汤科技董事长兼 CEO 徐立表示，目前大模型对基础算力、基础设施的需求非常旺盛，基础算力对并行效率的要求也非常高，但真正好用的基础设施其实十分稀缺。
出于这一原因，商汤历时五年自建了业界领先的 AI 大装置 SenseCore，完成 2.7 万块 GPU 的部署并实现 5.0 exa FLOPS 的算力输出能力，是亚洲目前最大的智能计算平台之一，可同步支持 20 个千亿规模参数量的超大模型同时训练。
位于上海临港的 AIDC 人工智能计算中心将为智能汽车的数据存储、标注、脱敏、仿真训练、算法迭代到部署的闭环提供算力支持，打通基于数据驱动的算法生产全流程，加速高级别智能驾驶技术的 AI 模型生产和持续迭代，推动实现规模化量产。
在 AIDC 的基础上，AI 大装置也将提供支持大模型生产的一系列服务：
处理大模型需要的自动化数据标注，将使智能标注效率提升百倍ChatGPT刺激芯片需求，订单激增显示全球AI芯片竞争白热化；
大模型推理部署，使得推理效率提升 100% 以上；
大模型并行训练，最大 4000 块卡并联的单集群，可训练参数量超 5000 亿的稠密模型，可训练超万亿参数；
大模型增量训练，增量微调成本降低 90%；
开源模型和大模型训练开发者工具，大规模提升开发效率。
如此规模的算力设施即使特斯拉同期也尚难以望其项背，也必将推动大模型的高效闭环。
03、「大模型+大算力」推动智能汽车行业整体进程
汽车行业正在面临百年未有之大变革。尽管此次以「大模型+大算力」推进 AGI 发展是商汤提出的战略布局，但事实上，这一理念早已在行业层面达成共识。
基于感知、决策规控和 AI 云三大核心能力，商汤「大模型+大算力」已赋能绝影驾、舱、云三位一体产品体系量产落地：
除智能驾驶领域的全栈能力和行泊一体量产解决方案外，「大模型+大算力」也正在助力商汤打造智能座舱跨场景生态。
车展期间，与商汤「日日新 SenseNova」大模型体系深度融合的绝影未来展示舱升级亮相，语言大模型「商汤商量 SenseChat」以及 AIGC 文生图平台「商汤秒画 SenseMirage」也已上车，多点融合重构人车交互方式，打造第三空间。
以「商量」为例，作为千亿级参数的自然语言处理模型，其使用大量数据训练并充分考虑中文语境，展示出出色的多轮对话和超长文本的理解能力。
商汤也展示了语言大模型支持的诸多汽车场景创新应用，如在行车过程中化身「邮件助手」自动提炼关键信息，作为「会议助理」自动生成会议纪要，大大节省用户行车时处理工作的时间和精力，为未来出行的应用场景拓展带来丰富的想象空间。
此外，以人工智能大模型开发、生产、应用为核心，一站式
【本文来自易车号作者汽车之心，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】
关于ChatGPT刺激芯片需求，订单激增显示全球AI芯片竞争白热化和的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
