2024汽車AI大模型TOP10分析報告-2024.08-59正式版

預訓練語言模型從海量數(shù)據(jù)中自動學習知識?Big-dataDriven，模型基于大規(guī)模語料訓練而成；將模型在大規(guī)模無標注數(shù)據(jù)上進行自監(jiān)督訓練得到預訓練模型將模型在下游各種自然語言處理任務上的小規(guī)模有標注數(shù)據(jù)進行微調得到適配模型?Multi-tasksAdaptive，支持多種任務，包括自然?Few-shot(Zero-shot)，在少甚至無標注樣本的條件下支持推理（自監(jiān)督學習）。AI大模型就是預訓練語言模型通過在大規(guī)模寬泛的數(shù)據(jù)上進行訓練后能適應一系列下游任務的模型預訓練語?模型“預訓練+微調”技術范式?注不務有據(jù)模型預訓練模型微調最終模型產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢2?2017框架在機器翻譯中取得顯著進步，其分布式學習和強大編碼能力受到廣泛關注。?2018年Google和OpenAI提出了預訓練語言模型和GPT，顯著提高了NLP任務的性能，并展示出廣泛的通用性。眾多預訓練模型相繼涌現(xiàn)，OpenAI以GPT2、GPT-3、ChatGPT等系列模型為代表，持續(xù)引領大模型時代的浪潮大模型發(fā)展歷程感知計算機視覺AlexNet(圖靈獎得主Hinton)CAN(Gioodfellow.圖靈獎得主Bengio)(MSR.引用183222)ViT(Google)跨模態(tài)模型E2(OpenAI)GPT-4V(OpenAI)認知自然語言處理(Google.引用78550)(圖靈獎得主Bengio)Google.引用91332)(Google)(OpenAI)GPT-2GPT-3FoundatioModel(Stanford)GLM(潔華)(OpenAI)(OpenAI)(Google)ERNIE(百度)CPM(智源)預訓練模型大模型ChatGPT(OpenAI)來源：大模型驅動的群體智能行業(yè)白皮書產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢3大模型參數(shù)規(guī)模不斷增長，推動AIGC技術升級。AIGC技術發(fā)展的背后是大模型（FoundationModels）技術的持續(xù)迭代。從2017年結構的提出，加速了深度學習模型的參數(shù)學習能力。另一方面，GPU算力也在指數(shù)級增長。圖1：2018-2023年模型參數(shù)規(guī)模變化圖圖2：CPU與GPU算力演進比較來源：中國人工智能系列白皮書來源：techovedas，國元證券產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢4英偉達每2年推出一個微架構，對產品線進行升級，6月2日，英偉達在Computex2024大會上發(fā)布了至2027年的芯片路線圖，GPU迭代

周期由模式（一年工藝一年架構）。同時，英偉達踐行“BuyMore”讓算力成本

指數(shù)級下降。圖3：英偉達GPU架構演進圖圖4：訓練芯片算力成本呈下降趨勢?我國高端GPU芯片進口從2019年以來就一直有被限制，只是之前主要針對的廠商是AMD，在應用場景上又以超算中心為主；?2023年10月17日，美國加強了面向中國市場的AI芯片禁令。其中明確將性能、密度作為出口管制標準，將單芯片超過300teraflops算力，以及性能密度超過每平方毫米370gigaflops的芯片都納入了禁止出口行列。禁令涉及A100、H100等主流AI訓練用英偉達GPU。來源：浙商證券研究所、華泰證券研究所產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢5中國在高質量數(shù)據(jù)獲取方面面臨挑戰(zhàn)，主要由于缺乏完善的數(shù)據(jù)法規(guī)、行業(yè)內固有的競爭性保密性，對開源合作文化的不足行業(yè)高精數(shù)據(jù)短缺商業(yè)化壓力大中國科技企業(yè)的市場導向和商業(yè)化壓力常使得大廠技術部門在追求KPI的同時，難以專注于前言技術的研發(fā)相較于英文、中文高質量開源數(shù)據(jù)非常少，特別是在構建通用領域大模型的百科類、問答類、圖書貢獻、學術論文、報告雜志等高質量內容中文語料短缺數(shù)據(jù)人才全球化經營中國科技企業(yè)較少開展全球化經營，導致在營收、人才獲取、全球化商業(yè)場景方面制約明顯由于各類政策管制和商業(yè)模式復制壁壘低，導致的基礎數(shù)據(jù)和語言語料同質化數(shù)據(jù)和語料的同質化人才流失與人才短缺發(fā)展AI大模型相關的軟硬件技術需要大量人才，大量的優(yōu)秀本科生選擇出國深造，而其中超過60%的畢業(yè)生選擇在海外工作，導致長期的優(yōu)秀人才流失。另外在中西方脫鉤的背景下，美西方限制了對中國高科技人才的培養(yǎng)與學術合作交流產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢6科技大廠創(chuàng)業(yè)新勢力綜合各測評平臺的方法論來看，在基礎能力的測評維度基本相同，僅測評數(shù)據(jù)集和評估權重占比不同；而在基礎能力之外，各測評平臺側重點不同OpenCompass2.0IDCCodeOtherüüüüüAgentüüüüüC通用場景類Agentüüüüü超長文本B特定行業(yè)類特定行業(yè)類道德責任IDC測試題目分為基礎能力和應用能力兩個大類共7個維度IDC采取實測的方式，成立產品測試團隊，通過多個維度對基礎大模型及相關產品進行評測，并邀請外部專家團隊深入分析各個產品答案準確性、合理性等，在審核委員會的監(jiān)督下，最終得出各廠商的評估結果，供用戶選型參考。問答理解推理類創(chuàng)作數(shù)學類表達類代碼類問答理解類常識、專業(yè)知識、多語言、多模態(tài)、角色扮演+多輪對話、安全陷阱數(shù)學類小學數(shù)學、初中數(shù)學高中數(shù)學、高等數(shù)學toC通用場景類生活助手辦公工具推理類情感推理、演繹推理、邏輯推理、歸納推理、類比推理代碼生成、編程翻譯金融:推薦場景創(chuàng)作表達類文字創(chuàng)作&創(chuàng)意、內容改寫/續(xù)寫、修改/潤色、文字處理、編輯/語義匹配、摘要提取、關鍵、字提煉、標題生成、文本風格遷移、圖像創(chuàng)作、短視頻創(chuàng)作(文生視頻)、其他創(chuàng)作(文學藝術、商業(yè)通用)推理類代碼解釋、代碼糾錯代碼自動補全生成代碼文檔單元測試toB特定行業(yè)類金融/咨詢服務:財報/市場分析互聯(lián)網/媒體:文案/海報設計、廣告詞創(chuàng)作、視頻生成場景零售/電商:客服問答工業(yè):產品設計輔助&&生產規(guī)劃教育:智能問答、試題生成法律:智能法律助手，法律咨詢醫(yī)療:問診，用藥咨詢科研產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢9我們跟蹤研究了多個通用大模型，其中包括：rnie-4.0Qwen-Max-0428SenseChatV5Hunyuan4.0Ul5.0Yi-GM-4Baichuan4Congong2.0產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢在2024年，大模型的技術發(fā)展將趨向多功能與小型化，同時產業(yè)端將強調自主研發(fā)和行業(yè)標準化模型整合統(tǒng)一國產AI芯片自主研發(fā)未來的技術演進方向是實現(xiàn)大模型底層框架的整合與標準化，從多樣的架構（如雙編碼器、單邊解碼等）轉向統(tǒng)?的、效率最優(yōu)化的開源底層框架，提升模型的通?性和可維護性。為確保中國大模型的長遠發(fā)展和避免外部制裁風險，國內AI計算芯片的自主研發(fā)將成為關鍵戰(zhàn)略方向。參數(shù)規(guī)模擴展數(shù)據(jù)產權標準深化為確保模型質量和性能，未來的大模型將采?更深層的?絡結構和更龐?的數(shù)據(jù)集進?預訓練，尤其在數(shù)據(jù)量和參數(shù)量上將迎來顯著躍升。優(yōu)化和完善現(xiàn)有數(shù)據(jù)標準和規(guī)范，是推動大模型“燃料”質量提升和數(shù)量增長的重要驅動力，在2024年將作為產業(yè)發(fā)展的首要任務。多模態(tài)融合“套殼”微調策略大模型將逐漸融入圖?、?頻、視頻等多種模態(tài)信息，實現(xiàn)跨模態(tài)的交互與理解，從?拓寬其應?場景和實?價值。為滿足產業(yè)實際需求并適應中小企業(yè)的發(fā)展特點，“套殼”微調（即在現(xiàn)有大模型基礎上進?針對性調整）將成為除行業(yè)巨頭外企業(yè)的主要發(fā)展策略。大模型小模型化人工智能倫理責任在產業(yè)應?層?，結合底層基礎大模型和針對特定?業(yè)的精簡數(shù)據(jù)微調，將訓練出更為實用、更易于產業(yè)落地的小型化大模型。隨著大模型性能的飛速提升和實?性的增強，確保AI技術與社會倫理道德標準相?致將成為?模型持續(xù)發(fā)展的關鍵考量因素。來源：沙利文中國大模型測評報告產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢MMLU大模型的知識密度每8個月左右會翻一倍，

同等知識量的模型參數(shù)量會減半右圖顯示了過去四年大語言模型在MMLU榜單（評估大模型知識能力）上的性能表現(xiàn)，紅色曲線表明，大模型的知識密度平均每8個月左右會翻一倍，同等知識量的模型其參數(shù)量會減半知識密度=知識量/參數(shù)量來源：面壁智能公眾號產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢GPT-4V在2024年5月發(fā)布的多模態(tài)大模型

MiniCPM-ama3-V2.5僅憑8B參數(shù)，實現(xiàn)了“以最小參數(shù)，撬動最強性能”

的最佳平衡點。面壁智能迭代的最新版本MiniCPM-S1.2B采用了高度稀疏架構，通過將激活函數(shù)替換為RLU及通過帶漸進約束的稀疏感知訓練，巧妙地解決了此前主流大模型在稀疏激活上面臨的困境。在通用大模型越來越卷參數(shù)規(guī)模和算力的情況下，如何通過架構和算法創(chuàng)新去規(guī)避算力和成本的短板，我們認為小參數(shù)、高性能模型是一個重要的趨勢，特別對于手機、車載終端而言，這樣的端側模型具有現(xiàn)實的需求。來源：面壁智能公眾號產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢文心一言沿襲了ERNIE3.0的海量無監(jiān)督文本與大規(guī)模知識圖譜的平行

預訓練算法，模型結構上使用兼顧語言理解與語言生成的統(tǒng)一預訓練框

架。為提升模型語言理解與生成能力，研究團隊進一步設計了可控和可

信學習算法。結合百度飛槳自適應大規(guī)模分布式訓練技術和“鵬城云腦Ⅱ”領先算力

集群，解決了超大模型訓練中的多個公認技術難題。在應用上，首創(chuàng)大

模型在線蒸餾框架，大幅降低了大模型落地成本與百度的方案類似，各科技大廠基于云平臺、算力基礎設施和大模型技術相結合，推動行業(yè)應用落地，汽車產業(yè)鏈當然也是最重要的落地場景之一。來源：文心一言官網產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢對自動駕駛而言，與所有AI應用類似，算力、算法、和數(shù)據(jù)三要素都必不可少規(guī)模法則驅動下，海量的算力成為開發(fā)優(yōu)秀AI算法的基礎數(shù)據(jù)的體量、質量、以及收集方式、處理方式、以及模型的訓練和驗證體系都考驗著開發(fā)者的技術和工程能力如何構建一個性能優(yōu)異且穩(wěn)定可靠的算法來支撐功能落地，亦尤為關鍵目前海外特斯拉、Wayve、Comma.ai，國內包括小鵬、理想、華為、蔚來汽車、元戎啟行、商湯、地平線等諸多玩家都提出自己的端

到端自動駕駛方案，在算法上端到端已經成為大勢所趨。但在發(fā)展路徑上，行業(yè)預計也會經歷漸進的過程。早期玩家致力于將算法從模塊化架構平穩(wěn)過渡到端到端，遠期大語言模型和端到端基礎模型有望結合形成“系統(tǒng)一”和“系統(tǒng)二”共同賦能自動駕駛，最終強大的通用人工智或許可覆蓋所有駕駛能力。端到端模型多模態(tài)大語言模型通用世界模型產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢競爭因素評選原則場景?單一場景的技術積累；?廣泛的汽車行業(yè)客戶與量產應用；數(shù)據(jù)服務?可以允許“套殼”與API調用；?單場景技術方向的領先發(fā)展?jié)摿Γ凰惴?多場景的覆蓋能力與量產應用；場景數(shù)據(jù)?持續(xù)的產品迭代能力；?走向通用世界模型的潛力；算力算法?四種競爭要素缺一不可；?持續(xù)的產品迭代能力；數(shù)據(jù)框架?逐步建立于自研芯片或者國產芯片的算力建設；?汽車行業(yè)的合作與量產應用；Tier1產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢1供應商1供應商2供應商32主機廠1主機廠23主機廠N公司1公司2產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢Ernie-4.0SenseChatV5HunyuanSparkUltraDV12.3GPT2.0DFM-2MiniCPM產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢百度BAIDU?2024年6月28日，百度首席技術官、深度學習技術及應用國家工程研究中心主任王海峰在VESUMMIT深度學習開發(fā)者大會

2024上宣布了文心一言的最新數(shù)據(jù)，并正式發(fā)布文心大模型4.0bo、飛槳框架3.0等最新技術“文心一言”發(fā)展歷程2021.072021.12全球最大中文跨模態(tài)生成2023.03.16文心一言大模型3.02023.102024.06.28文心一言大模型4.0全球首個知識增強百億文心一言大模型4.0大模型Ernie3.02021.122019.03中國首個正式開放的預訓練模型Ernie1.02021.09全球首個百億中英對話生成模型Plato-XL全球首個知識增強千億大模型鵬程·百度·文心2019.07全球首個大規(guī)模隱變量對話模型Plato航空航天氣象&海洋能源動力材料研發(fā)新藥研發(fā)疫苗設計&飛行器&汽車風阻預測座艙散熱天氣預報凸包能預測蛋白質結構預測百度自研昆侖芯，同時也與國內外機構合作，搭建算力中心和異構計算平臺數(shù)據(jù)驅動機理驅動數(shù)理融合其飛槳框架已經更新到3.0版本。實現(xiàn)大模型混合

并行訓練策略、編譯器自動優(yōu)化、大模型多硬件適

配和推訓一體PaddccePaddHDpXDENvdaModsDMD-kitNvdaMods開發(fā)飛槳的各類組建飛槳深度學習框架算子庫計算庫高階自動微分原生復數(shù)機制線性代數(shù)運算概率統(tǒng)計方程符號化定義神經算子學習大范圍分布式并行計算編譯器硬件算子適配文心一言推出多種功能各有側重的文心大模型，包括文心輕量級、文心3.5、文心4.0、文心4.0工具版。算力中心智算中心其中，文心輕量級模型適合解決確定場景的問題；文心3.5適用于日常信息處理和文本生成任務；文心4.0模型參數(shù)更大、具備更強的理解能力、邏輯推理能力與更豐富的知識，提供專業(yè)且深入的幫助；文心4.0工具版則基于智能體技術，善于綜合運用多種工具和數(shù)據(jù)，按要求完成非常復雜的任務。最新發(fā)布的文心4.0Turbo則是文心4.0的升級版。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢IntelNVIDIAArm工具與組建?動化深度學習低代碼開發(fā)?具強化學習聯(lián)邦學習圖學習科學計算預訓練模型應??具可視化分析?具安全與隱私?具資源管理與調度?具量?機器?物計算學習云上部署編排?具學端到端開發(fā)套件語音理解文字識別圖像分類目標檢測圖像分割圖像生成大模型推訓一體習與實?CPU:飛騰、海光、鯤鵬、龍芯、申威訓?操作系統(tǒng):麒麟、統(tǒng)信、普華基礎模型庫自然語言處理計算機視覺語音推薦時間序列文心大模型社區(qū)?AI芯片:昆侖芯、海光、寒武紀、瑞芯微、算能、高通、Graphcore、Amarella核心開發(fā)訓練推理部署動態(tài)圖大規(guī)模分布式訓練模型壓縮邊緣與移動端推理引擎前端推理引擎框架靜態(tài)圖產業(yè)級數(shù)據(jù)處理服務器推理引擎服務化部署全場景統(tǒng)一部署?與浪潮、中科曙光等服務器廠商合作?形成軟硬一體的全棧AI基礎設施能源金融航天制造傳媒城市社科影視自然語言處理視覺跨模態(tài)生物計算文心一言ERNIEBot對話PLTO-XL|搜索ERNIE-Srch跨語言ERNIE-M|代碼ERNIE-CodeCR圖像表征學習VIMER-StrcTxT多任務視覺表征學習VIMER-UFO文檔智能ERNIE-Lot文圖生成ERNIE-ViLG化合物表征學習HlixEM蛋白質結構預測HlixFod語言理解與生成ERNIEERNIE30Zs|鵬城-百度文心ERNIE35|ERNIE4.0視覺處理多任務學習VIMER-TCIR自監(jiān)督視覺表征學習VIMER-CE視覺-語言ERNIE-V語言-語言ERNIE-ST單序列蛋白質結構預測HlixFode產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢與主機廠合作落地應用于提升百度自動駕駛感知算法名稱：知識增強的汽車行業(yè)大模型——吉利-百度·文心使用了百度文心ERNIE3.0大模型，在智能客服知識庫擴充、車載語音系統(tǒng)短答案生汽車領域知識庫構建三個任務上進行了微調與驗證。該大模型在2300萬條吉利汽車專業(yè)領域無標注數(shù)據(jù)上進行模型預訓練，并聯(lián)合雙方的工智能專家和汽車行業(yè)專家一起研發(fā)。文心大模型在百度感知2.0中發(fā)揮了重要作用，主要提升3D感知能力，解決遠距離檢測和長尾物體識別兩大難題。百度使用半監(jiān)督、自訓練方案對大模型進行訓練?先用有標簽數(shù)據(jù)對模型進行初始啟動訓練，后將模型在無標簽數(shù)據(jù)上進行推理得到偽標簽，最后合并有標簽數(shù)據(jù)和偽標簽數(shù)據(jù)對模型進行進一步訓練。如此往復。?訓練完感知大模型后，百度利用知識蒸餾的方法將偽標簽用于車載小模型的學習，從而增強車載小模型的遠距離感知能力。華為HUAWEI2024華為常務董事、華為云CEO張平安指出，華為正在通過“云網端芯”架構上的協(xié)同創(chuàng)新，來構建可持續(xù)發(fā)展的AI算力基礎，包括云基礎設施系統(tǒng)架構創(chuàng)新、芯端算力上云、面向AI的網絡架構升級三大方面。?切?切?切華為云推出了全新的CloudMatrix架構，以“一切可池

化”“一切皆對等”“一切可組合”三大創(chuàng)新設計，從算

力規(guī)模、擴展模式和使用模式上，匹配超大規(guī)模的算力訴

求，通過技術創(chuàng)新來解決行業(yè)難題。透過CloudMatrix架構創(chuàng)新展現(xiàn)華為云全棧的AI能力，包含

盤古大模型、昇騰AI云服務、分布式QingTian架構、AI-

Nativetorage和全球存算網等。20246222024HDC2024華為常務董事、華為云EO張平安正式發(fā)布盤古大模型5.0，在全系列、多模態(tài)、強思維三個方面全新升級；還分享了盤古大模型在自動

駕駛、工業(yè)設計、建筑設計、具身智能、媒體生產和應用、高鐵、鋼鐵、氣象等領域的豐富創(chuàng)新應用和落地實踐，持續(xù)深入行業(yè)解難題。EI?該平臺基于盤古大模型和ModelArtsAI開發(fā)生產線，已經在多個車企和商用車場景中成功運用。?通過數(shù)智融合架構打破數(shù)據(jù)、AI資源管理邊界，在一個平臺即可

完成開發(fā)、測試、交付上線工作，讓業(yè)務創(chuàng)新提效倍，實現(xiàn)數(shù)據(jù)

加速；該平臺基于盤古大模型和ModelArtsAI開發(fā)生產線，提供了數(shù)據(jù)生成、自動標注、模型訓練、云端仿真、虛實結合仿真、數(shù)據(jù)閉環(huán)等一系列能力。該平臺預集成了超過25萬個場景庫，包括500多類功能場景和200多項測評指標體系，將傳統(tǒng)純實車測試時的場景搭建工作從數(shù)天降低到分鐘級，車企還可以基于盤古訓練出自己需要的模型。?借助盤古大模型在認知、感知、決策、優(yōu)化等全領域的能力，車企可以快速基于盤古訓練出自己需要的模型，實現(xiàn)算法加速；?基于昇騰AI云服務，可針對自動駕駛+算法進行優(yōu)化，60+實現(xiàn)精度性能提升，可以做到千卡訓練數(shù)月不中斷，實現(xiàn)算力加速。目前上述三種華為自動駕駛相關大模型中，只有場景理解大模型已有客戶（比亞迪）2024年6月22日，盤古大模型5.0通過創(chuàng)新的可控時空生成技術，結合場景視頻生成、4DBEV視頻生成、自動駕駛仿真庫及路網信息，能更好地理解物理規(guī)律，大規(guī)模生成和實際場景相一致的駕合作落地（工程師僅需調用華為云提供的API就可以用場景理解大模型來完成給視頻數(shù)據(jù)分類的工作）。但是大模型的訓練成本高昂。GPT-3訓練一次的成本可能在1200萬人民幣。而華為方面，在訓練千億參數(shù)的盤古大模型時，也調用了超過2000塊的昇騰910，進行了超過2個月的訓練，成本極高。一方面選擇小樣本訓練，通過自視頻數(shù)據(jù)，還可以靈活增加控制條件，生成不同路況、不同光、不同天氣的訓練視頻數(shù)據(jù)，加速自動駕駛技術的快速成熟。監(jiān)督的方法，以更少的標注數(shù)據(jù)來做訓練，以降低成本；另一方面盤古大模型的三層架構能在結構上實現(xiàn)降本。L0層是通識性的大模型，具備魯棒性和泛化性；大模型訓練好了之后不用再重復訓練，只需在L1和L層做適應性訓練，成本關系是上一層的5-。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢?華為云是具備自動駕駛數(shù)據(jù)閉環(huán)工具鏈全棧自研能力的云廠商之一。除了給用戶提供大模型的能力外，華為云也可以提供數(shù)智融合架

構、ModelArtsAI開發(fā)生產線、昇騰AI云服務等一系列配套設施，用戶可以在華為云的自動駕駛開發(fā)平臺上同時實現(xiàn)數(shù)據(jù)加速、算法

加速和算力加速。?ModelArtsAI開發(fā)生產線包含Dataurbo、rainurbo、Inferurbo三部分，分別提供數(shù)據(jù)加載、模型訓練、模型推理的加速工具，

倍速提升模型訓練效率。?為了應對模型訓練的算力需求，各家科技公司、主機廠等紛紛開始自建/合建算力中心，打造算力集群。華為云在烏蘭察布和貴安數(shù)

據(jù)中心同時上線了昇騰AI云服務，為模型訓練提供澎湃算力，單集群性能可達2000PFlops。華為自動駕駛研發(fā)平臺解決方案架構圖大規(guī)模的算力集群通常會面臨業(yè)務連續(xù)性的問題，因為單點故障就可

能導致整個大規(guī)模分布式任務失敗。為保證訓練任務不中斷，華為云開發(fā)了斷點續(xù)訓的方法，假如在訓練過程中出現(xiàn)了單點故障，系統(tǒng)會將這個點排除掉，用新的節(jié)點替換掉

故障節(jié)點，并且原地重啟。據(jù)悉，昇騰AI云服務可以實現(xiàn)千卡訓練一個月以上不中，斷點恢復

時長不超過10分鐘。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢科大訊飛KEDAXUNFEI20231024V3.03.0AIAI20246274.0星火大模型在識別中，兩人混疊場景準確率已經到了91%，三人混疊場景準確率達85%以上。5dB的高噪場景，噪音已經比人講話還要高不少的情況下，星火語音識別依然能做到90%以上的準確率?！?023年到2024年的國際連續(xù)最權威的語音識別比賽，國際多通

道語音分離和識別大賽CHiME-7，星火繼續(xù)拿了全球第一；今年的

上半年國際聲學、語音和信號處理會議ICASSP2024

（InternationalConfereneonAcoustics,Speech,andSignal

Processing）的旗艦賽事——國際車載多通道語音識別挑戰(zhàn)賽科大

訊飛是全球第一，這個不是中文的，是英文和多語種的比賽?！闭Z音交互已經搭載了5700多萬輛的汽車，去年中國500多萬輛汽車

出海，成為中國出海的“新三樣”，其中的多語種智能語音技術幾

乎全是科大訊飛提供的。科大訊飛與紅旗、奇瑞、廣汽、一汽簽訂了戰(zhàn)略合作協(xié)議，越來越

多的車企開始用訊飛星火“能聽會說、能理解會思考”的汽車方案。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢智能座艙中可以實現(xiàn)全雙工交互，實現(xiàn)多語種多方言的免切換交流，多情感多模態(tài)的擬人交互，而且能夠多模

態(tài)感知，知道駕駛人身體健康程度，是否疲勞、血壓過高、心跳過快；還可以貫穿內外信源，在車上完成任務，科大訊飛星火有了語言理解，就可以更自由地對接外部信源了。除了急速的語音對話、多方言多語種之外，通過多模態(tài)的識別，它可以了解到你的身體參數(shù)，知道你是否疲勞駕駛、是否有異常情況。星火在汽車的音效上還有一個非常重要的特點，通過AI大模型和音效結合，可以把十幾萬的國產車音效，做到比四五十萬的車的音效還好，40多萬的車可以超過柏林之聲的音效。不僅音效提升，開車時可以隨時要求去掉原唱，跟著它的伴唱、對唱、分享等，這些都是大模型帶來的功能，產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢2.0“隨著大模型具身智能的幫助，今天的陪伴機器人，尤其是人形機器人開始進入到全新的發(fā)展階段，未來如果沒有

陪伴機器人，老年社會的幸福是沒有辦法保障的?！蓖ㄟ^大模型可以在后臺做理解、做規(guī)劃，在前端通過專門的硬件設備

實現(xiàn)麥克風陣列，實現(xiàn)人臉、手勢的各種識別，從而可以“聽說看

認”，最后再與機器人廠商共同來做具身模型，把這個能力開放給訊

飛星火的合作伙伴。直接用科大訊飛的方案，每一個機器人廠商都可

以定制自己的機器人超腦。2022年推出訊飛超腦平臺，是專門給機器人的機器人超腦平臺1.0，

現(xiàn)在已經有410家機器人企業(yè)，大概占了至少60%的機器人市場份額。

機器人超腦平臺進一步升級。升級的核心是后端星火超腦2.0的硬件

版，能夠極大地提升具身智能和最后相關的理解能力，包括任務規(guī)劃

和前端的攝像頭、麥克風一體化的模塊。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢V4.0目標可以更好地照進現(xiàn)實。這個是什么目標？能不能用一句話提要求，大模型就能理解我的意圖，然后分解出這句話所對應的各個步驟的任務，然后找到每個任務所對應的工具，讓每個工具去調用內外部的各種信息，有的是內部信息，有的是外部信息，最后完成任務給出結果，這就叫智能體。簡單地說，就是叫它干一件事，它能自動規(guī)劃，找到工具自動完成。第一是AI的原子能力，比如人工智能開放平臺上的各種各樣的專有能力，會成為工具被它調用；第二個是各種外部信源；最后要打通公司內部系統(tǒng)。這三個能力構建起來，再有大模型能力，就可以搭建企業(yè)智能體了。在這方面科大訊飛已經走在了行業(yè)前列，不僅有了基本能力，現(xiàn)在AI的原子能力有400多項，已經集成了外部的90多個重要的信源，關乎到研、產、供、銷、服、管各個領域，天氣、股票、航班等這些全部都在。打通了內部IT、ERP財務、法務、A等系統(tǒng)。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢商湯科技SENSETIME202475在2023世界人工智能大會（AIC）上展示升級至nNoa4.日日新·商量大模型各版本同步升級至V商湯科技發(fā)布日日新.nhatV5），采用混合專家架構（MoE），參數(shù)量高達6000億，支K的上下文窗口。據(jù)官方披露，nhatV具備更強的知識、數(shù)學、推理及代碼能力，綜合性能全面對標GPT-4ro。商湯科技在AIC舉辦“大愛無疆·向新力”人工智能論壇，發(fā)布國內首個具備流式原生多模態(tài)交互能力大模型日日nNoa.5，綜合性能較兩個月前的日日新.提升，交互效果和多項核心指標實現(xiàn)對標GPT-4o。6000億參數(shù)基模型性能全面提升。大量使用合成高階思維鏈數(shù)據(jù)，提升推理思維能力，在數(shù)理邏輯、英文、指令跟隨等

方面能力增強明顯。率先推出國內首個“所見即所得”模型「日日新5」，流式多模態(tài)交互，帶來全新AI交互模式。端側模型全面升級，發(fā)布「日日新5.5Lite」，相比4月5.0版模型精度提升10%，推理效率提升15%，首包延遲降低40%。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢插件、app和API開發(fā)者生態(tài)應用層插件庫公有云、私有化部署提示詞廣數(shù)據(jù)標注服務評測工具型管理發(fā)布串聯(lián)層FunctioncallCoein沙盒環(huán)境知識融合安全和價值觀對齊ME混合專家商湯大模型體系數(shù)據(jù)平臺模型層通用對話模型代碼生成模型邏輯推理模型多模態(tài)感知模型文生圖模型人像模型物體生成模型行業(yè)數(shù)據(jù)自動爬取自動采集和分類回流自動標注/人工efine自動PMPT構建基礎底座大模型大批量數(shù)據(jù)自動清洗數(shù)據(jù)質量評估訓練工具推理部署工具預訓練、微調、RLF工具ME、多模態(tài)、Embig訓練思維鏈和自反思迭代系統(tǒng)多后端支持rt\ft\triton\PPI動態(tài)批次、調度和擴編容ME、多模態(tài)、Embig訓練基礎層多語言擴展/多人設支持上下文長度擴增代碼和數(shù)理邏輯訓練千卡并行訓練工具云邊端支持國產化芯片適配壓縮優(yōu)化NT\NT4模型水印、編譯加密和授權算力支撐商湯算力中心國產化PUNV產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢目前商湯絕影已經合作蔚來汽車、吉利極氪、廣汽埃安、哪吒汽車等品牌車型，此外，雖然具體車型未明確提及，但商湯絕影已與本田、比亞迪、長城、紅旗、奇瑞等超過30家國內外車企合作，覆蓋了超過90款車型。商湯絕影還在進一步探索艙駕融合，實現(xiàn)智能駕駛和智能座艙在硬件、商湯絕影為智能汽車前瞻構建了軟件及應用層面的全面融合，提升UniAD、DriveAGI以及面向座艙的多用戶體驗、降低系統(tǒng)成本，進一步模態(tài)場景大腦等系列原生態(tài)大模型，打破艙內外的界限和束縛，涌現(xiàn)更加速端到端自動駕駛和大模型在智能多創(chuàng)新功能，帶來更安全、更加全座艙場景的落地；全棧的數(shù)據(jù)生產管方位，更具人文關懷的新體驗。線，實現(xiàn)大模型的高質量訓練。7月5日上午，在AIC2024人工智能論壇上，商湯絕影宣布在行業(yè)率先實現(xiàn)原生多模態(tài)大模型的車端部署，并在現(xiàn)場演示了搭載在200TOPS+平臺上的8模型(即80億參數(shù))車端部署方案，展示強多模態(tài)感知和交互能力。商湯絕影車載端側8B多模態(tài)模型可以實現(xiàn)首包延遲可商湯絕影打造了高性能異構計算平臺HyperPPL。它綜合了大語言模型、多模態(tài)模型、CNN模型、前后處理完整的優(yōu)化能力。HyperPPL目前擴展并支持主流車載計算硬件，兼容多種主流操作系統(tǒng)，適配多個車載芯片的部署平臺，使得商湯絕影原生多模態(tài)大模型在主流芯片平臺均可快速部署上線。同時，HyperPPL支持flashdecode、segmentprefill等400多個硬件算子，并對算子進行性能優(yōu)化，同時量化支持int8、int4模式，并支持訓練后量化，低至300毫秒以內，推理速度40Toks/秒。從而實現(xiàn)極致推理效率。騰訊TENCENT?2022年4月，騰訊首次對外披露混元AI大模型的研發(fā)進展?；隍v訊太極機器學習平臺進行研發(fā)，借助GPU算力，實現(xiàn)快速的算法迭代和模型訓練。在全球在預訓練上從零啟動訓練，優(yōu)化預訓練算法及策略，精調及強化學習，改進注意力機制，并開發(fā)了思維鏈新算法。MR-VTT，MVD，LMDC，DiDeMo和ActiityN五大跨模態(tài)視頻檢索數(shù)據(jù)集榜單中，“混元”AI大模型先后拿下第一名的成績?2022年12月，混元推出國內首個低成本、可落地的NLP萬億大模型。?2023年2月，騰訊針對類ChatGPT對話式產品成立混元助手（unyuanAi）項目組。采用的是自主研發(fā)的機器學習框架Angel，訓練速度相比業(yè)界主流框架提升1倍，推理速度比業(yè)界主流框架提升1.3倍。?2023年9月，混元AI大模型正式發(fā)布。采用基于云星星海自研服務器的新一代HCC高性能算力集群，搭載了超強算

力PU，性能提升了3倍。?完整覆蓋NLP、CV、多模態(tài)、文生圖等基礎模型和眾多行業(yè)模型；跨模態(tài)視頻檢索、中文語義理解能力領先。業(yè)界最?為AI?模型帶來?擁有超千億參數(shù)規(guī)模，預訓練語料超2萬億n具備強大的中文創(chuàng)作能力，3.2T10復雜語境下的邏輯推理能力，以及可靠的任務執(zhí)行能力。?騰訊表示，混元大模型的中文能力已經超過GPT.通過自研TiTa協(xié)議和自研TCCL通信庫，星脈網絡可將網絡利用率從普通以太網的60%提升到90%以上，極大提高整體集群的算力利用率。騰訊新一代計算集群可以幫助混元NLP大模型訓練在同等數(shù)據(jù)集下，將訓練時間由50天縮短到4天。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢結合騰訊云，有系統(tǒng)的研發(fā)布局和解決方案騰訊副總裁湯道生表示混元大模型已經支持了內部600多個應用，騰訊各事業(yè)部結合產品思考怎么用AI來提升用戶體驗、提高使用效率。同時開拓更多調用大模型的產業(yè)場景，滿足客戶生圖文、生圖、生視頻、生3D的需求。不同客戶場景，對模型也有不同需求。除比如在CSIG的企業(yè)應用中，騰訊會議就用大模型來生成會議紀要，騰訊樂享就用大模型構建熟悉企業(yè)文檔庫的智能助手，Coding研發(fā)了混元外，騰訊云也支持客戶選擇其他模型，有些客戶也會用騰訊的模型工具來精調其他開源模型如百川、GM等。平臺用大模型來生成代碼。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢多輪對話具備上下文理解和長文記憶能力，流暢完成各專業(yè)領域的多輪問答。在多個場景下，騰訊混元大模型已經能夠處理超長文本，通過位置編碼優(yōu)化技術，混元大模型對于長文處理效果和性能得到了提升。內容創(chuàng)作支持文學創(chuàng)作、文本摘要、角色扮演能力根據(jù)騰訊的規(guī)劃，混元大模型將作為行業(yè)大模型服務的底座，企業(yè)不僅可以直接通過API調用混元，也可以將混元作為基底模型，為不同產業(yè)場景構建專屬應用。目前，混元支持金融、公共服務、社交媒體、電子商務、交通運輸、游戲等行業(yè)。邏輯推理準確理解用戶意圖，基于輸入數(shù)據(jù)或信息進行推理、分析座艙應?（計劃推出）AI問答支持AI輸入文字內容，然后給出相應的回答，可有效解決事實性、時效性問題，提升內容生成效果。具有識別“陷阱”的能力，通過強化學習方法拒絕被“誘導”，當用戶可能問出難以回答甚至無法回答的問題，針對此類安全誘導類問題的拒答率可以提升20%，減少了錯誤、無效回答的情況，提升回答內容的可信度。基于座艙垂域大模型的應用，結合感知車輛感知數(shù)據(jù)、語音輸入和用戶行為分析等因素，該模型能夠提供場景化分析和智能決策，帶給用戶更自然的對話體驗、生成式的交互界面、多樣化的場景編排和更個性化的出行服務建議等。多模態(tài)（計劃推出）AI繪畫，使用者描述畫面內容，根據(jù)關鍵字生成畫作。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢特斯拉TESLA從CNN單head?絡迭代2021引入EV+ransformer，將多攝像頭數(shù)據(jù)統(tǒng)一成俯視角度。2022提出OccupancyNetworks判斷空間占用。規(guī)劃層引入交互搜索，逐步增加約束條件（其他參與者博弈行為）做最優(yōu)路徑規(guī)劃。2023826特斯拉演示FSDBetaV12，是有史以來第一個端到端AI自動駕駛系統(tǒng)（FullAIEnd-to-End）。20241特斯拉FSDv12開始正式向用戶推送，將城市街道駕駛堆棧升級為端到端神經網絡。FSD?V12的C++代碼控制減少了10倍，從2萬多行減少到2千行。?沒有規(guī)則代碼，只有神經網絡。市面上常見特斯拉99%的決策都交給神經網絡給出，視覺輸入，控制輸?shù)淖詣玉{駛系統(tǒng)，大多采用分模塊設計，包出，就像人類大腦一樣。另外，它所擁有的超強能力，是經括感知、決策、控制三個模塊，各任務內部過巨量的「視頻數(shù)據(jù)」、1萬個H100加持下完成的。FSDBetaV12仍在調試中，因此還沒有確定正式發(fā)布的時間。采用各自的算法模型。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢小鵬XIAOPENGXGPT2024520小鵬汽車舉辦了一場主題為“開啟AI智駕時代”的AIDAY活動，展示了在AI方面的最新進展，并宣布將全面推送AI天璣系統(tǒng)。AI天

璣系統(tǒng)包括AI智駕和AI座艙。小鵬汽車自動駕駛端到端大模型包括深度視覺感知神經網絡XNet、規(guī)劃大模型XPlanner和大語言模型XBrain三種AI角色：AI小P-生活助理，人機共駕-AI保鏢和出行助理-AI司機Brain：更像人類的大腦，為智能駕駛系統(tǒng)提供了理解和學習能力。它能夠處理復雜場景，快速響應各種駕駛環(huán)境中的指令。XBrin可以識別待轉區(qū)、潮汐車道、特殊車道和路牌文字，并根據(jù)這些信息做出安全高效的駕駛決策。et：類似于人類的眼睛，是一個結合動態(tài)視覺、靜態(tài)視覺和2K純視覺技術的深度感知神經網絡。它能夠以裸眼3D效果重構現(xiàn)實世界的3D圖像，感知范圍擴大了兩倍，相當于1.8個足球場的面積，并能識別50多種目標物，使駕駛系統(tǒng)的視野更加清晰、廣闊。Planner：更像人類的小腦，是基于神經網絡的規(guī)劃大模型。通過大量的數(shù)據(jù)訓練，它逐漸進化出類似人類駕駛員的操作能力，使駕駛過程更加平穩(wěn)，提升了用戶的駕駛舒適性和安全性。AI司機，擁有AI代駕、AI泊車功能，全面覆蓋行車、泊車在內的全場景，使得車輛能洞悉外界環(huán)境，為駕駛者提供實時信息，確保行車的安全性和便捷性。小鵬大語言模型Xbr和天璣系統(tǒng)智能座艙方案融合了智譜AI的基座大模型和多模態(tài)模型。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢毫末智行HAOMODRIVEGPT202341120231011?第八屆HAOMOAIY上，毫末智行正式對行業(yè)首發(fā)了DriveGPT1.0自動駕駛生成式大模型，同時也公布了其中文名“雪湖·海若”。?第九屆HAOMOAIY上，毫末智行CEO顧維灝詳細介紹了毫末DriveGP大模型在推出200天后的整體進展。首先是DriveGPT訓練數(shù)據(jù)規(guī)模提升。截至2023年10月

riveGPT雪湖·海若共計篩選出超過100億幀互聯(lián)網圖片

數(shù)據(jù)集和480萬段包含人駕行為的自動駕駛4DClips數(shù)據(jù)。進一步升級引入多模態(tài)大模型，獲得識別萬物的能力；與NeRF技術進一步整合，渲染重建4D空間；借助LLM（大語言模型），讓自動駕駛認知決策具備了世

界知識。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢?DriveGPT首先通過構建視覺感知大模型來實現(xiàn)對真實物理世界的學習,將真實世界建模到三維

空間,再加上時序形成4D向量空間；毫末進一步引入開源的視覺文本多模態(tài)大模型構建更為通

用的語義感知大模型,實現(xiàn)文、圖、視頻多模態(tài)信息的整合,從而完成4D向量空間到語義空間的

對齊,實現(xiàn)跟人類一樣的“識別萬物”的能力。?基于通用語義感知大模型提供的“萬物識別”能力,DriveGPT通過構建駕駛語言(Drive

Language)來描述駕駛環(huán)境和駕駛意圖,再結合導航引導信息以及自車歷史動作,并借助外部大

語言模型LLM的海量知識來輔助給出駕駛決策。毫末基于DriT大模型開發(fā)模式的七大應用實踐,包括駕駛場景理解、駕駛場景標注、駕駛場景生成、駕駛場景遷移、駕駛行為解釋、駕駛環(huán)境預測和車端模型開發(fā)。對于今年火熱的大模型上車，毫末智行有前瞻性的策略。在車端模型開發(fā)模式變革方面,毫末嘗試用蒸餾的方法,也就是用大模型輸出的偽標簽作為監(jiān)督信號,讓車端小模型來學習云端大模型的預測結果,或者通過對齊FeatuMap的方式,讓車端小模型直接學習并對齊云端的FeatuMap,從而提升車端小模型的能力。產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢·MANA202315合作伙伴：毫末智行&火山引擎聯(lián)合打造?能力：該智算中心每秒浮點運算達67億億次，存儲帶寬每秒T，通信帶寬每秒?數(shù)據(jù)管理能力方面：毫末智行建立了面向大規(guī)模訓練的DataEngie，從單幀單要素變?yōu)檫B續(xù)幀全要素。實現(xiàn)百P數(shù)據(jù)篩選速度提升倍、百億小文件隨機讀寫延遲小微秒；?算力優(yōu)化方面：毫末與火山引擎聯(lián)合部署了ego高性能算子庫、ByteCC通信優(yōu)化能力以及大模型訓練框架，可以讓算力進一步優(yōu)化；?訓練效率方面：基于parseMoE，通過跨機共享，輕松完成千億參數(shù)大模型訓練，且百萬個Clips（毫末視頻最小標注單位）訓練成本只需百卡周級別，訓練成本降低倍。2000GPU90%產業(yè)研究戰(zhàn)略規(guī)劃技術咨詢思必馳AISPEECH2021，發(fā)布UniDU（DFM-0），即統(tǒng)一生成式對話理解框架；2022，統(tǒng)一理解、生成、表征等任務，研發(fā)DFM-1，即統(tǒng)一生成式通用對話基礎模型，作為10億及大模型進行小規(guī)模產品應用；2023712，思必馳正式發(fā)布自研的對話式語言大模型DFM-2，并與梅賽德斯-奔馳、上汽通用五菱、長城汽車、合眾新能源、博泰

車聯(lián)網、聯(lián)通智網等多家汽車產業(yè)鏈上的企業(yè)舉行了簽約儀式。DF提升人機語言交互五種核心能力：外部信源增強的精準推理決策、基于深度認知的通用語義理解、基于文檔理解的可信主動知識問答、

面向用戶個性化的多人設交互、面對復雜任務的自動規(guī)劃與執(zhí)行；大模型與全鏈路綜合對話技術能力的聯(lián)動。如數(shù)字人、語音合成技術將DUI平臺與DFM-2大模型相結合，推出DUI2.0，升級對話式AI全鏈路技術，并應用于多個領域DUI2.0在智能汽車領域的應用為：思必馳汽車語音助手天琴系統(tǒng)全面升級至6.0