【附PPT】李丹：汽车产业AIGC技术应用白皮书解读|aigc|中国汽车|李丹(蹦床运动员)|汽车产业|汽车大会|白皮书

11月7日-8日，2024中国汽车软件大会在上海嘉定召开。本届大会由中国汽车工业协会和安亭•上海国际汽车城联合主办，以“软件智领未来，融合共创生态”为主题，共设置“1场闭门会议、1场大会论坛和6场主题论坛”。其中，在11月8日下午举办的“主题论坛一：智驾无界，畅行未来”上，中国一汽研发总院（科技创新管理部）副部长、高端汽车集成与控制全国重点实验室主任李丹发表精彩演讲。以下内容为现场发言实录：

各位领导、专家、朋友大家下午好，很荣幸在这里代表汽车产业AIGC技术应用白皮书编制组在这里跟大家做解读。

在2022年底到2023年初生成式人工智能给整个世界带来巨大的震动，针对生成式人工智能在汽车产业上如何应用，我们做了一些尝试。这次我们借助中国汽车软件大会，联合中国汽车工业协会、软件园、一汽研发总院、北京大学光华管理学院未来汽车战略家班一起编制白皮书，也算是抛砖引玉。

我们结合未来汽车战略家班来自整车企业、零部件企业、科技公司、投资公司等不同领域学员的不同思想汇集成这份白皮书，内容很丰富、制作也很精美，希望大家能够多多批评指正。

在这里我也想介绍一下高端汽车集成与控制全国重点实验室。这个实验室是由科技部批准，由企业联合高校共同建设的。现在主要进行前瞻研究工作，包括固态电池、基础软件，前瞻材料、车路云星协同以及AI+。

未来汽车行业会发生比较大的变化。从技术路线上可以看到，第一个，原来是以确定性的规则逻辑为主，现在转化成以概率人工智能为主，这种转变带来的结果就是我们很多有经验的专家逐渐的就不需要了。

第二个，软件设计逻辑的变化，原来我们把所有的规则考虑在软件中，软件量非常大。如果变成端到端的大模型的方式，这样软件量会比较小，所以从事软件工作的人未来他的工作岗位是不稳定的。

第三个，性能提升的关键资源，原来是工程师。例如我们的车身工程师，每个车型在开发的时候最忙的就是车身工程师，他们天天做各种各样的数据、各种各样的文件，实际上每一次做的工作都是重复性的，如果加上AIGC这种模式，车身工程师将逐渐失去他应有的价值。

再比如测试，它工作基本都是重复的，可以通过自动的方式或者AIGC方式替代。原来我们说软件定义汽车，虽然这个事本身就有争议，现在我们提出数据定义汽车，数据产生智能、智能产生软件、软件定义功能，功能再定义汽车。整个过程产生的链条，如果说端到端的话那就是数据输入、结果产生，实际上就是数据定义汽车。技术路线的变化会使我们很多人的工作有变化，但不是说他没有前途了，大家不用担心。我们经历了很多科技革命，最后我们人类还是正常在生长、发展。电动化降低了汽车产业的门槛，所以促进了我们电动化时代新势力的产生，也就是破掉了内燃机和变速箱的门槛，产生了新势力。第二步就是智能化， AIGC将会大大降低汽车开发测试生产这个门槛。当AIGC应用了以后，有可能我们专业的设计师和策划师就不需要了，普通员工也可以设计一个汽车，把你的需求、技术参数装配进去以后AI会自动形成一个系统的完整的虚拟的技术方案，并做一些相关的验证。然后验证结果如果是正确的话，那就变成可以进行生产的方案。生产过程，也会有一些数据产生，这个产品到用户手里面，用户使用过程中也会产生相关的数据。用户产生的数据反过来再转移到或者输入到产品开发阶段，这就形成了一个数据闭环。工具的重要性有时候比你努力工作还重要。

2024年诺贝尔奖，物理奖、化学奖没有发给化学家和物理学家，却发给了人工智能领域。在18世纪美国西部淘金的时候，淘没淘到金子无法确定，但是它留下了两个东西，一个是美国式大铁锹，另一个是牛仔裤，全世界现在还在用，金子大家却忘了，因此工具最后对社会产生的影响比你做这件事本身还重要。

用AI开发制造汽车也不容易，它是有一些门槛的，第一，要有规范的数据；第二，整个流程要数智化。如果企业没有规范的数据，没有数字孪生整个流程，包括一些私域数据，基于AI的汽车开发会非常困难。企业不可能把关键核心的数据放到公共平台上，因此GPT等大模型训练的结果无法应对产品研发。所以我们强调的是有监督的学习，把最重要的数据做好预处理，同时全流程数智化。任正非老先生曾经说过数智化就是多打粮食，创造更好的业绩、提高效率。同事增加土地肥力，也就是夯实数据基础。同时配合数智化人才，及组织机构调整。

AIGC产业化的前提就是企业数智化，并且需要合格的算力加数据以及模型，这样才有可能实现数据定义汽车。国家部委和地方发布一系列政策文件，鼓励新质生产力。新质生产力实际上就是高创新、高科技、高效率的一个代名词，核心驱动力就是数字化、智能化。

企业运行中全流程需要进行数字孪生，产生的数据实际上可以从数据闭环中看到。策划师通过数据对车进行定义，然后设计师在设计过程中产生设计数据，工艺师在制造过程中产生制造数据，销售经理在销售过程中产生销售数据，卖给用户以后驾驶员在驾驶过程中产生车辆数据和用户数据。所有这些数据反过来再输入到策划师，数据闭环就形成了，整个过程是数据加模型。从数据方案到生产方案，到这个销售方案，一直到用户使用过程中所有的这些数据形成完整的数据闭环，下一代产品就会做得越来越好。

面对AIGC技术，我们经常提到模型。模型除了大模型以外还有各种小模型，还有AI网络的，包括NLP、CV、ML、DL等领域模型，这些模型很多都是开源的。这些模型本身很难，国内前段时间可以说百模大战，100个企业在做大模型，模型本身并不是主要的，主要的是模型如何训练、如何应用。在这块我们一汽实验室也做了相关的尝试，也取得了一些阶段性成果。提高效率，提高质量的同时也带着一些困扰。

大模型应用主要有两个场合，一个是严肃场合，一个是非严肃场合。严肃场合会产生安全性问题，对驾驶员会或者财产产生损失的场合是严肃的，这是不允许有任何损失的。非严肃场合，比如交互，你可以跟你的人机页面说个笑话，交流一下、问一些无关痛痒的一些问题，搞些娱乐、听个歌这都没有任何问题。但是如果跟安全有关的，比如智驾、操控，这就是要求严肃了。

当前面临几个问题，一个就是专业知识缺乏，有些私域数据、关键数据不可能上网。

第二个，没有监督的训练。大模型是没有监督的训练，它就找到什么数据它就进行什么训练，训练最后结果无法确定。不知道它学到什么东西，这样的结果就是不可靠、不可信的。

第三个，整个决策过程是黑盒的。黑盒是指端到端的，模型中间发生什么事情不清楚，这个是很可怕的，也是我们所担心的。另外大模型的交互过程并不友好，提出的问题它不一定能理解清楚，提的问题不好，它都不能知道任务是什么，需要各行业的人员尤其是搞人工智能的人员进行相关地科研及解释。

V字形开发流程，主要包括车型策划，系统方案，硬件开发，自下而上的代码软件，测试报告，及功能评价。

我们全国重点实验室做了相关的一个努力。开发了NKL-VEHAI，能够初步解决在这个端对端大模型运行过程中一点的问题。当发现有问题，我们可以找到并进行修改优化，然后在新的模型上进行推理。

AIGC是怎么样做研发的？需要输入三件事，一个是整车参数，一个是装备定义，一个是工程目标。通过专家级智能化的设计系统，主要是数据库和专家知识库。根据整车不同的总成或者系统进行分解。例如有整车的、有系统的，还有功能电控等等。这些研发过程每一个部件的研发工具链是不一样的。所以我们在这里也把设计工具，包括仿真工具把它列出来。

通过设计师代理，把整个工作完成。所以只要把前面三个参数输入进去，就可以未来我们期待的实现整车的研发过程。

距离这个过程实现预计还有2-3年，未来有可能我们很多设计师就失去他原本的工作，或者转型去做架构师，或者做智能相关的一些工作。

AI大模型还要满足如下的性能。第一个是完整性，比如说输入知识，输入数据的质量要符合要求。

第二是规范性。涉及格式、规范，还有数据合法、道德伦理等内容。

第三是可信性， AIGC是否了解要生成的内容。如果能够理解的话，那可能做的还真不错。如果不理解，那就没有参考价值。

第四是人机共智。上午长安曹总提到在启源车上用了一些AI手段开发控车功能。我有一点担忧，人在车里边时没有问题，但如果是真是端到端的话，由于过程不可解释，出了问题也不可再现，这个可能会有些风险。

第五是驱动工具链。不同的整车技术内容需要不同的驱动的工具，这些也要调动起来。

我们实际上开发了一些工具，但是设计师们不愿意用，或者设计师们不愿意配合，可能也是一种担忧。设计师不愿意培养自己的一个替代者，这是一个心理上的问题。

另外开发质量现在还需要认证，2-3年后不管愿意不愿意，很多工作例如车身工程师可能会被AIGC代替。未来生产过程中就不用做试装等，可以做虚拟的试装、技术更改、工艺参数调整，这个过程是基本上是不需要时间，整个过程就是很顺畅的就能够完成。

介绍一下应用的案例，这几个案例一个是汽车动力学仿真模型，另外一个是软件测试AI自动评价，这些都是比较费时间的。再就是设计参数的AI自动优化。最后是关于电池材料配方，这是很繁琐的一件事，现在动力电池为了适应不同的性能和场景，它的配方是很多的。可查数据集就1000多个，及时通过实验把1000多个都试一遍，但还可能需要1001种。为了解决这个问题可以把整个数据集输入给AIGC大模型进行训练，训练后的模型可以按我们的要求产生1001、1002、1003种，缩减工作量，提高效率。