(资料图)

（CWW）算力是人工智能和智能驾驶领域的基础设施，是支撑大模型训练和推理的核心要素。随着人工智能模型的规模和复杂度不断增加，算力的需求也越来越高。因此，建设自己的计算中心，提升算力水平，是吉利汽车在人工智能和智能驾驶领域的重要战略举措。

近日，在人工智能大算力时代的自动驾驶生态创新大会上，吉利汽车研究院技术规划中心主任陈勇讲道，“人工智能是当下的大势所趋，如何将人工智能应用至智能驾驶的应用场景这一课值得我们进行深入的探讨。”陈勇指出智能驾驶的核心有两个，一个是算力，另外一个就是数据。算力是智能驾驶的基础，数据是智能驾驶的源泉。只有拥有足够的算力和高质量的数据，才能训练出优秀的模型，从而提升智能驾驶的体验和安全性。

为了实现这一目标，吉利汽车已经建立了星睿智算中心，云端总算力达81亿亿次每秒，可以支持人工智能大数据的产品开发。陈勇介绍了吉利在建设自己的计算中心、开展大模型研究、进行数据挖掘、自动标注、虚拟数据合成等方面所做的努力和成果。

数据是人工智能和智能驾驶领域的源泉，是训练出优秀模型的关键因素。因此，如何有效地获取、处理、利用数据，是人工智能和智能驾驶领域面临的重大挑战。吉利汽车在这方面做了很多探索和创新，例如利用大模型进行数据挖掘、自动标注、虚拟数据合成等，旨在解决数据长尾效应、降低数据标注成本、提高数据泛化能力等问题。

大模型是人工智能和智能驾驶领域的核心技术，是提升智能驾驶体验和安全性的重要手段。大模型具有强大的表达能力和学习能力，可以处理复杂的任务和场景。但是，大模型也存在着不确定性、不可控性、不可解释性等问题，需要进行深入的研究和优化。吉利汽车在这方面做了两三年的研究，探索了如何利用大模型解决数据挖掘、自动标注、虚拟数据合成等问题。

应用场景是人工智能和智能驾驶领域的价值所在，是检验大模型效果和意义的最终标准。因此，如何找到合适的应用场景，让大模型真正发挥价值，是人工智能和智能驾驶领域需要关注和探索的方向。吉利汽车在这方面做了很多尝试和实践，例如利用大模型进行智能驾驶等产品的开发和优化。

最后，陈勇总结了人工智能和智能驾驶领域未来的发展趋势。他认为，从云端到本地端、从训练到推理、从工具到产品、从生成式到可控性、从通用大模型到垂类模型，都是人工智能和智能驾驶领域需要关注和探索的方向。端到端自动驾驶大模型是未来智能驾驶的愿景之一，要实现端到端自动驾驶大模型的落地，还需要解决轻量化、本地化、实时全局等技术难题。吉利将继续以人工智能为核心技术竞争力，以用户需求为导向，以产品创新为目标，打造更加安全、舒适、便捷、高效的智能出行服务。