车载语音交互赛道研究:大模型揭幕2.0时代 商业模式重塑

大模型正给车载语音交互赛道带来颠覆性变革。

根据高工智能汽车研究院调研获取的信息,核心原因为:1.0时代,车载语音交互玩家可使用自身的小模型;2.0时代,很可能需基于通用大模型(训练成本极为高昂,某种程度上为基建工程),做一定的微调形成自身的行业大模型,面对通用大模型厂商进入产业链,价值分配、商业模式也面临重塑。

而当下,2.0阶段刚刚揭幕,经历了2023年上半年的拼PPT指标之后,正过渡到头部玩家尝试落地产品的阶段,产品是否有实质性突破仍待验证。较多人士较为保守,认为“实现类似钢铁侠中的贾维斯的功能”仍需时间,核心阻力包括:车端算力问题、大模型技术仍待迭代优化问题、输出内容的合规性问题。

具体来看,此次文章主要聚焦的问题为:

● 当前,车载语音交互赛道处于什么样的发展阶段?

● 商业模式面临什么样的变化?

● 现阶段竞争重点为何?

● 赛道内有哪些代表性玩家?有哪些代表性产品?

车载语音交互赛道研究:大模型揭幕2.0时代 商业模式重塑_第1张图片

其一,当前,车载语音交互赛道处于什么样的发展阶段?

根据近期调研获取的信息,车载语音交互赛道目前刚刚揭幕2.0阶段。

具体来看,传统车载语音交互赛道1.0阶段:体现为命令式的任务型助手,目前基本已进入成熟期,包括从单轮对话到多轮对话,单音区到多音区,从单一的导航、多媒体娱乐等座舱功能扩展智能驾驶、车身控制等,用户体验逐步面临天花板,缺乏实质性突破;

2023年,进入2.0阶段:经由chatgpt引爆后,大模型技术崛起(人工智能从原来基于规则驱动的专家模型,转为基于数据驱动),本身即位于人工智能赛道的车载语音交互,迎来新一轮发展周期,“实现类似钢铁侠中的贾维斯的功能”;

大众问问CEO张人杰在沟通中直言,1.0时代的智能语音天花板不高,大模型揭幕的2.0时代,“智能”语音的前两个字才名副其实,其实质为,大模型大幅提升了自然语言理解、自然语言生成的能力。

技术链路角度,车载语音交互包括六个环节:音频采集、信号处理、识别、语义理解、对话管理、语音合成。其中,语义理解和对话管理均属于语言认知部分。

此前有头部人工智能芯片厂商管理层在沟通中直言,人工智能在基于规则驱动的专家模型阶段,能力很快遭遇天花板,走入死胡同,距离真正产生价值、可商业化尚远,基于数据驱动的人工智能则进入新的阶段。一个典型案例为,作为智能体的人并非基于规则驱动,而是根据遭遇的现实情况不断自我调整认知和举措(即数据驱动)。

其二,商业模式面临什么样的变化?

更重要的是,大模型某种程度重塑了车载语音赛道的商业模式。

具体来看,在1.0时代,不同车载语音交互厂商往往会训练自身的小模型,参数量并不大,成本可控,自身掌握核心能力;2.0时代,大模型参数量飞跃式拉升,车载语音交互厂商的自研策略遭遇挑战。

以chatgpt的发展为例,1.0、2.0、3.0被认为分别拥有1.17亿参数、15.42亿参数、1750亿参数;参数规模大幅拉升背后,训练的算力成本同样大幅拉升。一般来说,人工智能可分为基础层(数据、算法、算力)、技术层(通用大模型、行业大模型)、应用层(交通、制造、医疗、金融等)。

有调研对象指出,通用大模型训练成本极为高昂。根据公开信息,1万枚英伟达A100芯片被认为是做好AI大模型的算力门槛,A100的单片价格大概为1万美元,对于超算中心、智算中心,有业内人士在沟通中坦言,其为典型的拼资金、拼规模效应的赛道,这也是云计算领域主要由阿里、腾讯、华为、字节跳动等巨头盘踞的根因。

张人杰在沟通中认为,通用大模型类似于基建工程,每个国家有少数几个玩家脱颖而出即可满足需求,反复做同样的基建工程属浪费资源,行业大模型可基于通用大模型构建,类似于一个人完成幼儿园到高中阶段的通用知识之后,再针对某一细分专业领域完成本科或者研究生的学习。

这无疑对产业分工产生影响,一种可能的分工为:

在云端,大模型头部玩家训练出通用大模型,为千行白业的行业大模型提供一个基座(同时获取回报、不断迭代完成商业闭环),车载语音厂商基于该通用大模型做自身的行业大模型,即站在巨人的肩膀上建设自身的能力,同时构建商业模式;

在车端,不同车载语音交互玩家各自做一个相对简化的模型部署,以应对离线场景。

这样的分工,显然给新玩家带来机会。有调研对象指出,2.0时代,一些新玩家同样可站在通用大模型“巨人”的肩膀上,与原有玩家形成竞争。原有玩家的优势,是车载语音交互的产品定义等经验,以及既有的数据。

另一个值得关注的点为,多个赛道面临融合发展。

具体来看,多模交互为大模型发展的共识,DMS、OMS等基于视觉的玩家,与语音交互玩家,某种程度上会成为友商。也有调研对象提醒称,无论是车载语音交互玩家还是视觉玩家,在Open AI等通用大模型玩家面前,能力或均遭遇碾压。

其三,赛道现阶段的竞争重点为何?

根据调研获取的信息,基于大模型的车载语音交互处于“拼量产落地”“拼商业闭环”阶段。

有多名调研对象直言,2022年底到2023年初,chatgpt3.5引爆大模型之初,业内处于拼PPT参数指标的阶段,伴随着同质化和客户的“审美疲劳”,目前一些头部玩家的产品已经进入探索落地阶段,具体到车载语音交互领域,主机厂当下更关注具体产品落地情况以及给客户带来的实际价值。

对于当前探索落地的情况,是否已经取得实质性突破?较多调研对象持保留态度,认为相关产品是否真正具备用户认可的价值、是否能真正实现商业化闭环,仍处于市场验证期。有调研对象表示,真正“实现类似钢铁侠中的贾维斯的功能”需要较长时间。

对于落地的阻力,主要包括:①车端算力部署(即便是高通8295,其算力是否满足车端离线模型的部署也面临不确定性);②大模型自身技术的迭代优化;③作为高实时性输出的人工智能产品,保证输出内容满足公序良俗和意识形态要求。

其四,赛道内有哪些代表性玩家?有哪些代表性产品?

● 赛轮思方面,作为车载语音交互细分赛道的巨头,2023年12月,其宣布推出由英伟达技术驱动、具有开创性的汽车级大型语言模型CaLLM™(Cerence Automotive Large Language Model),为主机厂当前面临的多个关键挑战提供解决方案:通过与现有嵌入式系统和新生成式AI功能的云集成,部署新的用户体验,加速产品上市周期。

作为全球第一个车载级、专注于车与人机交互的LLM,其核心优势为依赖赛轮思车载智能助手广泛部署以及在车载人机交互领域深入的经验,打造的可深度定制的跨语言跨平台的端云一体的车载智能助手解决方案。

据悉,赛轮思和英伟达双方在车载应用领域都有广泛深入的耕耘,强强合作,CaLLM解决应用与算法的问题,英伟达解决算力的问题,端云一体,可深度定制,快速部署,极致人机交互体验。

CaLLM™能够支持汽车功能、特性和要求,并可以通过训练、微调和专属的应用,为汽车制造商进行深度定制。此外,它还可以为用户提供个性化以及本地信息检索,例如Cerence Car Knowledge生成式AI应用。

● 大众问问方面,作为大众汽车集团(中国)旗下的全资科技子公司,自2017年以来,其通过“全栈式技术”和“标准化解决方案”,为客户提供基于车型平台定制的全栈式解决方案,合作伙伴包括江淮大众、一汽大众、上汽大众、奥迪中国等。

在前装市场,大众问问可提供基于车型平台深度定制的智能网联解决方案,集成10项核心能力,具体包括:①云端服务平台:服务后台、在线升级、大数据分析、垂直搜索服务类别;②软件OS&HMI:车载语音助手、多模交互设计、个性化推送;③车载娱乐硬件:车载智能硬件、智能设备多端联动;④车身硬件:车控功能。

值得注意的是,作为100%针对车载场景的语音技术方案,大众问问提供完整的车载离线人机交互引擎,建立完整的车载离线人机交互引擎,在无网络条件下仍可提供精准流畅的语音识别,智慧全面的自然语言理解和丰富的导航音乐等内容服务。

在大模型布局方面,大众问问既有自研的可适用于车端部署的大语言模型ChatVWM,又有聚合Chat GPT和Bing Chat上车的方案,在实际应用中可根据用户需求灵活规划和部署。

● 科大讯飞方面,除本身是国内车载语音交互的头部玩家,其同时也是专业从事智能语音及语言技术研究、软件及芯片产品开发、语音信息服务的上市公司。

据悉,科大讯飞坚持坚持“平台+赛道”的发展战略:以智能语音和人机交互为核心的人工智能开放平台——讯飞开放平台,推动在智慧教育、智慧医疗、智慧城市、智慧司法、金融科技、智能汽车、运营商、消费者等领域的深度应用,TO B+TO C双轮驱动。

大模型浪潮来临,科大讯飞快速布局。

从时间线上看,2023年5月,科大讯飞正式发布讯飞星火认知大模型并不断迭代,此后的每一次发布都离不开七大核心能力的技术底座的持续升级;

2023年6月,讯飞星火认知大模型V1.5正式发布;发布代码能力和多模态能力升级版本讯飞星火V2.0,同时发布多项应用和产品;2023年10月,发布星火认知大模型V3.0。

你可能感兴趣的:(人工智能)