ChatGPT繼續如同黑洞一般，吸引着各大勢力布局。
外界看來，這是人工智能領域中的裡程碑事件，代表着AI技術發展到臨界點，也同樣預示着原有的商業模式都有機會重塑一遍。
正如英偉達創始人黃仁勳所述，由于ChatGPT可以借助API方式被外界調用，意味着它可以接入各類軟體，它的出現也将像浏覽器改變網際網路、蘋果應用商店改變軟體行業一樣，對行業産生巨大的沖擊。
典型的如搜尋引擎、雲計算行業，由于ChatGPT的橫空出世，原有的市場競争态勢被打破。譬如百度可以借着文心一言，售賣其智能雲服務。這對于場上原有的玩家而言，機遇與挑戰同在。
那麼汽車行業呢？可以看到，近段時間内，車企們也頻頻在ChatGPT領域發聲：
先是，集度、長城、東風日産、愛馳、零跑、吉利汽車、海馬汽車等近10家車企加入文心一言的朋友圈；緊接着，毫末智行宣布，自動駕駛認知大模型正式更新為DriveGPT，在自動駕駛模型算法方面，全面應用ChatGPT的模型和技術邏輯。
ChatGPT之于汽車行業，乃至于更聚焦的自動駕駛領域，到底是放衛星還是起飛點？
止于語音互動“雞肋”？
集度是最早公開打出“ChatGPT上車”概念的車企。
2月14日，集度ROBOVERSE三裡屯體驗中心啟動會上，CEO夏一平率先宣布，将融合百度“文心一言”的能力，打造針對智能汽車場景的人工智能互動體驗，支援汽車實作自然交流的再進階。
據了解，此次“文心一言”上車集度，是全球類ChatGPT技術首次應用于智能汽車産品。
對于合作的具體細節，現場并未公布。對此夏一平表示，“關于具體會有哪些功能，我隻能說現在還在努力地去跟百度團隊在對接，因為大家也知道文心一言将在三月份釋出，之後才會去做我們的應用。”
不過，結合其他資料，可以大膽猜測出，ChatGPT大機率率先應用在語音互動方面。
畢竟，除了ChatGPT本身就是憑借其出色的互動能力出圈外，同一時期，長安汽車官方公号釋出了題為《假如把ChatGPT裝進長安深藍SL03》的文章，讓消費者自然而然聯想到車載智能語音互動功能上。
現階段，作為市場主流的互動方式，智能語音是智能座艙的标配功能。根據消費者調研資料，語音互動功能是座艙内體驗比例和滿意程度最高的互動方式。
一般而言，主機廠将語音互動功能作為其産品智能化與差異化的核心展現。比如，梅賽德斯-奔馳的使用者體驗團隊為其車載語音體驗的開發設定了三個目标：
1. 允許司機像對待另一個人一樣自然地交談。
2. 支援比典型語音服務更多的查詢類型。
3. 将語音更自然地內建到整體車内體驗中，以便使用者可以在語音和觸摸控制之間無縫切換。
然而，現實往往很殘酷。由于車企對語音互動技術的掌握有所欠缺，導緻車載語音系統的互動程度普遍較弱，體驗一般，大多時候淪為“雞肋”。
個中緣由，其實在于智能語音互動技術上，仍然存在難點。
智能語音互動的技術邏輯主要包括三大部分：識别、了解和執行。目前提供解決方案的廠商中，識别部分已經趨于成熟，識别率可以達到90%。行業的痛點主要集中在“了解”部分，大部分的車載語音互動系統在“了解”上并不智能。
舉個例子，此前傳統主機廠提供的前端語音互動功能，大部分采用指令控制。使用者需按照指定指令進行互動，機器不具備語義了解能力。互動機械化，導緻整個系統功能單一、指令詞單一。
那麼，基于AI語言大模型，對任何領域的任何問題幾乎都能進行整合回答的ChatGPT，能否給車載語音互動系統帶來新的可能？
答案是肯定的。“ChatGPT在推理和學習能力上優勢明顯，不僅可以用于了解和對話，更可以通過上下文交流和自我學習，來實作輔助創作和知識進化。這些能力同樣适用車載語音互動領域，融合對話智能技術、深度學習大模型技術、工程化能力、大資料的潛力，帶來更流暢、更有效的響應……”思必馳汽車事業部産品總監葛付江如此認為。
從這點來看，如果汽車智能語音能夠植入類ChatGPT技術，在高使用者黏性之下，未來的商業化前景将更加廣闊。
當然，考慮到成本層面，又往往會将相關廠商拉回冰冷的現實。
根據Lambda官網資料，微軟為OpenAI設計了一個包含10000塊Nvidia V100 GPU的分布式叢集進行GPT-3的模型訓練，由于模型參數量較大（共1750億參數），訓練完成共耗費30天，消耗總算力為 3640PF-days。以Nvidia Tesla V100的 Lambda GPU執行個體定價為1.50 美元/小時測算，GPT-3的完整訓練成本将達到466萬美元/次。
自動駕駛的“突現”時刻
可以看出，ChatGPT短期内更多是在智能化方面，賦能汽車行業發展，離完全意義上的自動駕駛還是有些距離。對此，ChatGPT自身也給出了如下回答：
作為一個語言模型，ChatGPT主要用于生成自然語言文本，如對話或文章等。自動駕駛技術需要處理的是感覺、決策和控制等方面的問題，這些問題與ChatGPT所處理的文本生成任務并不相關。是以，在技術上，将自動駕駛技術與ChatGPT蹭熱點并不可行。但是，自動駕駛公司可以利用ChatGPT等自然語言處理技術來提高其産品的人機互動能力，以更好地滿足使用者需求。
實際上，這也是業内主流的觀點。此前，中國電動汽車百人會論壇（2023）專家媒體溝通會上，副理事長歐陽明高院士表示，ChatGPT出來之後會引發人工智能新一輪的革命，對智能駕駛也會産生深遠的影響。
“馬斯克做的就是基于這條技術路線，就是所謂的大模型、大資料、大算力……為了獲得大資料，必須要大量賣智能輔助駕駛電動汽車，尤其是城市輔助駕駛今年可能大家會争先恐後地上市，這也是很重要的技術趨勢。”
如何了解這段話？需要知曉的是，如果細究的話，ChatGPT成型背後有一個十分重要的基本原理能力—“突現能力（Emergent Ability）”，一般定義為“當系統中的量變導緻其行為發生質變時出現的現象”。
簡單來說，在某個規模門檻值以下，大模型性能接近随機，而超過該門檻值，其性能遠高于随機。
各種測試表明，隻有模型達到GPT3的規模，即參數大于1000億，模型才有可能形成“突現能力”。而正是在“突現能力”的基礎上，AI模型展示了類似人類的複雜推理和知識推理能力，這就是所謂“思維鍊（Chain-of-Thought）”。
基于“思維鍊”的推理能力，不需要再進行複雜的訓練，而隻是在提問時附加給出提示，模型就能自動學習，并做出相應推理得到正确結果。徹底展現了AI模型對人類進階思維能力的模仿。
這個能力很可能是ChatGPT實作高度智能化的一個重要基礎。而這對于自動駕駛的路徑選擇來說，無疑會起到決定性的作用。
一直以來，圍繞自動駕駛技術的演進，業内也一直存在兩大“流派”：其中，Waymo、小馬智行等是“躍進式”的代表，政策是直接實作L4/L5級自動駕駛；特斯拉則是“漸進式”路線的代表，政策是先在量産車上優先搭載L2/L3級輔助駕駛，收集資料後再向L4/L5進發。
此前，雙方陣營泾渭分明，近兩年情況則有所改變。不少L4公司開始“降維”進入L2領域。例如，Robobus領域的輕舟智航，推出了高階自動駕駛解決方案；文遠知行則是獲得博世投資，将開展應用于乘用車的L2-L3級自動駕駛軟體的開發。
作為對比的是，“漸進式”玩家中，特斯拉已經生産了數百萬輛汽車，其搭載的輔助駕駛系統Autopilot，将收集到數十億英裡的路況和駕駛資料。上述這些行業動向，似乎都在宣告，漸進式路線階段性的勝利。
當然，業内也有不同的看法，認為當下隻是L2領域的勝利，能否漸進到L4尚且未知。而眼下，ChatGPT的橫空出世則讓行業認識到，不斷去累積公裡數，一直這麼跑下去是可以獲得更進階别的自動駕駛技術的跨越，量變能夠引起質變，自動駕駛也有機會迎來“突現”時刻。
這才是ChatGPT對于自動駕駛的重要意義，某種程度上，算是為自動駕駛指了條明路。
參考資料：
TechWeb《ChatGPT上“車”？沒那麼簡單》
蓋世汽車社群《ChatGPT，打了人車互動的“臉”？》
钛媒體《爆火的ChatGPT，能讓自動駕駛更快實作嗎？》