AI大模型于汽车行业的应用探索

ChatGPT等大模型诞生后，国内公司大致形成两条发展路线：一是自主研发AI大模型；二是聚焦AI大模型应用，解决实际使用场景问题。

汽车行业作为高科技工业代表，与AI大模型天然适配。本文将介绍大模型在汽车行业的探索情况。

一、AI大模型的前世今生

1. 大模型发展概述

人工智能于1956年诞生，随后机器学习应运而生，算法层面日益丰富。接着深度学习出现，引入了神经网络。基于深度学习，2021年预训练大模型问世。2023年ChatGPT发布，引发广泛关注与深入探索。

2. 什么是大模型

大模型究竟是什么，其“大”体现在哪些方面？

其一，算法模型不同，transformer为后续各类大模型奠定基础。其二，参数海量，以往模型参数最多百万级，如今大模型常达亿级、十亿级甚至百亿级。其三，数据海量，预训练需大量数据，如ChatGPT完全基于网络数据进行预训练。

3.大模型很强大，但仍处于早期发展阶段

大模型能力强大，但深入应用较少，整体处于早期阶段，在行业应用中会遇到诸多问题。

1)成本高

开发垂类大模型应用，需考虑部署方式（私有或公有）。私有部署涉及基础数据标注、训练、算力、预训练团队等成本，训练完成上线后还有推理成本。

2)垂类应用难

当前通用大模型应用较多，通过文字输入问题并以知识库形式回答。但聚焦具体行业问题时，难以满足垂类应用需求。如将AIGC用于汽车行业营销素材生成，需大量调整和预训练。

3)安全问题

大模型应用，尤其是知识库，涉及敏感问题，答案输出需符合国家规范，需解决合规问题。

4)隐私问题

与个人相关的敏感数据，包括法律法规规定的数据，不能通过通用大模型输出。

4. 大模型催生“效率革命”，为产业提质增效

人们常问大模型能创造什么价值，其核心价值在于提升效率，为各产业降本增效。

1)能力较强

大模型在专业领域及推理能力上远超人类。

2)效率更高

AI大模型及衍生的AI数字员工可替代部分人工工作，提高效率。

3)场景更广

AI大模型应用场景广泛，涵盖汽车营、销、服、研、产、供等环节，如智能驾驶、智能座舱等，车企已开始将大模型应用于汽车。

4)应用更深

无论是行业级应用还是直接产生价值的应用，大模型+AI将推动全链路智能化。

二、AI大模型在汽车营、销、服领域的探索

1. 汽车营、销、服业务全景图

在营、销、服阶段，诸多环节可借助AI大模型赋能。我们对这些环节逐一探索，寻找可落地场景。

2. 营销：提高内容产出效率，助力线索提升

1)舆情问题智能匹配

舆情问题发生后，需质量部门人员识别判断，再反馈至研发侧。可利用AI大模型预判，将舆情问题自动匹配并分发给对应部门。

2)媒介投放

投放广告时，可借助AI大模型拓展关键词，还能生成标题和素材，批量制作多个标题及对应落地页素材。

3)AIGC智能生成内容

车企营销部门制作的品牌素材视频，需在社交媒体平台矩阵式分发。可通过AIGC二次创作，分发给销售人员获取线索。我们在汽车行业聚焦小红书训练垂直大模型，用于销售内容二次创作，在新车发布、品牌日等场景发布内容。此外，还可辅助设计师进行海报、落地页图文设计。

3. 销售：强化销售能力，赋能线索转化

1)AI销售助手

跟进销售线索时，大模型可进行AI洞察，提供线索属性、偏好及跟进话术策略。将话术知识库挂载到大模型上训练。

2)AI销售培训对练

AI模拟销售与用户进行真实场景对练培训，检验产品功能介绍、引导试驾等话术是否到位。模拟过程可拆解，如邀约跟进、出单相关话术及问题处理。

3)AI外呼摘要

AI外呼时，大模型可处理外呼摘要，包括语音数据及方言处理，在销售环节有应用潜力。

4)AI销售培训师

可通过数字人形式批量培训销售人员，数字人语音效果逼真。

4. 服务：洞察用户诉求，赋能个性化服务

1)客服知识库

AI大模型可综合管理客户提问，客服人员使用其提供的答案即可满意答复。

2)AI售后诊断

车联网数据平台的智能诊断平台，包含驾驶、电池、信号等数据，可发现规则外的诊断问题。大模型可将诊断规则形成专有知识库。

5.数据：变革取数模式，助力数据管理

1)AI取数（chatBI）

AI取数chatBI替代传统BI，但存在取数不准问题。还可借助大模型BI工具快速搭建看板、编写SQL。未来可通过语音问答获取底层数据，改变看数据和取数交互方式。

2)AI口径管理

指标管理平台中指标口径不一致，大模型工具可解答口径问题，告知上下游指标关系，助力指标管理。

3)AI元数据管理

元数据管理平台可赋能上游业务系统建表，保持元数据规范统一，同时助力数仓建模及下游模型搭建。

三、大模型的基建策略

1.碰到的难点

目前大模型建设存在以下难点：

1)大模型使用场景怎么设定

设定大模型使用场景需逐步聚焦，如先从AIGC开始，在交流中发现场景逐渐明确，最终聚焦到小红书素材生成场景。

2)基于场景的语料怎么准备和处理

大模型训练涉及场景和语料准备处理，需技术、产品、业务人员共同参与。如AI销售培训场景，经过3 – 4轮改进，耗时两个多月，不断发现处理技巧。

3)大模型怎么训练（prompt和微调）

训练方式有两种：一是直接训练和微调，需优质平台和算法团队；二是轻量级，用prompt提示词确定场景，验证需求后调试prompt，场景和需求固定后再进行微调和算力调整。

4)大模型的成本怎么评估：训练成本和运行成本

大模型训练成本方面，各厂家有共有token、私有化部署、开源等方式，涉及卡和平台资源。除训练成本，运行成本更高，项目持续投入成本很关键。

5)大模型部署：共有VS私有

公司部署方式不同，私有大模型平台成本至少千万级，需业务价值支撑。探索阶段可调用共有大模型API尝试；有算法团队可尝试开源模型，实现场景验证冷启动。

6)大模型效果怎么评估

大模型评估从精准度、拟人角度、提问关联角度进行。内容人员评估困难时可借助外部力量，如供应商，评估涵盖技术和业务指标。

7)是否安全合规

应避免使用OpenAI等不合规工具，大厂模型具备安全合规审核过滤能力。

8)业务价值怎么衡量

衡量业务价值策略是离钱近容错高，如销售业务容错率高，回答不精准影响小；而BI回答错误影响严重。覆盖范围广，提效影响更大。

2. 建设AI大模型能力的痛点

目前建设大模型存在技术变化快、人才短缺、初始投入大、缺少成熟工具链、产业链分工不成熟、场景落地缺乏经验、应用效果难评估等痛点。

3. 如何构建AI大模型基础设施

构建AI大模型基础设施，可采用公有云实例方式，有专有云实例可嫁接向量数据库；数据不敏感时，采用纯公有云方式。也可进行私有部署，基于通用行业大模型训练公司垂直大模型或各业务场景大模型，如营销、销售、售后大模型等。

四、未来的展望

大模型应用落地分三个阶段，最终实现应用爆发：

1)人与AI协作

2023 – 2024年，主要是人与AI协作，AI已应用于内容生成、文字处理、图片设计等场景。

2)部分自动化

此阶段自动化可能出错，可先在容错高的场景应用，如广告、培训场景。

3)全自动化

全自动化阶段，训练决策、执行动作及整个agent将实现自动化。

微信公众号：松果子聊数字化