大模型的力量滲透到各行各業(yè)，汽車人在躁動(dòng)和焦慮中期待著行業(yè)的巨大變化。但是到目前為止大模型上車的尷尬現(xiàn)狀如下：與車無關(guān)。

類似于“文生圖”的功能，與核心駕駛車輛場(chǎng)景不匹配，甚至談不上良好的車內(nèi)娛樂。顯然，汽車公司的AI轉(zhuǎn)型更加無能為力。

大型重塑生產(chǎn)力，汽車工業(yè)不能也不能落后。事實(shí)上，AI界產(chǎn)學(xué)研一直在思考和實(shí)踐。

近日，由產(chǎn)學(xué)研各界聯(lián)合發(fā)布的《大模型驅(qū)動(dòng)的汽車行業(yè)群體智能技術(shù)白皮書》首次明確了如何在整個(gè)汽車行業(yè)過程中使用大模型。

大型汽車行業(yè)模型，有什么用？

首先斷句：汽車，行業(yè)大模型，這樣理解更準(zhǔn)確。

因?yàn)檫@本白皮書提出的大模型不是針對(duì)普通用戶的“文生圖”等應(yīng)用，而是為汽車企業(yè)的生產(chǎn)經(jīng)營流程提供服務(wù)。群體智能商品。

群體智能是什么？？

對(duì)于特定任務(wù)，AI模型是一個(gè)智能體。群體智能是指多個(gè)智能體通過合作和信息共享形成的集體智能，可以處理更復(fù)雜的任務(wù)，展現(xiàn)出超越單個(gè)智能體的能力。自然界中的蜂、螞蟻等物種都表現(xiàn)出這樣的群體智能。

而且大模型能力加持的群體智能，能夠更有效地溝通，處理更大規(guī)模、更多類型的任務(wù)。

整車制造、供應(yīng)鏈、汽車企業(yè)經(jīng)營流程 R&D和工程、營銷和分銷、營銷、售后服務(wù)、貿(mào)易和物流、租賃和金融服務(wù)、回收和再創(chuàng)造等。群體智能不僅是一種簡(jiǎn)單的自動(dòng)化工具，也能給汽車行業(yè)帶來前所未有的效率提升和個(gè)性化體驗(yàn)。

例如，在汽車制造過程中，通過多智能體的自動(dòng)交互，可以實(shí)時(shí)監(jiān)控生產(chǎn)線的運(yùn)行狀態(tài)，預(yù)測(cè)設(shè)備的維護(hù)需求，從而顯著減少意外停機(jī)時(shí)間。

此外，智能體們還可以通過智能分析生產(chǎn)數(shù)據(jù)，幫助制造商提高零部件的庫存管理和供應(yīng)鏈，不僅降低了庫存成本，而且提高了生產(chǎn)效率。

以及，跨部門的智能體，還可以根據(jù)市場(chǎng)需求、原材料供應(yīng)情況和生產(chǎn)能力，智能調(diào)整生產(chǎn)計(jì)劃， 確保生產(chǎn)線的高效運(yùn)行。

除“造好車”外，以大語言模型為核心的群體智能，其價(jià)值更體現(xiàn)在幫助汽車企業(yè)“賣好車”上。

在汽車營銷階段，一般分為五個(gè)方面：客戶獲取、清潔、轉(zhuǎn)換、招待和交易。

通過廣告、品牌活動(dòng)、汽車垂媒、品牌私域等方式， 通過種草等方式獲得客戶，可以快速獲得大量潛在用戶的基本畫像和聯(lián)系方式。然后是一系列的“孵化培養(yǎng)”工作，用于溝通、實(shí)車和講解。

周期長(zhǎng)，轉(zhuǎn)化率低，特別是靠銷售個(gè)人溝通能力，精力，存在很大的不確定性。

在《白皮書》中，構(gòu)建了數(shù)智研究院場(chǎng)景解決方案、新媒體運(yùn)營場(chǎng)景解決方案、用戶運(yùn)營場(chǎng)景解決方案、集約DDC場(chǎng)景解決方案、情感運(yùn)營場(chǎng)景解決方案五大智能營銷解決方案。

全部以銷售結(jié)果為導(dǎo)向，形成自動(dòng)流水線式工作流，關(guān)鍵在于選擇不同的多智能體組合，模擬各個(gè)階段的工作角色。。

例如，對(duì)于客戶定制的購車需求，“銷售智能體驗(yàn)”收集用戶個(gè)人情況，分析高匹配度的需求車型，然后用專業(yè)的演講表達(dá)結(jié)果，并采用多輪對(duì)話。 與顧客討論最好的營銷計(jì)劃。

同時(shí)，操作主管的智能體可以在鏈接中立即檢查智能體的跟進(jìn)情況，對(duì)跟進(jìn)情況、質(zhì)量檢查和用戶畫像進(jìn)行檢查，并將其反饋給智能體監(jiān)控平臺(tái)。隨著案例的增加，任何客戶運(yùn)營智能體與客戶溝通的經(jīng)驗(yàn)都會(huì)沉淀下來，形成智能體工作流的迭代機(jī)制，從而在沉淀中提高智能體孵化客戶的效率。

因此，在智能體智能銷售場(chǎng)景下，一個(gè)人類銷售經(jīng)理只能通過多智能體監(jiān)控平臺(tái)實(shí)時(shí)查看整個(gè)組織多智能體的工作情況，大大擴(kuò)大了工作能力的邊界和范圍。

總而言之，清華自然語言處理實(shí)驗(yàn)室、易慧智能、面壁智能在白皮書中提出了一種全新的做法，To 大模型B的“上車”方式：

在汽車企業(yè)的工作流程中，使用不同的AI模型來代替不同的工種，簡(jiǎn)單地說，數(shù)字員工。

但是創(chuàng)新之處在于，他們并非自動(dòng)取代簡(jiǎn)單的重復(fù)任務(wù)。，相反，在一群數(shù)字員工[6]之間，通過自然語言相互交流合作，在沒有形式“主腦”控制的情況下，發(fā)揮了提高質(zhì)量和效率的作用。

此外，這種協(xié)同可以應(yīng)用于幾乎所有從生產(chǎn)到銷售的環(huán)節(jié)。

正是這樣一群擁有基本工作能力和溝通能力的數(shù)字員工，才是擁有一定AGI(通用人工智能)的大模型。

如何實(shí)現(xiàn)？

單個(gè)智能體比較容易做，根據(jù)不同的任務(wù)有不同的基本模型，比如ResNetNet，用于分類目標(biāo)檢測(cè)。、只要有合適的數(shù)據(jù)進(jìn)行訓(xùn)練，就可以產(chǎn)生樣本的GAN等。

然而，許多這樣的基本模型需要在工作流程或系統(tǒng)工程中發(fā)揮作用。過去，這些模型幾乎不是溝通聯(lián)系，合作基本上取決于人工寫作的規(guī)則。這導(dǎo)致信息處理能力有限，導(dǎo)出決策片面分散，維護(hù)成本高。

而且《白皮書》中提出的群體智能之所以能夠work，關(guān)鍵在于組織雙生。

其中包括三個(gè)關(guān)鍵部分：職位雙生、架構(gòu)雙生和 業(yè)務(wù)雙生。

其中，崗位雙生利用大模型技術(shù)建立數(shù)字員工，這些虛擬人員可以模擬真人的交流方式，包括 包括聲音和表情，并具有“感性智能”。它們可以實(shí)現(xiàn)內(nèi)容生成、基本溝通、客戶服務(wù)等工作。

智能系統(tǒng)有一個(gè)特殊的提示框架，與崗位相關(guān)的提示詞可以根據(jù)提高詞框架巧妙設(shè)計(jì)，答題范圍和方法可以精確限制底座大模型。

但底座大模型是通用語言模型，其內(nèi)置知識(shí)是通用的，對(duì)于特定領(lǐng)域的問題可能無法給出準(zhǔn)確的答案。所以，檢索增強(qiáng)生成也是特別引入的。（RAG）技術(shù)，可將特定領(lǐng)域的文檔和問答灌輸?shù)较到y(tǒng)中，在向量數(shù)據(jù)庫或搜索系統(tǒng)中形成“長(zhǎng)期記憶”。在生成過程中，將這些記憶注入到提詞中，讓數(shù)字員工能夠準(zhǔn)確回答具體領(lǐng)域的問題，從而填補(bǔ)底座大模型的潛在不足。

比如在汽車領(lǐng)域，可以讓智能體調(diào)用 API 界面，并根據(jù)界面返回的行業(yè)知識(shí)，生成專業(yè)、可追溯的內(nèi)容。但是，如果提示詞工程和知識(shí)庫類的長(zhǎng)期記憶補(bǔ)充仍然不能完全滿足項(xiàng)目的需要，也可采用高效預(yù)訓(xùn)練和高效微調(diào)技術(shù)。通過微調(diào)和后期培訓(xùn)，我們可以“教”與大模型相關(guān)的垂直領(lǐng)域知識(shí)，賦予數(shù)字員工個(gè)性化，從而更好地適應(yīng)不同的需求場(chǎng)景和客戶需求。

架構(gòu)雙生它是將真實(shí)企業(yè)的組織架構(gòu)投射到數(shù)字世界中，通過智能網(wǎng)絡(luò)技術(shù)定義智能體之間的交流和邏輯?？梢孕蜗蟮乩斫鉃樯厦鏀?shù)字員工需要遵循的“OA流程”。

基于大型群體智能體技術(shù)，例如 AgentVerse(清華自然語言處理實(shí)驗(yàn)室和面壁智能聯(lián)合開發(fā))不僅可以定義智能體本身的記憶和能力，還可以定義智能體之間的交流方式和邏輯，在一定程度上可以將現(xiàn)實(shí)人類的組織結(jié)構(gòu)映射到數(shù)字孿生世界，生成與真實(shí)公司結(jié)構(gòu)相對(duì)應(yīng)的數(shù)字孿生結(jié)構(gòu)。

該技術(shù)結(jié)構(gòu)通常將多智能體環(huán)境分為幾個(gè)功能模塊，包括靈活代碼擴(kuò)展和定制功能設(shè)計(jì)框架， 智能語言交互合作機(jī)制、智能系統(tǒng)功能和結(jié)構(gòu)演變機(jī)制等。

整體工作流程分為四個(gè)階段：專家招聘階段，根據(jù)問題解決的進(jìn)展情況確定和優(yōu)化座位人員。在合作決策階段，選定的智能體進(jìn)行聯(lián)合討論，以制定解決問題的策略。在行動(dòng)執(zhí)行階段，實(shí)施決策階段計(jì)劃的智能體與環(huán)境交互行動(dòng)。評(píng)估與反饋階段，評(píng)估當(dāng)前狀態(tài)與預(yù)期結(jié)果的差異， 為了在下一次迭代中進(jìn)一步細(xì)化，如果目前的狀態(tài)不盡如人意。

在技術(shù)框架技術(shù)上，定義了各自的界面，用戶可以根據(jù)自己的需要重新定義不同的模塊功能。這種可定制性使得數(shù)字雙胞胎結(jié)構(gòu)不再受到固定限制，而是可以根據(jù)不同行業(yè)和企業(yè)的需求靈活調(diào)整。用戶可以根據(jù)具體情況和任務(wù)要求定制數(shù)字雙胞胎結(jié)構(gòu)，以便更好地適應(yīng)實(shí)際應(yīng)用領(lǐng)域。

業(yè)務(wù)雙生自動(dòng)實(shí)施實(shí)際業(yè)務(wù)，通過整合大語言模型、搜索增強(qiáng)技術(shù)、構(gòu)建智能體等方式提高業(yè)務(wù)實(shí)施效果。這部分還是用大模型的“工具”來增強(qiáng)數(shù)字員工的戰(zhàn)斗力[10]。

例如X 基于強(qiáng)大的大語言模型核心，Agent是一個(gè)面壁智能創(chuàng)新的AI智能框架。它創(chuàng)新地引入了一種“雙循環(huán)機(jī)制”，然后在處理復(fù)雜的任務(wù)后，它可以從“宏觀”和 從兩個(gè)角度綜合考慮“微觀”，類似于人類“左腦”與“右腦”的協(xié)同工作方式。

外部循環(huán)承擔(dān)著規(guī)劃全局任務(wù)的責(zé)任，巧妙地將復(fù)雜的任務(wù)分解成可操作的簡(jiǎn)單任務(wù)，促使其成為可操作的任務(wù)。 X Agent 能有效地完成整體任務(wù)分解和計(jì)劃，展現(xiàn)宏觀任務(wù)處理的領(lǐng)導(dǎo)力。

內(nèi)循環(huán)，X Agent 迅速改變身份，充當(dāng)高效率「實(shí)施者」，確保外循環(huán)傳達(dá)的子任務(wù)能順利達(dá)到預(yù)期。在外部系統(tǒng)中，它能靈活地搜索工具，并根據(jù)子任務(wù)的特點(diǎn)逐步解決。

在完成子任務(wù)之后， 內(nèi)部循環(huán)產(chǎn)生詳細(xì)的反思，并向外部循環(huán)傳遞反饋信息，指示當(dāng)前任務(wù)是否完成，以及在任務(wù)執(zhí)行中的潛在提升。

所以，一切的關(guān)鍵，都在于大模型。在這里，我們不妨簡(jiǎn)單地普及一下大模型：

現(xiàn)在幾乎所有的大語言模型都是 Transformer 該模型是一種系統(tǒng)架構(gòu)。其主要思想是通過輸入序列(可以是文本、語音、圖像、視頻等)的全局信息。)可以通過自我注意機(jī)制獲得，并對(duì)序列中的每個(gè)元素進(jìn)行全局建模。每一個(gè)元素之間的聯(lián)系**。

翻譯一下，就是Transformer除了感知之外，還有歸納因果的基本能力，讓人工智能邁向認(rèn)知世界的第一步。

因此，《白皮書》中提出的群體智能是基于具有一定通識(shí)能力的清華自然語言處理實(shí)驗(yàn)室、易慧智能、面壁智能的大模型。

傳統(tǒng)AI Agent，即單一的人工智能體，同樣具有感知、決策、知行的能力，但其任務(wù)目標(biāo)單一，輸入數(shù)據(jù)相對(duì)固定。

對(duì)大型模型而言，與人類的互動(dòng)是基于提醒。（Prompt）實(shí)現(xiàn)的， 顧客提醒是否清晰明了會(huì)影響大模型回答的效果。大型“大型”以極大的參數(shù)規(guī)模捕捉復(fù)雜的語言結(jié)構(gòu)，實(shí)現(xiàn)前后文本理解和連貫輸出。這種“能力出現(xiàn)”現(xiàn)象體現(xiàn)在模型可以進(jìn)行抽象思維和創(chuàng)造性寫作等高級(jí)認(rèn)知任務(wù)上。ChatGPT之所以震驚世界，正是因?yàn)樗鼘?duì)人類幾乎涉足的各個(gè)領(lǐng)域都有準(zhǔn)確的認(rèn)識(shí)。

假如這種能力被灌注到一群不同的智能體中，它們就可以直接使用?復(fù)雜的?然語?進(jìn)?交流。

并?運(yùn)用抽象思維，處理復(fù)雜問題，交換豐富的信息?；趯?duì)語。?信息的深?理解和分析，可以在決策中考慮更多?泛和深?的因素。

比如軟件開發(fā)任務(wù)可以分解成一系列的“生產(chǎn)線”，子任務(wù)可以通過角色扮演交流實(shí)現(xiàn)智能體之間的方案建議和決策討論過程:

第一，設(shè)計(jì)三個(gè)角色CEO、CTO和CPO討論軟件開發(fā)方案，決定使用編程語言來感受智能駕駛算法的功能。

接著進(jìn)入編程，程序員編寫代碼，設(shè)計(jì)者設(shè)計(jì)GPU。 。

測(cè)試：代碼審核和實(shí)際運(yùn)行兩個(gè)步驟，涉及「代碼審核員」和「測(cè)試工程師」兩個(gè)角色。

文件:環(huán)境描述和使用手冊(cè)。前者反映了智能駕駛算法所依賴的環(huán)境，CTO指導(dǎo)程序員完成。 成功。而后者則由CEO決定所包含的內(nèi)容，交給PRD生成。

這種框架尤其適用于復(fù)雜的行業(yè)場(chǎng)景，尤其是汽車行業(yè)。

智能汽車易做，智能汽車企業(yè)難做。

的確，以中國制造業(yè)的實(shí)力和供應(yīng)鏈的完整水平，“拯救”一輛智能汽車并不難。比如小米花了三年時(shí)間，其實(shí)并不快。

但是“智能”汽車公司，卻是擺在新力量求存和老車企轉(zhuǎn)型道路上最難的挑戰(zhàn)。

由于軟件算法、硬件域控自主研發(fā)等。，如果錢用到位，團(tuán)隊(duì)人才自然就到位了。然而，如何將大模型轉(zhuǎn)化為生產(chǎn)力，提高整體業(yè)務(wù)流程的質(zhì)量和效率，是目前汽車公司最迫切的需求。

易慧智能向智能汽車透露，他們接觸的汽車公司無一例外都是AI。 在提高工作效率、優(yōu)化成本、提升客戶體驗(yàn)等方面，Agent對(duì)落地應(yīng)用表現(xiàn)出了興趣。

其實(shí)從前面的例子可以看出，無論是生產(chǎn)、采購、營銷等階段，汽車公司都很難探索出精細(xì)化運(yùn)營性能和可控運(yùn)營成本之間的最佳平衡點(diǎn)。

從這個(gè)角度來看，產(chǎn)學(xué)研聯(lián)合發(fā)布的第一本汽車行業(yè)大模型白皮書，最大的意義就是試著運(yùn)用大模型能力，解決汽車工業(yè)、制造業(yè)的實(shí)際問題。

并且提出了具體的方法：通過大模型的通識(shí)能力和自然語言理解能力，使過去一群獨(dú)立的數(shù)字員工能夠有效地進(jìn)行交流與合作。

而且還有具體的方法結(jié)構(gòu)：組織雙生，有過程，有工具，有方法論。

這個(gè)問題也是汽車行業(yè)第一次認(rèn)真對(duì)待大模型作為生產(chǎn)設(shè)備，從頭到尾尋找解決辦法，而不是“奇技淫巧”的上車噱頭。

據(jù)麥肯錫計(jì)算，到2030年，數(shù)字勞動(dòng)力將形成一個(gè)價(jià)值1.73萬億元的市場(chǎng)，自然包括汽車工業(yè)。

而且汽車工業(yè)的經(jīng)驗(yàn)，幾乎可以不受損害地復(fù)制到所有大型制造業(yè)。

群體智能技術(shù)由大型模型驅(qū)動(dòng)，是汽車工業(yè)AI轉(zhuǎn)型的“星火燎原”，而其首創(chuàng)的方式和理念，不僅僅是汽車。

本文來自微信微信官方賬號(hào)“智能汽車參考”（ID：AI4Auto），作者：賈浩楠，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com