报告摘要：

GPT（生成式预训练大模型）出现后，迅速引发各行各业的关注，自动驾驶行业也开始探索GPT在自动驾驶领域的应用及落地策略。

 

自动驾驶GPT的底层技术逻辑是对AI技术的应用：将大规模驾驶场景数据填喂给AI，转化成驾驶语言，输入GPT大模型当中，通过驾驶场景序列，预测自车和他车行驶轨迹，进行车辆规控。

 

传统自动驾驶模型是小模型+规则制，是问题导向的，通过人工标注的形式获取数据，数据量小，数据获取成本高，GPT大模型出现以后，变成大模型+大数据的形式，通过自动标注的形式获取数据，数据规模大，获取速度快，成本低，变成数据驱动。

 

车企部署落地大模型需要经历4个阶段，第一阶段是云端部署，通过建立智算中心以及自动标注的形式获取大量的数据，解决corner case问题；第二个阶段是车云协同（云端主导），但由于车端算力、芯片成本及数据回传等问题，需要云端指导车端模型；第三个阶段是车云协同（车端主导），随着5G通信等技术发展，基本实现数据实时回传，通过云端算力弥补车端算力不足的问题；第四个阶段，自动驾驶技术已完全成熟，可在车端自由部署。

 

报告受众：

车企自动驾驶业务负责人、自动驾驶技术供应商