大模型在汽车业的应 用 1 ChatGPT 与 AI 大模 型 目录 2 13 26 39 42 2022 年 11 月 ，美国科技公司 Open AI 发布 ChatGPT ， 因能很好地与人实现互动而迅速成为爆款产品：上线 5 天 用户过 100 万 ， 2 个月后用户就突破 1 亿 ，成为历史上用户数增长最快的消费者应用。 ChatGPT ，突然出现的爆款 各明星应用程序注册用户达 各明星应用程序注册用户达 1 亿时间 ChatGPT TikTok Instagram Snapchat Facebook ChatGPT 可回复自然语言输入的问题 资料来源： Open AI 公司，英伟达公 司 （单位：月） 2019 年 2 月 GPT-4 18,000 亿 参数量 2023 年 3 月 2018 年 6 月 据不完全统计， 目前已发布 的国内大模型中： 的国内大模型中： 参数量超过 10 亿的有 79 个， 其中 ，参数量最高的达到 174 万亿。 ChatGPT （ Chat Generative Pre-trained Transformer ） ，是一种适用于自然语言交流的人工智能大模型， 它 成功的关键之一 ，是 Open AI 使用了海量数据进行预训练。 5 年间 ， GPT 的参数量已从亿级飙升至万亿级。 GPT-3 1,750

2025-09-11 智能之光：⼈机协作的经济管理研究新时代 胡诗云 易君健 摘要： 以ChatGPT 和DeepSeek 为代表的⼈⼯智能⼤语⾔模型（简称⼤模型），正在对知 识⼯作者的⽣产⽅式产⽣⾰命性的影响。本⽂⾯向经济管理学科的研究者，介绍⼤模型的技 术原理、应⽤⽅式以及在科学研究全流程中 ⼈⼯智能；经济学⽅法论；⼈机协同；⼤语⾔模型 JEL Codes: A11；B41；C45；D83 智能之光：人机协作的经济管理研究新时代 胡诗云，易君健∗ 2025 年 6 月 摘要： 以 ChatGPT 和 DeepSeek 为代表的人工智能大语言模型（简称大模型），正在对知识工作者的生产方 式产生革命性的影响。本文面向经济管理学科的研究者，介绍大模型的技术原理、应用方式以及在科学研究全 DeepSeek 为代表的生成式模型。大语言模型的发展经历了几个关键时间节点： 2017 年的 Transformer 模型、2018 年的 BERT 模型、2020 年的 T5 模型、2022 年的 ChatGPT，以及 2025 年的 DeepSeek。这些时间节点标志着技术或范式的重大革新，共同塑造了当今我们所见到的大语言模型。 广义的大语言模型的发展，开始于 2017 年提出的 Transformer

Transformer 提出了预训练语言模型 BERT 和 GPT ，显著提高了 NLP 任务的性能 ，并展示出广泛的通 用性。 众多预训练模型相继涌现， OpenAI 以 GPT2 、 GPT-3 、 ChatGPT 等系列模型为代表，持续引领大模型时代的浪潮 产业研究 战略规划 技术咨询 3 认 知 感 知 BERT (Google) GPT (OpenAI) 大模型发展历程 来源：大模型驱动的群体智能行业白皮书 ChatGPT (OpenAI) GPT-4V (OpenAI) GPT-2 (OpenAI) GPT-3 (OpenAI) ViT (Google) PaLM (Google) (Stanford) 数据集榜单中，“混元” AI 大模型先后拿下第一名的成绩 2022 年 12 月 ，混元推出国内首个低成本、可落地的 NLP 万亿大模型。 2023 年 2 月 ，腾讯针对类 ChatGPT 对话式产品成立混元助手 （ HunyuanAide ） 项目组。 2023 年 9 月 ，混元 AI 大模型正式发布。 算法方面 在预训练上从零启动训练 ，优化预训练算法及策略 ，精调及强化学习

Juniper Public Ipe JunN ET WO R KS 7 T M 广泛知识库 / 语义理解 (ChatGPT 3.5/4.0) “ 请问今天网络怎么样 ?” “ 今天还不错，有几个技术问 题 我已经处理完了 网络运维的终局是什么？ 今天 未来 © 2022 Juniper Networks

机行业的操作系统、应用生态等，汽车的智 能化程度显著提升，典型的整车代码量超过了一千万行，汽车行业的软件研发人员急剧增加，研发费 用持续飞涨，性能提升却遇到瓶颈。 自2022年底以来，以ChatGPT3.5和特斯拉FSD V12的发布为标志，汽车行业从软件定义汽车（SDV） 迈入了数据定义汽车（DDV）的时代。以海量的数据为动力之源，高频迭代模型，展现了惊人的性能 提升效率。 与传统的 更丰富的文本内容，在通用领域具备了知识推理能力，初步实现了“人的孪生”。 然而，通用语言大模型也存在一些潜在的问题和挑战，在严肃的专业产品领域应用还存在很多问题： 2.1.2 模型技术——AI模型 01 ChatGPT的知识来源于公域知识，对于企 业自用大模型，需补充企业私域知识才能 使模型的输出结果满足企业的标准规范 通用大模型 缺少必要的专业知识 02 在严肃产品领域中，所有结果都要禁得起 推敲，因此生成过程逻辑要高度透明，数 理想L7、L8、L9 Mind GPT 理想 2024Q1 蔚来ES8、ES6 Nomi GPT 蔚来 2024Q1 宝马概念车 亚马逊Alexa BMW&亚马逊 2024Q1 奔驰CLA概念车 ChatGPT 奔驰&OpenAI 汽车产业 AIGC 技术应用白皮书 41 PAGE 4.2 AIGC在智能座舱的应用 4.2.2.1 智能语音助手 智能语音助手是智能座舱中最为核心的功能之一。A

重要。 车端算力要求：当前 2 级智能驾驶主流场景下，现有 50~200 TOPS 稠密算力水平已经可以满足实际运行需 求，过度堆砌算力反而会造成资源浪费与成本增加。 以人工智能领域为例，ChatGPT-O1 凭借 1.7 万亿参数 构建庞大模型体系，却被 DeepSeek-R1 以更高效的算 法架构与算力利用方式实现超越，计算资源需求仅为 Chat GPT 的 1% 左右。这一案例充分证明，算力规模 前的行车轨迹用 于控制车辆外，还需对复杂场景的理解预测未来几秒钟的行车意图，以提升驾驶员的心理安全感。 未 来， 算 法 将 逐 步 向 AI 大 模 型 的 方 向 发 展， 借 鉴 ChatGPT、DeepSeek、Qwen 等自然语言处理模型的 泛化能力，处理更为复杂的现实交通场景与人机交互逻 辑，赋予车辆更智能的场景理解与规划决策能力，提升 智能驾驶的整体智能化水平与人机交互体验。但