科创中国

行业领域

高技术服务业

需求背景

智能座舱是智能汽车主要的交互空间，现阶段其面临着用户复杂语音识别理解不准确，不能基于汽车当前状态和用户特征进行主动式的汽车服务推荐和执行的困难点。汽车垂域大模型具备复杂语义的理解能力，并且可通过业务精调将模型的某方面能力构建新的产品。本项目旨在基于长安汽车自有业务数据和汽车通用语料训练汽车垂域大模型，并结合自研的数据适配模块将车辆传感器信号转为大模型可理解的语言描述。实现用户复杂语义理解并做到语音编排，准确率达到85%以上；基于车辆传感器信息和用户行为特征的车辆服务主动推荐，在智能空调域准确率达到80%以上。

需解决的主要技术难题

汽车垂域大模型研发及应用需要解决的技术难题包括：

1. 数据采集和处理：大规模数据的采集、清洗和处理是构建大模型的基础。需要解决数据来源多样、数据质量不一致、数据量庞大等问题。

2. 特征工程：特征工程是提取和构建特征的过程，对于大模型来说，需要解决特征维度高、特征选择困难等问题。

3. 模型设计和优化：大模型的设计需要考虑模型的结构、参数数量、计算复杂度等因素。同时，需要解决模型训练时间长、模型过拟合等问题。

4. 分布式计算和存储：大模型需要使用分布式计算和存储技术来处理大规模数据和模型。需要解决数据分布不均、计算资源利用不充分、数据安全性等问题。

5. 实时性和可扩展性：对于汽车垂域大模型的应用来说，需要解决实时性和可扩展性的问题，即模型能够快速响应和处理大规模并发请求。

6. 隐私和安全性：汽车垂域大模型涉及到用户的个人信息和车辆数据，需要解决数据隐私和安全性的问题，保护用户的隐私和数据安全。

7. 模型解释和可解释性：大模型往往是复杂的黑盒模型，需要解决模型解释和可解释性的问题，即理解模型的决策过程和结果的可解释性。

8. 模型迁移和部署：大模型的迁移和部署需要解决模型在不同环境中的适应性和稳定性问题，确保模型能够在实际应用中有效运行。

期望实现的主要技术目标

开发汽车垂域大模型可对汽车业务场景带来两方面的能力升级，一是提升现有语音理解模型的能力上限，二是基于汽车垂域大模型能力研发新的智能交互产品，二者会提升智能汽车的产品体验，拉开中国自研品牌汽车与外部汽车在智能交互体验上的距离。本项目研发汽车垂域大模型一是应用至汽车语义理解模块，提升用户复杂语义交互场景，比如汽车控制和语音编排场景；二是将汽车传感器信号和用户个人特征结合起来，打造汽车主动为用户服务的能力。汽车垂域大模型的引入也将提高智能座舱的交互体验，让当前的智能汽车更智能。

处理进度