ChatGPT上“車”？沒那么簡單

TechWeb文/ 卞海川

劃重點：

車載語音智能化的短板在“語義理解”，AI圈大火的ChatGPT對車載語音智能化加成明顯。

ChatGPT上車，主要還是成本的問題，這背后包括使用成本、云服務(wù)成本、針對性的訓練成本。

云知聲董事長&CTO_梁家恩對TechWeb表示，ChatGPT 技術(shù)肯定會在車載、家居等智能交互應(yīng)用有建樹，但需要結(jié)合應(yīng)用場景針對性優(yōu)化。

思必馳汽車事業(yè)部產(chǎn)品總監(jiān)葛付江對TechWeb表示，新技術(shù)發(fā)展一定會存在商業(yè)落地的挑戰(zhàn)，AI技術(shù)創(chuàng)新要結(jié)合場景應(yīng)用，類ChatGPT在車載的應(yīng)用會在算力優(yōu)化、云和端智能融合技術(shù)等方面形成挑戰(zhàn)。

ChatGPT的火，一下子就燒到了車載領(lǐng)域。

眾所周知，語音交互是車內(nèi)最簡潔、最人性化、最安全的交互方式，也是未來最主要的車內(nèi)交互方式。隨著AI和硬件性能的增強，語音交互是未來汽車的絕對主流。語音交互主要是車載自然語音識別與語音助手，也可以簡單地說是NLP和NLU技術(shù)。既然是NLP，那么理應(yīng)是最近在AI圈大火的ChatGPT的用武之地。事實真的如此嗎？

車載語音智能化，短板在“智能”

從技術(shù)角度看，智能語音交互主要有三大重點，分別是識別、理解、執(zhí)行。在目前提供解決方案的廠商中，識別部分已經(jīng)趨于成熟，識別率可以達到90%以上，有的識別率已達95%左右。行業(yè)的痛點主要聚焦于“理解”部分，大部分的車載語音交互系統(tǒng)在“理解”上并不智能，導致整個系統(tǒng)功能單一、命令詞單一。

那么問題來了，如何讓車載語音交互系統(tǒng)像人一樣理解我們的話語？

這就涉及到NLP（自然語言處理）技術(shù)，它們對于用戶輸入語音的理解與本身的場景策略、多輪對話有著密不可分的關(guān)系，并直接決定著車載語音交互系統(tǒng)的智能化程度。而提及NLP，正中近期大“火”的ChatGPT的下懷，是ChatGPT的用武之地。

歷史上，NLP的發(fā)展有幾個關(guān)鍵節(jié)點，其中，最重要的兩個當屬2012年和2018年。

2012年，深度學習開始應(yīng)用于NLP領(lǐng)域；2018年開始，以谷歌BERT為代表的語義表示預(yù)訓練取得了巨大突破，橫掃各大NLP任務(wù)基準；2020年5月，OpenAI斥巨資打造的GPT-3一經(jīng)發(fā)表就引發(fā)行業(yè)轟動，這一版本的模型有1750億參數(shù)量，被稱為NLP領(lǐng)域的最強AI模型。

而最近大“火”的ChatGPT是基于大規(guī)模預(yù)訓練語言模型（GPT-3.5），借助其強大的語言理解和生成能力，通過在人工標注和反饋的大規(guī)模數(shù)據(jù)上進行學習，從而讓預(yù)訓練語言模型能夠更好地理解人類的問題并給出更好的回復。

思必馳汽車事業(yè)部產(chǎn)品總監(jiān) 葛付江對TechWeb表示，ChatGPT目前是以文本交互機器人的形式呈現(xiàn)的，適用多種文本處理任務(wù)，常用于智能問答和對話、文本創(chuàng)作等領(lǐng)域；車載語音以對話交互為主，多用于進行例如“導航去XXX？打開音樂”有明確指令的行動，“語音助手”用高度擬人化的語音輸出來回應(yīng)車主訴求。車載語音交互用于解放駕駛員雙手，聚焦其注意力帶來更安全、便利的駕駛體驗。未來車內(nèi)有了ChatGPT技術(shù)的應(yīng)用，不僅是完成固定指令的任務(wù)型對話，車、人能進行更高效、更直接、高靈活度的出行、知識和閑聊交流；

“ChatGPT”的爆火讓市場看到了認知智能應(yīng)用潛力。ChatGPT在推理和學習能力上優(yōu)勢明顯，不僅可以用于理解和對話，更可以通過上下文交流和自我學習，來實現(xiàn)輔助創(chuàng)作和知識進化。這些能力同樣適用車載語音交互領(lǐng)域，融合對話智能技術(shù)、深度學習大模型技術(shù)、工程化能力、大數(shù)據(jù)的潛力，帶來更流暢、更有效的響應(yīng)。在車內(nèi)有限的空間，結(jié)合聲場定位和多說話人判斷，提升多角色、長上下文對話的邏輯一致性；更可以拓展?jié)M足方言、外語的統(tǒng)一識別和對話需求，快速實現(xiàn)更靈活、自由、個性化的交互。”葛付江說道。

從目前諸多對于ChatGPT的使用（包括我們自己），我們認為，僅就車載智能語音的NLP，目前它應(yīng)該是最好和最智能的。這是否意味著，其就一定會在短期內(nèi)應(yīng)用在車載智能語音系統(tǒng)中嗎？

市場空間有限，產(chǎn)業(yè)鏈、市場挑戰(zhàn)猶存

眾所周知，一個新的技術(shù)或者產(chǎn)品能否最終落地得到規(guī)模的應(yīng)用，除了技術(shù)因素外，還會受到其所處產(chǎn)業(yè)或者市場的產(chǎn)業(yè)鏈、市場競爭強弱、市場空間等諸多因素密切相關(guān)。

具體到車載智能語音系統(tǒng)，雖然ChatGPT在“智能”上表現(xiàn)出色，但其在整個產(chǎn)業(yè)鏈條中比較偏后段，需要依賴很長的前端鏈條，比如信號處理、語音識別、文字輸出之后才會用到它，前端鏈條上的因素對后端流程都會產(chǎn)生影響，例如信號處理會影響語音識別，語音識別如果出錯就會影響NLP的判斷，鏈條上每個模塊都需要提高可靠性，才能保證最后出來的整體結(jié)果可靠。這意味著，ChatGPT在“智能”能力的輸出上，并非完全取決于自身的能力，其產(chǎn)業(yè)鏈上任何一個環(huán)節(jié)都會對其造成正或負的影響。

云知聲董事長&CTO_梁家恩對TechWeb表示，ChatGPT 技術(shù)肯定會在車載、家居等智能交互應(yīng)用有建樹，但需要結(jié)合應(yīng)用場景針對性優(yōu)化，提高體驗并降低服務(wù)成本等。

“車載等智能交互應(yīng)用場景有很大體驗升級空間，但目前ChatGPT是一個超大模型，如何保持體驗情況下，顯著降低服務(wù)成本是個關(guān)鍵問題“。

而從市場競爭的強弱看，據(jù)相關(guān)統(tǒng)計，目前車載語音系統(tǒng)市場除了已經(jīng)被科大訊飛和Cerence壟斷，且它們在此領(lǐng)域具有多年的產(chǎn)品和合作經(jīng)驗外，還有許多規(guī)模不同的企業(yè)參與其中，更為重要的是，目前車載語音市場已經(jīng)遇到了增長的天花板，這使得在競爭激烈的同時，就連科大訊飛和Cerence都開始除了語音之外，開始走車內(nèi)多模態(tài)交互，云服務(wù)集成等服務(wù)的路線，以綜合實力提升競爭力。作為后來者的ChatGPT一旦決定進入車載智能語音市場勢必會面臨強大對手的挑戰(zhàn)。

葛付江補充稱，從成本來看，ChatGPT的研究需要巨大的資金和人才投入，他們需要超算平臺、算法、數(shù)據(jù)等各核心力量支撐，這些都是成本。巨頭平臺公司目前來看具備這方面的優(yōu)勢，對于科技企業(yè)可以更多從場景融合入手，尋求創(chuàng)新機會。

從商業(yè)化場景看，目前chatGPT更適用于基于一定背景知識的創(chuàng)作型產(chǎn)業(yè)，以及剛需AIGC的場景、SOP（標準作業(yè)程序）的行業(yè)，比如智能寫作、智能客服、文檔管理、代碼生成、甚至游戲NPC等。

班門弄斧主理人孫永杰指出，從單純的車載語音市場看，其市場空間并不大，這點從已經(jīng)壟斷該市場的科大訊飛和Cerence的財報可見一斑。這種情況下，能否吸引成本高昂的ChatGPT進入也是個未知數(shù)。畢竟ChatGPT訓練成本高昂，且其所屬的Open AI依然處在虧損當中。

未來仍可期，合作和開放API或是更好選擇

如前述可知，ChatGPT只是在車載智能語音的NLP環(huán)節(jié)具備優(yōu)勢，雖然ChatGPT據(jù)稱也在進行語音識別和合成上進行AI訓練，希望未來可以借此進入車載智能語音市場。但鑒于ChatGPT只是文本交互方式，即便是進行語音識別和合成的AI訓練，最后效果如何？能否超過目前市面上存在和已經(jīng)應(yīng)用的車載智能語音系統(tǒng)仍是未知。

當然，鑒于ChatGPT強大的能力，TechWeb認為未來的市場空間會隨著智能汽車應(yīng)用場景的不斷擴大，ChatGPT找到自己真正的用武之地并非沒有可能。更值得期待的是，除了智能汽車本身外，站在整個汽車產(chǎn)業(yè)的高度，其未來在汽車設(shè)計、制造等領(lǐng)域的應(yīng)用都充滿想象的空間。

葛付江表示：“ChatGPT上車的應(yīng)用具體如何發(fā)展，目前形勢還不明朗。可預(yù)見的是，在車載場景下，大模型技術(shù)學習能力優(yōu)勢明顯，通過強化上下文理解能力、思維鏈推理、增強指令學習，來實現(xiàn)持續(xù)學習，達成可以“回答類似問題”的效果，除指令需求外，日常的知識和閑聊對話交流可以更加流暢和有用。總體來說，技術(shù)會向統(tǒng)一多模態(tài)交互發(fā)展，強化語音、文本、圖像等深度融合的多模態(tài)交互技術(shù)，形成“汽車大腦”， 應(yīng)對車內(nèi)、公共空間等復雜場景的交互需求?！?/p>

小鵬技術(shù)團隊對TechWeb表示，ChatGPT的語言組織能力很強，以及知識庫也比較龐大，涉及領(lǐng)域更廣，所以可能會給用戶的體驗更好更智能。至于我們未來要 不要引入這個技術(shù)接口，還是做類似技術(shù)的融合開發(fā)，我們也在進一步探索～

基于此，TechWeb認為，合作應(yīng)該是ChatGPT切入車載智能語音市場最經(jīng)濟和有效的方式。所謂各取所長就是這個道理。實際的情況是，近日國內(nèi)集度汽車宣布將融合百度文心一言的全面能力，打造全球首個針對智能汽車場景的大模型人工智能交互體驗，證明了此模式的可行性。

此外，將自己最擅長的能力通過API開放給第三方，僅輸出自身最擅長的能力也不失為明智的選擇。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。