當(dāng)前速遞！ChatGPT 上“車”？沒(méi)那么簡(jiǎn)單

劃重點(diǎn)：

車載語(yǔ)音智能化的短板在“語(yǔ)義理解”，AI 圈大火的 ChatGPT 對(duì)車載語(yǔ)音智能化加成明顯。

(相關(guān)資料圖)

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

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

思必馳汽車事業(yè)部產(chǎn)品總監(jiān)葛付江對(duì) TechWeb 表示，新技術(shù)發(fā)展一定會(huì)存在商業(yè)落地的挑戰(zhàn)，AI 技術(shù)創(chuàng)新要結(jié)合場(chǎng)景應(yīng)用，類 ChatGPT 在車載的應(yīng)用會(huì)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(yǔ)音交互是車內(nèi)最簡(jiǎn)潔、最人性化、最安全的交互方式，也是未來(lái)最主要的車內(nèi)交互方式。隨著 AI 和硬件性能的增強(qiáng)，語(yǔ)音交互是未來(lái)汽車的絕對(duì)主流。語(yǔ)音交互主要是車載自然語(yǔ)音識(shí)別與語(yǔ)音助手，也可以簡(jiǎn)單地說(shuō)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(shí)真的如此嗎？

車載語(yǔ)音智能化，短板在“智能”

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

那么問(wèn)題來(lái)了，如何讓車載語(yǔ)音交互系統(tǒng)像人一樣理解我們的話語(yǔ)？

這就涉及到 NLP（自然語(yǔ)言處理）技術(shù)，它們對(duì)于用戶輸入語(yǔ)音的理解與本身的場(chǎng)景策略、多輪對(duì)話有著密不可分的關(guān)系，并直接決定著車載語(yǔ)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(gè)關(guān)鍵節(jié)點(diǎn)，其中，最重要的兩個(gè)當(dāng)屬 2012 年和 2018 年。

2012 年，深度學(xué)習(xí)開(kāi)始應(yīng)用于 NLP 領(lǐng)域；2018 年開(kāi)始，以谷歌 BERT 為代表的語(yǔ)義表示預(yù)訓(xùn)練取得了巨大突破，橫掃各大 NLP 任務(wù)基準(zhǔn)；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(dòng)，這一版本的模型有 1750 億參數(shù)量，被稱為 NLP 領(lǐng)域的最強(qiáng) AI 模型。

而最近大“火”的 ChatGPT 是基于大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型（GPT-3.5），借助其強(qiáng)大的語(yǔ)言理解和生成能力，通過(guò)在人工標(biāo)注和反饋的大規(guī)模數(shù)據(jù)上進(jìn)行學(xué)習(xí)，從而讓預(yù)訓(xùn)練語(yǔ)言模型能夠更好地理解人類的問(wèn)題并給出更好的回復(fù)。

思必馳汽車事業(yè)部產(chǎn)品總監(jiān) 葛付江對(duì) TechWeb 表示，ChatGPT 目前是以文本交互機(jī)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(wèn)答和對(duì)話、文本創(chuàng)作等領(lǐng)域；車載語(yǔ)音以對(duì)話交互為主，多用于進(jìn)行例如“導(dǎo)航去 XXX？打開(kāi)音樂(lè)”有明確指令的行動(dòng)，“語(yǔ)音助手”用高度擬人化的語(yǔ)音輸出來(lái)回應(yīng)車主訴求。車載語(yǔ)音交互用于解放駕駛員雙手，聚焦其注意力帶來(lái)更安全、便利的駕駛體驗(yàn)。未來(lái)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(duì)話，車、人能進(jìn)行更高效、更直接、高靈活度的出行、知識(shí)和閑聊交流；

“ChatGPT”的爆火讓市場(chǎng)看到了認(rèn)知智能應(yīng)用潛力。ChatGPT 在推理和學(xué)習(xí)能力上優(yōu)勢(shì)明顯，不僅可以用于理解和對(duì)話，更可以通過(guò)上下文交流和自我學(xué)習(xí)，來(lái)實(shí)現(xiàn)輔助創(chuàng)作和知識(shí)進(jìn)化。這些能力同樣適用車載語(yǔ)音交互領(lǐng)域，融合對(duì)話智能技術(shù)、深度學(xué)習(xí)大模型技術(shù)、工程化能力、大數(shù)據(jù)的潛力，帶來(lái)更流暢、更有效的響應(yīng)。在車內(nèi)有限的空間，結(jié)合聲場(chǎng)定位和多說(shuō)話人判斷，提升多角色、長(zhǎng)上下文對(duì)話的邏輯一致性；更可以拓展?jié)M足方言、外語(yǔ)的統(tǒng)一識(shí)別和對(duì)話需求，快速實(shí)現(xiàn)更靈活、自由、個(gè)性化的交互。”葛付江說(shuō)道。

從目前諸多對(duì)于 ChatGPT 的使用（包括我們自己），我們認(rèn)為，僅就車載智能語(yǔ)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(huì)在短期內(nèi)應(yīng)用在車載智能語(yǔ)音系統(tǒng)中嗎？

市場(chǎng)空間有限，產(chǎn)業(yè)鏈、市場(chǎng)挑戰(zhàn)猶存

眾所周知，一個(gè)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(huì)受到其所處產(chǎn)業(yè)或者市場(chǎng)的產(chǎn)業(yè)鏈、市場(chǎng)競(jìng)爭(zhēng)強(qiáng)弱、市場(chǎng)空間等諸多因素密切相關(guān)。

具體到車載智能語(yǔ)音系統(tǒng)，雖然 ChatGPT 在“智能”上表現(xiàn)出色，但其在整個(gè)產(chǎn)業(yè)鏈條中比較偏后段，需要依賴很長(zhǎng)的前端鏈條，比如信號(hào)處理、語(yǔ)音識(shí)別、文字輸出之后才會(huì)用到它，前端鏈條上的因素對(duì)后端流程都會(huì)產(chǎn)生影響，例如信號(hào)處理會(huì)影響語(yǔ)音識(shí)別，語(yǔ)音識(shí)別如果出錯(cuò)就會(huì)影響 NLP 的判斷，鏈條上每個(gè)模塊都需要提高可靠性，才能保證最后出來(lái)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(gè)環(huán)節(jié)都會(huì)對(duì)其造成正或負(fù)的影響。

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

“車載等智能交互應(yīng)用場(chǎng)景有很大體驗(yàn)升級(jí)空間，但目前 ChatGPT 是一個(gè)超大模型，如何保持體驗(yàn)情況下，顯著降低服務(wù)成本是個(gè)關(guān)鍵問(wèn)題“。

而從市場(chǎng)競(jìng)爭(zhēng)的強(qiáng)弱看，據(jù)相關(guān)統(tǒng)計(jì)，目前車載語(yǔ)音系統(tǒng)市場(chǎng)除了已經(jīng)被科大訊飛和 Cerence 壟斷，且它們?cè)诖祟I(lǐng)域具有多年的產(chǎn)品和合作經(jīng)驗(yàn)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(yǔ)音市場(chǎng)已經(jīng)遇到了增長(zhǎng)的天花板，這使得在競(jìng)爭(zhēng)激烈的同時(shí)，就連科大訊飛和 Cerence 都開(kāi)始除了語(yǔ)音之外，開(kāi)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(shí)力提升競(jìng)爭(zhēng)力。作為后來(lái)者的 ChatGPT 一旦決定進(jìn)入車載智能語(yǔ)音市場(chǎng)勢(shì)必會(huì)面臨強(qiáng)大對(duì)手的挑戰(zhàn)。

葛付江補(bǔ)充稱，從成本來(lái)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(tái)、算法、數(shù)據(jù)等各核心力量支撐，這些都是成本。巨頭平臺(tái)公司目前來(lái)看具備這方面的優(yōu)勢(shì)，對(duì)于科技企業(yè)可以更多從場(chǎng)景融合入手，尋求創(chuàng)新機(jī)會(huì)。

從商業(yè)化場(chǎng)景看，目前 chatGPT 更適用于基于一定背景知識(shí)的創(chuàng)作型產(chǎn)業(yè)，以及剛需 AIGC 的場(chǎng)景、SOP（標(biāo)準(zhǔn)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(yǔ)音市場(chǎng)看，其市場(chǎng)空間并不大，這點(diǎn)從已經(jīng)壟斷該市場(chǎng)的科大訊飛和 Cerence 的財(cái)報(bào)可見(jiàn)一斑。這種情況下，能否吸引成本高昂的 ChatGPT 進(jìn)入也是個(gè)未知數(shù)。畢竟 ChatGPT 訓(xùn)練成本高昂，且其所屬的 Open AI 依然處在虧損當(dāng)中。

未來(lái)仍可期，合作和開(kāi)放 API 或是更好選擇

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

當(dāng)然，鑒于 ChatGPT 強(qiáng)大的能力，TechWeb 認(rèn)為未來(lái)的市場(chǎng)空間會(huì)隨著智能汽車應(yīng)用場(chǎng)景的不斷擴(kuò)大，ChatGPT 找到自己真正的用武之地并非沒(méi)有可能。更值得期待的是，除了智能汽車本身外，站在整個(gè)汽車產(chǎn)業(yè)的高度，其未來(lái)在汽車設(shè)計(jì)、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(shì)還不明朗?？深A(yù)見(jiàn)的是，在車載場(chǎng)景下，大模型技術(shù)學(xué)習(xí)能力優(yōu)勢(shì)明顯，通過(guò)強(qiáng)化上下文理解能力、思維鏈推理、增強(qiáng)指令學(xué)習(xí)，來(lái)實(shí)現(xiàn)持續(xù)學(xué)習(xí)，達(dá)成可以“回答類似問(wèn)題”的效果，除指令需求外，日常的知識(shí)和閑聊對(duì)話交流可以更加流暢和有用?？傮w來(lái)說(shuō)，技術(shù)會(huì)向統(tǒng)一多模態(tài)交互發(fā)展，強(qiáng)化語(yǔ)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(duì)車內(nèi)、公共空間等復(fù)雜場(chǎng)景的交互需求?！?/p>

小鵬技術(shù)團(tuán)隊(duì)對(duì) TechWeb 表示，ChatGPT 的語(yǔ)言組織能力很強(qiáng)，以及知識(shí)庫(kù)也比較龐大，涉及領(lǐng)域更廣，所以可能會(huì)給用戶的體驗(yàn)更好更智能。至于我們未來(lái)要 不要引入這個(gè)技術(shù)接口，還是做類似技術(shù)的融合開(kāi)發(fā)，我們也在進(jìn)一步探索～

基于此，TechWeb 認(rèn)為，合作應(yīng)該是 ChatGPT 切入車載智能語(yǔ)音市場(chǎng)最經(jīng)濟(jì)和有效的方式。所謂各取所長(zhǎng)就是這個(gè)道理。實(shí)際的情況是，近日國(guó)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(gè)針對(duì)智能汽車場(chǎng)景的大模型人工智能交互體驗(yàn)，證明了此模式的可行性。

此外，將自己最擅長(zhǎng)的能力通過(guò) API 開(kāi)放給第三方，僅輸出自身最擅長(zhǎng)的能力也不失為明智的選擇。