01

（宏景智駕BEV感知Demo）

02

• 從規則驅動轉為數據驅動，對于人員能力和組織架構，基礎設施都有不同的要求。

• 大模型訓練需要的資源，由于中美地緣政治關系，諸如A100這些GPU訓練資源非常緊張卡脖子。目前我們也在同步測試國產GPU芯片，但性能相比英偉達還是有一定差距。
• 體系和法規的不完善滯后：比如數據合規。不過這塊需要兼顧發展增速開發效率和監管安全。這點需要辯證看待，既是挑戰也是機遇：相比國外歐美，如果沒有一定的灰色地帶野蠻生長，國內不會那么蓬勃發展。

• 量產速度vs大模型落地周期，在產生GPT時刻之前，先得活下來，漸進式實現商業閉環。

• 相比歐美，國內新能源汽車發展快速，國內消費者更愿意嘗鮮體驗，只要能做出好的體驗+成本控制，國內客戶接受度更高。本身給各個上下游公司提供了更多機遇。

• 通過大模型，提升數據生產效率和開發效率，為企業直接帶來經濟效益。

• 現有的量產L2/L2+智能駕駛功能，其實都有很多空間可以去優化，宏景智駕尤其定位專注于“高頻剛需”功能（比如自動泊車、高速NOP、AEB各種目前階段無法處理的工況），通過大模型輔助這些功能的進一步性能優化和ODD擴展，實現漸進式商業閉環，逐步推向高階功能。

03

• 往近的看，近期可以落地的應用：

• 艙駕泊一體高度集成，可以基于多模態（比如司機語音+傳感器視頻）信息輸入和大模型來直接實現很多智駕功能；
• 圍繞數據的公司，基于大模型的數據生產服務，也會有不少新的公司去做這個方向。

• 往遠的看，潛力無限：汽車就是我們身邊最觸手可及的智能機器人，今天的很多新勢力造車將來都有最終要做機器人的Roadmap，將來GPT上車一定也是可以預見的未來。