“AI迎来了iPhone时刻”。

在3月21日晚举行的2023年GTC大会上，英伟达黄仁勋不止一次表示AI的“iPhone时刻”已经到来。同时放出大招，发布了ChatGPT专用GPU，比ChatGPT的HGX A100快了10倍。

这一刻，元宇宙、数字孪生等新概念，在AI面前不值一提，因为前者只是概念，而AI真的落地了。从2023年开始，AI技术接二连三刷屏，从OpenAI发布GPT-4，到百度发布文心一言，再到微软发布Office的AI助手Microsoft 365 Copilot，AI一直在刷新我们的认知。

当前，AI正以技术创新、软硬件升级等方式整体推进，推动各行各业从数字化、网络化向智能化加速跃升，这其中智能汽车作为资本圈中的“过气网红”领域，也在积极部署AI上车，在人工智能大跃进的今天，当“过气网红”与“现网红”结合，还能赋予汽车怎样的生命力？

  AI是无人驾驶驱动力

这两年，AI赛道似乎迎来了两道曙光并一度站上时代风口的两个领域，即自动驾驶与元宇宙。不同于元宇宙的“出师未捷身先死”，自动驾驶的发展历程，天生就与AI技术的发展有着深度绑定的关系。

2004年，DAPRA开启无人驾驶挑战赛，激起自动驾驶研究浪潮，机器学习得到更广泛应用。2009年科技巨头谷歌入局，2012年以卷积神经网络(CNN)在图像识别中的应用为节点，深度绑定AI与自动驾驶技术，开启了自动驾驶行业的快速发展。

通过AI技术的加持，自动驾驶领域实现了两次产业浪潮。

第一次是2018年以前，受益于深度学习在图像识别等感知领域的应用，自动驾驶迈向产业化，直接面向L4的初创公司受到市场热捧，但受到商业化落地和法规等限制，当时的高阶自动驾驶其实处于泡沫化边缘。

这二次就是近几年，在经过3-4年的技术积累，感知和决策算法等核心技术的突破提高了AI模型的完善，助力自动驾驶加快商业落地节奏。近两年具备L2/L2+功能的车型如造车新势力和特斯拉Model3等成功上市并扩大量产，特定场景的L3/L4级功能也开始落地。

毫不夸张地说，自动驾驶就是AI最合适的“学习”场景，因为自动驾驶每时每刻都要感知周围的环境，需要根据场景作出驾驶决策，在2022年的世界人工智能大会上，百度副总裁李硕也表示：“如果说普通孩子学习是慢慢升级，人工智能（对自动驾驶）的加速效应就会不断‘跳级’。”

这也是为什么近几年的自动驾驶发展技术超过了我们的预期，因为AI系统一旦加入到自动驾驶的系统中，会随之加速学习和成长。

除了自动驾驶之外，语音识别和用户界面一直是汽车领域最成功的基于AI的应用。这些应用利用智能手机和消费类电子产品中的AI技术，部署在信息娱乐和人机界面中。Alexa、CarPlay、Android Auto，以及类似产品已经应用于大多数新车型。

同时，远程诊断、驾驶巡航功能、OTA软件和网络安全功能，以及AV的开发和测试等都运用了人工智能技术。

AI技术已经成为汽车行业推进无人驾驶汽车的主要驱动力。

  AI交通实现车路协同

当然，AI对我们日常出行的影响，可不仅限于自动驾驶技术。

经常玩游戏的朋友都知道一款叫《看门狗》的开放世界沙盒游戏，在游戏中，利用网络可以支配整个虚拟世界，比如可以控制汽车前进后退，控制道路交通系统，控制城市桥梁、设置路障等，甚至操纵交通信号灯引发30辆车连环追尾事故都不在话下，道路系统可针对需求进行灵活变动。

现在我们也可以做到了，只不过控制的人是AI。简单来说，就是通过AI与物联网技术，将人、车、路实现连接，从“上帝视角”处理交通环境中的复杂性和不确定性，从而实现所谓的“智能交通”。

举个例子，这两年，各大互联网和IT企业利用AI算法调节交通信号灯来解决拥堵问题，通过AI算法对路口运行效率进行实时监测和展示，从而起到优化信号灯配时作用。

目前在广州的南沙区、黄埔区，已经有不少AI+交通的项目已落地，实现“自适应红绿灯”，自适应红绿灯可以根据当前车流量改变信号配时，减少绿灯空放现象，像开创大道、科学大道、创新大道等干线道路主车流方向还可实现“动态绿波”通行，一些路段甚至可以实现“一路绿灯”通过10个路口。

当然，这也只是AI+交通的一处小过度，AI交通的最终目的还是为了实现“车路协同”

华为公司LTE产品线总裁熊伟是这么说的：“面向未来的智能交通，应当让车辆与路边的既有设施充分协同，共同打造安全、高效、绿色的通信网络。”

而这一切都离不开AI的协助，对于车路协同来说，有了AI的加持，相当于拥有“千里眼顺风耳”。感知范围扩大到周遭几百米，决策更精准，可以提前知道前方红路灯状态，完成加速 or 减速操作，或者通过车车互联，提前感知到前车位置速度，提前判断来往车辆意向。

设想一下，重新定义之后的智能交通将是这样的：清晨，我们坐上智能汽车，在路上，这辆车会沿着一个已经规划好的数字轨道运行，精确地到达乘客的身边，再把乘客送往目的地。所有的路线都由智能交通控制中心进行规划，既保证了高速度，也不会出现交通拥堵，因为哪辆车在什么时间经过什么地方，AI都进行过运算。

车企比谁都清楚，如果没有“车路协同”，自动驾驶只是空谈，光有技术，不能上路，车路协同是自动驾驶的前提条件，而车路协同的前提，就是AI。

  不赚钱的万亿市场

AI在超速奔跑的过程中，搭上AI的其他产业都多多少少赚钱了，唯有AI公司本身，营收依旧是个大问题。

这其中无非有两个原因：一是AI的研发成本宛如一个无底黑洞；二是缺乏消费级AI场景。

第一点主要是算力成本，举几个例子，在2012年，谷歌利用16000块芯片，才让AI在观看数百万段YouTube视频之后识别出猫，即便如此仍错误百出；2016年，AlphaGo围棋大战中，AlphaGo每局棋需消耗约100万瓦的电能；根据 TrendForce 的估计，ChatGPT商业化所需的 GPU 数量预计将达到 30000 个以上。

第二点是从移动互联网中吸取到的经验，从移动互联网的野蛮规模性发展可知，引爆增长，只需在消费级市场创造一款应用杀手锏，如阿里之于淘宝，腾讯之于微信，百度之于搜索，这也是BAT巨头立足的根本。

然而目前的AI并没有一款真正称得上杀手级的应用，杀手级应用的意思是用的人多，且离不开它，比如微信，目前来看ChatGPT的级别还是不够，同时，能够承载这种杀手级应用的平台依然犹抱琵琶半遮面，如果要用算力来判断的话，手机与PC的本地算力天生短板，也只有智能汽车跟元宇宙两个平台，能承载AI如此大的算力。

特斯拉第一辆车下线后，已经告诉世界，未来的车需要软件定义，其中很大一部分就是算力。新能源车除了本地决策算法，目前依然在忙着将智能手机的娱乐应用，向车载移植，新能源车作为AI平台，未来价值也将亟待挖掘。

当然，不管AI公司赚不赚钱，AI都将成为接下来一段时间的核心技术，并赋能到各行各业。因为相比AI公司，资本更加关注的是AI与下游领域的结合，包括汽车、金融、物流，甚至是医疗领域等等。换言之，企业的技术不再是第一吸引力，取而代之的是整个产业链的整合运用，技术在场景中落地，才是AI最好的归宿。

如今，手握诸多场景的大厂几乎都在自食其力：百度和淘宝用AI围绕自己的搜索业务做智能应用；华为盘古大模型参数规模达到千亿级别；阿里、浪潮、北京智源研究院均发布了最新产品。在海外，谷歌发布了首个万亿级模型Switch Transformer；微软和英伟达在烧坏4480块CPU后，完成了5300亿参数的自然语言生成模型。

这些大厂在前端卷起技术，后端卷入社交、电商、娱乐、汽车、手机等领域应有尽有。李彦宏之前也说，“未来10年，AI将成为改变世界的有力工具，千行百业被重构，人们的生存空间将大大拓展，技术的价值将被充分开发。”商业和产业落地，才是AI独角兽生存的不二法门。

  智行观

美国未来学家雷·库兹韦尔曾在《奇点临近》一书中预测：到2045年，人工智能将逼近甚至超越人类智能。AI在兜兜转转中，终于迎来了自己的“元年”了，成为众多新兴技术中的C位，那个憧憬已久的人工智能时代，或许离我们越来越近了。