9月20日杭州云棲大會消息， NVIDIA DRIVE Orin系統(tǒng)級芯片實現(xiàn)了與阿里云通義千問多模態(tài)大模型Qwen2-VL的深度適配。阿里云、斑馬智行聯(lián)合NVIDIA英偉達推出艙駕融合大模型解決方案，基于通義大模型開發(fā)“能聽會看”的智能座艙助理，讓車內(nèi)人員通過語音交流就能操作座艙內(nèi)的各類應(yīng)用，享受極致豐富的交互體驗。
AI大模型正在引領(lǐng)新一輪產(chǎn)業(yè)變革，汽車行業(yè)是最受關(guān)注的大模型應(yīng)用領(lǐng)域之一。作為“大模型上車”的重要切入點，汽車座艙的智能進化廣受期待。大模型接入智能座艙，有望為乘客提供座艙環(huán)境控制、車內(nèi)休閑娛樂、駕駛行為監(jiān)測等擬人化的服務(wù)。
通義大模型的智能座艙解決方案，能為座艙配備一位具備感知、思考、決策能力的“智能助理”，它不僅能觀察理解用戶的語音、手勢，還能根據(jù)環(huán)境信息和常識判斷做出自主決策。乘客無需物理按鍵，只要動動嘴巴，就能讓智能助理完成各種任務(wù)。
這個解決方案以通義大模型為“大腦”，集成了通義大語言模型Qwen2-7B和通義多模態(tài)模型Qwen2-VL。Qwen2-VL是阿里通義實驗室研發(fā)的新一代視覺語言模型，具備業(yè)界最強的圖片識別能力和視覺智能體能力，在多個國際權(quán)威測評中創(chuàng)下同等尺寸最優(yōu)成績。Qwen2-VL的2B和7B參數(shù)模型因其性能和尺寸的“極致性價比”，尤其適合汽車等端側(cè)場景。同時，通義實驗室最新發(fā)布的 Mobile Agent V3 首次落地汽車座艙場景，提供座艙屏幕感知、復(fù)雜任務(wù)規(guī)劃以及座艙應(yīng)用 UI的操作決策能力，大大擴展座艙智能助理的能力邊界。
跑在NVIDIA DRIVE Orin芯片上的Qwen-VL，可以自動識別右側(cè)畫面信息，并回答用戶的提問，如“我可以在這停車嗎？”
本次解決方案基于端云一體架構(gòu)，端側(cè)通義大模型經(jīng)NVIDIA 英偉達自動駕駛和座艙芯片NVIDIA DRIVE Orin加速。NVIDIA英偉達提供了強大的芯片適配技術(shù)支持，通過優(yōu)化GPU 架構(gòu)和驅(qū)動軟件，確保充分發(fā)揮大模型的性能潛力。NVIDIA的模型加速技術(shù)有效降低了大模型在實時處理復(fù)雜任務(wù)時的計算成本和時間延遲，為用戶創(chuàng)造了流暢無阻的智能體驗。未來，通義大模型還將采用 NVIDIA DRIVE Thor新一代集中式車載計算平臺。
阿里旗下的智能出行解決方案提供商斑馬智行，為艙駕融合多模態(tài)大模型解決方案的落地提供了工程環(huán)境，將大模型能力絲滑嵌入汽車座艙、匹配用戶操作習(xí)慣。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
