商品描述
本書立足於人工智能與汽車產業融合發展的關鍵時期，系統探討了“大模型如何深度重塑智能汽車”的核心命題。近年來，大語言模型正以 的速度變革著信息技術格局，逐步 人工智能邁向通用智能。與此同時，智能汽車也正經歷從“工具”向“智能體”的躍遷。兩大前沿技術交匯融合，正深刻影響整車架構、交互邏輯與用戶體驗。本書圍繞大模型的通用性、跨域遷移能力與推理生成等優勢，詳細解析其如何為智能汽車的感知、決策、交互與協同系統註入新動能。書中既有對底層技術與系統架構的剖析，也涵蓋對實際應用案例與未來趨勢的思考；不僅關註技術實現， 強調對倫理、安全、可控性等關鍵議題的討論。通過本書，讀者將看到一個 具人格化、協作性與適應性的“下一代智能汽車”藍圖。本書適合作為技術科普與指南書籍，服務智能汽車工程師、AI 研究人員、車企戰略規劃者、科技產品經理以及關註人工智能與未來出行融合發展的廣大讀者。
作者簡介
張頌安，本科及碩士研究生畢業於清華大學汽車系，博士畢業於美國密歇根大學安娜堡分校。畢業後，作為研究科學家加入福特汽車公司機器人研究所。2023年回國後，加入上海交通大學溥淵未來技術學院，長期從事自動駕駛決策系統研究，有著豐富的科研基礎。
目錄大綱
前言
第1章 人工智能在汽車領域的應用歷史
1.1 概述
1.1.1 自動駕駛技術的發展歷史
1.1.2 智能座艙技術
1.2 大模型在智能汽車領域的應用前景
1.2.1 自動駕駛系統應用前景
1.2.2 智能座艙應用前景
1.2.3 車輛診斷與運維支持
1.2.4 生態系統與服務創新
1.3 未來展望
第2章 大模型技術概述
2.1 大模型的概念與核心特征
2.2 大模型技術基礎
2.2.1 Transformer架構的引入
2.2.2 大模型的分類
2.2.3 大模型的應用與挑戰
2.3 ChatGPT歷史回顧
2.3.1 ChatGPT的背景
2.3.2 ChatGPT的發展歷程
2.3.3 ChatGPT的深遠影響
2.4 未來發展方向
第3章 多模態大模型簡介
3.1 什麼是多模態大語言模型
3.2 多模態在人工智能領域的興起
3.3 多模態大模型的架構
3.3.1 模態編碼器
3.3.2 LLM基座模型
3.3.3 模態接口
3.4 多模態大模型的訓練範式
3.4.1 預訓練
3.4.2 指令微調
3.4.3 對齊微調
3.5 視覺語言動作模型
第4章 大模型與環境感知
4.1 什麼是感知
4.1.1 傳感器
4.1.2 自動駕駛感知與定位任務
4.2 大語言模型與環境感知
4.2.1 總體概述
4.2.2 視覺基座模型實例
4.2.3 感知模塊實例
4.2.4 生成式模型與自動駕駛感知
4.3 大模型的局限性與未來期望
第5章 大模型與決策控制
5.1 傳統決策方法與局限性
5.1.1 基於規則的方法
5.1.2 傳統控制方法和運動規劃方法
5.1.3 基於學習的方法
5.2 大模型驅動的自動駕駛決策設計
5.2.1 串聯式
5.2.2 並聯式
5.3 決策大模型的數據預處理
5.4 決策大模型部署的當前局限性與挑戰
5.5 決策大模型的未來趨勢與研究方向
第6章 大語言模型驅動下的端到端自動駕駛
6.1 端到端自動駕駛與大語言模型協同演進
6.2 當前研究現狀與未來發展趨勢
6.3 技術瓶頸與倫理考量
第7章 大模型技術與智能座艙的融合基礎
7.1 智能座艙的演變與現狀
7.1.1 智能座艙概述
7.1.2 汽車座艙的發展演變
7.2 大模型驅動的智能語音交互
7.2.1 語音交互概述
7.2.2 以阿裏FunAudioLLM為例簡談與大模型語音交互
7.3 大模型輔助的智能信息推送與娛樂服務
7.3.1 用戶畫像的塑造及智能推薦
7.3.2 大模型驅動的影視音樂推薦生成創作
第8章 智能座艙創新實踐及展望
8.1 個性化駕駛體驗設計
8.1.1 針對不同消費人群進行個性化設計
8.1.2 打造乘客專屬的個性化數字內容
8.2 多模態交互與語音助手升級
8.2.1 多模態融合技術賦能智能座艙
8.2.2 語音助手升級
8.3 智能座艙的主動學習與自我優化
8.3.1 數據驅動的疊代改進
8.3.2 由被動的訓練更疊轉向主動的交互學習
第9章 大模型在需求工程中的應用
9.1 需求工程概述
9.2 大模型在生成需求文檔中的應用
9.2.1 需求文檔介紹
9.2.2 大模型用於需求文檔生成
9.3 大模型在生成測試用例中的應用
9.3.1 測試用例介紹
9.3.2 大模型用於生成測試用例
第10章 大模型輔助的代碼生成與優化
10.1 基於大模型的代碼自動生成技術
10.1.1 傳統自動代碼生成介紹
10.1.2 大模型生成代碼介紹
10.2 代碼風格與質量的智能評估與優化
10.2.1 認識代碼風格與質量
10.2.2 大模型驅動的代碼風格與質量評估優化
10.3 大模型在軟件測試中的角色
10.3.1 大模型賦能軟件測試
10.3.2 大模型智能錯誤識別和調試
後記
參考文獻
