你听说过嘛，就在1994年，电装居然把二维码给发明出来了，后来还免费公布出来给大家用呢。这家公司可是全球顶尖的汽车零部件生产商，你看美国《财富》杂志公布的2025年世界500强排行榜里，电装都排到了第325名呢。虽然现在大家都在盯着自动驾驶，不过电装可是一直把精力都放在电动化和智能网联这些技术上，就是为了给咱们的汽车行业解决问题。话说回来，就在中国这边，电装早在1994年就在烟台成立了第一个合资公司。后来到了2003年，他们又把统括公司电装（中国）投资有限公司给建起来了，现在国内有30多家关联企业在干活。 这次呢，他们把重心放在了用生成式AI来提升驾驶辅助系统（ADAS）的能力上。你看现在的车吧，智能技术发展得这么快，ADAS已经不再是单纯的识别目标那么简单了。人家现在都要能看懂复杂的交通场景，甚至还要提前预判风险。这几年生成式人工智能（Generative AI）和视觉语言模型（VLM）发展得那么快，正好给车辆环境感知提供了新的路子。所以电装就开始推进相关技术开发，想通过这个AI来让ADAS在识别道路风险方面更上一层楼。 你想啊，在真实的道路上，交通风险其实并不总是一眼就能看见的。比如咱们平时开车经过路口时，虽然能看到前面有辆车和旁边有行人，但这车是不是要并线、行人是不是突然要过马路，这些还真不好说。传统的视觉识别模型确实能把车和人给检测出来，分类也做得不错。不过要说到理解整个场景里的语义关系，还有提升的空间呢。 为了解决这个问题啊，电装就在技术开发时引入了生成式AI模型。他们把图像信息跟语言理解能力结合起来，对交通场景进行更深入的分析。具体怎么操作呢？团队是把风险识别分成了两个层面来看。第一是显性风险识别，就是直接看图像里出现的交通参与者是什么状态；第二是潜在风险预测，要结合环境来猜一猜会不会有遮挡或者合流之类的突发情况。 这个模型不光要识别东西，还要用自然语言把风险类型和原因描述出来，然后生成相应的驾驶提示策略。这样一来系统就能在传统视觉识别的基础上更进一步理解场景里的逻辑关系了。 为了测试模型到底行不行啊，电装还对多种生成式AI进行了评估。他们还用基准数据集做对比测试发现呢，光靠词序匹配和词频统计这些老法子已经没法准确衡量语义理解了。所以他们就引入了基于语义相似度的评估方法来衡量生成内容跟场景描述有多一致。 为了让数据质量更高一点嘛，研究团队还邀请了好几个人一起来描述同一交通场景的信息。通过综合这些不同的表达方式中的共同点来建立参考标准。 最后啊为了把算法用在车上还得优化一下。毕竟车载系统在计算资源和功耗方面有特殊要求啊。电装就通过模型量化等手段让AI模型适应车载SoC的运行环境还把处理效率和稳定性都给验证了一遍。 这样一来啊生成式AI跟视觉识别结合起来就给驾驶辅助系统提供了新的技术方向啦。在这么复杂的交通环境里很多潜在风险藏得很深呢！把识别目标变成理解场景再预测风险正在成为新的发展方向呢！通过把生成式AI跟视觉识别结合起来电装正在研发更接近人类驾驶经验的风险识别方法哦！ 这种方法不光能识别道路上的参与者还能提前预判潜在风险啦！希望能给咱们创造出更安心的移动出行环境！