投资约600万、百亿规模的市场想象空间,这样的“修车大模型”能实现吗?

2023/8/21 13:38:52戴子恒原创专栏

修车大模型经过多阶段的迭代演进,初期可以是类似于ChatGPT技术的语言大模型,辅助提升维修流程的标准化;后期将演化出更多交互能力,比如维修建议、技术纠错等;当然最终结合人工智能,实现人机协同修车,也大有可能。这里面最大的难度不是技术,而是需要“钞能力”。

修车大模型

上年末openAI引领了新一轮IT革命,作为IT与汽修行业老兵,本人亦甚早开始思考如何将汽修技术与大模型结合,进一步提升汽修行业服务质量这个问题。

近期,360周鸿祎说修车大模型可达几十亿年营收,更是引发了行业热议。借此东风,将本人在今年所做的一些调研与思考加以梳理,我的观点是大模型很适合汽修行业。

以下是个人从6个方面发表一些浅显观点,不足之处,还望读者与专家批评斧正。

01、未来人机协同修车?

我们耳熟能详的ChatGPT属于AIGC与LM(大模型)交叉领域之一的LLM语言类大模型)领域。本人将 2C的LM归类为通用大模型,而 2B的LM归类为行业大模型,修车大模型是标准的行业大模型的一种。

通用大模型与行业大模型都是基于大模型“涌现”出的新能力,比如指令跟随、上下文学习、思维链等等。通用大模型更像一个有基本知识、有学习能力的好学生,能做很多事情,但因为存在“幻觉”问题,似乎又难堪大用。他的“脑子”里已经有了基本的语言能力模型和基本的知识库,可以部分和人类一样的思考逻辑去思考和回答你的问题。当你有新的需要时,就需要去“教育”他,让他再学会一门新的知识技能。你一步步教他各种处理逻辑,他就会像你希望的那样不断成长,最终成长为了“行业大模型”!

修车大模型是标准的行业大模型,我对修车大模型的前景充满乐观,想想停车场还有收费员是什么时候,炒菜机器人……

科学技术的迭代不是线性加速的,而是有摩尔定律、缩放定律在起作用的,技术进化越来越快,产品成本越来越低,行业应用也会越来越广,越来越深入。

我理解的修车大模型可能是多模态的,需要经过多阶段的迭代演进,初期可以是类似于ChatGPT技术的语言大模型,辅助提升维修流程的标准化;后期将演化出更多交互能力,比如维修建议、技术纠错等等;当然最终结合人工智能,实现人机协同修车,也大有可能。

02、像训练大工一样训练修车大模型

认知能力(比如知识、经验、流程类)、行为能力(比如工具的正确使用)、感知能力(视觉、听觉、嗅觉、触觉、味觉)贯穿于汽车维修的全流程,这几方面能力的积累与大模型能力形成,有众多相似之处。

比如一位有经验的修车师傅,拥有不需要按照刻板流程去判断故障的能力,这样的能力来源于技能学习、经验积累以及举一反三的思维能力,可以很好地对应到大模型几个学习阶段:

Mask学习阶段,对应基础知识技能的学习;

Instruct学习阶段,对应案例经验的学习;

finetune学习阶段,对应根据具体维修场景的细化提升

而大模型在推理阶段表现出的泛化能力、思维链能力与举一反三能力恰好匹配上。

再比如,为什么4S店师傅修单一车型更快、更专业,而综合修理厂的师傅们似乎什么车都修、但是只能针对普通的常见问题?因为车型的基本构造逻辑一样,但是结构差异化往往很大,不要说维修,拆装的效率差异都很大。

所以,在有限的培养时间内,社会修理厂的大工,往往也是两个类型,要么就是多数车型都熟悉,但是疑难杂症都不熟悉;要么和4S一样,也只是熟悉1~2个擅长的车型。

然后,现实世界中难以解决的矛盾,大模型很擅长处理。我们所熟知的金融大模型、标书大模型、医学大模型等等,只要通过特定语料的训练,就可以具备不同的行业能力。

对于修车大模型,我们也完全可以准备不同车型的维修语料,从而使模型具备特定的能力,这也特别符合大模型中MOE(Mixture of Experts)的设计思想。

那如果我们像训练大工一样训练修车大模型,会得到什么结果?

曾经有一位培训同行跟笔者讲,传统的以师带徒的方式,一个学徒要成长为大工,至少要3~5年时间,因为有很多简单重复的劳动和师傅人为的选择因素。如果让他系统化地培训,1年就能训练出大师傅。当然,我认为这是理想值,理论上他很难提供这么丰富的实操机会和案例给技师快速练手。

但是,修车大模型有一些得天独厚的优势,是人类不能比拟的:

它不会忘!他的知识只会增加,而且他的算力可以基于需要去增加,而人类是靠爹妈造化!所以,好的修车师傅凤毛麟角!

它不用休息!它也不需要打游戏、划水!也不会忽悠你!它还可以让理论上无限制的人去训练它的修车技能!

它有同时做N件事的能力,比如给他一个电路问题,他可以同时检索N个电路相关问题案例及比较电路,而人类得去下载、查阅电路图、理解、思考……还可以查看照片、视频!

举个例子,法系车难修大家都知道,换挡锁死了,师傅不熟悉的按逻辑去排查,很容易判断错误,换了换挡开关、总成之类的折腾,实际上可能是一个保险丝烧了……这种小概率事件,你去问修车大模型,他会根据法系车的特点,让你第一个去查X位置的保险丝。

它为什么能做到?因为它并不是像你百度一个关键字,给你一堆相关的结果,然后需要你自己分析、分拣有用的结果,而是它具备逻辑的推理算法,你给的信息越充分,他推理接近的结果就越准确,它模拟的就是人的思考算法!

03、打造修车大模型的4大挑战

我们需要认识到行业大模型的构建,首先是一个系统的数据工程问题,其次是一个应用工程问题,最后才是大模型相关的技术问题。

修车大模型在实际应用落地中,可以通过人机协同、多系统协同、流程辅助等方式,弥补一些模型自身的短板。修车大模型的潜力巨大,但是目前来看,至少还有四个方面的挑战

(1)它还没有达到人类真正意义上的思考能力,笔者记得有个AI大师,把AI分几个段位:“举一反三”、“触类旁通”和“无中生有”,目前AI还在举一反三段位,而人类是可以触类旁通和无中生有的。

也就是说AIGC修车大模型只能按照教授给他的知识去分析和快速给出判断,没有教授给他的知识,他很难自己灵活创新解决方案。

不过笔者估计,大多数情况下碰不到这类问题,因为汽车的技术迭代整体比较慢,有充分的知识和案例可以支撑大多数问题解决。

(2)前面讲了,AIGC的知识模型,不是通过COPY可以解决的,需要巨大的训练,而训练的成本是超过很多人想象的。它毕竟不是人类,你讲一下,他就触类旁通了,需要复杂、细致的全方位训练,光是训练成本就要用百万去计算。

硬件成本也不是传统的服务器,而是适合AIGC的GPU服务器。这玩意,现在一个8个GPU的 A800服务器就要十几万,一个修车大模型可能需要几十、几百个这玩意,还要加上电力的消耗、巨大存储体系的消耗,不是一个普通的创业企业可以支撑的。

(3)巨大、精准的修车案例大数据进行训练,由于行业特点,存储在销售端的故障和对应的更换配件结果未必是科学的,可能是过度维修的;且销售数据和技术诊断的数据还是有本质区别。那么尽量全面的维修案例数据,目前是分散在主机厂、4S体系的技术团队和各大技术公司,这些数据都是其核心资产,不会轻易拿出来给你训练。

(4)行业断层的设计能力。笔者为什么对这些AI体系比较熟悉,因为笔者从业23年,前16年都在互联网、物联网也就是AI相关行业,一直从事最前沿的、类似智慧城市的方案开发。后7年跨界进入汽车后市场,一直在一线,自己也经营过门店,所以才能了解两个行业该如何结合。

而传统的设计思路是,一个AI行业产品经理,去找汽后行业专家调研,双方很难同频,消化和理解再传递到研发,再传回市场试错迭代,“翻译”成本非常高。

04、新能源车对修车大模型更简单

燃油车和新能源车的本质区别是动力系统,一个是内燃机技术,一个是电机技术;在汽车构造上主要是发动机系统的区别,其他构造也差不多,空调系统、刹车系统、底盘、辅助功能等,只是后者在智能化上的设计更多。

但是对于大模型而言,只是多了几个类型的训练模型而已,相比复杂的燃油车系统,新能源车还是要简单很多。

05、70+亿的市场想象空间

对于汽车后市场来讲,目前最大的问题是什么?

没有了赚钱效应。汽车后市场在经历电商价格冲击、自媒体信息对称的价格战,同时各种运营成本反而不断上升的双向夹击下,已经没有了赚钱效应。

那解决问题的方案目前只剩下一种,降低成本、提升竞争力。要么和手机一样,不断标准化,减少SKU带来的全链条成本——目前电动车正在走这条路。

汽车后市场是一个服务型市场,最高的是什么成本?人力成本!

如果修车大模型和拆装熟练的中工配合,解决一些保养工序熟练、维修定位准确的问题,应该比大多数行业大工的水平更高、失误率更低。

开修理厂的都知道,维保最难的是质检,一旦车辆出厂,只要没有故障码,肉眼外观检查很难发现保养、维修的失误。但是大模型通过阅读主机的数据流,结合试车的声音、震动等传感器的数据采集和分析,可能比经验丰富的大工更容易发现问题,减少返工,实现一次修复率。

目前国内大概70万+修理厂(包括没登记在册的),至少有100万~200万左右机修工。如果修车大模型面向修理厂收费,比如1万/年——是养一位工10%的成本,但是能力强多了,那就是70亿的市场空间

而且后续衍生的生意机会就多了,可以直接对接配件接口,把货都给你订好了,什么故障适合品牌件,什么故障适合原厂件,没有一个师傅比它强,给出的都是最优配置。

然后就进入工序管理:什么时间干什么事,先干啥,后干啥,一步步的安排妥当,维修工时的准确度也更精准,多久配件到,多久能修好,报价也更让车主放心——因为大模型更标准化,更客观。

然后全国连锁业态就更容易了,因为大模型熟悉了技术诊断方案和工序,结合数字化监控,就可以完成对应施工工序的监督,直接给出合理的考核打分,又解决了标准施工培训和考核问题。

可以衍生的技术方向还有很多,也不只是修车,比如贴改色膜你告诉它想要个什么样的风格、颜色的改色,把你车的照片拍给它,它就能给你内外照片级别的效果图,甚至可以让客户的车动起来,看视频效果,再来个车模,是不是很酷?客户消费的意愿是不是大大增强?

06、修车大模型有可能实现么?

答案是,当然有可能。

基于现有大模型的视频、图片、文字的智能化生成技术,结合定向的方向,先完成基础模型搭建(专业说法就是大模型向量数据库的搭建),不是汽修圈理解的案例集、数据库。这个向量数据是什么,可以百度(可能有点烧脑)。

这里面最大的难度不是技术,而是需要“钞能力”,笔者也不知道具体需要多少。

按照大模型圈的说法,训练大模型按1500万~1亿计算。不过笔者理解,这里说的应该是通用大模型,实际上行业模型是企业级的,或者说属于小模型,如果定向去训练,应该不要这么夸张。而且现在训练产品本身迭代速度也很快,应该在400万~600万就可以初步搞出来。

关键的问题来了,谁有兴趣和魄力去搞?

活动推荐

关注AC汽车
最新资讯早知道