在中国汽车行业的瞩目盛事——2025中国汽车论坛上，一场聚焦“智数赋能，‘智’检之道”的主题论坛于7月12日在上海嘉定精彩上演。此次论坛汇聚了众多行业精英，共同探讨智能科技如何为汽车测试及产业发展注入新动力。
同济大学计算机学院教授宋井宽，作为“杰青项目”的杰出代表，受邀发表了题为“多模态大模型前沿及在汽车行业应用”的演讲。宋教授的演讲不仅紧扣论坛主题，更因多模态大模型在当下的热门地位和广泛应用前景而备受瞩目。
宋井宽首先阐述了多模态大模型的基本概念，指出这是一种能够处理图像、视频、文本、音频等多种类型数据的AI模型。通过整合网络上多模态的数据，多模态大模型有望实现类人的多模态感知与认知，推动计算机视觉、语言处理等多个领域的协同发展。他进一步列举了多模态大模型发展的里程碑事件，从ChatGPT的横空出世到GPT-4V、Sora、GPT-4o以及国产Deepseek的出现，标志着大模型的竞争已从语言模型转向了多模态模型。
谈及多模态大模型为何能引发广泛关注，宋井宽表示，这得益于其在各行各业的广泛应用场景。例如，Med-Gemini在医学诊断中的应用、Face大模型在人机交互中的赋能、盘古大模型在工业服务中的贡献等。多模态大模型正逐步实现智能赋能千行百业，展现出巨大的潜力和价值。
为了更深入地理解多模态大模型，宋井宽还展示了一张技术全景图，涵盖了数据、技术、应用三个层面。他强调，数据收集与关联、模态架构与优化算法是多模态大模型构建的关键。而多模态对话、跨模态生成以及具身智能等应用场景，则展示了多模态大模型的广泛应用潜力。
在探讨多模态大模型的发展趋势时，宋井宽指出了任务统一、推理增强和主动交互三个重要方向。他解释说，任务统一旨在将理解和生成任务进行融合，实现更高层次的任务协同；推理增强则要求模型不仅能给出答案，还能展示推理过程，提高复杂场景的处理能力；而主动交互则意味着多模态大模型能够在复杂环境中进行交互，具备自主行动和决策能力。
宋井宽还分享了同济大学团队在多模态大模型方向的研究成果，包括以人为中心的视觉分析、场景图生成、通用多模态大模型改进、生成图像视频以及AI的安全学习能力等。这些成果在推荐系统、行业大模型构建、本地化部署以及智能法律平台等多个领域得到了实际应用。
随后，宋井宽将话题转向了汽车行业，探讨了多模态大模型在该领域的应用前景。他引用了福特和沃尔沃公司首席信息官的观点，强调了人工智能在智能驾驶、员工体验、供应链风险识别、车辆预测性维护以及汽车制造和销售等方面的重要作用。接着，他详细阐述了人工智能在汽车测试行业的四大应用场景：智能化场景生成与安全测试、预测性维护与健康管理、边缘智能与车联网以及虚拟测试与数字孪生。
以智能化场景生成与安全测试为例，宋井宽介绍了AI驱动的自动驾驶安全自主测试系统，该系统利用机器学习与仿真技术在虚拟环境中大规模、自动化地创建和执行汽车安全测试用例。通过AIGC生成方式，该系统能够生成更多测试用例，提高测试效率并降低成本。而在预测性维护与健康管理方面，AI则能够通过预测分析实现主动预警和精准预测，提升设备的可靠性和维护效率。
边缘智能与车联网的结合为智能驾驶提供了低延时的本地决策能力，而虚拟测试与数字孪生技术则通过创建车辆的高保真虚拟模型实现了快速迭代和精准监控。宋井宽以智能电池管理系统为例，展示了数字孪生在电动汽车安全性与续航能力提升方面的应用成果。
宋井宽的演讲不仅为与会者提供了关于多模态大模型前沿进展的深入了解，更为汽车行业如何利用智能科技推动高质量发展提供了宝贵思路。随着智能科技的不断发展，相信多模态大模型将在汽车行业发挥越来越重要的作用。
