在新能源、自動駕駛及人工智能技術的推動下，汽車行業(yè)正經歷著前所未有的智能化變革。作為技術創(chuàng)新的前沿陣地，汽車行業(yè)正積極擁抱大語言模型，如GPT系列，加速行業(yè)的數字化轉型步伐。

人工智能已深刻重塑了互聯(lián)網領域，為用戶帶來更加便捷、高效及個性化的服務體驗。而在被譽為人工智能領域“皇冠明珠”的大模型技術上，其在汽車領域的應用價值和潛力同樣引人矚目。面對這一趨勢，ITPUB有幸邀請到某汽車集團的林琳林老師，就大模型在汽車行業(yè)的運用、運籌優(yōu)化的實踐場景、團隊架構及未來發(fā)展方向等話題進行了深入探討。

林琳林老師自2011年從復旦大學基礎數學專業(yè)碩士畢業(yè)后，便投身于數據分析與人工智能領域，從早期的銷量預測、庫存優(yōu)化，到后期的機加工工藝優(yōu)化、長期型譜規(guī)劃及物流調度等，參與并見證了國內AI技術的蓬勃發(fā)展。近三年來，林老師更是專注于大語言模型的部署與應用。

談及運籌優(yōu)化在汽車行業(yè)的應用，林老師表示，作為高端制造業(yè)，汽車行業(yè)為運籌優(yōu)化技術提供了廣闊的應用舞臺。從產品規(guī)劃、生產排產到智能調度、庫存及物流優(yōu)化，運籌優(yōu)化技術無處不在。以發(fā)動機機加工方案為例，傳統(tǒng)手工編排需耗費數月時間，且結果僅為可行解，而通過建立數學模型求解，可大幅降低編排工作量，并求得最優(yōu)解。

林老師強調，成功實施運籌優(yōu)化項目并非易事，需業(yè)務部門勇于改變、建模工程師具備量身定制模型的能力，以及雙方緊密合作，共同為結果負責。同時，運籌優(yōu)化項目可分為戰(zhàn)略、計劃及執(zhí)行三個層級，分別對應汽車行業(yè)的不同應用場景，各層級在優(yōu)化目標和時效性要求上各有側重。

在運籌優(yōu)化的背景下，有序OMTSP問題因其廣泛的應用場景而備受關注。林老師分享道，在工藝加工等場景中，加工步驟的順序性及多樣性使得有序OMTSP問題尤為突出。通過采用蟻群算法并結合具體場景的參數調整及規(guī)則判斷，可求得更優(yōu)解，優(yōu)于傳統(tǒng)算法或人工編排。

談及大語言模型對汽車行業(yè)的影響，林老師指出，大模型主要作用于語義理解與語言生成場景，如智能座艙、客戶支持與售后等。智能座艙可執(zhí)行基本命令、通過語音控制車輛內部系統(tǒng)，甚至作為多功能AI助手豐富娛樂體驗。同時，大模型還可協(xié)助坐席人員處理客戶咨詢，提升服務效率。在車輛設計與系統(tǒng)研發(fā)領域，大模型則需經過針對性微調或訓練才能發(fā)揮作用。

關于FAQ問答機器人的實踐探索，林老師分享了關鍵發(fā)現及準確率提升策略。在大模型出現前，FAQ問答機器人主要通過維護FAQ及語義相似匹配實現問答，但泛化能力與語義理解能力有限。隨著大模型的引入，經過微調并結合prompt的實驗取得了顯著改善。利用RAG策略結合自有知識庫相似度匹配及微調大模型，進一步提升了效果。目前，隨著模型能力的增強，通過RAG與prompt即可實現良好效果。

在保障大模型可控性方面，林老師介紹了RAG策略的實施方法。大模型的幻覺大小與模型能力、參數設置、prompt及知識庫質量等因素相關。因此，可采用更強能力的模型、調整溫度參數、優(yōu)化prompt及提升知識庫質量等方法緩解幻覺。同時，利用推理型大模型通過驗證、反思及檢驗過程提升輸出結果的可控性。

展望未來，林老師認為，隨著Deep Seek R1/V3的開源，汽車行業(yè)將迎來更多機遇，大模型應用場景的成本與門檻將降低，但產品迭代速度將加快，要求企業(yè)提升交付效率。在模型服務方面，應關注多模態(tài)大模型、端側模型及未來世界模型的發(fā)展。同時，實施大語言模型需具備一定的技術儲備與團隊配置，包括模型服務人員、應用團隊及指導團隊等。

對于大模型引發(fā)的就業(yè)焦慮，林老師表示，看到大模型重要性的人值得肯定，但不必過度焦慮。應找到合適場景應用大模型，而非盲目跟風。作為數據分析人員，可利用大模型提高代碼編寫、技術報告總結等工作效率。關鍵在于思維方式的轉變，學會利用大模型提升工作效能。

林老師還強調了運籌優(yōu)化項目團隊配置與人員技能要求的重要性。建模人員需具備良好的需求溝通與挖掘能力，而需求溝通角色則需了解建模技術，明確溝通方向及優(yōu)化目標與約束條件。

在采訪的最后，林老師分享了自己對汽車行業(yè)未來的展望。她認為，隨著技術的不斷進步，汽車行業(yè)將迎來更多創(chuàng)新與應用，為企業(yè)帶來前所未有的發(fā)展機遇。