《数字经济洞察周报》2024年第2期 |智谱AI技术开放日发布GLM-4大模型 原创

重要发布

智谱AI技术开放日发布GLM-4大模型

图片来源：智谱AI技术开放日

智谱AI源自清华技术成果，于2019年成立，2020年开始专注大模型算法研究，在过去几年中All in大模型。2021年9月设计GLM算法，发布拥有自主知识产权的开源百亿大模型GLM-10B；2022年8月，发布并开源高精度千亿模型GLM-130B，效果对标GPT-3；同年9月，发布代码生成模型CodeGeeX，10月发布开源的语言预训练模型mGLM-1B；2023年3月，发布千亿基座的对话模型ChatGLM，5月发布开源多模态对话模型CogVLM，6月发布全面升级的ChatGLM2模型矩阵，8月正式上线国内首批通过备案的大模型产品：AI生成式助手“智谱清言”，10月发布全面升级的ChatGLM3模型及相关系列产品。

图片来源：智谱AI技术开放日

智谱原创开源千亿基座大模型GLM系列模型，对标GPT系列模型。由于国内研究开发起步较晚，加之算力和数据的差距，与世界先进水平存在一年左右的差距。但智谱AI自成立以来， 始终致力于打造新一代认知智能大模型，从超大规模预训练模型算法，到几十亿、几百亿甚至千亿级的模型，不断提升大模型的性能，并逐步探索实现大模型规模化产业应用的落地。其自研的GLM系列模型全面开源，针对不同客户群体需求，提供不同的商业化解决方案，合作伙伴范围覆盖不同产业行业，不断推进大模型的产业化落地。

图片来源：智谱AI技术开放日

智谱AI在此次DevDay活动中发布了新一代基座大模型：GLM-4。相较于GLM-3，性能全面提升60%，在基础能力上实现大幅升级，整体水平已接近GPT-4。并且开发了一系列模型，打造全栈大模型生态，覆盖文生图、代码生成等多个领域。

图片来源：智谱AI技术开放日

在基础能力方面，GLM-4逼近GPT-4，尤其是在中文的对齐能力上，GLM-4在专业能力、中文理解、基本任务、数学计算、文本写作等多个功能上均已超过GPT-4，且总分是GPT-4的105%。

图片来源：智谱AI技术开放日

相比于上一代产品，GLM-4能够处理更长上下文，长文本能力从32K扩展至128K，并且能够实现“大海捞针”128K以内全绿，做到100%精度召回。这意味着在单次提示词中，可处理文本达到了300页。同时，智谱AI团队完美解决了长上下文全局信息因失焦而导致的精度下降问题，因此模型的效果和精度并没有下降。

图片来源：智谱AI技术开放日

GLM-4支持更强的多模态，尤其是文生图的功能得到增强，全新推出的CogView3，其综合效果明显超过开源最佳的SDXL，逼近OpenAI最新发布的DALLE 3。在对齐、安全、保真等各个维度，性能水平上平均可达到DALLE 3的95%。CogView3的语义理解能力得到大幅增强，能够理解鱼眼镜头等专业词汇，并且在复杂的prompt中，模型的正确率也很高，还能理解放大镜蕴含的逻辑作用。

图片来源：智谱AI技术开放日

除常规的单项模型基础能力提升之外，智谱AI此次还发布了GLM-4 All Tools。可以实现自主根据用户意图，自动理解、规划复杂指令，自由调用WebGLM搜索增强、Code Interpreter代码解释器和多模态生成能力以完成复杂任务。也就是说，只需要一个指令，GLM-4 All Tools便可以自主选择调用合适的工具，包括文生图、代码解释器、网页浏览等，完成高难度任务。

图片来源：智谱AI技术开放日

在文生图方面，GLM-4 All Tools可以很好地结合上下文语境进行AI绘画创作，不仅能够突出画面主角，还能通过背景虚化等方式表现出跑得更快。

图片来源：智谱AI技术开放日

All Tools内嵌了代码解释器，通过自动调用python解释器，进行复杂方程、微积分等复杂计算，同时自动写出求解代码，在GSM8K、MATH、Math23K数据集上几乎与GPT-4 All Tools的性能持平。除数学问题之外，All Tools的代码解释器还可以完成文件处理、数据分析、图表绘制等复杂任务，支持处理的文件格式包括Excel、PDF以及PPT等，模型不仅能够自动生成PPT大纲，还能调用代码，生成相应的PPT文件。

图片来源：智谱AI技术开放日

All Tools可以实现更高级的网页浏览，能够自行规划检索任务、自行选择信息源、自行与信息源交互，准确率已超GPT4。在实际应用中，模型可以根据问题自动进行两次搜索。

图片来源：智谱AI技术开放日

Function Call是指根据用户提供的function描述，自动选择所需function并生成参数，以及根据function的返回值生成回复。All Tools支持一次输入进行多次function调用，支持包含中文及特殊符号的function名字，能力已和GPT4基本持平。

图片来源：智谱AI技术开放日

All Tools可以轻松实现多工具自动调用。例如通过调用网页浏览和CogView3，可以在联网检索回答出智谱2024 DevDay的宣传语是什么的基础上，生成符合意境的图片；还可以通过调用网页浏览和代码解释器，查找数据并生成代码绘制图表进行可视化。

图片来源：智谱AI技术开放日

在此次智谱技术开放日中，智谱AI上线了GLMs，在产品上全面持续对标OpenAI。作为定制化个人GLM大模型，用户可以创建属于自己的智能体，无代码基础也可以进行模型开发，让每个人都可以成为开发者。

图片来源：智谱AI技术开放日

智谱AI通过将此次DevDay的相关信息作为外部数据库，构建了定制的GLMs：智谱DevDay。打开智谱清言，进入智谱DevDay智能体，就可以询问此次智谱DevDay的活动日程、主题演讲等大会事宜，还可以询问智谱AI的公司使命，甚至现场演讲的PPT也在智能体上公开，通过询问智谱DevDay就可以获得下载链接。GLMs降低了大模型的开发门槛和使用门槛，可以让更多的人参与进来，甚至是没有代码基础的人，从而为AI大模型的广泛落地铺平道路。

 

从大语言模型到通用人工智能

清华大学计算机系、清华大学人工智能研究院 张钹

在本次的智谱AI技术开放日中，清华大学张钹教授做了从大语言模型到通用人工智能的主题演讲。张教授的演讲围绕三个方面展开：首先是如何从大语言模型（LLM）走到通用人工智能（AGI），其次是LLM对产业和职业会产生什么影响，最后是关于人工智能产业的思考。

大语言模型的四个特征表现为三大能力和一大缺点。三大能力是指强大的生成能力、强大的迁移（推广）能力、强大的交互能力，而一大缺点是指大模型的幻觉问题。强大的语言生成能力：基于上下文和过去的对话，能够生成多样性令人惊讶的连贯的类似人类的文本。强大的迁移能力：在代理任务上训练一个模型，适配到感兴趣的下游任务。幻觉：有时会生成看似合理的编造的或无意义的答案。

从大语言模型（LLM）到通用人工智能（AGI）之路需要经过三步。第一步是机器如何生成语言？在这一过程中需要进行预训练、推理和对齐。大语言模型已实现三项技术突破：1）一个巨大的人工神经网络（转换器，transformer）；2）巨大的训练文本，文本语义向量（张量）表示的预训练；3）自监督学习。通过构造连续向量的语义空间（LLM+AI alignment），利用通用语言生成基础模型，使得机器能够像人类一样思考，极度降低错误率。目前大语言模型基于上下文和过去的对话，几乎能够回答任何一个自然语言的问题，实现生成人类水平的文本和实现人机自然语言对话两大突破。

传统（第一、二代）AI的范式是在特定领域，利用特定算法与规则去完成特定的任务。而生成式（第三代）AI的范式是基于一种称为基础模型的通用模型，可以生成类似于人类水平的高质量文本、图像和其他内容，并且可以适配于广泛的下游任务。我们目前正在向第三代人工智能迈进，证明人工智能行为主义的道路走得通。

图片来源：智谱AI技术开放日

第二步是AI智能体。与数字世界进行交互，必须做好两件事：第一是使其能够接受多模态，解决感知问题，形成闭环；第二是提高其交互能力，尤其是与外部工具和环境（数字）的交互，可以理解复杂指令、制定规划、执行并达到预定目标，并且能够有反馈，从而更好地帮助人类解决问题。目前GPT4已具备复杂的推理能力和问题求解能力。

图片来源：智谱AI技术开放日

第三步是具身智能，从和数字世界打交道转变为和物理世界打交道，需要构造非常完整的智能体，能够像人类一样感知、行动，但不一定非要设计成人形。在向通用机器人迈进的过程中，需要强化学习，并且需要从外部驱动变成内部驱动。

图片来源：智谱AI技术开放日

根据高盛全球投资研究（2023.3）的相关研究，人工智能的采用在全球范围内推动年生产率的增长，人工智能推动经济发展的趋势是必然的，因此发展人工智能是大道理。同时AI推动了产业变革，但对于各行业的影响不尽相同。有一部分行业，例如建设、维护、安装等不容易被自动化和智能化替代；而行政、管理、法律则有相当一部分会被代替，比例大约为1/3；其他行业会介于二者之间，就是人和机器共同完成工作。

图片来源：智谱AI技术开放日

LLM仍存在一定的局限性，即大模型所有工作都是需要通过外部提示的，用概率预测的方法来完成，而人的所有行为都是在内部意识或意图的控制下完成的，因此LLM生成语言与人类语言生成只是具有行为上的相似性，而内在机制存在根本不同。目前LLM面临三个天花板：首先是质量不可控，其次是结果不可信，最后是不鲁棒，其输出非常受到提示词的影响。LLM有三种不同的工作模式：辅助、部分自主、完全自主。

 

如何回答大模型这道必答题？-圆桌论坛

德勤中国首席数字官 范为；君联资本总裁 李家庆；

百图生科首席科学家 宋乐；360集团首席运营官 叶健

1. 在大模型方面，我国与国外存在哪些差距？

在这一问题上，四位不同领域的专家看法较为一致。德勤中国首席数字官范为以智谱GLM和GPT-4的对比为例，说明了我国大模型与国际的差距在几个月之内迅速缩小，智谱GLM的某些功能甚至已经超越GPT-4的现有功能。君联资本总裁李家庆认为我国大模型在基础能力上与国际水平有较小的差距，且和一年前相比，差距在逐渐缩小。我国大模型的基本方向是对的，因此长期来看基础能力上差距并不大，但不存在绝对的输赢问题，生态和场景落地比较重要，在这方面我国与国际的差距较大，即这一差距不是智谱和OpenAI两家公司或两个产品技术之间的差距，更多是国内和海外生态环境的差异。百图生科首席科学家宋乐认为我国在通用AI大模型的技术层面做了很多追赶，很多技术点已经接近，甚至在某些垂直落地领域比国外更加先进，例如生物医疗领域。360集团首席运营官叶健认为，以智谱为代表的通用大模型在不断缩小与国际的差距，其认为在未来的中国，大模型还是会以垂直类型为主，而通用大模型是少数玩家。

2. 大模型应用短期是否会爆发？

360集团首席运营官叶健将大模型的发展总结为“度日如年”，以表现大模型发展的日新月异。360最近也在All In大模型，其提到“小切口大纵深”，不能高估大模型在提高生产力方面的能力，但也不能低估其潜在能力。百图生科首席科学家宋乐认为评价大模型有非常多的维度，去年已经看到大模型在某种意义上的爆发，也可以看到大模型可以服务的场景非常多样化，例如生命科学助手，通用大模型和垂类大模型的发展仍有很长的路要走，但应该齐头并进，从而覆盖更多行业更多领域的变革，这一时间可能会超过一年。君联资本总裁李家庆从投资和产业两个角度对这一问题进行了阐述，因为投资和产业的周期不同。从投资的角度来看，这一两年大模型本身的产业基础设施、对于未来的潜在影响，以及在大方向上的基本格局已经形成。但从产业的角度来看，还需要磨合和准备阶段，大概需要三年时间，在这一期间不能简单地用成本效率来考虑大模型的产业发展。德勤中国首席数字官范为提到目前对于爆发的定义不一致。对于企业来说，怎么结合技术寻找增长点、怎么围绕技术转变运营模式是比较重要的。因为技术本身不是技能，而是战术，可以给企业带来新的思维。其认为大模型发展从点到面的转换需要几年时间，但现在已经爆发。

3. 大模型只是工具，还是其可以带来革命性的效果？

君联资本总裁李家庆认为目前更多关注的是大模型所带来的降本增效问题，但随着时间的推移以及技术和生态的不断完善，大模型会持续迭代，变成资产形成和养成的过程，而不仅只是一般的投资所遇到的工具。使用或研发大模型，是一个资产形成的过程，在用各种参数和数据训练大模型的过程中，大模型已经逐渐具备资产属性，因此要用一种投资性的概念来看待大模型。大模型本身是数字资产，不是简单的代码价值，由于其已具备了一定能力，因此不能用简单的成本效率来考虑大模型的发展问题。如何伴随大模型成长，到一定程度完成企业自身的转型是企业目前应该考虑的问题。由于大模型的资产属性，中国必须要有自己的标准，如果不参与这一标准的制定，那就丧失了对于整个市场面向未来的定义和定价权利。德勤中国首席数字官范为则认为在短期降本增效应该拆开看，即大模型在C端肯定能增效，即促进个人产能的提升，但不一定会降本。

 

行业政策

工业和信息化部科技司发布《国家人工智能产业综合标准化体系建设指南》（征求意见稿）

1月17日，为深入贯彻落实党中央、国务院关于加快发展人工智能的部署要求，贯彻落实《国家标准化发展纲要》《全球人工智能治理倡议》，进一步加强人工智能标准化工作系统谋划，加快构建满足人工智能产业高质量发展需求的标准体系，更好发挥标准对推动技术进步、促进企业发展、引领产业升级、保障产业安全的支撑作用，充分发挥标准对人工智能产业高质量发展的引领作用，工业和信息化部科技司制定《国家人工智能产业综合标准化体系建设指南》。

以下为政策主要内容：

二、 总体要求

（二）建设目标

到 2026 年，共性关键技术和应用开发类计划项目形成标准成果的比例达到 60％以上，标准与产业科技创新的联动水平持续提升。新制定国家标准和行业标准 50 项以上，推动人工智能产业高质量发展的标准体系加快形成。开展标准宣贯和实施推广的企业超过 1000 家，标准服务企业创新发展的成效更加凸显。参与制定国际标准 20 项以上，促进人工智能产业全球化发展。

三、建设思路

（一）人工智能标准体系结构

人工智能标准体系结构包括基础共性、基础支撑、关键技术、智能产品与服务、行业应用、安全/治理等6个部分，如图所示。其中，基础共性标准是人工智能的基础性、框架性、总体性标准。基础支撑标准主要规范数据、算力、算法等技术要求，为人工智能产业发展夯实技术底座。关键技术标准主要规范人工智能文本、语音、图像，以及人机混合增强智能、智能体、跨媒体智能、具身智能等领域技术，推动人工智能技术研发与创新应用。智能产品与服务标准主要规范由人工智能技术形成的智能产品和服务模式，行业应用标准主要规范人工智能赋能各行业的技术要求，为人工智能赋能行业应用，推动产业智能化发展提供技术保障。安全/治理标准主要规范人工智能安全、治理等要求，为人工智能产业发展提供安全保障。

人工智能标准体系结构图

图片来源：《国家人工智能产业综合标准化体系建设指南》（征求意见稿）

（二）人工智能标准体系框架

人工智能标准体系框架主要由基础共性、基础支撑、关键技术、智能产品与服务、行业应用、安全/治理等6个部分组成，如图所示。

人工智能标准体系框架图

图片来源：《国家人工智能产业综合标准化体系建设指南》（征求意见稿）

四、重点方向

（一）基础共性标准

基础共性标准主要规范人工智能术语、参考架构、测试评估、管理、可持续等内容。

1. 术语标准。规范人工智能相关技术、应用的概念定义，为其他标准的制定和人工智能研究提供参考，包括人工智能术语相关定义、范畴、实例等标准。

2. 参考架构标准。规范人工智能相关技术、应用及系统的逻辑关系和相互作用，包括人工智能参考架构、人工智能系统生命周期及利益相关方等标准。

3. 测试评估标准。规范人工智能技术发展的成熟度、人工智能体系架构之间的适配度、行业发展水平、企业能力等方面的测试及评估的指标要求，包括与人工智能相关的服务能力成熟度评估，人工智能通用性测试指南、评估原则和等级要求，企业能力框架及测评要求等标准。

4. 管理标准。规范人工智能技术、产品、系统或服务等全生命周期涉及的人员、组织管理要求及评价，包括面向人工智能组织的管理要求，人工智能管理体系、分类方法、评级流程等标准。
5. 可持续标准。规范人工智能影响环境的技术框架、方法和指标，平衡产业发展与环境保护，包括促进生态可持续的人工智能软件开源基础框架，人工智能系统能效评价，人工智能与水资源利用、碳排放、废弃部件处置等标准。

（二）基础支撑标准

基础支撑标准主要包括基础数据服务、智能芯片、智能传感器、计算设备、算力中心、系统软件、开发框架、软硬件协同等部分。

1. 基础数据服务标准。规范人工智能研发、测试、应用等过程中涉及数据服务的要求，包括数据标注、数据治理、数据质量等标准。

2. 智能芯片标准。规范智能芯片相关的通用技术要求，包括智能芯片架构、指令集、统一编程接口及相关测试要求，芯片数据格式和协议等标准。

3. 智能传感器标准。规范单模态、多模态新型传感器的接口协议、性能评定、试验方法等技术要求，包括智能传感器的架构、指令、数据格式、信息提取方法、信息融合方法、功能集成方法、性能指标及评价方法等标准。

4. 计算设备标准。规范人工智能加速板卡、人工智能加速模组、人工智能服务器等计算设备，及其使能软件的技术管理要求和测试方法，包括人工智能计算设备虚拟化方法，人工智能加速模组接口协议和测试方法，及其使能软件的访问协议、功能、性能、能效的测试方法和运行维护要求等标准。

5. 算力中心标准。规范面向人工智能的大规模计算集群、新型数据中心、智算中心、算力网络等基础设施的技术要求和评估方法，包括基础设施参考架构、计算能力评估、技术要求、稳定性要求和业务服务接口等标准。

6. 系统软件标准。规范人工智能系统层的软硬件技术要求，包括软硬件编译器架构及优化方法、人工智能算子库、芯片软件运行时库及调试工具、人工智能软硬件平台计算性能等标准。

7. 开发框架标准。规范人工智能开发框架相关的技术要求，包括开发框架的功能要求，与应用系统之间的接口协议、神经网络模型表达和压缩等标准。

8. 软硬件协同标准。规范智能芯片、计算设备等硬件与系统软件、开发框架等软件之间的适配要求，包括智能芯片与开发框架的适配要求、人工智能计算任务调度、分布式计算等软硬件协同任务的交互协议、执行效率和协同性能等标准。

（三）关键技术标准

关键技术标准主要包括机器学习、知识图谱、大模型、自然语言处理、智能语音、计算机视觉、生物特征识别、人机混合增强智能、智能体、群体智能、跨媒体智能、具身智能等部分。

1. 机器学习标准。规范机器学习的训练数据、数据预处理、模型表达和格式、模型效果评价等，包括自监督学习、无监督学习、半监督学习、深度学习和强化学习等标准。

2. 知识图谱标准。规范知识图谱的描述、构建、运维、共享、管理和应用，包括知识表示与建模、知识获取与存储、知识融合与可视化、知识计算与管理、知识图谱质量评价与互联互通、知识图谱交付与应用、知识图谱系统架构与性能要求等标准。

3. 大模型标准。规范大模型训练、推理、部署等环节的技术要求，包括大模型通用技术要求、评测指标与方法、服务能力成熟度评估、生成内容评价等标准。

4. 自然语言处理标准。规范自然语言处理中语言信息提取、文本处理、语义处理等方面的技术要求和评测方法，包括语法分析、语义理解、语义表达、机器翻译、自动摘要、自动问答和语言大模型等标准。

5. 智能语音标准。规范前端处理、语音处理、语音接口和数据资源等技术要求和评测方法，包括深度合成的鉴伪方法、全双工交互、通用语音大模型等标准。

6. 计算机视觉标准。规范图像获取、图像/视频处理、图像内容分析、三维计算机视觉、计算摄影学和跨媒体融合等技术要求和评价方法，包括功能、性能和可维护性等标准。

7. 生物特征识别标准。规范生物特征样本处理、生物特征数据协议、设备或系统等技术要求，包括生物特征数据交换格式、接口协议等标准。

8. 人机混合增强智能标准。规范多通道、多模式和多维度的交互途径、模式、方法和技术要求，包括脑机接口、在线知识演化、动态自适应、动态识别、人机协同感知、人机协同决策与控制等标准。

9. 智能体标准。规范以通用大模型为核心的智能体实例及智能体基本功能、应用架构等技术要求，包括智能体强化学习、多任务分解、推理、提示词工程，智能体数据接口和参数范围，人机协作、智能体自主操作、多智能体分布式一致性等标准。

10. 群体智能标准。规范群体智能算法的控制、编队、感知、规划、决策、通信等技术要求和评测方法，包括自主控制、协同控制、任务规划、路径规划、协同决策、组网通信等标准。

11. 跨媒体智能标准。规范文本、图像、视频、音频等多模态数据处理基础、转换分析、融合应用等方面的技术要求，包括数据获取与处理、模态转换、模态对齐、融合与协同、应用扩展等标准。

12. 具身智能标准。规范多模态主动与交互、自主行为学习、仿真模拟、知识推理、具身导航、群体具身智能等标准。

（四）智能产品与服务标准

智能产品与服务标准主要包括智能机器人、智能运载工具、智能移动终端、数字人、智能服务等部分。

1. 智能机器人标准。规范人工智能在机器人领域应用的技术要求，开展机器人智能认知、智能决策等方向的技术应用标准研制。

2. 智能运载工具标准。规范智能运载工具感知、识别与预判、协同与博弈、决策与控制、评价等技术要求，包括环境融合感知、智能识别预判、智能决策控制、多模式测试评价等标准。

3. 智能移动终端标准。规范人工智能应用在移动终端领域的技术要求，包括图像识别、人脸识别、智能语音交互，以及智能移动终端涉及的信息无障碍、适老化等标准。

4. 数字人标准。规范数字人的外形、动作生成、语音识别与合成、自然语言交互等技术要求，包括数字人基础能力评估、多媒体合成渲染、基础数据采集方法、标识和识别方法等标准。

5. 智能服务标准。规范基于大模型、自然语言处理、智能语音、计算机视觉等人工智能技术提供的服务，包括智能编程、智能设计、智能防伪等测试评估标准。

（五）行业应用标准

人工智能行业应用重点领域包括智能制造、智能家居、智慧城市、科学智算等。

1. 智能制造标准。规范人工智能在工业领域的融合应用，围绕智能工厂、智慧供应链建设中的智能化技术要求，开展工业知识表达、工业知识图谱构建、工业场景大模型等标准研制。

2. 智能家居标准。规范家居智能硬件、智能软件、智能网联、服务平台和应用平台等技术要求，促进智能家居产品的互联互通，提升智能家居在室内环境、安防监控等场景的用户体验。

3. 智慧城市标准。规范智慧城市建设、治理、生态宜居等智能化技术要求，提升人工智能系统在城市经济发展、韧性构建、社会治理、辅助决策中的应用水平。

4. 科学智算标准。规范人工智能规模化应用加速基础科研的相关标准。

结合农业、工业、服务业等应用人工智能技术的需求，加快开展智慧农业、智慧能源、智慧环保、智慧金融、智慧物流、智慧教育、智慧医疗、智慧交通、智慧文旅等领域标准研究。

（六）安全/治理标准

安全/治理标准包括人工智能领域的安全、治理等部分。

1. 安全标准。规范人工智能技术、产品、系统、应用和服务等全生命周期的安全要求，包括基础安全，数据、算法和模型安全，网络技术和系统安全，安全管理和服务，安全测试评估，安全标注，内容标识，产品和应用安全等标准。

2. 治理标准。结合人工智能治理实际需求，规范人工智能的技术研发和运营服务等要求，包括人工智能鲁棒性、可靠性、可追溯性的技术要求与评测方法，人工智能治理支撑技术；规范人工智能全生命周期的伦理治理要求，包括人工智能伦理风险评估，人工智能的公平性、可解释性等伦理治理技术要求与评测方法，人工智能伦理审查等标准。

政策链接：

https://www.miit.gov.cn/cms_files/filemanager/1226211233/attach/202311/7240bd43f3fc4b598351f9b135e68e4a.pdf

 

工业和信息化部办公厅关于印发《国家汽车芯片标准体系建设指南》的通知

1月8日，为切实发挥标准对推动汽车芯片产业发展的支撑和引领作用，工业和信息化部依据《国家标准化发展纲要》《新产业标准化领航工程实施方案（2023-2035年）》等，组织编制了《国家汽车芯片标准体系建设指南》。

以下为政策主要内容：

一、 总体要求

（三）建设目标

到2025年，制定30项以上汽车芯片重点标准，明确环境及可靠性、电磁兼容、功能安全及信息安全等基础性要求，制定控制、计算、存储、功率及通信芯片等重点产品与应用技术规范，形成整车及关键系统匹配试验方法，满足汽车芯片产品安全、可靠应用和试点示范的基本需要。

到2030年，制定70项以上汽车芯片相关标准，进一步完善基础通用、产品与技术应用及匹配试验的通用性要求，实现对于前瞻性、融合性汽车芯片技术与产品研发的有效支撑，基本完成对汽车芯片典型应用场景及其试验方法的全覆盖，满足构建安全、开放和可持续汽车芯片产业生态的需要。

二、建设思路

汽车芯片标准体系基于汽车芯片技术结构，适应我国汽车芯片技术产业现状及发展趋势，形成从汽车芯片应用场景需求出发，以汽车芯片通用要求为基础、各类汽车芯片应用技术条件为核心、汽车芯片系统及整车匹配试验为闭环的汽车芯片标准体系技术逻辑结构。以“汽车芯片应用场景”为出发点和立足点，包括动力系统、底盘系统、车身系统、座舱系统及智驾系统五个方面，向上延伸形成基于应用场景需求的汽车芯片各项技术规范及试验方法。

根据标准内容分为基础通用、产品与技术应用和匹配试验三类标准。其中，基础通用类标准主要涉及汽车芯片的共性要求；产品与技术应用类标准基于汽车芯片产品的基本功能划分为多个部分，并根据技术和产品的成熟度、发展趋势制定相应标准；匹配试验类标准包含系统和整车两个层级的汽车芯片匹配试验验证要求。三类标准共同实现不同应用场景下汽车关键芯片从器件—模块—系统—整车的技术标准全覆盖。汽车芯片标准体系技术逻辑结构如图所示。

汽车芯片标准体系技术逻辑结构图

图片来源：《国家汽车芯片标准体系建设指南》

应用场景：芯片在汽车不同零部件系统、不同工作场景的功能、性能差异较大，因此标准体系的技术逻辑应充分考虑汽车芯片的应用场景。根据汽车作为智能化运载工具所需实现的各项功能，其芯片的应用场景划分为动力系统、底盘系统、车身系统、座舱系统和智驾系统。

基础通用：基于汽车行业对芯片的可靠性、运行稳定性和安全性等应用需求，提取出汽车芯片共性通用要求，主要包括环境及可靠性、电磁兼容、功能安全和信息安全共4个方面的要求。

产品与技术应用：根据实现功能的不同，将汽车芯片产品分为控制芯片、计算芯片、传感芯片、通信芯片、存储芯片、安全芯片、功率芯片、驱动芯片、电源管理芯片和其他类芯片共10个类别，再基于具体应用场景、实现方式和主要功能等对各类汽车芯片进行标准规划。其中，控制芯片主要涉及通用要求、动力系统、底盘系统等技术方向；计算芯片包括智能座舱和智能驾驶芯片；传感芯片主要涉及可见光图像、红外热成像、毫米波雷达、激光雷达及其他各类传感器等技术方向；通信芯片主要涉及蜂窝、直连、卫星、专用无线短距传输、蓝牙、无线局域网（WLAN）、超宽带（UWB）、及以太网等车内外通信技术方向；存储芯片主要涉及静态存储（SRAM）、动态存储（DRAM）、非易失闪存（包括NORFLASH、NANDFLASH、EEPROM）等技术方向；安全芯片是指以独立芯片的形式存在的、为车载端提供信息安全服务的芯片；功率芯片主要涉及绝缘栅双极型晶体管（IGBT）、金属-氧化物半导体场效应晶体管（MOSFET）等技术方向；驱动芯片主要涉及通用要求、功率驱动、显示驱动等技术方向；电源管理芯片主要涉及通用要求、电池管理系统（BMS）、数字隔离器等技术方向；其他类芯片包括系统基础芯片（SBC）等。

匹配试验：汽车芯片在满足芯片通用要求和自身技术指标基础上，还应符合汽车行驶状态下与所属零部件系统及整车的匹配要求，因此需要对芯片与系统/整车匹配情况进行试验验证。其中，整车匹配包括整车匹配道路试验、整车匹配台架试验2个技术方向。

三、建设内容

（一）体系架构

依据汽车芯片标准体系的技术逻辑结构，综合各类汽车芯片在汽车不同应用场景下的性能要求、功能要求及试验方法，将汽车芯片标准体系架构定义为基础、通用要求、产品与技术应用、匹配试验等4个部分，同时根据内容范围、技术要求等方面的共性和差异，对4个部分做进一步细分，形成内容完整、结构合理、层次清晰的17个子类（如图所示，括号内数字为体系编号）。

汽车芯片标准体系架构

图片来源：《国家汽车芯片标准体系建设指南》

（二）体系内容

汽车芯片标准体系涵盖以下标准类型及重点标准建设方向。

1. 基础（100）

基础类标准包括汽车芯片术语和定义标准。

术语和定义标准用于统一汽车芯片领域的基本概念，对汽车芯片标准制定过程中涉及的常用术语进行统一定义，保证术语使用的规范性和含义的一致性，同时为其他各部分标准的制定提供规范化术语支撑。汽车芯片术语和定义标准将在现行集成电路相关标准基础上，从芯片产品搭载在汽车上的实际功能和应用角度出发，对特有术语进行定义并体现汽车芯片产品分类。

2. 通用要求（200）

通用要求类标准对汽车芯片的共性要求和评价准则进行统一规范，主要包括环境及可靠性、电磁兼容、功能安全和信息安全4个方面。

环境及可靠性标准规范在复杂环境条件下汽车芯片或多器件协作系统的可靠性要求，预防可能发生的各种潜在故障，从而提高汽车产品的可靠性和安全性。标准重点建设方向包括环境及可靠性通用规范、试验方法和要求、一致性检验规程等。其中，将优先制定汽车芯片和电动汽车芯片环境及可靠性通用规范等标准。

电磁兼容标准规范汽车芯片或多器件协作系统各主要功能节点及其下属系统在复杂电磁环境下的功能可靠性保障能力，其主要目的一是规定芯片电磁能量发射，避免对其他器件或系统产生影响；二是规定芯片或多器件协作系统的电磁抗干扰能力，使其可在汽车电磁环境中可靠运行。标准重点建设方向为汽车芯片电磁兼容试验标准等。

功能安全标准规范汽车芯片企业流程管理措施、芯片产品内部多功能模块的流程管理及技术措施等要求，其主要目的是避免系统性失效和硬件随机失效导致的不合理风险。标准重点建设方向为功能安全半导体应用指南等。

信息安全标准规范汽车芯片应满足的信息安全要求和应具备的信息安全功能。通过芯片的信息安全设计、流程管理等措施，避免因攻击导致芯片数据、外部接口及软硬件安全等受到威胁。标准重点建设方向为信息安全技术规范等。

3. 产品与技术应用（300）

产品与技术应用类标准规范在汽车上应用的各类芯片所应符合的技术要求及试验方法。此类标准涵盖控制芯片、计算芯片、传感芯片、通信芯片、存储芯片、安全芯片、功率芯片、驱动芯片、电源管理芯片和其他类芯片10个类别。

控制芯片标准规范汽车上各类控制器、动力系统、底盘系统等控制芯片技术要求及试验方法。标准重点建设方向包括通用要求和动力系统、底盘系统控制芯片等。

计算芯片标准规范汽车用于人机交互、智能座舱、视觉融合处理、智能规划、决策控制等领域执行复杂逻辑运算和大量数据处理任务的芯片技术要求及试验方法。标准重点建设方向包括智能座舱和智能驾驶计算芯片等。

传感芯片标准规范汽车用于感知和探测外界信号、化学组成、温湿度等物理条件的芯片技术要求及试验方法。标准重点建设方向包括环境感知传感芯片和电动车用传感芯片等。其中，将优先制定图像传感与处理、毫米波雷达、激光雷达、电动车用电压/位置/磁场检测等芯片标准。

通信芯片标准规范汽车用于内部设备之间及汽车与外界其他设备进行信息交互和处理的芯片技术要求及试验方法。标准重点建设方向包括车载无线通信和车内通信芯片等。其中，将优先制定蜂窝通信、直连通信、卫星定位、蓝牙、专用无线短距传输、WLAN、UWB、NFC、ETC等车载无线通信芯片，以及LIN、CAN、以太网PHY、以太网交换机、中央网关、串行器和解串器、音视频总线等车内通信芯片相关标准。

存储芯片标准规范汽车用于数据存储的芯片技术要求及试验方法。标准重点建设方向包括易失性和非易失性存储器芯片。其中，将优先推进DRAM、SRAM、NORFLASH、NANDFLASH、EEPROM等芯片标准制定。

安全芯片标准规范汽车用于提供信息安全服务的芯片技术要求及试验方法。标准重点建设方向为汽车安全芯片产品标准等。

功率芯片标准规范汽车用于处理高电压、大电流工况的芯片技术要求及试验方法。标准重点建设方向包括电动汽车用IGBT模块、功率模块、功率分立器件等。

驱动芯片标准规范汽车用于驱动各系统主芯片、电路或部件进行工作的芯片技术要求及试验方法。标准重点建设方向包括驱动芯片、功率驱动芯片、显示驱动芯片等。

电源管理芯片标准规范汽车用于内部电路电能转换、配电、检测、电源信号（电流、电压）整形及处理的芯片技术要求及试验方法。标准重点建设方向包括电源管理芯片、模拟前端芯片、数字隔离器芯片等。

其他类芯片标准规范不属于上述各类的汽车芯片技术要求及试验方法。一般为暂无明确分类的新技术、新产品。

4.匹配试验（400）

匹配试验类标准包括汽车芯片在所属零部件系统或整车搭载状态下的试验方法。

系统匹配标准规范汽车各类芯片在所属零部件系统搭载状态下的功能及性能匹配试验方法，检测汽车芯片在所属零部件系统上的工作情况。标准重点研究方向为系统匹配试验标准等。

整车匹配标准规范汽车各类芯片在汽车整车搭载状态下的功能及性能匹配试验方法，检测汽车芯片在整车工况下的工作情况。标准重点研究方向为整车台架、道路匹配试验标准等。

政策链接：

https://www.miit.gov.cn/jgsj/kjs/wjfb/art/2024/art_5aadf1f986d54feea69ed80fa214126f.html

 

CES动态

高通在CES 2024，聚焦骁龙数字底盘

在2024年国际消费电子展CES上，高通展示了骁龙数字底盘的完整汽车产品组合，包括：数字座舱、车联网技术、网联服务、先进驾驶辅助与自动驾驶系统。这套组合的领先特点是：优化车辆，提供开放、可编程、多功能和高度定制化。当前，超过3.5亿辆汽车采用骁龙数字底盘解决方案。

图片来源：高通中国公众号

高通技术公司提供丰富的汽车技术组合，涵盖所有关键汽车领域，并将持续扩大公司的产品组合以树立创新标杆，包括支持两轮车和微出行工具细分市场。详细内容如下：

骁龙®汽车智联平台提供个性化和沉浸式体验

连接始终是汽车行业数字化转型不可或缺的一部分，高通技术公司打造了全面的骁龙汽车智联平台路线图，满足客户对更高安全性和智能化水平日益增长的需求，这些需求由LTE、5G、网联服务、V2X、Wi-Fi、蓝牙、卫星通信和精准定位提供赋能。

图片来源：高通中国公众号

采用骁龙®座舱平台的最新汽车座舱

数字座舱对实现消费者期待的优质车内体验，以及在汽车制造商扩展其品牌方面持续发挥着至关重要的作用。骁龙座舱平台通过增强图形图像、多媒体和AI功能提供先进的特性，帮助汽车制造商跨汽车层级进行扩展、打造高度沉浸式、直观和丰富的车内体验，为每位驾乘者提供个性化服务。在本周的CES展会期间，高通技术公司将在高通展台通过骁龙数字底盘概念车，展示最新的数字座舱先进技术，包括全新的骁龙座舱体验开发工具包，以及高通与众多生态系统合作伙伴的合作成果。

图片来源：高通中国公众号

人工智能的未来之路

人工智能的全新时代已经到来，边缘侧生成式AI将在座舱变革中发挥至关重要的作用，最终将为驾驶员和乘客提供强大、高效、私密、更安全和更个性化的边缘侧体验。高通正在迎接汽车人工智能新时代的到来，并利用业界领先的AI硬件和软件解决方案，助力骁龙数字底盘平台推动汽车领域人工智能向前发展。骁龙座舱平台现已具备支持生成式AI的能力。展会期间，高通展台将展示传统AI和生成式AI在汽车领域的广泛应用。

图片来源：高通中国公众号

Snapdragon Ride™平台推动自动驾驶汽车技术的发展

Snapdragon Ride™平台由汽车行业先进、可扩展且可定制的自动驾驶系统级芯片（SoC）系列之一组成，旨在帮助全球汽车制造商和一级供应商打造高效自动驾驶（AD）解决方案。针对从主动安全到L2+/L3级智能驾驶功能，Snapdragon Ride平台由全面且可扩展的自动驾驶软件栈和感知解决方案带来增强，采用前瞻性架构和Snapdragon Ride云解决方案赋能的数据驱动开发方式，以及生成式AI仿真功能。此外，Snapdragon Ride平台提供完整解决方案，包括一整套赋能汽车制造商和一级供应商的工具，以开发并采用业经验证的自动驾驶软件栈，从而打造高能效解决方案，同时帮助加快产品上市。Snapdragon Ride平台在全球持续获得强劲发展势头，为全球汽车制造商增强用户出行体验并始终保持自动驾驶技术领先地位奠定坚实基础。

图片来源：高通中国公众号

Snapdragon Ride™ Flex SoC支持高性能中央计算

随着当前汽车架构愈加复杂，汽车的中央计算平台已成为帮助高效协调车内不同功能的关键。为此，高通技术公司提供高性能中央计算SoC——Snapdragon Ride Flex，旨在跨异构计算资源支持混合关键级工作负载，以单颗SoC同时支持数字座舱、ADAS和AD功能。借助Snapdragon Ride Flex SoC，汽车制造商能够开发具有成本效益并且可在所有汽车层级扩展的下一代汽车系统。通过与博世、镁佳科技、车联天下和畅行智驾等公司开展全新技术合作，Snapdragon Ride Flex SoC发展势头日益增强。

图片来源：高通中国公众号

联合创新变革汽车开发生命周期

高通技术公司与领先的汽车制造商和生态系统合作伙伴的战略合作和技术伙伴关系正在提供创新的解决方案，这将惠及更广泛的汽车行业。作为高通技术公司和亚马逊云科技公司（AWS）共同推动软件定义出行的一部分，双方演示了在高效的云原生环境中利用骁龙数字底盘解决方案和AWS前沿云基础设施进行的汽车应用开发和部署。该环境旨在帮助加快软件开发的演进，帮助汽车制造商更快地推出新特性，同时使其能够在整个汽车生命周期带来差异化的用户体验。这一合作将在高通技术公司的展台上进行展示。

图片来源：高通中国公众号

 

联想集团10余款AI PC产品亮相CES 2024

在2024国际消费电子展（CES）上，联想集团发布40多款基于人工智能的全新设备与解决方案，涵盖Yoga、ThinkBook、ThinkPad、ThinkCentre和Legion等众多产品系列。其中，重磅亮相的是10余款联想AI PC产品，包括赋能创作过程的Yoga Pro 9i以及全球首款商务AI PC——ThinkPad X1 Carbon AI等等。这些AI PC不仅具备强大的性能和高效的运算力，还能够通过结合大模型，实现通用场景下的个性化服务和即时可靠的服务响应，同时保证数据和隐私安全，成为最懂用户的个人AI助理。这10余款AI PC产品成为CES 2024的焦点，进一步推动联想集团“AI for All，让人工智能惠及每一个人”的愿景走向现实。

联想在CES 2024展出的Yoga系列产品，开启了全新AI篇章。两款旗舰产品Yoga Pro 9i和Yoga 9i二合一搭载最新的英特尔酷睿Ultra处理器和联想AI芯片，专为追求高标准的创作者设计。同时全系列配备Yoga Creator Zone生成式AI软件，可将基于文本的描述或草图转换为惊艳的图像，而无需输入任何复杂的提示、代码或设置。用户只需输入任何预想的内容，系统即可快速生成相应的视觉图像。两款机型均配备了Copilot按键，便于更快捷地访问日常AI伴侣。

图片来源：联想集团公众号

ThinkPad X1 Carbon AI是联想近期发布的全球首款商务AI PC。该款新品搭载英特尔最新发布的酷睿Ultra处理器，CPU+GPU+NPU三大AI引擎，能够更好地释放本地混合AI算力，高效智能地处理工作任务，为不同的AI 工作负载提供更加灵活的解决方案。全新Intel Arc显卡，实现2倍性能飞跃，让用户在使用Adobe Lightroom Classic AI图片编辑时，速度提升52%，在使用Adobe Premiere Pro AI进行视频处理时，速度提升132%。ThinkPad X1 Carbon AI 内嵌NPU AI引擎具备高达10TOPS超强算力，能够为本地部署AI功能提供坚实后盾，让用户的AI创作更加尽兴，加速释放创造力。

图片来源：联想集团公众号

ThinkPad X1 Carbon AI作为联想AI Ready的AI PC新品，聚焦通用办公与专业创造两大办公场景，让工作更高效、更轻松、更有趣、也更安全，不仅能够成为办公伙伴，更会随着AI的成长，不断进行自我升级，最终化身成个人AI助理。

针对通用办公场景，ThinkPad X1 Carbon AI通过“知识管理、内容创作、办公服务、设备管理”四大技术应用，帮助用户大幅提升工作效率。知识管理方面，可以深度学习用户的浏览习惯和工作内容，逐步构建个性化知识库，快速提供用户急需的信息和数据。内容创作方面，能通过AI模型快速产出高质量素材，助力创意瞬间转化为可见成果。办公服务方面，全新的AI智能会议，不但可以包揽撰写会议邮件、发送会议邀请，撰写会议纪要的所有工作，还能通过基于声纹识别的AI智能降噪，在嘈杂环境里清晰传递每一个与会者的声音，同时还具有“会议临时分身”功能，通过会议临时分身在屏幕中继续会议，并在参会者返回会议后，自动生成分身期间的会议纪要，兼顾参会者一些不得不离开会议的时刻。在设备管理方面，通过AI自动调优性能、优化后台应用，让电脑始终保持最佳使用状态。

针对专业创作场景，ThinkPad X1 Carbon AI通过“专业文字创作、专业影音创作、专业图形创作、编程和编辑”四大创新应用，颠覆传统的创作方式，让内容创作效率达到空前水平。在专业文字创作方面，ThinkPad X1 Carbon AI通过云端和本地AI模型，让用户一秒变身千面作家，轻松驾驭各类文风；在专业影音创作方面，AI不仅能从海量的数据中学习作曲技巧，还能根据编曲者的喜好和情绪，生成不同风格和感觉的音乐作品，让音乐更有灵魂和魅力；专业图形创作方面，通过适配3D专业软件的AI，保障用户快速上手专业工具，完成“说出”即“画出”的高效；在专业代码编辑方面，则可以全面兼顾代码编写，能够完成代码翻译、代码注释、代码补全、代码重构等多项任务，为编译者提供切实的智能建议和解决方案。