1、智能座舱方面：
最先落地的必然是AI语音交互。目前小米、理想等注重座舱应用的主机厂已经开始在做，其实就是把GPT模型本地化部署，因为GPT本身需要的云端/边缘端训练算力较大，因此主机厂的核心工作就是对GPT进行轻量化，或者说是阉割。
2、智能驾驶方面：
核心是对自动驾驶感知算法，乃至于整体算法的革命性升级。
如果把Tr­a­n­s­f­o­r­m­er比喻成线性代数，那LLM大语言模型就是线性代数的应用，落地的具体场景可以是做个ch­a­t­G­PT，也可以是做个自动驾驶感知算法。而当自动驾驶感知算法应用了Tr­a­n­s­f­o­r­m­er门下的大模型之后，最大的好处在于提升了泛化能力，也即提高了识别物体的准确度以及丰富度。
具体而言，以前自动驾驶感知算法用的是CNN等小模型，识别原理是自己先看，看完到自己知识库里面去对比，如果以前学过的话，万事大吉，可以准确识别；如果没学过那就尴尬了，所以特斯拉才会撞到侧翻的白卡车，因为他只学过白色的云，他以为那是片云。说白了就是通过穷举法去进行感知能力的提升，识别日新月异的路况是十分有限的。
但当有了大模型在感知中的应用后，相较于小模型引入了注意力转移机制，意思就是可以在有限的标注数据的情况下，找到相似障碍物之间的相关性（或者说是共性）。有了对于相关性的认知之后，假如有一个全新的物体出现，大模型可以对比这个障碍物与之前所认识到的共性，由此推理这是否是个障碍物。
所以带来的好处就是：标注工作大幅降低（你只需要给他起个头，后面都可以自动标注）；泛化识别能力大幅提升（使得高阶自动驾驶功能可以同时在全国所有城市落地，不再依赖于高精度地图鲜度的限制，也即可以实现脱图）；识别准确度/语义信息大幅提升（使得非常成熟之后不再需要激光雷达，仅凭摄像头就可以识别的很准）。
我们最先可以看到的就是2024年小鹏脱高精度地图CN­GP功能的落地，这就是Tr­a­n­s­f­o­r­m­er对自动驾驶行业赋能的体现。