如今大部分新勢力車機的智能語音系統(tǒng)，都可以做到可見即可說，并且主要是完成一些功能性的指令，但是隨著大家對于場景化以及個性化的追求，那么更貼近人實際交互體驗的AI需求會變得更為迫切，而ChatGPT確實可以給予車企們在這方面的幫助。

但是我們也會發(fā)現新的問題，就是ChatGPT目前對于一些簡述的或者說是不完整的問題，并不能做到很全面的回答，甚至還會出現它不明白的情況，它對于那些比較具體，并且完整的問題，能夠回答得比較令人滿意，開始開車的過程中，主要使用語音系統(tǒng)的駕駛者并沒有很多的精力，能夠用在如何細致的組織ChatGPT能夠聽懂的語言方面。

甚至還有用戶發(fā)現，ChatGPT對中文問題的理解遠沒有相同意義的英文問題的敏感性高，這些也能夠算是初創(chuàng)功能的一些小BUG吧，給它一定的時間，肯定會改善的。

目前的ChatGPT使用神經網絡來分析文本信息，并且根據上下文來生成回復，而在訓練自動駕駛方面，ChatGPT可能就沒有什么用武之地了，目前絕大多數的自動駕駛系統(tǒng)都是依賴于人工智能深度神經網絡算法來執(zhí)行感知、決策和控制等復雜任務。像蔚小理它們建設的超算中心，還有特斯拉的超級計算機，在底層邏輯方面與ChatGPT區(qū)別不大，所以開頭我們就提到了一些學者的言論：它就是一個組合得很好的產品，僅此而已。

作為一款AI工具，它的出現可能真的會產生深遠的影響，即便是它沒能征服世界，世界也很有可能會被它的競品們征服。

整體看下來，目前ChatGPT還不能上車的關鍵癥結就是卡在貴的問題上，可是這也是這種初創(chuàng)新事物的共同特點，當初機械旋轉式的激光雷達動輒幾十萬一個，怎么可能把它裝置二十幾萬的車上，可如今激光雷達的成本已經降至了千元大關，而ChatGPT的成熟與成本降低，也是一個時間問題。