盖世汽车讯 福特汽车公司近日宣布启动新一轮内部重组，以应对去年巨额亏损。此前被寄予厚望的纯电动车业务部门Model e已被正式解散，其员工将转入新成立的统一产品开发机构“产品创造与工业化”（Product Creation and Industrialization，简称PC&I）。

2022年，福特曾将公司划分为两个形式上独立的业务单元：负责内燃机车型开发的Ford Blue和专注电动车研发的Ford Model e。当时，包括福特在内的多家大型车企普遍看好电动车快速替代传统燃油车的趋势。时任首席执行官吉姆·法利（Jim Farley）认为，这种架构有助于加快电动车上市节奏，抢占市场先机。Model e由曾在特斯拉和苹果电动车项目任职的道格·菲尔德（Doug Field）领导。

然而自2023年起，全球电动车需求增长放缓，福特的电动战略遭遇挫折。Model e逐渐成为公司主要亏损来源，多个项目因市场变化被取消。目前，福特在北美市场仅保留基于“通用电动车平台”（Ford Universal EV Platform）开发的经济型电动车系列，法利表示该系列有望实现盈利。

图片来源：福特

根据最新调整，Ford Blue与Model e的双轨架构已终止，取而代之的是覆盖全动力类型车型开发的PC&I部门。该部门将统筹从概念设计到量产交付的全流程，包括生产协调与零部件采购。现任福特运营总监、印度籍高管库马尔·加尔霍特拉（Kumar Galhotra）将出任PC&I负责人。加尔霍特拉此前曾长期领导Ford Blue，直至2023年底。原Model e负责人道格·菲尔德将离开公司。

法利表示，整合研发资源有助于降低成本并加速新车开发。部分源自通用电动车平台的先进技术将被应用于新一代混合动力车型——此类产品现已成为福特在北美市场的业务重心。

福特计划到2029年完成北美市场80%车型及全球70%车型的换代，其中包括下一代F-150皮卡。自1980年代以来，F-150一直是美国最畅销的新车。公司还预计，到2030年，其全球90%的车型将提供电气化动力系统，涵盖纯电动及各类混合动力版本。福特目前已不再规划任何市场全面转向纯电动车的路径，包括欧洲。

这两个参数都用于控制大模型输出的随机性和多样性，是调整模型行为最重要的超参数，但机制不同。简单理解：

• Temperature（温度）：控制概率分布的“陡峭”程度，影响整体随机性。

• Top-p（也称核采样）：限制候选词的累积概率范围，动态过滤掉极不可能的选项

🔥 Temperature（温度）

作用：控制输出分布的"尖锐度"

模型在生成每个 token 时，会先计算所有候选词的概率分布。Temperature 会对这个分布做如下变换：

P'(word) ∝ P(word)^(1/T)

Temperature 值 / 效果 / 适用场景

T = 0（或极低） — 始终选概率最高的词，输出完全确定 · 代码生成、数学计算、需要确定性答案的任务

T = 0.1~0.3 — 高度保守，几乎总是选最优解 · 事实问答、信息抽取、严格格式输出

T = 0.5~0.7 — 平衡随机性，主流默认值 · 通用对话、写作辅助、大多数场景

T = 0.8~1.0 — 明显增加多样性 · 创意写作、头脑风暴、角色扮演

T > 1.0 — 高度随机，可能产生无意义内容 · 艺术创作、探索性实验（不推荐日常使用）

本质： 低温度让分布更"尖锐"，高温度让分布更"平缓"。

🎯 Top_p（Nucleus Sampling / 核采样）

作用：动态截断低概率词

与 Temperature 固定缩放不同，Top_p 按概率从高到低累加，直到累计概率达到 p 值，只保留这些词，从保留的这些词中采样：

例如 top_p=0.9：
选词 A(40%) + B(30%) + C(20%) = 90% → 保留
词 D(10%) 被截断

Top_p 值 / 效果 / 特点

0.1 ~ 0.3 — 极度保守，只选最高概率词 · 类似低 temperature，但更动态

0.7 ~ 0.9 — 主流推荐值 · 在多样性和质量间取得平衡

0.9 ~ 0.95 — 允许更多低概率词 · 创意性更强，偶尔会跑偏

1.0 — 不做截断，等价于关闭 · 不推荐，可能采样到无意义词

优势： 比 Temperature 更"智能"——当模型很确定时自动收窄，不确定时自动放宽。

💡 使用建议

通用原则

• 需要精确、低风险 → 低 temperature（0.1~0.3）+ 低 top-p（0.1~0.5）

• 需要创意、多样性 → 高 temperature（0.8~1.2）+ 高 top-p（0.9~1.0）

• 平衡模式（多数日常对话）→ temperature 0.7~0.8，top-p 0.9

常见场景推荐

通用默认配置

temperature = 0.7
top_p = 0.9

这是大多数 API 的默认值，适合 80% 的场景

⚠️ 注意事项

1. 不要同时设极值：T=0 + top_p=0.1 会导致输出极度单调

2. Temperature 优先调：多数情况下调 T 就够了，Top_p 保持 0.9 不动

3. 需要确定性时用 T=0：此时 Top_p 失效（贪婪解码优先）

4. 不同模型敏感度不同：同样参数在不同模型上效果可能差异较大

5. batch 生成时注意：同一 prompt 多次调用，参数相同也会得到不同结果

🔑 快速记忆

• Temperature → "敢不敢冒险"：越低越保守，越高越大胆

• Top_p → "备选池多大"：越低选择越少，越高越自由

• 两者配合 → T 定基调，Top_p 做微调