El rápido desarrollo de modelos de lenguaje grandes (LLMs) y modelos multimodales grandes (MLMs) ha introducido oportunidades transformadoras para los sistemas de conducción autónoma. Estos modelos avanzados proporcionan un sólido apoyo para la realización de una conducción autónoma más inteligente, segura y eficiente. En este documento, presentamos una revisión sistemática sobre la integración de LLMs y MLMs en sistemas de conducción autónoma. Primero, ofrecemos una visión general de la evolución de LLMs y MLMs, junto con un análisis detallado de la arquitectura de los sistemas de conducción autónoma. A continuación, exploramos las aplicaciones de LLMs y MLMs en componentes clave como percepción, predicción, toma de decisiones, planificación, procesamiento multitarea e interacción humano-máquina. Además, este documento revisa las tecnologías centrales involucradas en la integración de LLMs y MLMs con sistemas de conducción autónoma, incluyendo fusión multimodal, destilación de conocimiento, ingeniería de indicaciones y ajuste fino supervisado. Finalmente, proporcionamos un análisis en profundidad de los principales desafíos que enfrentan los sistemas de conducción autónoma impulsados por grandes modelos, ofreciendo nuevas perspectivas para la investigación futura. En comparación con los artículos de revisión existentes, este documento no solo examina sistemáticamente las aplicaciones específicas de LLMs y MLMs en sistemas de conducción autónoma, sino que también profundiza en las tecnologías clave y los desafíos potenciales involucrados en su integración. Al organizar y analizar de manera integral la literatura actual, esta revisión destaca el potencial de aplicación de grandes modelos en la conducción autónoma y ofrece ideas y recomendaciones para mejorar la seguridad y eficiencia del sistema.