Belegung

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Wei Brand Blue Mountain Smart Driving Edition

In den letzten Jahren wurde die Bezeichnung „intelligentes Fahren“ stärker mit neuen Power-Car-Unternehmen verknüpft. Viele neue Marken wie Xpeng, Huawei und Ideal haben allesamt Anstrengungen im Bereich des intelligenten Fahrens unternommen, mit dem Ziel, dies zu erreichen Die Führung im neuen Energiezeitalter. Besetzen Sie den Geist des Benutzers.

Im Vergleich dazu scheint die Stimme der traditionellen Automobilhersteller viel kleiner zu sein, aber tatsächlich sind sie in dieser Zeit überhaupt nicht platt. Auch die von Great Wall vertretenen Automobilhersteller versuchen heimlich, im Smart-Driving-Wettbewerb zu gewinnen Yicheng.

Seit Anfang dieses Jahres führt Wei Jianjun, Präsident von Great Wall Motors, Live-Tests zum intelligenten Fahren in Baoding bzw. Chongqing durch. Als Leiter des Unternehmens nahm er nicht nur persönlich an den Tests teil, sondern nahm auch an vielen teil Kollegen aus der technischen Abteilung, um seine neueste Smart-Driving-Technologie zu unterstützen.

Wenn wir objektiv auf die Zeit vor einem Jahr zurückblicken, war das intelligente Fahren von Great Wall Motor in der Branche im Allgemeinen nicht sehr präsent, und die meisten L2+-Fahrassistenzprodukte, die in Massenautos verwendet wurden, stammten von ausgereiften Lösungen.

Bis April dieses Jahres veröffentlichte Great Wall die technische Architektur des integrierten intelligenten Fahrens von SEE. Das Hauptziel besteht darin, L2+-unterstütztes Fahren von Hochgeschwindigkeits- bis hin zu Stadtszenarien zu bewältigen. In einer solchen Architektur wird es auf der Grundlage traditioneller segmentierter Algorithmusmodule optimiert und verwendet ein integriertes großes Modell, um Entscheidungsprobleme in mehr Szenarien zu lösen, enthält jedoch auch künstliche Regeln.

Aus technischer Sicht handelt es sich beim aktuellen SEE-Modell von Great Wall Motors nicht mehr um eine traditionelle regelbasierte Entscheidungsfindung und Planung, sondern um ein integriertes Großmodell mit Entscheidungsfindung durch künstliche Intelligenz Fahrer im Hinblick auf die Fähigkeit, Hindernissen auszuweichen, wurde im Vergleich zur vorherigen dummen Methode, sich auf ein Team von Tausenden von Leuten zu verlassen, um jedes Szenario zu patchen, erheblich verbessert.

Inwieweit hat sich nun, nach den hohen Investitionen der gesamten Gruppe in Forschung und Entwicklung, das intelligente Fahrniveau von Great Wall weiterentwickelt?

Das Folgende ist eine Abschrift eines aktuellen Gesprächs zwischen Wu Huixiao, Vice President of Intelligence bei Great Wall Motor, Jiang Haipeng, Senior Director des Intelligent Platform Development Center, und Wu Guosuzhou, Experte des Intelligent Platform Development Center, das von Titanium kurz bearbeitet wurde Medien-App.

F: Wie hoch sind die aktuellen intelligenten Fahrfähigkeiten von Great Wall im Vergleich zu anderen Marken?

Jiang Haipeng: Lassen Sie uns zunächst über unsere eigenen Vorteile sprechen, ausgehend von der Urban NOA in der zweiten Hälfte des letzten Jahres, egal ob Huawei oder Xpeng, ich bin diesen beiden führenden Unternehmen sehr dankbar. Es stellt sich heraus, dass wir vorhersagen, dass städtisches NOA im Jahr 2025 umgesetzt wird, gerade weil unsere inländischen Führungskräfte es sehr stark fördern. Zuerst war es mit Bildern und entwickelte sich dann nach und nach zu einem großen Modell ohne Bilder Ihre relativ radikale Förderung und Aufklärung unserer Nutzer hat Urban NOA auch in die beliebteste Szene des intelligenten Fahrens gebracht.

Dieses Jahr hatten wir während der CES eine ausführliche Testfahrt mit Tesla. Nach unserer Rückkehr nach China haben wir alle Modelle mit intelligenten Fahrfunktionen ausführlich bewertet und getestet . Wenn wir in Bezug auf den Ruf einordnen müssen, sind wir meiner Meinung nach unter den ersten drei, es gibt also kein Element der Prahlerei.

F: Was halten Sie von der aktuellen Mainstream-End-to-End-Technologie für große Modelle in der Branche?

Jiang Haipeng: Mittlerweile spricht fast jedes Algorithmenunternehmen oder jeder OEM über das End-to-End-Großmodell. Ich kann Ihnen verantwortungsbewusst sagen, dass es nicht mehr als drei Unternehmen auf der Welt gibt, die wirklich End-to-End betreiben, und dies auch getan haben End-to-End-Architektur, und sogar in der End-to-End-Architektur sind viele regelbasierte Sicherheitsprobleme auch intern eingebettet. Denn End-to-End bedeutet nicht, dass Tesla dieses Konzept erst letztes oder dieses Jahr vorgeschlagen hat. Als wir zum ersten Mal mit dem autonomen Fahren begannen, wussten wir alle, dass es Modelle, Modelle und Chips geben muss Das Datenvolumen reichte nicht aus.

Daher wird zunächst die Wahrnehmung modelliert, das Modell weiter modelliert und dann langsam auf die Entscheidungsseite verschoben. Als es keine Modelle gab, verließen wir uns auf Regeln. Später stellten wir fest, dass wir, sobald wir die Stadt betraten, keine Möglichkeit mehr hatten, den Anforderungen städtischer Szenarien gerecht zu werden. Wenn Sie den Code unbegrenzt stapeln, können Sie die Stadtregeln möglicherweise nicht gut schreiben, wenn nicht 3.000 oder 5.000 Menschen an einem autonomen Fahrsystem arbeiten. Selbst wenn es nach dem Schreiben zu einer Änderung kommt, wird es für Sie schwierig sein löse es. Heute weiß also jeder sehr genau, dass wir Daten nutzen müssen, um die Operation voranzutreiben, um die Anzahl der Personalcodes zu reduzieren und die Kosten zu senken, sonst wird es nicht etabliert.

F: Automobilunternehmen sind relativ optimistisch, was die End-to-End-Strategie angeht, aber es gibt immer noch einige Unsicherheiten. Wie sieht Great Wall die Risikovermeidung?

Jiang Haipeng:End-to-End muss die Zukunft sein, aber es ist nicht das Ende. Es gibt jetzt etwas Fortgeschritteneres. Das Ende des wirklich intelligenten Fahrens muss wie ein Mensch sein, der die Szene verstehen und intelligente Fahraktionen ausführen kann auf das Verständnis der Szene.

Um ein einfaches Beispiel zu nennen: Wenn wir fahren, steht vor uns eine schwarze Plastiktüte, wenn auf beiden Seiten Autos stehen und es keine Möglichkeit gibt, daran vorbeizukommen, werden wir sie auf jeden Fall überfahren, weil ich weiß, dass es so ist Eine weiche Karosserie und ich kann sie zerdrücken. Erstens wird es keine Unfälle geben, und zweitens wird mein Fahrzeug nicht beschädigt. Es ist jetzt anders. Wir wissen nur, dass es sich um ein Hindernis handelt und wir müssen es entweder bremsen oder meiden.

Autonomes Fahren muss in Zukunft autonomes Fahren mit Szenenverständnis sein und wir planen und entwickeln auch in diesem Bereich. Nun gibt es zunächst einige Grundlagen, wie zum Beispiel NVIDIAs Thor. Wir verstehen, dass einige große inländische Chiphersteller in dieser Hinsicht auch ihre eigenen Chips definiert haben, und Sie müssen den Betrieb von Chips unterstützen, die großen Sprachmodellen ähneln. Aus der Modellperspektive gibt es ein sogenanntes Sprachmodell, ähnlich der offenen KI, das uns dabei unterstützt, etwas zu verstehen und dann eine Wahrnehmung und ein umfassendes Urteil zu fällen. Dieser Aspekt ist das Endergebnis in der Zukunft.

End-to-End ist die aktuelle technische Logik, die auf dem autonomen Fahren selbst basiert und von der Wahrnehmungsmodellierung über die Fusionsmodellierung bis hin zur Skalenmodellierung segmentiert ist. Da die Leute immer fauler werden, ist die Entwicklung von Softwarecodes und Algorithmen eine extrem anstrengende Arbeit. Was sollten sie tun, wenn sie ihre Arbeit einfacher machen wollen, weil sie das Gefühl haben, dass das Schreiben ihnen die Arbeit erleichtert? Code ist zu viel Zeitverschwendung, deshalb möchte ich den Code in ein Modell umwandeln. Wir denken also, dass er sich von selbst anpasst. Das Ende ist ein Stadium der technologischen Entwicklung, aber nicht das Ende des intelligenten Fahrens.

F: Warum behält Great Wall SEE Architecture 2.0 die jeweiligen Eigenschaften von modularem End-to-End und vollständigem End-to-End bei?

Wu-Staat Suzhou:Bei beidem handelt es sich um Konzepte, bei denen es sich nicht um eine vollständige End-to-End-Regelung handelt. Der Vorteil einer vollständigen End-to-End-Lösung besteht jedoch darin, dass Ihre Daten die Flugbahnen und Eigenschaften des Menschen erlernen können Mit dem aktuellen technischen Stand kann niemand eine vollständige End-to-End-Sache trainieren, die in allen Szenarien geöffnet werden kann, und eine modulare End-to-End-Sache, die hat auch eine Wahrnehmungsschnittstelle in der Mitte.

Wenn es beispielsweise Fahrbahnlinien und ähnliche Hindernisse gibt, besteht der größte Vorteil des modularen End-to-End darin, dass das Modell leicht zu trainieren ist, es verfügt jedoch nicht über die Vorteile eines vollständigen End-to-End, also dieser beiden Teile sind kombiniert. Um es ganz klar auszudrücken: Wenn Sie zwei Modelle ausführen, sind die beiden Modelle unabhängig und die Anforderungen an die Rechenleistung verdoppeln sich. Dies ist schließlich auch ein schwieriger Punkt beim Aufbau des Modells Es wird ein entsprechender Schlichtungsmechanismus geben, um zu bestimmen, welche Szenarien meiner Meinung nach für einen bestimmten Modellexport erforderlich sind, damit diese Szenarien nahtlos kombiniert werden können.

F: Auf welcher Grundlage wird die spezifische Stadteröffnungsstrategie von Great Wall Intelligent Driving entschieden?

Jiang Haipeng: Tatsächlich ist die Logik von Kaicheng sehr einfach. Die Top-20-Verkaufsstädte in unseren Blue Mountains sind Chongqing, Chengdu usw. Nach dem Besuch dieser vier Städte haben wir einen eigenen Vorteil Kategorien. Chongqing ist eine Bergstadt und die Straßenverhältnisse sind in der Tat ein typisches Beispiel für Stausituationen. Die städtischen Fahrspuren sind sehr eng und der Verkehrsfluss ist riesig. Shenzhen ist ein typischer Vertreter der High-Tech-Städte, ganz ähnlich wie Shanghai. Baoding ist ein Vertreter von Städten der zweiten und dritten Ebene, sodass jede Stadt einen Stadttyp darstellt. Wenn wir von einigen Städten auf andere Städte verallgemeinern, erhalten wir mit halbem Aufwand das Doppelte.

Wir sind sehr neidisch auf die Werbemethode von Wei Xiaoli, denn es gibt bereits Autos auf der Welt, die Benutzerfunktionen über OTA bereitstellen, anstatt bei Null anzufangen, gibt es bereits 0,5, und das Hinzufügen von 0,5 ergibt 1. Wir haben derzeit keine Autos auf dem Markt, daher können wir diese Funktion erst ab Verkaufsbeginn anbieten. Dies sind zwei verschiedene Möglichkeiten.

F: Welche Anpassungen musste Great Wall Motors während der Förderung des städtischen NOA vornehmen?

Wu Huixiao: Die groß angelegte Popularisierung wird im Jahr 2025 erfolgen. Letztes Jahr gingen wir davon aus, dass der Knoten in der ersten Hälfte des Jahres 2024 entstehen wird. Später haben wir am gesamten Fahrzeug mitgearbeitet und während des Eröffnungsprozesses einige Anpassungen an der Modellarchitektur vorgenommen. Während des Implementierungsprozesses haben wir dann auch festgestellt, dass die gesamte Branche vor einer Phase stehen wird, in der Benutzer das Mitfahren von Mensch und Maschine akzeptieren werden. Diese Funktion wird verfügbar sein, wenn die Blue Mountain Smart Driving Edition auf den Markt kommt, und es wird einige Optimierungen und Anpassungen an der Interaktion geben, nachdem man OTA in das Auto eingestiegen ist.

F: Wie groß ist derzeit das Forschungs- und Entwicklungsteam für intelligentes Fahren bei Great Wall?

Wu Huixiao:Mein Chef sagte mir zuvor, dass Fahrpersonal bei mehr als tausend Verantwortlichen, darunter Fahrer und TSTs, nicht die richtige Richtung für die Zukunft sei. Entwicklungsmethoden, die auf dem Verständnis einer größeren Modellszene basieren, werden in Zukunft tatsächlich immer weniger populär sein. Basierend auf Projekttransfer und Human-Wave-Taktiken muss die Zukunft eine höhere Qualität, eine höhere Dichte und eine höhere Talentebene in Verbindung mit unserer Infrastruktur nutzen.

F: Was halten Sie von der Rolle von Lidar beim intelligenten Fahren?

Jiang Haipeng: Lidar löst nur 1 %. Sollten Autofirmen Tausende von Dollar für 1 % ausgeben? Unser Unternehmen sagt nicht, dass es keine Notwendigkeit gibt, die Kosten zu senken Wir bestehen immer noch darauf, einige Kosten nicht zu senken, und dieses 1 % hängt genau mit der Sicherheit zusammen. Daher planen wir nicht, Lidar in den nächsten ein oder zwei Jahren abzuschaffen, aber wir müssen dennoch die Sicherheit gewährleisten.

F: In welcher Reihenfolge werden die intelligenten Fahrmodelle von Great Wall Motors auf den Markt gebracht?

Wu Huixiao:Derzeit ist die Blue Mountain Smart Driving Edition zusätzlich zu Max und Pro mit Coffee Pilot Ultra ausgestattet. Wir müssen uns auch mit den Bedürfnissen einiger Benutzer befassen und dann eine Entscheidung treffen ob die Hochgeschwindigkeits-NOA als Ganzes oder die Stadt-NOA gefördert werden soll.

F: Wann können Verbraucher intelligentes Fahren mit echtem Geld bezahlen?

Wu Huixiao: Meiner Ansicht nach ist das Geschäft die größte Wohltätigkeitsorganisation, die in der Lage sein muss, positiv zu funktionieren, um die positive und nachhaltige gesunde Entwicklung Ihres Unternehmens und Ihrer Industriekette aufrechtzuerhalten. Sie können nicht mit Gewalt kaufen oder verkaufen. Der erste Punkt besteht darin, das Produkt zunächst gut zu machen. Nachdem Sie es getan haben, haben Sie viele Probleme für die Benutzer gelöst und sie werden das Gefühl haben, dass es das ausgegebene Geld wert ist. Wir müssen auch intern viel Arbeit leisten, einschließlich der Einrichtung von Prozessen, IT-Systemen und Zahlungskanälen. Tatsächlich hat die gesamte Branche diesen Prozess erlebt.

Ob intelligentes Fahren oder Cockpit: Basierend auf dem gesunden geschlossenen Kreislauf des zukünftigen Geschäftsmodells muss der Weg von der organisatorischen und technischen Kette her geebnet werden. Wenn Sie das Erlebnis wirklich verbessern, werden die Benutzer bereit sein zu zahlen und den Menschen die Möglichkeit zu geben, die Bequemlichkeit der Technologie wirklich zu genießen und das Gefühl zu haben, dass sich das Geld lohnt, also sind sie natürlich bereit zu zahlen.

In diesem Jahr sind die Automobilunternehmen sehr beschäftigt und die Softwareindustrie verliert Geld. Ich persönlich muss lernen, für welchen Wert wir bereit sind Um Musik zu bezahlen, geistige Eigentumsrechte zu bezahlen, muss die gesamte Gesellschaft hart arbeiten.

F: Warum ist nächstes Jahr das erste Jahr der Smart-Driving-Branche?

Wu-Staat Suzhou:Es kann unter vier Aspekten betrachtet werden.

Das erste ist die Entwicklung der Algorithmen. Als wir uns vor vielen Jahren mit intelligentem Fahren beschäftigten, hatten wir das Gefühl, dass es beim intelligenten Fahren zunächst einmal darum geht, gute Arbeit in der Wahrnehmung zu leisten. Es gibt keine Möglichkeit, Dinge zu berühren, die man nicht sehen kann . Später verbesserte sich das Wahrnehmungsniveau, und es hieß, es gäbe zwar Wahrnehmung, aber keine Erkenntnis. Heute sprechen wir von Erkenntnis als dem Verständnis der Szene durch das intelligente Fahrsystem. Dies war in der Vergangenheit sehr schwierig und wir haben unzählige Untersuchungen durchgeführt, aber die heutigen Sprachmodelle und visuellen Sprachtechnologien bieten uns einen Ausgangspunkt für kognitive Technologie in Makroszenen. Wenn Sie dieses Modell in ein Auto einbauen möchten, wollen Sie es nicht kopieren und direkt verwenden. Das ist unmöglich. Zumindest aus technischer Sicht ist dies die Methode, mit der das große intelligente Fahrmodell möglicherweise auch das Problem von Nullproben oder seltenen Proben lösen kann.

Der zweite Punkt betrifft heute alle, die an autonomem High-End-Fahren arbeiten, mit Ausnahme von Huawei, das über eigene Chips verfügt und tatsächlich weit vorne liegt. Der Rest ist tatsächlich von NVIDIA-Chips entworfen Als sie 2019 fertiggestellt wurden, gab es in der Mitte einen Aufschwung. Deshalb habe ich mich an die NVIDIA-Chiparchitektur von vor vier Jahren gewöhnt. Tatsächlich wird der Chip nächstes Jahr eine sehr wichtige Iteration erfahren, egal ob es sich um Nvidia- oder inländische Hochleistungs-Rechenchips handelt, der Algorithmus wird darauf treten.

Der dritte Aspekt sind Daten. Im Laufe der Jahre haben sowohl traditionelle OEMs als auch neue Kräfte begonnen, eine mehr oder weniger vollständige Menge an intelligenten Fahrdaten anzusammeln, die wiederum zum Trainieren verwendet werden Bei großen Modellen besteht die Möglichkeit einer quantitativen Veränderung einer qualitativen Veränderung.

Schließlich gibt es noch den kognitiven Aspekt. Früher gab es zwei Gruppen: diejenigen, die an autonomes Fahren glaubten, und diejenigen, die nicht daran glaubten, dass datengesteuerte Technologie alle 100 Kilometer einen Vorteil hat Da es jedes Jahr zehnmal optimiert wird, hat jeder Vertrauen in diese Angelegenheit. Und diese Erkenntnis wird wiederum die Investitionen aller in die Technologie fördern und zweitens wird sie einen indirekten Einfluss auf die weichen Dinge von Gesetzen, Vorschriften und Ethik haben. Dieser Punkt kommt bald.

F: Was halten Sie vom Markteintritt von Tesla FSD in China? Welche Vorteile haben heimische Smart-Driving-Technologien wie Great Wall im Vergleich zu Tesla?

Wu Huixiao: Tesla war führend im Bereich des assistierten Fahrens, und wir haben seine Leistung auch in den USA gesehen. Wir können nur sagen, dass es Herausforderungen gibt, auch wenn es sehr gut ist, wird es kurzfristig schwierig sein. Es gibt einen großen Unterschied zwischen amerikanischen Straßen und chinesischen Straßen. Als wir es auf den Straßen von San Francisco erlebten, würde es den Fahrer immer noch stark stören Daten kommen herein, basierend auf dem End-to-End-Big-Data-Modell. Das Modellentwicklungsmodell wird definitiv zu einer schnelleren Verbesserung führen.(Dieser Artikel wurde zuerst auf Titanium Media App veröffentlicht, Autor｜Li Yupeng, Herausgeber｜Zhang Min)