Nachricht

„Wir sind entschlossen, keine fahrerlosen Taxis zu bauen. Wir glauben, dass ‚Energie freisetzen und Unfälle reduzieren‘ der wahre gesellschaftliche Wert ist, der durch intelligentes Fahren geschaffen wird.“NIODie Äußerungen von CEO Li Bin bei einem Medienkommunikationstreffen gingen erneut viral. Er glaubte, dass „der Wert des autonomen Fahrens nicht darin besteht, Chauffeuren und Taxifahrern die Arbeit zu nehmen.“

Li Bins Äußerungen berührten die Herzen einiger Menschen. Vor nicht allzu langer Zeit tauchten auf sozialen Plattformen immer wieder Nachrichten auf, dass Taxifahrer in Wuhan aufgrund des „Carrot Run“ weniger Bestellungen hätten. Ein „Bruder“ in Wuhan sagte, dass Carrot Rush Geschäfte stehlen würde und Orte mit vielen Verkäufen kaum Kunden empfangen könnten.

Ein Stein löste tausend Wellen aus. Einige Menschen jubelten über die neue technologische Innovation, während andere traurig darüber waren, dass den Fahrern Arbeitslosigkeit bevorstehen könnte. Werden selbstfahrende Autos menschlichen Fahrern Arbeitsplätze stehlen? Jeder hat eine andere Position zu diesem Thema und seine Meinung wird völlig unterschiedlich sein.

Was der Autor näher erforschen möchte, ist, warum Robotaxi zu dieser Zeit wieder populär geworden ist, nachdem es viele Jahre lang inaktiv war. Gibt es einen besseren Weg oder Rhythmus bei der Popularisierung der autonomen Fahrtechnologie?

Robotaxi ist ein unbemanntes Taxi, das eine wichtige Anwendung der autonomen Fahrtechnologie in Mietszenarien darstellt. Im Gegensatz zum Pkw-Szenario weist das Mietszenario von Natur aus die Eigenschaft der „Trennung von Personen und Fahrzeugen“ auf, was Robotaxi dazu veranlasst, das hochautonome Fahren auf L4-Ebene direkt zu erkunden.

Nach offiziellen Angaben von Baidu hat „Luobo Kuaipao“ bemannte Testbetriebsdienste in 11 Städten eröffnet und vollständig unbemannte Reisetests für autonomes Fahren in Peking, Wuhan, Chongqing, Shenzhen, Shanghai und anderen Orten durchgeführt.

Wenn wir auf die Geschichte der Branchenentwicklung zurückblicken, hat Robotaxi eine Welle „überhöhter Erwartungen“ und dann eine „Rückkehr zur Rationalität“ erlebt.

Seit Google 2009 mit der Forschung zu seinem Projekt zum autonomen Fahren begonnen hat, ist das weltweite Interesse am autonomen Fahren gestiegen. Um das Jahr 2015 herum schossen Robotaxi-Start-up-Unternehmen nach einem Frühlingsregen wie Pilze aus dem Boden, und der Kapitalmarkt begeisterte sich immer mehr für Investitionen und Finanzierungen im autonomen Fahren. Cruise, die Abteilung für autonomes Fahren von Baidu L4, Pony.ai, AutoX, WeRide usw. wurden alle in dieser Zeit gegründet.

Aber mitFord Das öffentlich investierte Unternehmen Argo AI ging bankrott und wurde liquidiert, und Ibeo, der Erfinder im Bereich Lidar, meldete Insolvenz an. Seit 2019 ist die Zahl der gegründeten selbstfahrenden Startups deutlich zurückgegangen. Der Hauptgrund dafür ist, dass der Weg zur Kommerzialisierung unklar ist, die Finanzierung knapper wird und andere Schwierigkeiten bestehen und die Branche in eine schwierige Phase eingetreten ist.

Warum ist Robotaxi jetzt wieder beliebt? Dahinter stecken mehrere wesentliche Faktoren.

Erstens haben Verbraucher ein tieferes Verständnis für Robotaxi. In den letzten zwei Jahren saß bei Robotaxi ein Sicherheitsbeauftragter auf dem Fahrersitz. Jetzt müssen die Bürger nur noch die letzten vier Ziffern ihrer Mobiltelefonnummer auf der Autoscheibe nachzeichnen, und die Tür wird es tun Wenn Sie die Sicherheitsgurte öffnen und anlegen, klicken Sie auf dem Bildschirm auf „OK“, um die Fahrt zu beginnen.

Es wird berichtet, dass das in Wuhan eingeführte Robotaxi innerhalb eines Monats durchschnittlich etwa 20 Bestellungen pro Fahrzeug und Tag abgewickelt hat, was der Zahl gewöhnlicher Online-Car-Hailing-Fahrer entspricht, aber der durchschnittliche Preis pro Bestellung beträgt 60 % davon der gewöhnlichen Online-Car-Hailing-Fahrer. Auch wenn es schon zu Verkehrsunfällen kam, über die sich alle Sorgen machen, werden sie alle durch Menschen verursacht, die gegen die Verkehrsregeln verstoßen. Laut Statistiken von Versicherungsunternehmen beträgt die Unfallrate unbemannter Fahrzeuge von Luobo Kuaipao 1/14 der Unfallrate von Menschen. Verglichen mit der Erfahrung, dass Taxis die Mitnahme von Fahrgästen verweigern und Fahrer im Sommer die Klimaanlage nicht einschalten, ist die Begeisterung der Bürger für Robotaxi daher größer.

Zweitens sind die Kosten für Robotaxi-Fahrräder im Vergleich zur Vergangenheit deutlich gesunken, was den Markt auf eine Kommerzialisierung hofft. Auf der Apollo Day 2024-Konferenz im Mai dieses Jahres stellte Baidu das neue unbemannte Fahrzeug „Carrot Run“ der sechsten Generation vor, das mit der intelligenten Systemlösung der sechsten Generation von Baidu ausgestattet ist. Der Preis des neuen Autos beträgt nur 204.600 Yuan, und die Kosten für das gesamte Fahrzeug sind im Vergleich zum Auto der fünften Generation um 60 % gesunken, was weitaus niedriger ist als das Robotaxi, das von anderen Unternehmen für autonomes Fahren eingeführt wurde.

Darüber hinaus kann die Plattform für autonomes Fahren die Stückkosten für Dienstleistungen erheblich senken, indem sie Plattformgebühren und Fahrerkosten senkt und gleichzeitig Allwetterdienste bereitstellt, wodurch der Preis pro Kilometer pro Einheit niedriger ist als bei herkömmlichen Taxis.

Der letzte Punkt ist eigentlich der wichtigste——Tesla Es wurde angekündigt, Robotaxi dieses Jahr auf den Markt zu bringen. Vor kurzem hat Tesla FSD erhebliche Fortschritte gemacht. Am 31. März stellte Tesla einigen Benutzern in den USA eine neue Version von FSD V12 vor. Die neue Version entfernt erstmals das Wort „Beta“ und ersetzt es durch „Supervised“, was „überwacht“ bedeutet.

Musk nennt es „Airbnb auf Rädern“. Autobesitzer können ihre Fahrzeuge zu Teslas Online-Ride-Hailing-Flotte hinzufügen und die Einnahmen mit Tesla teilen. Tesla ist führend in der intelligenten Antriebstechnologie für Autos. Wenn es gelingt, Robotaxi wie geplant auf den Markt zu bringen, kommt das einem Erdbeben in der Branche gleich.

Derzeit durchläuft die intelligente Fahrtechnologie einen Meilenstein, der als „End-to-End“ bezeichnet wird. Teslas neue Version von FSD nutzt End-to-End-Technologie, und Luobo Kuaipaos intelligentes Fahren nutzt ebenfalls End-to-End-Technologie . Großes Modell.

Was ist „End-to-End“? Es handelt sich um ein Deep-Learning-Konzept. Ein KI-Modell muss nur Rohdaten eingeben, um das Endergebnis auszugeben, ohne zusätzliche Module für die Verarbeitung einzuführen. Wenn Sie beispielsweise mit ChatGPT sprechen, wird es Ihnen antworten, und an dem Prozess ist nur ein großes Sprachmodell beteiligt.

Aber intelligentes Fahren ist viel komplizierter. Neben der Erkennung menschlicher Anweisungen müssen auch Objekte auf der Straße erkannt und deren Beschaffenheit, Farbe, Bewegungsgeschwindigkeit usw. beobachtet werden. In der Vergangenheit erforderten diese Verbindungen unterschiedliche Module, und der Grad der durch diese Module erreichten Intelligenz war unterschiedlich.

Beispielsweise sind das für die Routenplanung zuständige Modul und das für die Fahrzeugsteuerung zuständige Modul nicht intelligent genug, sodass sie eine große Anzahl von Straßenbedingungen und -regeln manuell eingeben und entsprechend den Regeln handeln müssen.

Da sich das intelligente Fahren in eine End-to-End-Richtung weiterentwickelt, kann es die Straßenverhältnisse beurteilen und selbstständig reagieren. Aus diesem Grund haben viele inländische Unternehmen für neue Energiefahrzeuge in den letzten sechs Monaten zahlreiche Mitarbeiter entlassen, darunter auch Programmierer in der Abteilung für intelligentes Fahren. Denn im End-to-End-Zeitalter müssen nicht mehr so ​​viele Programmierer Code Stück für Stück schreiben und jede Fahrregel Stück für Stück formulieren.

Einfach ausgedrückt: Bevor selbstfahrende Autos Taxifahrer ersetzen, werden sie zunächst eine große Anzahl von Programmierern ersetzen, die Code schreiben.

Musk sagte: „Die Verwirklichung des autonomen Fahrens durch FSD wird Teslas ‚ChatGPT-Moment‘ sein.“ Dies beschleunigt auch die Entwicklung und Anwendung umfassender, groß angelegter autonomer Fahrmodelle in China.XiaopengNeue Automobilunternehmen wie , NIO und Ideal betreiben alle Forschung und Entwicklung sowie den Einsatz von End-to-End-Modelltechnologien wie Huawei, Pony.ai, NVIDIA, Yuanrong Qixing, SenseTime, Qingzhou Zhihang usw. führen auch eine End-to-End-Modelltechnologiebereitstellung durch. Unternehmen Sie Anstrengungen in Endbereichen.

Abbildung: Xpeng entwickelt und implementiert End-to-End-Technologie für große Modelle

Vor der Realisierung des autonomen Fahrens arbeiten verschiedene Unternehmen an intelligentem High-End-Fahren mit einem besseren Erlebnis. Im Gegensatz zum herkömmlichen intelligenten Fahren ähnelt das Fahren mit End-to-End-Technologiesystemen eher einem erfahrenen menschlichen Fahrer und wird nicht zu starr und dogmatisch sein.

„Der Hauptvorteil der End-to-End-Technologie besteht darin, dass sie die Implementierungseffizienz von intelligentem Fahren auf hohem Niveau erheblich verbessern und gleichzeitig die Kosten bis zu einem gewissen Grad senken kann. Der Erfolg dieses Technologiepfads profitiert von der Verwendung großer Modelle und großer Rechenleistung.“ „Die Kombination wird einen qualitativen Sprung bei den Algorithmen der künstlichen Intelligenz vorantreiben“, betonte Liu Xuan, Vizepräsident von Shenzhen Yuanrong Qixing Technology Co., Ltd., in seiner Kommunikation mit Auto Market Story.

Im Hinblick auf die Kostenreduzierung ist die End-to-End-Technologie nicht auf hochpräzise Karten angewiesen, was besonders wichtig ist, um landesweites und sogar globales autonomes Fahren zu erreichen. Liu Xuan erklärte, dass menschliche Fahrer beim Fahren keine hochpräzise Karte in ihrem Kopf erstellen, sondern sich auf ihre intuitive Wahrnehmung von Straßen und Verkehrszeichen verlassen. Als Zwischenergebnis sind hochpräzise Karten für Maschinen hilfreich, um die Umgebung zu verstehen, sie bringen jedoch auch eine Reihe von Problemen mit sich, wie z. B. Wartungsaktualisierungen, Pünktlichkeit und Datensicherheit. Daher ist die Reduzierung der Abhängigkeit von hochpräzisen Karten der Schlüssel zur Implementierung von End-to-End-Algorithmen.

Andererseits hat Teslas Durchbruch bei der FSD-Leistung auch zu Diskussionen in der Branche darüber geführt, ob Lidar wirklich benötigt wird. Wenn Tesla fahrerloses Fahren erreichen kann, indem er sich nur auf Kameras verlässt, wäre das ein Schlag für die Lidar-Industrie?

In diesem Zusammenhang sagte Yu Qian, Mitbegründer und CEO von Qingzhou Zhihang, gegenüber Auto Market Story: „Ob es sich um eine reine Vision oder eine Kombination mit Lidar handelt, die End-to-End-Methode kann jedoch angewendet werden, obwohl Lidar das Notwendige bietet.“ Sicherheitsredundanz, aber auf lange Sicht ist die Vision-Technologie durchaus in der Lage, ein autonomes Fahren auf hohem Niveau zu erreichen. Mit fortschreitender Technologie wird erwartet, dass reine Vision-Systeme das Niveau menschlicher Fahrer erreichen oder sogar übertreffen.

Li Bin äußerte auch seine Meinung. Seine größere Rolle liegt im Sicherheitswert. Es kann 1 % der Extremszenarien abdecken. „Ob ein Unternehmen Lidar nutzt oder nicht, ist eine geschäftliche Frage und hängt davon ab, ob es die Kosten für das 1 % trägt.“

Obwohl neue Technologieiterationen und Kostensenkungen die Erwartungen an das autonome Fahren erhöht haben, stellt die End-to-End-Smart-Driving-Technologie nach Teslas Entwicklungserfahrung sehr hohe Anforderungen an Rechenleistung, Algorithmen und Big Data, wenn keine ausreichende wirtschaftliche und technische Stärke vorhanden ist ist schwer zu erreichen. Tesla hat durch umfangreiche Tests schließlich das durchgängige autonome FSD-Fahren erreicht.

Musk sagte, dass Tesla plant, im Jahr 2024 10 Milliarden US-Dollar in die Infrastruktur für künstliche Intelligenz und Rechenleistung zu investieren. Wenn die Investitionsintensität anderer Unternehmen dieses Niveau nicht erreicht oder die Effizienz der Kapitalnutzung nicht hoch ist, werden sie nicht wettbewerbsfähig sein .

Liu Allerdings sind die spezifischen End-to-End-Implementierungspfadmodelle selbst unterschiedlich, und auch die Implementierungsprozessmethoden sind unterschiedlich. „Wir können unsere eigenen Modelle gezielt trainieren. Wir haben umfangreiche Erfahrungen mit CBD- und Stauszenarien in den komplexen städtischen Gebieten Chinas gesammelt. Wir glauben, dass diese dazu beitragen können, dass das End-to-End-Algorithmusmodell schnell auf ein wettbewerbsfähiges Niveau iteriert.“

Lou Tiancheng, CTO von Pony.ai, sagte, dass zum jetzigen Zeitpunkt das Training eines End-to-End-Modells mit allgemeiner Leistung kein Problem mehr mit der Datenmenge für autonomes Fahren darstellt, sondern dass ein leistungsstarkes End-to-End-Modell trainiert werden muss Modell ist eine Verbesserung um mehrere Größenordnungen erforderlich. Dies ist eine Herausforderung, vor der die Branche des autonomen Fahrens steht.

Da der Grad der KI-Modellierung autonomer Fahrsysteme immer höher wird, steigt der Bedarf an Trainingsrechenressourcen.

Tesla hat seine Investitionen in die Schulung von Rechenleistung in den letzten Jahren kontinuierlich erhöht. Tesla gab in seinem Finanzbericht für das zweite Quartal 2024 bekannt, dass seine Rechenleistung für das Training künstlicher Intelligenz 35.000 H100-GPU-äquivalente Rechenleistung erreicht hat und bis zum Jahresende voraussichtlich auf etwa 90.000 H100-GPU-äquivalente Rechenleistung steigen wird. Im Vergleich zum Ende des Jahres 2023 beträgt der Anstieg gegenüber dem Vorjahr etwa 500 % und liegt damit auf dem gleichen Niveau wie Google und Amazon. Zuvor hat Tesla auch einen größeren A100-GPU-Trainingscluster eingesetzt, und seine tatsächlichen Investitionen in Trainingsrechenleistung liegen in der Branche des autonomen Fahrens weit vorn. Obwohl inländische OEMs und Unternehmen für autonomes Fahren ebenfalls in die Schulung der Rechenleistung investiert haben, haben nur wenige das Ausmaß von Tesla erreicht.

Derzeit gibt es jedoch keinen klaren Zeitplan dafür, wann Tesla Robotaxi-Produkte in Betrieb gehen werden. Teslas selbstfahrendes Taxi Robotaxi, dessen Veröffentlichung ursprünglich für den 8. August geplant war, wird auf den 10. Oktober verschoben. Als Grund für die Verzögerung sagte Musk, dass einige Designänderungen am Fahrzeug vorgenommen werden müssten. Einige Branchenexperten glauben, dass Tesla die Veröffentlichung von Robotaxi hauptsächlich deshalb verzögert hat, weil seine Technologie noch nicht ausgereift ist und einige Fehler auftreten können, wenn es rechtzeitig veröffentlicht wird.

Zusätzlich zu den technischen Problemen, die verbessert werden müssen, ist die Frage des Robotaxi-Geschäftsmodells noch schwieriger.

Nehmen Sie als Beispiel Luo Luo Kuai Pao, selbst wenn jedes Fahrzeug 20 Bestellungen pro Tag entgegennehmen und 10 Yuan pro Bestellung verdienen kann, beträgt das tägliche Einkommen von Luo Luo Kuai Pao Robotaxi nur 100.000 Yuan. Diese Zahl ist für den Normalbürger ziemlich hoch, aber für ein Technologieunternehmen, das sich mit autonomem Fahren beschäftigt, wird geschätzt, dass sie nicht einmal durch die Gehälter mehrerer Algorithmenwissenschaftler gedeckt werden kann.

Li Bin nannte auch seine eigenen Gründe, warum Weilai kein Robotaxi betreibt: „Transport ist ein soziales Problem, kein separates technisches Thema. Technisch gesehen wird Robotaxi immer ausgereifter, aber es ist nicht unbedingt ein nachhaltiges Geschäft.“ Die Zahl der Autos, die eine Stadt aufnehmen kann, ist begrenzt, und Robotaxi lässt sich nicht ohne Grenzen wie Cloud-Dienste skalieren.“

Der Kapitalmarkt ist vorsichtig optimistisch, was Teslas Robotaxi-Plan angeht. Morgan Stanley sagte, dass die autonome Fahrtechnologie von einer Reihe unvorhersehbarer Faktoren wie Gesetzen, Vorschriften und Ethik beeinflusst werde. Ihre Marktpopularität könne sich in einer extremen Kurve ändern, und die Branche sei noch weit vom Wendepunkt entfernt.

Obwohl Robotaxi noch weit von einer groß angelegten Anwendung entfernt ist, kann die End-to-End-Lösung für intelligentes Fahren das Benutzererlebnis erheblich verbessern und mehr Verbraucher dazu bringen, autonomes Fahren zu akzeptieren, was die Gesamtdurchdringungsrate von High-End-Intelligenz beschleunigen kann Fahren. Branchenexperten gehen davon aus, dass die inländische Hochgeschwindigkeits-NOA-Penetrationsrate bis 2026 30 % und die städtische NOA-Penetrationsrate 10 % überschreiten wird. 2024 wird ein wichtiges Zeitfenster für autonomes Fahren von der Bekanntheit bis zur Kaufumstellung werden.