uutiset

Lähde: Visual China

Näennäisesti yhdessä yössä autonomisesta ajamisesta tuli yhtäkkiä suosittu.

Heinäkuussa Baidun "Luobo Kuaipao" itseohjautuvat taksit otettiin laajalti käyttöön Wuhanissa, mikä uutisoi lähes joka päivä.

Raporttien mukaan Luobo Kuaipaon huippumatkojen määrä yhdessä vuorokaudessa ylittää 20, mikä vastaa keskimääräistä päivittäistä taksimäärää, ja matkustajakokemus on parempi ja mukavampi. Vakuutustietojen mukaan Porkkanajuoksun tapaturmaprosentti on vain 1/14 ihmisen onnettomuudesta. Se on kulkenut yli 100 miljoonaa kilometriä turvallisesti ilman suuria uhreja.

Meren toisella puolella Musk ilmoitti myös, että se julkaistaan ​​elokuussaTeslaEnsimmäisestä itseajavasta takista, Robotaxista (myöhemmin lokakuulle siirretty), hän sanoi, että auton omistajat voivat laittaa Robotaxin vuokra-ajoon vapaa-ajallaan ja auton hankintakustannukset voidaan periä kahdessa vuodessa.

Sattumalta 23. heinäkuuta Google ilmoitti myös lisäävänsä Waymoon uuden 5 miljardin dollarin investoinnin "Waymon aseman säilyttämiseksi maailman johtavana autonomisena ajoyhtiönä." Sinun on tiedettävä, että Microsoft käytti siihen vain 1 miljardi dollaria OpenAI 5 miljardia dollaria on lähellä Waymon aiempaa kokonaisrahoitusta.

Itse asiassa tämän päivän kuljettajattomien autojen puhkeaminen ei ole sattumaa. Alan näkökulmasta viimeiset kolme vuotta ovat olleet nopeimmat kolme vuotta myös autonomisen ajotekniikan kehitykselle, joiden voidaan melkein sanoa olevan "tuhansia maileja päivässä".

Kiinan ja Yhdysvaltojen tämänhetkisen edistyksen perusteella, jos jätämme syrjään lainsäädännöllisten standardien ja ajan rajoitukset, autonominen ajo on todennäköisesti täysin kaupallistava seuraavan 1-2 vuoden aikana ja saavuttaa päästä päähän "täydellisyyden" 5-10 vuotta, toteuttaen kuljettajattoman muodon, joka on samanlainen kuin tieteiselokuvissa.

Tästä näkökulmasta, vaikka voi olla liian aikaista puhua autonomisen ajamisen "iPhone 4 -hetkestä", autonomisen ajamisen aikakauden ainutlaatuisuus on todellakin saapunut.

Samalla tämä on myös kilpajuoksu aikaa vastaan: Kiina ja Yhdysvallat ovat kaksi maata, joissa on eniten itseohjautuvia yrityksiä maailmassa, ja kuka tahansa voi ottaa johtoaseman niihin liittyvien teollisuusketjujen läpikäymisessä ja perustamisessa. mahdollisuus määritellä rata ja esitellä se muille maille Maan kyky viedä teknologiatuotteita.

Kiinan ja Yhdysvaltojen välisen teknologisen kilpailun taustalla tämä on "taistelu, jota kenelläkään ei ole varaa hävitä" kummallekaan osapuolelle.

Tässä artikkelissa lähdemme liikkeelle autonomisen ajamisen kehityshistoriasta ja yritämme spekuloida alan tulevia kehitystrendejä. Tehdään ensin joitain alustavia johtopäätöksiä:

1. Tarkoista kartoista, lidarista BEV:hen: kaikki polut autonomisen ajon kehityksessä ovat "saada autot käyttäytymään enemmän kuin ihmiset".

2. Viimeiset kolme vuotta ovat olleet nopeimmin kehittyneet autonomisen ajotekniikan vuodet. Suuri joukko pelaajia kotimaassa ja ulkomailla on saavuttanut vaihtelevassa määrin päästä päähän ennen kuin se lopulta saavuttaa lopullisen päästä päähän -muodon.

3. Olipa kyseessä puhdas visio tai lidar-reitti, millimetriaaltotutka on paras tapa korjata näiden kahden tekniset puutteet. Kun millimetriaaltotutka siirtyy 3D:stä 4D-kuvaukseen, tarkkuuden lisääntyminen tekee tästä myös. Radalla on mahdollisuus luoda arvokkaita yrityksiä.

4. Autonomisen ajamisen käyttöönotto ja kaupallistaminen voi olla vasta alkua. Tulevaisuudessa useampi telaketju ja tuote (kuten robotit eri skenaarioissa) voivat toistaa samanlaisia ​​tarinoita, kun dataa on kertynyt.

5. Kautta historian, jokaisella teknologiareittien iteraatiolla, on mahdollisuuksia useille start-up-yrityksille nousta, ja uskon, että tämä kerta ei ole poikkeus.

Miksi sanotaan, että viimeiset kolme vuotta ovat olleet nopeimmat kolme vuotta autonomisen ajon kehitykselle?

Itseohjauksen tunnustettu alkuperä on vuodelta 2004. Tuolloin Yhdysvallat sotki syvästi Afganistanin ja Irakin sotia. Se tarvitsi kipeästi erän miehittämättömiä sotilaallisia ajoneuvoja vähentääkseen Yhdysvaltain armeijan uhreja, mutta tutkimus- ja kehityksen edistyminen ei ole koskaan ollut ihanteellinen.

Tämän seurauksena Tony Tesser, silloinen US Defense Advanced Research Projects Agencyn (DARPA) johtaja, keksi päähänpiston ja käynnisti haasteen, joka ilmoitti, että kuka tahansa voisi käyttää miehittämätöntä ajotapaa lentääkseen Los Angelesista Los Angelesiin. 10 tunnissa saavu Las Vegasiin ja voita miljoonan dollarin palkinto.

Tämä on itse asiassa Yhdysvaltain armeijan laajamittainen tarjouskilpailu siviileille. Järjestäjä ajatteli alun perin, että osallistujia oli vähän, mutta yllättäen yli 100 joukkuetta ilmoittautui kauimpana osallistuva auto kulki vain 12 kilometriä, mikä on noin 5 % koko kilpailumatkasta.

(Kuva: Autojen lisäksi mukana oli myös itseohjautuvia moottoripyöriä...)

Mutta DARPA ei antanut periksi ja järjesti kolme peräkkäistä autonomisen ajon haastetta vuosina 2005–2007, ja se houkutteli osallistumaan tutkimusryhmiä useista yliopistoista ja yrityksistä. Tämä antoi myös Larry Pagelle, joka on yksi Googlen perustajista, nähdä autonomisen ajamisen mahdollisuudet Ajopotentiaali.

Vuonna 2009 Googlen itseohjautuva projekti "Chauffeur" käynnistettiin virallisesti. Kaksi rekrytoitua ydininsinööriä (Anthony Levandowski ja Sebastian Thrun) olivat molemmat entisiä DARPAn työntekijöitä. Näistä kahdesta tuli myöhemmin myös Googlen itseohjautuvan yrityksen perustaja. ajoyksikkö.

Vuoteen 2014 mennessä Google julkaisi Fireflyn, maailman ensimmäisen täysin autonomisen auton ilman ohjauspyörää ja kaasupoljinta, joka ei pelkästään järkyttänyt autoteollisuutta, vaan myös sai maailman tietoiseksi autonomisen ajamisen mahdollisuudesta ensimmäistä kertaa.

(Kuva: Firefly, Googlen kehittämä ensimmäisen sukupolven itseajava auto)

Välittömästi tämän jälkeen suuria määriä riskipääomaa alkoi valua kuljettajattomille raiteille: Uberista, Nvidiasta ja Amazonista Baiduun, Didiin, Huaweihin ja sittenBenz、BMW, kenraali,Honda, mukaan lukien uudet kotimaiset autonvalmistajat, ovat alkaneet investoida autonomisen ajon tutkimukseen ja kehitykseen.

Aika tuli nopeasti kaksi vuotta myöhemmin 2016 oli äärimmäisen tärkeä vuosi autonomiselle ajoteollisuudelle - koska tänä vuonna Tesla liittyi virallisesti taisteluun.

Ei ole liioittelua sanoa,Kun otetaan vuosi 2016 jakolinjaksi, koko autonomisen ajamisen toinen puolisko on historiaa Teslan vastahyökkäyksestä alan jahtaajasta johtajaksi.Joten minusta henkilökohtaisesti tuntuu, että tätä hetkeä ei voi liioitella liikaa.

Ennen vuotta 2016 lähes kaikki itseajavat yritykset valitsivat Googlen tekniset ratkaisut:

1) Paikannus: avustettu paikannus erittäin tarkkojen karttojen avulla;

2) Havainto: Käytä lidar + visiokameraa havainnointitietojen tarjoamiseen ajoneuvoille;

3) Sääntely ja ohjaus: Sääntöihin perustuviin algoritmeihin perustuva päätöksenteko ja ohjaus.

Ei ole vaikeaa havaita, että Googlen ratkaisun taustalla oleva logiikka on "pinottu haarniska" ns"Jokin on parempi kuin ei mitään, enemmän on parempi kuin vähemmän."

Tämä ajatuskoulu uskoo, että nykyisellä tekniikan tasolla yksikään anturi ei pysty suorittamaan kaikkia autonomiseen ajamiseen tarvittavia toimintoja tai kattamaan kaikkia kulmatapauksia toimii eri painoille, lidarilla on suurin paino, joten tämän ryhmän ratkaisua kutsutaan myös"LiDAR-ratkaisu";Pohjimmiltaan tämä on laitteistopohjainen tekninen reitti.

Tesla on teknologiayritys, joka aloitti tekoälyn avulla. Esimerkiksi Musk katsoi, että lidar oli tuolloin liian kallis ja maksoi 80 000 dollaria, joten hän keskittyi enemmän tehokkaiden visuaalisten algoritmien ja Dedicated AI:n kehittämiseen. sirut yrittävät rakentaa malleja ympäröivistä kohteista kameroiden avulla ja lisätä dataa neuroverkkoihin laskelmia varten, kehittyen hitaasti"Puhdas visuaalinen ratkaisu"Tämä on ohjelmistolähtöinen teknologiapolku.

Muskin omin sanoin: "Kaikilla ihmisillä ja eläimillä on silmät, ei tutkat", ja kohtalon pyörät alkoivat kääntyä.

Tuolloin kahdella teknisellä reitillä oli omat etunsa: Vaikka lidarilla oli korkeat laitteistokustannukset, se oli luonnostaan ​​tarkka ja siinä oli syvyystietoa (tähän päivään asti monilla insinööreillä on edelleen heikko kohta lidarille, vaikka kamerat, vaikkakin halvat, Rajallisilla kyvyillä pystymme vertailemaan tietoja vain kaksiulotteisessa maailmassa. Laskennan ja muunnoksen avulla saatu tieto ei ole aina yhtä tarkkaa ja intuitiivista kuin ensikäden tieto.

Tämä sai Teslan myös rakentamaan oman tuhansien ihmisten etikettitiimin kerralla, joten monet ihmiset kyseenalaistivat Muskia sanoen, että vaikka laitteistosi oli halvempi, kokonaiskustannukset eivät olleet yhtä hyvät kuin lidar.

Itse asiassa tästä näkyy myös, että koko autonomisen ajon tekoälytaso oli tuolloin lähes olematon (paitsi lidar, jossa oli joitain tekoälyalgoritmeja).Se on tyypillinen "niin monta tekoälyä kuin on älyä".Jos tekoälyn kehitys pysähtyy tähän, Teslan puhdas visioratkaisu kohtaa todennäköisesti pullonkauloja.

Mutta lopulta Google pelasti Teslan:

Vuonna 2019 Google julkaisi kuuluisan Transformer-paperin (joka oli myös seuraavan suuren mallin perusta).

Vaikka Transformer on huomiomekanismiin perustuva hermoverkkomalli, Teslan insinöörit huomasivat nopeasti, että Transformer ei pysty käsittelemään vain kielitietoja, vaan sitä voidaan käyttää myös kuvatietojen käsittelyyn.

Lyhyesti sanottuna Transformer voi integroida Teslan kahdeksan kameran keräämät tiedot samaan paikannuskoordinaattijärjestelmään.Se vastaa "Jumalan näkökulman" antamista autolle (eli BEV, "lintuperspektiivi"),Pystyy näkemään 3D-tietoa ympäröivästä ympäristöstä.

(Kuva: BEV-teknologia antaa Teslalle "Jumalan näkökulman")

Tesla julkaisi tekoälypäivänä vuonna 2021 ja teki onnistuneesti BEV:n suosituksi Vuoden 2022 toisesta puoliskosta lähtien myös kotimaiset pelaajat ovat ilmoittaneet jatkotoimistaan ​​ja alkaneet vähitellen laittaa BEV:tä autoon.

(Joten, vaikka monet tekniikat eivät ole alkuperäisiä Teslalle, sen kyky suunnitella edistyneitä teorioita huippuluokan tutkimusten pohjalta ja soveltaa niitä käytännössä on ehdottomasti kosmisella tasolla.)

Samaan aikaan Tesla on myös alkanut yrittää automatisoida merkintäprosessia mahdollisimman pitkälle ratkaistakseen liian korkeiden kustannusten ongelman.

Sen periaate on vähän kuin sharadejen pelaamista: ensin, kun ajokamera näkee kohteen (kuten puun), se lataa tiedot suureen malliin pilvessä ja sitten iso malli "arvaa" mitä esine on? Jos arvattu tulos on yhdenmukainen 8 anturin esityksen kanssa, puu merkitään automaattisesti.

Tällä tavalla Tesla pääsee eroon työvoiman rajoituksista Niin kauan kuin ajoneuvo pystyy jatkuvasti lähettämään tietietoa takaisin, se voi kouluttaa omaa algoritmiaan rajattomasti.

Toistaiseksi Teslan suorituskyky on ollut tarpeeksi hämmästyttävä, mutta vain vuotta myöhemmin Musk teki kaksi suurta siirtoa AI-päivänä. Ensimmäinen oli aika-avaruussekvenssin käyttöönotto ja toinen käyttöverkoston käyttöönotto.

Yksinkertaisesti sanottuna,Edellinen antaa autolle mahdollisuuden muistaa aikaa, kun taas jälkimmäinen saavuttaa "pseudo lidaria" muistuttavan vaikutuksen.Antamalla auton laskea spatiaalisen sijainnin ja määrittää, tarvitaanko esteiden välttämistä ilman kohteen tunnistamista, se ratkaisee aiemman ongelman "törmäyksestä suureen valkoiseen kuorma-autoon".

Reitistä riippumatta, mutta tehosteen suhteen visuaalinen ratkaisu on tähän mennessä saavuttanut periaatteessa saman vaikutuksen kuin tutkaratkaisu.BEV+Transformer saavutti onnistuneesti autonomisen ajohavaintoteknologian polun konvergenssin ja muodosti peruskehyksen nykypäivän visuaalisen havaintoalgoritmille.

(Kuva: Verkon miehittäminen saa aikaan samanlaisen vaikutuksen kuin "pseudo lidar")

Siksi yleisen trendin kannaltaAutonomisen ajamisen evoluution polku on itse asiassa hyvin selvä: tarkoituksena on saada auto käyttäytymään enemmän ihmisen tavoin.Anna tekoäly ennustaa, mitä tapahtuu tulevaisuudessa menneisyyden perusteella.

Tästä näkökulmasta viimeiset kolme vuotta ovat itse asiassa olleet nopeimmin kehittyviä vuosia autonomiselle ajoteknologialle, ja tekoäly on vähitellen osoittanut vahvoja päivitys- ja iterointiominaisuuksia autonomisessa ajamisessa. Useimmat tavalliset ihmiset eivät kuitenkaan tuolloin tienneet tästä paljon että Autonomissa ajamisessa on edistytty vain vähän.

Se, mikä todella sai yleisön ymmärtämään, että tekoälyllä tulee olemaan vallankumouksellinen vaikutus autonomiseen ajoteollisuuteen, ovat useat vuonna 2023 tapahtuneet asiat:

·Musk mainitsi ensimmäistä kertaa sosiaalisilla alustoilla, että "v12 on varattu, kun FSD on päästä päähän AI", mikä tuo päästä päähän julkisuuteen (Nvidia ehdotti sitä vuonna 2016, mutta sillä oli vähän vaikutusta), ja lukemattomia ihmisiä Alkaa odottaa v12:n julkaisua;

·Ensimmäistä kertaa viimeisen kymmenen vuoden aikana CVPR palkitsi parhaan paperin kiinalaiselle tiimille ylistäen sen panosta kokonaisvaltaisen autonomisen ajon toteuttamisessa;

·Musk teki 45 minuutin suoran lähetyksen mallissa S, joka oli varustettu v12-beetaversiolla, ja puuttui asiaan vain kerran koko prosessin aikana. Vaikutuksen voidaan sanoa olevan erittäin hyvä.

On kuitenkin tehtävä selväksi, että tällä hetkellä ei ole suoria todisteita siitä, että Teslan näyttämä v12 on saavuttanut täydellisen suorituskyvyn päästä päähän. Sen näytön vaikutus on kuitenkin hämmästyttävä ja sen älykkyys on periaatteessa vertailukelpoinen kokeneille ihmiskuljettajille.

Itse asiassa, jos automaattinen ajojärjestelmä jaetaan havaintoon, suunnitteluun ja ohjaukseen perinteisen käsityksen mukaan,Tällä hetkellä suuret OEM-valmistajat käyttävät lihaksensa esittelyyn pääasiassa modulaarista päästä päähän osittaisilla AI+ -perussäännöillä.

Koska jokainen moduuli vaatii ihmisen määrittelemän käyttöliittymän, osa tiedoista katoaa. Mitä enemmän moduuleja, sitä enemmän tietoa katoaa, suurten valmistajien on vielä selvitettävä kuinka yhdistää kaikki moduulit yhdeksi malliksi. Työtä on jatkettava.

Kuitenkin keräämiemme tietojen perusteella tekniikan ja tekniikan nykyisen kehitysnopeuden mukaanOn vain ajan kysymys, milloin autonominen ajaminen lopulta toteutuu.

Tuolloin ajoneuvo voi tehdä ajopäätökset "mustan laatikon" tilassa reaaliaikaisten kerättyjen tietietojen perusteella ja lähettää suoraan ohjaussignaaleja, kuten jarrutusta ja ohjausta, saavuttaen äärimmäisen scifi-kirjan kaltaisen kuljettajattoman ajon muodon. elokuvia.

(Kuva: Autonomisen ajamisen viisi kehitysvaihetta, lähde: Xianfeng Evergreen)

Itsenäisen ajoiteroinnin tuomia riskipääomamahdollisuuksia

Syyt ovat hyvin monimutkaisia. Tässä on vain kolme avaintekijää, joista mielestäni keskustellaan:

Ensinnäkin dataa on suhteellisen runsaasti.

Kuten me kaikki tiedämme, "matkailu" on korkean taajuuden kysyntä Kotimainen autonominen ajoteollisuus alkoi nousta noin 2015, ja siitä on kulunut lähes 10 vuotta. laadusta riippumatta on ainakin kokonaisuutena riittävän rikas, mikä luo perusedellytyksiä myöhempään suljetun silmukan datan toteuttamiseen.

Toiseksi funktion määritelmä on suhteellisen selkeä ja selkeä.

Rehellisesti sanottuna, vaikka tämän tekoälyaallon käsite on erittäin kuuma, monien tuotteiden kehityssuunta on itse asiassa epäselvä.

Esimerkiksi humanoidirobottien osalta monet yritykset ovat tehneet vain prototyypin, jota voidaan esitellä messuilla. Todellisissa teollisissa skenaarioissa ei kuitenkaan ole selvää, mitä ongelmia nämä robotit voivat ratkaista ja missä määrin. he voivat saavuttaa sen.

Koska tuotantoketjun loppupään tehtaat eivät ymmärrä tekoälyä, ne eivät useinkaan tiedä, mitä toimintoja nämä robotit voivat saavuttaa ja voidaanko niitä yhdistää muihin teknologioihin. Kestää kauan, ennen kuin molemmilla osapuolilla on ymmärrystään.

Kuljettamattomassa ajamisessa ei kuitenkaan ole tätä ongelmaa. Ajoneuvo voi kattaa kaikki ajotapaukset eteenpäin, taaksepäin, kääntymällä, kiihdyttämällä ja jarruttamalla vaatimukset ovat yksinkertaiset ja selkeät.

Siksi myös selkeä toiminnallinen määritelmä ja standardijako ovat olennaisia ​​tekijöitä kehittyneen teknologian muuntamiseksi helppokäyttöisiksi tuotteiksi.

Kolmanneksi laitteistopohja on suhteellisen kypsä.

Olipa kyseessä laser-, kamera-, millimetriaalto- ja muut anturiratkaisut tai erilaiset signaalin siirtoa ja käsittelyä tarjoavat sirut, 10 vuoden täyden "involuution" jälkeen ne ovat periaatteessa siirtyneet korkean kustannustehokkuuden + vakaan tarjonnan vaiheeseen.

Siksi automaattinen ajo saavutti ensimmäisenä datan, laitteiston ja tekniikan kierteisessä prosessissa hinnan ja kokemuksen tasapainopisteen ja muodosti pian uuden tuottavuuden.

Siksi, jos noudatamme tätä logiikkaa askeleen pidemmälle, autonominen ajaminen on todennäköisesti vasta alkua, ja vastaavat tarinat saattavat toistua useammilla raiteilla tulevaisuudessa.

Tietenkin lähtökohtana on, että tällä alalla on oltava joitain yrityksiä, jotka voivat jatkaa suurten tietomäärien keräämistä alhaisin kustannuksin (samalla tavalla kuin Didi, Baidu ja Tesla itsenäisessä ajamisessa) sen sijaan, että luottaisivat vain joihinkin hajallaan olevia pieniä tietoja, joiden perusteella voimme arvioida, onko tietyllä toimialalla tapahtunut samanlainen käännekohta.

Toisesta näkökulmasta tämän suurten mallien aallon nousun myötä tulevaisuudessa voi olla systemaattisia investointimahdollisuuksia monille jaetuille alueille, jotka tekoäly voi automatisoida, mutta joita suuret yritykset eivät ole vielä ottaneet käyttöön (kuten matalan merenpinnan talous). ja teollisuustuotanto).

Mitä muuta autonomiseen ajamiseen voi panostaa?Eroamme vain hieman, nyt tuodaan ajatuksemme takaisin ja puhutaan itse autonomisesta ajamisesta. Historian aikana itse asiassa jokaisella autonomisen ajotekniikan iteraatiolla on mahdollisuus useille start-up-yrityksille nousta.

Esimerkiksi Googlen aikakaudella valtavirran ratkaisu oli lidar + kamera + erittäin tarkka kartta, mutta nykyään huipputarkkoja karttoja käytetään yhä harvemmin henkilöautoissa, eikä niitä enää edes mainita (miettikää, se oli vain kaksi vuotta sitten) asia).

Pelkästään karttakeräysajoneuvon hinta oli tuolloin miljoonia, jos reaaliaikainen suorituskyky haluttiin varmistaa mahdollisimman paljon, niin tien päällä on oltava vähintään satoja ajoneuvoja samaan aikaan joka päivä. Vastaa reaaliaikaiseen kansallisten karttojen keräämiseen ja päivittämiseen. Tämä oli mahdotonta kenellekään Autoyhtiöillä tai karttamyyjillä ei ole siihen varaa.

Tuloksena on, että teolliset mahdollisuudet putoavat vihdoin lidarille:

Ensimmäinen on laitteistovalmistajien, kuten Hesain, nousuJousimies, ja sitten syntyi joukko yrityksiä, kuten Wenyuan, Pony ja Vimo, jotka rakensivat algoritmeja lidarin ympärille, ja sitten joukko yrittäjiä, jotka alkoivat kokeilla pienimuotoisia suljetun silmukan L4-tason autonomisia ajosovelluksia, jotka perustuvat tutka + suljettu skenaariot , erilaisia ​​miehittämättömiä ajoneuvoja kaivoksissa, miehittämättömiä ajoneuvoja satamissa, hotellien ruoanjakelurobotteja jne., ja koko autonomisen ajon ekosysteemi on alkanut kukoistaa.

Mutta Tesla kukisti alan jälleen BEV+Transformerilla, mikä osoitti, että jopa ilman tutkaa on mahdollista arvioida 3D-avaruutta. Tällä hetkellä lidarista tulee sama kuin vuoden erittäin tarkka kartta, eikä se ole enää välttämätön vaihtoehto.

Tietenkin tänään lidarin hinta on pudonnut tuhannen yuanin tasolle ja todennäköisesti jatkaa laskuaan. Siksi lyhyellä aikavälillä jotkut autoyritykset ottavat edelleen käyttöön monisensorin fuusioratkaisuja.

Kustannussäästölogiikkaan perustuen kuitenkin aikana, jolloin OEM-valmistajat "haluavat jokaisen pennin äärimmäisyyksiin", lidar korvataan asteittain puhtailla visuaalisilla ratkaisuilla tulevaisuudessa, ja koko teollinen ekologinen kuvio muuttuu väistämättä sen mukaan.

Esimerkiksi perinteinen millimetriaaltotutka voi saada vain tasotietoja. Seuraavan sukupolven 4D-millimetriaaltotutka pystyy havaitsemaan korkeustietoja tason mukana useita siruja Cascading- ja SoC-ratkaisut tasoittavat korkean tarkkuuden ja edulliset ratkaisut teollisuuden kysynnän tasolla tuotteilla on paremmat turvallisuus- ja redundanssivaatimukset jne.

Lyhyesti sanottuna, erilaisten vaatimusten johdosta tähän kategoriaan tulee todennäköisesti uusia pelaajia.

Toisena esimerkkinä, kun kamerat keräävät yhä enemmän tietoa ja laatu paranee koko ajan, on kysyntää superlaskentakeskuksille ja loppupuolen prosessointisiruille, joilla on suuri laskentateho, mukaan lukien seuraavan sukupolven päätypuolen sirut. Kyse ei ole vain laskentatehon pinoamisesta, vaan myös eri algoritmiarkkitehtuurien yhdistämisestä näiden kahden paremmin mukauttamiseksi. Nämä ovat kaikki laitteistopuolen tuomia uusia muutoksia.

Pehmeämmällä puolella keskitymme edullisiin + korkealaatuisiin + kestäviin tiedonhankinta-/tuotantomenetelmiin.

Päästä päähän -reitillä on tosiasia, että oppimispohjaiset algoritmit käyttävät tietoja polttoaineena. Esimerkiksi Teslan V12:n paljastui "käyttäneen 10 000 H100:aa ja suorittaneen noin 10 miljoonaa videokoulutusta".

"Nämä videot ovat peräisin 160 miljardista videoruudusta, jotka kerätään päivittäin kahdelta miljoonalta todelliselta ajoneuvolta ympäri maailmaa, ja alle 1 % näistä videoista on saatavilla, kuten outoja ja epätavallisen kiireisiä risteystietoja."

Ensimmäisenä kokeiluna jotain uutta, Musk on jo toimittanut alalle riittävän hyvän vastauslomakkeen. Joten näyttää siltä, ​​että seuraava askel on hankkia laadukkaita tietoja varjotilan, simulaatiomoottorin tai maailmanmallin avulla tulee alan seuraava kysymys, jota on tutkittava yhteisymmärrykseen pääsemiseksi.

Tästä ei kuitenkaan mielestäni voi enää päättää vain tietyssä linkissä olevat yritykset: vaikka tekniset reitit ovat varmasti tärkeitä, teollinen asemointi ja liiketoimintamallit voivat olla ennakko-ajatuksia, joita kiinalaisten yritysten on tehtävä nykyisessä ympäristössä.

Kaiken kaikkiaan, kun huippuluokan älykkään ajon käyttöönotto asteittain päivittyy, alan uusia mahdollisuuksia ilmaantuu väistämättä havainnointiin, siirtoon, päätöksentekoon, toteuttamiseen ja vuorovaikutukseen.

Olen esimerkiksi äskettäin kommunikoinut joidenkin autoteollisuuden perustajien kanssa ja huomasin, että heidän pääliiketoimintojensa lisäksi he kiinnittävät huomiota myös joihinkin eri alojen sovellusten teknologioihin ja tuotteisiin heidän potentiaalisia ystäviään ja yhteistyökumppaneitaan.

Tämä osoittaa, että kun alan sisäinen kilpailu on saavuttanut tietyn tason,Kun riittäviä voittomarginaaleja on vaikea saada pelkällä mittakaavalaajennuksella + toimitusketjun parantamisella, yritysten on etsittävä uusia läpimurtokohtia uusilla teknologioilla.

Tilarajoitusten vuoksi kokosin artikkelin loppuun taulukon, joka antaa sinulle kurkistuksen älykkään tekoälyn aikakauden yrittäjyysmahdollisuuksiin. Toivon, että se voi tuoda sinulle erilaisen näkökulman ajatteluun.

(Kuva: Teollisuuden muutokset ja autonomisen ajamisen eri vaiheiden tuomat mahdollisuudet, lähde: Xianfeng Evergreen)

(Tämän artikkelin kirjoittaja Xu Zhen on Xianfengin ikivihreä sijoittaja. Hän keskittyy uuteen energia-ajoneuvoteollisuuden ketjuun, mukaan lukien ydinkomponentit, puolijohteet, materiaalit jne., ja on kerran sijoittanut Huashen Ruiliin Xianfengin puolesta. Hän valmistui Zhejiangin yliopistosta Zhu Kezhen Collegesta ja Warwick Business Schoolista.)