nouvelles

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Texte 丨Anqi Li

Editeur : Li Qin

« Soit vous adoptez une approche de bout en bout, soit vous quittez le secteur de la conduite intelligente dans quelques années. »

Après avoir rejoint l'industrie de la conduite intelligente pendant plusieurs années, l'ingénieur en conduite intelligente Qin Feng (pseudonyme) s'est déjà adapté au rythme effréné de l'involution dans l'industrie de la conduite intelligente. Mais lorsque la nouvelle technologie du « grand modèle de bout en bout » apparaîtra, il estime que la première personne touchée ne sera peut-être pas les conducteurs humains, mais lui-même en tant qu'ingénieur.

Ce type d'anxiété n'est pas propre à Qin Feng. De nombreux ingénieurs de conduite intelligente ont déclaré à 36Kr que pour apprendre de nouvelles technologies, ils lisaient les derniers journaux de l'industrie pendant leurs heures supplémentaires, se rendaient à Bilibili pour assister à des conférences, et certains commençaient même à apprendre à partir de manuels d'études supérieures.

Le « grand modèle de bout en bout » est la dernière bombe technologique de l'industrie de la conduite intelligente cette année.

En janvier de cette année, Tesla a officiellement lancé la version test du FSD (progiciel de conduite autonome) v12 auprès des utilisateurs ordinaires. Cette version adopte une solution réseau de bout en bout, et de nombreux utilisateurs déclarent que l'expérience est beaucoup plus conviviale que la version précédente v11.

Musk a un jour introduit la capacité de bout en bout, l'appelant « entrée de fin d'image, sortie de fin de contrôle ». Bien que de nombreux initiés de l'industrie aient exprimé à 36Kr qu'ils ne croyaient pas que la solution de bout en bout de Tesla soit si radicale et magique au niveau pratique, la solution de bout en bout continue de motiver ses pairs nationaux comme du miel. Les acteurs nationaux croient progressivement que, grâce à de grands modèles, une grande puissance de calcul et des données massives, les systèmes d'IA peuvent conduire comme des humains.

Sentant la nouvelle tendance technologique, les constructeurs automobiles nationaux et les principales sociétés de conduite intelligente ont déjà pris des mesures. Des acteurs de premier plan tels que Huawei, NIO et BYD ont investi des équipes et des ressources pour promouvoir des solutions de bout en bout ; deux constructeurs automobiles, Ideal et NIO, ont également créé des départements dédiés aux modèles à grande échelle de bout en bout pour promouvoir la mise en œuvre de la technologie. plus rapide. .

La concurrence pour les talents haut de gamme s’intensifie également, ouvertement et secrètement. Lorsque la première voiture a été lancée sur le marché, afin de rattraper les progrès de la conduite intelligente, Xiaomi Motors a embauché l'ancien directeur technique de Tucson Chine, Wang Naiyan, pour rejoindre l'entreprise. Certaines personnes du secteur de la conduite intelligente ont déclaré à 36Kr que Huawei Smart Driving utilise même des brevets pertinents pour ancrer les talents et mener des activités minières ciblées.

Le nouveau plan enflamme effectivement le marché intérieur. Mais le revers de la médaille est que l’implémentation de bout en bout repose en grande partie sur une mise en œuvre basée sur les données plutôt que sur l’empilement manuel d’un grand nombre d’ingénieurs. L’équipe de Tesla, composée d’environ 300 personnes, est utilisée comme modèle et répartie parmi les principaux acteurs.

Cependant, la réalité du secteur est que les équipes de conduite intelligentes actuelles composées d'acteurs de premier plan comptent près d'un millier de talents. BYD, un constructeur automobile bien établi qui rattrape son retard en matière de conduite intelligente, dispose d'une équipe logicielle de 3 000 personnes, et l'équipe de conduite intelligente de Huawei n'est pas loin derrière. Lorsque le marché est bon, les ingénieurs peuvent généralement obtenir des salaires valant des millions par an.

Cependant, de nombreux ingénieurs en conduite intelligente estiment que si l'effet de la solution de bout en bout est davantage vérifié, les licenciements dans les équipes de conduite intelligente des constructeurs automobiles seront un événement très probable.

"Il n'y a pas besoin de 200 à 300 personnes", a déclaré fermement à 36 Krypton un ancien pilier de la conduite intelligente pour une nouvelle entreprise de voitures électriques. Même les nouveaux diplômés ayant une formation en apprentissage approfondi peuvent avoir un avantage sur certains ingénieurs de conduite intelligents qui se lancent dans des projets de bout en bout.

Certains chasseurs de têtes de conduite intelligente ont également clairement le sentiment que l'industrie regorge de talents : les équipes de conduite intelligente des constructeurs automobiles ne proposent plus de nouveaux postes et le personnel commence à être rationalisé. « De nombreux HC qui traînent sont des postes zombies. » De chasseur de têtes, il a changé de filière et s'est tourné vers le recrutement de talents pour les entreprises de robotique.

Ingénieur bloqué devant la porte

L'ingénieur de conduite intelligente Tian Wei (pseudonyme) a déclaré à 36Kr que dans cette nouvelle révolution technologique, les ingénieurs du module de planification et de contrôle seront plus impactés que ceux du module de perception et du module de prédiction.

Cela est principalement dû au fait que la solution de bout en bout est très différente de la solution de conduite intelligente traditionnelle. Les solutions traditionnelles sont divisées en plusieurs modules tels que la perception, le positionnement, la carte, la prédiction et le contrôle de la planification. La mise en œuvre des fonctions des modules est essentiellement pilotée par les codes des ingénieurs. Le personnel des deux principaux départements de perception et de planification et de contrôle représente souvent la majorité de l'équipe de conduite intelligente.

Mais la caractéristique de la solution de bout en bout est qu’elle passe d’un code piloté par des ingénieurs à un pilotage par les données. Le moyen le plus idéal consiste à saisir des images dans le système, et le système peut directement produire le contrôle du véhicule, et les liens intermédiaires sont complétés par le réseau neuronal IA.

À en juger par les progrès des principaux acteurs nationaux, après l'introduction de la solution de bout en bout, plusieurs modules de la solution traditionnelle sont transformés via les réseaux neuronaux d'IA et sont intégrés dans deux grands réseaux : un grand modèle de perception et un grand modèle de prédiction. et modèle de prise de décision. « De nombreuses solutions actuelles sont basées sur de grands modèles de perception et connectées à un vaste modèle de planification prédictive. »

Une autre solution intégrera la perception, la prévision, la prise de décision et la planification, ce que l'industrie appelle « un modèle ».

Le nouveau parcours technique présente également un nouveau profil de talents pour les équipes de conduite intelligente des constructeurs automobiles.

Un conducteur intelligent a déclaré à 36Kr que l'équipe de bout en bout nécessite moins de personnes, mais que les seuils de talent sont devenus plus élevés. Le grand modèle lui-même nécessite que l'équipe ait une solide expérience d'apprentissage profond. « Dans la phase de construction du projet, cela nécessite également de solides talents en infrastructure, une compréhension approfondie de chaque module de perception, de planification et de contrôle, ainsi qu'une compréhension des différents modules. prise en charge des plates-formes informatiques sur puce, différents cadres de raisonnement de l'IA, etc.

Toutefois, le nombre de personnes chargées de la construction et de la formation des modèles ne représente qu'une petite partie. "Peut-être que 90 % de l'équipe fournit des données de bout en bout, ainsi qu'un support de chaîne d'outils de données en boucle fermée, etc."

"Le grand modèle en lui-même est une équipe très compétente", a déclaré un sage. C'est pourquoi les entreprises de technologie d'IA telles qu'OpenAI ne comptaient que 200 à 300 personnes à leurs débuts, mais elles ont pu lancer le grand modèle linguistique ChatGPT et changer le processus mondial d'IA.

Pour les ingénieurs, l’impact de la technologie de bout en bout varie également.

Un expert en conduite intelligente a déclaré à 36Kr que parmi les deux modules de perception et de contrôle, le grand modèle de perception reposait à l'origine sur la technologie d'apprentissage en profondeur. Bien que la voie de l'inspection visuelle soit passée de l'ancien réseau neuronal convolutif CNN au BEV basé sur un transformateur, l'impact sur les ingénieurs n'a pas été grand.

Mais pour les ingénieurs en réglementation, s’ils veulent participer de bout en bout, ils doivent presque changer de piste à nouveau. Un expert en conduite intelligente a déclaré à 36Kr que les ingénieurs traditionnels en matière de réglementation et de contrôle se concentrent principalement sur plusieurs directions : la prédiction de trajectoire, l'optimisation de trajectoire, le post-traitement des règles et le contrôle du véhicule. "Ce sont tous des sujets très subdivisés et fondamentalement hors de propos. À l'exception du module de prédiction de trajectoire, les ingénieurs des autres directions n'ont fondamentalement aucune formation en apprentissage profond."

L'ingénieur de conduite intelligente Tian Wei a déclaré à 36Kr que si les régulateurs veulent passer à une approche de bout en bout, une direction est la formation du modèle elle-même, mais cela nécessite une solide expérience d'apprentissage en profondeur. "Il est possible que les nouveaux diplômés qui étudient le deep learning comprennent mieux les modèles que vous."

Deuxièmement, il s’agit de l’exploration et du traitement des données pour fournir une nutrition de bout en bout. "Mais si l'infrastructure de la chaîne d'outils est complétée et la structure du modèle est stabilisée, les gens ne seront peut-être plus nécessaires. Enfin, il y a le post-traitement du modèle de bout en bout qui n'est pas fiable. , et un petit nombre d'ingénieurs sont encore nécessaires pour écrire. Les règles sont claires.

Les ingénieurs s’en inquiètent également. « D'une part, le grand modèle de bout en bout lui-même ne nécessite pas autant de personnes. D'autre part, tout le monde veut faire de bout en bout, mais l'activité de production de masse de l'entreprise a besoin de personnes pour la gérer.

Un employé de Zhijia était également contrarié d'avoir raté l'opportunité de rejoindre l'équipe de projet de bout en bout en raison du projet de production de masse actuel de l'entreprise. Mais il est aussi très empêtré : même s'il entre dans une solution de bout en bout, c'est pour soutenir la nouvelle solution, mais ce n'est pas la position centrale du grand modèle lui-même ;

Et si vous restez dans votre poste actuel de projet de production de masse, vous pouvez accumuler une expérience complète dans les projets de production de masse de conduite intelligente, et elle peut également être transférée aux constructeurs automobiles traditionnels dans les prochaines années.

Mais un autre danger surviendra.Une fois que la solution de bout en bout sera popularisée dans l'ensemble de l'industrie, la pile technologique qu'il a accumulée pendant de nombreuses années risquera également d'être éliminée dans quelques années. « Je devrai peut-être quitter le secteur de la conduite intelligente. »

Division technologique, jeu de ressources

Afin de passer à l'équipe de projet de bout en bout, l'ingénieur Tian Wei est parti directement du cursus d'études supérieures en apprentissage profond.

Il a trouvé un cours classique sur l'apprentissage profond et une carte graphique, et a utilisé les cours pratiques du manuel pour mettre en œuvre quelques algorithmes simples de reconnaissance d'images. "Au moins, vous devez d'abord bien comprendre les points de connaissance avant de pouvoir comprendre comment le modèle lui-même fonctionne."

Après deux mois de lecture et de pratique, Tian Wei a finalement senti qu'il pouvait comprendre de bout en bout du code open source de grand modèle. Il a postulé auprès de l'entreprise pour être transféré dans l'équipe projet de bout en bout.

En fait, non seulement Tian Wei est anxieux, mais l'entreprise de conduite intelligente où travaille Tian Wei est encore plus anxieuse que lui. Il a déclaré à 36Kr que son entreprise coopère avec un constructeur automobile pour développer une solution de production de masse pour la conduite intelligente, mais qu'il existe également une équipe au sein du constructeur automobile qui fait la promotion de bout en bout : « L'ensemble de l'entreprise est très anxieux et a fait la promotion de cette solution de bout en bout. déjà commencé le plan de bout en bout.

Tian Wei a déclaré que, selon la compréhension de l'entreprise, une démonstration de bout en bout peut être formée avec seulement 2 000 heures de données vidéo, et ce niveau de données peut être complété en un ou deux mois en utilisant 50 véhicules.

Mais Tian Wei sait très bien qu'avec les ressources existantes de l'entreprise, elle ne peut prendre en charge que la formation d'une démo de bout en bout pour prouver la faisabilité de la solution. Il existe encore un grand écart entre la démonstration et la production de masse.

Ce nouveau jeu de division technologique se reflétera d’abord dans la division des ressources.

Le PDG de Tesla, Musk, a un jour souligné l'importance des données de bout en bout : « Une formation avec 1 million de cas vidéo est à peine suffisante ; avec 2 millions, c'est légèrement mieux ; avec 3 millions, vous vous sentirez Wow. » 10 millions, ça devient incroyable.

D'autre part, il existe des ressources informatiques. Musk a également acheté une formation sur les cartes graphiques NVIDIA, affirmant que d'ici la fin de l'année, sa puissance de calcul pour la formation à l'intelligence artificielle sera l'équivalent de 90 000 NVIDIA H100. La réserve et la demande de puissance de calcul sont stupéfiantes.

Ce seuil est assez élevé. Pour les entreprises de conduite intelligente qui ont encore du mal à gagner de l'argent, d'une part, elles ne coopèrent pas avec les constructeurs automobiles, il est donc difficile pour les entreprises de conduite intelligente de collecter elles-mêmes des données de formation, d'autre part, les puces de formation cloud sont difficiles ; trouver en Chine. De nombreux constructeurs automobiles les acquièrent à des prix élevés. « les projets de production de masse et le financement restent flous et il est difficile d'investir de bout en bout dans des investissements à long terme.

Un autre ingénieur de conduite intelligent se sentait également impuissant. Après avoir développé le projet de bout en bout pendant moins de six mois, il a reçu un avis de l'entreprise lui demandant de suspendre le projet de bout en bout. La raison en est que l’entreprise doit concentrer son énergie et ses ressources sur le développement de la solution actuelle de conduite intelligente urbaine sans carte, qui « consomme trop de ressources de bout en bout ».

Ce que l'ingénieur a ressenti était dommage que la démo de bout en bout réalisée par son équipe soit prête à fonctionner. L'équipe avait initialement pour objectif de comparer le FSD de Tesla et a même déployé de gros efforts pour construire des chaînes d'outils et d'autres infrastructures. Mais avec la suspension de la stratégie de bout en bout de l'entreprise, l'accent de recherche et développement de l'équipe s'est déplacé vers le domaine de la robotique.

La nouvelle technologie de bout en bout n'a pas encore été véritablement mise en œuvre en Chine, mais son impact sur la refonte de la structure des talents et de la structure écologique de l'industrie de la conduite intelligente a commencé à apparaître.

Malgré cela, les principaux acteurs feront toujours de leur mieux pour monter à bord de ce train disruptif, et l’ère des géants qui contrôlent les ressources en données, les ressources en puces et les ressources humaines viendra.

(Qin Feng et Tian Wei sont des pseudonymes dans l'article.)