nouvelles

Source : Visuel Chine

Du jour au lendemain, la conduite autonome est devenue populaire.

En juillet, les taxis autonomes « Luobo Kuaipao » de Baidu ont été largement déployés à Wuhan, faisant l'actualité presque tous les jours.

Selon les rapports, le nombre maximal de trajets à Luobo Kuaipao en une seule journée dépasse 20, ce qui est similaire au nombre quotidien moyen de taxis, et l'expérience des passagers est meilleure et plus confortable. Selon les données des assurances, le taux d'accidents de Carrot Run ne représente que 1/14 de celui des humains. Il a parcouru plus de 100 millions de kilomètres en toute sécurité sans aucune victime majeure.

De l'autre côté de l'océan, Musk a également annoncé qu'il sortirait en aoûtTeslaPour le premier taxi autonome, Robotaxi (reporté plus tard à octobre), il a déclaré que les propriétaires de voitures pouvaient lancer Robotaxi dans le secteur de la location pendant leur temps libre et que le coût d'achat de la voiture pouvait être récupéré en deux ans.

Par coïncidence, le 23 juillet, Google a également annoncé qu'il ajouterait un nouveau cycle d'investissement énorme de 5 milliards de dollars à Waymo pour « maintenir le statut de Waymo en tant que leader mondial de la conduite autonome. Vous devez savoir que Microsoft n'a dépensé qu'un milliard de dollars pour cela ». OpenAI, 5 milliards de dollars, est proche du financement total précédent de Waymo.

En fait, l’essor actuel des voitures sans conducteur n’est pas le fruit du hasard. Du point de vue de l'industrie, les trois dernières années ont également été les trois années les plus rapides en termes de développement de la technologie de conduite autonome, que l'on peut presque qualifier de « milliers de kilomètres par jour ».

À en juger par les progrès actuels en Chine et aux États-Unis, si nous mettons de côté les contraintes de normes législatives et de temps, la conduite autonome sera probablement entièrement commercialisée dans les 1 à 2 prochaines années et atteindra une « exhaustivité » de bout en bout dans 5 à 10 ans, réalisant une forme sans conducteur similaire à celle vue dans les films de science-fiction.

De ce point de vue, même s'il est peut-être trop tôt pour parler du « moment iPhone 4 » de la conduite autonome, la singularité de l'ère de la conduite autonome est bel et bien arrivée.

Dans le même temps, il s'agit aussi d'une course contre la montre : la Chine et les États-Unis, en tant que deux pays comptant le plus grand nombre d'entreprises de conduite autonome au monde, celui qui pourra prendre la tête du parcours et de la création de chaînes industrielles connexes aura l’opportunité de définir la piste et de la présenter à d’autres pays. La capacité du pays à exporter des produits technologiques.

Dans le contexte de concurrence technologique entre la Chine et les États-Unis, il s'agit d'une « bataille que personne ne peut se permettre de perdre » pour aucune des deux parties.

Dans cet article, nous commencerons par l’historique du développement de la conduite autonome et tenterons de spéculer sur les futures tendances de développement de l’industrie. Tout d’abord, partageons quelques conclusions préliminaires :

1. Des cartes de haute précision, du lidar au BEV : toutes les voies de l'évolution de la conduite autonome visent à « faire en sorte que les voitures se comportent davantage comme des humains ».

2. Les trois dernières années ont également été celles où le développement de la technologie de conduite autonome a été le plus rapide. Un grand nombre d'acteurs nationaux et étrangers ont réalisé des progrès de bout en bout à des degrés divers. En ce qui concerne l'avenir, ce n'est qu'une question de temps. avant d’atteindre enfin la forme ultime de bout en bout.

3. Qu'il s'agisse d'une vision pure ou d'une route lidar, le radar à ondes millimétriques est le meilleur moyen de compenser les lacunes techniques des deux. À mesure que le radar à ondes millimétriques passe de la 3D à la 4D au radar à ondes millimétriques d'imagerie, la précision croissante le rend également. La piste a la possibilité de créer des entreprises à forte valeur ajoutée.

4. La mise en œuvre et la commercialisation de la conduite autonome ne sont peut-être qu'un début. À l'avenir, davantage de pistes et de produits (tels que des robots dans différents scénarios) pourraient répéter des histoires similaires après avoir accumulé suffisamment de données.

5. Tout au long de l’histoire, à chaque itération de voies technologiques, il existe des opportunités pour un certain nombre de start-up de se développer, et je pense que cette fois-ci ne fera pas exception.

Pourquoi dit-on que les trois dernières années ont été les trois années les plus rapides en termes de développement de la conduite autonome ?

L'origine reconnue de la conduite autonome remonte à 2004. À cette époque, les États-Unis étaient profondément embourbés dans les guerres en Afghanistan et en Irak. Ils avaient un besoin urgent d'un lot de véhicules militaires sans pilote pour réduire les pertes de l'armée américaine, mais la recherche et les progrès du développement n’ont jamais été idéaux.

En conséquence, Tony Tesser, alors directeur de la DARPA (Defence Advanced Research Projects Agency) des États-Unis, a eu un caprice et a lancé un défi, annonçant que peu importe qui pourrait utiliser une méthode de conduite sans pilote pour voler de Los Angeles à Los Angeles dans 10 heures. Arrivez à Las Vegas et gagnez un prix d'un million de dollars.

Il s'agit en fait d'un appel d'offres à grande échelle lancé par l'armée américaine pour les civils. L'organisateur pensait à l'origine que peu de personnes y participeraient, mais contre toute attente, plus de 100 équipes se sont inscrites. Malheureusement, personne n'a finalement pu retirer le prix - car le prix a été gagné. La voiture participante la plus éloignée n'a parcouru que 12 kilomètres, soit environ 5 % de la distance totale de la course.

(Photo : En plus des voitures, il y avait aussi des motos autonomes...)

Mais la DARPA n'a pas abandonné et a organisé trois Autonomous Driving Challenges consécutifs de 2005 à 2007, attirant des équipes de recherche de nombreuses universités et entreprises. Cela a également permis à Larry Page, l'un des fondateurs de Google, de voir le potentiel de la conduite autonome. . Potentiel de conduite.

En 2009, sous l'impulsion de Page, le projet de conduite autonome "Chauffeur" de Google a été officiellement lancé. Les deux principaux ingénieurs recrutés (Anthony Levandowski et Sebastian Thrun) étaient tous deux d'anciens employés de la DARPA. Ces deux-là sont également devenus les fondateurs de l'entreprise autonome de Google. unité motrice.

En 2014, Google a lancé Firefly, la première voiture entièrement autonome au monde sans volant ni pédale d'accélérateur, ce qui a non seulement choqué l'industrie automobile, mais a également fait prendre conscience au monde de la possibilité d'une conduite autonome pour la première fois.

(Photo : Firefly, la voiture autonome de première génération développée par Google)

Immédiatement après, d'importantes sommes de capital-risque ont commencé à affluer dans le secteur du sans conducteur : d'Uber, Nvidia et Amazon à Baidu, Didi, Huawei, puisBenz、BMW, général,Honda, y compris les nouvelles forces nationales de construction automobile, ont commencé à investir dans la recherche et le développement de la conduite autonome. La plupart des entreprises de conduite autonome que nous connaissons aujourd'hui ont été fondées à cette époque.

Le temps est vite venu, deux ans plus tard. Pour le secteur de la conduite autonome, 2016 a été une année extrêmement importante, car cette année, Tesla a officiellement rejoint la bataille.

Il n'est pas exagéré de dire,En prenant 2016 comme ligne de démarcation, toute la seconde moitié de la conduite autonome est l’histoire de la contre-attaque de Tesla, passant d’un chasseur d’industrie à un leader.Je pense donc personnellement qu’il n’y a aucun moyen de trop exagérer ce moment.

Avant 2016, presque toutes les entreprises de conduite autonome choisissaient les solutions techniques de Google :

1) Positionnement : positionnement assisté avec des cartes de haute précision ;

2) Perception : utilisez la caméra lidar + vision pour fournir des informations de perception des véhicules ;

3) Régulation et contrôle : prise de décision et contrôle basés sur des algorithmes basés sur des règles.

Il n'est pas difficile de constater que la logique sous-jacente de la solution de Google est une « armure empilée »."Quelque chose vaut mieux que rien, plus vaut mieux que moins."

Cette école de pensée estime qu'avec le niveau technologique actuel, aucun capteur ne peut à lui seul remplir toutes les fonctions requises pour la conduite autonome, ni couvrir tous les cas particuliers. Par conséquent, il est nécessaire d'utiliser tous les capteurs pour prendre des décisions globales en matière de conduite autonome et en attribuer différentes. fonctionne avec différents capteurs de poids ; parmi eux, le lidar a le poids le plus élevé, c'est pourquoi la solution de ce groupe est également appelée."Solution LiDAR";Essentiellement, il s’agit d’une voie technique basée sur le matériel.

En tant qu'entreprise technologique qui a débuté avec l'IA, Tesla valorise davantage les logiciels. Par exemple, Musk estimait que le lidar à l'époque était trop cher, coûtant 80 000 $ chacun, il s'est donc davantage concentré sur le développement d'algorithmes visuels puissants et d'une IA dédiée. les puces tentent de construire des modèles d'objets environnants à l'aide de caméras et ajoutent des données aux réseaux neuronaux pour les calculs, se développant lentement"Solution purement visuelle"Il s’agit d’une voie technologique orientée logiciel.

Selon les propres mots de Musk : « Les humains et les animaux ont tous des yeux, pas des radars », et les rouages ​​du destin ont commencé à tourner.

À l'époque, les deux voies techniques avaient leurs propres mérites : même si le lidar avait des coûts matériels élevés, il était intrinsèquement précis et disposait d'informations approfondies (à ce jour, de nombreux ingénieurs ont encore un faible pour le lidar tandis que les caméras, bien que bon marché,) ; avait une mauvaise résolution. Avec des capacités limitées, nous ne pouvons faire des efforts que pour comparer les informations d'un côté d'un objet dans le monde bidimensionnel. Les informations obtenues par calcul et transformation ne sont toujours pas aussi précises et intuitives que les informations de première main.

Cela a également conduit Tesla à constituer sa propre équipe d'étiquetage composée de milliers de personnes à la fois, de sorte que de nombreuses personnes ont interrogé Musk à l'époque, affirmant que même si votre matériel était moins cher, le coût global n'était pas aussi bon que celui du lidar.

En fait, on peut également voir d'ici que le niveau d'IA de l'ensemble de la conduite autonome à cette époque était presque inexistant (à l'exception du lidar, qui disposait de certains algorithmes d'IA).Il s'agit d'un exemple typique "il y a autant d'intelligences artificielles qu'il y a d'intelligences",Si le développement de l'IA s'arrête là, la solution de vision pure de Tesla rencontrera très probablement des goulots d'étranglement.

Mais au final, c’est Google qui a sauvé Tesla :

En 2019, Google a publié le célèbre article Transformer (qui a également servi de base au grand modèle qui a suivi).

Bien que Transformer soit un modèle de réseau neuronal basé sur le mécanisme d'attention, les ingénieurs de Tesla ont rapidement découvert que Transformer peut non seulement traiter les informations linguistiques, mais peut également être utilisé pour traiter les informations d'image.

En bref, Transformer peut intégrer les informations collectées par les huit caméras de Tesla dans le même système de coordonnées de positionnement.Cela équivaut à donner à la voiture une « perspective de Dieu » (c'est-à-dire BEV, « vue à vol d'oiseau »),Capable de voir des informations 3D de l’environnement environnant.

(Photo : la technologie BEV donne à Tesla une « perspective de Dieu »)

Lors de la Journée de l'IA en 2021, Tesla a lancé et rendu populaire le BEV. À partir du second semestre 2022, les acteurs nationaux ont également annoncé leur suivi et ont progressivement commencé à installer le BEV sur la voiture.

(Ainsi, bien que de nombreuses technologies ne soient pas originales de Tesla, sa capacité à concevoir des théories avancées à partir d’explorations de pointe et à les mettre en application pratique se situe définitivement à un niveau cosmique.)

Dans le même temps, Tesla a également commencé à essayer d’automatiser autant que possible le processus d’étiquetage pour résoudre le problème des coûts trop élevés.

Son principe est un peu comme jouer aux charades : d'abord, après que la caméra embarquée ait vu un objet (comme un arbre), elle téléchargera l'information sur un grand modèle dans le cloud, puis le grand modèle « devinera » quoi. l'objet est ? Si le résultat estimé est cohérent avec les 8 représentations des capteurs, l'arbre sera automatiquement étiqueté.

De cette façon, Tesla s'affranchit des limitations de main-d'œuvre. Tant que le véhicule peut renvoyer en continu des informations routières, il peut entraîner son propre algorithme de manière illimitée.

Jusqu'à présent, les performances de Tesla ont été assez étonnantes, mais à peine un an plus tard, Musk a fait deux grands pas lors de la Journée de l'IA. Le premier était l'introduction de la séquence spatio-temporelle et le second était l'introduction du réseau d'occupation.

En termes simples,Le premier permet à la voiture d'avoir la capacité de se souvenir du temps, tandis que le second produit un effet similaire au "pseudo lidar".Permettre à la voiture de calculer la position spatiale et de déterminer si un évitement d'obstacles est nécessaire sans identifier l'objet résout le problème précédent de "entrer en collision avec un gros camion blanc".

Jusqu'à présent, quelle que soit la trajectoire mais en termes d'effet, la solution visuelle a produit fondamentalement le même effet que la solution radar.BEV+Transformer a réussi à faire converger la technologie de perception de la conduite autonome et a constitué le cadre de base de l'algorithme de perception visuelle actuel.

(Image : occuper le réseau produit un effet similaire au "pseudo lidar")

Ainsi, en termes de tendance générale,Le chemin évolutif de la conduite autonome est en fait très clair : son objectif est de faire en sorte que la voiture se comporte davantage comme un être humain.Laissez l’IA prédire ce qui se passera dans le futur en fonction de ce qui s’est passé dans le passé.

De ce point de vue, les trois dernières années ont en fait été les années de développement les plus rapides pour la technologie de conduite autonome, et l'IA a progressivement montré de fortes capacités de mise à niveau et d'itération dans la conduite autonome. Cependant, la plupart des gens ordinaires à l'époque n'en savaient pas grand-chose et y réfléchissaient. qu'il y a peu de progrès dans la conduite autonome.

Ce qui a vraiment fait comprendre au public que l’IA aura un impact révolutionnaire sur l’industrie de la conduite autonome, ce sont plusieurs événements qui se sont produits en 2023 :

· Musk a mentionné pour la première fois sur les plateformes sociales que "la v12 est réservée lorsque FSD est une IA de bout en bout", mettant de bout en bout aux yeux du public (Nvidia l'a proposé en 2016 mais a eu peu d'influence), et d'innombrables personnes commencent à attendre avec impatience la sortie de la v12 ;

·Pour la première fois au cours des dix dernières années, le CVPR a décerné le meilleur article à une équipe chinoise, saluant sa contribution à la réalisation d'une conduite autonome de bout en bout ;

·Musk a fait une diffusion en direct de 45 minutes dans une Model S équipée de la version bêta v12, et n'est intervenu qu'une seule fois pendant tout le processus. L'effet peut être considéré comme très bon.

Cependant, il convient de préciser qu'il n'existe actuellement aucune preuve directe que le v12 affiché par Tesla a atteint des performances complètes de bout en bout. Cependant, l'effet de son affichage est en effet étonnant et son niveau d'intelligence est fondamentalement comparable. à celui de conducteurs humains expérimentés.

En fait, si le système de conduite automatique est divisé en perception, planification et contrôle selon la compréhension traditionnelle,À l’heure actuelle, ce que les grands équipementiers utilisent principalement pour montrer leurs muscles, c’est la modularité de bout en bout avec des contraintes partielles de règles de base AI+.

Étant donné que chaque module nécessite une interface définie par l'homme, certaines informations seront perdues au cours du processus. Par conséquent, plus il y a de modules, plus d'informations seront perdues. Comment unifier tous les modules en un seul modèle à l'avenir, les grands fabricants doivent encore comprendre. comment unifier tous les modules en un seul modèle. Il faut continuer à travailler dur.

Cependant, d'après les informations que nous avons collectées, selon la vitesse actuelle de développement de la technologie et de l'ingénierie,Ce n’est qu’une question de temps avant que la conduite autonome ne soit enfin réalisée de bout en bout. Pour cela, ma prévision relativement conservatrice nécessite encore environ 3 à 5 ans d’accumulation.

À ce moment-là, le véhicule peut prendre des décisions de conduite dans un état de « boîte noire » sur la base des informations routières collectées en temps réel et émettre directement des signaux de commande tels que le freinage et la direction, obtenant ainsi la forme ultime de conduite sans conducteur similaire à celle de la science-fiction. films.

(Photo : Cinq étapes de développement de la conduite autonome, source : Xianfeng Evergreen)

Opportunités de capital-risque apportées par l'itération de la conduite autonome

Les raisons sont très complexes. Voici seulement trois éléments clés qui, à mon avis, sont discutés :

Premièrement, les données sont relativement abondantes.

Comme nous le savons tous, les « voyages » sont une demande très fréquente. L'industrie nationale de la conduite autonome a commencé à se développer vers 2015, et cela fait presque 10 ans aujourd'hui. Au cours de cette période, les données collectées par les constructeurs OEM et les entreprises de conduite intelligente, quelle que soit la qualité, elle est, au moins dans l'ensemble, suffisamment riche, ce qui crée les conditions de base pour la réalisation ultérieure des données en boucle fermée.

Deuxièmement, la définition de la fonction est relativement claire et claire.

Franchement, bien que le concept de cette vague d'IA soit très en vogue, l'orientation du développement de nombreux produits n'est en réalité pas claire.

Par exemple, lorsqu’il s’agit de robots humanoïdes, de nombreuses entreprises n’ont réalisé qu’un prototype qui peut être présenté lors d’expositions. Cependant, dans les scénarios industriels réels, les problèmes que ces robots peuvent résoudre et dans quelle mesure ne sont pas clairs pour le côté technologique en amont. ils peuvent y parvenir.

Parce que les usines en aval ne comprennent pas l’IA, elles ne savent souvent pas quelles fonctions ces robots peuvent remplir et s’ils peuvent être combinés avec d’autres technologies. Il faudra beaucoup de temps aux deux parties pour améliorer leur compréhension.

Mais la conduite sans conducteur n'a pas ce problème. Le véhicule ne peut couvrir les comportements de base de tous les scénarios de conduite qu'en avançant, en reculant, en tournant, en accélérant et en freinant. les exigences sont simples et claires.

Par conséquent, pour transformer une technologie avancée en produits faciles à utiliser, une définition fonctionnelle claire et une division standard sont également des facteurs essentiels.

Troisièmement, la base matérielle est relativement mature.

Qu'il s'agisse de solutions laser, caméra, ondes millimétriques et autres capteurs, ou de diverses puces assurant la transmission et le traitement du signal, après 10 ans d'« involution » complète, ils sont fondamentalement entrés dans la phase de performance à coût élevé + d'approvisionnement stable.

Par conséquent, dans le processus en spirale des données, du matériel et de la technologie, la conduite autonome a été la première à atteindre le point d’équilibre entre prix et expérience, et a rapidement généré une nouvelle productivité.

Par conséquent, si nous allons plus loin dans cette logique, la conduite autonome ne sera probablement qu’un début, et des histoires similaires pourraient se répéter sur d’autres pistes à l’avenir.

Bien sûr, le principe est qu'il doit y avoir certaines entreprises dans ce domaine qui peuvent continuer à collecter de grandes quantités de données à faible coût (à l'instar d'entreprises telles que Didi, Baidu et Tesla dans le domaine de la conduite autonome), plutôt que de s'appuyer uniquement sur certaines entreprises. de petites données éparses, qui peuvent nous servir de base pour juger si une certaine industrie a connu un tournant similaire.

D'un autre point de vue, avec la montée en puissance de cette vague de grands modèles, il pourrait y avoir à l'avenir des opportunités d'investissement systématiques dans de nombreux domaines subdivisés qui peuvent être automatisés par l'IA mais qui n'ont pas encore été exploités par les grandes entreprises (comme l'économie de basse altitude). et fabrication industrielle), se cachent des sociétés technologiques cotées valant des dizaines, voire des centaines de milliards, qui méritent également l'attention des investisseurs.

Que peut-on investir d’autre dans la conduite autonome ?Nous divergeons juste un peu, ramenons maintenant nos réflexions et parlons de la conduite autonome elle-même. En fait, tout au long de l’histoire, à chaque itération de technologie de conduite autonome, un certain nombre de start-up ont la possibilité de se développer.

Par exemple, la solution dominante à l'époque de Google était lidar + caméra + carte haute précision, mais aujourd'hui les cartes haute précision sont de moins en moins utilisées dans les voitures particulières, et ne sont même plus mentionnées (pensez-y, c'était seulement il y a deux ans) compte).

Car à cette époque, le coût d'un véhicule de collecte de cartes se chiffrait à lui seul à plusieurs millions. Pour garantir autant que possible des performances en temps réel, il fallait qu'au moins des centaines de véhicules soient sur la route à la même heure chaque jour. La collecte et la mise à jour en temps réel des cartes nationales étaient impossibles à réaliser. Ni les constructeurs automobiles ni les vendeurs de cartes ne peuvent se le permettre.

Résultat, les opportunités industrielles tombent finalement sur le lidar :

Le premier est la montée en puissance des fabricants de matériel informatique, comme Hesai.Sagitaire, puis un groupe d'entreprises telles que Wenyuan, Pony et Vimo ont émergé qui ont construit des algorithmes autour du lidar, suivis par un groupe d'entrepreneurs qui ont commencé à essayer des applications de conduite autonome de niveau L4 en boucle fermée à petite échelle basées sur le radar + fermé scénarios. , une variété de véhicules sans pilote dans les mines, de véhicules sans pilote dans les ports, de robots de livraison de nourriture dans les hôtels, etc. sont apparus, et l'ensemble de l'écosystème de conduite autonome a lentement commencé à s'épanouir.

Mais Tesla a une fois de plus bouleversé l'industrie avec BEV+Transformer, prouvant que même sans radar, il est possible de juger de l'espace en 3D. À l’heure actuelle, le lidar devient la carte de haute précision de l’année et n’est plus une option nécessaire.

Bien sûr, aujourd'hui, le prix du lidar est tombé au niveau des milliers de yuans et devrait continuer de baisser. Par conséquent, à court terme, certains constructeurs automobiles continueront d'adopter des solutions de fusion multi-capteurs.

Cependant, dans une logique de réduction des coûts, à une époque où les équipementiers « veulent chaque centime à l'extrême », le lidar sera progressivement remplacé à l'avenir par des solutions purement visuelles, et l'ensemble du modèle écologique industriel changera inévitablement en conséquence.

Par exemple, le radar à ondes millimétriques traditionnel ne peut obtenir que des informations sur l'avion. La direction du radar à ondes millimétriques 4D de nouvelle génération, capable de détecter des informations sur la hauteur, a émergé. Certains des indices que nous avons vus incluent, sans s'y limiter : Le produit. Le niveau est accompagné de plusieurs puces de sociétés de puces. Les solutions en cascade et SoC ouvrent la voie à des solutions de haute précision et à faible coût ; au niveau de la demande industrielle, les constructeurs OEM sont impatients et essayent de trouver des solutions de conduite intelligente haut de gamme indépendantes produites dans le pays ; les produits ont des exigences améliorées en matière de sécurité et de redondance, etc.

En bref, sous l'impulsion de diverses demandes, de nouveaux acteurs devraient apparaître dans cette catégorie.

Pour un autre exemple, à mesure que de plus en plus d'informations sont collectées par les caméras et que la qualité est de plus en plus élevée, il existe une demande pour des centres de calcul intensifs et des puces de traitement terminal dotées d'une grande puissance de calcul, y compris la prochaine génération de puces end-side. Il ne s'agit pas seulement d'empiler la puissance de calcul, mais également de combiner différentes architectures d'algorithmes pour mieux adapter les deux. Ce sont tous de nouveaux changements apportés par le matériel.

Du côté plus doux, nous nous concentrerons sur des méthodes d'acquisition/production de données à faible coût + de haute qualité + durables.

Dans le cadre de la route de bout en bout, il est un fait que les algorithmes de base d’apprentissage utilisent les données comme carburant. Par exemple, il a été révélé que le V12 de Tesla a « utilisé 10 000 H100 et réalisé environ 10 millions de formations vidéo ».

"Ces vidéos proviennent de 160 milliards d'images vidéo collectées chaque jour à partir de 2 millions de véhicules réels dans le monde qui peuvent collecter des données, et moins de 1 % de ces vidéos sont disponibles, comme certaines données d'intersection étranges et inhabituellement chargées."

En tant que première personne à essayer quelque chose de nouveau, Musk a déjà soumis une feuille de réponses suffisamment bonne à l'industrie. Il semble donc que la prochaine étape consiste à obtenir des données de haute qualité via le mode ombre, le moteur de simulation ou le modèle mondial. devenir la prochaine question de l’industrie qui doit être explorée pour parvenir à un consensus.

Cependant, je pense que cela ne peut plus être décidé uniquement par les entreprises dans un certain lien : même si les voies techniques sont certainement importantes, le positionnement industriel et les modèles économiques peuvent être la réflexion préalable que les entreprises chinoises doivent faire dans l'environnement actuel.

Dans l’ensemble, à mesure que la mise en œuvre de la conduite intelligente haut de gamme s’améliore progressivement, de nouvelles opportunités industrielles surgiront inévitablement en termes de perception, de transmission, de prise de décision, d’exécution et d’interaction.

Par exemple, j'ai récemment communiqué avec certains fondateurs de l'industrie automobile et j'ai découvert qu'en plus de leurs activités principales respectives, ils prêtent également attention à certaines technologies et produits d'application intersectorielles. De nombreuses technologies avancées inattendues et intersectorielles sont finalement devenues. leurs produits.

Cela montre que lorsque la concurrence au sein du secteur atteint un certain niveau,Lorsqu'il est difficile d'obtenir des marges bénéficiaires suffisantes grâce à l'expansion de l'échelle et à l'amélioration de la chaîne d'approvisionnement uniquement, les entreprises doivent rechercher de nouveaux points de rupture avec de nouvelles technologies. À la fin de l'involution, elles doivent s'appuyer sur le développement technologique pour percer.

En raison du manque de place, j'ai simplement compilé un tableau à la fin de l'article pour vous donner un aperçu des opportunités entrepreneuriales à l'ère de la conduite intelligente par l'IA. J'espère qu'il pourra vous apporter une perspective de réflexion différente.

(Photo : Changements industriels et opportunités induits par les différentes étapes de la conduite autonome, source : Xianfeng Evergreen)

(L'auteur de cet article, Xu Zhen, est un investisseur permanent de Xianfeng. Il se concentre sur la chaîne industrielle des véhicules à énergie nouvelle, y compris les composants de base, les semi-conducteurs, les matériaux, etc., et a déjà investi dans Huashen Ruili au nom de Xianfeng. Il est diplômé du Zhu Kezhen College de l'Université du Zhejiang et de la Warwick Business School.)