polémique de bout en bout : est-ce la fin de la conduite autonome l4 ou un festin marketing ?
2024-09-24
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
marquée par la sortie par tesla de la version v12 du système de conduite intelligente fsd, la conduite intelligente est entrée du jour au lendemain dans l'ère de bout en bout.
"les capacités de limite inférieure du modèle de bout en bout devraient s'améliorer rapidement l'année prochaine. une fois améliorées, il sera possible de dépasser la norme l4 à l'échelle mondiale en moins de 2 ans", a déclaré le président de hangzhou yunqi en 2024. xpeng motors he xiaopeng a déclaré qu'après avoir adopté le grand modèle de bout en bout, le fsd de tesla est complètement différent d'avant et qu'il pourrait être meilleur que celui des conducteurs humains expérimentés l'année prochaine.
xpeng motors a été l'un des premiers constructeurs automobiles nationaux à suivre tesla. fin juillet de cette année, xpeng motors a commencé à proposer aux utilisateurs le système de conduite intelligent xngp basé sur le grand modèle de bout en bout. en septembre de cette année, des constructeurs automobiles tels que huawei et ideal ont également commencé à proposer aux utilisateurs des systèmes de conduite intelligents correspondants basés sur de grands modèles de bout en bout ; nio a appliqué les grands modèles de bout en bout au système aeb et les a publiés ; son modèle mondial auto-développé.
avec l'introduction de modèles à grande échelle de bout en bout, les constructeurs automobiles sont devenus de plus en plus agressifs dans leur promotion de la conduite intelligente dans les villes ouvertes et les cartes de haute précision qui enthousiasmaient autrefois les gens ne sont plus populaires. , ils lancent des modèles de conduite intelligente porte-à-porte. des systèmes d'aide à la conduite porte-à-porte et point à point ont été officiellement ajoutés au calendrier. xpeng motors affirme même qu'il peut atteindre une expérience utilisateur de conduite autonome de niveau l3+ avec le coût matériel d'une conduite intelligente de niveau l2.
pendant un certain temps, les systèmes de conduite intelligents qui ne disposent pas de capacités de bout en bout semblent avoir été liés au retard. "les voitures intelligentes qui n'utilisent pas de grands modèles seront éliminées." he xiaopeng a également déclaré que toutes les entreprises de conduite autonome l4 devraient passer aux grands modèles dès que possible.
chentao capital et trois parties ont publié conjointement le « rapport de recherche de bout en bout sur l'industrie de la conduite autonome » (ci-après dénommé le « rapport »). le « rapport » montre que parmi plus de 30 experts de première ligne en matière de conduite autonome. industrie interrogé par celui-ci, 90 % ont déclaré qu'ils l'entreprise pour laquelle je travaille a investi dans la recherche et le développement de technologies de bout en bout, et la plupart des entreprises technologiques estiment qu'il est inabordable de rater cette révolution technologique.
mais tous les « acteurs » ne reconnaissent pas que le grand modèle de bout en bout est un perturbateur dans le paysage actuel des systèmes de conduite intelligente.
hou cong, directeur technique de qingzhou zhihang, a déclaré à china business news qu'il avait expérimenté le système fsd v12.3 de tesla aux états-unis. bien qu'il ait fait de grands progrès avec le précédent fsd de tesla, il est toujours différent de waymo robotaxi, qui se concentre sur la réglementation et. contrôle. il existe encore un écart évident. hou xiaodi, l'ancien fondateur de tusimple, a appelé l'industrie à la traiter de manière rationnelle et à ne pas s'en tenir à des mythes de bout en bout.
dans cette controverse technologique, des dirigeants de constructeurs automobiles tels que musk et he xiaopeng ont soutenu de bout en bout ; tandis que les dirigeants d'entreprises de conduite intelligente l4 telles que hou cong, hou xiaodi et lou tiancheng (cto de pony.ai) pensaient que de bout en bout ; de bout en bout le grand modèle de bout en bout ne peut pas directement mettre à niveau techniquement l'assistance à la conduite intelligente l2 vers la conduite autonome l4.
le « rapport » montre également que, étant donné que la technologie actuelle en est encore aux premiers stades de développement, il existe encore de nombreuses difficultés d'application et points douloureux qui doivent être résolus dans le modèle à grande échelle de bout en bout, tels que de grandes différences. dans les voies techniques, les besoins importants en données et en puissance de calcul, et les méthodes de test et de vérification insuffisantes, un investissement en ressources énorme et mature.
sur la route vers la fin de la conduite autonome, le grand modèle de bout en bout est également devenu une autre polémique dans le parcours technique après la perception visuelle pure, la perception par fusion radar, etc.
tesla mène-t-il à nouveau le changement technologique ?
partant du moulage sous pression intégré, de l'intégration du corps de batterie et d'autres technologies, tesla est devenue la référence de l'industrie en matière de technologie de véhicules à énergie nouvelle. de nombreux constructeurs automobiles chinois sont considérés comme « traversant la rivière en touchant tesla ». avec des modèles à grande échelle de bout en bout sur la route, tesla a une fois de plus mené la révolution des véhicules à énergies nouvelles.
avant que le grand modèle de bout en bout ne soit installé sur la voiture, le système intelligent d'aide à la conduite est principalement divisé en plusieurs modules tels que la perception, la planification, la prise de décision et le contrôle. l'intelligence artificielle et l'apprentissage automatique sont principalement utilisés dans la perception, planification, etc., mais les modules sont principalement composés de règles manuscrites manuelles. pour définir, cela est dit "à base de règles".
cependant, dans le fonctionnement réel du système, les véhicules rencontrent souvent des cas de cône sans fin (problèmes à longue traîne). pour résoudre de tels problèmes, les ingénieurs doivent écrire des codes et établir des règles basées sur des scénarios spécifiques. dans ce mode, les systèmes d’aide à la conduite intelligente ou de conduite autonome nécessitent souvent la saisie manuelle d’un grand nombre de règles.
wu xinzhou, vice-président mondial de nvidia et chef de la division automobile, estime que la plupart des algorithmes existants pour la conduite autonome sont basés sur des règles. c'est très simple à dire, de ce que vous voyez à comment le faire, mais c'est très. il est difficile de bien établir des règles. les choses difficiles nécessitent que de nombreux ingénieurs humains réfléchissent autant que possible à toutes les possibilités, et cette méthode a une limite supérieure.
contrairement aux systèmes d'aide à la conduite intelligents traditionnels basés sur des règles, les solutions de conduite autonome de bout en bout signifient que l'ensemble du processus, de la perception au contrôle, est traité par des algorithmes avancés et une technologie d'apprentissage profond.
l'application de la technologie de bout en bout dans la conduite autonome a transformé l'architecture originale de plusieurs modèles tels que la perception, la prédiction et la planification en une architecture à modèle unique de « perception et prise de décision intégrées ».
un rapport de recherche publié par cinda securities montre que « de bout en bout » fait référence à la saisie d'informations environnementales telles que des images à une extrémité, un modèle de réseau neuronal multicouche similaire à une « boîte noire » au milieu, et la sortie directe des instructions de direction, de freinage, d'accélération, etc. à l'autre extrémité.
par rapport à l'architecture traditionnelle de sous-modules basée sur des règles, la mise en œuvre de bout en bout apportera une série d'avantages : l'optimisation globale des tâches est entièrement basée sur les données, avec des capacités de correction d'erreurs meilleures et plus rapides, elle peut réduire davantage les pertes ; d'informations entre les modules. transmission de perte, retard et redondance, éviter l'accumulation d'erreurs, améliorer l'efficacité du calcul ; capable de faire face à des scénarios inconnus. compétences décisionnelles plus solides.
avec la prise en charge de grands modèles de bout en bout, les systèmes de conduite intelligents peuvent réaliser des itérations et des progrès plus rapides. prenons l'exemple du xngp de xiaopeng.après avoir appliqué le grand modèle de bout en bout, son réseau neuronal à trois réseaux en un xnet + grand modèle de contrôle xplanner + grand modèle de langage ai xbrain peut itérer tous les 2 jours, avec des capacités de conduite intelligentes. de 18 mois améliorés par 30 ; les capacités du système de données et l'architecture du réseau neuronal peuvent permettre un diagnostic rapide et résoudre les problèmes à longue traîne en quelques heures.
avec le modèle à grande échelle de bout en bout de tesla sur la route, les itinéraires technologiques de conduite intelligente des constructeurs automobiles chinois commenceront également à subir des changements importants en 2024.
au cours des dernières années, la plupart des controverses sur l'itinéraire technique des systèmes intelligents d'aide à la conduite des constructeurs automobiles chinois se sont concentrées sur la perception visuelle et la perception de fusion. la concurrence au terminal porte davantage sur la vitesse et le nombre de villes ouvertes. début 2024, des entreprises telles que huawei et xiaopeng sont toujours en compétition pour des graphiques de haute précision et véritablement « disponibles dans tout le pays ».
une fois le grand modèle de bout en bout installé sur la voiture, la capacité de généralisation du système intelligent d'aide à la conduite est grandement améliorée et l'importance de la vérification et du développement dans une seule région diminue. dans le même temps, le système de bout en bout a affaibli la distinction antérieure entre les modules de perception, de planification, de prise de décision, de contrôle et autres. de nombreux constructeurs automobiles ont également commencé à réajuster la structure organisationnelle des équipes de conduite autonome en fonction des besoins. de grands modèles de bout en bout.
fin 2023, ideal a procédé à un ajustement de la structure organisationnelle de l'équipe de conduite intelligente. dans le cadre de cet ajustement, ideal a réorganisé le grand modèle en une équipe et l'a placé sous l'équipe de recherche et de développement d'algorithmes front-end, qui est globalement responsable de l'équipe de conduite intelligente. recherche, développement et mise en œuvre de l'architecture de bout en bout de la voiture ; en 2024, weilai a créé le département des grands modèles, le département de l'architecture de déploiement et des programmes et le département d'information spatio-temporelle, et a annulé le département de perception d'origine, le département de planification et de contrôle, l'environnement. département de l’information et département de mise en œuvre des programmes.
bien que les lancements de voitures de bout en bout battent leur plein, la plupart des constructeurs automobiles chinois n'ont pas encore atteint la conduite intelligente théorique de bout en bout « one-mode ».
le cto d'une entreprise de conduite autonome a déclaré aux journalistes que l'application de conduite intelligente du modèle de bout en bout peut être divisée en deux étapes : la première étape est une solution à deux modèles, qui consiste en une perception de bout en bout et une réglementation de bout en bout. il s'agit d'une direction plus courante actuellement utilisée dans l'industrie ; la deuxième étape est la solution à modèle unique, qui est plus proche du problème de l'entrée d'informations dans la prise de décision. direction d'agi cependant, cette direction est relativement difficile et devrait prendre 3 ans. -il faudra 5 ans pour obtenir des applications à grande échelle.
actuellement, l'industrie estime généralement que l'écart de progrès en matière de recherche et développement entre les constructeurs automobiles nationaux et tesla est d'environ 1,5 à 2 ans. gu junli, directeur général adjoint de chery automobile co., ltd., estime que pour rattraper tesla en termes de modèle commercial, les produits doivent être développés à plus grande échelle. "lorsque les données atteignent le niveau tesla de plus d'un million, grâce à un entraînement intensif du modèle, la conduite intelligente peut apprendre le flux vidéo et indiquer directement au conducteur la direction de conduite, tout comme le dit chatgpt actuellement populaire."
les équipementiers et les fournisseurs ont-ils des différences d'itinéraire ?
alors que de nombreux constructeurs automobiles lancent les uns après les autres des modèles à grande échelle de bout en bout et prêchent que l'ère de la conduite autonome est attendue, de nombreux fournisseurs axés sur la conduite autonome ont fait entendre des voix différentes.
"après que tesla a lancé le fsd de bout en bout, certains problèmes sont survenus. la voiture est toujours facile à mettre sur l'accotement de la route, surtout la nuit. parfois, elle se raye, et parfois elle roule directement sur l'accotement de la route et aplatit le pneu." hou cong a déclaré aux journalistes qu'aux états-unis également, waymo n'a pas adopté de modèle à grande échelle de bout en bout, mais qu'il a été capable de mettre en œuvre des opérations de robotaxi sans pilote dans plusieurs villes, et la réponse des utilisateurs a été plutôt bien.
le grand modèle de bout en bout en lui-même n’est pas une nouvelle technologie qui a réalisé des percées ces dernières années.
"avant l'émergence de l'apprentissage profond vers 2010, cela s'appelait algorithme d'analyse de modèle. à cette époque, nous effectuions la détection des piétons à l'université de tsinghua, et nous devions extraire certaines informations caractéristiques de l'image, telles que la courbure des épaules de la personne. la couleur des yeux, etc. ces caractéristiques sont ce que nous résumons par le pouvoir humain, c'est-à-dire basé sur des règles et après un apprentissage en profondeur, nous saisissons l'image et laissons l'apprentissage en profondeur apprendre indépendamment les différentes caractéristiques. de chaque personne sont apprises par un apprentissage profond, non défini par le pouvoir humain. c'est la même chose de bout en bout, c'est basé sur l'apprentissage. " hou cong a déclaré aux journalistes que ce système, comme l'aide à la conduite intelligente de bout en bout actuelle, nécessite prise en charge massive des données.
ceci est également considéré comme l'un des facteurs importants permettant aux constructeurs automobiles de rivaliser dans le choix des grands modèles de bout en bout.
par rapport aux fournisseurs de conduite autonome l4 qui n'exploitent qu'une flotte d'essai de plus d'une centaine de véhicules, les constructeurs automobiles ont généralement des centaines de milliers, voire des millions de produits qui roulent sur la route. les utilisateurs peuvent générer d'énormes quantités de données pendant la conduite, ce qui aide les constructeurs automobiles. viennent former leurs propres systèmes de conduite intelligents de bout en bout pour aider le système à réaliser une itération rapide.
en outre, dong jun, ingénieur chez un fournisseur de systèmes d'aide à la conduite intelligents l2+, a déclaré aux journalistes que pour les fournisseurs, il est difficile pour la conduite intelligente de bout en bout de devenir un produit standardisé, des changements dans la forme du corps et des changements dans la position d'installation des capteurs ; , etc., l'ensemble du système le modèle doit être recyclé, ce qui nécessite plus de temps et d'argent et est inefficace.
l'importance du modèle à grande échelle de bout en bout pour l'assistance à la conduite l2 est d'accélérer le développement urbain et d'accélérer la réalisation du principe « il peut être conduit dans tout le pays », comme l'ont mentionné les constructeurs automobiles. mais pour les entreprises de conduite autonome de niveau l4, le grand modèle de bout en bout peut également réduire la dépendance du système à l'égard de cartes de haute précision dans la phase initiale d'exploitation, permettant à l'entreprise d'étendre la portée des opérations plus rapidement, mais à mi-chemin ; et les dernières étapes de fonctionnement, les cartes de haute précision ont encore un impact important et peuvent encore améliorer la fiabilité, la sécurité et la fluidité des systèmes de conduite autonome.
d’un autre côté, par rapport aux constructeurs automobiles qui ont atteint la rentabilité comme tesla et ideal, la plupart des entreprises de conduite autonome s’appuient actuellement principalement sur le financement. mettre un grand modèle de bout en bout sur le bus nécessite non seulement des données massives, mais également un investissement important en capital.
« à l'avenir, la conduite intelligente est entrée dans la phase l4, et les données et la puissance de calcul augmentent de façon exponentielle chaque année, ce qui signifie qu'au moins 1 milliard de dollars américains sont nécessaires chaque année et qu'une itération continue est nécessaire après 5 ans. , la rentabilité d'une entreprise ", a déclaré aux journalistes lang xianpeng, vice-président de la recherche et du développement de la conduite intelligente de li auto.
xia yiping, pdg de jiyue automobile, estime que 20 milliards de yuans étaient autrefois reconnus comme le seuil financier pour construire une voiture, mais que désormais les entreprises ne peuvent pas conduire intelligemment sans 50 milliards de yuans.
plus important encore, pour les entreprises de conduite autonome comme waymo et pony.ai qui visent à réaliser le robotaxi l4, leurs considérations en matière de poids, de coût, etc. du système sont extrêmement différentes de celles des constructeurs oem.
contrairement à l'assistance à la conduite l2, pour la conduite autonome l3 et supérieure, la principale responsabilité des accidents sera transférée au véhicule, ce qui impose des exigences extrêmement élevées en matière de stabilité et de sécurité du système de conduite autonome. le caractère ininterprétable de la boîte noire grand modèle de bout en bout entraîne certains risques pour le système de conduite autonome.
« les constructeurs automobiles ont successivement lancé des modèles de conduite intelligente à grande échelle et de bout en bout et les ont vigoureusement promus. l'essentiel est de créer une différenciation et de vendre des voitures », a déclaré dong jun.
hou xiaodi a déclaré dans une interview aux médias que si un accident se produit dans le fsd de tesla, tesla exige que le conducteur garde les mains sur le volant à tout moment. l'accident n'a rien à voir avec tesla ; de plus, l'activité de tesla consiste à vendre des voitures, et fsd est la valeur ajoutée de la vente de voitures. si vous souhaitez réfléchir à la manière de vendre plus de voitures, vous ne pouvez pas approfondir un domaine limité comme l4 et résoudre tous les cas extrêmes (situations extrêmes) dans ce domaine.
hou cong et d'autres personnes interrogées provenant d'entreprises de conduite autonome ont souligné que la conduite autonome l4 nécessite une sécurité à 100 % et ne peut pas accepter l'inexplicabilité et l'incertitude apportées par la « boîte noire » de bout en bout. de plus, il existe d’énormes différences de logique métier entre l2 et l4.
pour les équipementiers, la vente de voitures est leur activité principale, et les coûts déterminent les bénéfices et la compétitivité sur le marché. par conséquent, ils ne peuvent pas prévoir trop de redondance en matière de sécurité dans leurs produits ; et l4 robotaxi est davantage axé sur les opérations et restera l'activité principale pendant longtemps. l'activité de to b est principalement commerciale et ne servira pas directement les consommateurs. par conséquent, les entreprises concernées doivent tenir compte non seulement des voitures, mais également de diverses situations liées à l'exploitation des véhicules.
"par exemple, que faire si la voiture est bloquée, que faire si le matériel est cassé, que faire si un accident se produit, cela nécessite plus de redondance, et tesla ne peut pas réserver beaucoup de redondance comme waymo, car les deux la logique commerciale est différente", a déclaré hou cong.
le modèle mondial permet-il la conduite autonome ?
malgré les différences, de nombreux techniciens d'entreprises de conduite autonome ont convenu lors d'entretiens que des modèles à grande échelle de bout en bout peuvent être utilisés pour améliorer les capacités des systèmes automobiles intelligents d'aide à la conduite actuels. de nombreux praticiens ont déclaré que le grand modèle de bout en bout présente un état de « bascule ». placer le grand modèle de bout en bout sur la voiture peut augmenter la limite supérieure des capacités du système intelligent d'aide à la conduite, mais cela réduira également la limite supérieure. limite inférieure des performances du système.
« le grand modèle de bout en bout est formé sur la base d'un modèle probabiliste. l'un des problèmes qu'il présente est que pour des scénarios relativement simples et faciles à décrire, ses résultats ne sont souvent pas aussi précis et le résultat net est relativement faible ; tesla a fait beaucoup de choses dans ce domaine. pas mal, mais ce problème n'a pas été complètement résolu. nous pensons qu'en raison du manque actuel de données, nous devons encore mettre en œuvre progressivement le remplacement de bout en bout, module par module. complète de bout en bout tout en garantissant la sécurité. cette infrastructure d'ingénierie relativement solide et cette méthode d'itération rapide peuvent augmenter progressivement la limite supérieure des performances du système tout en garantissant la limite inférieure des performances du système », a déclaré chen liming, président d'horizon.
le grand modèle de bout en bout est piloté par les données. l'extrémité d'entrée est constituée de données de capteur et l'extrémité de sortie détermine la prise de décision. cependant, l'extrémité intermédiaire est hautement inexplicable. et on le compare souvent à une boîte noire.
hou cong estime que la conduite intelligente de grand modèle de bout en bout actuelle et la conduite intelligente précédente basée sur des règles sont quelque peu similaires au processus de production automobile : « dans le passé, lors de la construction de voitures, les constructeurs automobiles achetaient des pièces auprès de différentes sociétés et. les assembler. d'une part, cela facilite l'approvisionnement et disperse les fournisseurs, ce qui rend moins susceptible d'être « bloqué », d'autre part, il est facile à entretenir et peut réparer tout ce qui est cassé. il en va de même pour les modules multiples. la conduite autonome. l’avantage est qu’elle peut être mieux définie et résolue.
en prenant comme exemple la conduite autonome multi-modules traditionnelle, s'il y a un problème avec le système pendant les tests, le personnel r&d peut trouver le bug dans la section correspondante et le corriger en fonction de la situation. mais pour les boîtes noires telles que les grands modèles de bout en bout, les développeurs peuvent uniquement entraîner la stratégie, recycler ou modifier le modèle, mais modifier les paramètres dans la « boîte noire ». et à mesure que le système se met à niveau et itère, plus les problèmes que le système résout sont difficiles, plus les investissements nécessaires sont élevés. cela fixe un seuil plus élevé pour les grands modèles de bout en bout.
d’un autre côté, les grands modèles de bout en bout sont basés sur des données, mais des données massives ne produisent pas nécessairement des améliorations positives du système.
xiao bo, chef de l'équipe pony.ai ai, estime que même si l'algorithme est très bon et la formation du système est très bonne, la capacité acquise à partir des données massives de conduite humaine est presque au niveau d'une conduite humaine moyenne, ce qui est suffisant. pour faire face au niveau l2 d'assistance à la conduite intelligente ; mais la conduite autonome l4 ou supérieure doit avoir 10 fois ou plus de capacités qu'un conducteur humain, et ce modèle n'est pas suffisant pour le prendre en charge.
juste au moment où l'on constate une tendance à la popularisation rapide de bout en bout, les constructeurs et fournisseurs automobiles nationaux ont une fois de plus proposé un nouveau concept de « modèle mondial ». lou tiancheng estime que le modèle mondial est actuellement la meilleure et la plus importante chose et le considère comme la seule solution à la conduite autonome.
le modèle mondial peut être compris comme la simulation et la modélisation du monde réel, qui peuvent restituer de manière véritable et précise les changements dans des scènes telles que les intersections. par exemple, la trajectoire des piétons qui est bloquée lorsqu'une sonde fantôme est détectée ; la réaction entre les piétons et les autres véhicules au moment d'une collision de véhicules et même des détails tels que la décélération d'une personne en cours de course peuvent atteindre l'accélération de la gravité ; dans le même temps, le modèle mondial est également un système de notation qui évalue les performances du système de conduite autonome et permet de savoir qui est le meilleur entre le système a et le système b.
auparavant, des constructeurs automobiles tels que weilai et ideal ont successivement lancé leurs « modèles mondiaux ».
ren shaoqing, vice-président de la conduite autonome chez weilai, a déclaré : « par rapport aux modèles conventionnels de bout en bout, le nouveau modèle mondial présente selon nous trois avantages principaux. capteurs de cette manière, les informations sont extraites de manière plus générale. grâce au modèle autorégressif, les environnements à long terme sont automatiquement modélisés. troisièmement, des milliers de mondes nécessitent plus de données. grâce à l'auto-supervision, il n'est pas nécessaire d'effectuer une annotation manuelle. l’auto-analyse dimensionnelle. la régression génère des structures modèles qui nous permettent de mieux apprendre.
lou tiancheng estime que le modèle mondial peut être compris comme un « autocar » simulé par des humains. pour le système l2, sa capacité de conduite est équivalente à celle d'un conducteur expérimenté, pour le système l4, son niveau de conduite est bien supérieur à celui d'un conducteur expérimenté. un conducteur humain. il vient former le système de conduite intelligent, et les résultats seront certainement meilleurs que ceux des conducteurs humains.
bien qu'il y ait encore des controverses, la plupart des personnes interrogées pensent toujours qu'au stade de l'aide à la conduite intelligente l2, les grands modèles de bout en bout peuvent en effet améliorer la limite supérieure des performances des systèmes associés. ce avec quoi la plupart des employés des entreprises de conduite autonome l4 ne sont pas d'accord, c'est que tesla, xpeng et d'autres constructeurs automobiles ont fait valoir que leurs produits étaient basés sur la conduite intelligente l2 avec le soutien d'une technologie de bout en bout, et qu'ils atteindraient même la l4 au l2. niveau matériel. capacités de conduite autonome.
« à ce stade, les constructeurs automobiles font du battage médiatique de bout en bout et façonnent de bout en bout une technologie de pointe menant à la conduite autonome. la raison derrière cela est principalement de vendre plus de voitures », a déclaré dong jun.
(cet article provient de china business news)
