Νέα

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Κείμενο 丨Anqi Li

Συντάκτης 丨Li Qin

"Είτε αγκαλιάστε από άκρη σε άκρη ή αφήστε τη βιομηχανία της έξυπνης οδήγησης σε λίγα χρόνια."

Αφού εισήλθε στη βιομηχανία της έξυπνης οδήγησης για αρκετά χρόνια, ο μηχανικός έξυπνης οδήγησης Qin Feng (ψευδώνυμο) έχει ήδη προσαρμοστεί στον άγριο ρυθμό της εξέλιξης στη βιομηχανία έξυπνης οδήγησης. Αλλά όταν έρχεται η νέα τεχνολογία "από άκρο σε άκρο μεγάλο μοντέλο", αισθάνεται ότι το πρώτο άτομο που θα επηρεαστεί μπορεί να μην είναι ο άνθρωπος οδηγός, αλλά ο ίδιος ως μηχανικός.

Αυτό το είδος άγχους δεν είναι μοναδικό στον Τσιν Φενγκ. Πολλοί μηχανικοί έξυπνης οδήγησης είπαν στο 36Kr ότι για να μάθουν νέες τεχνολογίες, διάβαζαν τις πιο πρόσφατες βιομηχανικές εργασίες κατά τη διάρκεια της υπερωριακής εργασίας τους, πήγαν στο Bilibili για να παρακολουθήσουν διαλέξεις και μερικοί άρχισαν ακόμη και να μαθαίνουν από εγχειρίδια μεταπτυχιακών σχολών.

Το "End-to-end large model" είναι η τελευταία τεχνολογική βόμβα στη βιομηχανία έξυπνης οδήγησης φέτος.

Τον Ιανουάριο του τρέχοντος έτους, η Tesla παρουσίασε επίσημα τη δοκιμαστική έκδοση του FSD (πακέτο λογισμικού αυτόνομης οδήγησης) v12 σε απλούς χρήστες. Αυτή η έκδοση υιοθετεί μια λύση δικτύου από άκρο σε άκρο και πολλοί χρήστες λένε ότι η εμπειρία είναι πολύ πιο φιλική προς το χρήστη από την προηγούμενη έκδοση v11.

Ο Musk εισήγαγε κάποτε τη δυνατότητα από άκρο σε άκρο, ονομάζοντάς την "είσοδος τέλους εικόνας, τελική έξοδος ελέγχου". Παρόλο που πολλοί εμπιστευτικοί του κλάδου εξέφρασαν στην 36Kr ότι δεν πιστεύουν ότι η ολοκληρωμένη λύση της Tesla είναι τόσο ριζοσπαστική και μαγική σε πρακτικό επίπεδο, η λύση από άκρο σε άκρο εξακολουθεί να οδηγεί τους εγχώριους συναδέλφους σαν μέλι. Οι εγχώριοι παίκτες πιστεύουν σταδιακά ότι καθοδηγούμενα από μεγάλα μοντέλα, μεγάλη υπολογιστική ισχύ και τεράστια δεδομένα, τα συστήματα AI μπορούν να οδηγούν όπως οι άνθρωποι.

Αισθανόμενοι τη νέα τεχνολογική τάση, οι εγχώριες εταιρείες αυτοκινήτων και οι κορυφαίες εταιρείες έξυπνης οδήγησης έχουν ήδη αναλάβει δράση. Κορυφαίοι παίκτες όπως η Huawei, η NIO και η BYD έχουν επενδύσει ομάδες και πόρους για να προωθήσουν λύσεις από άκρο σε άκρο, δύο εταιρείες αυτοκινήτων, η Ideal και η NIO, έχουν επίσης δημιουργήσει εξειδικευμένα τμήματα μοντέλων μεγάλης κλίμακας για να επιταχύνουν την εφαρμογή της τεχνολογίας. .

Ο ανταγωνισμός για ταλέντα υψηλού επιπέδου αυξάνεται επίσης φανερά και κρυφά. Όταν κυκλοφόρησε το πρώτο αυτοκίνητο στην αγορά, προκειμένου να καλύψει την πρόοδο της έξυπνης οδήγησης, η Xiaomi προσέλαβε τον πρώην CTO της Tucson China Wang Naiyan για να ενταχθεί στην εταιρεία. Μερικοί άνθρωποι στον κλάδο της έξυπνης οδήγησης είπαν στην 36Kr ότι η Huawei Smart Driving χρησιμοποιεί ακόμη και σχετικές πατέντες για να εδραιώσει τα ταλέντα και να πραγματοποιήσει στοχευμένη εξόρυξη.

Το νέο σχέδιο όντως πυροδοτεί την εγχώρια αγορά. Αλλά η άλλη όψη αυτού του νομίσματος είναι ότι το end-to-end βασίζεται σε μεγάλο βαθμό στην υλοποίηση που βασίζεται σε δεδομένα και όχι στη χειροκίνητη στοίβαξη μεγάλου αριθμού μηχανικών. Το μέγεθος της ομάδας της Tesla περίπου 300 ατόμων χρησιμοποιείται ως πρότυπο και διαδίδεται στους κορυφαίους παίκτες.

Ωστόσο, η πραγματικότητα στον κλάδο είναι ότι οι τρέχουσες ομάδες έξυπνης οδήγησης κορυφαίων παικτών έχουν σχεδόν χίλια ταλέντα. Η BYD, μια καθιερωμένη εταιρεία αυτοκινήτων που προλαβαίνει την έξυπνη οδήγηση, έχει μια ομάδα λογισμικού 3.000 ατόμων και η ομάδα έξυπνης οδήγησης της Huawei δεν υστερεί πολύ. Όταν η αγορά είναι καλή, οι μηχανικοί μπορούν γενικά να λαμβάνουν πακέτα μισθών με ετήσιο μισθό εκατομμυρίων.

Ωστόσο, πολλοί μηχανικοί έξυπνης οδήγησης πιστεύουν ότι εάν επαληθευτεί περαιτέρω η επίδραση της λύσης από άκρο σε άκρο, οι απολύσεις στις ομάδες έξυπνης οδήγησης των εταιρειών αυτοκινήτων θα είναι ένα γεγονός υψηλής πιθανότητας.

"Δεν χρειάζονται 200-300 άτομα." Ακόμη και νέοι πτυχιούχοι με βαθύ μαθησιακό υπόβαθρο μπορεί να έχουν πλεονέκτημα έναντι ορισμένων έξυπνων μηχανικών οδήγησης που εισέρχονται σε έργα από άκρο σε άκρο.

Ορισμένοι κυνηγοί κεφαλής πιστεύουν επίσης ότι η βιομηχανία ξεχειλίζει από ταλέντα: οι ομάδες έξυπνης οδήγησης των εταιρειών αυτοκινήτων δεν απελευθερώνουν πλέον νέες θέσεις και το προσωπικό έχει αρχίσει να εξορθολογίζεται από κυνηγός κεφαλών, έχει αλλάξει πίστα και έχει στραφεί στη στρατολόγηση ταλέντων για εταιρείες ρομποτικής.

Ο μηχανικός μπλόκαρε έξω από την πόρτα

Ο μηχανικός έξυπνης οδήγησης Tian Wei (ψευδώνυμο) είπε στο 36Kr ότι σε αυτή τη νέα τεχνολογική επανάσταση, οι μηχανικοί στη μονάδα σχεδιασμού και ελέγχου θα επηρεαστούν περισσότερο από τη μονάδα αντίληψης και την ενότητα πρόβλεψης.

Αυτό οφείλεται κυρίως στο γεγονός ότι η λύση end-to-end διαφέρει σημαντικά από την παραδοσιακή λύση έξυπνης οδήγησης. Οι παραδοσιακές λύσεις χωρίζονται σε πολλαπλές ενότητες, όπως η αντίληψη, η τοποθέτηση, ο χάρτης, η πρόβλεψη και ο έλεγχος προγραμματισμού Η υλοποίηση των λειτουργιών της ενότητας βασίζεται βασικά στους κώδικες των μηχανικών. Το προσωπικό από τα δύο μεγάλα τμήματα αντίληψης και σχεδιασμού και ελέγχου συχνά αντιπροσωπεύει την πλειοψηφία της ευφυούς ομάδας οδήγησης.

Αλλά το χαρακτηριστικό της λύσης από άκρο σε άκρο είναι ότι αλλάζει από τον κώδικα από μηχανικούς σε δεδομένα. Ο πιο ιδανικός τρόπος είναι να εισάγετε εικόνες στο σύστημα και το σύστημα μπορεί να εξάγει απευθείας τον έλεγχο του οχήματος και οι ενδιάμεσοι σύνδεσμοι ολοκληρώνονται από το νευρωνικό δίκτυο AI.

Κρίνοντας από την πρόοδο των εγχώριων κορυφαίων παικτών, μετά την εισαγωγή της λύσης από άκρο σε άκρο, πολλαπλές ενότητες της παραδοσιακής λύσης μετασχηματίζονται μέσω νευρωνικών δικτύων τεχνητής νοημοσύνης και ενσωματώνονται σε δύο μεγάλα δίκτυα: ένα μεγάλο μοντέλο αντίληψης και μια μεγάλη πρόβλεψη και μοντέλο λήψης αποφάσεων. «Πολλές τρέχουσες λύσεις βασίζονται σε μεγάλα μοντέλα αντίληψης και συνδέονται με ένα μεγάλο μοντέλο προγνωστικού σχεδιασμού».

Μια περαιτέρω λύση θα ενσωματώσει την αντίληψη, την πρόβλεψη, τη λήψη αποφάσεων και τον προγραμματισμό, τα οποία η βιομηχανία ονομάζει «Ένα μοντέλο».

Η νέα τεχνική διαδρομή έχει επίσης ένα νέο προφίλ ταλέντων για τις ομάδες έξυπνης οδήγησης των εταιρειών αυτοκινήτων.

Ένας έξυπνος οδηγός είπε στο 36Kr ότι η ομάδα από άκρο σε άκρο απαιτεί λιγότερα άτομα, αλλά οι απαιτήσεις κατωφλίου ταλέντου έχουν γίνει υψηλότερες. Το ίδιο το μεγάλο μοντέλο απαιτεί από την ομάδα να έχει ένα ισχυρό υπόβαθρο βαθιάς μάθησης «Στη φάση δημιουργίας του έργου, απαιτεί επίσης ισχυρά ταλέντα υποδομής, βαθιά κατανόηση κάθε ενότητας αντίληψης, σχεδιασμού και ελέγχου και κατανόηση των διαφορετικών. πλατφόρμες υπολογιστών τσιπ, διαφορετικά πλαίσια συλλογιστικής τεχνητής νοημοσύνης, κ.λπ.

Ωστόσο, ο αριθμός των ανθρώπων που είναι υπεύθυνοι για την κατασκευή και την εκπαίδευση μοντέλων αποτελεί μόνο ένα μικρό μέρος. "Ίσως το 90% της ομάδας παρέχει δεδομένα από άκρο σε άκρο, καθώς και υποστήριξη αλυσίδας εργαλείων κλειστού βρόχου κλπ."

«Το ίδιο το μεγάλο μοντέλο είναι μια πολύ ικανή ομάδα», είπε ένας σοφός. Αυτός είναι ο λόγος για τον οποίο εταιρείες τεχνολογίας AI, όπως το OpenAI, είχαν μόνο 200-300 άτομα στις πρώτες μέρες τους, αλλά κατάφεραν να λανσάρουν το μεγάλο γλωσσικό μοντέλο ChatGPT και να αλλάξουν την παγκόσμια διαδικασία AI.

Για τους μηχανικούς, ο αντίκτυπος της τεχνολογίας από άκρο σε άκρο είναι επίσης διαφορετικός.

Ένας έξυπνος ειδικός στην οδήγηση είπε στο 36Kr ότι μεταξύ των δύο ενοτήτων αντίληψης και ελέγχου, το μοντέλο μεγάλης αντίληψης βασιζόταν αρχικά στην τεχνολογία βαθιάς εκμάθησης. Αν και η διαδρομή οπτικής επιθεώρησης έχει μετατοπιστεί από το προηγούμενο συνελικτικό νευρωνικό δίκτυο του CNN στο BEV που βασίζεται σε μετασχηματιστή, ο αντίκτυπος στους μηχανικούς δεν ήταν μεγάλος.

Αλλά για τους ρυθμιστικούς μηχανικούς, εάν θέλουν να συνδεθούν από άκρο σε άκρο, σχεδόν πρέπει να αλλάξουν ξανά ίχνη. Ένας έξυπνος ειδικός στην οδήγηση είπε στο 36Kr ότι οι παραδοσιακοί μηχανικοί ρύθμισης και ελέγχου επικεντρώνονται κυρίως σε διάφορες κατευθύνσεις: πρόβλεψη διαδρομής, βελτιστοποίηση διαδρομής, μετα-επεξεργασία κανόνων και έλεγχος οχήματος. "Είναι όλα πολύ υποδιαιρεμένα θέματα και βασικά άσχετα. Εκτός από την ενότητα πρόβλεψης διαδρομής, οι μηχανικοί σε άλλες κατευθύνσεις βασικά δεν έχουν υπόβαθρο βαθιάς μάθησης."

Ο μηχανικός έξυπνης οδήγησης Tian Wei είπε στο 36Kr ότι εάν οι ρυθμιστικές αρχές θέλουν να αλλάξουν από άκρη σε άκρη, μια κατεύθυνση είναι η ίδια η εκπαίδευση μοντέλων, αλλά αυτό απαιτεί ένα ισχυρό υπόβαθρο βαθιάς μάθησης. "Είναι πιθανό οι νέοι απόφοιτοι που σπουδάζουν βαθιά μάθηση να κατανοούν τα μοντέλα καλύτερα από εσάς."

Δεύτερον, η εξόρυξη και η επεξεργασία δεδομένων είναι η παροχή τροφοδοσίας δεδομένων από άκρο σε άκρο. "Αλλά εάν η υποδομή της αλυσίδας εργαλείων έχει ολοκληρωθεί και η δομή του μοντέλου έχει σταθεροποιηθεί, ενδέχεται να μην χρειάζονται πλέον άνθρωποι. Τέλος, υπάρχει μετα-επεξεργασία του μοντέλου Η έξοδος της τροχιάς από το μεγάλο μοντέλο δεν είναι αξιόπιστη." και εξακολουθεί να απαιτεί έναν μικρό αριθμό μηχανικών για να γράψουν Οι κανόνες είναι σαφείς.

Οι μηχανικοί ανησυχούν και για αυτό. "Από τη μια πλευρά, το ίδιο το μεγάλο μοντέλο από άκρο σε άκρο δεν απαιτεί τόσους ανθρώπους. Από την άλλη, όλοι θέλουν να κάνουν από άκρο σε άκρο, αλλά η επιχείρηση μαζικής παραγωγής της εταιρείας χρειάζεται ανθρώπους για να τη διευθύνουν."

Ένας υπάλληλος της Zhijia ήταν επίσης αναστατωμένος που έχασε την ευκαιρία να ενταχθεί στην ομάδα έργου από άκρο σε άκρο λόγω του τρέχοντος έργου μαζικής παραγωγής της εταιρείας. Αλλά είναι επίσης πολύ μπλεγμένος: ακόμα κι αν εισέλθει στη λύση από άκρο σε άκρο, είναι για να υποστηρίξει τη νέα λύση, αλλά αυτή δεν είναι η ίδια η βασική θέση του μεγάλου μοντέλου.

Και εάν παραμείνετε στην τρέχουσα θέση του έργου μαζικής παραγωγής σας, μπορείτε να συγκεντρώσετε μια πλήρη εμπειρία σε έργα μαζικής παραγωγής έξυπνης οδήγησης και μπορεί επίσης να μεταφερθεί σε εταιρείες παραδοσιακών αυτοκινήτων τα επόμενα χρόνια.

Αλλά ένας άλλος κίνδυνος θα έρθει όταν η λύση από άκρο σε άκρο διαδοθεί σε ολόκληρο τον κλάδο, η στοίβα τεχνολογίας που έχει συσσωρεύσει για πολλά χρόνια θα αντιμετωπίσει επίσης τον κίνδυνο να εξαλειφθεί σε λίγα χρόνια. «Μπορεί να χρειαστεί να φύγω από τη βιομηχανία της έξυπνης οδήγησης».

Τμήμα τεχνολογίας, παιχνίδι πόρων

Προκειμένου να μεταβεί στην ομάδα έργου από άκρο σε άκρο, ο μηχανικός Tian Wei ξεκίνησε απευθείας από το μεταπτυχιακό πρόγραμμα στη βαθιά μάθηση.

Βρήκε ένα κλασικό μάθημα βαθιάς μάθησης και μια κάρτα γραφικών και χρησιμοποίησε τα πρακτικά μαθήματα του σχολικού βιβλίου για να εφαρμόσει μερικούς απλούς αλγόριθμους αναγνώρισης εικόνων. «Τουλάχιστον πρέπει πρώτα να κατανοήσετε διεξοδικά τα σημεία γνώσης για να καταλάβετε πώς λειτουργεί το ίδιο το μοντέλο».

Μετά από δύο μήνες ανάγνωσης και εξάσκησης, ο Tian Wei επιτέλους ένιωσε ότι μπορούσε να καταλάβει κάποιο μεγάλο μοντέλο ανοιχτού κώδικα από άκρο σε άκρο. Έχει κάνει αίτηση στην εταιρεία για να μεταφερθεί στην ομάδα έργου από άκρο σε άκρο.

Στην πραγματικότητα, όχι μόνο ο Tian Wei είναι ανήσυχος, αλλά η εταιρεία έξυπνης οδήγησης όπου εργάζεται ο Tian Wei είναι ακόμα πιο αγχωμένη από αυτόν. Είπε στην 36Kr ότι η εταιρεία του συνεργάζεται με μια εταιρεία αυτοκινήτων για να αναπτύξει μια λύση μαζικής παραγωγής για έξυπνη οδήγηση, αλλά υπάρχει επίσης μια ομάδα εντός της εταιρείας αυτοκινήτων που προωθεί από άκρο σε άκρο «Όλη η εταιρεία είναι πολύ ανήσυχη και έχει έχει ήδη ξεκινήσει το σχέδιο από άκρο σε άκρο».

Ο Tian Wei είπε ότι σύμφωνα με την αντίληψη της εταιρείας, μπορεί να εκπαιδευτεί ένα end-to-end demo με μόνο 2.000 ώρες δεδομένων βίντεο και αυτό το επίπεδο δεδομένων μπορεί να ολοκληρωθεί σε έναν ή δύο μήνες χρησιμοποιώντας 50 οχήματα.

Όμως, ο Tian Wei γνωρίζει πολύ καλά ότι με τους υπάρχοντες πόρους της εταιρείας, μπορεί να υποστηρίξει μόνο την εκπαίδευση μιας επίδειξης από άκρο σε άκρο για να αποδείξει τη σκοπιμότητα της λύσης. Υπάρχει ακόμα ένα μεγάλο χάσμα μεταξύ της επίδειξης και της μαζικής παραγωγής.

Αυτό το νέο παιχνίδι τμήματος τεχνολογίας θα αντικατοπτρίζεται πρώτα στο τμήμα πόρων.

Ο Διευθύνων Σύμβουλος της Tesla, Μασκ, υπογράμμισε κάποτε τη σημασία των δεδομένων για από άκρο σε άκρο: «Η εκπαίδευση με 1 εκατομμύριο θήκες μετά βίας είναι αρκετή, με 2 εκατομμύρια, είναι ελαφρώς καλύτερη 10 εκατομμύρια, γίνεται απίστευτο».

Από την άλλη πλευρά, υπάρχουν υπολογιστικοί πόροι ο Musk αγόρασε επίσης εκπαίδευση για κάρτες γραφικών NVIDIA σε μεγάλη κλίμακα, λέγοντας ότι μέχρι το τέλος του έτους, η υπολογιστική ισχύς της για εκπαίδευση τεχνητής νοημοσύνης θα είναι η αντίστοιχη υπολογιστική ισχύς 90.000 NVIDIA H100. Το απόθεμα και η ζήτηση για υπολογιστική ισχύ είναι συγκλονιστικές.

Αυτό το όριο είναι αρκετά υψηλό. Για τις εταιρείες έξυπνης οδήγησης που αγωνίζονται ακόμα να βγάλουν χρήματα, αφενός, δεν συνεργάζονται με εταιρείες αυτοκινήτων, επομένως είναι δύσκολο για τις εταιρείες έξυπνης οδήγησης να συλλέγουν από μόνες τους δεδομένα εκπαίδευσης, τα τσιπ εκπαίδευσης στο cloud είναι δύσκολα να βρουν στην Κίνα Πολλές εταιρείες αυτοκινήτων τα αποκτούν σε υψηλές τιμές. «Τα έργα μαζικής παραγωγής και η χρηματοδότηση είναι ακόμη ασαφή και είναι δύσκολο να επενδύσεις σε μακροπρόθεσμες επενδύσεις από άκρο σε άκρο».

Ένας άλλος έξυπνος μηχανικός οδήγησης αισθάνθηκε επίσης αβοήθητος. Αφού ανέπτυξε το ολοκληρωμένο έργο για λιγότερο από μισό χρόνο, έλαβε ειδοποίηση από την εταιρεία να αναστείλει το έργο από άκρο σε άκρο. Ο λόγος είναι ότι η εταιρεία πρέπει να επικεντρώσει την ενέργεια και τους πόρους της στην ανάπτυξη της τρέχουσας λύσης έξυπνης οδήγησης χωρίς αστικό χάρτη, η οποία «καταναλώνει πάρα πολλούς πόρους από άκρο σε άκρο».

Αυτό που ένιωσε ο μηχανικός ήταν κρίμα που το demo από άκρο σε άκρο που έκανε η ομάδα του ήταν έτοιμο. Η ομάδα αρχικά είχε ως στόχο να συγκριθεί το FSD της Tesla και μάλιστα κατέβαλε μεγάλες προσπάθειες για την κατασκευή αλυσίδων εργαλείων και άλλης υποδομής. Αλλά με την αναστολή της στρατηγικής της εταιρείας από άκρο σε άκρο, η εστίαση της ομάδας στην έρευνα και την ανάπτυξη έχει μετατοπιστεί στον τομέα της ρομποτικής.

Η από άκρο σε άκρο νέα τεχνολογία δεν έχει ακόμη εφαρμοστεί πραγματικά στην Κίνα, αλλά ο αντίκτυπός της στην αναμόρφωση της δομής του ταλέντου και της οικολογικής δομής της βιομηχανίας έξυπνης οδήγησης έχει αρχίσει να εμφανίζεται.

Παρόλα αυτά, οι κορυφαίοι παίκτες θα εξακολουθήσουν να κάνουν ό,τι μπορούν για να επιβιβαστούν σε αυτό το ενοχλητικό τρένο και θα έρθει η εποχή των γιγάντων που ελέγχουν τους πόρους δεδομένων, τους πόρους τσιπ και τους ανθρώπινους πόρους.

(Ο Qin Feng και ο Tian Wei είναι ψευδώνυμα στο άρθρο.)