berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Edisi Mengemudi Cerdas Wei Brand Blue Mountain

Dalam beberapa tahun terakhir, label "berkendara cerdas" semakin dikaitkan dengan perusahaan mobil bertenaga baru. Banyak merek baru seperti Xpeng, Huawei, dan Ideal semuanya telah melakukan upaya di bidang mengemudi cerdas, dengan tujuan mengambil memimpin di era energi baru. Menempati pikiran pengguna.

Sebagai perbandingan, suara perusahaan mobil tradisional nampaknya jauh lebih kecil, namun nyatanya mereka sama sekali tidak berbohong di era ini. Perusahaan mobil yang diwakili oleh Great Wall juga diam-diam mengumpulkan upaya untuk mencoba memenangkan kompetisi mengemudi cerdas Yicheng.

Sejak awal tahun ini, Wei Jianjun, Presiden Great Wall Motors, telah melakukan uji langsung tentang mengemudi cerdas di Baoding dan Chongqing, sebagai pemimpin perusahaan, ia tidak hanya menghadiri pengujian secara langsung, namun juga ikut serta dalam banyak tes rekan-rekan dari departemen teknis untuk mendukung teknologi mengemudi cerdas terbarunya.

Secara obyektif, jika kita kembali ke tahun lalu, mengemudi cerdas Great Wall Motor umumnya tidak banyak hadir di industri, dan sebagian besar produk mengemudi berbantuan L2+ yang digunakan dalam mobil yang diproduksi secara massal berasal dari pemasok yang sudah matang.

Hingga April tahun ini, Great Wall merilis arsitektur teknis mengemudi cerdas terintegrasi SEE. Tujuan utamanya adalah untuk mengatasi berkendara dengan bantuan L2+ dari skenario kecepatan tinggi hingga perkotaan. Di bawah arsitektur seperti itu, ia dioptimalkan berdasarkan modul algoritma tersegmentasi tradisional dan menggunakan model besar yang terintegrasi untuk menyelesaikan masalah pengambilan keputusan di lebih banyak skenario, tetapi juga memiliki aturan buatan di dalamnya.

Dari sudut pandang teknis, model SEE Great Wall Motors saat ini tidak lagi merupakan pengambilan keputusan dan perencanaan berbasis aturan tradisional, tetapi model berskala besar yang terintegrasi dengan pengambilan keputusan dengan kecerdasan buatan pengemudi dalam hal kemampuan menghindari rintangan. Dibandingkan dengan metode bodoh sebelumnya yang mengandalkan tim yang terdiri dari ribuan orang untuk menambal setiap skenario, efisiensinya telah meningkat pesat.

Jadi sekarang, setelah seluruh kelompok melakukan investasi besar dalam penelitian dan pengembangan, sejauh mana tingkat mengemudi cerdas di Great Wall telah berkembang?

Berikut ini adalah transkrip percakapan baru-baru ini antara Wakil Presiden Intelijen Great Wall Motor Wu Huixiao, Direktur Senior Pusat Pengembangan Platform Cerdas Jiang Haipeng, dan Pakar Pusat Pengembangan Platform Cerdas Wu Guosuzhou dan lainnya, yang diedit sebentar oleh Titanium Aplikasi Media.

T: Pada tingkat apa kemampuan mengemudi cerdas Great Wall saat ini dibandingkan dengan merek lain?

Jiang Haipeng: Pertama mari kita bicara tentang keunggulan kita sendiri, mulai dari Urban NOA pada paruh kedua tahun lalu, baik Huawei atau Xpeng, saya sangat berterima kasih kepada dua perusahaan terkemuka ini. Ternyata kami memperkirakan NOA perkotaan akan dilaksanakan pada tahun 2025, justru karena para pemimpin dalam negeri kita sangat mempromosikannya dengan gambar, dan kemudian secara bertahap berkembang menjadi model besar tanpa gambar promosi dan pendidikan mereka yang relatif radikal kepada pengguna kami. , dan juga mendorong Urban NOA ke dalam kancah mengemudi cerdas yang paling populer.

Tahun ini kami melakukan test drive mendalam terhadap Tesla selama CES. Setelah kembali ke China, kami melakukan beberapa evaluasi mendalam dan test drive terhadap semua model dengan fungsi mengemudi cerdas Kalau harus rangking Dari segi reputasi, menurut saya kita masuk tiga besar, jadi tidak ada unsur menyombongkan diri.

T: Apa pendapat Anda tentang jalur teknologi model besar end-to-end yang menjadi arus utama saat ini di industri?

Jiang Haipeng: Sekarang hampir setiap perusahaan algoritme atau OEM membicarakan model besar end-to-end. Saya dapat memberi tahu Anda secara bertanggung jawab bahwa tidak lebih dari tiga perusahaan di dunia yang benar-benar end-to-end dan telah melakukannya sesuai dengan standar. arsitektur end-to-end, dan bahkan di bawah arsitektur end-to-end, banyak masalah keamanan berbasis aturan juga tertanam secara internal. Karena end-to-end sendiri bukan berarti Tesla baru mengusulkan konsep ini tahun lalu atau tahun ini. Saat pertama kali kita mulai melakukan self-driving, kita semua tahu bahwa harus ada pemodelannya volume data tidak cukup.

Oleh karena itu, persepsi dimodelkan terlebih dahulu, kemudian model tersebut dimodelkan lebih lanjut, dan kemudian secara perlahan didorong ke sisi pengambilan keputusan. Ketika tidak ada model, kami mengandalkan aturan. Belakangan, kami menemukan bahwa begitu kami memasuki kota, jika kami masih mengikuti aturan, tidak ada cara untuk memenuhi kebutuhan skenario perkotaan. Jika Anda menumpuk kode tanpa batas, Anda mungkin tidak dapat menulis peraturan kota dengan baik jika tidak ada 3.000 atau 5.000 orang yang mengerjakan sistem mengemudi otonom. Bahkan jika ada perubahan setelah penulisan, akan sulit bagi Anda untuk melakukannya menyelesaikannya. Jadi saat ini semua orang tahu dengan jelas bahwa kita harus menggunakan data untuk menggerakkan operasi guna mengurangi jumlah kode personel dan mengurangi biaya, jika tidak maka hal itu tidak akan terjadi.

T: Perusahaan mobil relatif optimis terhadap upaya end-to-end, namun masih ada beberapa ketidakpastian. Bagaimana Great Wall memandang penghindaran risiko?

Jiang Haipeng:Akhir dari berkendara yang cerdas haruslah seperti manusia yang dapat berpikir dan memahami keadaan, serta melakukan tindakan mengemudi yang cerdas pada pemahaman adegan tersebut.

Contoh sederhananya, ketika kita sedang berkendara, di depan kita ada kantong plastik hitam. Jika ada mobil di kedua sisinya dan tidak ada jalan untuk memutarnya, kita pasti akan menabraknya karena saya tahu itu badannya empuk dan saya bisa meremukkannya. Yang pertama Tidak akan terjadi kecelakaan, dan yang kedua tidak akan terjadi kerusakan pada kendaraan saya. Sekarang berbeda. Tidak ada cara untuk mengetahui bahwa ada perangkat lunak di depan kita. Kita hanya tahu bahwa itu adalah hambatan dan kita harus mengerem atau menghindarinya.

Di masa depan, pengemudian otonom haruslah mengemudi secara otonom dengan pemahaman tentang lingkungan sekitar, dan kami juga sedang melakukan perencanaan dan pengembangan di bidang ini. Sekarang ada beberapa landasan. Pertama-tama, dari perspektif chip, seperti NVIDIA's Thor, termasuk kami memahami bahwa beberapa perusahaan chip domestik besar juga telah mendefinisikan chip mereka sendiri dalam hal ini, Anda harus mendukung menjalankan chip yang mirip dengan model bahasa besar. Dari sudut pandang model, ada yang kita sebut model bahasa, mirip dengan AI terbuka, yang mendukung kita untuk melakukan pemahaman, kemudian membuat persepsi dan membuat penilaian yang komprehensif.

End-to-end adalah rangkaian logika teknis terkini yang didasarkan pada kendaraan otonom itu sendiri, yang disegmentasi dari pemodelan persepsi hingga pemodelan fusi, dan terakhir hingga pemodelan skala. Karena orang-orang semakin malas, melakukan pengembangan, terutama kode perangkat lunak dan algoritma, adalah pekerjaan yang sangat menguras otak. Apa yang harus mereka lakukan jika ingin membuat pekerjaan mereka lebih mudah? Siswa yang terlibat dalam AI sangat terganggu dengan coding karena mereka merasa seperti itu menulis kodenya terlalu banyak. Ini membuang-buang waktu saya, jadi mereka sangat termotivasi. Saya ingin mengubah kode menjadi model. Setelah menjadi model, cloud akan beradaptasi dengan sendirinya. Akhir adalah tahap perkembangan teknologi, namun ini bukanlah akhir dari berkendara cerdas.

T: Great Wall SEE Architecture 2.0, mengapa ia mempertahankan karakteristik modular end-to-end dan end-to-end yang lengkap?

Suzhou Negara Bagian Wu:Kedua hal ini merupakan konsep. Kelengkapan end-to-end yang sebenarnya bukan berarti tidak ada aturan yang mencakup keseluruhan situasi, namun keuntungan dari kelengkapan end-to-end adalah data Anda dapat mempelajari lintasan dan karakteristik manusia. mengemudi dari awal hingga akhir. Dengan status teknis saat ini, tidak ada yang bisa Metodenya adalah melatih hal yang sepenuhnya ujung ke ujung, yang dapat dibuka di semua skenario, dan hal ujung ke ujung yang modular, yang mana juga memiliki antarmuka persepsi di tengah.

Misalnya, jika ada garis jalur dan rintangan serupa, keuntungan terbesar dari modular end-to-end adalah modelnya mudah untuk dilatih, tetapi tidak memiliki keunggulan end-to-end yang lengkap, jadi kedua bagian ini digabungkan. Terus terang, jika Anda menjalankan dua model, kedua model tersebut independen, dan kebutuhan daya komputasi menjadi dua kali lipat. Anda perlu merancang mekanisme berbagi dan pertukaran data. Ini juga merupakan poin yang sulit dalam membangun model akan menjadi mekanisme arbitrase yang sesuai. Tentukan skenario apa yang menurut saya diperlukan oleh ekspor model tertentu, sehingga skenario ini dapat digabungkan dengan lancar.

T: Atas dasar apa strategi khusus pembukaan kota Great Wall Intelligent Driving diputuskan?

Jiang Haipeng: Faktanya, logika Kaicheng sangat sederhana. Kami telah mengurutkan 20 kota penjualan teratas di Blue Mountains kami. Yang paling laris adalah Chongqing, Chengdu, dll. Setelah mengunjungi keempat kota ini, kami memiliki keuntungan yang berbeda-beda kategori. Chongqing adalah kota pegunungan, dan kondisi jalannya memang rumit. Chengdu merupakan gambaran khas dari pemandangan kemacetan. Jalur perkotaan sangat sempit dan arus lalu lintas sangat besar. Setiap jalur memiliki jalur bus dan ruang tunggu. Shenzhen adalah perwakilan khas kota-kota berteknologi tinggi, sangat mirip dengan Shanghai. Baoding merupakan perwakilan dari kota-kota tingkat kedua dan ketiga, jadi setiap kota mewakili suatu jenis kota. Jika kita menggeneralisasi dari beberapa kota ke kota lain, kita akan mendapatkan hasil dua kali lipat dengan setengah usaha.

Kami sangat iri dengan metode promosi Wei Xiaoli, karena sudah ada mobil di dunia yang menyediakan fungsi pengguna melalui OTA. Daripada memulai dari awal, sudah ada 0,5, dan menambahkan 0,5 akan menjadikannya 1. Saat ini kami tidak memiliki mobil di pasaran, jadi kami hanya dapat memiliki fungsi ini sejak awal penjualan. Ini adalah dua cara yang berbeda.

T: Penyesuaian apa yang dihadapi Great Wall Motors selama promosi NOA perkotaan?

Wu Huixiao: Pemasyarakatan skala besar akan terjadi pada tahun 2025. Tahun lalu, kami menilai bahwa node tersebut adalah paruh pertama tahun 2024. Nantinya, kami berkolaborasi dengan seluruh kendaraan, termasuk melakukan beberapa penyesuaian pada arsitektur model selama proses pembukaan. Kemudian selama proses implementasi, kami juga menemukan bahwa seluruh industri akan menghadapi tahap di mana pengguna menerima co-driving manusia-mesin. Fungsi ini akan tersedia saat Blue Mountain Smart Driving Edition diluncurkan, dan akan ada beberapa optimasi dan penyesuaian interaksi setelah menggunakan mobil OTA.

T: Berapa jumlah tim Litbang mengemudi cerdas di Great Wall saat ini?

Wu Huixiao:Bos saya mengatakan kepada saya sebelumnya bahwa dengan lebih dari seribu orang yang bertanggung jawab, termasuk pengemudi dan TST, personel pengemudi bukanlah arah yang tepat untuk masa depan. Mengandalkan transfer proyek dan taktik gelombang manusia, masa depan harus menggunakan eselon dengan kualitas, kepadatan, dan talenta yang lebih tinggi, ditambah dengan infrastruktur kita.

T: Apa pendapat Anda tentang peran lidar dalam berkendara cerdas?

Jiang Haipeng: Lidar hanya menyelesaikan 1% Haruskah perusahaan mobil mengeluarkan ribuan dolar untuk 1%? Kami pikir mereka harus membelanjakannya. Perusahaan kami tidak mengatakan bahwa tidak perlu mengurangi biaya Kami tetap bersikeras untuk tidak mengurangi sebagian biaya, dan 1% ini justru terkait dengan keselamatan. Oleh karena itu, kami tidak berencana menghilangkan lidar dalam satu atau dua tahun ke depan, namun kami tetap perlu memastikan keamanannya.

T: Bagaimana urutan peluncuran model mengemudi cerdas Great Wall Motors?

Wu Huixiao:Saat ini Blue Mountain Smart Driving Edition dilengkapi dengan Coffee Pilot Ultra, selain max dan pro. Kami juga perlu melihat kebutuhan pengguna. Beberapa pengguna merasa khawatir untuk menggunakannya dalam situasi ini, dan kemudian memutuskan apakah akan mempromosikan NOA berkecepatan tinggi secara keseluruhan atau NOA Kota.

T: Kapan konsumen dapat membayar mobil pintar dengan uang sungguhan?

Wu Huixiao: Pandangan saya adalah bahwa bisnis adalah amal terbesar. Mobil Anda harus dapat beroperasi secara positif untuk menjaga perkembangan perusahaan dan rantai industri Anda yang positif dan berkelanjutan. Anda tidak dapat membeli atau menjual dengan paksa. Poin pertama adalah membuat produk menjadi baik terlebih dahulu. Setelah Anda melakukannya, Anda telah memecahkan banyak masalah bagi pengguna, dan mereka akan merasa bahwa itu sepadan dengan uang yang dikeluarkan. Kami juga perlu melakukan banyak pekerjaan secara internal, termasuk membangun proses, sistem TI, dan saluran pembayaran. Faktanya, seluruh industri telah mengalami proses ini.

Baik itu mengemudi cerdas atau kokpit, pengalamannya harus ditingkatkan. Berdasarkan loop tertutup yang sehat dari model bisnis masa depan, jalannya harus diaspal dari rantai organisasi dan teknis terlebih dahulu. Ketika Anda benar-benar meningkatkan pengalaman, pengguna akan bersedia untuk membayar, dan biarkan orang benar-benar Pengguna menikmati kenyamanan teknologi dan merasa bahwa uang tersebut layak untuk dibelanjakan, sehingga mereka secara alami bersedia membayar.

Tahun ini, perusahaan mobil sangat sibuk, dan industri perangkat lunak sedang merugi. Saya pikir seluruh negara kita, termasuk saya pribadi, harus mempelajari nilai seperti apa yang kita bayarkan untuk makanan, pakaian, dan rumah untuk membayar musik? , pembayaran hak kekayaan intelektual, seluruh masyarakat harus bekerja keras.

T: Mengapa tahun depan merupakan tahun pertama industri mengemudi cerdas?

Suzhou Negara Bagian Wu:Hal ini dapat dilihat dari empat aspek.

Yang pertama adalah evolusi algoritma. Ketika kami melakukan smart Driving beberapa tahun yang lalu, kami merasa bahwa hal pertama yang harus dilakukan dengan baik dalam smart Driving adalah melakukan pekerjaan dengan baik dalam persepsi . Belakangan, tingkat persepsinya meningkat, dan dikatakan bahwa meskipun ada persepsi, tidak ada kognisi. Hari ini kita berbicara tentang kognisi sebagai pemahaman sistem penggerak cerdas terhadap pemandangan. Hal ini sangat sulit di masa lalu, dan kita telah melakukan eksplorasi yang tak terhitung jumlahnya, namun model bahasa dan teknologi bahasa visual saat ini memberi kita titik awal untuk teknologi kognitif dalam adegan makro. Jika Anda ingin memasukkan model ini ke dalam mobil, bukan berarti meniru dan menggunakannya secara langsung. Setidaknya dari sudut pandang teknis, inilah metodenya. Model penggerak cerdas yang besar mungkin juga dapat menyelesaikan masalah sampel nol atau sampel langka.

Yang kedua adalah dalam hal kekuatan komputasi. Saat ini, semua yang bekerja pada penggerak otonom kelas atas, kecuali Huawei dalam negeri, yang memiliki chip sendiri dan memang jauh di depan, sisanya adalah chip NVIDIA yang dirancang oleh desainer intinya mereka di tahun 2019 Selesai, ada pantulan ditengahnya. Jadi saya telah beradaptasi dengan arsitektur chip NVIDIA sejak empat tahun lalu. Faktanya, chip tersebut akan mengalami iterasi yang sangat penting tahun depan. Baik itu Nvidia atau chip komputasi berdaya tinggi dalam negeri, algoritme akan melangkahinya.

Aspek ketiga adalah data. Selama bertahun-tahun, baik OEM tradisional maupun kekuatan baru telah mulai mengumpulkan kurang lebih sejumlah data mengemudi cerdas. Ketika jumlah data terakumulasi hingga tingkat tertentu, data tersebut akan digunakan untuk pelatihan model besar. Kemungkinan perubahan kuantitatif menjadi perubahan kualitatif muncul.

Terakhir, ada aspek kognitif. Di masa lalu, ada dua kelompok: mereka yang percaya pada mengemudi otonom dan mereka yang tidak. Semua orang percaya bahwa teknologi berbasis data adalah masa depan. Teknologi berbasis data memiliki keuntungan bahwa itu dioptimalkan 10 kali setiap tahun, setiap orang memiliki keyakinan dalam hal ini. Dan kognisi, kognisi ini pada gilirannya akan mendorong investasi setiap orang di bidang teknologi, dan kedua, secara tidak langsung akan berdampak pada hal-hal lunak dalam hukum, peraturan, dan etika. Poin ini akan segera hadir.

T: Apa pendapat Anda tentang Tesla FSD yang memasuki Tiongkok? Apa keunggulan teknologi mengemudi pintar dalam negeri seperti Great Wall dibandingkan Tesla?

Wu Huixiao: Tesla telah memimpin dalam hal mengemudi dengan bantuan, dan kami juga telah melihat kinerjanya di Amerika Serikat. Kami hanya dapat mengatakan bahwa ada tantangannya. Meskipun sangat bagus, hal ini akan sulit dicapai dalam jangka pendek. Ada perbedaan besar antara jalan Amerika dan jalan Cina, orang Amerika jarang mencampurkan mobil. Kalau kita mengalaminya di jalanan San Francisco, jika ada orang di sana, tetap akan menimbulkan banyak gangguan bagi pengemudi data masuk, berdasarkan data besar end-to-end Model pengembangan model pasti akan membuatnya lebih cepat perbaikannya.(Artikel ini pertama kali diterbitkan di Aplikasi Titanium Media, penulis｜Li Yupeng, editor｜Zhang Min)