notizia

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Testo |. Istituto di ricerca sul capitale del titanio

Recentemente, il servizio di ride-hailing online con guida autonoma di Baidu “Carrot Run” è diventato un tema caldo. Si prevede che Tesla rilascerà “Robotaxi” nell'agosto 2024. Allo stesso tempo, sono state introdotte intensamente politiche nazionali per stimolare lo sviluppo dell'autosufficienza. All'inizio del 2024, cinque dipartimenti, tra cui il Ministero dell'Industria e della Tecnologia dell'Informazione, hanno pubblicato congiuntamente un avviso pilota per l'applicazione di "integrazione veicolo-strada-cloud", che copre le principali città di primo e secondo livello. La tecnologia di guida autonoma costituirà un importante motore di crescita per il settore dei veicoli a nuova energia. L'architettura end-to-end è gradualmente diventata il tema principale della competizione di quest'anno nel campo della guida intelligente. Per competere all'avanguardia, le aziende automobilistiche hanno iniziato ad aumentare i loro sforzi nella ricerca e nello sviluppo.

Quali sono le logiche di investimento per le piste di guida intelligenti? Quali sono i trend di sviluppo della tecnologia di guida autonoma end-to-end? Recentemente, Titanium Capital ha invitato il dottor Liu Yudong, direttore generale esecutivo di Chentao Capital, a condividere argomenti correlati. Da tempo si concentra sugli investimenti in piste di guida intelligenti. Ha lavorato presso il Geely Automobile Research Institute e Didi Chuxing e ha guidato la smart guida di più veicoli elettrici intelligenti, sviluppo della produzione di massa del sistema e ricerca lungimirante sugli algoritmi di percezione. Ha una ricca esperienza pratica nella pianificazione tecnica, nella definizione del prodotto, nella gestione del team, nella cooperazione ecologica e in altri campi. L'ospite di questa condivisione è Wang Zeqing di Titanium Capital, che si concentra su nuove energie, nuovi materiali, intelligenza artificiale, catena industriale della robotica e settori dei trasporti.

Chentao Capital Intelligent Driving Track Logica di investimento

1. Concentrarsi sulla guida intelligente

Chentao Capital è un istituto di investimento di private equity focalizzato sui settori emergenti e la guida intelligente è uno dei suoi principali settori di investimento verticali. Ci sono tre ragioni principali per concentrarsi sul percorso della guida intelligente: in primo luogo, la guida intelligente, in quanto campo che combina trasporti e intelligenza artificiale, ha un enorme spazio di mercato, che dovrebbe superare i trilioni di livelli. Secondo, la guida intelligente è a lungo termine; traccia, e la tecnologia e la struttura industriale non si sono ancora stabilizzate, offrendo continue opportunità di ingresso per le start-up; infine, i talenti e le tecnologie nel settore della guida intelligente sono altamente malleabili e il flusso di talenti tecnici di base offre opportunità di investimento. industrie correlate come l’intelligenza artificiale e la robotica.

Negli ultimi sette o otto anni, Chentao Capital ha investito in quasi 20 società legate alla guida intelligente. La maggior parte degli investimenti è avvenuta nella fase seed round e angel round e ha partecipato come importante azionista. Il campo degli investimenti è principalmente suddiviso in tre settori: il primo riguarda le società di guida autonoma che si concentrano su diversi scenari segmentati, come l'estrazione mineraria, i porti, la distribuzione urbana, la pulizia dei servizi igienico-sanitari, ecc.; società di telai e sensori e componenti a monte; la terza è costituita da società di software e servizi legati alla guida autonoma che hanno attirato molta attenzione negli ultimi due anni, in particolare intelligenza artificiale generativa e servizi dati.

2. Il settore ha iniziato la seconda ondata di ciclo di crescita

La guida intelligente è considerata un percorso a lungo termine. Dal 2015, il mercato cinese della guida autonoma ha vissuto la sua prima ondata di crescita. Sebbene l’attenzione sia diminuita negli ultimi due anni, questa tendenza è in linea con la curva di sviluppo tecnologico di Gartner, indicando che esiste ancora un enorme potenziale di crescita e opportunità di investimento in futuro.

Attualmente, il settore della guida intelligente si trova in un periodo di aggiustamento dopo la prima ondata di picchi di investimenti, affrontando la commercializzazione e altre sfide, ma le prospettive a lungo termine rimangono ottimistiche. Abbiamo una chiara previsione del trend di sviluppo della tecnologia e crediamo che il settore abbia iniziato la seconda ondata del ciclo di crescita. I segnali di questo ciclo includono la svolta nella commercializzazione delle società di guida autonoma e l’ondata di quotazioni in borsa delle società collegate, indicando che l’industria della guida intelligente è entrata in una nuova fase di investimenti. Pertanto, il nostro fondo ha iniziato a investire lo scorso anno e continua a cercare nuove opportunità.

Chentao Capital si concentra attualmente su due direzioni di investimento: in primo luogo, la commercializzazione della guida autonoma in diversi scenari, nella convinzione che la tecnologia di guida autonoma trasformerà i trasporti e genererà valore pratico, in secondo luogo, scoperte tecnologiche all'avanguardia e applicazioni nel campo della guida autonoma, in particolare; La tecnologia di guida autonoma end-to-end sarà il fattore principale nella trasformazione del settore della guida autonoma nei prossimi due-cinque anni. Mantenere un alto grado di sensibilità e attenzione ai modelli di grandi dimensioni, al radar a onde millimetriche 4D, alla tecnologia lidar e alle varie tecnologie dei chip nel campo della guida autonoma. La condivisione seguente fornirà spiegazioni specifiche sui diversi scenari e sulle tecnologie end-to-end di guida autonoma.

3. Logica di investimento per diversi scenari di guida autonoma

Utilizziamo un metodo di classificazione a quattro quadranti per differenziare gli scenari applicativi di guida autonoma in base alla velocità (bassa velocità, alta velocità) e al carico (trasporto di merci, persone). In termini di difficoltà tecnica, la guida autonoma ad alta velocità è più difficile di quella a bassa velocità, trasportare persone è più difficile che trasportare oggetti e gli scenari aperti sono più difficili di scenari specifici. Pertanto, Chentao Capital ha inizialmente concentrato i propri investimenti nel campo della guida senza equipaggio per il carico di merci a bassa velocità, coinvolgendo segmenti di mercato come il trasporto minerario, la distribuzione logistica dei terminal, la pulizia senza equipaggio e gli scenari portuali.

4. Progressi nella commercializzazione della guida autonoma in diversi scenari

Lo dividiamo in To G, TO B (mercato enterprise) e TO C (mercato consumer). Nel campo del TO G, i servizi igienico-sanitari e la sicurezza sono i principali scenari di applicazione. I servizi igienico-sanitari ambientali hanno raggiunto un'implementazione iniziale su larga scala e in alcune città vengono utilizzati robot per l'ispezione di sicurezza.

Sul lato TO B, la commercializzazione della guida senza pilota nelle miniere e nei porti sta procedendo più rapidamente. È stato formato un modello di business chiaro ed è iniziata la replica su larga scala.

Inoltre, quest’anno il panorama delle consegne urbane ha registrato una crescita esplosiva, con aziende leader che hanno annunciato che espanderanno le loro flotte a decine di migliaia di unità, ottenendo un aumento di oltre dieci volte. La rapida crescita della distribuzione urbana è dovuta alla ricerca di scenari applicativi adeguati nel collegamento distributivo, come la cooperazione con aziende di logistica espressa, distribuzione di supermercati di alimenti freschi, ecc. Per quanto riguarda la logistica del bagagliaio del lato B, poiché si tratta di uno scenario aperto e tecnicamente difficile, è ancora in una fase di test su piccola scala.

Sul lato C, le applicazioni senza conducente sono principalmente Robotaxi (taxi senza pilota) e Robobus (autobus senza pilota).

5. Taxi senza conducente: riepilogo dello stato di avanzamento di Carrot Run

Il progetto Carrot Run di Baidu è un segnale positivo per il suo effetto dirompente sull’intero settore della guida autonoma.

Esistono tre fasi di sviluppo degli scenari di guida autonoma: autonoma, su larga scala e commercializzazione. Nella fase senza pilota, Baidu ha già dimostrato le sue capacità di guida senza pilota. Baidu ha realizzato il RoboTaxi (taxi senza pilota) senza pilota nel 2022, ha condotto test senza pilota a Wuhan e in altri luoghi e ha supportato il funzionamento dei taxi senza conducente attraverso il centro di guida telecomandato. In termini di dimensioni, Baidu ha annunciato il piano di lancio di RoboTaxi. Si prevede che lancerà circa 1.000 veicoli entro la fine dell'anno. Alcuni veicoli sono già stati lanciati a Wuhan, mostrando i primi segnali di portata. La fase di commercializzazione si concentra sulla redditività. Liu Yudong ritiene che i tempi di redditività di Robo Taxi non siano ancora chiari e dipendano principalmente dal rapporto di sicurezza della guida telecomandata e dal futuro potere di determinazione dei prezzi dell'azienda. Attualmente, Robo Taxi fornisce servizi a prezzi estremamente bassi sotto forma di sussidi. Se riuscirà a mantenere la scala degli ordini aumentando le tariffe delle corse in futuro è una questione a cui l’industria deve prestare attenzione.

L’industria della guida autonoma sta attraversando attivi tentativi di commercializzazione. Sebbene si trovi ad affrontare sfide, il progresso tecnologico e l’innovazione del modello di business offrono ampio spazio per il futuro sviluppo del settore. Le pratiche di aziende come Baidu non solo promuovono lo sviluppo della tecnologia, ma forniscono anche una preziosa esperienza per l'esplorazione della commercializzazione dell'intero settore.

Il progetto Carrot Run ha avuto un impatto significativo a tre livelli: tecnologia, industria e industria. Livello tecnico: Luobo Kuaipao dimostra una soluzione di sistema che combina algoritmi lato auto e guida con controllo remoto, fornendo una soluzione scalabile. Questa modalità offre ai consumatori un'esperienza veramente senza conducente attraverso la guida con telecomando quando la tecnologia a bordo del veicolo non è ancora perfetta. In futuro, sempre più OEM di autovetture e altre società di guida autonoma potrebbero fare riferimento a questo piano per promuovere l’applicazione diffusa dei taxi senza conducente.

Livello industriale: l'applicazione su scala relativamente ampia di Luobo Kuaipao fornisce una dimostrazione della divisione industriale del lavoro per l'industria. Coinvolge gli operatori a valle e le società di componentistica a monte, apportando vantaggi incrementali a queste parti interessate. Man mano che le sue operazioni maturano, Baidu potrebbe perfezionare ulteriormente le sue operazioni e i piani di detenzione degli asset e promuovere la divisione industriale del lavoro, il che è vantaggioso per lo sviluppo dell’intero settore.

A livello di settore: l'effetto di rottura del cerchio di Carrot Run ha riacceso l'interesse del pubblico nel settore della guida autonoma. Questo evento è il "momento ChatGPT" nel settore della guida autonoma, il che significa che non è solo una svolta tecnologica, ma soprattutto. , attira l'attenzione del pubblico. Man mano che sempre più persone prestano attenzione, il settore della guida autonoma attirerà più risorse, inclusi talenti e fondi.

Tendenze di sviluppo della tecnologia di guida autonoma end-to-end

Lo sviluppo della tecnologia end-to-end non solo promuove una ricerca approfondita nel mondo accademico e industriale, ma offre anche nuove opportunità di investimento e direzioni di ricerca al settore della guida autonoma. Sebbene la tecnologia end-to-end sia ancora in fase esplorativa, le sue prospettive di applicazione nel campo della futura guida autonoma sono ampie e meritano molta attenzione da parte dell’industria e degli investitori.

1. La guida autonoma end-to-end apre un nuovo ciclo di rivoluzione industriale

Nell’ultimo anno la tecnologia end-to-end ha ricevuto ampia attenzione da parte del mondo accademico e dell’industria, soprattutto dopo che i risultati della ricerca dello Shanghai Artificial Intelligence Laboratory hanno vinto il CVPR2023 Best Paper Award, questa tecnologia è tornata ad essere al centro dell’attenzione della comunità accademica. Il processo di esplorazione del concetto end-to-end dal 2016 al 2018, la posizione attiva di Tesla in questo campo e la trasmissione in diretta di Elon Musk nell'agosto 2023 hanno dimostrato che FSD v12 si basa sull'architettura end-to-end, iniziando ufficialmente a promuovere l'end-to-end. mercato finale. Negli ultimi sei mesi, le principali aziende cinesi di guida intelligente hanno lanciato successivamente piani di guida autonoma end-to-end. Nel maggio 2024, Wayve, una start-up focalizzata sullo sviluppo di sistemi di guida autonomi end-to-end, ha ricevuto un finanziamento di 1 miliardo di dollari. È stata la prima transazione con un importo di finanziamento di oltre 1 miliardo di dollari dopo quella autonoma Nel 2022 l’industria automobilistica ha toccato il punto più basso, dimostrando che il mercato dei capitali è ottimista riguardo a questo sviluppo.

2. Evoluzione dell'architettura di guida autonoma

End-to-end è una tecnologia che copre l'intero processo dall'input del sensore alla pianificazione della traiettoria o all'output del segnale di controllo, completamente implementato dall'intelligenza artificiale o dalle reti neurali.

Lo sviluppo della tecnologia end-to-end è suddiviso in più fasi: la prima è la percezione end-to-end, in cui il modulo di percezione è stato implementato tramite deep learning, ma la pianificazione decisionale è ancora basata sulla definizione di regole; modularizzazione della pianificazione decisionale, cercando di sostituire la definizione delle regole con la pianificazione decisionale della rete AI, quindi modulare end-to-end, in cui le caratteristiche dell'espressione dell'immagine vengono trasferite tra moduli e possono essere addestrate e ottimizzate congiuntamente e, infine, l'end-; soluzione completa di una singola rete neurale, basata sull'intelligenza artificiale generativa e sulla tecnologia dei modelli di grandi dimensioni, sebbene la maturità sia bassa, il potenziale è enorme.

Il concetto end-to-end non è lo stesso del modello di grandi dimensioni e del modello mondiale. Sebbene la soluzione end-to-end possa attingere alle capacità di modelli di grandi dimensioni o di modelli di grandi dimensioni multimodali, il sistema end-to-end recentemente rilasciato da. Li Auto utilizza modelli di grandi dimensioni multimodali. Il modello mondiale è attualmente utilizzato principalmente come mezzo tecnico per l’addestramento dei dati e in futuro potrebbe diventare una tecnologia chiave per la guida autonoma.

La tecnologia end-to-end è compatibile con tutti i tipi di sensori, non solo con i puri sistemi di visione. Sebbene Tesla sia leader nei sistemi di pura visione, la soluzione end-to-end può anche integrare diversi input come lidar e radar a onde millimetriche. I dati della telecamera sono il tipo di dati più semplice da ottenere e accumulare nel campo della guida autonoma, quindi vengono spesso utilizzati nei sistemi di visione pura.

3. Storia dello sviluppo della tecnologia end-to-end

Tra il 2016 e il 2018, alcune aziende come Nvidia e Waymo hanno condotto delle prime esplorazioni, ma questi risultati non hanno raggiunto la produzione di massa. Il motivo principale è che l’architettura di rete a quel tempo era relativamente semplice, basata sulla CNN, e anche i metodi di apprendimento come l’apprendimento per imitazione e l’apprendimento per rinforzo erano relativamente basilari, privi di supporto avanzato per la struttura di rete.

La seconda fase di sviluppo prevede l'applicazione in questo campo delle architetture tecniche sottostanti, come i modelli linguistici di grandi dimensioni. L’applicazione diffusa di architetture tecnologiche di rete come i trasformatori, nonché l’aumento della complessità e dell’affidabilità dei modelli di guida autonoma, rappresentano i cambiamenti fondamentali in questa fase. Allo stesso tempo, l’intelligenza artificiale generativa e i modelli linguistici di grandi dimensioni hanno dimostrato che il paradigma generale dell’API può portare all’AGI nel mondo fisico, attirando più ricercatori e professionisti a investire in questa direzione.

4. Tre forze trainanti dietro la tecnologia end-to-end che hanno attirato l'attenzione nell'ultimo anno

Il primo è che gli indicatori di prestazione del sistema Tesla V12 sono stati raddoppiati. Il secondo è il valore del prodotto della tecnologia end-to-end stessa, compreso l'aspetto antropomorfico della risoluzione di scenari a coda più lunga e del miglioramento dell'esperienza dell'utente è il modello linguistico ad ampio impatto, guidato dalla tecnologia, nonché le caratteristiche guidate dai dati e le leggi di scalabilità dei sistemi end-to-end.

L’impatto della tecnologia end-to-end sulla struttura organizzativa delle case automobilistiche e delle società di guida autonoma è che semplificherà la struttura organizzativa e migliorerà l’efficienza delle iterazioni di sviluppo. Al momento, molti OEM leader del settore hanno annunciato ufficialmente piani di produzione di massa per soluzioni end-to-end, anche se il vero sistema end-to-end potrebbe non essere prodotto in serie fino al prossimo anno.

Le società che producono sistemi di guida autonoma e algoritmi, come SenseTime, Pony.ai, Horizon, ecc., hanno iniziato investimenti in ricerca e sviluppo end-to-end e prevedono di avere progetti OEM su strada nei prossimi sei mesi o un anno. Allo stesso tempo, anche le società di intelligenza artificiale generativa e di catene di strumenti, come Light Wheel Intelligence e Jiji Technology, hanno effettuato investimenti preliminari ed esplorazioni nel campo end-to-end.

5. La tecnologia end-to-end stimolerà l’ulteriore sviluppo delle tecnologie a monte nella catena industriale

La tecnologia end-to-end stimolerà l’ulteriore sviluppo delle tecnologie a monte nella catena industriale e porterà cambiamenti nell’ecologia del settore.Innanzitutto, con l’aumento della complessità dei modelli di intelligenza artificiale, l’ecosistema open source giocherà un ruolo sempre più importante. La comunità open source presenta vantaggi nella raccolta di talenti, nella collaborazione su larga scala e nello sviluppo di modelli complessi, come è stato confermato durante lo sviluppo di BEV negli ultimi tre anni. Confrontando i risultati dei progetti open source e dei progetti edge dal 2021 al 2024, è dimostrato che l’ecosistema open source e i progetti edge vanno di pari passo nel promuovere lo sviluppo del settore.

In secondo luogo, la tecnologia end-to-end pone sfide alle tradizionali metodologie di simulazione e verifica dei test. A causa della necessità di controllare l’auto end-to-end, i test a circuito aperto dei metodi di simulazione tradizionali non sono più applicabili e ci sono problemi con la fedeltà dei simulatori esistenti. Pertanto, sarà necessario sviluppare una nuova serie di catene di strumenti di simulazione a circuito chiuso, che potrebbe richiedere la combinazione di capacità nelle aree dell’intelligenza artificiale generativa e dei dati sintetici, un’area che offrirà opportunità per nuove aziende.

In terzo luogo, la tecnologia end-to-end promuoverà l’innovazione nell’architettura dei chip.I modelli di IA end-to-end con parametri più ampi e nuovi operatori di reti neurali pongono nuove sfide alle aziende produttrici di chip, richiedendo un’architettura dei chip più flessibile per adattarsi alla rapida evoluzione degli algoritmi di IA di guida autonoma.

Dal punto di vista delle tendenze di sviluppo del settore, la tecnologia end-to-end accelererà il tasso di penetrazione complessivo della guida autonoma. Si prevede che l’arrivo della tecnologia end-to-end renderà funzioni come la NOA ad alta velocità e la NOA urbana più popolari nei prossimi due o tre anni per fornire servizi ai consumatori ordinari.

A causa della forte capacità di generalizzazione della tecnologia end-to-end, in futuro potrebbero apparire più applicazioni di guida autonoma in regioni geografiche o paesi. Attualmente, le aziende di guida autonoma che entrano in nuovi paesi devono sottoporsi a numerosi debugging adattivo, ma si prevede che la tecnologia end-to-end ridurrà questo processo, migliorerà la capacità di applicazione in diversi scenari e potrebbe persino portare all’evoluzione di scenari diversi. per veicoli commerciali e autovetture.

6. Il rapporto tra guida autonoma end-to-end e robot generali

I due campi hanno storicamente imparato l’uno dall’altro e sono cresciuti insieme. Molte tecnologie nel campo della guida autonoma hanno origine dall’industria della robotica, tra cui sensori, algoritmi di percezione e posizionamento, SLAM (localizzazione simultanea e costruzione di mappe), algoritmi di pianificazione, sistemi operativi e middleware, ecc.

Negli ultimi cinque anni, sebbene lo sviluppo dell’industria della robotica sia stato più lento di quello della guida autonoma, quest’ultima ha sperimentato un’industrializzazione accelerata e la riduzione del costo dei componenti hardware e dei sensori si è di fatto ripercossa sul mercato. industria della robotica. Nell’ultimo anno, il metodo AI basato sui dati rappresentato dalla guida autonoma end-to-end sta gradualmente passando alla produzione di massa e si prevede che in futuro ritornerà nel campo dei robot generali, che richiedono anch’essi un’intelligenza generale.

Guardando al futuro, la guida autonoma e la robotica sono le due aree più importanti per realizzare l’intelligenza artificiale nel mondo fisico. Molti ricercatori dividono l’intelligenza generale in due parti: guida autonoma e robotica. Dal punto di vista della realizzazione dell’AGI nel mondo fisico, l’industria della guida autonoma presenta attualmente vantaggi più evidenti perché la complessità dei suoi compiti è relativamente bassa ed è stato stabilito un collegamento completo per l’acquisizione di dati e algoritmi iterativi, che fornisce all’industria della robotica modelli da apprendere da.

Lo sviluppo della guida autonoma end-to-end non solo promuove il progresso della tecnologia di guida autonoma, ma apporta anche nuove opportunità e riferimenti tecnici al settore della robotica. I due continueranno a promuoversi a vicenda nell’ambito dello sviluppo della tecnologia AI e a promuoversi congiuntamente la realizzazione dell’intelligenza artificiale nel mondo fisico.

Domande e risposte

D1: Qual è il trend di sviluppo futuro del lidar e del radar a onde millimetriche come sensori di input?

R: I costi del lidar e del radar a onde millimetriche sono in costante diminuzione, in linea con la Legge di Moore. I costi del lidar e del radar 4D a onde millimetriche attualmente spediti sono rispettivamente di circa 2.000-3.000 yuan e 600 yuan, con un divario significativo. Si prevede che nel giro di due anni il costo del lidar potrà essere ridotto a circa 1.000 yuan e quello del radar a onde millimetriche a più di 300 yuan. Il radar a onde millimetriche è altamente complementare ai sistemi ottici come lidar e telecamere. I sistemi ottici potrebbero guastarsi in condizioni meteorologiche avverse come pioggia, nebbia, neve e polvere, mentre il radar a onde millimetriche è più affidabile in questi ambienti. A lungo termine, sarà fondamentale sfruttare diversi sensori, soprattutto nei livelli L3 e L4 di guida autonoma. Per il livello L2, le soluzioni a basso costo potrebbero preferire una combinazione di visione e radar a onde millimetriche.

D2: In diversi scenari di suddivisione nel campo TOB, qual è l'attuale livello di margine di profitto lordo delle società di guida autonoma e quale livello può potenzialmente raggiungere?

R: Secondo la struttura del modello di business dell'azienda TO B, può essere suddiviso in due modelli diversi: vendita di prodotti ed esecuzione di operazioni. Fin dalla fase iniziale dello sviluppo del settore, le operazioni possono testare meglio le capacità dell'azienda e dimostrarne la forza, perché le operazioni devono essere responsabili dell'intero processo. Relativamente parlando, il margine di profitto lordo della vendita di prodotti non ha molto valore di discussione, perché il prezzo non riflette il valore dell’intera catena industriale. Le società operative sono attualmente nella fase di passaggio da un margine di profitto lordo negativo a positivo, con un obiettivo di margine di profitto lordo del 30% o addirittura del 40%, e alcuni scenari operano ancora in modalità di profitto lordo negativo.

D3: Dal punto di vista degli istituti di investimento, molte persone ritengono che il tempo per la guida autonoma sia passato. Dal punto di vista del settore, ci sono suddivisioni che vale la pena considerare?

R: Guardando indietro allo sviluppo del settore Internet, nella fase di maturità di qualsiasi settore appariranno nuove opportunità e una divisione del lavoro più dettagliata. L’attuale settore della guida autonoma si trova a un punto di svolta simile a quello del settore Internet nel 2010 o 2012, il che indica che in futuro potrebbero emergere nuovi modelli di business inaspettati. Dal punto di vista della fase di investimento, è un buon momento per alcuni istituti di investimento in fase di crescita per investire nel punto di flessione della commercializzazione, soprattutto nei settori minerario e della distribuzione urbana. La dimensione della flotta in queste aree è aumentata da poche centinaia unità a La significativa crescita di diverse migliaia di unità mostra un chiaro punto di svolta per la commercializzazione. Pertanto, ora è il momento migliore per gli investimenti nella fase intermedia e avanzata.

I primi investimenti dovrebbero prestare maggiore attenzione ai cambiamenti tecnologici, in particolare allo sviluppo della tecnologia end-to-end, che offre nuove opportunità a livello di algoritmi e catena di strumenti, come la simulazione a circuito chiuso e soluzioni di dati generativi end-to-end. Oltre alla tecnologia end-to-end, l’aumento del volume di sensori di guida intelligenti di fascia alta ha anche offerto opportunità al settore a monte. Ad esempio, la crescita significativa delle spedizioni di lidar ha creato un mercato potenziale per componenti come chip e laser con un basso grado di localizzazione. Con la continua innovazione della tecnologia e l'espansione del mercato, emergeranno opportunità di investimento più precoci nel settore della guida autonoma. Proprio come Pinduoduo e Douyin sono apparsi nel periodo maturo del settore Internet, lo sviluppo futuro è pieno di possibilità illimitate.

D4: Quali sono i requisiti end-to-end per la potenza di calcolo di bordo? Dal punto di vista di un centro di potenza informatica, quanti investimenti sono necessari?

R: La tecnologia di guida autonoma end-to-end non aumenterà direttamente i requisiti di potenza di calcolo. Tuttavia, poiché si tratta di una soluzione basata sui dati e conforme alla legge di dimensionamento, al fine di ottenere prestazioni migliori, l’industria generalmente espande la scala del modello, il che aumenta la domanda di chip ad alta potenza di calcolo. Alcune aziende come Li Auto adottano una strategia a doppio sistema, in cui un modello multimodale di grandi dimensioni più capace funziona end-to-end e un altro modello end-to-end leggero. Entrambi i modelli vengono implementati su chip di guida autonoma esistenti D'altra parte, la velocità di inferenza dei modelli di grandi dimensioni è più lenta, dimostrando che richiedono una maggiore potenza di calcolo. All’aumentare delle dimensioni del modello, aumentano anche i costi di formazione e i requisiti di potenza di calcolo per la formazione. La formazione end-to-end entry-level potrebbe richiedere 1.000 carte equivalenti ad A100 e le aziende leader potrebbero aver già raggiunto un layout di livello 10.000. Prendendo Tesla come esempio, il suo investimento su larga scala nella potenza di calcolo della formazione potrebbe essere difficile da raggiungere per altre aziende. Ci sono anche aziende nazionali come Xpeng e SenseTime che hanno fatto enormi investimenti nella potenza di calcolo della formazione. Nel complesso, lo sviluppo della tecnologia end-to-end ha guidato la domanda di chip con maggiore potenza di calcolo e di maggiore potenza di calcolo per la formazione per supportare la formazione e l’implementazione di modelli su larga scala. Ciò non solo riflette il progresso tecnologico, ma riflette anche l’impegno del settore alla ricerca di soluzioni di guida autonoma ad alte prestazioni.

D5: Per queste aziende attualmente impegnate nella guida autonoma, ci sono opportunità o opportunità di passare alla pista dei robot umanoidi o generali?

R: Lo sviluppo dei robot umanoidi domestici è strettamente correlato al lancio da parte di Tesla del robot umanoide Optimus. Il team di Figure riunisce anche talenti provenienti da Apple Cars e dalle principali case automobilistiche nordamericane. Questo flusso di talenti intersettoriale è naturale perché la guida autonoma e la robotica sono collegate in molti modi.

Al momento, il problema del corpo del robot umanoide non è stato completamente risolto, quindi la migrazione su larga scala della tecnologia di guida autonoma nel campo dei robot non è stata ancora raggiunta. Citando le opinioni del settore, la metà delle aziende produttrici di robot umanoidi in futuro potrebbero essere aziende automobilistiche. Personalmente sono d'accordo con questo punto di vista. Ciò dimostra che con lo sviluppo della tecnologia, l’integrazione tra guida autonoma e robotica diventerà sempre più profonda.

Osservazione del Titanium Capital Research Institute

Si prevede che l’architettura end-to-end diventerà la soluzione definitiva per la guida autonoma. I sistemi di guida intelligenti sono attualmente generalmente divisi in tre moduli: percezione, previsione e pianificazione. Il modello end-to-end integra i tre moduli in uno solo, inserendo informazioni dal lato della percezione e producendo direttamente i risultati dal lato dell'esecuzione. Con l'architettura tecnica modulare, la trasmissione delle informazioni sarà compromessa, la manutenzione del sistema sarà difficile e non sarà in grado di affrontare con calma le complesse condizioni stradali. Il modello end-to-end non richiede ai programmatori di scrivere codice per formulare regole, ma utilizza enormi quantità di dati per addestrare il sistema, dando alla macchina la capacità di apprendere, pensare e analizzare in modo autonomo. Titanium Capital continuerà a prestare attenzione all'iterazione tecnologica e a cogliere le opportunità di progresso tecnologico insieme all'industria e ai partner di capitale.