notizia

Fonte: Visual Cina

Apparentemente da un giorno all’altro, la guida autonoma è diventata improvvisamente popolare.

A luglio, i taxi a guida autonoma “Luobo Kuaipao” di Baidu sono stati ampiamente diffusi a Wuhan, facendo notizia quasi ogni giorno.

Secondo i rapporti, il numero massimo di corse di Luobo Kuaipao in un solo giorno supera le 20, che è simile al numero medio giornaliero di taxi, e l'esperienza dei passeggeri è migliore e più confortevole. Secondo i dati dell'assicurazione, il tasso di incidenti della Carrot Run è solo 1/14 di quello degli esseri umani. Ha percorso più di 100 milioni di chilometri in sicurezza senza gravi vittime.

Dall'altra parte dell'oceano, Musk ha anche annunciato che uscirà ad agostoTeslaPer il primo taxi a guida autonoma, Robotaxi (poi rinviato a ottobre), ha affermato che i proprietari di auto possono inserire Robotaxi nel business del noleggio nel tempo libero, e il costo dell'acquisto dell'auto può essere recuperato entro due anni.

Per coincidenza, il 23 luglio, Google ha anche annunciato che avrebbe aggiunto un nuovo round di ingenti investimenti di 5 miliardi di dollari a Waymo per "mantenere la posizione di Waymo come azienda leader nel mondo nella guida autonoma". Devi sapere che Microsoft ha speso solo 1 miliardo di dollari il suo investimento in OpenAI 5 miliardi di dollari è vicino al finanziamento precedente totale di Waymo.

In effetti, l’attuale diffusione delle auto senza conducente non è un caso. Dal punto di vista del settore, gli ultimi tre anni sono stati anche i tre anni più veloci per lo sviluppo della tecnologia di guida autonoma, che si può quasi dire siano “migliaia di miglia al giorno”.

A giudicare dagli attuali progressi in Cina e negli Stati Uniti, se mettiamo da parte i vincoli legati agli standard legislativi e ai tempi, è probabile che la guida autonoma venga pienamente commercializzata nei prossimi 1-2 anni e raggiunga la “completezza” end-to-end 5-10 anni, realizzando una forma senza conducente simile a quella vista nei film di fantascienza.

Da questo punto di vista, anche se potrebbe essere troppo presto per parlare del “momento iPhone 4” della guida autonoma, la singolarità dell’era della guida autonoma è effettivamente arrivata.

Allo stesso tempo, questa è anche una corsa contro il tempo: Cina e Stati Uniti, essendo i due paesi con il maggior numero di aziende di guida autonoma al mondo, chiunque riuscirà a prendere l’iniziativa di percorrere e creare filiere industriali correlate avrà l’opportunità di definire il percorso e introdurlo in altri paesi. La capacità del paese di esportare prodotti tecnologici.

Nel contesto della competizione tecnologica tra Cina e Stati Uniti, si tratta di una “battaglia che nessuno può permettersi di perdere” per entrambe le parti.

In questo articolo inizieremo con la storia dello sviluppo della guida autonoma e proveremo a speculare sulle future tendenze di sviluppo del settore. Innanzitutto, condividiamo alcune conclusioni preliminari:

1. Dalle mappe ad alta precisione, dal lidar al BEV: tutti i percorsi nell'evoluzione della guida autonoma mirano a "far sì che le auto si comportino più come gli esseri umani".

2. Gli ultimi tre anni sono stati anche gli anni di sviluppo più rapido per la tecnologia di guida autonoma Un gran numero di attori in patria e all'estero hanno raggiunto risultati end-to-end a vari livelli. Guardando al futuro, è solo questione di tempo prima che raggiunga finalmente la forma end-to-end definitiva.

3. Che si tratti di visione pura o di percorso lidar, il radar a onde millimetriche è il modo migliore per compensare le carenze tecniche dei due. Poiché il radar a onde millimetriche passa dal 3D al 4D al radar a onde millimetriche per l'imaging, anche la crescente precisione lo rende possibile Il percorso ha l’opportunità di creare aziende ad alto valore.

4. L’implementazione e la commercializzazione della guida autonoma potrebbero essere solo l’inizio. In futuro, più tracce e prodotti (come i robot in diversi scenari) potrebbero ripetere storie simili dopo aver accumulato dati sufficienti.

5. Nel corso della storia, con ogni iterazione dei percorsi tecnologici, ci sono state opportunità per la crescita di un certo numero di start-up, e credo che questa volta non farà eccezione.

Perché si dice che gli ultimi tre anni siano stati i tre anni più veloci per lo sviluppo della guida autonoma?

L'origine riconosciuta della guida autonoma risale al 2004. A quel tempo, gli Stati Uniti erano profondamente impantanati nelle guerre in Afghanistan e Iraq. Avevano urgentemente bisogno di un lotto di veicoli militari senza pilota per ridurre le vittime dell'esercito americano, ma la ricerca e il progresso dello sviluppo non è mai stato ideale.

Di conseguenza, Tony Tesser, allora direttore della DARPA (Defense Advanced Research Projects Agency) degli Stati Uniti, ebbe un capriccio e lanciò una sfida, annunciando che chiunque potesse usare un metodo di guida senza pilota per volare da Los Angeles a Los Angeles in 10 ore arriva a Las Vegas e vinci un premio da 1 milione di dollari.

Si tratta in realtà di un'offerta su larga scala da parte dell'esercito americano per i civili. Inizialmente l'organizzatore pensava che avrebbero partecipato poche persone, ma inaspettatamente si sono iscritte più di 100 squadre. Sfortunatamente, alla fine nessuno è riuscito a portare via il premio in denaro L'auto partecipante più lontana ha percorso solo 12 chilometri, ovvero circa il 5% dell'intera distanza della gara.

(Foto: Oltre alle automobili, a quel tempo gareggiavano anche motociclette a guida autonoma...)

Ma la DARPA non si è arresa e ha organizzato tre Autonomous Driving Challenges consecutive dal 2005 al 2007, attirando la partecipazione di gruppi di ricerca di numerose università e aziende. Ciò ha permesso anche a Larry Page, uno dei fondatori di Google, di vedere il potenziale della guida autonoma Potenziale di guida.

Nel 2009, guidato da Page, il progetto di guida autonoma di Google "Chauffeur" è stato lanciato ufficialmente. I due ingegneri principali reclutati (Anthony Levandowski e Sebastian Thrun) erano entrambi ex dipendenti della DARPA, questi due in seguito divennero anche i fondatori del self-driving di Google. unità di guida.

Nel 2014, Google ha lanciato Firefly, la prima auto completamente autonoma al mondo senza volante e pedale dell'acceleratore, che non solo ha scioccato il mondo automobilistico, ma ha anche reso il mondo consapevole della possibilità della guida autonoma per la prima volta.

(Foto: Firefly, l'auto a guida autonoma di prima generazione sviluppata da Google)

Subito dopo, nella pista senza conducente hanno cominciato a riversarsi ingenti capitali di rischio: da Uber, Nvidia, Amazon, a Baidu, Didi, Huawei, e poiBenz、BMW, generale,Honda, comprese le nuove forze produttrici di automobili nazionali, hanno iniziato a investire nella ricerca e nello sviluppo della guida autonoma. La maggior parte delle società di guida autonoma che conosciamo oggi sono state fondate in quel periodo.

Il momento è arrivato rapidamente a due anni dopo. Per l'industria della guida autonoma, il 2016 è stato un anno estremamente importante, perché quest'anno Tesla si è unita ufficialmente alla battaglia.

Non è esagerato dire chePrendendo il 2016 come linea di demarcazione, l’intera seconda metà della guida autonoma è la storia del contrattacco di Tesla da cacciatore di settore a leader.Quindi personalmente ritengo che non ci sia modo di esagerare troppo questo momento.

Prima del 2016, quasi tutte le aziende di guida autonoma sceglievano le soluzioni tecniche di Google:

1) Posizionamento: posizionamento assistito con mappe ad alta precisione;

2) Percezione: utilizzare lidar + telecamera di visione per fornire informazioni sulla percezione dei veicoli;

3) Regolazione e controllo: processo decisionale e controllo basati su algoritmi basati su regole.

Non è difficile scoprire che la logica alla base della soluzione di Google è la cosiddetta "armatura a strati"."Qualcosa è meglio di niente, più è meglio che meno."

Questa scuola di pensiero ritiene che con l'attuale livello della tecnologia, nessun singolo sensore possa completare tutte le funzioni richieste per la guida autonoma, o coprire tutti i casi limite. Pertanto, è necessario utilizzare tutti i sensori per prendere in modo completo decisioni di guida autonoma e assegnarle diverse funzioni a diversi sensori di peso; tra questi, lidar ha il peso più alto, così viene chiamata anche la soluzione di questo gruppo"Soluzione LiDAR";Essenzialmente, questo è un percorso tecnico basato sull'hardware.

Essendo un'azienda tecnologica che ha iniziato con l'intelligenza artificiale, Tesla apprezza maggiormente il software. Ad esempio, Musk riteneva che i lidar all'epoca fossero troppo costosi, costando 80.000 dollari ciascuno, quindi si concentrò maggiormente sullo sviluppo di potenti algoritmi visivi e di un'intelligenza artificiale dedicata. i chip cercano di costruire modelli di oggetti circostanti con l'aiuto di telecamere e aggiungono dati alle reti neurali per i calcoli, sviluppandosi lentamente"Soluzione puramente visiva"Questo è un percorso tecnologico orientato al software.

Nelle parole di Musk, "Gli esseri umani e gli animali hanno tutti occhi, non radar", e gli ingranaggi del destino iniziarono a girare.

All'epoca, i due percorsi tecnici avevano i loro meriti: sebbene il lidar avesse costi hardware elevati, era intrinsecamente accurato e conteneva informazioni approfondite (fino ad oggi, molti ingegneri hanno ancora un debole per il lidar mentre le telecamere, sebbene economiche,); aveva una scarsa risoluzione. Con capacità limitate, possiamo solo fare sforzi per confrontare le informazioni su un lato di un oggetto nel mondo bidimensionale. Le informazioni ottenute attraverso il calcolo e la trasformazione non sono sempre precise e intuitive come le informazioni di prima mano.

Ciò ha anche portato Tesla a creare un proprio team di etichettatura di migliaia di persone contemporaneamente, così molte persone hanno interrogato Musk in quel momento, dicendo che sebbene l'hardware fosse più economico, il costo complessivo non era buono quanto quello del lidar.

In effetti, da qui si può anche vedere che il livello di intelligenza artificiale dell'intera guida autonoma in quel momento era quasi inesistente (ad eccezione del lidar, che aveva alcuni algoritmi di intelligenza artificiale).È un tipico "tante intelligenze artificiali quante sono le intelligenze",Se lo sviluppo dell’intelligenza artificiale si ferma qui, molto probabilmente la soluzione di visione pura di Tesla incontrerà dei colli di bottiglia.

Ma alla fine, è stato Google a salvare Tesla:

Nel 2019 Google ha pubblicato il famoso articolo Transformer (che è stato anche la base del successivo modello di grandi dimensioni).

Sebbene Transformer sia un modello di rete neurale basato sul meccanismo dell'attenzione, gli ingegneri di Tesla hanno rapidamente scoperto che Transformer non solo può elaborare le informazioni linguistiche, ma può anche essere utilizzato per elaborare le informazioni sulle immagini.

In breve, Transformer può integrare le informazioni raccolte dalle otto telecamere di Tesla nello stesso sistema di coordinate di posizionamento.Equivale a dare all'auto una "prospettiva di Dio" (cioè BEV, "vista a volo d'uccello"),In grado di vedere informazioni 3D dell'ambiente circostante.

(Immagine: la tecnologia BEV offre a Tesla una “prospettiva di Dio”)

Nell'AI Day del 2021, Tesla ha lanciato e reso popolare con successo il BEV. A partire dalla seconda metà del 2022, anche gli operatori nazionali hanno annunciato di dare seguito e hanno gradualmente iniziato a implementare il BEV sulle auto.

(Quindi, sebbene molte tecnologie non siano originali di Tesla, la sua capacità di progettare teorie avanzate da esplorazioni all’avanguardia e di metterle in applicazione pratica è sicuramente a livello cosmico.)

Allo stesso tempo, Tesla ha iniziato anche a cercare di automatizzare il più possibile il processo di etichettatura per risolvere il problema dei costi troppo elevati.

Il suo principio è un po' come giocare a sciarade: prima, dopo che la telecamera di bordo ha visto un oggetto (come un albero), caricherà le informazioni su un modello di grandi dimensioni nel cloud, e poi il modello di grandi dimensioni "indovinerà" cosa l'oggetto è? Se il risultato indovinato è coerente con le rappresentazioni degli 8 sensori, l'albero verrà automaticamente etichettato.

In questo modo Tesla elimina i limiti della manodopera. Finché il veicolo può inviare continuamente informazioni sulla strada, può addestrare il proprio algoritmo senza limiti.

Finora, le prestazioni di Tesla sono state abbastanza sorprendenti, ma solo un anno dopo, Musk ha fatto due grandi mosse in occasione dell’AI Day. La prima è stata l’introduzione della sequenza spazio-temporale, e la seconda è stata l’introduzione della rete di occupazione.

In poche parole,Il primo conferisce all'auto la capacità di ricordare il tempo, mentre il secondo ottiene un effetto simile allo "pseudo lidar".Permettere all'auto di calcolare la posizione spaziale e determinare se è necessario evitare l'ostacolo senza identificare quale sia l'oggetto, risolve il problema precedente di "scontrarsi con un grande camion bianco".

Finora, indipendentemente dal percorso ma in termini di effetto, la soluzione visiva ha ottenuto sostanzialmente lo stesso effetto della soluzione radar.BEV+Transformer ha raggiunto con successo la convergenza del percorso della tecnologia di percezione della guida autonoma e ha costituito la struttura di base dell'odierno algoritmo di percezione visiva.

(Immagine: L'occupazione della rete ottiene un effetto simile allo "pseudo lidar")

Pertanto, in termini di tendenza generale,Il percorso evolutivo della guida autonoma è in realtà molto chiaro: lo scopo è far sì che l’auto si comporti in modo più simile a quello umano.Lascia che l’IA preveda cosa accadrà in futuro in base a ciò che è accaduto in passato.

Da questo punto di vista, gli ultimi tre anni sono stati in realtà gli anni di sviluppo più rapido per la tecnologia di guida autonoma, e l’intelligenza artificiale ha gradualmente mostrato forti capacità di aggiornamento e iterazione nella guida autonoma, ma la maggior parte delle persone comuni all’epoca non ne sapeva molto e la pensava così Ci sono pochi progressi nella guida autonoma.

Ciò che ha davvero fatto capire al pubblico che l’intelligenza artificiale avrà un impatto rivoluzionario sul settore della guida autonoma sono diverse cose accadute nel 2023:

·Musk ha menzionato per la prima volta sulle piattaforme social che "la v12 è riservata quando FSD è AI end-to-end", portando l'end-to-end agli occhi del pubblico (Nvidia lo ha proposto nel 2016 ma ha avuto poca influenza), e innumerevoli persone iniziano ad aspettare con ansia il rilascio della v12;

·Per la prima volta negli ultimi dieci anni, CVPR ha assegnato il miglior documento a un team cinese, elogiandone il contributo alla realizzazione della guida autonoma end-to-end;

·Musk ha fatto una trasmissione in diretta di 45 minuti in un modello S equipaggiato con la versione beta v12 ed è intervenuto solo una volta durante l'intero processo. L'effetto può essere considerato molto buono.

Va però anche chiarito che attualmente non esiste alcuna prova diretta che il v12 presentato da Tesla abbia raggiunto prestazioni end-to-end complete. Tuttavia, l'effetto del suo display è davvero sorprendente e il suo livello di intelligenza è sostanzialmente paragonabile a quello di guidatori umani esperti.

Infatti, se il sistema di guida automatica viene suddiviso in percezione, pianificazione e controllo secondo l’interpretazione tradizionale,Al momento, ciò che i principali OEM utilizzano principalmente per mostrare i propri muscoli è la modularità end-to-end con vincoli parziali sulle regole di base AI+.

Poiché ogni modulo richiede un’interfaccia definita dall’uomo, alcune informazioni andranno perse nel processo. Pertanto, più moduli ci saranno, più informazioni andranno perse, i principali produttori devono ancora capire come unificarli in un unico modello in futuro come unificare tutti i moduli in un unico modello È necessario continuare a lavorare sodo.

Tuttavia, dalle informazioni che abbiamo raccolto, secondo l’attuale velocità di sviluppo della tecnologia e dell’ingegneria,È solo questione di tempo prima che la guida autonoma venga finalmente realizzata end-to-end. Per questo, la mia previsione relativamente conservativa richiede ancora circa 3-5 anni di accumulo.

A quel punto, il veicolo può completare le decisioni di guida in uno stato di "scatola nera" sulla base delle informazioni stradali raccolte in tempo reale e inviare direttamente segnali di controllo come frenata e sterzo, ottenendo la forma definitiva di guida senza conducente simile a quella della fantascienza. film.

(Immagine: cinque fasi di sviluppo della guida autonoma, fonte: Xianfeng Evergreen)

Opportunità di capitale di rischio offerte dall’iterazione della guida autonoma

Le ragioni sono molto complesse. Ecco solo tre elementi chiave che penso vengano discussi:

Innanzitutto, i dati sono relativamente abbondanti.

Come tutti sappiamo, il "viaggio" è una domanda ad alta frequenza. L'industria nazionale della guida autonoma ha iniziato a crescere intorno al 2015, e sono passati quasi 10 anni da oggi. Durante questo periodo, i dati raccolti dagli OEM e dalle società di guida intelligente,. indipendentemente dalla qualità, è, almeno complessivamente, sufficientemente ricco, il che crea le condizioni di base per la successiva realizzazione di dati a circuito chiuso.

In secondo luogo, la definizione della funzione è relativamente chiara e chiara.

Francamente, anche se il concetto di questa ondata di intelligenza artificiale è molto caldo, la direzione di sviluppo di molti prodotti in realtà non è chiara.

Ad esempio, quando si tratta di robot umanoidi, molte aziende hanno realizzato solo un prototipo che può essere presentato alle mostre. Tuttavia, negli scenari industriali reali, non è chiaro al lato tecnologico a monte quali problemi questi robot possano risolvere e in che misura. . Di.

Poiché le fabbriche a valle non comprendono l’intelligenza artificiale, spesso non sanno quali funzioni possono svolgere questi robot e se possono essere combinati con altre tecnologie. Ci vorrà molto tempo prima che entrambe le parti migliorino la loro comprensione.

Ma la guida senza conducente non presenta questo problema. Il veicolo ha solo alcune azioni come avanti, indietro, svolta, accelerazione e frenata, che possono coprire i comportamenti di base di tutti gli scenari di guida purché l'intelligenza artificiale possa farlo bene , è sufficiente e i requisiti sono semplici e chiari.

Pertanto, per trasformare la tecnologia avanzata in prodotti di facile utilizzo, anche una chiara definizione funzionale e una divisione standard sono fattori essenziali.

In terzo luogo, le basi hardware sono relativamente mature.

Che si tratti di laser, fotocamere, onde millimetriche e altre soluzioni di sensori, o vari chip che forniscono la trasmissione e l'elaborazione del segnale, dopo 10 anni di completa "involuzione", sono sostanzialmente entrati nella fase di prestazioni ad alto costo + fornitura stabile.

Pertanto, nel processo a spirale di dati, hardware e tecnologia, la guida autonoma è stata la prima a raggiungere il punto di equilibrio tra prezzo ed esperienza, e presto ha dato vita a una nuova produttività.

Pertanto, se seguiamo ulteriormente questa logica, è probabile che la guida autonoma sia solo l’inizio e storie simili potrebbero ripetersi su più binari in futuro.

Naturalmente, la premessa è che ci debbano essere alcune aziende in questo campo che possano continuare a raccogliere grandi quantità di dati a basso costo (simili ad aziende come Didi, Baidu e Tesla nella guida autonoma), piuttosto che affidarsi semplicemente ad alcuni piccoli dati sparsi, che possono costituire una base per giudicare se un determinato settore ha vissuto un punto di svolta simile.

Da un’altra prospettiva, con l’aumento di questa ondata di grandi modelli, in futuro potrebbero esserci opportunità di investimento sistematico in molte aree suddivise che possono essere automatizzate dall’intelligenza artificiale ma non sono ancora state esplorate dalle grandi aziende (come l’economia a bassa quota e produzione industriale), si nascondono società tecnologiche quotate per decine o addirittura centinaia di miliardi, anch’esse meritevoli dell’attenzione degli investitori.

Cos’altro si può investire nella guida autonoma?Divergiamo solo un po’, ora riportiamo indietro i nostri pensieri e parliamo della guida autonoma stessa. Nel corso della storia, infatti, con ogni iterazione della tecnologia di guida autonoma, c’è l’opportunità per un numero di start-up di crescere.

Ad esempio, la soluzione mainstream nell’era di Google era lidar + fotocamera + mappa ad alta precisione, ma oggi le mappe ad alta precisione vengono utilizzate sempre meno frequentemente nelle autovetture e non vengono nemmeno più menzionate (pensaci, era solo due anni fa) importa).

Perché a quel tempo il costo di un solo veicolo per la raccolta delle mappe era di milioni. Se si volesse garantire il più possibile prestazioni in tempo reale, almeno centinaia di veicoli dovrebbero essere in strada ogni giorno alla stessa ora. soddisfare la raccolta e l'aggiornamento in tempo reale delle mappe nazionali. Ciò era impossibile per chiunque. Né le case automobilistiche né i venditori di mappe possono permetterselo.

Il risultato è che le opportunità industriali ricadono finalmente sul lidar:

Il primo è l’ascesa dei produttori di hardware, come HesaiSagittario, e poi è emerso un gruppo di aziende come Wenyuan, Pony e Vimo che hanno costruito algoritmi attorno al lidar, seguiti da un gruppo di imprenditori che hanno iniziato a provare alcune applicazioni di guida autonoma di livello L4 in circuiti chiusi su piccola scala basati su radar + closed scenari, sono apparsi una varietà di veicoli senza pilota nelle miniere, veicoli senza pilota nei porti, robot per la consegna di cibo negli hotel, ecc., e l'intero ecosistema di guida autonoma ha lentamente iniziato a fiorire.

Ma Tesla ancora una volta ha sovvertito il settore con BEV+Transformer, dimostrando che anche senza radar è possibile giudicare lo spazio 3D. In questo momento, il lidar diventa la stessa mappa dell’anno ad alta precisione e non è più un’opzione necessaria.

Naturalmente, oggi il prezzo del lidar è sceso al livello di mille yuan ed è probabile che continui a scendere. Pertanto, a breve termine, alcune case automobilistiche continueranno ad adottare soluzioni di fusione multisensore.

Tuttavia, in base alla logica della riduzione dei costi, in un momento in cui gli OEM "estremo ogni centesimo", in futuro il lidar verrà gradualmente sostituito da soluzioni puramente visive e l'intero modello ecologico industriale cambierà inevitabilmente di conseguenza.

Ad esempio, il tradizionale radar a onde millimetriche può ottenere solo informazioni sull'aereo. È emersa la prossima generazione di radar a onde millimetriche 4D in grado di rilevare informazioni sull'altezza. Alcuni dei suggerimenti che abbiamo visto includono ma non sono limitati a: A livello di prodotto, ci sono più chip di aziende produttrici di chip. Le soluzioni a cascata e SoC aprono la strada a soluzioni ad alta precisione e a basso costo; a livello della domanda industriale, gli OEM sono desiderosi e cercano soluzioni controllabili indipendenti di fascia alta prodotte a livello nazionale; requisiti di sicurezza e ridondanza migliorati, ecc.

Insomma, spinti da richieste diverse, è probabile che ci siano alcuni nuovi protagonisti in questa categoria.

Per fare un altro esempio, man mano che sempre più informazioni vengono raccolte dalle telecamere e la qualità diventa sempre più elevata, c’è una richiesta di centri di supercalcolo e chip di elaborazione end-side con grande potenza di calcolo, compresa la prossima generazione di chip end-side. Non si tratta solo di impilare la potenza di calcolo, ma anche di combinare diverse architetture di algoritmi per adattarle meglio. Questi sono tutti nuovi cambiamenti apportati dal lato hardware.

Dal punto di vista più soft, ci concentreremo su metodi di acquisizione/produzione dati a basso costo + alta qualità + sostenibili.

Nel percorso end-to-end, è un dato di fatto che l'algoritmo di base dell'apprendimento utilizza i dati come carburante. Ad esempio, è stato rivelato che il V12 di Tesla ha "utilizzato 10.000 H100 e completato circa 10 milioni di corsi di formazione video".

"Questi video provengono da 160 miliardi di fotogrammi raccolti ogni giorno da 2 milioni di veicoli reali in tutto il mondo in grado di raccogliere dati, e meno dell'1% di questi video è disponibile, come alcuni dati di incroci strani e insolitamente trafficati."

Essendo la prima persona a provare qualcosa di nuovo, Musk ha già presentato un foglio di risposte sufficientemente buono all'industria, quindi sembra che il passo successivo sia ottenere dati di alta qualità attraverso la modalità ombra, il motore di simulazione o il modello mondiale diventare la prossima questione del settore che deve essere esplorata per ottenere consenso.

Tuttavia, penso che questo non possa più essere deciso esclusivamente dalle aziende in un determinato ambito: sebbene i percorsi tecnici siano certamente importanti, il posizionamento industriale e i modelli di business potrebbero essere la pre-considerazione che le aziende cinesi devono fare nel contesto attuale.

Nel complesso, con il graduale miglioramento dell’implementazione della guida intelligente di fascia alta, emergeranno inevitabilmente alcune nuove opportunità di settore nella percezione, trasmissione, processo decisionale, esecuzione e interazione.

Ad esempio, di recente ho comunicato con alcuni fondatori dell'industria automobilistica e ho scoperto che, oltre alle rispettive attività principali, prestano attenzione anche ad alcune tecnologie e prodotti applicativi trasversali. Molte tecnologie avanzate inaspettate e intersettoriali sono finalmente diventate i loro prodotti. potenziali amici e partner.

Ciò dimostra che quando la concorrenza all’interno del settore ha raggiunto un certo livello,Quando è difficile ottenere margini di profitto sufficienti solo attraverso l’espansione della scala + il miglioramento della catena di fornitura, le aziende devono cercare nuovi punti di svolta con le nuove tecnologie. Alla fine dell’involuzione, devono fare affidamento sullo sviluppo tecnologico per sfondare.

A causa dei limiti di spazio, ho semplicemente compilato una tabella alla fine dell'articolo per darti un'idea delle opportunità imprenditoriali nell'era della guida intelligente basata sull'intelligenza artificiale. Spero che possa offrirti una prospettiva diversa di pensiero.

(Immagine: cambiamenti industriali e opportunità derivanti dalle diverse fasi della guida autonoma, fonte: Xianfeng Evergreen)

(L'autore di questo articolo, Xu Zhen, è un investitore sempreverde di Xianfeng. Si concentra sulla catena industriale dei nuovi veicoli energetici, compresi componenti principali, semiconduttori, materiali, ecc., e una volta ha investito in Huashen Ruili per conto di Xianfeng. si è laureato allo Zhu Kezhen College dell'Università di Zhejiang e alla Warwick Business School.)