polemica end-to-end: è la fine della guida autonoma l4 o una festa di marketing?
2024-09-24
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
contrassegnata dal rilascio da parte di tesla della versione v12 del sistema di guida intelligente fsd, la guida intelligente è entrata nell'era end-to-end da un giorno all'altro.
"si prevede che le capacità del limite inferiore del modello end-to-end miglioreranno rapidamente il prossimo anno. una volta migliorate, sarà possibile superare lo standard l4 a livello globale in meno di 2 anni." alla conferenza di hangzhou yunqi del 2024, presidente di xpeng motors he xiaopeng ha affermato che dopo aver adottato il modello di grandi dimensioni end-to-end, l'fsd di tesla è completamente diverso da prima e l'anno prossimo potrebbe essere migliore di quello dei conducenti umani esperti.
xpeng motors è stata una delle prime case automobilistiche nazionali a seguire tesla. alla fine di luglio di quest'anno, xpeng motors ha iniziato a proporre agli utenti il sistema di guida intelligente xngp basato sul modello di grandi dimensioni end-to-end. entro settembre di quest'anno, anche aziende automobilistiche come huawei e ideal hanno iniziato a proporre agli utenti corrispondenti sistemi di guida intelligente basati su modelli di grandi dimensioni end-to-end. nio ha applicato i modelli di grandi dimensioni end-to-end al sistema aeb e li ha rilasciati; il suo modello mondiale autosviluppato.
con l’introduzione di modelli end-to-end su larga scala, le case automobilistiche sono diventate sempre più aggressive nella promozione della guida intelligente nelle città aperte e le mappe ad alta precisione che una volta entusiasmavano le persone non sono più popolari , stanno lanciando modelli di guida intelligente porta a porta. i sistemi di assistenza alla guida porta a porta e punto a punto sono stati ufficialmente aggiunti al programma. xpeng motors afferma addirittura di poter raggiungere un'esperienza utente di guida autonoma di livello l3+ con il costo hardware della guida intelligente di livello l2.
per un certo periodo, i sistemi di guida intelligenti che non dispongono di funzionalità end-to-end sembrano essere stati collegati a restare indietro. "le auto intelligenti che non utilizzano modelli di grandi dimensioni verranno eliminate." he xiaopeng ha inoltre affermato che tutte le società di guida autonoma l4 dovrebbero passare ai modelli di grandi dimensioni il prima possibile.
chentao capital e tre parti hanno pubblicato congiuntamente il "rapporto di ricerca sull'industria della guida autonoma end-to-end" (di seguito denominato "rapporto"). il "rapporto" mostra che tra gli oltre 30 esperti in prima linea nella guida autonoma l'azienda per cui lavoro ha investito nella ricerca e nello sviluppo di tecnologie end-to-end e la maggior parte delle aziende tecnologiche ritiene che sia insostenibile perdersi questa rivoluzione tecnologica.
ma non tutti i “giocatori” riconoscono che il grande modello end-to-end è un disgregatore dell’attuale panorama dei sistemi di guida intelligente.
hou cong, cto di qingzhou zhihang, ha dichiarato a china business news di aver sperimentato il sistema fsd v12.3 di tesla negli stati uniti. sebbene abbia fatto grandi progressi con il precedente fsd di tesla, è ancora diverso da waymo robotaxi, che si concentra sulla regolamentazione e. controllo. c’è ancora un chiaro divario. hou xiaodi, l'ex fondatore di tusimple, ha invitato l'industria a trattare la questione in modo razionale e a non confondere i miti end-to-end.
in questa controversia tecnologica, i leader di aziende automobilistiche come musk e he xiaopeng hanno sostenuto l'end-to-end mentre i dirigenti delle società di guida intelligente l4 come hou cong, hou xiaodi e lou tiancheng (cto di pony.ai) credevano che l'end-to-end fosse un approccio globale. to-end il modello di grandi dimensioni end-to-end non può aggiornare direttamente tecnicamente l'assistenza alla guida intelligente l2 alla guida autonoma l4.
il "rapporto" mostra inoltre che, poiché la tecnologia attuale è ancora nelle fasi iniziali di sviluppo, ci sono ancora molte difficoltà applicative e punti critici che devono essere risolti nel modello end-to-end su larga scala, come grandi differenze in percorsi tecnici, grandi quantità di dati e requisiti di potenza di calcolo e metodi di test e verifica insufficienti investimenti maturi ed enormi in risorse, ecc.
sulla strada verso la fine della guida autonoma, il modello di grandi dimensioni end-to-end è diventato anche un'altra controversia nel percorso tecnico dopo la pura percezione visiva, la percezione della fusione radar, ecc.
tesla guida di nuovo il cambiamento tecnologico?
partendo dalla pressofusione integrata, dall’integrazione del corpo batteria e da altre tecnologie, tesla è diventata il punto di riferimento del settore per la tecnologia dei veicoli a nuova energia. si ritiene che molte case automobilistiche cinesi stiano "attraversando il fiume toccando tesla". con modelli end-to-end su larga scala sulla strada, tesla ha ancora una volta guidato la rivoluzione nei veicoli a nuova energia.
prima che il modello di grandi dimensioni end-to-end venga installato sull'auto, il sistema di assistenza alla guida intelligente è per lo più suddiviso in più moduli come percezione, pianificazione, processo decisionale e controllo. l'intelligenza artificiale e l'apprendimento automatico sono utilizzati principalmente nella percezione. pianificazione, ecc., ma i moduli sono composti principalmente da regole manuali scritte a mano per definire, si chiama "basato su regole".
tuttavia, nel funzionamento effettivo del sistema, i veicoli spesso incontrano infiniti casi coner (problemi a coda lunga). per risolvere tali problemi, gli ingegneri devono scrivere codici e impostare regole basate su scenari specifici. in questa modalità, l’assistenza alla guida intelligente o i sistemi di guida autonoma spesso richiedono l’inserimento manuale di un gran numero di regole.
wu xinzhou, vicepresidente globale di nvidia e capo della divisione automobilistica, ritiene che la maggior parte degli algoritmi esistenti per la guida autonoma siano basati su regole. è molto semplice da dire, da quello che vedi a come farlo, ma è molto difficile impostare bene le regole. le cose difficili richiedono che molti ingegneri umani pensino il più possibile a tutte le possibilità, e questo metodo ha un limite superiore.
a differenza dei tradizionali sistemi di assistenza alla guida intelligenti basati su regole, le soluzioni di guida autonoma end-to-end fanno sì che l’intero processo, dalla percezione al controllo, venga elaborato attraverso algoritmi avanzati e tecnologia di deep learning.
l’applicazione della tecnologia end-to-end nella guida autonoma ha trasformato l’architettura originale di molteplici modelli come percezione, previsione e pianificazione in un’architettura a modello unico di “percezione e processo decisionale integrati”.
un rapporto di ricerca pubblicato da cinda securities mostra che "end-to-end" si riferisce all'immissione di informazioni sui dati ambientali come immagini a un'estremità, un modello di rete neurale multistrato simile a una "scatola nera" al centro e l'output diretto di sterzo, frenata, accelerazione, ecc. dall'altra parte.
rispetto alla tradizionale architettura di sottomoduli basata su regole, l'implementazione end-to-end porterà una serie di vantaggi: l'ottimizzazione globale delle attività è completamente basata sui dati, con capacità di correzione degli errori migliori e più veloci che possono ridurre ulteriormente le perdite; di informazioni tra i moduli trasmissione delle perdite, ritardo e ridondanza, evita l'accumulo di errori, migliora l'efficienza di calcolo, da una maggiore capacità di generalizzazione, da rule-based (basato su regole) a learning-based (basato sull'apprendimento), con capacità di apprendimento a campione zero, capace di affrontare scenari sconosciuti maggiori capacità decisionali.
con il supporto di modelli di grandi dimensioni end-to-end, i sistemi di guida intelligenti possono ottenere iterazioni e progressi più rapidi. prendiamo come esempio xngp di xiaopeng, dopo aver applicato il modello di grandi dimensioni end-to-end, la sua rete neurale tre reti in uno xnet + modello di controllo di grandi dimensioni xplanner + modello di linguaggio di grandi dimensioni ai xbrain può eseguire iterazioni ogni 2 giorni, con capacità di guida intelligente. di 18 mesi migliorate di 30 volte; le capacità del sistema dati e l'architettura della rete neurale possono ottenere una diagnosi rapida e risolvere problemi a coda lunga in poche ore.
con il modello end-to-end su larga scala di tesla sulla strada, anche i percorsi tecnologici di guida intelligente delle case automobilistiche cinesi inizieranno a subire cambiamenti significativi nel 2024.
negli ultimi anni la maggior parte delle controversie sul percorso tecnico dei sistemi intelligenti di assistenza alla guida delle case automobilistiche cinesi si è concentrata sulla percezione visiva e sulla percezione della fusione. la competizione al terminal riguarda più la velocità e il numero di città aperte. all'inizio del 2024, aziende come huawei e xiaopeng sono ancora in competizione per una grafica ad alta precisione e una vera "disponibilità a livello nazionale".
dopo che il modello di grandi dimensioni end-to-end è stato installato sull'auto, la capacità di generalizzazione del sistema di assistenza alla guida intelligente è notevolmente migliorata e l'importanza della verifica e dello sviluppo in una singola regione diminuisce. allo stesso tempo, l’end-to-end ha indebolito la precedente distinzione tra percezione, pianificazione, processo decisionale, controllo e altri moduli. molte case automobilistiche hanno anche iniziato a riadattare la struttura organizzativa dei team di guida autonoma in base alle esigenze di modelli di grandi dimensioni end-to-end.
alla fine del 2023, ideal ha apportato un adeguamento della struttura organizzativa al team di guida intelligente. in questo adeguamento, ideal ha riorganizzato il modello di grandi dimensioni in una squadra e lo ha posto sotto il team di ricerca e sviluppo dell'algoritmo front-end, che è complessivamente responsabile del. ricerca, sviluppo e implementazione dell'architettura end-to-end nel 2024, weilai ha istituito il dipartimento di modelli di grandi dimensioni, il dipartimento di architettura e programma di distribuzione e il dipartimento di informazioni spaziotemporali e ha cancellato l'originale dipartimento di percezione, pianificazione e controllo, ambiente. dipartimento informazioni e dipartimento di consegna del programma.
sebbene il lancio di automobili end-to-end sia in pieno svolgimento, la maggior parte delle aziende automobilistiche cinesi non ha ancora raggiunto la teorica guida intelligente end-to-end “one-mode”.
il cto di un'azienda di guida autonoma ha detto ai giornalisti che l'applicazione di guida intelligente del modello end-to-end può essere divisa in due fasi: la prima fase è una soluzione a due modelli, che consiste in una percezione end-to-end e una regolamentazione end-to-end questa è una direzione più tradizionale attualmente utilizzata nel settore; la seconda fase è la soluzione a un modello ampio che risolve il problema dell’input delle informazioni nell’output del processo decisionale, che è più vicino a quello direzione dell'agi tuttavia, questa direzione è relativamente difficile e si stima che richiederà 3 anni. -ci vorranno 5 anni per ottenere alcune applicazioni su larga scala.
attualmente, l’industria ritiene generalmente che il divario nei progressi nella ricerca e nello sviluppo tra le case automobilistiche nazionali e tesla sia di circa 1,5-2 anni. gu junli, vice direttore generale di chery automobile co., ltd., ritiene che per raggiungere tesla in termini di modello di business, i prodotti debbano essere ampliati. "quando i dati raggiungono il livello tesla di oltre un milione, attraverso l'addestramento intensivo del modello, la guida intelligente può apprendere il flusso video e indicare direttamente al conducente la direzione di guida, proprio come ha affermato gu junli, attualmente popolare."
oem e fornitori hanno differenze di percorso?
mentre molte case automobilistiche lanciano uno dopo l’altro modelli end-to-end su larga scala e predicano che l’era della guida autonoma è destinata ad arrivare, molti fornitori che si concentrano sulla guida autonoma hanno espresso voci diverse.
"dopo che tesla ha lanciato l'fsd end-to-end, sono sorti alcuni problemi. l'auto è sempre facile da mettere sulla banchina della strada, soprattutto di notte. a volte si graffia, a volte va direttamente sulla banchina della strada e appiattisce la strada. pneumatico." hou cong ha detto ai giornalisti che anche negli stati uniti, waymo non ha adottato un modello end-to-end su larga scala, ma è stato in grado di implementare operazioni robotaxi senza pilota in più città, e la risposta degli utenti è stata abbastanza buono.
il modello di grandi dimensioni end-to-end in sé non è una nuova tecnologia che ha raggiunto progressi negli ultimi anni.
"prima dell'emergere del deep learning intorno al 2010, si chiamava algoritmo di analisi del modello. a quel tempo, eseguivamo il rilevamento dei pedoni presso l'università di tsinghua e dovevamo estrarre alcune informazioni sulle caratteristiche dell'immagine, come la curvatura delle spalle della persona, il colore degli occhi, ecc. queste caratteristiche sono ciò che noi è riassunto dal potere umano, cioè basato su regole; e dopo l'apprendimento profondo, inseriamo l'immagine e lasciamo che l'apprendimento profondo impari in modo indipendente le diverse caratteristiche di ogni persona vengono appresi attraverso l'apprendimento profondo, non definito dal potere umano. è lo stesso dall'inizio alla fine, si basa sull'apprendimento che questo sistema, come l'attuale assistenza alla guida intelligente end-to-end, richiede supporto dati massiccio.
questo è anche considerato uno dei fattori importanti per le aziende automobilistiche per competere nella scelta dei modelli di grandi dimensioni end-to-end.
rispetto ai fornitori di guida autonoma l4 che gestiscono solo una flotta di prova di oltre un centinaio di veicoli, le aziende automobilistiche di solito hanno centinaia di migliaia o addirittura milioni di prodotti che circolano su strada. gli utenti possono generare enormi quantità di dati durante la guida, il che aiuta le aziende automobilistiche vengono ad addestrare i propri sistemi di guida intelligenti end-to-end per aiutare il sistema a raggiungere una rapida iterazione.
inoltre, dong jun, un ingegnere presso un fornitore di sistemi di assistenza alla guida intelligente l2+, ha detto ai giornalisti che per i fornitori è difficile che la guida intelligente end-to-end diventi un prodotto standardizzato, cambiamenti nella forma del corpo, cambiamenti nelle posizioni di installazione dei sensori; , ecc., l'intero sistema. il modello deve essere riqualificato, il che richiede maggiori costi e tempi ed è inefficiente.
l'importanza del modello end-to-end su larga scala per l'assistenza alla guida l2 è quella di accelerare il ritmo dello sviluppo urbano e accelerare la realizzazione di "può essere guidato a livello nazionale", come menzionato dalle case automobilistiche. ma per le aziende di guida autonoma di livello l4, il modello end-to-end di grandi dimensioni può anche ridurre la dipendenza del sistema dalle mappe ad alta precisione nella fase iniziale delle operazioni, consentendo all’azienda di espandere la portata delle operazioni più velocemente ma a metà; e nelle ultime fasi operative, le mappe ad alta precisione hanno ancora un impatto importante e possono migliorare ulteriormente l’affidabilità, la sicurezza e la fluidità dei sistemi di guida autonomi.
d’altro canto, rispetto alle case automobilistiche che hanno raggiunto la redditività come tesla e ideal, la maggior parte delle aziende di guida autonoma attualmente fa affidamento principalmente sui finanziamenti. mettere un modello end-to-end di grandi dimensioni sul bus richiede non solo enormi quantità di dati, ma anche una grande quantità di investimenti di capitale.
"in futuro, la guida intelligente è entrata nella fase l4 e i dati e la potenza di calcolo crescono in modo esponenziale ogni anno, il che significa che sono necessari almeno 1 miliardo di dollari usa ogni anno e che è necessaria un'iterazione continua dopo 5 anni. a questo livello , la redditività di un'azienda ", ha detto ai giornalisti lang xianpeng, vicepresidente della ricerca e sviluppo sulla guida intelligente di li auto.
xia yiping, amministratore delegato di jiyue automobile, ritiene che una volta 20 miliardi di yuan fossero la soglia finanziaria riconosciuta per la costruzione di un'auto, ma ora le aziende non possono fare una guida intelligente senza 50 miliardi di yuan.
ancora più importante, per le aziende di guida autonoma come waymo e pony.ai che mirano a realizzare l4 robotaxi, le loro considerazioni sul peso del sistema, sui costi, ecc. sono enormemente diverse da quelle degli oem.
a differenza dell'assistenza alla guida l2, per la guida autonoma l3 e superiori la responsabilità principale degli incidenti sarà trasferita al veicolo, il che pone requisiti estremamente elevati alla stabilità e alla sicurezza del sistema di guida autonoma. l’ininterpretabilità del modello di scatola nera di grandi dimensioni end-to-end comporta alcuni rischi per il sistema di guida autonoma.
"le aziende automobilistiche hanno successivamente lanciato modelli di guida intelligente end-to-end su larga scala e li hanno promossi vigorosamente. l'obiettivo è creare differenziazione e vendere auto", ha affermato dong jun.
hou xiaodi ha detto in un'intervista ai media che se si verifica un incidente nel fsd di tesla, il conducente è comunque responsabile. tesla richiede che il conducente tenga sempre le mani sul volante. l'incidente non ha nulla a che fare con tesla inoltre, l'attività di tesla è la vendita di automobili e fsd è il valore aggiunto della vendita di automobili. se vuoi considerare come vendere più auto, non puoi approfondire un'area limitata come l4 e risolvere tutti i casi limite (situazioni estreme) in quest'area.
hou cong e altri intervistati di società di guida autonoma hanno sottolineato che la guida autonoma l4 richiede sicurezza al 100% e non può accettare l'inspiegabilità e l'incertezza portate dalla "scatola nera" end-to-end. inoltre, esistono enormi differenze nella logica aziendale tra l2 e l4.
per gli oem, la vendita di automobili è la loro attività principale e i costi determinano i profitti e la competitività sul mercato, pertanto non possono organizzare troppa ridondanza di sicurezza nei loro prodotti e l4 robotaxi è più focalizzato sull’operatività e sarà l’attività principale per molto tempo. per b l'attività è principalmente commerciale e non serve direttamente i consumatori. pertanto, le aziende interessate devono considerare non solo le automobili, ma anche varie situazioni nelle operazioni dei veicoli.
"ad esempio, cosa fare se l'auto è bloccata, cosa fare se l'hardware è rotto, cosa fare se si verifica un incidente, questo richiede più ridondanza e tesla non può riservare molta ridondanza come waymo, perché i due la logica aziendale è diversa," ha detto hou cong.
il modello mondiale consente la guida autonoma?
nonostante le differenze, molti tecnici di aziende di guida autonoma hanno concordato nelle interviste che i modelli end-to-end su larga scala possono essere utilizzati per migliorare le capacità degli attuali sistemi di assistenza alla guida intelligente automobilistica. molti professionisti hanno affermato che il modello di grandi dimensioni end-to-end presenta uno stato "altalenante" l'inserimento del modello di grandi dimensioni end-to-end sull'auto può aumentare il limite superiore delle capacità del sistema di assistenza alla guida intelligente, ma ne ridurrà anche la capacità. limite inferiore delle prestazioni del sistema.
"il grande modello end-to-end viene addestrato sulla base di un modello probabilistico. un problema che ha è che per scenari relativamente semplici e facili da descrivere, il suo output spesso non è così accurato e il risultato finale è relativamente basso; tesla ha fatto parecchio in questo settore. non male, ma questo problema non è stato completamente risolto. riteniamo che, data l'attuale mancanza di dati sufficienti, dobbiamo ancora implementare gradualmente la sostituzione end-to-end, modulo per modulo. completo end-to-end garantendo al contempo la sicurezza questa infrastruttura ingegneristica relativamente solida e il metodo di iterazione rapida possono aumentare gradualmente il limite superiore delle prestazioni del sistema garantendo al tempo stesso il limite inferiore delle prestazioni del sistema", ha affermato il presidente di horizon chen liming.
il grande modello end-to-end è guidato dai dati. il lato di input sono i dati dei sensori e il lato di output guida il processo decisionale. tuttavia, la parte centrale è altamente inspiegabile. ed è spesso paragonato ad una scatola nera.
hou cong ritiene che l'attuale guida intelligente end-to-end di grandi dimensioni e la precedente guida intelligente basata su regole siano in qualche modo simili al processo di produzione delle automobili: “in passato, quando costruivano automobili, le case automobilistiche acquistavano parti da diverse società metterli insieme da un lato facilita l'approvvigionamento e disperde i fornitori, rendendo meno probabile che rimangano 'bloccati', dall'altro è facile da manutenere e può riparare qualunque cosa sia rotta; la guida autonoma. il vantaggio è che può essere definita meglio il problema, la risoluzione dei problemi”.
prendendo come esempio la guida autonoma tradizionale multi-modulo, se si verifica un problema con il sistema durante il test, il personale di ricerca e sviluppo può trovare il bug nella sezione corrispondente e risolverlo a seconda della situazione. ma per le scatole nere come i modelli di grandi dimensioni end-to-end, gli sviluppatori possono solo addestrare la strategia, riqualificare o modificare il modello, ma modificare i parametri nella "scatola nera". e man mano che il sistema si aggiorna e si itera, più difficili sono i problemi che il sistema risolve, maggiore è l'investimento in termini di costi. ciò stabilisce una soglia più elevata per i modelli di grandi dimensioni end-to-end.
d’altro canto, i modelli end-to-end di grandi dimensioni sono guidati dai dati, ma i dati massicci potrebbero non necessariamente produrre miglioramenti positivi al sistema.
xiao bo, capo del team ai di pony.ai, ritiene che anche se l'algoritmo è molto buono e l'addestramento del sistema è molto buono, l'abilità appresa da enormi dati di guida umana è quasi al livello di una guida umana media, il che è sufficiente per far fronte al livello l2 di assistenza alla guida intelligente; ma la guida autonoma l4 o superiore deve avere capacità 10 volte o più di un conducente umano, e questo modello non è sufficiente per supportarla.
proprio quando l'end-to-end sta mostrando una rapida tendenza alla divulgazione, le aziende automobilistiche nazionali e i fornitori hanno proposto ancora una volta un nuovo concetto di "modello mondiale". lou tiancheng ritiene che il modello mondiale sia la cosa migliore e più importante al momento e lo considera l'unica soluzione alla guida autonoma.
il modello mondiale può essere inteso come la simulazione e la modellazione del mondo reale, che può ripristinare in modo reale e accurato i cambiamenti in scene come le intersezioni. ad esempio, la traiettoria dei pedoni che viene bloccata quando viene rilevata una sonda fantasma; la reazione tra pedoni e altri veicoli al momento della collisione; e persino dettagli come la decelerazione di una persona mentre corre possono raggiungere l'accelerazione di gravità. allo stesso tempo, il modello mondiale è anche un sistema di punteggio che valuta le prestazioni del sistema di guida autonoma e può sapere chi è migliore tra il sistema a e il sistema b.
in precedenza, case automobilistiche come weilai e ideal hanno rilasciato successivamente i loro "modelli mondiali".
ren shaoqing, vicepresidente della guida autonoma di weilai, ha dichiarato: "rispetto ai modelli end-to-end convenzionali, il nuovo modello mondiale presenta tre vantaggi principali che riteniamo. il primo è nella comprensione spaziale, attraverso modelli generativi, da ricostruiti sensori in questo modo, le informazioni vengono estratte in modo più generale. attraverso il modello autoregressivo, gli ambienti a lungo termine vengono modellati automaticamente. in terzo luogo, migliaia di mondi richiedono più dati. attraverso l'autocontrollo, non è necessaria l'annotazione manuale l’autoanalisi bidimensionale. la regressione genera strutture modello che ci consentono di apprendere meglio.
lou tiancheng ritiene che il modello mondiale possa essere inteso come un "allenatore" simulato dagli esseri umani. per il sistema l2, la sua capacità di guida è equivalente a quella di un guidatore esperto, per il sistema l4, il suo livello di guida è molto superiore a quello di un conducente umano viene per addestrare il sistema di guida intelligente e i risultati saranno sicuramente migliori rispetto ai conducenti umani.
sebbene vi siano ancora controversie, la maggior parte degli intervistati ritiene ancora che nella fase di assistenza alla guida intelligente l2, i modelli di grandi dimensioni end-to-end possano effettivamente migliorare il limite superiore delle prestazioni dei sistemi correlati. ciò su cui la maggior parte dei dipendenti delle società di guida autonoma l4 non è d'accordo è che tesla, xpeng e altre case automobilistiche hanno pubblicizzato che i loro prodotti si basano sulla guida intelligente l2 con il supporto della tecnologia end-to-end e raggiungono addirittura la l4 alla l2. livello hardware. capacità di guida autonoma.
"in questa fase, le aziende automobilistiche stanno promuovendo l'end-to-end e trasformando l'end-to-end in una tecnologia all'avanguardia che porta alla guida autonoma. la ragione di ciò è principalmente quella di vendere più auto", ha affermato dong jun.
(questo articolo proviene da china business news)
