ニュース

著者｜華偉

半年もしないうちに、テスラ fsdが正式に中国に参入することになる。テスラは9月5日、fsdを2025年第1四半期に中国と欧州で発売すると発表した。

少し前まで、エンドツーエンドの tesla fsd v12 バージョンは、発売後、業界内外から多くの賞賛を受けました。テスラと何度も公然と「喧嘩」した人たちも小鵬モータースまた、何暁鵬会長は、テスラの自動運転は「非常に優れたパフォーマンスを発揮する」と書き、「2025年は完全自動運転のchatgptの瞬間となるだろう！」と興奮気味に語った。

gpt に代表される大規模モデルは、その前例のない革新速度と技術アーキテクチャにより、自動運転分野のプログラム研究開発モデルに大きな影響を与えており、世界の業界がこの流行に急速に対応しています。国内自動車会社が現在注力していることから判断すると、エンドツーエンドも次世代の自動運転技術のルートとなっている。

ファーウェイ、xpeng、pony.ai、momenta、jiji technology、horizo​​nなどの乗用車自動運転企業も積極的に追随しており、エンドツーエンドの自動運転ソリューションと量産モデルを発売している。商用車に関しては、ゼロワンオートモービルもエンドツーエンドの大型モデルを投入する明確な時期計画を発表した。理想の車創業者兼ceoのli xiang氏はまた、li autoはエンドツーエンドのワールドモデルに依存して3年以内にl4自動運転を実現すると公に主張した。

以前は「大寒波」に見舞われたl4自動運転市場も、エンドツーエンド技術の登場により回復している。この技術コンセプトを利用して 10 億米ドルの資金調達を行った wayve は、その好例です。 chentao capitalの投資マネージャー、liu yudong氏は、「エンドツーエンドにより、l4商業化に向けた第2の成長曲線が開かれる」と述べた。

エンドツーエンド機能によるfsd機能で飛躍を遂げたテスラは、ロボタクシーモデルを10月10日に発売することも発表した。何暁鵬氏はまた、小鵬汽車が2026年にロボタクシーを発売する予定であることを公に明らかにした。しかし、エンドツーエンドのソリューションを通じて l4 の量産を達成するという自動車会社と自動運転メーカーの最近の行動と期待は、多くの自動運転実務家に疑問を引き起こしています。エンドツーエンドは過度に「神話化」されているのでしょうか?

なぜエンドツーエンドがスマートドライビング界の「トップクラス」になれるのか？

エンドツーエンドは過去 2 年間に登場したばかりではなく、2017 年の時点で多くの企業がこの技術的なルートの可能性を模索していました。今年、「エンドツーエンド」は自動運転業界で人気が高まり、chatgpt などの大規模な言語モデルによってもたらされる革新に加えて、独自の「エンドツーエンド」とも切り離せないテクノロジーとみなされています。魅力"。

pony.ai の共同創設者兼最高技術責任者である lou tiancheng 氏は、「エンドツーエンド モデルの誕生が自動運転技術の大規模な商業化につながる唯一の方法である」と述べました。エンドツーエンド モデルの特徴は、汎用性により自動運転の商用化の速度を高め、自動運転の普及を加速できることです。

zero one automobile のインテリジェント運転責任者である wang panqu 氏によると、従来の非エンドツーエンドの自動運転システムは、エンドツーエンドに比べて一般化が不十分であるだけでなく、新しいシナリオに拡張する場合、以前は多くのルールが使用されていました。ベースのソリューションが失敗した場合、新たに追加されたコードによってシステムの保守性が低下し、限界費用の増加につながります。

さらに、従来の自動運転システムには 2 つの欠点もあります。 1 つ目は、アーキテクチャが複雑であることです。各モジュールに割り当てられるコンピューティング リソースが少ないため、開発コストが高くなるだけでなく、パフォーマンスの上限も比較的低くなり、モジュール間の通信も多くなります。エンジニアリングの最適化の問題。 2 つ目は、複雑なアーキテクチャによって生じる高コストの問題です。これは、従来の自動運転企業のチーム規模が非常に大きい理由でもあります。

「私の考えでは、エンドツーエンドはこれらの問題を非常にうまく解決できると考えています。」と wang panqu 氏は、アーキテクチャの観点から見ると、エンドツーエンドには 1 つのモジュールしかなく、複雑なアーキテクチャの問題をうまく解決でき、コストを削減し、効率を向上させることができます。データと知識に基づくエンドツーエンドの一般化は非常に強力であり、l2 をさまざまなモデルに適応させるコストを削減できるだけでなく、l4 の適応時間の短縮にも役立ちます。さまざまなシナリオに対応します。

さらに、lou tiancheng 氏は、エンドツーエンドの最大の利点は、異なるモジュールや機能間での情報の損失を防ぐことであると指摘しました。 jiji technology のエンジニアリング担当副社長である mao jiming 氏もこの側面について話し、モジュール間の効果的な情報伝送には、上流モジュールと下流モジュールのインターフェースが情報伝送の上限を定義するという問題が含まれると説明しました。しかし、インターフェイスのデザインがどれほど洗練されていても、情報の損失は発生します。エンドツーエンドの統合モジュール ソリューションでは、この情報損失が発生しないため、最終的なアルゴリズムの効果が向上します。

同時に、mao jiming 氏は、エンドツーエンド アーキテクチャのその他の利点についても話しました。まず、モジュール誤差に関しては、エンドツーエンドが1つのモジュールの下にあるため、複数のモジュールによる誤差増幅の影響がなく、全体的なインテリジェント運転アルゴリズムの能力の上限を最大化することができます。第 2 に、マルチモジュール アーキテクチャでは、各モジュールに独自の r&d リズムと最適化目標があり、インテリジェント ドライビング システム全体のグローバルな最適化目標と常に厳密に一致するとは限らず、その結果、非効率的な最適化が行われ、r&d リソースへの投資が無駄になる可能性があります。エンドツーエンドのアーキテクチャにはモジュールが 1 つだけあり、最適化の目標は明確かつ統一されているため、この内部摩擦最適化プロセスを効果的に回避できます。

もう 1 つのポイントは、モジュラー アーキテクチャのコンポーネントが自然に複数のルール主導の「ドメイン」を形成しやすいことです。これにより、典型的な完全なデータ主導型アーキテクチャと同様に、一連のメンテナンスの課題とコーナーケースの解決のジレンマが生じます。開発者はより積極的になり、データ駆動型およびモデル駆動型の思考パラダイムに基づいて問題を検討および解決し始め、アルゴリズム チーム全体の認知レベルが向上します。

liu yudong 氏は、「全体として、エンドツーエンド システムの開発効率は高く、リソース消費は少なくなります。エンドツーエンドの純粋なデータ駆動型開発パラダイムにより、大規模なシステムへの当初の投資が大幅に削減されます。」と述べました。エンジニアリング リソースと企業のリソースの重点をシフトする データ駆動型の側面における高い人材密度とデータ蓄積への投資にシフトします。

エンドツーエンドがもたらすユーザー価値にも大きな注目が集まっていることは特筆に値します。 liu yudong氏は、まず、ロングテールシナリオの処理に関して、エンドツーエンドシステムは常識的な処理能力など、元のシステムよりも極端なシナリオをカバーできると指摘した。第 2 に、自動運転システムの動作はより擬人化されており、エンドツーエンドで消費者とシステムの間により強い信頼を築くことができ、強力なゲームプレイのシナリオにおける人間のドライバーに似ています。

上限は高く、下限は低い 自動運転の「終わり」はまだ？

エンドツーエンドの技術的利点は大きく、多くの自動車会社や自動運転会社がエンドツーエンドのアプリケーションを積極的にフォローアップしていますが、いわゆる「エンドゲームモデル」については業界内で依然として意見が分かれています。 。」

王盤曲氏などの有力者は、「自動運転実現の最終形態はエンドツーエンドでなければならないと考えているが、エンドツーエンドは単なる技術的な枠組みであり、実際には具体的な実装方法には多くの選択肢があり、業界はまだ合意に達していません。」

毛沢東のような合理主義者は、エンドツーエンドのソリューションには「上限は高いが、下限は低い」という特徴があると指摘した。平たく言えば、うまく行えば良い結果が得られますが、下手に行えば従来のソリューションよりも悪くなるということです。 mao jiming 氏の見解では、エンドツーエンドのソリューションを選択するかどうかは、特定のアプリケーション シナリオによって異なります。 l5 自動運転の場合、エンドツーエンドが唯一のソリューションですが、l2 および l3 の場合、エンドツーエンドは実現可能なソリューションの 1 つにすぎません。さらに、エンドツーエンドのアプリケーションは他の技術ソリューションと組み合わせる必要があります。

「エンドツーエンドは、自動運転の迅速かつ大規模な普及に向けた優れた技術的道筋を提供します。それが最終段階に達するかどうかは、時間の経過とともに検証される必要があります。lou tiancheng 氏も同様の見解を示しており、l2 と l4 の両方が重要であると考えています。」自動運転はすでに実現されていますが、実装の品質と実装の範囲には、技術に対する要件と基準が異なります。

l2 レベルの自動運転の場合、現時点ではエンドツーエンドのテクノロジーがより適切です。l4 レベルの自動運転では、エンドツーエンドのテクノロジーが新しい領域を迅速に開拓するのに役立ちます。ただし、l4 には人間のドライバーの 10 倍以上の高い安全要件が必要です。そのため、エンドツーエンドの使用に加えて、運転意図やアプリケーションのシナリオに基づいた決定性の高い指示を組み込む必要もあります。交通規制、運転の好みなど。

liu yudong 氏は、より慎重な結論を下しました。「現時点では、将来の自動運転の終わりはエンドツーエンドであると予想されますが、長期的な技術進化にはさまざまな可能性があります。私たちが 3 年前にそうしたのと同じように、予期せず、 chatgpt のようなテクノロジーが登場し、現在の chatgpt を破壊する新しい技術アーキテクチャが 2 ～ 3 年以内に登場する可能性があります。」

100% のエンドツーエンドはまだ登場していません。「ベストプラクティス」とは何ですか?

エンドツーエンドが自動運転の最終ソリューションであるかどうかはまだ明らかではありませんが、その実用化はインテリジェント運転業界のコンセンサスソリューションとなっているのは明らかです。ただし、エンドツーエンドの自動運転技術パスの選択に関しては、業界内で依然として多くの議論があります。

現在、zero one automotive は、マルチモーダル大規模言語モデルに基づいてエンドツーエンドのルートに沿って前進しており、一部の公開データセットだけでなく、上海人工知能研究所が保有する自動運転でも成果を上げています。今年のインターナショナルチャレンジでは、純粋に視覚的な自動運転ソリューションにより、エンドツーエンドの自動運転トラックで143の国際チーム中2位を獲得しました。

wang panqu 氏は、モジュール式のエンドツーエンドは探査の初期段階に相当し、現在、学界と産業界でも比較的成熟したソリューションを備えていると考えています。マルチモーダルな大型モデルに基づくエンドツーエンドの技術ルートの採用には、自動運転を収益性の高いビジネスに変える可能性があり、強力な一般化を備えたベース モデルのみが、自動運転の分野で必要とされる知識の注入と統合を実現できます。自動運転。

簡単に言えば、大型モデルの強力な汎用化により、エンドツーエンドのシステム全体にパフォーマンス上の利点がもたらされ、将来的には大規模な量産で収益性の高いハイエンドの自動運転を実現することも可能になります。さらに、将来的には、マルチモーダル大規模モデルと世界モデルに基づくこれら 2 つのエンドツーエンドの技術ルートを相互に再利用できるようになります。

liu yudong氏は、原則として1つのモデルは他の分野のagiの形式に近いが、ワールドモデルは現在主にデータ生成のためのツールであり、自動運転システムとして使用できるかどうかを確認するにはさらに時間がかかるだろうと述べた。 。今後 2 年間で、エンドツーエンドのソリューションには主に 2 つのタイプが存在します。1 つはモジュール型のエンドツーエンドで、代表的なものは上海人工知能研究所の uniad です。もう 1 つはマルチモーダルな大規模モデルに基づくものです。 wayve の lingo-2 や最近発売された lili の drivevlm など、エンドツーエンドのモデル。

世界モデルに関しては、毛主銘は異なる見解を持っていた。彼は、世界モデルが合理的なエンドツーエンドのソリューションであると信じています。世界モデルに基づいたインテリジェントな運転アルゴリズムは、状況を理解し、将来について合理的な予測を行い、その情報に基づいて意思決定を行う能力を備えており、これは人間の思考のロジックに沿ったソリューションです。

jiji technology の共同創設者兼主任研究員である zhu zheng 氏はさらに、1 つのモデルをトレーニングするにはリソースと時間が非常にかかり、データの規模と品質に対して非常に高い要件が必要であると付け加えました。エンドツーエンドの方法では、モデル予測機能を使用してシーンの認識と運転行動の決定を行い、人間の運転行動や習慣とより一貫性のあるものになります。同氏の紹介によると、時事は現在世界モデルに基づくエンドツーエンドの基本プロトタイプシステムを保有し、自動車メーカーと共同検証を行っており、近日中に進捗状況の一部が公表される予定だという。

昨年 8 月、pony.ai は、認識、予測、制御の 3 つの従来のモジュールを 1 つのモデルのエンドツーエンド自動運転モデル​​に統合し、現在、l4 自動運転タクシーと l2 運転支援乗用車に同時に搭載されています。 。 lou tiancheng 氏によると、モジュール式のエンドツーエンドモデルとワンモデルの両方が現在初期段階にあり、量産と納品についてはまだ検証されていません。今後 1 ～ 2 年で、エンドツーエンドの技術的ルートは意見の相違から合意に移行すると予想されます。

「長期的には、エンドツーエンドのエンドツーエンドは最終的には1つのモデルの形になるだろう」と毛主銘氏は述べ、現状ではファーウェイが採用する「2段階」のエンドツーエンドは最終的には1つのモデルになるだろうと述べた。 、xiaopeng と他の企業はまだセミエンドツーエンドの実装、または完全な状態ではなくエンドツーエンドの移行状態にあります。

少し前のことですが、過激automotive ceo xia yiping も公に、「市場には真のエンドツーエンドのものは存在せず、それらはすべてマーケティングの仕掛けである」と述べ、jiyue の現在のエンドツーエンドのスマート ドライビング ソリューションも「2 段階」を使用していることが理解されています。 「テクニカルアーキテクチャ。

「ブラック ボックス」属性は誤解であり、グレー ボックスまたはホワイト ボックスと同様に作成できます。

エンドツーエンド ソリューションの一連の利点は、複数のモジュールを統合するアーキテクチャに由来しますが、この設計により、システムが本来の理解可能な「ホワイト ボックス」よりも「ブラック ボックス」に近づくため、「説明不能性」が高くなります。 」。

lou tiancheng氏は、説明不可能性はエンドツーエンドシステムの自然な欠陥であると考えているが、それがエンドツーエンドの自動運転技術の開発を制限するかどうかは状況次第である。 l2 の場合、解釈不可能性はエンドツーエンドのアプリケーションには影響しません。たとえば、モジュラーエンドツーエンドでは各主要な機能モジュールが保持され、中間出力の特徴をさらに抽出して解釈可能なデータにすることができます。

l4 の場合、セキュリティと確実性に対する要件は l2 の要件よりもはるかに高くなります。したがって、エンドツーエンドの自動運転モデル​​が運転意図をよりよく理解できるように、交通規制や運転の好みなどの定期的な指示をモデルに組み込む必要があります。同時に、解釈可能性をさらに向上させるために、運転意図を外部に出力するためにモデルの機能もアップグレードする必要があります。

zhu zheng氏の見解では、エンドツーエンドは製品レベルや最終的な研究開発形態から見ると確かにブラックボックスだが、ユーザーを含むエンジニアや製品設計者の観点から見ると、エンドツーエンドはグレーボックスに近いものにすることができるという。箱または白い箱。

まず、モジュール結合により、認識、予測、計画の 3 つのモジュールが詳細に区別され、計画結果は前の中間モジュールに関連付けられます。第 2 に、1 つのモデルはモジュール化された中間結果を出力でき、その結果を中間監視用にマークすると、1 つのモデルの収束が向上し、モデル化された中間結果をエンジニアやユーザーに示すこともできます。第三に、世界モデルで最も重要なことはその予測能力であり、その予測結果はパターン化された中間結果と関連付けることもできます。

mao jiming 氏は、現在のエンドツーエンドの「ブラック ボックス」ステートメントは、モデル全体のトレーニング推論の詳細についての誤解であると述べました。研究開発の認識は、外部から説明できる形で提示されていれば、もはやブラックボックスではありません。

また、wang panqu 氏は、説明不能という提案はテクノロジーに対する国民の信頼、つまりテクノロジー自体の性能が万人に受け入れられる基準に達しているかどうかを反映していると考えています。データ駆動型、アルゴリズム設計、大規模モデルのセキュリティ、その他の関連テクノロジーの開発により、今後 1 ～ 2 年でエンドツーエンドのパフォーマンスと信頼性が大幅に向上するでしょう。大規模なパフォーマンス テストと完全な検証を通じて、その解釈可能性はもはや重大な問題ではなくなります。

エンドツーエンドのオンボーディングの「ピーク」が到来し、商用車の発売が加速される

「モジュラーエンドツーエンドの大規模な立ち上げは過去1年以内に行われるが、大規模な言語モデルに基づくエンドツーエンドにはさらに1～2年かかるだろう」とwang panqu氏は指摘した。その理由は、大量生産できるハイエンドの自動運転システムは、乗用車よりもシナリオが単純であり、単一のシナリオで実装することが非常に難しいためです。シナリオは商業的にループを閉じるのが簡単で、シーンの漸近を行うのにも便利です。

liu yudong 氏はより楽観的で、来年にはモジュール式エンドツーエンドと 1 つのモデルのエンドツーエンドがより集中的に推進され始めると考えています。さらに、liu yudong氏は、技術開発と人材の集まりの急進度、技術の反復の速度、技術応用の難しさの観点から、エンドツーエンドの商用車と乗用車の実際の実装時間は同様である可能性があると述べた。ただし、乗用車の導入範囲は商用車よりも大きく、商用車は後期に向けてゆっくりと発展していきます。

「これらのハードルは、エンドツーエンドの量産の前に克服する必要があります。1 つ目は車両エンドのコンピューティング能力の準備、2 つ目はエンドツーエンドのアルゴリズムの反復、3 つ目はクラウド データの規模です。 4 番目は計算能力の規模、3 番目はエンドツーエンドのアルゴリズムの反復、5 番目は検証計画です」と毛吉明氏は述べた。

同氏の見解では、テスラや国内大手oem、魏暁利やファーウェイなどの企業は、車両のコンピューティング能力、クラウドデータの規模、クラウドコンピューティングの能力規模の3つの側面をすべてすでに備えているという。今年末から来年上半期にかけて、いくつかの大手自動車会社のエンドツーエンドのアルゴリズムが来年下半期から大規模に導入できるようになるだろうと業界は予告している。エンドツーエンドの大量生産と発売の爆発の中で。

端から端まで行くということは、「最初からやり直す」ということでしょうか？

エンドツーエンド システムの開発と導入は、間違いなくスマート ドライビング ソリューション全体に技術革命をもたらすでしょう。では、エンドツーエンド市場に参入するには、以前のテクノロジーを打破する必要があるのでしょうか?

liu yudong 氏は、元の自動運転技術が完全に破壊されることはなく、特定のアルゴリズムとソフトウェアの蓄積をエンドツーエンドで共有すると考えています。

1 つ目は認識部分です。現在、エンドツーエンドのフロントエンド カメラ情報処理部分の多くは、バックボーンやエンコーダーなどの bev 方式を使用しています。 2 つ目は、規制と制御の部分です。規制と制御に関する独自のノウハウの一部をエンドツーエンド システムに移行できます。 3 つ目はデータ インフラストラクチャです。これは、企業が将来エンドツーエンドの運用に必要とする重要な機能です。bev ソリューションを導入できる企業は、比較的強力なデータ インフラストラクチャも備えています。

毛主銘氏の見解では、それが覆されるかどうかは、以前の技術的解決策が何であったかによって決まるという。同氏は、エンドツーエンドのコアは純粋なデータ駆動型のマルチモーダル大規模モデルであり、特定のスマート ドライビング企業の以前の技術ソリューションに多くのルールがある場合、以前の技術ソリューションが既に存在していれば、それらのルールは基本的に覆されるだろうと述べました。そのほとんどがモデル駆動型に変更されているため、コードのこの部分は何らかの形で再利用できる可能性が高くなります。

エンドツーエンドのアルゴリズムによってもたらされる研究開発モデルの変化は、すべての oem 企業や自動運転企業の焦点であり、最も苦痛を伴う箇所でもあることを強調する必要があります。

wang panqu 氏はまた、モデル側に加えて、エンドツーエンドでさらに多くのデータ作業を行う必要があると述べました。まず、データ閉ループ システムとその反復効率を再構築する必要があり、第 2 に、エンドツーエンドで行う必要があります。テストと検証、シミュレーション プラットフォーム全体のセンサー 入力は非常に現実的である必要があり、これは現時点では非常に困難な技術的問題です。ただし、人件費の観点から見ると、エンドツーエンドのインテリジェント運転システムの全体コストは、非エンドツーエンドのシステムよりも低くなります。これは、エンドツーエンドのシステムにはモジュールの数が少ないためです。 20 ～ 30 人のエンジニアからなるコア チームで十分です。

さらに、毛吉明氏は、従来のモジュラーアーキテクチャからエンドツーエンドモデルへ、スマート運転ソリューションのコスト構造も変化すると指摘した。さまざまなルールを作成する多数の研究開発専門家の人件費が、データの側面。これは、大量生産能力を持つ oem にとっては良いことであり、データ取得コストが削減されるため、スマート ドライビング ソリューションの全体的なコストはさらに大幅に削減されます。

計算能力への投資に関して、lou tiancheng 氏は、短期的には、大規模な計算能力チップの購入により現在のコストが実際に増加すると述べました。しかし、長期的には、エンドツーエンドのテクノロジーが成熟して適用されると、初期投資コストは徐々に薄まっていきます。

純粋なエンドツーエンドのコンピューティング能力への投資は、少なくとも年間 1 億から 2 億であるモジュラー アーキテクチャの投資よりも少なくなります。

「エンドツーエンドのモデルで比較的良好なレベルのトレーニングを達成したい場合、年間少なくとも 1 億から 2 億の計算能力投資が必要となり、乗用車の軌道の数は間違いなくさらに驚異的になるでしょう」 。」

wang panqu 氏によると、エンドツーエンドで必要なコンピューティング能力は、トレーニングと展開の 2 つの側面に分けられます。展開は、購入する必要があるドメイン コントローラーの数に相当します。このコストは固定であり、1 台の車両のコストに比べて比較的低くなります。最も大きなコストはトレーニングコストで、カードの自作と購入、またはクラウドサービスプロバイダーとの連携の2種類に分けられます。比較的大規模な注文を抱える自動車会社にとっては、独自のデータセンターを構築する方がコスト効率の高い選択肢ですが、それほど大規模な注文がない自動車メーカーや研究開発の初期段階にある自動車メーカーにとっては、クラウド サービス プロバイダーからサーバーをレンタルする方が良い選択肢となります。

以前、li auto のインテリジェントドライビング担当副社長、lang xianpeng 氏は、li auto が現在、コンピューティング能力トレーニングに毎年 10 億元を費やしており、将来的には毎年 10 億米ドルを費やすことが見込まれていることを公に明らかにしました。 「年間10億ドルを訓練に費やすことができなければ、将来の自動運転競争で敗退してしまうかもしれない。」

計算能力の規模に関して、lou tiancheng 氏は、単純なエンドツーエンドの自動運転モデル​​のトレーニングであれば、大きな計算能力を備えた数百の gpu でサポートできると考えています。長期的な投資が必要で、エンドツーエンドの品質が確保される場合、各自動運転企業のトレーニングコンピューティング能力の規模は基本的に数千カロリーのレベルとなり、自動車企業はさらに投資することになる。

mao jiming 氏は、より具体的なエンドツーエンドのコンピューティング能力要件を示しました。システム全体には、少なくとも 2 つの nvidia orin または 1 つの nvidia thor が必要です。同氏は、純粋なエンドツーエンド システムの計算能力要件は、モジュラー アーキテクチャの総計算能力要件よりも小さいと述べましたが、量産エンドツーエンドには、メイン システムに加えてバイパス システムが存在することがよくあります。であり、その計算能力要件は、アーキテクチャ的には以前のモジュラー アーキテクチャとほぼ同じです。

しかし、wang panqu 氏は、車両側のコンピューティング チップの能力が向上しているため、将来的にはコンピューティング能力がエンドツーエンドのオンボーディングの障害にはならないだろうと考えています。 lou tiancheng 氏も同様の見解を持っており、古典的なアーキテクチャからエンドツーエンドに至るまで、コードの総数は大幅に削減され、エンドツーエンドのニューラル ネットワークによってもたらされるコンピューティング リソースの消費量は必ずしも大幅に減少するわけではないと述べています。 bevモデルと比較して改善されました。

「より高いコンピューティング能力への要望は、エンドツーエンドの変換よりも、モデルのパラメーターとモデルのパフォーマンスの向上によってもたらされます。さらに、エンドツーエンドの着陸アプリケーションの観点から、次のように指摘しました。」関連企業は、既存のチップコンピューティングリソースを最大限に活用して利用効率を向上させる方法についてもっと考える必要があります。