소식

출처: 비주얼 차이나

하룻밤 사이에 자율주행이 갑자기 인기를 얻었습니다.

지난 7월, 바이두의 'Luobo Kuaipao' 자율주행 택시가 우한에서 널리 출시되어 거의 매일 뉴스를 만들었습니다.

보고서에 따르면 Luobo Kuaipao의 하루 최대 탑승 횟수는 20회를 초과하며 이는 일일 평균 택시 횟수와 비슷하며 승객 경험이 더 좋고 편안합니다. 보험자료에 따르면 캐럿런의 사고율은 사람의 1/14에 불과하며, 큰 피해 없이 1억km 이상을 안전하게 주행한 것으로 나타났다.

바다 건너편에서도 머스크는 8월 출시를 예고했다.테슬라최초의 자율주행 택시인 로보택시(나중에 10월로 연기)에 대해서는 자동차 소유자가 여가 시간에 로보택시를 렌탈 사업에 투입할 수 있고, 자동차 구입 비용도 2년 안에 회수할 수 있다고 말했다.

공교롭게도 지난 7월 23일 구글은 “세계 최고의 자율주행 기업으로서의 웨이모의 위상을 유지하기 위해” 웨이모에 50억 달러의 대규모 투자를 추가하겠다고 발표하기도 했다. OpenAI는 50억 달러로 Waymo의 이전 자금 조달 총액에 가깝습니다.

사실, 오늘날 무인 자동차의 등장은 우연이 아닙니다. 업계 관점에서 보면 지난 3년은 거의 '하루 수천 마일'이라고 할 수 있는 자율주행 기술 개발이 가장 빠른 3년이기도 하다.

현재 중국과 미국의 진전 상황으로 볼 때, 입법 기준과 시간의 제약을 차치한다면, 자율주행은 향후 1~2년 내에 완전히 상용화되어 엔드투엔드 '완전성'에 도달할 가능성이 높다. 5~10년, 공상과학 영화에서 볼 수 있는 것과 유사한 무인 형태를 실현합니다.

이런 관점에서 볼 때, 자율주행의 '아이폰4 모먼트'를 논하기는 아직 이르지만, 자율주행 시대의 특이점은 이미 도래했다.

동시에 이는 시간과의 싸움이기도 하다. 중국과 미국은 전 세계에서 가장 많은 자율주행 기업을 보유하고 있는 두 국가로서, 누가 주도적으로 달려가 관련 산업체인을 구축할 수 있느냐는 것이다. 트랙을 정의하고 이를 다른 국가에 소개할 수 있는 기회.

중국과 미국의 기술 경쟁을 배경으로 볼 때 이는 어느 쪽에게도 "어느 누구도 패할 수 없는 싸움"이다.

이번 글에서는 자율주행의 발전 역사부터 시작하여 향후 업계 발전 동향을 추측해 보도록 하겠습니다. 먼저 몇 가지 예비 결론을 공유해 보겠습니다.

1. 고정밀 지도부터 라이다(LiDAR), BEV까지 자율주행 진화의 모든 길은 '자동차를 인간처럼 행동하게 만드는 것'이다.

2. 지난 3년은 자율주행 기술이 가장 빠르게 발전한 해이기도 합니다. 국내외의 많은 플레이어가 다양한 수준에서 엔드투엔드를 달성했지만 이는 시간 문제일 뿐입니다. 마침내 궁극적인 엔드투엔드 형태에 도달하기 전에 말이죠.

3. 순수 비전이든 LiDAR 경로이든 밀리미터파 레이더는 둘의 기술적 단점을 보완하는 가장 좋은 방법입니다. 밀리미터파 레이더가 3D에서 4D로 이미징 밀리미터파 레이더로 이동함에 따라 정확도도 높아집니다. 트랙은 고부가가치 기업을 창출할 수 있는 기회를 제공합니다.

4. 자율주행의 구현과 상용화는 앞으로는 시작에 불과할 수도 있습니다. 충분한 데이터가 축적되면 더 많은 트랙과 제품(예: 다양한 시나리오의 로봇)이 유사한 이야기를 반복할 수 있습니다.

5. 역사를 통틀어 기술 경로가 반복될 때마다 수많은 스타트업 기업이 성장할 기회가 있었고 이번에도 예외는 아닐 것이라고 믿습니다.

왜 지난 3년은 자율주행 발전이 가장 빠른 3년이었다고 할까요?

자율주행의 시초는 2004년이다. 당시 미국은 아프가니스탄과 이라크 전쟁으로 깊은 수렁에 빠졌다. 미군의 사상자를 줄이기 위해 군용 무인차량이 시급히 필요했지만, 연구와 연구가 시급했다. 개발 진행은 결코 이상적이지 않았습니다.

이에 당시 미국 국방고등연구계획국(DARPA) 국장이었던 토니 테서(Tony Tesser)는 변덕을 부리며 도전에 나섰다. 누가 무인운전 방식으로 로스앤젤레스에서 로스앤젤레스까지 비행할 수 있겠느냐는 것이다. 10시간 안에 라스베가스에 도착하고 100만 달러의 상금을 받으세요.

이는 사실 미군이 민간인을 대상으로 한 대규모 입찰이다. 주최 측에서는 원래 소수의 인원이 참가할 것으로 생각했지만, 예상외로 100팀 이상이 참가해 결국 상금을 가져가는 사람은 아무도 없었다. 가장 멀리 참가한 차량은 12km만 주행했는데, 이는 전체 경주 거리의 약 5%에 해당합니다.

(사진설명: 자동차 외에도 자율주행 오토바이도 있었는데...)

그러나 DARPA는 포기하지 않고 2005년부터 2007년까지 3회 연속 자율주행 챌린지를 개최해 수많은 대학과 기업의 연구팀이 참여했으며, 이를 통해 구글 창업자 중 한 명인 래리 페이지도 자율주행의 가능성을 확인할 수 있었습니다. . 잠재력을 발휘합니다.

2009년에 페이지가 주도하여 Google의 자율 주행 프로젝트인 "Chauffeur"가 공식적으로 시작되었습니다. 채용된 두 핵심 엔지니어(Anthony Levandowski 및 Sebastian Thrun)는 모두 전 DARPA 직원이었으며 이 두 사람은 나중에 Google 자체 운전 프로젝트의 창립자가 되었습니다. 구동 유닛.

2014년 구글은 스티어링 휠과 가속 페달이 없는 세계 최초의 완전 자율주행 자동차인 파이어플라이(Firefly)를 출시했는데, 이는 자동차 업계에 충격을 주었을 뿐만 아니라 세상에 처음으로 자율 주행의 가능성을 깨닫게 했습니다.

(사진설명: 구글이 개발한 1세대 자율주행차 파이어플라이)

그 직후부터 Uber, Nvidia, Amazon에서 Baidu, Didi, Huawei에 이르기까지 무인 트랙에 많은 양의 벤처 자본이 쏟아지기 시작했습니다.벤츠、BMW, 일반적인,혼다국내 신생 자동차 제조사를 비롯해 자율주행 연구개발에 투자하기 시작했다. 오늘날 우리에게 친숙한 대부분의 자율주행 기업은 이때 설립됐다.

2016년은 자율주행 산업에 있어 매우 중요한 해였습니다. 올해 Tesla가 공식적으로 전투에 참여했기 때문입니다.

라고 해도 과언이 아니다.2016년을 기점으로 자율주행 하반기 전체가 업계 추격자에서 선두주자로 거듭난 테슬라의 반격의 역사다.그래서 개인적으로 이 순간을 너무 과장하면 안 된다고 생각해요.

2016년 이전에는 거의 모든 자율주행 회사가 Google의 기술 솔루션을 선택했습니다.

1) 포지셔닝: 고정밀 지도를 통한 보조 포지셔닝;

2) 인식: LiDAR + 비전 카메라를 사용하여 차량에 대한 인식 정보를 제공합니다.

3) 규제 및 통제: 규칙 기반 알고리즘을 기반으로 한 의사결정 및 통제.

구글 솔루션의 기본 논리가 소위 '스택 아머(Stacked Armor)'라는 것을 찾는 것은 어렵지 않습니다."무엇이든 없는 것보다 낫고, 적은 것보다 많은 것이 낫습니다."

이 학파는 현재의 기술 수준에서는 단일 센서가 자율 주행에 필요한 모든 기능을 완료하거나 모든 코너 케이스를 처리할 수 없으므로 모든 센서를 사용하여 종합적으로 자율 주행 결정을 내리고 다양한 기능을 할당해야 한다고 믿습니다. 다양한 센서에 대한 기능은 LiDAR가 가장 높기 때문에 이 그룹의 솔루션이라고도 합니다."LiDAR 솔루션";본질적으로 이것은 하드웨어 기반의 기술 경로입니다.

예를 들어 머스크는 AI로 시작한 기술 기업으로서 소프트웨어를 더 중시한다. 예를 들어 머스크는 당시 라이더가 개당 8만 달러에 달할 정도로 너무 비싸다고 느껴 강력한 시각적 알고리즘과 전용 AI 개발에 더 집중했다. 칩은 카메라의 도움으로 주변 물체의 모델을 구축하고 계산을 위해 신경망에 데이터를 추가하려고 시도하며 천천히 발전합니다."순수한 시각적 솔루션"이는 소프트웨어 중심의 기술 경로입니다.

머스크 자신의 말처럼 "인간과 동물은 모두 레이더가 아니라 눈을 갖고 있다"고 하면서 운명의 톱니바퀴가 돌아가기 시작했다.

당시 두 가지 기술 경로에는 고유한 장점이 있었습니다. LiDAR는 하드웨어 비용이 높지만 본질적으로 정확하고 깊이 정보를 가지고 있었습니다(현재까지도 많은 엔지니어는 여전히 LiDAR에 대한 애착을 가지고 있습니다). 제한된 능력으로 인해 우리는 2차원 세계에서 물체의 한쪽 면에 대한 정보만 비교할 수 있습니다. 계산과 변환을 통해 얻은 정보는 항상 직접 얻은 정보만큼 정확하고 직관적이지 않습니다.

이로 인해 Tesla는 한 번에 수천 명으로 구성된 자체 라벨링 팀을 구성하게 되었고, 당시 많은 사람들이 머스크에게 하드웨어는 더 저렴하지만 전체 비용은 LiDAR만큼 좋지 않다고 의문을 제기했습니다.

실제로 여기서도 당시 자율주행 전체의 AI 수준이 거의 전무했다는 사실도 알 수 있다(일부 AI 알고리즘을 탑재한 라이더를 제외하면).'지능만큼 인공지능도 많다'는 것이 대표적이다.AI 개발이 여기서 멈춘다면 Tesla의 순수 비전 솔루션은 병목 현상에 직면할 가능성이 높습니다.

하지만 결국 Tesla를 구한 것은 Google이었습니다.

2019년에 Google은 유명한 Transformer 논문을 출판했습니다(이는 후속 대형 모델의 기초이기도 함).

Transformer는 주의 메커니즘을 기반으로 한 신경망 모델이지만 Tesla 엔지니어는 Transformer가 언어 정보를 처리할 수 있을 뿐만 아니라 이미지 정보를 처리하는 데에도 사용될 수 있다는 사실을 빠르게 발견했습니다.

즉, Transformer는 Tesla의 8개 카메라에서 수집한 정보를 동일한 위치 좌표계로 통합할 수 있습니다.이는 자동차에 "신의 관점"(즉, BEV, "조감도")을 부여하는 것과 같습니다.주변 환경의 3D 정보를 볼 수 있습니다.

(사진설명: BEV 기술은 테슬라에게 '신의 관점'을 선사한다)

테슬라는 2021년 AI 데이를 맞아 BEV를 출시해 대중화에 성공했다. 2022년 하반기부터 국내 업체들도 후속작을 발표하며 점차 BEV를 자동차에 탑재하기 시작했다.

(따라서 많은 기술이 Tesla의 독창적인 것은 아니지만 최첨단 탐사를 통해 고급 이론을 설계하고 이를 실제 적용하는 능력은 확실히 우주적 ​​수준입니다.)

동시에 Tesla는 너무 높은 비용 문제를 해결하기 위해 라벨링 프로세스를 최대한 자동화하기 위해 노력하기 시작했습니다.

그 원리는 제스처 게임과 약간 비슷합니다. 먼저 온보드 카메라가 물체(예: 나무)를 본 후 정보를 클라우드의 대형 모델에 업로드한 다음 대형 모델이 무엇을 "추측"합니다. 물체는? 추측된 결과가 8개의 센서 표현과 일치하면 트리에 자동으로 레이블이 지정됩니다.

이로써 테슬라는 인력의 한계를 없애고 차량이 지속적으로 뒷길 정보를 보낼 수 있는 한 자체 알고리즘을 무제한으로 훈련할 수 있다.

지금까지 테슬라의 성과는 충분히 놀랍지만 불과 1년 뒤 머스크는 AI 데이에 두 가지 큰 행보를 보였다. 첫 번째는 시공간 시퀀스 도입이었고, 두 번째는 점유 네트워크 도입이었다.

간단히 말해서,전자는 자동차가 시간을 기억하는 능력을 갖게 하는 반면, 후자는 "의사 라이더"와 유사한 효과를 얻습니다.자동차가 물체가 무엇인지 식별하지 않고도 공간 위치를 계산하고 장애물 회피가 필요한지 여부를 판단할 수 있게 하면 이전의 "대형 흰색 트럭과의 충돌" 문제가 해결됩니다.

지금까지 경로에 관계없이 효과 측면에서 시각적 솔루션은 기본적으로 레이더 솔루션과 동일한 효과를 달성했습니다.BEV+Transformer는 자율주행 인식 기술의 경로 융합을 성공적으로 달성해 오늘날의 시각 인식 알고리즘의 기본 프레임워크를 형성했습니다.

(사진설명: 네트워크를 점유하면 '유사 라이더'와 유사한 효과를 얻을 수 있다)

따라서 일반적인 추세로 보면,자율주행의 진화 경로는 실제로 매우 명확합니다. 모든 목적은 자동차가 인간처럼 행동하도록 만드는 것입니다.AI가 과거에 일어난 일을 바탕으로 미래에 무슨 일이 일어날지 예측하게 하세요.

이런 관점에서 볼 때, 지난 3년은 실제로 자율주행 기술이 가장 빠르게 발전한 해였고, AI는 점차 자율주행에 있어서 강력한 업그레이드와 반복 능력을 보여줬지만, 당시 대부분의 일반 사람들은 이에 대해 잘 모르고 생각했습니다. 자율주행에는 진전이 거의 없다는 것이다.

AI가 자율주행 산업에 혁명적인 영향을 미칠 것이라는 사실을 대중이 깨닫게 된 것은 2023년에 일어난 몇 가지 일입니다.

·Musk는 소셜 플랫폼에서 처음으로 "v12는 FSD가 엔드투엔드 AI일 때를 위해 예약되어 있습니다"라고 언급하여 엔드투엔드를 대중의 눈에 띄게 했습니다(Nvidia는 2016년에 이를 제안했지만 영향력이 거의 없었습니다). 수많은 사람들이 v12의 출시를 기대하기 시작했습니다.

·지난 10년 만에 처음으로 CVPR은 엔드투엔드 자율주행 실현에 기여한 공로를 높이 평가하여 중국 팀에 최고의 논문을 수여했습니다.

·머스크는 v12 베타 버전이 탑재된 모델 S를 타고 45분 동안 라이브 방송을 했는데, 전체 과정에서 딱 한 번만 개입해 효과가 매우 좋았다고 할 수 있습니다.

그러나 Tesla가 전시한 v12가 완전한 엔드 투 엔드 성능을 달성했다는 직접적인 증거는 현재 없다는 점을 분명히 해야 합니다. 그러나 디스플레이의 효과는 실로 놀랍고 지능 수준은 기본적으로 비슷합니다. 경험이 풍부한 인간 운전자의 것입니다.

실제로 자동운전 시스템을 전통적인 이해에 따라 인지, 계획, 제어로 나누어 보면,현재 주요 OEM이 자신의 역량을 과시하기 위해 주로 사용하는 것은 부분적인 AI+ 기본 규칙 제약이 있는 모듈식 엔드투엔드입니다.

각 모듈에는 인간이 정의한 인터페이스가 필요하므로 그 과정에서 일부 정보가 손실됩니다. 따라서 모듈이 많을수록 더 많은 정보가 손실됩니다. 향후 모든 모듈을 하나의 모델로 통합하는 방법은 주요 제조업체에서 파악해야 합니다. 모든 모듈을 하나의 모델로 통합하는 방법은 계속해서 노력해야 합니다.

그러나 우리가 수집한 정보에 의하면 현재의 기술과 공학의 발전 속도에 따라자율주행이 최종적으로 실현되기까지는 시간문제일 뿐입니다. 이를 위해서는 아직은 3~5년 정도의 축적이 필요하다는 상대적으로 보수적인 저의 예측입니다.

이때 차량은 실시간 수집된 도로 정보를 바탕으로 '블랙박스' 상태에서 주행 판단을 완료하고, 제동, 조향 등 제어 신호를 직접 출력할 수 있어 공상과학에 나오는 무인 운전의 궁극적인 형태를 이룰 수 있다. 영화 산업.

(사진설명: 자율주행의 5가지 개발 단계, 출처: Xianfeng Evergreen)

자율주행 반복으로 인한 벤처캐피털 기회

그 이유는 매우 복잡합니다. 제가 논의한 세 가지 핵심 요소는 다음과 같습니다.

첫째, 데이터가 상대적으로 풍부하다.

우리 모두 알고 있듯이 '여행'은 고주파수 수요이다. 국내 자율주행 산업은 2015년을 전후해 본격적으로 성장하기 시작했고, 이 기간 동안 OEM과 스마트 드라이빙 업체들이 수집한 데이터는 약 10년 전이다. 품질에 관계없이 적어도 전체적으로는 충분히 풍부하여 나중에 데이터 폐쇄 루프를 실현하기 위한 기본 조건을 생성합니다.

둘째, 함수 정의가 비교적 명확하고 명확합니다.

솔직히 말해서 이번 AI 물결의 개념은 매우 뜨겁지만 실제로 많은 제품의 개발 방향은 불분명합니다.

예를 들어 휴머노이드 로봇의 경우 전시회에서 시연할 수 있는 프로토타입만 만든 기업이 많다. 그러나 실제 산업 시나리오에서는 이러한 로봇이 어떤 문제를 어느 정도 해결할 수 있는지 업스트림 기술 측에서는 명확하지 않다. 그들은 그것을 달성할 수 있습니다.

다운스트림 공장은 AI를 이해하지 못하기 때문에 이러한 로봇이 어떤 기능을 수행할 수 있는지, 다른 기술과 결합할 수 있는지 알지 못하는 경우가 많습니다.

하지만 무인 운전에는 이런 문제가 없으며, AI가 이를 잘 수행할 수 있다면 차량은 전진, 후진, 회전 등 모든 주행 시나리오의 기본 동작만 감당할 수 있습니다. 요구 사항은 간단하고 명확합니다.

따라서 첨단 기술을 사용하기 쉬운 제품으로 전환하기 위해서는 명확한 기능 정의와 표준 구분도 필수 요소입니다.

셋째, 하드웨어 기반이 상대적으로 성숙했습니다.

레이저, 카메라, 밀리미터파 및 기타 센서 솔루션이든 신호 전송 및 처리를 제공하는 다양한 칩이든 10년 간의 완전한 "혁신"을 거쳐 기본적으로 높은 비용 성능 + 안정적인 공급 단계에 진입했습니다.

따라서 데이터, 하드웨어, 기술의 나선형 과정에서 자율주행은 가격과 경험의 균형점에 가장 먼저 도달했으며 곧 새로운 생산성을 형성했습니다.

따라서 이 논리를 한 단계 더 발전시키면 자율주행은 시작에 불과할 가능성이 높으며, 앞으로도 더 많은 트랙에서 비슷한 이야기가 반복될 수 있습니다.

물론 이 분야에는 일부 기업에만 의존하기보다는 (자율주행 분야의 디디, 바이두, 테슬라 같은 기업과 마찬가지로) 저렴한 비용으로 계속해서 많은 양의 데이터를 수집할 수 있는 기업이 있어야 한다는 전제가 있다. 흩어져 있는 작은 데이터는 특정 산업이 유사한 전환점을 경험했는지 판단하는 기초가 될 수 있습니다.

또 다른 관점에서 보면, 이러한 대형 모델의 물결이 커지면서 AI로 자동화할 수 있지만 아직 대기업이 채택하지 않은 많은 세분화된 분야(예: 저고도 경제)에 체계적인 투자 기회가 있을 수 있습니다. 및 산업 제조업), 수백억, 심지어는 수천억 달러 규모의 기술 상장 기업이 숨어 있어 투자자들의 관심을 끌 수도 있습니다.

자율주행에 또 무엇을 투자할 수 있나요?우리는 조금 의견이 갈렸을 뿐입니다. 이제 생각을 다시 가져와 자율주행 자체에 대해 이야기해 보겠습니다. 사실 역사를 통틀어 자율주행 기술이 거듭날 때마다 수많은 스타트업 기업이 성장할 수 있는 기회가 있었습니다.

예를 들어, 구글 시대의 주류 솔루션은 LiDAR + 카메라 + 고정밀 지도였지만, 오늘날 고정밀 지도는 승용차에서 사용 빈도가 점점 줄어들고 더 이상 언급조차 되지 않습니다. 2년 전) 문제).

당시에는 지도 수집 차량 한 대의 가격이 수백만 달러에 달했기 때문에 실시간 성능을 최대한 보장하려면 매일 같은 시간에 최소 수백 대의 차량이 운행되어야 했습니다. 전국지도의 실시간 수집과 업데이트를 만나보세요. 자동차 회사도, 지도 판매업체도 감당할 수 없는 일이었습니다.

그 결과 산업 기회는 마침내 LiDAR에 떨어졌습니다.

첫 번째는 Hesai와 같은 하드웨어 제조업체의 부상입니다.궁수자리그리고 LiDAR를 중심으로 알고리즘을 구축한 Wenyuan, Pony, Vimo와 같은 기업 그룹이 등장했고, 레이더 + 폐쇄 기반을 기반으로 하는 소규모 폐쇄 루프 L4 수준 자율 주행 애플리케이션을 시도하기 시작한 기업가 그룹이 뒤따랐습니다. 시나리오에서는 광산의 무인 차량, 항구의 무인 차량, 호텔 음식 배달 로봇 등이 등장했으며 전체 자율 주행 생태계가 서서히 꽃을 피우기 시작했습니다.

하지만 테슬라는 BEV+Transformer로 다시 한 번 업계를 뒤흔들며 레이더 없이도 3D 공간 판단이 가능하다는 사실을 입증했다. 이때 LiDAR는 올해의 고정밀 지도와 동일해지며 더 이상 필수 옵션이 아닙니다.

물론 오늘날 LiDAR 가격은 천 위안 수준으로 떨어졌고 앞으로도 계속 하락할 가능성이 높습니다. 따라서 단기적으로 일부 자동차 회사는 여전히 다중 센서 융합 솔루션을 채택할 것입니다.

그러나 비용 절감 논리에 따라 OEM이 "한 푼도 최대한 원한다"는 시점에서 LiDAR는 향후 순수 시각적 솔루션으로 점진적으로 대체될 것이며 전체 산업 생태학적 패턴도 이에 따라 필연적으로 변화할 것입니다.

예를 들어 기존의 밀리미터파 레이더는 평면 정보만 얻을 수 있으며 높이 정보를 감지할 수 있는 차세대 4D 밀리미터파 레이더의 방향은 다음과 같습니다. 레벨에는 칩 회사의 여러 칩이 포함됩니다. 캐스케이딩 및 SoC 솔루션은 산업 수요 수준에서 고정밀 및 저비용 솔루션을 위한 길을 열어 주며, OEM은 국내에서 생산되는 독립적인 제어 가능한 솔루션을 열망하고 있습니다. 제품의 안전성 및 중복성 요구 사항 등이 개선되었습니다.

간단히 말해서, 다양한 요구에 따라 이 범주에 새로운 플레이어가 등장할 가능성이 높습니다.

또 다른 예로, 카메라를 통해 수집되는 정보가 점점 더 많아지고, 품질이 점점 높아지면서 차세대 엔드사이드 칩을 포함해 컴퓨팅 파워가 큰 슈퍼컴퓨팅 센터와 엔드사이드 프로세싱 칩에 대한 수요가 높아지고 있다. 이는 단순히 컴퓨팅 성능을 쌓는 것이 아니라 서로 다른 알고리즘 아키텍처를 결합하여 두 가지를 더 잘 적용하는 것입니다. 이는 모두 하드웨어 측면에서 가져온 새로운 변화입니다.

부드러운 측면에서는 저비용 + 고품질 + 지속 가능한 데이터 수집/생산 방법에 중점을 둘 것입니다.

엔드투엔드 경로에서는 학습 기반 알고리즘이 데이터를 연료로 사용한다는 것이 사실입니다. 예를 들어 Tesla의 V12는 "10,000개의 H100을 사용하고 약 1,000만 개의 비디오 교육을 완료"한 것으로 밝혀졌습니다.

"이 비디오는 데이터를 수집할 수 있는 전 세계 200만 대의 실제 차량에서 매일 수집된 1,600억 프레임의 비디오에서 나온 것이며, 이상하고 유난히 혼잡한 교차로 데이터와 같은 비디오 중 1% 미만이 사용할 수 있습니다."

새로운 것을 시도하는 최초의 인물로서 머스크는 이미 업계에 충분한 답안지를 제출했기 때문에 다음 단계는 섀도우 모드나 시뮬레이션 엔진, 월드 모델 등을 통해 고품질의 데이터를 확보하는 것으로 보인다. 업계에서 합의를 위해 탐구해야 할 다음 이슈가 되었습니다.

하지만 더 이상 특정 링크에 있는 기업들만이 이를 결정할 수는 없다고 생각합니다. 기술적인 경로는 확실히 중요하지만 산업 포지셔닝과 비즈니스 모델은 현재 환경에서 중국 기업이 해야 할 사전 사고일 수 있습니다.

전체적으로 고급 지능형 운전의 구현이 점차 업그레이드됨에 따라 인식, 전달, 의사 결정, 실행 및 상호 작용에서 일부 새로운 산업 기회가 필연적으로 발생할 것입니다.

예를 들어, 저는 최근 자동차 업계의 몇몇 창업자들과 대화를 나눴고 그들이 각자의 주요 사업 외에도 일부 분야 간 응용 기술과 제품에도 관심을 기울이고 있다는 사실을 발견했습니다. 그들의 제품.

이는 업계 내 경쟁이 일정 수준에 도달하면규모 확장 + 공급망 개선만으로는 충분한 이윤을 얻기 어려울 때, 기업은 혁신의 마지막 단계에서 새로운 기술로 새로운 돌파구를 모색해야 하며 이를 돌파하기 위해서는 기술 개발에 의존해야 합니다.

지면의 제약으로 인해 AI 지능형 운전 시대의 창업 기회를 엿볼 수 있도록 기사 마지막 부분에 표를 간단히 정리했습니다. 이 글이 여러분에게 다른 관점을 가져다 줄 수 있기를 바랍니다.

(사진설명: 자율주행의 다양한 단계가 가져오는 산업 변화와 기회, 출처: Xianfeng Evergreen)

(이 기사의 저자 Xu Zhen은 Xianfeng의 영원한 투자자입니다. 그는 핵심 부품, 반도체, 재료 등을 포함한 신에너지 자동차 산업 체인에 중점을 두고 있으며 Xianfeng을 대신하여 Huashen Ruili에 투자한 적이 있습니다. 그는 절강대학교 주커전대학교와 워릭 경영대학원을 졸업했습니다.)