xu zhijun huawei 순환 회장의 최근 연설: 모든 애플리케이션이 "큰" 모델을 추구해야 하는 것은 아닙니다.
2024-09-19
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
9월 19일, 화웨이 공식 웹사이트에는 2024년 화웨이 풀 커넥션 컨퍼런스에서 쉬즈쥔(xu zhijun) 화웨이 부회장이 연설한 내용이 게재됐다. 화웨이는 ai가 업계에 가장 큰 영향을 미치는 기술이 됐다고 말했다. 전략의 핵심은 인공지능 변혁의 기회를 포착하는 것입니다.
xu zhijun은 "우리가 제조할 수 있는 칩의 발전은 제한될 것입니다. 이는 컴퓨팅 성능 솔루션을 구축하는 데 있어 우리가 직면해야 하는 과제입니다."라고 말했습니다.
그의 견해로는 인공지능이 컴퓨팅 파워에 대한 지배적인 수요가 되고 있기 때문에 컴퓨팅 시스템은 구조적 변화를 겪고 있으며, 필요한 것은 단지 단일 프로세서의 컴퓨팅 파워가 아닌 시스템 컴퓨팅 파워이다. 이러한 구조적 변화는 아키텍처 혁신을 통해 컴퓨팅 산업의 독립적이고 지속 가능한 발전 경로를 만들 수 있는 기회를 제공합니다.
그러나 그는 또한 대형 모델의 기술적 혁신이 지능화 과정을 크게 가속화했다고 말했습니다. 한동안 거의 모든 계층에서 대형 모델, ai 컴퓨팅 성능 구축 및 대형 모델 교육에 대해 이야기해 왔습니다. 그러나 장기적인 개발 관점에서 모든 기업이 대규모 ai 컴퓨팅 파워를 구축할 필요는 없습니다.
“우리 모두는 ai 서버, 특히 ai 컴퓨팅 파워 클러스터가 일반 x86 서버와 다르며 전원 공급 장치, 냉각 등 데이터 센터 룸 환경에 대한 요구 사항이 매우 높다는 것을 알고 있습니다. 그리고 대형 모델이 점점 더 커질수록 ai 컴퓨팅 파워도 높아집니다. 규모도 커지고 변화의 속도도 빨라질 것”이라며 “ai 서버는 빠르게 업그레이드되고, 데이터센터 전산실은 돈을 낭비하거나 수요를 충족하지 못하는 딜레마에 직면하게 된다”고 말했다.
또한 xu zhijun은 모든 애플리케이션이 "큰" 모델을 추구해야 하는 것은 아니라고 믿습니다. 10억 매개변수 모델은 과학적 컴퓨팅, 예측적 의사결정과 같은 비즈니스 시나리오의 요구사항을 충족할 수 있는 반면, 수백억 매개변수 모델은 nlp, cv 및 다중 분석과 같은 수많은 특정 현장 시나리오의 요구사항을 충족할 수 있습니다. 지식 q&a, 코드 생성, 에이전트 보조자 등과 같은 양식 보안 테스트. nlp 및 다중 양식에 대한 복잡한 작업은 수천억 개의 매개변수 모델을 사용하여 완료할 수 있습니다.
다음은 연설 전문(요약 포함)이다.
xu zhijun, huawei 부회장 겸 순환 회장: 포괄적인 정보 시대를 수용
2024 huawei connected conference에 오신 것을 환영합니다. 모두 즐거운 상하이 여행이 되시기를 바랍니다. 2018 화웨이 풀 커넥티비티 컨퍼런스(huawei full connectivity conference)에서 저는 화웨이의 인공지능 개발 전략과 풀스택, 풀시나리오 ai 솔루션을 발표하고 ai를 범용 기술로 자리매김했습니다. 2021년 huawei full connectivity 컨퍼런스에서 저는 각계각층의 지능을 가능하게 하는 pangu 모델에 대해 이야기했습니다. 2018년부터 현재까지 ai의 발전은 날이 갈수록 변화하고 있으며, 전 세계 투자계와 업계, 정부로부터 큰 관심을 받고 있습니다. 화웨이는 2018년부터 ai 개발 전략을 꾸준히 발전시켜 왔으며, 지난해 화웨이 커넥티드 컨퍼런스에서는 회사의 포괄적인 인텔리전스 전략을 더욱 명확하게 밝혔습니다. 지능에 관해서는 모든 산업과 기업이 각자의 탐구를 갖고 있으며 많은 성과를 거두었다고 들었지만 여전히 혼란스러운 부분도 많다는 점을 깨달았습니다. 오늘 저는 이 기회를 통해 우리의 관찰, 생각, 전략 및 관행을 공유하고 싶습니다.
ai는 산업에 가장 큰 영향을 미치는 기술이 되었습니다.
먼저 ai의 상업적 진전을 살펴보자. 상용화 측면에서 볼 때, ai만큼 짧은 시간에 이렇게 큰 영향을 미친 기술 발전은 지금까지 없었습니다. mckinsey와 stanford university의 연구에 따르면 다양한 산업 분야의 ai 응용 프로그램은 현재 주로 제품 개발, 마케팅 및 비즈니스 운영의 세 가지 측면에 집중되어 있습니다. 둘째, 기업 경영진의 관점에서 보면 gartner의 설문 조사 결과에 따르면 ceo들은 ai에 대해 매우 긍정적인 견해를 가지고 있는 것으로 나타났습니다. 요약하자면, ai 기술의 지속적인 발전은 사회 각계각층에서 지능의 지속적인 심화를 촉진하고 있으며, 종합지능을 향해 나아가고 있는 것입니다.
종합 지능 시대의 초기 단계에 서서, 각 기업은 ai를 활용해 하루빨리 가치를 창출할 뿐만 아니라 미래의 지능 경쟁에서도 주도권을 잡기를 바라고 있습니다. 이는 우리가 늘 생각해 왔던 질문이기도 합니다. 저는 이번 기회를 통해 지능형 시대의 기업에 대한 우리의 비전, 즉 지능형 시대의 기업은 어떤 모습일 것이며 어떤 특징을 갖게 될 것인지를 공유하고 싶습니다.
우리는 지능형 시대의 기업이 "6가지 a" 특성을 보유해야 한다고 믿습니다. 처음 4개의 a는 지능의 효과를 나타내며 그 중 다음과 같습니다.
첫 번째 a는 기업이 미래에 고객에게 어떻게 서비스를 제공해야 하는지에 대한 답변입니다. 이는 지능형 기업이 사용자의 행동, 요구, 관심, 취향 및 환경 변화를 사전에 인식하고 이해할 수 있어야 함을 의미합니다. 사용자 요구를 가장 잘 충족시키는 서비스를 제공하기 위해 조정하고, 적시에 동시적으로 수많은 개인화되고 고유한 요구를 충족할 수 있는 제품은 단순히 맞춤화하는 것이 아니라 처음부터 특별히 설계해야 합니다. 예를 들어, ai 학습 머신은 학생의 연령, 학습 진행 상황, 이해 능력, 테스트 피드백에 따라 교수 내용과 난이도를 자동으로 조정하여 각 학생이 각기 다른 시기에 자신에게 맞는 학습 경험을 얻을 수 있도록 합니다. 적응형 경험에서 미리 결정된 경험을 고객에게 제공하는 것은 비약입니다. 모든 기업은 지능형 시대에 적응하는 고객 경험을 제공해야 합니다.
두 번째 a는 회사가 어떤 종류의 제품을 구축해야 하는지 답합니다. 우리는 이를 자동 진화 제품이라고 생각합니다. 이는 지능형 시대의 제품이 독립적으로 학습하고, 계속 반복하고, 변화에 적응하고, 자체 최적화하고 진화할 수 있는 능력을 갖게 된다는 것을 의미합니다. 자동차는 운전할수록 더 잘 운전할 것입니다. 제품 디지털화에서 제품 인텔리전스로의 전환은 경쟁을 크게 변화시키는 도약입니다. 모든 회사는 지능형 기능을 자체 제품에 통합하는 것에 대해 생각해야 합니다.
세 번째 a는 기업의 일상 운영의 미래, 즉 자율 운영에 대한 답변입니다. 이는 인식, 계획, 의사 결정에서 실행, 엔드 투 엔드 자율 폐쇄 루프에 이르기까지 비즈니스 흐름의 고도로 자율적인 운영을 달성해야 하는 필요성을 의미합니다. 예를 들어, 항구는 지능형 계획 플랫폼을 통해 자동으로 운영 계획을 생성하고, 자율주행 트럭을 통해 컨테이너의 수평 운송을 자동으로 완료합니다. 기업 운영의 자동화는 수년 동안 많은 기업에서 추구해 왔습니다. 운영의 자율성은 운영 효율성을 향상시키는 데 있어 도약입니다. 모든 기업은 ai를 사용하여 더 넓고 더 깊은 범위에서 기업 운영을 강화하고 변화시키는 것에 대해 생각해야 합니다.
네 번째 a는 직원 업무 경험과 업무 방식의 미래, 즉 증강된 인력(augmented workforce)에 대한 답입니다. 이는 모든 직원이 "나를 이해"하고 모든 작업을 효율적이고 고품질로 완료하는 지능형 비서를 보유해야 한다는 의미입니다. 예를 들어, 사업자 기지국의 현장 유지보수 담당자는 유지보수 보조 앱을 통해 결함 위치, 근본 원인, 처리 제안 등의 정보를 신속하게 얻을 수 있습니다. ai가 인류에게 이익이 되도록 하는 것은 ai의 존재 의미입니다. 직원에게 더 나은 업무 경험을 제공하는 것은 지능화 시대의 모든 기업 경쟁력의 핵심 기반입니다.
다음 두 개의 a는 지능의 기초를 나타냅니다. 다섯 번째 a, 즉 all-connected resources는 기업의 자산, 직원, 고객, 파트너, 생태계 등의 완전한 상호 연결의 실현과 모든 비즈니스 객체, 프로세스 및 규칙의 디지털화를 의미합니다. 정보의 양뿐만 아니라 정보의 질도 향상시켜 기업이 지능, 즉 심층적이고 포괄적인 디지털화에 필요한 데이터 및 정보 기반을 갖추도록 해야 합니다.
여섯 번째 a, 즉 ai 기반 인프라는 한편으로는 ict 인프라가 체계적으로 구축되어야 하며 지능형 애플리케이션의 요구에 적응할 수 있어야 한다는 것을 의미합니다. 유지보수 관리 및 경험 보장은 완전히 지능화되어야 합니다. 즉, intelligence for ict입니다.
이 6가지 a 특성은 우리 자신의 실천과 이해를 바탕으로 한 사전적인 생각을 요약한 것입니다. 모든 기업이 ai를 어떻게 잘 사용할 것인지 고민하고 참고하는 데 도움이 되기를 바랍니다. 지능시대.
인공지능 혁신의 기회를 완벽하게 포착하세요
화웨이는 2023년 hc 컨퍼런스에서 포괄적인 정보 전략을 제안했습니다. 포괄적인 지능형 전략은 광범위한 영역을 포괄합니다.
먼저 컴퓨팅 성능에 대해 이야기해 보겠습니다. 지능은 장기적인 프로세스가 될 것이며 컴퓨팅 성능은 과거와 미래 모두에서 지능의 핵심 기반입니다. 그러므로 지능의 지속가능성은 먼저 컴퓨팅 파워의 지속가능성이 되어야 한다. 컴퓨팅 파워는 반도체 기술에 달려 있지만, ai 칩 분야에 대한 미국의 대중 제재가 장기간 풀리지 않고, 중국의 반도체 제조 기술 역시 미국의 제재를 장기간 받아야 하는 현실을 직시해야 한다. 시간이 늦어지고 있어요.이는 우리가 만들 수 있는 칩의 발전에 한계가 있다는 것을 의미합니다. 이는 컴퓨팅 성능 솔루션을 구축할 때 직면해야 하는 과제입니다.
중국에 기반을 두고 실제로 사용 가능한 칩 제조 프로세스를 기반으로 한 컴퓨팅 파워만이 장기적으로 지속 가능하며 그렇지 않으면 지속 불가능할 것입니다. 화웨이는 도전뿐만 아니라 기회와 가능성도 보고 있으며 이는 혁신에 대한 우리의 열정을 더욱 자극합니다. 왜냐하면인공 지능은 컴퓨팅 성능에 대한 지배적인 수요가 되어 컴퓨팅 시스템의 구조적 변화를 촉발하고 있습니다. 필요한 것은 단일 프로세서의 컴퓨팅 성능이 아니라 시스템 컴퓨팅 성능입니다.. 이러한 구조적 변화는 아키텍처 혁신을 통해 컴퓨팅 산업의 독립적이고 지속 가능한 발전 경로를 만들 수 있는 기회를 제공합니다.
우리 전략의 핵심은 실제 사용 가능한 칩 제조 기술, 컴퓨팅, 스토리지 및 네트워크 기술의 공동 혁신을 기반으로 인공 지능 혁명의 기회를 완전히 포착하고 컴퓨팅 아키텍처를 만들고 "슈퍼 노드 + 클러스터"를 만드는 것입니다. 시스템 컴퓨팅 파워 솔루션, 장기적으로 컴퓨팅 파워 요구 사항을 지속적으로 충족합니다.
대형 모델의 기술적 혁신은 지능화 과정을 크게 가속화했습니다. 한동안 거의 모든 계층에서 대형 모델, ai 컴퓨팅 성능 구축 및 대형 모델 교육에 대해 이야기해 왔습니다. 이는 의심할 여지 없이 huawei와 같은 컴퓨팅 전력 공급업체에게 큰 이점입니다. 그러나 장기적인 개발 관점에서 우리는 huawei의 지속 가능한 발전은 고객의 지속적인 성공을 통해서만 달성될 수 있다고 항상 믿습니다.
첫째, 모든 기업이 대규모 ai 컴퓨팅 파워를 구축할 필요는 없습니다. ai 서버, 특히 ai 컴퓨팅 파워 클러스터는 일반 x86 서버와 다르며 전원 공급 장치, 냉각 등 데이터 센터 룸 환경에 대한 요구 사항이 매우 높다는 것을 모두 알고 있습니다. 그리고 변화의 속도도 빠르고, ai 서버도 빠르게 업그레이드되며, 데이터센터 전산실은 낭비냐, 아니면 수요 충족 실패냐의 딜레마에 직면하게 된다.
둘째, 업계는 이제 평균 1~2년마다 새로운 ai 하드웨어 제품을 출시하고 있으며, 퍼블릭 클라우드에 비해 기업은 소규모 컴퓨팅 성능으로 인해 빠르게 변화하는 대규모 모델에 직면해 있습니다. 작업을 독립적으로 완료하기 위해 컴퓨팅 성능 하드웨어에 의존하는 대신 여러 세대의 제품을 혼합하여 모델 교육에 사용할 수 있기를 희망하며 이는 리소스 예약의 복잡성을 높입니다. 기존 세대 제품의 "쇼트 보드" 효과는 새로운 세대의 제품 성능을 최대한 활용하는 것이 대형 모델 교육 능력에 영향을 미칩니다.
마지막으로, 운영 및 유지 관리에 따른 과제가 있습니다. ai 기술은 아직 성장 단계이고, 기술은 빠르게 변화하며, 여러 세대의 제품이 공존하고, 높은 기술 요구 사항으로 인해 운영 및 유지 관리가 어려워지고 있으며, 이는 많은 기업의 주요 문제입니다. 전통적인 it 유지 관리 기능만 갖고 있습니다. 이러한 과제는 한동안 계속될 것이기 때문에,그러므로 모든 기업은 단지 자체적으로 ai 컴퓨팅 파워를 구축하기보다는 ai 컴퓨팅 파워를 획득하는 자체적인 방법을 고민해야 한다고 믿습니다.
또한 모든 기업이 자체 기본 대규모 모델을 교육할 필요는 없습니다. 기본 대형 모델 학습의 핵심은 데이터인데, 충분한 고품질 데이터를 준비하는 것은 큰 과제입니다. 기본 대형 모델의 사전 학습 데이터 양이 10조 토큰 수준에 도달했습니다. 이는 비용이 많이 든다는 것을 의미합니다. 기업에게는 동시에 충분한 데이터를 얻을 수 있는지 여부도 과제입니다.
둘째, 모델 학습이 어렵습니다. 기본 대형 모델 매개변수의 수가 계속 증가하여 모델 반복 및 최적화가 어렵습니다. 모델 반복 학습을 완료하는 데 일반적으로 수개월에서 수년이 걸립니다. 모든 기업은 핵심 비즈니스에 집중해야 합니다. 기본 대형 모델을 자체적으로 교육하는 것은 핵심 비즈니스를 최대한 빠르게 강화하는 ai의 능력에 영향을 미칩니다.
마지막으로, 인재 확보가 어렵고, 기본적인 대규모 모델에 관련된 기술이 매일 업데이트되고, 실무 경험을 갖춘 기술 전문가가 부족하다는 점이다.
모든 애플리케이션이 "큰" 모델을 추구할 필요는 없습니다. huawei pangu의 업계 관행으로 볼 때, 10억 매개변수 모델은 강수량 예측, 약물 분자 최적화, 프로세스 매개변수 예측과 같은 예측 의사결정 및 과학적 컴퓨팅과 같은 비즈니스 시나리오의 요구 사항을 충족할 수 있습니다. pc 및 휴대폰에서는 10억 매개변수 모델이 과학 컴퓨팅 및 예측 의사결정과 같은 비즈니스 시나리오의 요구를 충족할 수 있으며 매개변수 모델도 널리 사용됩니다. 수백억 개의 매개변수 모델은 nlp, cv, 다중 양식(예: 지식 질문 및 답변, 코드 생성, 에이전트 보조자 및 보안 감지)과 같은 수많은 특정 현장 시나리오의 요구 사항을 충족할 수 있습니다. nlp 및 다중 양식에 대한 복잡한 작업은 수천억 개의 매개변수 모델을 사용하여 완료할 수 있습니다.
따라서 기업에 필요한 것은 다양한 비즈니스 시나리오 요구 사항에 따라 가장 적합한 모델을 선택하고, 여러 모델의 조합을 통해 문제를 해결하고 가치를 창출하는 것이라고 믿습니다.
터미널 ai는 컴퓨팅 파워에 집중되어서는 안 된다
스마트 시대에 단말기는 빼놓을 수 없는 부품입니다. 단말기 분야에서는 화웨이가 스마트폰에 ai를 최초로 도입한 바 있다. 화웨이는 2017년 초 ai 칩을 내장하고 ai 스마트 이미징, ai 번역 등의 기능을 휴대폰에 최초로 적용한 메이트10(mate10)을 출시했다. 시간, 모바일 ai 시대를 열어갑니다. 오늘날 ai가 대형 모델 시대로 진입함에 따라 디바이스, 코어 및 클라우드 협업 아키텍처를 기반으로 ai 기술을 hongmeng 운영 체제와 깊이 통합하고 커널부터 시스템 애플리케이션 구현까지 ai 중심의 hongmeng 네이티브 인텔리전스를 재구축했습니다. 포괄적인 인텔리전스를 통해 보다 개방적인 생태학적 협력과 보다 신뢰할 수 있는 개인 정보 보호 및 보안 보호를 달성합니다.
huawei는 hongmeng의 기본 지능을 기반으로 "xiaoyi"를 지능형 에이전트로 업그레이드하여 보다 자연스러운 다중 모드 상호 작용과 보다 포괄적인 통합 인식을 달성하고 hongmeng 생태 파트너와 협력하여 미래 제품을 위한 지능형 기능을 공동으로 구축하고 실현할 것입니다. ai에서 모델 기능, ai 제어 계층화로의 전환이 완전히 개방되어 타사 애플리케이션을 활성화하고 hongmeng 기본 애플리케이션 생태계를 번영시킵니다.
또한, ai 휴대폰, ai pc 구축 등 다양한 단말기에 ai 기능을 도입하는 것이 일반적인 트렌드가 되었다는 점에도 주목했습니다. 이에 따라 ai 시대 스마트 단말기를 어떻게 정의할 것인지 업계에서는 다양한 목소리가 나오고 있다. 우리는 항상 소비자 경험이 최우선이라고 믿습니다. 소비자는 칩 기술, 컴퓨팅 성능 tflops 및 모델 매개변수가 무엇을 의미하는지 이해하기 어렵지만 개인적인 경험에 더 많은 관심을 기울입니다. 따라서 우리는 단말 ai가 컴퓨팅 성능 중심이 아닌 경험 중심이어야 한다고 주장합니다.
이러한 개념을 바탕으로 우리와 칭화대학교 인공지능 산업 연구소는 ai 단말 지능에 대한 l1~l5 등급 기준을 공동으로 제안했으며, 업계 동료들이 함께 협력하여 이 등급 기준을 개선하고 최적화할 수 있기를 기대합니다. 단말 ai의 질서 있는 개발을 공동으로 추진합니다.
2030년쯤에는 무인운전 달성을 목표로 하고 있습니다.
자율주행 솔루션은 화웨이가 ai에 처음 투자한 중요한 영역이기도 하다. 자율주행의 목표는 ai 적용에 있어 가장 어려운 시나리오 중 하나인 무인운전이기 때문이다. 우리가 출시한 ads 3.0 버전은 자율 주행 결정을 더욱 정확하고, 교통을 보다 효율적으로 만들고, 보다 인간과 유사한 경험을 제공하며, 보다 안전한 운전을 가능하게 합니다. 또한, 주차공간부터 주차공간까지 '원클릭' 접근이 가능하며, 공공도로부터 공원도로, 지하주차장까지 풀씬 연결성을 구현한다. 그리고 전방향 충돌 방지 시스템은 더 많은 속도 범위를 커버하고 전방향 장애물 회피를 달성하기 위해 더욱 업그레이드되었습니다.
이러한 발전을 통해 소비자는 스마트 드라이빙이 가져다주는 안전성과 향상된 경험을 진정으로 느낄 수 있습니다. 오늘날 중국 소비자들은 자동차의 스마트 운전에 대해 매우 잘 알고 있습니다. 스마트 운전의 고급 버전을 탑재한 신차의 비율이 매우 높으며, 자동차의 스마트 운전 기능도 중국인의 주요 고려 사항이 되었습니다. 소비자가 새 차를 구입할 때 다음 단계에서는 융합된 인식을 기반으로 자율 주행 솔루션을 지속적으로 발전시켜 점차적으로 실현할 것입니다. 고속도로에서는 차에 타자마자 휴식을 취할 수 있고, 도시 및 교외 고속도로에서는 장거리에서도 평화롭게 잠을 잘 수 있습니다. , 어디서나 운전하기 쉽고 숙련된 운전자만큼 안전하고 안정적입니다. 시골과 산길에서: 산과 시골로 가서 하루 종일 전체 풍경을 즐기세요. 주차 현장에서는 안전 측면에서 차량에서 즉시 출발하고 긁힘이 없고 방해가 발생하지 않는 것이 필요하며 주로 충돌 및 충돌에 대한 일차적인 책임을 없애기 위해 전방위 및 전방향 능동 안전을 달성해야 합니다. 2차적인 책임을 줄입니다. 이러한 핵심 시나리오 목표 달성을 바탕으로 2030년쯤에는 자율주행이 실현될 것으로 기대된다.
통합 개발자 플랫폼 만들기
생태계 개발은 항상 화웨이 전략의 중요한 부분이었습니다. 2024년과 향후 5년 동안 화웨이는 생태계 개발을 통해 생태계 발전에 강력한 전략적 투자를 할 것입니다. 컴퓨팅 산업과 단말 산업의 발전, 그리고 세계 최초의 컴퓨팅 산업을 제공하는 동시에 세 번째 모바일 운영체제를 제공합니다.
ai의 적용은 끝이 없지만 최종 분석에서는 사람들에게 도움이 되어야 합니다. 우리는 ai가 사람들에게 봉사하고 사람들의 업무 효율성과 삶의 질을 향상시켜야 한다고 주장합니다. ai는 산업의 디지털화를 가능하게 하고 산업의 생산 방식을 변화시키며 다양한 분야의 핵심 엔진이 될 수 있습니다. 산업이 지능형 세계로 진입하려면 ai 기술의 문턱을 낮추고 모든 사람, 모든 가족, 모든 조직이 ai 기술을 획득하고 사용할 수 있는 기회를 균등하게 제공해야 합니다.
ai는 사회를 위한 광범위한 혜택 창출과 같은 선의의 목적으로 사용되어야 하며, ai 기술의 남용을 방지하기 위해 ai 기술이 사회에 미치는 장기적 및 잠재적 영향을 신중하게 평가할 것입니다. 또한 ai를 생태환경 보호와 지속가능한 발전에 적용해야 하며, un 지속가능발전목표 등 글로벌 관심사를 연구하고 해결하는 데도 ai를 적극적으로 활용해야 한다.
포괄적인 지능의 시대가 도래하여 모든 사람과 모든 기업에 새로운 기회와 새로운 도전을 가져왔습니다. 모든 사람이 자신만의 독점적인 스마트 비서를 갖고 모든 기업이 모든 차량을 활성화할 수 있도록 포괄적인 지능을 촉진하기 위해 함께 노력합시다. 자율적으로 운전하는 것.
(이 기사는 중국경제신문에서 발췌한 것입니다)
