소식

우리 기자 yin limei와 zhang shuo가 허페이에서 보도했습니다.

"지능형 운전은 무어의 법칙을 따를 것입니다. 즉, 소프트웨어 경험은 기하급수적인 향상을 보여 2년 안에 10배, 4년 안에 100배, 6년 안에 1,000배 향상될 것입니다. 지능형 운전 하드웨어 비용도 감소할 것입니다. 2년마다 개발 추세의 절반으로 지도가 없는 도시에서 noa(도시 고급 지능형 운전) 스마트 운전을 구현하는 데 드는 비용은 2025년 말 또는 2026년 초까지 약 5,000위안이 될 것입니다.”

9월 29일 모멘타 ceo cao xudong은 글로벌 지능형 자동차 산업 컨퍼런스(giv2024)에서 무어의 스마트 운전 법칙을 기반으로 모멘타가 향후 5년 동안 도시 noa가 전기화 및 신기술 개발을 앞지르며 폭발적인 성장을 경험할 것이라고 예측했다고 밝혔습니다. 에너지.

현재 시중에 나와 있는 주류 모델의 지능형 주행 수준은 주로 l2 수준에 집중되어 있습니다. cao xudong은 컨퍼런스에서 회사가 창립 당시 설정한 궁극적인 목표는 대규모 l4 자율주행을 달성하는 것이었고, 대규모 l4 자율주행을 달성하기 위해 가장 중요한 점은 안전이라고 말했습니다. “대규모 l4 자율주행을 달성하려면 최소한 인간의 안전을 10배 이상 확보해야 한다고 생각합니다. 그리고 인간의 안전을 10배 달성하려면 가장 중요한 것은 대규모 실현 문제를 해결하는 것입니다. l4 자율주행으로 인해 수백만 건의 롱테일 문제가 발생했습니다.”

데이터 기반 기술은 대부분의 지능형 운전 문제를 해결할 수 있습니다.

sae(society of automated engineers)가 정한 표준에 따르면 자동차 자율주행 기술은 6단계(l0~l5)로 구분됩니다. l4는 차량이 대부분의 상황과 제한된 조건(예: 도심지)에서 자율주행이 가능함을 의미합니다. 환경 또는 고속도로) 운전자 개입 없이.

2016년에 설립된 자율주행 기술 기업인 momenta의 발전 방향은 ai를 활용해 확장 가능한 자율주행을 달성하는 것입니다. 대규모 l4 자율주행이란? cao xudong은 대규모 l4 자율주행이 하나의 도시나 여러 도시 지역에서 시범 운행을 수행하는 수백 대, 수천 대의 robotaix(자율주행 택시)를 의미하는 것이 아니라 수천만 대, 심지어 수억 대의 차량을 운행할 수 있다고 믿습니다. 중국 전역은 물론 전 세계적으로 대규모로.

cao xudong의 견해에 따르면, 대규모 l4 자율 주행을 실현하는 데 직면하는 수백만 개의 롱테일 문제를 해결하려면 두 가지 심오한 통찰이 필요합니다. 첫째, 대부분의 문제를 자동으로 해결할 수 있는 데이터 기반이어야 합니다. 규칙 기반 방법은 롱테일 문제를 처리할 수 없습니다. 둘째, l4에 대한 데이터 수집을 위해서는 양산 차량이 필요하며, l4 robotaxi 함대만으로는 수요를 충족할 수 없습니다.

"데이터 기반 운전을 달성하려면 최소 1000억km의 빅데이터가 필요합니다. 가정용 승용차의 연간 주행거리는 약 10,000km이며, 1000억km를 위해서는 1년 동안 천만 대의 차량을 운행해야 합니다. 이는 단지 대규모를 달성하기 위한 것입니다. scale l4 자율주행은 필요조건이 충분조건이 아니며, 충분조건에는 더 많은 데이터가 필요할 수 있다”고 말했다. cao xudong은 이러한 두 가지 통찰력 측면을 기반으로 데이터 기반의 “원 플라이휠” 기술 통찰력을 설정했다고 말했습니다. 두 발로 걷기'라는 제품 전략으로 창업 초기부터 접근해 왔습니다.

'두 발로 걷는다'는 것은 양산형 자율주행이 완전자율주행을 위한 데이터를 제공하고, 완전자율주행이 l4급 자율주행 기술을 양산자율주행에 피드백해 양산형 자율주행이 l4 아키텍처 하에서 지속 가능하게 한다는 뜻이다. . 시장을 선도하는 경쟁을 업그레이드하고 유지합니다.

cao xudong에 따르면, 데이터 중심의 "플라이휠"은 이제 5세대까지 반복되었으며, 1세대의 자동화율은 50%이며, 최신 세대인 5세대의 자동화율은 99%를 초과했습니다. 즉, 100가지 문제 중 99가지 새로운 문제는 사람의 개입 없이 데이터 기반 자동화를 통해 해결될 수 있습니다.

“lidar와 엔드투엔드 기술은 일관성이 없습니다”

올해부터 엔드투엔드 ai 대형 모델이 자동차 분야에서 화제가 되면서 스마트 드라이빙과 스마트 조종석 경험을 근본적으로 변화시키고 있습니다.

cao xudong은 회의에서 momenta 스마트 운전 모델이 이제 자율 주행의 롱테일 문제를 효과적으로 해결하고, 다양하고 복잡한 도로 환경에서 차량이나 보행자의 교통 의도에 대한 정확한 예측을 지원하고, 차량 속도를 자동으로 조정하고, 차선을 유연하게 변경할 수 있다고 밝혔습니다. , 침착하게 장애물을 피하십시오.

momenta 지능형 주행 모델은 복잡한 교차로나 동적 교차 시나리오를 침착하게 처리할 수 있어 운전 안전과 교통 효율성을 크게 향상시킬 수 있는 것으로 알려졌습니다. 극도로 좁은 주차 공간, 야간 도로 막다른 주차 공간 등 극한 상황에서도 정확한 주차가 가능합니다. 현재 이 기술 솔루션은 여러 자동차 브랜드에 대량 생산되어 제공되고 있습니다.

자동차 인텔리전스는 치열한 시장 경쟁에 직면한 일반적인 추세입니다. 주요 기업들은 첨단 지능형 운전을 핵심 경쟁력 제품 중 하나로 여겼습니다.

현재 고급 도시형 스마트 드라이빙은 주로 고급 모델에 탑재된다. cao xudong은 2025년 말부터 2026년경까지 고급 도시 스마트 운전 기능이 rmb 200,000 또는 심지어 rmb 150,000 이상의 가격이 책정되는 모델의 표준 장비가 될 것이라고 믿습니다. 표준 장비가 되는 원동력은 스마트 드라이빙 무어의 법칙입니다.

"스마트 드라이빙 하드웨어 원가 하락에는 한계가 있다. 하드웨어 원가는 4천~5천위안까지 한계에 달할 수도 있는 것으로 추산된다. 하지만 소프트웨어의 10배 성장이라는 무어의 법칙에는 상한선이 없다. 미래에는 무사고 자율주행이 반드시 달성될 것으로 보인다. 조서동은 신에너지 자동차 보급률을 50% 이상으로 높이는 데 5년이 걸릴 것으로 예상했다. 고급 지능형 운전의 속도는 더욱 빨라지고, 고급 지능형 운전의 보급률은 향후 5년 내에 70%~80%로 증가할 것입니다.

지능형 운전 분야에서 lidar와 엔드 투 엔드는 서로 다른 두 가지 기술 경로입니다. 현재 업계는 lidar 기술 측면에서 몇 가지 장애물에 직면해 있습니다. 예를 들어, lidar 하드웨어 비용이 상대적으로 높고, 생성되는 데이터 양이 많고, 시스템에 실시간 처리를 위한 강력한 컴퓨팅 성능이 필요합니다. 고정밀 센서에 의존하면 환경에 미치는 영향이 커집니다.

엔드투엔드 기술 경로는 딥 러닝과 신경망을 기반으로 하므로 시스템이 센서 입력(예: 카메라 이미지 데이터)에서 출력(예: 차량 제어 신호)까지 직접 전체 프로세스 자율 주행 결정을 내릴 수 있습니다. 중간 모듈에 대한 화학 처리.

엔드투엔드 기술은 저가형 센서(예: 카메라)에 의존합니다. 라이다 시스템에 비해 하드웨어 비용이 낮아 대규모 상용화가 더 쉽습니다. 동시에 지속적인 학습을 통해 엔드투엔드 시스템은 다양한 주행 시나리오에 적응하고 데이터 축적을 통해 지속적으로 성능을 최적화할 수 있습니다. 그러나 엔드투엔드 기술 시스템은 훈련을 위해 대량의 고품질 운전 데이터에 의존합니다.

cao xudong의 관점에서 lidar는 엔드투엔드 기술과 모순되지 않습니다. “우선 lidar는 매우 빠르게 확장되고 있으며 단가도 급격히 하락하고 있어 가격 경쟁력이 매우 높아졌습니다. 둘째, 현재 업계에서는 lidar가 다음과 같은 일부 롱테일 보안 시나리오에 유용하다는 것이 합의입니다. 보행자가 어두운 환경에서 갑자기 도로를 건너는 경우 lidar의 처리 효과가 더 좋아집니다. 또한 터널에 들어가고 나올 때 카메라가 과다 노출되기 쉽습니다. lidar가 없는 것보다 낫습니다. 더 안전해졌습니다.”

cao xudong은 업계 동향의 관점에서 lidar가 300,000위안 이상 또는 250,000위안 이상의 모델에서 표준 장비가 될 가능성이 높다고 판단했습니다. 20만 위안 또는 10만~20만 위안 범위의 모델 중에서 업계 기업은 tesla를 벤치마킹하고 lidar 대신 엔드투엔드 기술 경로를 선택할 수 있습니다.

(편집자: zhang shuo 검토: tong haihua 교정자: zhai jun)