notícias

este artigo é o 835º trabalho original do deep diving atom

depois de uma longa e tortuosa autopesquisa sobre direção inteligente, o caminho ideal para uma direção inteligente parece estar finalmente no caminho certo.

recentementecarro idealdeterminado internamente a estabelecer uma entidade-organização de “condução autônoma de ponta a ponta”, o número da equipe ultrapassa 200 pessoas, e outras equipes inteligentes da empresa são obrigadas a apoiar o projeto com flexibilidade. isto é suficiente para provar que esta reforma ideal foi cruel.

quanto à afirmação de que a solução ponta a ponta é “uma direção inteligente no caminho certo”, não é por causa dos gigantes da indústriateslaxian yong e outras empresas de veículos de nova energia estão desenvolvendo-o, mas esta é de fato a abordagem mais confiável entre todas as rotas técnicas atualmente.

e o mais importante,“de ponta a ponta” tornou-se a tecnologia que mais consegue romper o teto entre todas as rotas técnicas atuais.。

o "controle de regras" da antiga solução de direção inteligente suportada por código está quase chegando ao fim, apenas aumentará a quantidade de bugs pesados ​​que são facilmente gerados entre os códigos e também afetarão a memória e a eficiência operacional do carro. . além disso, todos estão agora reduzindo custos. os custos de lidar, mapas de alta precisão, sensores e câmeras são muito altos e a vantagem de custo ponta a ponta também é enorme.

afinal, a lógica subjacente é treinar a ia para dirigir, apenas alimentá-la com dados.

ambas são soluções ponta a ponta, mas os ideais também têm suas próprias diferenças.

na recente "li auto intelligent driving summer conference", a li auto demonstrou publicamente sua arquitetura de tecnologia de direção autônoma de ponta a ponta.consiste em três partes: modelo ponta a ponta, modelo de linguagem visual vlm e modelo mundial.. li xiang disse que, o mais tardar no início do próximo ano, a li auto lançará oficialmente uma solução de direção autônoma completa + vlm.

na verdade, ponta a ponta é apenas um conceito de modelo, geralmente chamado de "data push", mas os modelos de obtenção de dados são bem diferentes. por exemplo, tesla usa o modelo de transformador bev+.xiaopengo xngp usa um modelo composto por rede neural xnet + modelo de controle grande xplanner + modelo de linguagem grande xbrain.

mas “quanto menos modelos, mais preciso será o resultado”.

não é verdade? não é verdade que quanto mais modelos e dados houver, mais preciso será o resultado?

para explicar esse problema com clareza, é necessária muita terminologia profissional. a "saída explícita" entre os modelos levará à perda de algumas informações. para simplificar, é como um jogo de "paciência". a palavra, mais informações serão perdidas. no final, é mais provável que saia do assunto, e o mais correto é brincar com duas pessoas.

one-model é o caminho que todas as empresas de condução inteligente estão perseguindo. o objetivo ideal é alcançá-lo nos últimos dois anos, mas pode levar mais três a cinco anos para alcançá-lo totalmente e começar a dirigir.

nos últimos três a cinco anos, todos compararam a quantidade de dados.

como dissemos antes, a lógica subjacente de ponta a ponta é treinar a ia. como tornar a ia mais inteligente? então você só pode alimentar dados.

por outras palavras, nos últimos três a cinco anos, o que todos comparam são “recursos”, recursos de dados.

certa vez, musk deu uma descrição precisa do volume de treinamento do modelo ponta a ponta.

“treinar com 1 milhão de casos de vídeo mal chega, 2 milhões é um pouco melhor, 3 milhões vão fazer você se sentir uau, e quando chega a 10 milhões, torna-se inacreditável.”

uma solução de condução inteligente baseada em 10 milhões de videoclipes é uma meta ideal a ser alcançada até o final deste ano.

se quiser obter dados, você deve confiar nos dados de condução de seus próprios usuários e, em segundo lugar, no chip de treinamento.

musk enlouqueceu comprando chips nvidia h100ai em abril, aumentando o volume de compra original de 35 mil para 85 mil.

pensando bem, comecei recentemente a comprar chips nvidia a preços elevados.

além dos dados, o poder computacional também é um fator importante que afeta as capacidades de condução inteligente. atualmente, o poder computacional dos chips automotivos é considerado o teto do orin

em termos de poder computacional, a huawei ainda é o primeiro escalão na china, com um poder computacional de 3,5eflops, enquanto xiaopeng possui apenas 0,6eflops.nio1,4eflops ligeiramente melhor, idealmente alcançado 2,4eflops.

na frente de “li xiaowei”, os ideais aproximaram-se do nível dos líderes da indústria.

de várias perspectivas, a ideal está pronta para recrutar tropas e preparar comida e grama suficientes para esta “guerra de ponta a ponta”.

há ainda mais preparação para uma condução inteligente do que antes, porque, idealmente, é demasiado urgente acompanhar o modelo de ponta a ponta.

“noa com imagens” e “noa sem imagens” são ambos participantes tardios do jogo. noa sem imagens só foi lançado oficialmente para usuários do ad max em julho deste ano. neste momento crítico em que o tesla fsd está prestes a aterrar na china, se não desenvolvermos um modelo ponta a ponta, seremos mais uma vez deixados para trás pela indústria.

ao aumentar o investimento e formar uma equipa, pode-se dizer que a ênfase da li auto nos modelos ponta a ponta foi colocada ao mais alto nível na empresa, e o seu objetivo é colocar o seu percurso de condução inteligente no chamado " caminho certo."

a antiga solução de código tradicional que pode ser "controlada por regras" já foi o "caminho certo", e de ponta a ponta é apenas a solução "mais promissora" no momento.

ninguém sabe quais novas rotas tecnológicas surgirão a seguir.um investimento significativo em soluções ponta a ponta pode ser um desperdício de dinheiro, mas nenhuma empresa automóvel pode dar-se ao luxo de perder esta oportunidade.。

a ideal fez todos os preparativos, mas é apenas um deles, apenas seguindo a tendência. é cedo para falar no “caminho certo”.