noticias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Edición de conducción inteligente Wei Brand Blue Mountain

En los últimos años, la etiqueta "conducción inteligente" se ha vinculado más estrechamente a las nuevas empresas de automóviles eléctricos. Muchas marcas nuevas, como Xpeng, Huawei e Ideal, han realizado esfuerzos en el campo de la conducción inteligente con el objetivo de tomar ventaja. el liderazgo en la nueva era energética. Ocupa la mente del usuario.

En comparación, la voz de las empresas automotrices tradicionales parece mucho menor, pero de hecho no se quedan quietas en esta era. Las empresas automotrices representadas por Great Wall también están acumulando esfuerzos en secreto para intentar ganar en la competencia de conducción inteligente. Yicheng.

Desde principios de este año, Wei Jianjun, presidente de Great Wall Motors, ha realizado pruebas en vivo sobre conducción inteligente en Baoding y Chongqing respectivamente. Como líder de la empresa, no solo asistió a la prueba en persona, sino que también involucró a muchos. colegas del departamento técnico para respaldar su última tecnología de conducción inteligente.

Hablando objetivamente, si nos remontamos a hace un año, la conducción inteligente de Great Wall Motor generalmente no tenía mucha presencia en la industria, y la mayoría de los productos de conducción asistida L2+ utilizados en los automóviles producidos en masa procedían de proveedores maduros.

Hasta abril de este año, Great Wall lanzó la arquitectura técnica de conducción inteligente integrada SEE. El objetivo principal es hacer frente a la conducción asistida L2+ desde escenarios de alta velocidad hasta escenarios urbanos. Bajo dicha arquitectura, está optimizado sobre la base de módulos de algoritmos segmentados tradicionales y utiliza un modelo grande integrado para resolver problemas de toma de decisiones en más escenarios, pero también contiene reglas artificiales.

Desde una perspectiva técnica, el modelo SEE actual de Great Wall Motors ya no es una toma de decisiones y planificación tradicional basada en reglas, sino un modelo integrado a gran escala con toma de decisiones de inteligencia artificial, por lo que muestra un cierto nivel de veterano. conductores en términos de capacidad para evitar obstáculos. En comparación con el estúpido método anterior de confiar en un equipo de miles de personas para parchear cada escenario, la eficiencia ha mejorado enormemente.

Entonces, después de la fuerte inversión de todo el grupo en I + D, ¿hasta qué punto ha evolucionado el nivel de conducción inteligente de Great Wall?

La siguiente es una transcripción de una conversación reciente entre el vicepresidente de inteligencia de Great Wall Motor, Wu Huixiao, el director senior del Centro de desarrollo de plataformas inteligentes, Jiang Haipeng, y el experto del Centro de desarrollo de plataformas inteligentes, Wu Guosuzhou, y otros, que fueron editadas brevemente por Titanium. Aplicación de medios.

P: ¿A qué nivel se comparan las actuales capacidades de conducción inteligente de Great Wall con las de otras marcas?

Jiang Haipeng: Primero, hablemos de nuestras propias ventajas. A partir de Urban NOA en la segunda mitad del año pasado, Huawei y Xpeng están muy agradecidos con estas dos empresas líderes. Resulta que predecimos que el NOA urbano se implementará en 2025, precisamente porque nuestros líderes nacionales lo están promoviendo muy profundamente. Al principio fue con imágenes, y luego gradualmente evolucionó hacia un modelo grande sin imágenes. su promoción y educación relativamente radicales de nuestros usuarios, y también empujó a Urban NOA a la escena más popular de la conducción inteligente.

Este año realizamos una prueba de manejo en profundidad de Tesla durante el CES. Después de regresar a China, hicimos algunas evaluaciones y pruebas de manejo en profundidad de todos los modelos con funciones de conducción inteligente. Creo que nuestro estado actual no es inferior al de cualquier otra empresa. Si tenemos que clasificar en términos de reputación, creo que estamos entre los tres primeros, por lo que no hay ningún elemento de alarde.

P: ¿Qué opina de la ruta actual de la tecnología de modelos grandes de extremo a extremo en la industria?

Jiang Haipeng: Ahora, casi todas las empresas de algoritmos u OEM hablan del modelo grande de extremo a extremo. Puedo decirles con responsabilidad que no hay más de tres empresas en el mundo que realmente estén trabajando de extremo a extremo basándose en el extremo a extremo. Arquitectura de extremo a extremo, e incluso en la arquitectura de extremo a extremo, muchas reglas y problemas de seguridad están integrados internamente. Porque el extremo a extremo en sí no significa que Tesla solo propuso este concepto el año pasado o este año. Cuando comenzamos a hacer conducción autónoma, todos sabíamos que debía haber modelado, las capacidades, los modelos, los chips y. El volumen de datos no fue suficiente.

Por lo tanto, primero se modela la percepción, luego se modela más el modelo y luego se empuja lentamente hacia el lado de la toma de decisiones. Cuando no había modelos, confiábamos en las reglas. Más tarde, descubrimos que una vez que entramos a la ciudad, si seguíamos las reglas, no había forma de satisfacer las necesidades de los escenarios urbanos. Si acumula el código sin límite, es posible que no pueda escribir bien las reglas de la ciudad si no hay 3000 o 5000 personas trabajando en un sistema de conducción autónoma. Incluso si hay un cambio después de escribirlo, le resultará difícil. resuélvelo. Entonces, hoy todo el mundo sabe muy claramente que debemos utilizar datos para impulsar la operación con el fin de reducir la cantidad de códigos de personal y reducir costos, de lo contrario no se establecerá.

P: Las empresas automotrices son relativamente optimistas en cuanto a la prevención de riesgos de un extremo a otro, pero aún existen algunas incertidumbres.

Jiang Haipeng:De extremo a extremo debe ser el futuro, pero no es el final. Hay algo más avanzado ahora. El fin de la conducción verdaderamente inteligente debe ser como un ser humano que pueda pensar y comprender la escena y realizar acciones de conducción inteligentes. en la comprensión de la escena.

Por poner un ejemplo sencillo, cuando vamos conduciendo, hay una bolsa de plástico negra delante de nosotros, si hay coches a ambos lados y no hay forma de rodearla, seguro que la atropellaremos porque sé que es así. un cuerpo blando y puedo aplastarlo. La primera es que no habrá accidentes y la segunda, no habrá daños a mi vehículo. Ahora es diferente. No hay forma de saber que hay un software frente a nosotros. Solo sabemos que es un obstáculo y debemos frenarlo o evitarlo.

En el futuro, la conducción autónoma debe ser una conducción autónoma con conocimiento de la escena, y también estamos planificando y desarrollando en esta área. Ahora hay algunos fundamentos, en primer lugar, desde la perspectiva del chip, como Thor de NVIDIA, incluso entendemos que algunas de las principales compañías de chips nacionales también han definido sus propios chips en este sentido, y deben admitir modelos de lenguaje grandes similares para ejecutar el chip. Desde la perspectiva del modelo, existe lo que llamamos un modelo de lenguaje, similar a la IA abierta, que nos ayuda a comprender un poco y luego a percibir y emitir un juicio integral. Este aspecto es el resultado final en el futuro.

De extremo a extremo es el conjunto actual de lógica técnica basada en la propia conducción autónoma, que se segmenta desde el modelado de percepción hasta el modelado de fusión y finalmente el modelado a escala. Debido a que la gente se está volviendo perezosa, desarrollar, especialmente códigos y algoritmos de software, es un trabajo que quema mucho el cerebro. ¿Qué deberían hacer si quieren facilitar su trabajo? Los estudiantes que se dedican a la IA están particularmente molestos con la codificación porque sienten que escribir. El código es demasiado. Es una pérdida de tiempo, por lo que están muy motivados. Quiero convertir el código en un modelo, una vez que se convierta en un modelo, la nube se adaptará por sí sola. El final es una etapa del desarrollo tecnológico, pero no es el fin de la conducción inteligente.

P: Great Wall SEE Architecture 2.0, ¿por qué conserva las características respectivas de modular de extremo a extremo y completo de extremo a extremo?

Estado de Wu Suzhou:Ambos son conceptos. El verdadero punto a punto completo no significa que no haya reglas para cubrir toda la situación, pero la ventaja del punto a punto completo es que sus datos pueden aprender las trayectorias y características de los humanos. conducir desde el principio hasta el final Con el estado técnico actual, nadie puede El método consiste en entrenar algo completamente de extremo a extremo, que se pueda abrir en todos los escenarios, y algo modular de extremo a extremo, que se pueda abrir en todos los escenarios. También tiene una interfaz perceptiva en el medio.

Por ejemplo, si hay líneas de carril y obstáculos similares, la mayor ventaja del modular de un extremo a otro es que el modelo es fácil de entrenar, pero no tiene las ventajas de un extremo a otro completo, por lo que estas dos partes están combinados. Para decirlo sin rodeos, si ejecuta dos modelos, los dos modelos son independientes y los requisitos de potencia informática se duplican. Finalmente, este es un punto difícil en la construcción del modelo. Habrá un mecanismo de arbitraje correspondiente. Determine qué escenarios creo que requiere una determinada exportación de modelo, para que estos escenarios se puedan combinar sin problemas.

P: ¿Sobre qué base se decide la estrategia específica de apertura de ciudades de Great Wall Intelligent Driving?

Jiang Haipeng: De hecho, la lógica de Kaicheng es muy simple. Hemos clasificado las 20 ciudades con mayores ventas en nuestras Montañas Azules. Las más vendidas son Chongqing, Chengdu, etc. Después de visitar estas cuatro ciudades, tenemos sus propias ventajas. categorías. Chongqing es una ciudad montañosa y las condiciones de las carreteras son realmente complejas. Chengdu es un típico escenario de congestión. Los carriles urbanos son muy estrechos y el flujo de tráfico es enorme. Shenzhen es un representante típico de las ciudades de alta tecnología, muy similar a Shanghai. Baoding es un representante de las ciudades de segundo y tercer nivel, por lo que cada ciudad representa un tipo de ciudad. Si generalizamos de unas pocas ciudades a otras ciudades, obtendremos el doble de resultado con la mitad de esfuerzo.

Sentimos mucha envidia del método de promoción de Wei Xiaoli, porque ya hay autos en el mundo que brindan funciones de usuario a través de OTA. En lugar de comenzar desde cero, ya hay 0.5, y agregar 0.5 lo convertirá en 1. Actualmente no tenemos coches en el mercado, por lo que sólo podremos disponer de esta función desde el inicio de las ventas. Son dos formas diferentes.

P: ¿Qué ajustes enfrentó Great Wall Motors durante la promoción del NOA urbano?

Wu Huixiao: La popularización a gran escala se producirá en 2025. El año pasado juzgamos que el nodo sería la primera mitad de 2024. Posteriormente, colaboramos con todo el vehículo, incluido el hecho de realizar algunos ajustes en la arquitectura del modelo durante el proceso de apertura. Luego, durante el proceso de implementación, también descubrimos que toda la industria enfrentará una etapa en la que los usuarios aceptarán la conducción conjunta hombre-máquina. Esta función estará disponible cuando se lance Blue Mountain Smart Driving Edition, y habrá algunas optimizaciones y ajustes en la interacción después de subirse a la OTA del automóvil.

P: ¿Cuál es el tamaño actual del equipo de I+D de conducción inteligente de Great Wall?

Wu Huixiao:Mi jefe me dijo antes que con más de mil personas a cargo, incluidos conductores y TST, el personal de conducción no es la dirección correcta para el futuro. Los métodos de desarrollo basados ​​​​en una comprensión más amplia de la escena del modelo en realidad serán cada vez menos populares en el futuro. Al depender de la transferencia de proyectos y de las tácticas de las olas humanas, el futuro debe utilizar un escalón de mayor calidad, mayor densidad y mayor talento, junto con nuestra infraestructura.

P: ¿Qué opinas del papel del lidar en la conducción inteligente?

Jiang Haipeng: Lidar resuelve solo el 1%. ¿Deberían las empresas de automóviles gastar miles de dólares por el 1%? Creemos que deberían gastarlo. Nuestra empresa no dice que no hay necesidad de reducir costos. La marca y el jefe han estado preguntando si pueden reducirlos. costes Seguimos insistiendo en no reducir algunos costes, y ese 1% está precisamente relacionado con la seguridad. Por lo tanto, no planeamos eliminar el lidar en el próximo año o dos, pero aún debemos garantizar la seguridad.

P: ¿Cuál es el orden en que se lanzarán los modelos de conducción inteligente de Great Wall Motors?

Wu Huixiao:Actualmente, Blue Mountain Smart Driving Edition está equipado con Coffee Pilot Ultra, además de max y pro. También debemos analizar las necesidades de algunos usuarios que sienten que les preocupa usarlo en esta situación y luego decidir. ya sea para promover el NOA de alta velocidad en su conjunto o el NOA de la ciudad.

P: ¿Cuándo podrán los consumidores pagar la conducción inteligente con dinero real?

Wu Huixiao: Mi punto de vista es que las empresas son la mayor caridad. Su automóvil debe poder funcionar positivamente para mantener el desarrollo sano positivo y sostenible de su empresa y su cadena industrial. No se puede comprar ni vender por la fuerza. El primer punto es hacer que el producto sea bueno primero. Una vez que lo haces bueno, resuelves muchos problemas para los usuarios y ellos piensan que vale la pena. También necesitamos trabajar mucho internamente, incluido el establecimiento de procesos, sistemas de TI y canales de pago. De hecho, toda la industria ha experimentado este proceso.

Ya sea que se trate de una conducción inteligente o de una cabina, la experiencia debe mejorarse sobre la base del circuito cerrado saludable del futuro modelo de negocio, y el camino debe allanarse primero desde la cadena organizativa y técnica. Cuando realmente se mejore la experiencia, los usuarios también lo harán. están dispuestos a pagar y realmente permiten que los usuarios disfruten de la comodidad de la tecnología y sientan que vale la pena gastar el dinero, por lo que, naturalmente, están dispuestos a pagar.

Este año, las empresas automotrices están muy ocupadas y la industria del software está perdiendo dinero. Creo que todo nuestro país, incluido yo personalmente, debe aprender qué valor pagar por la comida, la ropa y las casas. ¿Para la música?, pago de derechos de propiedad intelectual, toda la sociedad debe trabajar duro.

P: ¿Por qué el próximo año será el primero de la industria de la conducción inteligente?

Estado de Wu Suzhou:Puede verse desde cuatro aspectos.

La primera es la evolución de los algoritmos. Cuando conducíamos de forma inteligente hace muchos años, sentimos que lo primero que se debe hacer bien en la conducción inteligente es hacer un buen trabajo en la percepción. No hay forma de tocar cosas que no se pueden ver. . Posteriormente, el nivel de percepción mejoró y se dijo que aunque había percepción, no había cognición. Hoy hablamos de cognición como la comprensión de la escena por parte del sistema de conducción inteligente. Esto ha sido muy difícil en el pasado y hemos realizado innumerables exploraciones, pero los modelos de lenguaje y las tecnologías del lenguaje visual actuales nos brindan un punto de partida para la tecnología cognitiva en escenas macro. Si desea poner este modelo en un automóvil, no pretende copiarlo y usarlo directamente. Esto es imposible. Al menos desde un punto de vista técnico, este es el método. El gran modelo de conducción inteligente también puede resolver el problema de las muestras cero o raras.

El segundo es en términos de potencia informática. Hoy en día, todos los que trabajan en conducción autónoma de alta gama, excepto el Huawei nacional, que tiene sus propios chips y de hecho está muy por delante, el resto son chips NVIDIA. ellos en 2019 Completado, hubo un rebote en el medio. Por eso me he ido adaptando a la arquitectura del chip NVIDIA desde hace cuatro años. De hecho, el chip tendrá una iteración muy importante el próximo año, ya sea NVIDIA o chips informáticos domésticos de alta potencia, el algoritmo lo pisará.

El tercer aspecto son los datos. A lo largo de los años, todos, ya sean OEM tradicionales o nuevas fuerzas, han acumulado más o menos una cierta cantidad de datos de conducción inteligentes. Cuando la cantidad de datos se acumula hasta un cierto nivel, a su vez será. Se utiliza para entrenar modelos grandes. Surge la posibilidad de un cambio cuantitativo a un cambio cualitativo.

Finalmente, está el aspecto cognitivo. En el pasado, había dos grupos: los que creían en la conducción autónoma y los que no. Todos creían que la tecnología basada en datos era el futuro. La tecnología basada en datos tiene una ventaja, suponiendo que ahora. que se optimiza 10 veces al año, todos tienen confianza en este asunto y la cognición, esta cognición a su vez promoverá la inversión de todos en tecnología y, en segundo lugar, tendrá un impacto indirecto en cosas blandas como las leyes, las regulaciones y la ética. Este punto llegará pronto.

P: ¿Qué opinas de la entrada de Tesla FSD en China? ¿Cuáles son las ventajas de las tecnologías de conducción inteligente nacionales como Great Wall en comparación con Tesla?

Wu Huixiao: Tesla ha estado liderando el camino en la conducción asistida y también hemos visto su desempeño en Estados Unidos. Solo podemos decir que hay desafíos, aunque sea muy bueno, será difícil de lograr en el corto plazo. Hay una gran diferencia entre las carreteras de Estados Unidos y China. Hay muy poco tráfico mixto en los Estados Unidos. Cuando lo experimentamos en las calles de San Francisco, si hubiera gente, todavía causaría mucha interferencia. al conductor Una vez que ingresan una gran cantidad de datos, el modelo de desarrollo del modelo basado en big data de extremo a extremo definitivamente hará que la mejora sea más rápida.(Este artículo se publicó por primera vez en la aplicación Titanium Media, autor ｜ Li Yupeng, editor ｜ Zhang Min)