noticias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Texto | Instituto de Investigación de Capital de Titanio

Recientemente, el servicio de transporte autónomo en línea "Carrot Run" de Baidu se ha convertido en un tema candente. Se espera que Tesla lance "Robotaxi" en agosto de 2024. Al mismo tiempo, se han introducido intensamente políticas nacionales para estimular el desarrollo de la autonomía. -Conducir automóviles A principios de 2024, cinco departamentos, incluido el Ministerio de Industria y Tecnología de la Información, emitieron conjuntamente un aviso piloto para la aplicación de "integración de vehículos, carreteras y nubes", que abarca las principales ciudades de primer y segundo nivel. La tecnología de conducción autónoma será un importante motor de crecimiento para la industria de vehículos de nueva energía. La arquitectura de extremo a extremo se ha convertido gradualmente en el tema principal de la competencia de este año en el campo de la conducción inteligente. Para competir por la vanguardia, las empresas automotrices han comenzado a aumentar sus esfuerzos en investigación y desarrollo.

¿Cuáles son las lógicas de inversión para las pistas de conducción inteligentes? ¿Cuáles son las tendencias de desarrollo de la tecnología de conducción autónoma de extremo a extremo? Recientemente, Titanium Capital invitó al Dr. Liu Yudong, director general ejecutivo de Chentao Capital, a compartir sobre temas relacionados. Durante mucho tiempo se ha centrado en la inversión en pistas de conducción inteligentes. Ha trabajado en Geely Automobile Research Institute y Didi Chuxing y dirigió el negocio inteligente. conducción de múltiples vehículos eléctricos inteligentes, desarrollo de producción en masa de sistemas e investigación prospectiva sobre algoritmos de percepción. Tiene una rica experiencia práctica en planificación técnica, definición de productos, gestión de equipos, cooperación ecológica y otros campos. El anfitrión de este intercambio es Wang Zeqing de Titanium Capital, que se centra en nuevas energías, nuevos materiales, inteligencia artificial, cadena industrial de robótica y campos de transporte.

Lógica de inversión de la pista de conducción inteligente de Chentao Capital

1. Centrarse en la conducción inteligente

Chentao Capital es una institución de inversión de capital privado que se centra en industrias emergentes, y la conducción inteligente es una de sus verticales de inversión clave. Hay tres razones principales para centrarse en la vía de la conducción inteligente: en primer lugar, la conducción inteligente, como campo que combina el transporte y la inteligencia artificial, tiene un enorme espacio de mercado, que se espera que supere el billón de niveles; en segundo lugar, la conducción inteligente es una cuestión a largo plazo; pista, y la tecnología y la estructura industrial aún no se han estabilizado, lo que brinda oportunidades de entrada continuas para las empresas de nueva creación; finalmente, los talentos y las tecnologías en la industria de la conducción inteligente son altamente maleables y el flujo de talentos técnicos centrales brinda oportunidades de inversión; industrias relacionadas como la inteligencia artificial y la robótica.

En los últimos siete u ocho años, Chentao Capital ha invertido en casi 20 empresas relacionadas con la conducción inteligente. La mayoría de las inversiones se produjeron en la etapa de ronda semilla y ronda ángel, y participó como un accionista importante. El campo de inversión se divide principalmente en tres sectores: el primero son las empresas de conducción autónoma que se centran en diferentes escenarios segmentados, como minería, puertos, distribución urbana, limpieza sanitaria, etc., el segundo es la cadena de suministro central relacionada con la conducción inteligente, incluida la conducción inteligente. control de cables Empresas de chasis y sensores y componentes ascendentes; el tercero son las empresas de servicios y software relacionados con la conducción autónoma que han atraído mucha atención en los últimos dos años, especialmente la inteligencia artificial generativa y los servicios de datos.

2. La industria ha iniciado la segunda ola del ciclo de crecimiento.

La conducción inteligente se considera una vía a largo plazo. Desde 2015, el mercado de conducción autónoma de China ha experimentado su primera ola de crecimiento. Aunque la atención ha disminuido en los últimos dos años, esta tendencia está en línea con la curva de desarrollo tecnológico de Gartner, lo que indica que todavía existe un enorme potencial de crecimiento y oportunidades de inversión en el futuro.

Actualmente, la industria de la conducción inteligente se encuentra en un período de ajuste después de la primera ola de inversión, enfrentando la comercialización y otros desafíos, pero las perspectivas a largo plazo siguen siendo optimistas. Tenemos una predicción clara de la tendencia de desarrollo de la tecnología y creemos que la industria ha comenzado la segunda ola del ciclo de crecimiento. Las señales de este ciclo incluyen el punto de inflexión en la comercialización de las empresas de conducción autónoma y la ola de cotizaciones de empresas relacionadas, lo que indica que la industria de la conducción inteligente ha entrado en una nueva etapa de inversión. Por ello, nuestro fondo empezó a invertir el año pasado y sigue buscando nuevas oportunidades.

Chentao Capital se centra actualmente en dos direcciones de inversión: primero, la comercialización de la conducción autónoma en diferentes escenarios, creyendo que la tecnología de conducción autónoma transformará el transporte y generará valor práctico, en segundo lugar, avances tecnológicos y aplicaciones de vanguardia en el campo de la conducción autónoma; La tecnología de conducción autónoma de extremo a extremo será el factor principal en la transformación de la industria de la conducción autónoma en los próximos dos a cinco años. Mantener un alto grado de sensibilidad y atención a modelos grandes, radares de ondas milimétricas 4D, tecnología lidar y diversas tecnologías de chips en el campo de la conducción autónoma. El siguiente intercambio proporcionará explicaciones específicas sobre diferentes escenarios y tecnologías de extremo a extremo de conducción autónoma.

3. Lógica de inversión para diferentes escenarios de conducción autónoma

Utilizamos un método de clasificación de cuatro cuadrantes para diferenciar escenarios de aplicación de conducción autónoma en función de la velocidad (baja velocidad, alta velocidad) y la carga (transporte de mercancías, personas). En términos de dificultad técnica, la conducción autónoma a alta velocidad es más difícil que la de baja velocidad, transportar personas es más difícil que transportar objetos y los escenarios abiertos son más difíciles que los escenarios específicos. Por lo tanto, Chentao Capital centró inicialmente su inversión en el campo de la conducción no tripulada para carga de carga a baja velocidad, involucrando segmentos de mercado como transporte minero, distribución logística de terminales, limpieza no tripulada y escenarios portuarios.

4. Avance de la comercialización de la conducción autónoma en diferentes escenarios

Lo dividimos en To G, TO B (mercado empresarial) y TO C (mercado de consumo). En el campo de TO G, el saneamiento y la seguridad son los principales escenarios de aplicación. El saneamiento ambiental ha logrado una implementación inicial a gran escala y en algunas ciudades se utilizan robots de inspección de seguridad.

En el lado de TO B, la comercialización de conducción no tripulada en minas y puertos es la que avanza más rápidamente. Se ha formado un modelo de negocio claro y ha comenzado su replicación a gran escala.

Además, la escena del reparto urbano ha experimentado un crecimiento explosivo este año, con empresas líderes anunciando que ampliarán sus flotas a decenas de miles de unidades, logrando un aumento de escala de más de diez veces. El rápido crecimiento de la distribución urbana se debe a la búsqueda de escenarios de aplicación adecuados en el enlace de distribución, como la cooperación con empresas de logística urgente, distribución de supermercados de alimentos frescos, etc. Para la logística troncal del lado B, al ser un escenario abierto y técnicamente difícil, aún se encuentra en la etapa de operación de prueba a pequeña escala.

En el lado C, las aplicaciones sin conductor son principalmente Robotaxi (taxis no tripulados) y Robobus (autobuses no tripulados).

5. Taxi sin conductor: resumen del progreso de Carrot Run

El proyecto Carrot Run de Baidu es una señal positiva de su efecto disruptivo en toda la industria de la conducción autónoma.

Hay tres etapas de desarrollo de escenarios de conducción autónoma: autónoma, a gran escala y de comercialización. En la etapa no tripulada, Baidu ya ha demostrado sus capacidades de conducción no tripulada. Baidu realizó el RoboTaxi (taxi no tripulado) no tripulado en 2022, realizó pruebas de vehículos no tripulados en Wuhan y otros lugares y apoyó la operación de taxis sin conductor a través del centro de conducción de control remoto. En términos de escala, Baidu anunció el plan de lanzamiento de RoboTaxi. Se espera que lance alrededor de 1.000 vehículos para fin de año. Ya ha lanzado algunos vehículos en Wuhan, lo que muestra signos preliminares de escala. La etapa de comercialización se centra en la rentabilidad. Liu Yudong cree que el tiempo de rentabilidad de Robo Taxi aún no está claro y depende principalmente del índice de seguridad de la conducción por control remoto y del poder de fijación de precios futuro de la empresa. Actualmente, Robo Taxi ofrece servicios de precios ultrabajos en forma de subsidios. Si puede mantener la escala de pedidos y al mismo tiempo aumentar las tarifas de los viajes en el futuro es una cuestión a la que la industria debe prestar atención.

La industria de la conducción autónoma está experimentando intentos activos de comercialización. Aunque enfrenta desafíos, el progreso tecnológico y la innovación del modelo de negocios brindan un amplio espacio para el desarrollo futuro de la industria. Las prácticas de empresas como Baidu no sólo promueven el desarrollo de tecnología, sino que también aportan una valiosa experiencia para la exploración de comercialización de toda la industria.

El proyecto Carrot Run ha tenido un impacto significativo a tres niveles: tecnología, industria e industria. Nivel técnico: Luobo Kuaipao demuestra una solución de sistema que combina algoritmos del lado del automóvil y conducción por control remoto, proporcionando una solución escalable. Este modo brinda a los consumidores una experiencia verdaderamente sin conductor a través de la conducción por control remoto cuando la tecnología del vehículo aún no es perfecta. En el futuro, más fabricantes de automóviles de pasajeros y otras empresas de conducción autónoma podrán hacer referencia a este plan para promover la aplicación generalizada de taxis sin conductor.

Nivel industrial: la aplicación a escala relativamente grande de Luobo Kuaipao proporciona una demostración de la división industrial del trabajo para la industria. Involucra a operadores downstream y empresas de repuestos upstream, lo que aporta beneficios incrementales a estas partes relevantes. A medida que sus operaciones maduren, Baidu puede perfeccionar aún más sus operaciones y planes de tenencia de activos y promover la división industrial del trabajo, lo que es beneficioso para el desarrollo de toda la industria.

Nivel industrial: el efecto innovador de Carrot Run ha reavivado el interés del público en la industria de la conducción autónoma. Este evento es el "momento ChatGPT" en la industria de la conducción autónoma, lo que significa que no es solo un avance tecnológico, sino más importante. , atrae la atención del público. A medida que más personas presten atención, la industria de la conducción autónoma atraerá más recursos, incluidos talentos y fondos.

Tendencias de desarrollo de tecnología de conducción autónoma de extremo a extremo

El desarrollo de tecnología de extremo a extremo no solo promueve una investigación en profundidad en el mundo académico y la industria, sino que también brinda nuevas oportunidades de inversión y direcciones de investigación a la industria de la conducción autónoma. Aunque la tecnología de extremo a extremo aún se encuentra en la etapa de exploración, sus perspectivas de aplicación en el campo de la futura conducción autónoma son amplias y merecen una estrecha atención por parte de la industria y los inversores.

1. La conducción autónoma de extremo a extremo abre una nueva ronda de revolución industrial

La tecnología de extremo a extremo ha recibido una amplia atención por parte de la academia y la industria durante el año pasado, especialmente después de que los resultados de la investigación del Laboratorio de Inteligencia Artificial de Shanghai ganaran el premio CVPR2023 Best Paper Award, esta tecnología se ha convertido una vez más en el foco de la comunidad académica. El proceso de exploración del concepto de extremo a extremo de 2016 a 2018, la postura activa de Tesla en este campo y la transmisión en vivo de Elon Musk en agosto de 2023 demostraron que FSD v12 basado en la arquitectura de extremo a extremo comienza oficialmente a promover el concepto de extremo a extremo. mercado de extremo a extremo. En los últimos seis meses, las principales empresas de conducción inteligente de China han lanzado sucesivamente planes de conducción autónoma de extremo a extremo. En mayo de 2024, Wayve, una nueva empresa centrada en el desarrollo de sistemas de conducción autónomos de extremo a extremo, recibió mil millones de dólares en financiación. Fue la primera transacción con un monto de financiación de más de mil millones de dólares desde la creación de vehículos autónomos. La industria impulsora entró en una depresión en 2022, lo que demuestra que el mercado de capitales es optimista sobre este desarrollo.

2. Evolución de la arquitectura de conducción autónoma

De extremo a extremo es una tecnología que cubre todo el proceso desde la entrada de sensores hasta la planificación de trayectorias o la salida de señales de control, completamente implementada mediante IA o redes neuronales.

El desarrollo de la tecnología de un extremo a otro se divide en varias etapas: la primera es la percepción de un extremo a otro, en la que el módulo de percepción se ha implementado mediante aprendizaje profundo, pero la planificación de decisiones todavía se basa en la definición de reglas; modularización de la planificación de decisiones, que intenta reemplazar la definición de reglas con la planificación de la toma de decisiones de la red de IA; luego, modular de un extremo a otro, en el que las características de la expresión de la imagen se transfieren entre módulos y se pueden entrenar y optimizar conjuntamente y, finalmente, el final; Solución integral de una única red neuronal, basada en IA generativa y tecnología de modelos grandes. Aunque la madurez es baja, el potencial es enorme.

De extremo a extremo no es el mismo concepto que modelo grande y modelo mundial. Aunque la solución de extremo a extremo puede aprovechar las capacidades de modelos grandes o modelos grandes multimodales, el sistema de extremo a extremo lanzado recientemente por. Li Auto utiliza modelos grandes multimodales. Actualmente, el modelo mundial se utiliza principalmente como medio técnico para datos de entrenamiento y puede convertirse en una tecnología clave para la conducción autónoma en el futuro.

La tecnología de extremo a extremo es compatible con todo tipo de sensores, no solo con sistemas de visión puros. Aunque Tesla es líder en sistemas de visión pura, la solución de extremo a extremo también puede integrar diferentes entradas, como lidar y radar de ondas milimétricas. Los datos de la cámara son el tipo de datos más fácil de obtener y acumular en el campo de la conducción autónoma, por lo que a menudo se utilizan en sistemas de visión pura.

3. Historia del desarrollo de la tecnología de extremo a extremo.

Entre 2016 y 2018, algunas empresas como Nvidia y Waymo realizaron exploraciones tempranas, pero estos resultados no lograron una producción en masa. La razón principal es que la arquitectura de la red en ese momento era relativamente simple, basada en CNN, y los métodos de aprendizaje como el aprendizaje por imitación y el aprendizaje por refuerzo también eran relativamente básicos y carecían de soporte de estructura de red avanzada.

La segunda etapa de desarrollo implica la aplicación de arquitecturas técnicas subyacentes, como grandes modelos de lenguaje, en este campo. La aplicación generalizada de arquitecturas de tecnología de red, como los transformadores, así como el aumento de la complejidad y confiabilidad de los modelos de conducción autónoma, son cambios fundamentales en esta etapa. Al mismo tiempo, la IA generativa y los grandes modelos de lenguaje han demostrado que el paradigma API general puede conducir a la AGI en el mundo físico, atrayendo a más investigadores y profesionales a invertir en esta dirección.

4. Tres fuerzas impulsoras detrás de la tecnología de extremo a extremo que llamaron la atención el año pasado

La primera es que los indicadores de rendimiento del sistema Tesla V12 se han duplicado. La segunda es el valor del producto de la tecnología de extremo a extremo, incluido el aspecto antropomórfico de resolver más escenarios de cola larga y mejorar la experiencia del usuario. es el modelo de lenguaje grande impulsado por la tecnología, así como las características basadas en datos y las leyes de escala de los sistemas de un extremo a otro.

El impacto de la tecnología de extremo a extremo en la estructura organizativa de las empresas de automóviles y de conducción autónoma es que simplificará la estructura organizativa y mejorará la eficiencia de las iteraciones de desarrollo. En la actualidad, muchos fabricantes de equipos originales líderes en la industria han anunciado oficialmente planes de producción en masa para soluciones de extremo a extremo, aunque es posible que el verdadero sistema de extremo a extremo no se produzca en masa hasta el próximo año.

Las empresas de algoritmos y sistemas de conducción autónoma, como SenseTime, Pony.ai, Horizon, etc., han comenzado a invertir en I+D de extremo a extremo y esperan tener proyectos OEM en marcha en los próximos seis meses a un año. Al mismo tiempo, las empresas de cadena de herramientas e inteligencia artificial generativa, como Light Wheel Intelligence y Jiji Technology, también han realizado inversiones preliminares y exploración en el campo de un extremo a otro.

5. La tecnología de extremo a extremo desencadenará un mayor desarrollo de tecnologías ascendentes en la cadena industrial

La tecnología de extremo a extremo desencadenará un mayor desarrollo de tecnologías ascendentes en la cadena industrial y provocará cambios en la ecología de la industria.En primer lugar, a medida que aumente la complejidad de los modelos de IA, el ecosistema de código abierto desempeñará un papel cada vez más importante. La comunidad de código abierto tiene ventajas en la recopilación de talentos, la colaboración a gran escala y el desarrollo de modelos complejos, lo que se ha confirmado durante el desarrollo de BEV en los últimos tres años. Al comparar los resultados de los proyectos de código abierto y los proyectos de borde de 2021 a 2024, se demuestra que el ecosistema de código abierto y los proyectos de borde van de la mano en la promoción del desarrollo del campo.

En segundo lugar, la tecnología de extremo a extremo plantea desafíos a las metodologías tradicionales de simulación y verificación de pruebas. Debido a la necesidad de controlar el automóvil de un extremo a otro, las pruebas de circuito abierto de los métodos de simulación tradicionales ya no son aplicables y existen problemas con la fidelidad de los simuladores existentes. Por lo tanto, será necesario desarrollar un nuevo conjunto de cadenas de herramientas de simulación de circuito cerrado, lo que puede requerir combinar capacidades en las áreas de IA generativa y datos sintéticos, un área que brindará oportunidades para nuevas empresas.

En tercer lugar, la tecnología de extremo a extremo promoverá la innovación en la arquitectura de chips.Los modelos de IA de extremo a extremo con parámetros más grandes y nuevos operadores de redes neuronales plantean nuevos desafíos para las empresas de chips, ya que requieren una arquitectura de chip más flexible para adaptarse a la rápida evolución de los algoritmos de IA de conducción autónoma.

Desde la perspectiva de las tendencias de desarrollo de la industria, la tecnología de extremo a extremo acelerará la tasa de penetración general de la conducción autónoma. Se espera que la llegada de la tecnología de extremo a extremo haga que funciones como la NOA de alta velocidad y la NOA urbana sean más populares en los próximos dos o tres años para brindar servicios a los consumidores comunes.

Debido a la fuerte capacidad de generalización de la tecnología de extremo a extremo, es posible que en el futuro aparezcan más aplicaciones de conducción autónoma en regiones geográficas o países. Actualmente, las empresas de conducción autónoma que ingresan a nuevos países deben pasar por una gran cantidad de depuración adaptativa, pero se espera que la tecnología de extremo a extremo reduzca este proceso, mejore la capacidad de aplicación en todos los escenarios e incluso pueda provocar la evolución de diferentes escenarios. para vehículos comerciales y turismos.

6. La relación entre la conducción autónoma de un extremo a otro y los robots en general

Históricamente, los dos campos han aprendido uno del otro y han crecido juntos. Muchas tecnologías en el campo de la conducción autónoma se originaron en la industria de la robótica, incluidos sensores, algoritmos de percepción y posicionamiento, SLAM (localización simultánea y construcción de mapas), algoritmos de planificación, sistemas operativos y middleware, etc.

En los últimos cinco años, aunque el desarrollo de la industria de la robótica ha sido más lento que el de la industria de la conducción autónoma, la industria de la conducción autónoma ha experimentado una industrialización acelerada y la reducción del costo de los componentes de hardware y sensores en realidad ha repercutido en el industria de la robótica. El año pasado, el método de inteligencia artificial basado en datos representado por la conducción autónoma de extremo a extremo está pasando gradualmente a la producción en masa y se espera que en el futuro se reincorpore al campo de los robots generales, que también requieren inteligencia general.

De cara al futuro, la conducción autónoma y la robótica son las dos áreas más importantes para hacer realidad la IA en el mundo físico. Muchos investigadores dividen la inteligencia general en dos partes: conducción autónoma y robótica. Desde la perspectiva de realizar AGI en el mundo físico, la industria de la conducción autónoma tiene actualmente ventajas más obvias porque la complejidad de sus tareas es relativamente baja y se ha establecido un vínculo completo para la adquisición de datos y algoritmos iterativos, lo que proporciona a la industria de la robótica modelos para aprender. de.

El desarrollo de la conducción autónoma de extremo a extremo no solo promueve el progreso de la tecnología de conducción autónoma, sino que también brinda nuevas oportunidades y referencias técnicas a la industria de la robótica. Los dos continuarán promoviéndose mutuamente en el desarrollo de la tecnología de inteligencia artificial y promoviendo conjuntamente. la realización de la IA en el mundo físico.

Preguntas y respuestas

P1: ¿Cuál es la tendencia de desarrollo futuro del radar lidar y de ondas milimétricas como sensores de entrada?

R: Los costos del lidar y del radar de ondas milimétricas disminuyen constantemente, de acuerdo con la Ley de Moore. Los costos del lidar y el radar de ondas milimétricas 4D que se envían actualmente son de aproximadamente 2.000 a 3.000 yuanes y 600 yuanes respectivamente, con una brecha significativa. Se espera que dentro de dos años, el costo del lidar se pueda reducir a aproximadamente 1.000 yuanes, y el del radar de ondas milimétricas se pueda reducir a más de 300 yuanes. El radar de ondas milimétricas es muy complementario a los sistemas ópticos como el lidar y las cámaras. Los sistemas ópticos pueden fallar en condiciones climáticas adversas como lluvia, niebla, nieve y polvo, mientras que el radar de ondas milimétricas es más confiable en estos entornos. A largo plazo, aprovechar diferentes sensores será clave, especialmente en los niveles L3 y L4 de conducción autónoma. Para el nivel L2, las soluciones de bajo costo pueden preferir una combinación de visión y radar de ondas milimétricas.

P2: En diferentes escenarios de subdivisión en el campo TOB, ¿cuál es el nivel actual de margen de beneficio bruto de las empresas de conducción autónoma y qué nivel puede alcanzar potencialmente?

R: Según el marco del modelo de negocio de la empresa TO B, se puede dividir en dos modelos diferentes: vender productos y realizar operaciones. Desde la etapa inicial del desarrollo de la industria, las operaciones pueden probar mejor las capacidades de la empresa y demostrar su fortaleza, porque las operaciones deben ser responsables de todo el proceso. En términos relativos, el margen de beneficio bruto de la venta de productos no tiene mucho valor de discusión, porque el precio no refleja el valor de toda la cadena industrial. Las empresas operativas se encuentran actualmente en la etapa de pasar de un margen de beneficio bruto negativo a uno positivo, con un margen de beneficio bruto objetivo del 30% o incluso del 40%, y algunos escenarios todavía operan en modo de beneficio bruto negativo.

P3: Desde la perspectiva de las instituciones de inversión, muchas personas sienten que el tiempo de la conducción autónoma ha pasado. Desde la perspectiva de la industria, ¿hay alguna subdivisión que valga la pena considerar?

R: Mirando retrospectivamente el desarrollo de la industria de Internet, en la etapa de madurez de cualquier industria aparecerán nuevas oportunidades y una división del trabajo más detallada. La actual industria de la conducción autónoma se encuentra en un punto de inflexión similar al de la industria de Internet en 2010 o 2012, lo que indica que pueden surgir nuevos modelos de negocio inesperados en el futuro. Desde la perspectiva de la etapa de inversión, es un buen momento para que algunas instituciones de inversión en etapa de crecimiento inviertan en el punto de inflexión de la comercialización, especialmente en los campos de la minería y la distribución urbana. El tamaño de la flota en estas áreas ha aumentado de unos pocos cientos. unidades a El importante crecimiento de varios miles de unidades muestra un claro punto de inflexión para la comercialización. Por lo tanto, ahora es un mejor momento para las inversiones en las etapas intermedia y tardía.

Las primeras inversiones deberían prestar más atención a los cambios tecnológicos, especialmente al desarrollo de tecnología de extremo a extremo, que brinda nuevas oportunidades a nivel de algoritmos y cadenas de herramientas, como la simulación de bucle cerrado y las soluciones de datos generativos de extremo a extremo. Además de la tecnología de extremo a extremo, el mayor volumen de sensores de conducción inteligentes de alta gama también ha brindado oportunidades a la industria upstream. Por ejemplo, el crecimiento significativo de los envíos de lidar ha creado un mercado potencial para componentes como chips y láseres. con un bajo grado de localización. Con la innovación continua de la tecnología y la expansión del mercado, surgirán más oportunidades de inversión temprana en la industria de la conducción autónoma. Al igual que Pinduoduo y Douyin aparecieron en el período maduro de la industria de Internet, el desarrollo futuro está lleno de posibilidades ilimitadas.

P4: ¿Cuáles son los requisitos de extremo a extremo para la potencia informática a bordo? Desde la perspectiva de un centro de potencia informática, ¿cuánta inversión se requiere?

R: La tecnología de conducción autónoma de extremo a extremo no aumentará directamente los requisitos de potencia informática. Sin embargo, debido a que es una solución basada en datos y cumple con la ley de escala, para lograr un mejor rendimiento, la industria generalmente expande la escala del modelo, lo que aumenta la demanda de chips de alta potencia informática. Algunas empresas, como Li Auto, adoptan una estrategia de sistema dual, en la que un modelo grande multimodal más capaz funciona de extremo a extremo y otro modelo liviano de extremo a extremo, ambos modelos se implementan en chips de conducción autónoma existentes. por otro lado, la velocidad de inferencia de los modelos grandes es más lenta, lo que demuestra que requiere una mayor potencia informática. A medida que aumenta el tamaño del modelo, también aumentan el costo de capacitación y los requisitos de potencia informática de capacitación. La formación integral de nivel básico puede requerir 1.000 tarjetas equivalentes a A100, y es posible que las empresas líderes ya hayan alcanzado un diseño de nivel de 10.000 tarjetas. Tomando a Tesla como ejemplo, su inversión a gran escala en la formación de potencia informática puede resultar difícil de alcanzar para otras empresas. También hay empresas nacionales como Xpeng y SenseTime que han realizado grandes inversiones en formación de potencia informática. En general, el desarrollo de tecnología de extremo a extremo ha impulsado la demanda de chips de mayor potencia informática y mayor potencia informática de capacitación para respaldar la capacitación y el despliegue de modelos a mayor escala. Esto no solo refleja el progreso tecnológico, sino también el compromiso de la industria. a La búsqueda de soluciones de conducción autónoma de alto rendimiento.

P5: Para estas empresas que actualmente se dedican a la conducción autónoma, ¿existen oportunidades u oportunidades de pasarse a la vía de los robots humanoides o en general?

R: El desarrollo de robots humanoides domésticos está estrechamente relacionado con el lanzamiento del robot humanoide Optimus por parte de Tesla. El equipo de Figure también reúne talentos de Apple Cars y de las principales empresas automotrices de América del Norte. Este flujo de talento entre industrias es natural porque la conducción autónoma y la robótica están conectadas de muchas maneras.

En la actualidad, el problema del cuerpo del robot humanoide no se ha resuelto por completo, por lo que aún no se ha logrado la migración a gran escala de la tecnología de conducción autónoma al campo de los robots. Citando opiniones de la industria, la mitad de las empresas de robots humanoides en el futuro pueden ser empresas de automóviles. Personalmente, estoy de acuerdo con esta opinión. Esto muestra que con el desarrollo de la tecnología, la integración de la conducción autónoma y la robótica será cada vez más profunda.

Observación del Instituto de Investigación de Capital de Titanio

Se espera que la arquitectura de extremo a extremo se convierta en la solución definitiva para la conducción autónoma. Actualmente, los sistemas de conducción inteligentes se dividen generalmente en tres módulos: percepción, predicción y planificación. El modelo de un extremo a otro integra los tres módulos en uno, ingresando información desde el extremo de la percepción y generando resultados directamente en el extremo de la ejecución. Bajo la arquitectura técnica modular, la transmisión de información se verá afectada, el mantenimiento del sistema será difícil y no podrá afrontar con calma las complejas condiciones de la carretera. El modelo de extremo a extremo no requiere que los programadores escriban código para formular reglas, sino que utiliza datos masivos para entrenar el sistema, dando a la máquina la capacidad de aprender, pensar y analizar de forma autónoma. Titanium Capital seguirá prestando atención a la iteración tecnológica y aprovechará las oportunidades de progreso tecnológico junto con la industria y los socios de capital.