noticias

Fuente: Visual China

Al parecer de la noche a la mañana, la conducción autónoma se hizo popular de repente.

En julio, los taxis autónomos "Luobo Kuaipao" de Baidu se implementaron ampliamente en Wuhan y fueron noticia casi todos los días.

Según los informes, el número máximo de viajes en Luobo Kuaipao en un solo día supera los 20, lo que es similar al número promedio diario de taxis, y la experiencia de los pasajeros es mejor y más cómoda. Según datos del seguro, la tasa de accidentes de Carrot Run es sólo 1/14 de la de los humanos. Ha recorrido más de 100 millones de kilómetros de forma segura y sin víctimas importantes.

Al otro lado del océano, Musk también anunció que se estrenará en agostoteslaPara el primer taxi autónomo, Robotaxi (luego pospuesto hasta octubre), dijo que los propietarios de automóviles pueden poner Robotaxi en el negocio de alquiler en su tiempo libre y que el costo de compra del automóvil se puede recuperar en dos años.

Casualmente, el 23 de julio, Google también anunció que agregaría una nueva ronda de enormes inversiones de 5 mil millones de dólares a Waymo para "mantener el estatus de Waymo como la empresa de conducción autónoma líder en el mundo. Debe saber que Microsoft solo gastó mil millones de dólares en". OpenAI 5 mil millones de dólares está cerca del financiamiento total anterior de Waymo.

De hecho, el actual brote de coches sin conductor no es una casualidad. Desde la perspectiva de la industria, los últimos tres años también han sido los tres años más rápidos para el desarrollo de la tecnología de conducción autónoma, que casi se puede decir que son "miles de millas por día".

A juzgar por los avances actuales en China y Estados Unidos, si dejamos de lado las limitaciones de los estándares legislativos y el tiempo, es probable que la conducción autónoma se comercialice por completo en los próximos uno o dos años y alcance una "integridad" de extremo a extremo en 5-10 años, realizando una forma sin conductor similar a la que se ve en las películas de ciencia ficción.

Desde esta perspectiva, aunque puede que sea demasiado pronto para hablar del "momento iPhone 4" de la conducción autónoma, la singularidad de la era de la conducción autónoma efectivamente ha llegado.

Al mismo tiempo, esto también es una carrera contra el tiempo: China y Estados Unidos, como los dos países con el mayor número de empresas de conducción autónoma en el mundo, quien pueda tomar la iniciativa en ejecutar y establecer cadenas industriales relacionadas tendrá la oportunidad de definir el camino e introducirlo a otros países. La capacidad del país para exportar productos tecnológicos.

En el contexto de la competencia tecnológica entre China y Estados Unidos, ésta es una "batalla que nadie puede permitirse perder" para ninguna de las partes.

En este artículo, comenzaremos con la historia del desarrollo de la conducción autónoma e intentaremos especular sobre las tendencias de desarrollo futuras de la industria. Primero, compartamos algunas conclusiones preliminares:

1. Desde mapas de alta precisión, pasando por lidar hasta BEV: todos los caminos en la evolución de la conducción autónoma pasan por "hacer que los coches se comporten más como humanos".

2. Los últimos tres años también han sido los de más rápido desarrollo para la tecnología de conducción autónoma. Un gran número de actores nacionales y extranjeros han logrado avances de principio a fin en diversos grados. Mirando hacia el futuro, es solo cuestión de tiempo. antes de que finalmente alcance la forma definitiva de extremo a extremo.

3. Ya sea visión pura o ruta lidar, el radar de ondas milimétricas es la mejor manera de compensar las deficiencias técnicas de los dos. A medida que el radar de ondas milimétricas pasa de 3D a 4D a imágenes de radar de ondas milimétricas, la precisión cada vez mayor también lo hace. La pista tiene la oportunidad de crear empresas de alto valor.

4. La implementación y comercialización de la conducción autónoma puede ser solo el comienzo. En el futuro, más pistas y productos (como robots en diferentes escenarios) pueden repetir historias similares después de acumular suficientes datos.

5. A lo largo de la historia, con cada iteración de rutas tecnológicas, existen oportunidades para que surjan varias empresas de nueva creación, y creo que esta vez no será la excepción.

¿Por qué se dice que los últimos tres años han sido los tres años más rápidos para el desarrollo de la conducción autónoma?

El origen reconocido de la conducción autónoma se remonta a 2004. En ese momento, Estados Unidos estaba profundamente sumido en las guerras de Afganistán e Irak. Necesitaba urgentemente un lote de vehículos militares no tripulados para reducir las bajas del ejército estadounidense, pero la investigación y la investigación. El progreso del desarrollo nunca fue ideal.

Como resultado, Tony Tesser, entonces director de la Agencia de Proyectos de Investigación Avanzada de Defensa de EE. UU. (DARPA), tuvo un capricho y lanzó un desafío, anunciando que no importaba quién pudiera usar un método de conducción no tripulado para volar de Los Ángeles a Los Ángeles. Llega en 10 horas a Las Vegas y gana un premio de 1 millón de dólares.

En realidad, se trata de una puja a gran escala por parte del ejército estadounidense para conseguir civiles. El organizador originalmente pensó que pocas personas participarían, pero inesperadamente se inscribieron más de 100 equipos. Desafortunadamente, al final nadie pudo llevarse el dinero del premio, porque The. El coche participante más lejano recorrió sólo 12 kilómetros, lo que representa aproximadamente el 5% de toda la distancia de la carrera.

(Imagen: Además de los coches, también había motos sin conductor...)

Pero DARPA no se rindió y celebró tres desafíos de conducción autónoma consecutivos entre 2005 y 2007, atrayendo la participación de equipos de investigación de numerosas universidades y empresas. Esto también permitió a Larry Page, uno de los fundadores de Google, ver el potencial de la conducción autónoma. Potencial de conducción.

En 2009, impulsado por Page, se lanzó oficialmente el proyecto de conducción autónoma de Google "Chauffeur". Los dos ingenieros principales reclutados (Anthony Levandowski y Sebastian Thrun) eran ex concursantes de DARPA; estos dos también se convirtieron en los fundadores de la empresa autónoma de Google. unidad motriz.

En 2014, Google lanzó Firefly, el primer automóvil totalmente autónomo del mundo sin volante ni pedal de acelerador, lo que no solo conmocionó a la industria automotriz, sino que también hizo que el mundo tomara conciencia de la posibilidad de la conducción autónoma por primera vez.

(Imagen: Firefly, el coche autónomo de primera generación desarrollado por Google)

Inmediatamente después, grandes cantidades de capital de riesgo comenzaron a fluir hacia el sector de los vehículos sin conductor: desde Uber, Nvidia y Amazon hasta Baidu, Didi, Huawei y luegoBenz、BMW, general,honda, incluidas las nuevas fuerzas nacionales de fabricación de automóviles, han comenzado a invertir en investigación y desarrollo de conducción autónoma. La mayoría de las empresas de conducción autónoma que conocemos hoy se fundaron en ese momento.

El momento llegó rápidamente, dos años después, para la industria de la conducción autónoma, 2016 fue un año extremadamente importante, porque este año Tesla se unió oficialmente a la batalla.

No es exagerado decir,Tomando 2016 como línea divisoria, toda la segunda mitad de la conducción autónoma es una historia del contraataque de Tesla desde un cazador de la industria a un líder.Así que personalmente siento que no hay forma de exagerar demasiado este momento.

Antes de 2016, casi todas las empresas de vehículos autónomos elegían las soluciones técnicas de Google:

1) Posicionamiento: posicionamiento asistido con mapas de alta precisión;

2) Percepción: utilice lidar + cámara de visión para proporcionar información de percepción a los vehículos;

3) Regulación y control: Toma de decisiones y control basado en algoritmos basados ​​en reglas.

No es difícil descubrir que la lógica subyacente de la solución de Google es la llamada "armadura apilada"."Algo es mejor que nada, más es mejor que menos."

Esta escuela de pensamiento cree que con el nivel actual de tecnología, ningún sensor puede completar todas las funciones requeridas para la conducción autónoma o cubrir todos los casos de esquina. Por lo tanto, es necesario utilizar todos los sensores para tomar decisiones de conducción autónoma de manera integral y asignar diferentes. funciona con diferentes sensores de peso; entre ellos, lidar tiene el peso más alto, por lo que la solución de este grupo también se llama."Solución LiDAR";Básicamente, se trata de una ruta técnica basada en hardware.

Como empresa de tecnología que comenzó con la IA, Tesla valora más el software. Por ejemplo, Musk consideró que el lidar en ese momento era demasiado caro y costaba 80.000 dólares cada uno, por lo que se centró más en desarrollar potentes algoritmos visuales e IA dedicada. Los chips intentan construir modelos de objetos circundantes con la ayuda de cámaras y agregar datos a redes neuronales para realizar cálculos, desarrollándose lentamente."Solución puramente visual"Este es un camino tecnológico orientado al software.

En palabras del propio Musk, "todos los humanos y los animales tienen ojos, no radares", y los engranajes del destino comenzaron a girar.

En ese momento, las dos rutas técnicas tenían sus propios méritos: aunque el lidar tenía altos costos de hardware, era intrínsecamente preciso y tenía información profunda (hasta el día de hoy, muchos ingenieros todavía tienen debilidad por el lidar, mientras que las cámaras, aunque baratas, tenía mala resolución. Con capacidades limitadas, solo podemos hacer esfuerzos para comparar la información en un lado de un objeto en el mundo bidimensional. La información obtenida mediante cálculo y transformación no siempre es tan precisa e intuitiva como la información de primera mano.

Esto también llevó a Tesla a construir su propio equipo de etiquetado de miles de personas a la vez, por lo que muchas personas cuestionaron a Musk en ese momento, diciendo que aunque su hardware era más barato, el costo general no era tan bueno como el lidar.

De hecho, también se puede ver desde aquí que el nivel de IA de toda la conducción autónoma en ese momento era casi inexistente (a excepción del lidar, que tenía algunos algoritmos de IA).Es un típico "tantas inteligencias artificiales como inteligencias hay",Si el desarrollo de la IA se detiene aquí, lo más probable es que la solución de visión pura de Tesla encuentre cuellos de botella.

Pero al final fue Google quien salvó a Tesla:

En 2019, Google publicó el famoso artículo Transformer (que también fue la base del posterior gran modelo).

Aunque Transformer es un modelo de red neuronal basado en el mecanismo de atención, los ingenieros de Tesla descubrieron rápidamente que Transformer no solo puede procesar información del lenguaje, sino que también puede usarse para procesar información de imágenes.

En resumen, Transformer puede integrar la información recopilada por las ocho cámaras de Tesla en el mismo sistema de coordenadas de posicionamiento.Equivale a darle al coche una "perspectiva de Dios" (es decir, BEV, "vista de pájaro"),Capaz de ver información 3D del entorno circundante.

(Imagen: la tecnología BEV le da a Tesla una “perspectiva de Dios”)

En el Día de la IA de 2021, Tesla lanzó y popularizó con éxito el BEV. A partir de la segunda mitad de 2022, los actores nacionales también anunciaron su seguimiento y gradualmente comenzaron a incorporar BEV al automóvil.

(Por lo tanto, aunque muchas tecnologías no son originales de Tesla, su capacidad para diseñar teorías avanzadas a partir de exploraciones de vanguardia y ponerlas en aplicación práctica está definitivamente a un nivel cósmico).

Al mismo tiempo, Tesla también ha comenzado a intentar automatizar al máximo el proceso de etiquetado para solucionar el problema de los costes demasiado elevados.

Su principio es un poco como jugar a las charadas: primero, después de que la cámara a bordo vea un objeto (como un árbol), cargará la información a un modelo grande en la nube, y luego el modelo grande "adivinará" qué el objeto es? Si el resultado adivinado es consistente con las representaciones de los 8 sensores, el árbol se etiquetará automáticamente.

De esta manera, Tesla se deshace de las limitaciones de mano de obra. Siempre que el vehículo pueda enviar continuamente información de la carretera, puede entrenar su propio algoritmo de forma ilimitada.

Hasta ahora, el desempeño de Tesla ha sido bastante sorprendente, pero apenas un año después, Musk hizo dos grandes movimientos en el Día de la IA. El primero fue la introducción de la secuencia espacio-temporal y el segundo fue la introducción de la red de ocupación.

En pocas palabras,El primero permite que el coche tenga la capacidad de recordar la hora, mientras que el segundo consigue un efecto similar al "pseudo lidar".Permitir que el automóvil calcule la posición espacial y determine si es necesario evitar obstáculos sin identificar cuál es el objeto, resuelve el problema anterior de "chocar contra un gran camión blanco".

Hasta ahora, independientemente del camino pero en términos de efecto, la solución visual ha logrado básicamente el mismo efecto que la solución de radar.BEV+Transformer logró con éxito la convergencia de trayectorias de la tecnología de percepción de conducción autónoma y formó el marco básico del algoritmo de percepción visual actual.

(Imagen: Ocupar la red logra un efecto similar al "pseudo lidar")

Por tanto, en términos de tendencia general,El camino evolutivo de la conducción autónoma es realmente muy claro: el objetivo es hacer que el coche se comporte más como un ser humano.Deje que la IA prediga lo que sucederá en el futuro basándose en lo que sucedió en el pasado.

Desde esta perspectiva, los últimos tres años han sido en realidad los años de más rápido desarrollo para la tecnología de conducción autónoma, y ​​la IA ha mostrado gradualmente fuertes capacidades de actualización e iteración en la conducción autónoma. Sin embargo, la mayoría de la gente común en ese momento no sabía mucho sobre esto y pensaba. Que hay pocos avances en la conducción autónoma.

Lo que realmente hizo que el público se diera cuenta de que la IA tendrá un impacto revolucionario en la industria de la conducción autónoma son varias cosas que sucedieron en 2023:

·Musk mencionó por primera vez en plataformas sociales que "v12 está reservada para cuando FSD sea IA de extremo a extremo", poniendo el extremo a extremo ante el público (Nvidia lo propuso en 2016 pero tuvo poca influencia), y innumerables personas comienzan a esperar con ansias el lanzamiento de la v12;

·Por primera vez en los últimos diez años, CVPR otorgó el mejor trabajo a un equipo chino, elogiando su contribución a la realización de la conducción autónoma de extremo a extremo;

·Musk realizó una transmisión en vivo de 45 minutos en un modelo S equipado con la versión beta v12, y solo intervino una vez durante todo el proceso. Se puede decir que el efecto fue muy bueno.

Sin embargo, debe quedar claro que actualmente no hay evidencia directa de que el v12 mostrado por Tesla haya logrado un rendimiento completo de extremo a extremo. Sin embargo, el efecto de su pantalla es realmente sorprendente y su nivel de inteligencia es básicamente comparable. al de conductores humanos experimentados.

De hecho, si el sistema de conducción automática se divide en percepción, planificación y control según el entendimiento tradicional,En la actualidad, lo que los principales fabricantes de equipos originales utilizan principalmente para mostrar sus músculos es modular de extremo a extremo con restricciones parciales de reglas básicas de AI+.

Dado que cada módulo requiere una interfaz definida por humanos, parte de la información se perderá en el proceso. Por lo tanto, cuantos más módulos, más información se perderá en el futuro, los principales fabricantes aún tienen que descubrir cómo unificar todos los módulos en un solo modelo. cómo unificar todos los módulos en un solo modelo. Es necesario seguir trabajando duro.

Sin embargo, a partir de la información que hemos recopilado, de acuerdo con la velocidad actual de desarrollo de la tecnología y la ingeniería,Es sólo cuestión de tiempo antes de que la conducción autónoma finalmente se haga realidad de principio a fin. Para ello, mi predicción relativamente conservadora todavía requiere entre 3 y 5 años de acumulación.

En ese momento, el vehículo puede completar decisiones de conducción en un estado de "caja negra" basada en información de la carretera recopilada en tiempo real y emitir directamente señales de control como frenado y dirección, logrando la forma definitiva de conducción sin conductor similar a la de la ciencia ficción. cine.

(Imagen: Cinco etapas de desarrollo de la conducción autónoma, fuente: Xianfeng Evergreen)

Oportunidades de capital de riesgo que ofrece la iteración de la conducción autónoma

Las razones son muy complejas. Aquí hay sólo tres elementos clave que creo que se analizan:

En primer lugar, los datos son relativamente abundantes.

Como todos sabemos, los "viajes" son una demanda de alta frecuencia. La industria nacional de conducción autónoma comenzó a aumentar alrededor de 2015, y han pasado casi 10 años desde hoy. Durante este período, los datos recopilados por los fabricantes de equipos originales y las empresas de conducción inteligente. Independientemente de la calidad, es, al menos en total, lo suficientemente rico, lo que crea las condiciones básicas para la posterior realización del circuito cerrado de datos.

En segundo lugar, la definición de la función es relativamente clara y clara.

Hablando francamente, aunque el concepto de esta ola de IA está muy de moda, la dirección de desarrollo de muchos productos en realidad no está clara.

Por ejemplo, cuando se trata de robots humanoides, muchas empresas solo han fabricado un prototipo que se puede demostrar en exposiciones. Sin embargo, en escenarios industriales reales, para el sector tecnológico no está claro qué problemas pueden resolver estos robots y en qué medida. pueden lograrlo.

Debido a que las fábricas no entienden la IA, a menudo no saben qué funciones pueden lograr estos robots y si pueden combinarse con otras tecnologías. Ambas partes tardarán mucho tiempo en mejorar su comprensión.

Pero la conducción sin conductor no tiene este problema. El vehículo solo puede cubrir los comportamientos básicos de todos los escenarios de conducción avanzando, retrocediendo, girando, acelerando y frenando. Los requisitos son simples y claros.

Por lo tanto, para transformar la tecnología avanzada en productos fáciles de usar, una definición funcional clara y una división estándar también son factores esenciales.

En tercer lugar, la base del hardware está relativamente madura.

Ya sea láser, cámara, ondas milimétricas y otras soluciones de sensores, o varios chips que proporcionan transmisión y procesamiento de señales, después de 10 años de "involución" total, básicamente han entrado en la etapa de rendimiento de alto costo + suministro estable.

Por lo tanto, en el vertiginoso proceso de datos, hardware y tecnología, la conducción autónoma fue la primera en alcanzar el punto de equilibrio entre precio y experiencia, y pronto formó una nueva productividad.

Por lo tanto, si seguimos esta lógica un paso más allá, es probable que la conducción autónoma sea sólo el comienzo, y es posible que historias similares se repitan en más circuitos en el futuro.

Por supuesto, la premisa es que debe haber algunas empresas en este campo que puedan continuar recopilando grandes cantidades de datos a bajo costo (similar a empresas como Didi, Baidu y Tesla en conducción autónoma), en lugar de simplemente depender de algunos. pequeños datos dispersos, que pueden ser una base para que podamos juzgar si una determinada industria ha experimentado un punto de inflexión similar.

Desde otra perspectiva, con el surgimiento de esta ola de grandes modelos, puede haber oportunidades de inversión sistemática en el futuro en muchas áreas subdivididas que pueden automatizarse mediante IA pero que aún no han sido aprovechadas por las grandes empresas (como las economías de baja altitud). y fabricación industrial), acechan empresas cotizadas en tecnología por valor de decenas de miles de millones o incluso cientos de miles de millones, que también merecen la atención de los inversores.

¿Qué más se puede invertir en la conducción autónoma?Simplemente divergimos un poco, ahora volvamos a pensar y hablemos sobre la conducción autónoma en sí. De hecho, a lo largo de la historia, con cada iteración de la tecnología de conducción autónoma, existe una oportunidad para que surjan varias empresas de nueva creación.

Por ejemplo, la solución principal en la era de Google era lidar + cámara + mapa de alta precisión, pero hoy en día los mapas de alta precisión se usan cada vez con menos frecuencia en los automóviles de pasajeros y ya ni siquiera se mencionan (piénselo, solo era hace dos años) importa).

Porque en ese momento, el costo de un vehículo de recolección de mapas por sí solo era de millones. Si se quería garantizar el rendimiento en tiempo real tanto como fuera posible, entonces al menos cientos de vehículos debían estar en la carretera al mismo tiempo todos los días. cumplir con la recopilación y actualización de mapas nacionales en tiempo real. Esto era imposible para ninguna. Ni las empresas de automóviles ni los proveedores de mapas pueden permitírselo.

El resultado es que las oportunidades industriales finalmente recaen en lidar:

El primero es el auge de los fabricantes de hardware, como Hesai.SagitarioLuego surgió un grupo de empresas como Wenyuan, Pony y Vimo que construyeron algoritmos en torno a lidar, seguido por un grupo de emprendedores que comenzaron a probar algunas aplicaciones de conducción autónoma de nivel L4 de circuito cerrado a pequeña escala basadas en radar + cerrado. En el escenario, han aparecido una variedad de vehículos no tripulados en minas, vehículos no tripulados en puertos, robots de entrega de alimentos en hoteles, etc., y todo el ecosistema de conducción autónoma ha comenzado a florecer lentamente.

Pero Tesla una vez más subvirtió la industria con BEV+Transformer, demostrando que incluso sin radar, es posible juzgar el espacio 3D. En este momento, lidar se convierte en lo mismo que el mapa de alta precisión del año y ya no es una opción necesaria.

Por supuesto, hoy el precio del lidar ha bajado al nivel de los mil yuanes y es probable que siga bajando, por lo que en el corto plazo, algunas empresas de automóviles seguirán adoptando soluciones de fusión multisensor.

Sin embargo, basándose en la lógica de la reducción de costos, en un momento en que los OEM "quieren cada centavo al extremo", lidar será reemplazado gradualmente por soluciones visuales puras en el futuro, y todo el patrón ecológico industrial inevitablemente cambiará en consecuencia.

Por ejemplo, el radar de ondas milimétricas tradicional solo puede obtener información del plano. Ha surgido la dirección del radar de ondas milimétricas 4D de próxima generación que puede detectar información de altura. Algunas de las sugerencias que hemos visto incluyen, entre otras: El producto. El nivel va acompañado de múltiples chips de empresas de chips. Las soluciones en cascada y SoC allanan el camino para soluciones de alta precisión y bajo costo a nivel de demanda industrial, los OEM están ansiosos y buscan soluciones de conducción inteligente independientes de alta gama; Los productos tienen requisitos mejorados de seguridad y redundancia, etc.

En resumen, impulsados ​​por diversas demandas, es probable que aparezcan nuevos actores en esta categoría.

Por poner otro ejemplo, a medida que las cámaras recopilan cada vez más información y la calidad es cada vez mayor, existe una demanda de centros de supercomputación y chips de procesamiento final con gran potencia informática, incluida la próxima generación de chips finales. No se trata solo de acumular potencia informática, sino también de combinar diferentes arquitecturas de algoritmos para adaptarlas mejor. Todos estos son cambios nuevos provocados por el lado del hardware.

En el lado más suave, nos centraremos en métodos de adquisición/producción de datos de bajo costo + alta calidad + sostenibles.

En la ruta de un extremo a otro, es un hecho que los algoritmos de base de aprendizaje utilizan datos como combustible. Por ejemplo, se reveló que el V12 de Tesla “utilizó 10.000 H100 y completó aproximadamente 10 millones de entrenamientos en video”.

"Estos videos provienen de 160 mil millones de fotogramas de video recopilados todos los días de 2 millones de vehículos reales en todo el mundo que pueden recopilar datos, y menos del 1% de estos videos están disponibles, como algunos datos de intersecciones extraños e inusualmente ocupados".

Como la primera persona en probar algo nuevo, Musk ya ha enviado una hoja de respuestas bastante buena a la industria, por lo que parece que el siguiente paso es obtener datos de alta calidad a través del modo sombra, el motor de simulación o el modelo mundial. convertirse en el próximo tema en la industria que necesita ser explorado para lograr consenso.

Sin embargo, creo que esto ya no lo pueden decidir únicamente las empresas de un determinado eslabón: aunque las rutas técnicas son ciertamente importantes, el posicionamiento industrial y los modelos de negocio pueden ser las ideas previas que las empresas chinas deben hacer en el entorno actual.

Con todo, a medida que la implementación de la conducción inteligente de alta gama se actualice gradualmente, inevitablemente surgirán nuevas oportunidades industriales en la percepción, la transmisión, la toma de decisiones, la ejecución y la interacción.

Por ejemplo, recientemente me comuniqué con algunos fundadores de la industria automotriz y descubrí que, además de sus respectivos negocios principales, también están prestando atención a algunas tecnologías y productos de aplicaciones en todos los campos. Muchas tecnologías avanzadas inesperadas y entre industrias finalmente se han convertido. sus productos.

Esto muestra que cuando la competencia dentro de la industria ha alcanzado un cierto nivel,Cuando es difícil obtener márgenes de beneficio suficientes sólo mediante la expansión de escala + la mejora de la cadena de suministro, las empresas deben buscar nuevos puntos de avance con nuevas tecnologías. Al final de la involución, deben confiar en el desarrollo tecnológico para abrirse paso.

Debido a limitaciones de espacio, simplemente compilé una tabla al final del artículo para brindarle una idea de las oportunidades empresariales en la era de la conducción inteligente con IA. Espero que pueda brindarle una perspectiva de pensamiento diferente.

(Imagen: Cambios industriales y oportunidades generados por las diferentes etapas de la conducción autónoma, fuente: Xianfeng Evergreen)

(El autor de este artículo, Xu Zhen, es un inversor permanente de Xianfeng. Se centra en la cadena de la industria de vehículos de nueva energía, incluidos componentes centrales, semiconductores, materiales, etc., y una vez invirtió en Huashen Ruili en nombre de Xianfeng. Se graduó de la Universidad Zhu Kezhen de la Universidad de Zhejiang y de la Escuela de Negocios de Warwick).