På forrige ukes teknologiinnovasjonsdag avduket NIO den nyeste NIO World Model (NWM) innen autonom kjøring, og hevder å ha doble kjernefunksjoner for romlig og tidsmessig forståelse, som overgår ende-til-ende-modellutrulling.
Den autonome kjørebrikken, Shenzi NX9031, som offisielt ble annonsert å ha tapt ut, er skreddersydd for NIO World Model. Shenzi NX9031 er verdens første 5nm autonome kjørebrikke uavhengig utviklet av NIO. I følge NIO har én brikke ytelsen tilsvarende fire industriflaggskipbrikker (Nvidia Orin X).
I løpet av de siste to årene har selvkjørende brikker vært en viktig banebrytende produktretning for bilprodusenter. NIO og XPeng har utviklet sine egne sjetonger, med Li Auto som starter litt senere. Basert på Longying nr. 1, har Geelys datterselskap, Xingjing Technology, også vært på vei til selvutvikling i årevis.
Li Bin har offentlig uttalt at NIO kjøpte mange Nvidia-brikker i fjor, noe som kostet selskapet mye penger. Med tanke på anskaffelseskostnadene bestemte selskapet seg for å vende seg til egenutviklede brikker. Den offisielle uttalelsen er at Shenzi NX9031 kan betale for seg selv på omtrent et år.
Det er mange grunner til å utvikle sine egne brikker, men et av hovedmålene for «Wei Xiaoli» (en samlebetegnelse for NIO, XPeng og Li Auto) er å frigjøre seg fra Nvidias begrensninger. Fra industrirapporter ser det ut til at de egenutviklede brikkene er ganske fremtidsrettede og vil matche de siste trendene som ende-til-ende autonom kjøring.
Den kinesiske kontingenten som omkranser Nvidia er imidlertid ikke begrenset til «Wei Xiaoli». I år er også lokale chipleverandører «fanget med» i ende-til-ende-konkurransen. På China Auto Forum i forrige måned sa Horizon-president Chen Liming tydelig at ende-til-ende for øyeblikket er den eneste gjennomførbare løsningen på sluttspillet med autonom kjøring.
Lu Jianfeng, visepresident for AIChip Intelligent Vehicle Division, mener at ende-til-ende er den eneste måten for avansert autonom kjøring. På grunn av den lange design- og utviklingssyklusen til brikker, er AIChips strategi å hoppe over andre modeller og fokusere på One Model-modusen, lik UniAD-teknologiarkitekturen for NPU-design.
Fra et industriperspektiv har de høye kostnadene ved eksterne anskaffelser, den usikre internasjonale situasjonen og kostnadsreduksjonsfordelene Tesla tidligere har hatt med sine egenutviklede brikker, alle påvirket innenlandske bilprodusenters brikkestrategier og forsyningsmodeller.
Populariteten til store ende-til-ende-modeller katalyserte ikke bare en ny runde med autonom kjørerevolusjon, men akselererte også produktet og den teknologiske utviklingen av autonome kjørebrikker. Dette stiller ikke bare høyere krav til bilprodusentene om egenutviklede sjetonger, men tvinger også chipleverandører i det røde hav til å få fart på sin interne konkurranse.
Selvutviklingsbølgen har kommet
Hvorfor utvikler bilprodusenter sine egne sjetonger?
Mestring av kjerneteknologi: Sikre forsyningssikkerhet og ikke bli "kvalt" av leverandører, spesielt mektige utenlandske leverandører.
Li Bin nevnte i et intervju at den internasjonale innvirkningen på brikkeforsyningen, på grunn av amerikanske restriksjoner, allerede har hatt en reell innvirkning på Kinas bilindustri.
"Siden oktober i fjor har vi ikke vært i stand til å bruke verdens mest avanserte brikker til skytreningen vår. Det autonome kjøreteamet ser ikke bare på skyfunksjoner, men også på gruppeintelligensevner. Mens risikoen for kantslutningsbrikker for øyeblikket er lav , vi må fortsatt være forberedt på ulike endringer."
Tilpasning:
Bransjeeksperter sa til "Auto Commune"/"C-Dimension" at en av hovedhensynene for nye bilprodusenter som utvikler sine egne brikker er å forbedre produktets konkurranseevne gjennom differensiering, ettersom egenutviklede brikker gir mulighet for tilpassede funksjoner.
For bilprodusenter er det kostbart å utvikle sine egne sjetonger, men det kan redusere avhengigheten av utenlandske chipleverandører, noe som sikrer at «alle egg ikke er i én kurv». Videre kan egenutviklede brikker bedre matche deres egne algoritmer, og adressere koblingsproblemet mellom algoritmer og brikkeplattformer.
Tidligere overgikk Teslas 144 TOPS-datakraft bedre enn 400-500 TOPS-brikkene som er tilgjengelige på markedet, hovedsakelig fordi brikken ble designet for Teslas egne algoritmer. Spesielt, Teslas 144 TOPS datakraftbrikke (Autopilot HW3.0), utgitt i 2019, støtter fortsatt ende-til-ende autonom kjøring i dag.
Kostnadsreduksjon:
Li Bin uttalte på pressekonferansen at NIO brukte mye penger på Nvidia-brikker i fjor. For å redusere kostnadene bestemte NIO seg for å utvikle sine egne brikker, med én brikke tilsvarende fire Nvidia-brikker, og dermed senke kostnadene. Ifølge Li Bin kan Shenzi NX9031 betale seg tilbake på omtrent et år.
Det er også andre hensyn. Bransjeinnsidere bemerker at markedsføring av egenutviklede sjetonger og offentlige forpliktelser kan påvirke sekundærmarkedet og merkeoppfatningen positivt. I tillegg kan egenutviklede sjetonger forbedre systemopplevelsen betydelig, og oppnå strategiske mål.
Spesielt hadde Teslas tidlige egenutviklede brikker som mål å øke datakraft og fleksibilitet.
Rapporter indikerer at XPengs egenutviklede brikkeprosess følger NIO tett, med brikker sendt til tape-out, forventet å returnere i august. Li Autos brikkeutvikling startet relativt sent, med det autonome kjørebrikkeprosjektet med kodenavnet "Schumacher", som forventes å fullføre tape-out i løpet av året.
"Et middel, ikke et mål"
Wu Xinzou, leder for Nvidias virksomhet for autonom kjøring, skisserte at utviklingen av autonom kjøring kan oppsummeres i tre stadier, med ende-til-ende som det siste trinnet.
Første etappe: Helt regelbasert.
Andre trinn: Store AI-modeller erstatter gradvis manuelle regler, og fullfører prediksjon og planlegging.
Tredje trinn: Helt ende-til-ende store modeller, med AI som dekker hele prosessen fra persepsjon til beslutningstaking.
I den tredje fasen av autonom kjøring er autonome kjørebrikker svært utfordrende. AIChips visepresident Liu Jifeng uttrykte lignende tanker, og uttalte at ekte ende-til-ende innebærer bruk av store modeller for skytrening og validering, med resultatene brukt på kantslutninger, og legger betydelig ansvar på brikkeselskaper.
Horizon mener at ende-til-ende er et middel, ikke et mål, som krever en kombinasjon av menneskelignende erfaring, effektiv databehandling og smidig levering. Ende-til-ende-kapasitetsakkumulering krever innsats innen algoritme-iterasjon, konstruksjon av teknisk fundament og integrasjon mellom programvare og maskinvare, med programvare og algoritmer som spiller en sentral rolle.
Horizon Algorithm Platform Chief Architect Mu Lisen mener at den essensielle evnen til ende-til-ende ligger i daterasjon. Selv om det ser ut til å være en fremtidsrettet modellstruktur, er de iterative dataene bak den mer avgjørende, og støtter overgangen fra laboratorieteknologi til modenhet på produktnivå.
Chen Liming erkjente også at Horizon står overfor vanskeligheter med de stadig skiftende kjøretøy- og sensorarkitekturene, sensoroppsettene og adopsjonen. Til tross for innsamling av mye data, er mye av det ikke av høy kvalitet eller kontinuerlig brukbart, et problem som ligger utenfor rekkevidden til et enkelt selskap å løse.
"Teslas FSD V12.3-versjon ble trent med 10 millioner prøvevideoer, hentet fra 10 milliarder prøver av høy kvalitet. Kina kommer fortsatt til kort. Dessuten ble de 10 milliarder prøvene samlet inn under et standard sensorrammeverk, noe som sikrer kontinuitet for opplæring av de nyeste modellene. ."
I likhet med Horizon, understreker AIChip sin rolle som Tier 2, og tror at nøkkelkravene til autonome kjørebrikker i ende-til-ende-algoritmer er høyt minne og stor multi-core datakraft.
Å oppnå ende-til-ende autonom kjøring er avhengig av kritisk databrikkestøtte, inkludert arkitektonisk innovasjon, kjerne-IP-gjennombrudd og ytelsessprang.
Mu Lisen fra Horizon forklarte til "Auto Commune"/"C-Dimension" at den tekniske terskelen for ende-til-ende datakraftkonkurranse ligger i å tilpasse seg beregningskravene som følge av modellstrukturendringer og endringer i operatørfokus.
På den ene siden vil modellene vokse seg større, og det samme vil datakraften; på den annen side vil modellstrukturer utvikle seg, og skifte fra primært CNN (convolutional neural networks) til hovedsakelig transformatorbaserte ende-til-ende-modeller.
"Transformatorer er en bred algoritmekategori som brukes i store språkmodeller (som ChatGPT) og ende-til-ende autonom kjøring, med ulike operatørfokus. End-to-end autonom kjøring krever grunnleggende matriseoperasjoner og ekstra operatørstøtte, og stiller høyere krav. "
Huawei-leiren har også betydelig innflytelse. Til tross for at Nvidia dominerer markedet for autonome kjørebrikker, har Kina en stor kontingent drevet av Huawei, inkludert merker som AITO, Avatr, Jihu og Zhijie. Kjøretøyenes autonome kjøresystemer bruker i stor grad Huaweis MDC810/MDC610 dataplattformer.
Med innsatsen fra leverandører av autonome kjørebrikker og den akselererte utrullingen av egenutviklede brikker av selskaper som NIO, i de kommende årene, vil aspirasjonen om å "ikke være underlagt Nvidia" i den innenlandske autonome brikkesektoren gradvis bli delvis realisert.
