テスラのAIチームは9月5日、ソーシャルメディアプラットフォームに投稿し、テスラは来年第1四半期に全自動運転（FSD）と呼ばれる高度な運転支援システムを中国と欧州で発売する計画で、現在規制当局の承認を待っていると発表した。ニュースが出ると、再び自動運転について話題になった。
業界関係者によると、技術の反復に伴い、エンドツーエンド技術の量産が加速し、産業チェーンの上下流企業が早期に配置され、産業と市場の構造が大きく変化するかもしれないという。
テスラがナマズ効果を引き起こす
「テスラFSDの中国進出は一定の衝撃を与え、国内市場をかき乱すに違いない。同時に、技術の進歩は産業発展に新たな発展のチャンスをもたらし、中国企業は多くの発展のチャンスを持っている」と同済大学自動車学院の朱西産教授は述べた。上汽賽可CTO于乾坤氏は記者団に、テスラを競争相手と見なすよりも、より多くの業者が共同で努力し、無人運転市場を拡大し、業界全体の持続的な発展を推進することを期待していると伝えた。
テスラのFSD入華の動きが注目を集めるにつれ、テスラが応用したエンドツーエンド技術も再びスポットライトの下に戻ってきた。
「テスラFSDが業界にもたらした啓示を論じると、テスラがエンドツーエンドモデルの能力を人々に見せることだ。より多くのデータの収集、より多くのモデルの訓練を通じて、より良い性能が実現された。これにより、多くの企業が技術路線を固め、より多くの根拠を収集し、より大きな計算力プラットフォームを構築してエンドツーエンドモデルを訓練することを選択した。エンドツーエンド技術については、実は国内でもすでに研究されており、この技術はテスラ独自ではない」と朱西産氏は述べた。
関連産業チェーン企業の配置が加速している。7月に発表されたアイアン戦略モデルには、広汽と夢騰智駕環球有限公司（以下「Momenta」）が共同で構築したエンドツーエンド高階智駕案が搭載されている。この方案が応用したMomentaアルゴリズム5.0はエンドツーエンドモデルを応用した智駕大モデルであり、全プロセスデータ駆動の研究開発システムとアルゴリズムアーキテクチャを構築した。
「アルゴリズム5.0はすでに複数の自動車ブランドで量産納入を実現しており、マスデータを蓄積することで、アルゴリズム能力と製品体験を持続的に向上させている」とMomentaの曹旭東CEOは紹介し、量産車がもたらした乗用車データを通じて、長尾問題をよりよく解決し、真の規模化可能な無人運転を実現することができる。「現在、国内の多くのホスト工場では、会社のエンドツーエンドノートブックNOAが使用されている」
これまで、国内では小鵬自動車、元戎啓行、商湯絶影、零一自動車を代表とする自動車本体工場と知能運転会社が続々とエンドツーエンドシステムの研究開発に投入され、乗車量産計画を公開してきた。
データと計算力の需要が増大
「AIの発展には良いモデル、ビッグデータ、高い計算力が欠かせない。自動運転技術はまだ完全に安全な境界を見つけていない」と朱西産氏は述べ、エンドツーエンドモデルの訓練には大量のデータと計算力の支えが必要であり、エンドツーエンドモデルに専念する企業にとって、将来どのようにより大きなデータ需要と計算力需要を満たすかは極めて重要だと述べた。
辰韜資金執行総経理の劉煜冬氏も同様にデータと計算力の需要に注目している。劉氏は、エンドツーエンドモデルの技術アーキテクチャにおいて、訓練データの重要性はかつてない高さに達していると述べた。データの規模、表示、品質、分布などの要素は、エンドツーエンドアプリケーションの発展を制約する障害になる可能性があります。同時に、エンドツーエンドトレーニングによる計算力の需要が急増している。
劉煜冬氏によると、技術路線の面では、エンドツーエンド技術は統一のベストプラクティスを形成しておらず、一定の相違があるという。同時に、従来のテスト検証方法はエンドツーエンド自動運転には適用されず、業界は新しいテスト検証方法論とツールチェーンの開発を切に必要としている。資源配置の観点から見ると、エンドツーエンド技術は組織構造を再構築し、より多くの資源をデータに投入することを要求しており、これは既存の運営モデルに挑戦している。
「現在、エンドツーエンド技術はまだ発展の初期にあり、まだ満たされていない需要によって形成された新たな痛みと機会は、事業者の未来の進化と反復の方向にもなるだろう」と劉煜冬氏は述べた。
市場と産業構造の変化
「将来的にアルゴリズムの反復に伴い、自動運転浸透率の加速的な向上は、自動運転業界の上流技術の進歩、市場と産業構造の変化を大きく牽引するだろう」（『エンド・ツー・エンド自動運転業界研究報告』（以下『報告』と略称する）に示されている。
朱西産氏によると、現在、多くのエンドツーエンド技術が乗車しているが、「使いやすいかどうか」はまだ考慮しなければならないという。エンドツーエンド技術では、将来的には少なくとも2輪技術の反復がある。1つ目は、高速と低速の2つのシステムの並存段階である。反応速度の速いエンドツーエンドモデルのほか、車両は「脳」のような遅いシステムで複雑な問題を処理する。2つ目は、エンドツーエンドモデルでは説明できない問題を視覚言語モデルで解決することです。
光輪知能の創始者でCEOの謝晨氏は、エンドツーエンドモデルは業界にとって、業界の重点がアルゴリズムからデータに傾くことを意味すると述べた。従来のホスト工場は、成熟した量産プロジェクトとデータクローズドループを持つ自動運転会社にとって、コスト削減と効率化の機会を意味する新しい機会を迎えている。現在、エンドツーエンド技術の核心的なボトルネックはやはり検証とデータ能力を評価しており、これは合成データの大規模な応用によって解決できるかもしれない。
「報告」によると、技術的には、エンドツーエンドの着地が上流のツールチェーン、チップなどの急速な進歩を推進することが明らかになった。市場の端で、端から端までの自動運転体験の向上は、高次補助運転浸透率の向上をもたらす;その強汎化性のため、エンドツーエンドは地理的地域、国、シーンを横断する自動運転の応用を駆動することも可能である、産業構造の面では、エンドツーエンドはデータとAI人材の重要性をさらに向上させ、新たな産業分業とビジネスモデルを生み出す可能性がある。
