Momenta-Gründer Cao Xudong: Der Wettbewerb im intelligenten Fahren entscheidet sich in zwei Jahren｜36Kr-Interview

Text von Li Anqi

Bearbeitet von Li Qin

In den letzten zwei Jahren hat AGI (Allgemeine Künstliche Intelligenz) eine Phase intensiver Kapitalzuflüsse und Rückzüge erlebt, aber ihre "tödliche Anziehungskraft" zieht weiterhin Gläubige an. Zu Beginn des Jahres 2025 äußerte der CEO von Li Auto, Li Xiang, die Vorstellung, dass Autos in Zukunft ein "Silikatverwandter" sein werden. Die Grenzen zwischen der Automobil- und der Robotikbranche brechen allmählich zusammen.

Der CEO von Momenta, Cao Xudong, ist ebenfalls der Meinung, dass AGI der ultimative Traum eines jeden, der im Bereich AI tätig ist, ist. Wenn die Einführung des iPhones eine große Welle darstellte, dann sieht er die Revolution durch universelle Roboter als noch disruptiver an.

Doch Cao Xudongs Einstieg erfolgt nicht jetzt: "Wenn wir Roboter machen, könnte das 2027 oder 2028 der Fall sein." Der gegenwärtig heißere Kampfplatz bleibt der Marktanteil im Bereich des intelligenten Fahrens.

Cao Xudong prognostiziert, dass die hochentwickelte Fahrintelligenz in diesem Jahr an Bedeutung gewinnen wird und bis 2026 wird sich entscheiden, wer zu den Siegern zählt.

"Dieses Jahr wird die städtische NOA (Navigation On Autopilot) in Fahrzeugen, die 150.000 Yuan kosten, präsent sein, und bis Ende des Jahres 2026 Fahrzeuge im Preisbereich von 100.000 Yuan."

Für Momenta, die bereits zur Führungsriege gehört, ist dies kein Zeitpunkt, um nachzulassen. Nach dem Elektrifizierungs-Boom hat sich der Wettbewerb im chinesischen Automobilmarkt auf die Intelligenz verlagert. Seit letztem Jahr sind Unternehmen wie Huawei, XPeng und Li Auto nacheinander vorgerückt, von der Herausforderung, "in ganz China intelligentes Fahren zu ermöglichen", bis zum Angriff auf das "End-to-End".

Momenta ist eines der wenigen Unternehmen im Bereich intelligente Fahrtechnologie mit der Fähigkeit zur Massenproduktion "End-to-End".

Von 2022 bis 2024 werden sie Fahrzeuge mit hochentwickeltem intelligentem Fahren in einem Umfang von jeweils 1 Modell, 8 Modellen und über 20 Modellen ausstatten. "Dieses Jahr könnte das Produktionsvolumen um ein Vielfaches steigen", sagte Cao Xudong.

Kürzlich trafen wir den Gründer von Momenta, Cao Xudong, in der Firmenzentrale in Suzhou. Zum schnellen Aufsehen erregenden Ergebnis Momentas im Wettbewerb um das "End-to-End"-intelligente Fahren bemerkte er wiederholt: "Wir haben es einfach früh genug getan."

Cao Xudong, Gründer von Momenta  Bildquelle: Offiziell

Die "End-to-End"-Strategie setzt darauf, ein großes Modell zu verwenden, um Wahrnehmung, Vorhersageentscheidungen und Kontrolle im intelligenten Fahren zu integrieren, von der manuellen Programmierung, die den Fahrzeugen sagte, wie sie fahren sollen, zur Nutzung großer AI-Modelle, riesiger Datenmengen und erheblicher Cloud-Rechenkapazitäten, die dem intelligenten Fahren die Fähigkeit zur Selbstentwicklung geben.

Cao Xudong erzählte 36Kr Automotive, dass intern schon sehr früh versucht wurde, AI-Modelle in das intelligente Fahren zu integrieren, z.B. wurde bereits 2019 Transformer für Vorhersagen und Routenplanung verwendet, die Massenproduktion einer zweistufigen End-to-End Lösung fand Anfang 2023 statt, 2024 wurde zu einer einstufigen End-to-End-Lösung entwickelt.

Was die technische Kapazität betrifft, hat Momenta ebenfalls frühzeitig das Potenzial für die Massenproduktion im intelligenten Fahren erkannt. Seit 2021 haben sie kontinuierlich in Kooperation mit Autounternehmen wie Zhiji Auto und BYD tiefgehende Partnerschaften eingegangen.

Cao Xudong gesteht, dass der Prozess der Massenproduktion nicht einfach ist, "Die Zusammenarbeit mit chinesischen Autounternehmen erfordert mindestens 3 Jahre 'Klopfen', mit internationalen Autounternehmen sind es sogar über 5 Jahre, die tatsächliche Massenproduktion könnte 10 Jahre dauern." Bei Momenta dauerte die Partnerschaft mit einem internationalen Autohersteller von 2017 bis zum Abschluss bzw. zur Produktionsreife etwa 8 Jahre.

Er glaubt, dass Unternehmen, die frühzeitig in den Massenproduktionsrhythmus eines Autoherstellers eintreten, schneller Produktionserfahrungen sammeln, mehr Daten erfassen und dann zügig iterieren können. Durch den Produktionsprozess hat Momenta etwa einen datengetriebenen Modus erkundet, der die evolutionären Bedürfnisse von "End-to-End" erfüllt und eine automatische Toolchain entwickelt, die an die unterschiedlichen Hardwareanforderungen verschiedener Automobilhersteller angepasst werden kann.

Bei der Begleitung von Autounternehmen in ihrem Massenproduktionsprozess kann Momenta dies leisten: Der gesamte Prozess von Beginn der Zusammenarbeit bis zur Anlieferung des Fahrzeugs dauert inklusive Hardwareinstallation und Algorithmuseinrichtung lediglich drei Monate.

All dies hat Momenta eine "ursprüngliche Akkumulation" als Führer in der intelligenten Fahrtechnik verschafft, aber der Wettbewerb und die Herausforderungen in der Branche werden immer intensiver.

Cao Xudong meinte, dass es mit zunehmender Komplexität des intelligenten Fahrens immer schwieriger werde. Derzeit könnte man mit Investitionen von einigen Milliarden Yuan auf das Niveau der zweiten oder fast der ersten Liga kommen, in Zukunft werden jedoch Hunderte von Milliarden benötigt, um dasselbe Niveau zu halten. "Die Kluft könnte sich vergrößern, anstatt zu schrumpfen."

Angesichts der Tatsache, dass "End-to-End" ein langfristiger Wettlauf ist, ist Momenta bereit, immense Ressourcen zu investieren. Cao Xudong glaubt, dass die Straßen in China viel vielseitiger und komplexer sind als die in Europa oder Japan. "Manchmal scherzen wir, dass unsere goldenen Daten (golden data) vielleicht mehr sind als die von Tesla."

Cao Xudong glaubt, dass es zur Massenproduktion von L4-Autonomiefahrzeugen jährliche Forschungs- und Entwicklungsausgaben von mindestens mehreren Milliarden Yuan, wenn nicht sogar Hunderte von Milliarden, bedarf, wobei der größte Kostenpunkt die Cloud-Rechenkapazität sein wird.

"Der aktuelle Engpass liegt nicht im Bereich der Rohdaten, sondern darin, dass die Cloud-Rechenkapazität zu teuer ist und ob genügend Geld dafür bereitgestellt werden kann."

Unter dem "End-to-End"-Technologieansatz verwandelt Momenta die in der Massenproduktion intelligenten Fahrens aufgebaute "Zeitbarriere" in eine "Ressourcenbarriere", eine unverzichtbare Karte im letztendlichen Spiel. Gleichzeitig treibt Momenta weiterhin das Robotaxi-Geschäft voran.

Momenta plant, bis 2025 vollständig autonomes Fahren zu erreichen – das Robotaxi (autonomes Taxi). "Wir unterscheiden uns von der Branche, da wir die Fahrzeugsensoren und die Domänencontroller der Massenfahrzeuge für das Robotaxi wiederverwenden, sodass wir einen positiven Bruttogewinn erzielen können. Wir werden nicht das Geld verbrennen, um die Größe zu erweitern", sagte Cao Xudong.

Im Folgenden das Interview zwischen 36Kr Automotive und Cao Xudong, Gründer von Momenta, Inhalte leicht bearbeitet:

„Über Investitionen: Hochintelligentes Fahren hat bereits explodiert, nachfolgende Forschungs- und Entwicklungsinvestitionen werden Milliarden umfassen“

36Kr Automotive: Im Jahr 2024 wird die Durchdringungsrate von Neufahrzeugen über 50% betragen, wie hoch denken Sie wird die Durchdringungsrate des intelligenten Fahrens bis 2025 sein?

Cao Xudong: Die Durchdringungsrate von Mittel- und Hochlevel-intelligentem Fahren wird etwa bei 10%-20% liegen.

36Kr Automotive: Führende Automobilhersteller würden intelligente Fahrfunktionen standardmäßig einführen, wie wird dies als Zulieferer Ihr Geschäftswachstum beeinflussen?

Cao Xudong: Die Produktionsskala könnte sich um ein Vielfaches erhöhen.

36Kr Automotive: In welcher Preisklasse werden die hochentwickelten Fahrmodelle liegen?

Cao Xudong: 2025 sehe ich den Preis bei etwa 150.000 Yuan, Ende 2025 oder Anfang 2026 könnten Modelle mit städtischem NOA sogar bei rund 100.000 Yuan sein. Zudem sinken die Materialkosten für hochintelligentes Fahren schnell, während die Benutzererfahrung und die Sicherheit um das Zehn-, Hundert- oder sogar Tausendfache zunehmen. Hochintelligentes Fahren wird allmählich zur Standardausstattung bei Automobilherstellern werden.

36Kr Automotive: Über welche praktischen Nutzungsdaten verfügen Sie intern?

Cao Xudong: Die OEMs (Original Equipment Manufacturer) verlagern hochintelligentes Fahren kontinuierlich von Fahrzeugen im Wert von 300.000 auf 200.000, dann auf 150.000 und schrittweise auf 100.000 Yuan, was zeigt, dass die Verbraucher bereit sind zu bezahlen und die Hersteller ebenfalls bereit sind, die Technologie zu erwerben. Laut unserer Backend-Daten verwenden Benutzer die intelligente Fahrweise in ungefähr 50% der Fahrstrecken.

36Kr Automotive: Intelligentes Fahren ist beliebt, aber viele Unternehmen in diesem Bereich haben noch kein Geld verdient. Wann wird sich dies ändern?

Cao Xudong: Der Forschungs- und Entwicklungsaufwand für selbstfahrende Autos ist beträchtlich und wird in Zukunft noch größer sein. Um L4 in der Massenproduktion zu erreichen, müssen jährliche Investitionen von Hunderten von Milliarden getätigt werden. Wenn man rechnet, dass bei 1 Million Fahrzeuge die Kosten pro Fahrzeug bei 10.000 Yuan liegen, wären bei 10 Millionen Fahrzeugen die Kosten pro Fahrzeug etwa 1.000 Yuan. Um die Forschungskosten zu decken, müsste die Produktionsskala mehrere Millionen Fahrzeuge umfassen.

Im Jahr 2024 wird der Durchbruch im Bereich des hochentwickelten Fahrens stattfinden, aber der eigentliche Maßstab wird noch nicht erreicht worden sein. Um letztlich profitabel zu werden, muss das größenabhängige Skaleneffekt realisiert werden, nach dem Rückgang der Mitbewerber muss die Einnahmenskala die Entwicklungs- und Forschungskosten abdecken, um profitabel zu werden.

36Kr Automotive: Wann wird die Konsolidierung im intelligenten Fahrmarkt enden? Was ist erforderlich, um im Spiel zu bleiben?

Cao Xudong: Vermutlich Ende 2026. Es wird Klarheit herrschen. Die verbleibenden Unternehmen werden in mehrerer Hinsicht konkurrieren müssen. Erstens: Gute Technologie und Produkte, unterstützt durch starke organisatorische Fähigkeiten und ein leistungsfähiges Forschungsteam, stellen die wichtigste Grundvoraussetzung dar.

Zweitens: Ein Vorsprung, insbesondere im Bereich der Massenproduktion von autonomen Fahrzeugen, erfordert Partnerschaften mit Autoherstellern, die mit dreijähriger Vorlaufzeit beginnen müssen. Wenn es bei einem Autounternehmen keinen Einstieg gibt, wird es später sehr schwer, einzusteigen. Fortschrittliche Unternehmen erhalten sicher Erfahrung in der Massenproduktion und mehr Daten, um sich schnell weiterzuentwickeln.

36Kr Automotive: Jährliche Investitionen in Milliardenhöhe sind nicht geringfügig. Woher kommt das Geld? Wo wird es hauptsächlich ausgegeben?

Cao Xudong: Der Großteil davon kommt aus Einnahmen. Unser Anteil an Forschungsausgaben ist sehr hoch, da wir kein Hardware-Unternehmen sind, werden unsere Bruttogewinne ebenfalls hoch sein. Einmalig verkaufte Fahrzeuge umfassen eine Softwarelizenz, die Bruttogewinnmarge ist mit dem Verkauf von Microsoft Office vergleichbar. Die Forschungs- und Entwicklungsausgaben sind riesig, aber nachdem die Entwicklung abgeschlossen ist, sind die Betriebskosten nahezu Null.

Die Ausgaben konzentrieren sich in erster Linie auf Personal und Cloud-Rechenkapazität, wobei sich letztere im Jahr 2027 oder 2028 deutlich stärker bemerkbar machen wird.

36Kr Automotive: Wie viel haben Sie dieses Jahr in die Rechenleistung investiert?

Cao Xudong: Im Jahr 2024 wird das intelligente Fahren gerade erst ausbrechen, und 2025 wird der Maßstab erreicht werden. Bis 2027 planen wir Investitionen von mehreren Milliarden in Rechenleistung.

„Über End-to-End: Flaschenhals liegt nicht in der Datenmenge, sondern in Goldenen Daten und Rechenleistung“

36Kr Automotive: Was waren die Schlüsselfaktoren, die Momenta's schnelle Leistung im Bereich der End-to-End-Massenproduktion ausmachten?

Cao Xudong: Der Hauptgrund war, dass wir früh dran waren. Transformer kam 2018 heraus, 2019 nutzten wir es für die Vorhersage durch das Deep Learning, 2020 für die Planung durch das Deep Learning, Anfang 2023 haben wir die zweistufige End-to-End-Produktion eingeführt, damals gab es diesen Begriff jedoch nicht.

Im ersten Halbjahr 2024 haben wir die einstufige End-to-End-Lösung entwickelt. Dies wurde durch den Rückgriff auf Talent und die Ansammlung von Forschungssystemen ermöglicht. End-to-End ist im Grunde eine Kameramodelleingabe und Trajektorieausgabe. Warum hat es jetzt Aufmerksamkeit bekommen? Weil man zwar den richtigen Ansatz hat, der erfolgreiche Weg jedoch selten ist, und ohne früheres Wissen ist es schwer, ihn zu finden.

36Kr Automotive: Was sind die Herausforderungen bei der Umsetzung von End-to-End? Ist es schwierig, ein Regelwerk für das Modell zu entwickeln?

Cao Xudong: Ich denke, ein Regelwerk zur Abdeckung von End-to-End ist möglicherweise der falsche Ansatz. Viele verschiedene Grenzfälle, mit denen das End-to-End-Modell Schwierigkeiten hat, benötigen eine manuelle Überwachung. Es wäre jedoch sinnvoll, diese innerhalb des End-to-End-Modells zu lösen.

Ich sehe das Regelwerk und End-to-End als redundante Beziehungen und nicht als eine Form der Absicherung. Je weniger Code benötigt wird, desto weniger dient als Garantie für das End-to-End-Modell.

Ein Regelwerk zur Abdeckung von Millionen verschiedenen Grenzfällen ist nicht realistisch. Wenn dies der Fall wäre, könnte L4 allein durch diese Absicherungscode erreicht werden.

36Kr Automotive: Ist der Fortschritt bei der Entwicklung des End-to-End-Modells vollständig frei?

Cao Xudong: End-to-End ist erst der Anfang. Wo kommt das Trainingsdatensatz her? Es gibt eine Menge Arbeit im Bereich Data Engineering. Viele missverstehen den Einblick in die Datenantrieb, denken an das Verfassen und Erstellen von Daten und möchten nichts mit unangenehmer Arbeit zu tun haben. Mit dieser Einstellung wird End-to-End nie erfolgreich sein.

Es ist entscheidend, Data Engineering wichtiger und systematischer als Software Engineering zu betrachten. Wie bei der Herstellung von Mikrochips, bei der die pure Materie nur der Rohstoff ist und nach dem Aufbereiten der Chip in der Industrie hergestellt wird. In ähnlicher Weise ist hier eine vollständige Systemunterstützung erforderlich, um dem Modell qualitativ hochwertigere Daten zu präsentieren.

36Kr Automotive: Ist das datengesteuerte geschlossene System bereits im Idealfall eingepflegt worden?

Cao Xudong: Es bedarf noch erhöhter Bemühungen, da das L4-System für das Datenantriebsmodell ein hohes Maß an Perfektion benötigt. L4 hat das Problem der Randbereiche, die nur einmal auf einer Distanz von 10.000 oder 100.000 Kilometern auftreten, wie prüft man es?

Wenn man auf eigene Faust eine begrenzte Anzahl Fahrzeuge fährt, beträgt der Weg nur ein paar Tausend Kilometer pro Woche. Selbst wenn man eine Woche fährt, kann man keinen einzigen Fall erleben. Wenn ein neuer Software-Erweiterung veröffentlicht wird, wie kann man wissen, ob das Eckfall verbesserte oder schlechter wurde, außer den riesigen Schatten, die die Fahrzeuge werfen, benötigte Daten zu sammeln, zu überprüfen und eine Simulation zu schließen?

36Kr Automotive: End-to-End verlangt immer stärkeren Halt auf Daten. Einige Lieferanten von intelligenten Fahrmodulen scheinen von kooperierenden Autoherstellern keine Daten zu erhalten. Wie gehen Sie damit um?

Cao Xudong: Das zeigt, dass das Vertrauen zwischen dem Anbieter und Autohersteller nicht vorhanden ist. Der Schlüssel ist, ob ein Unternehmen Klarheit im Wert hat, die sie dem Endverbraucher bieten und ob sie ihnen helfen können, neue Wertschöpfung zu realisieren. Es gibt kein kostenloses Mittagessen.

Unsere Übereinstimmung mit den Automobilkunden besteht darin, dass wir sie mit dem Filtern von Eckfällen an bestimmten Stellen auf der Fahrstrecke unterstützen. Wir identifizieren sie für die Rückgabe, verwendet für Training und Lernen von Modellen mit Strategien zur Verbesserung von Modellfähigkeiten und der Produktwertigkeit des fertigen Systems.

36Kr Automotive: Ist dieses Muster der Datennutzung und Austausch mit jedem Unternehmen möglich?

Cao Xudong: Ja.

36Kr Automotive: Wenn ein Automobilhersteller nicht bereit ist, die Daten zu teilen, stellt das eine Hürde der Zusammenarbeit dar?

Cao Xudong: Nein, das ist keine Hürde, wir sind sehr flexibel. Wenn ein Kunde bereit ist, Daten zu teilen, sind wir bereit zusammen zu arbeiten. Unsere Datenverarbeitung ist standardisiert und automatisiert.

Wenn ein Autohersteller glaubt, dass Daten Vermögenswerte sind und sie nicht einteilen wollen, ist das kein Problem, weil wir bereits über eine beträchtliche Datenmenge verfügen. Was uns derzeit einschränkt, ist nicht der Zugang zu Ursprungsdaten, sondern die enormen Kosten, die bei der Nutzung von Cloud-basierter Rechnerleistung und Verba2120380 ustung von Ressourcen entstehen.

36Kr Automotive: Können die trainierten Modelle, die mit Autounternehmen trainiert sind, schnell auf die Partnerschaft mit anderen Herstellern übertragen werden?

Cao Xudong: Kein Problem. Das High-Intelligence Sicherheitssystem verfolgt ähnliche Muster, auch wenn die Installationsvarianten unterschiedlich sein können.

Die Software muss die allgemeine Anforderung erfüllen, was auf ein hohes Maß an Softwarearchitektur und Forschungssystem hinweist.

36Kr Automotive: Als führender Lieferant im Bereich des intelligenten Fahrens übernehmen Sie zunehmend mehr umfängliche Aufgaben. Wie maximieren Sie Ihre Effizienz?

Cao Xudong: Unser evolutionärer Algorithmus-Framework hat sich bis zur fünf Generation entwickelt. Tatsächlich denken wir seit sechs bis sieben Jahren, dass verschiedene Arten von Kunden unterschiedliche Bedürfnisse haben und überall unterschiedliche Hardwarekonfigurationen bestehen. Es sollte daher ein abstraktes Software-Designmodell konzipiert werde, das in der Lage sein sollte. bei verschiedenen spezifischen Anforderungen zu standardisieren.

36Kr Automotive: Da das Auftragsvolumen steigt, wird es wenig Personalzuwachs benötigen, oder?

Cao Xudong: Nein, Wir produziert mit 8 Fahrzeugmodellen 2023 und mehr als 20 2024. Die Mitarbeiterzahl ist fast konstant bei etwa 1.300 bis 2027 und wird auf etwa 2.000 ansteigen, ohne drastisch zu anwachsen.

36Kr Automotive: Würden Sie unter bestimmten Bedingungen die Kontrolle über die Lieferkette ausüben, um die Kosten zu optimieren? Welche Gedanken haben Sie zur Kostensenkung der Lieferkette?

Cao Xudong: Software-Algorithmen haben nicht viele Lieferanten. Fahrradprodukte bestehen nur aus Sensoren und Rechendomänen. Sensoren sind relativ ausgereift und die Kunden führen Einkaufsoperationen durch, wir arbeiten an der Erhöhung der Software-Algorithmen, um die Notwendigkeit von Sensoranzahl zu senken.

Zum Beispiel wird der Anfangswert eines Millimeterwellenradars auf 1 zurückgebracht. Im Jahr 2024 wird das System mindestens eine halbe Reduktion auf 2.000 Perfekt erhalten, ist ein technisches Upgrade, das auch die Baukosten reduziert.

Wir erwarten, dass das Automobilsteuergerät mit einer städtischen NOA in der Lage ist, im Jahr 2025 die aktuellen Kosten von 8.000 Yuan auf 2.000 Yuan oder 5.000 Yuan zu senken.

36Kr Automotive: Ist es für Automobilhersteller erforderlich, ihre eigenen Chips zu entwickeln?

Cao Xudong: Es hängt davon ab, wie groß die Produktion ist. Wenn ein Dutzend Taille pro Jahr verkauft wird, wird es nicht nötig sein.

36Kr Automotive: Was ist schwieriger, Chip- oder Algorithmenherstellung?

Cao Xudong: Die Schwelle der Softwarealgorithmen ist paar größer, Chips sind relativ einfacher zu verstehen. Chips sind relativ in der Reife, jedoch langmastich zu erwerben.

Zwei Teststrategien: Erstens ist die Produktplanung, das es im Jahr zweitausend einig bereits für eine Produkt lebt. Man braucht drei bis vier Jahre, um den Markt zu erreichen, auch für die weltweit führende Marktplanung ein große Herausforderung. Zweitens ist die Entwicklungsfähigkeit von Produkten mit einer Reihe von ausgereiften IP-Infrastrukturen, die Konzeption, Validierung, Chips und Prozessfließ zu implementieren.

„BranchenDiskussion: Mehr "Wettbewerb" mit Huawei, nicht "umstritten"”

36Kr Automotive: Huawei unterzeichnet weiterhin Aufträge. Wie sehen Sie den Konkurrenzkampf mit Huawei?

Cao Xudong: Es gibt Differenzierungen. Wir pflegen eine gegenseitige Lern- und Lernbeziehung. Wir finden, dass es für Huawei schwer ist, in unseren Markt einzudringen, und für uns ist es genauso schwer, in ihren einzudringen. Beide Wettbewerbe um Technik und Produkte sind konstruktiv, obwohl es wenig zu streiten gibt, gibt es mehr, um“

36Kr Automotive: Der Intelligente Einnahmewachstumsmarkt ist ein Trend. Was ist Ihre Strategie?

Cao Xudong: Es sind zwei Richtungen, einerseits mit China in Übersee ausgehen mit städtischem NOA-Auto. Es fährt in Japan und in Europa, ist aber bist auf nicht für erstklassige Fahrzeuge.

Auch Kunden, freigelegt in verschiedenen Ländern in Europa, wurden für die Fahrerlaubnis bewertet und haben die Anerkennung erlangt. In den ausländischen chinesischen Zimmer und ihren Fahrzeugen können Sie 2026 und 2027 die Freigabe erlangen.

36Kr Automotive: Sind die Übersee-Märkte groß?

Cao Xudong: Gerade nicht, ich habe beobachtet, dass die Überseemärkte um drei Jahre hinter den chinesischen Kunden stehen. 2024 Salprojects weltweit hervorzubringen und die Spitzenposition 2027 besticken.

36Kr Automotive: Welche Vorbereitungen sind für den Export zur Übersee-Märkten erforderlich?

Cao Xudong: Es ist notwendig, Algorithmen und Datenstrukturen in Betracht zu ziehen, zumindest die Verfolgung von Modell-Training. Herausfordernd auch, wenn bei chinesischen Testmodellen bieten Muster und Infrastruktur gut gedacht Kapitalmärkte erfordern.

Interessanterweise stellten wir fest, dass unsere chinesischen Testmodelle mit Schätzungen und Dienste, ohne etwa 100 Punkte in Krebsfeld, in Japan oder anderen Ländern 78 Punkte erreicht.

Ich sagte im Hintergrund, dass die Ergebnisse von Modellen mit relativ niederer Expositionsqualität und Daten in Europa sind. Zurückweisungsausschlüsse.

Der Reichtum und die Komplexität der chinesischen Datendaten übertrifft den USA. In den USA findet man Kunden die Vorrausordnung um 10 Punkte. Mit den Chinesen. Es ist eine 5x10.000 Herausforderung. dann haben wir über das Benefiz golder Data sprechen als wir mehr als Tesla 10x Komplexität, das kann mit unserem Systemmathese und Stand gut gemacht werden. "
Mit der FSD-Nutzung erhoben, verbessert wird die Erkenntnisse vereinheitlichen. Tesla FSD unterstützt dazu, die Höhe von Autosis-Herstellern in angrenzenden Bereichen zu erweitern und der theoretische Ausschluss zu eranwenn.

„Autohersteller-Zusammenarbeit auf die lang wie Liberx-Jahre“

36Kr Automotive: Sie umwandeln, dass das Unternehmen seit Jahren „Knocking“ auf den Kunden wartet? Könnten Sie über den psychologischen Prozesses sprechen?

Cao Xudong: Wenn für ein internationales Kunden vorkommt, dass Erfahrung bekannt ist, ist die Überproduktion möglich. 10-jährige Prognosen geraten in den Automobilmarkt in China.

36Kr Automotive: Was war der langfristige Prozess zum Einstieg in die Lieferkette internationaler Automobilhersteller?

Cao Xudong: Es dauerte lange, das Entwicklungssystem für die Massenproduktion zu erstellen.

36Kr Automotive: Intelligent spezialisierte Fähigkeiten benötigen ständige Uploads. Wie bringen Sie in betroffenen Unternehmen, dass sie bei internationalen Unternehmen Zeitspareen?

Cao Xudong: Sie müssen Entscheidung treffen, die sie das gesamte Produktionsnetzwerk im Kontext eines Großunternehmens besser klären können. Internationale OEMs, die aufgrund des One-Voice-Decisions erreichen, benötigen häufig eine einheitliche Menschenmenge: "po"
Composition viel effizient beziehen. Praktisch läuft viel optimistischer, der digitale Dispute über eine Jahre stattfindende Bestellung, sofern sie keine neuen Kriterien benötigte, stabilisieren her."

36Kr Automotive: Wenn einige Autohersteller nur die Bilder von intelligenten Fahrzeugingenieuren verwenden, benötigen die Programmierer jede Lidar?

Cao Xudong: Ja, es ist nützlich, insbesondere bei hochsicherheitsrelevanten Szenarien wie Tunnel- und anderen dunklen Blickfeldern. Besonders die Lidar-Technologie ist effizient.

Wenn jede Person einen Lidar benötigt, gibt es keine zusätzliche Aufwand. Die Programmierer arbeiteten am Lidar hinge. Aber steigt ihre Person nicht.

36Kr Automotive: Der Prozess der Automobilhersteller zeigt, dass die firmeneigene Entwicklungsfähigkeit, die KI optimal entwickelt, kurz ist?

Cao Xudong: Wir sind die erfahrenen, die Verbindung zwischen 1 bis 10 besessen haben. Mittlerweile haben wir einer traditionellen Plattform, in der mehrere Fahrzeuge, Systeme, Chiplinien und Sensoren zusammengeführte Fahrzeuge benutzerdefiniert wurden. Von dem Punkt aus geht technologische möglichkeiten in drei Monaten mit Hardware- und Software-Logistik um, auch wenn die Autos auf drei Monate statistisch aktiv sind, bevor sie auf die Verkehrszeichen ausprobieren.

36Kr Automotive: Sie aus der AI-Studie, sind Sie glücklich, wenn Sie 8 Jahre verbringen, um diesen Bereich zu umstritten?

Cao Xudong: Wir priorisieren die Entwicklungsumsetzung der Autohersteller nicht, sondern verwirklichen auch den Entwicklungsprozess. Der Prozess basiert auf dem Verständnis, dass Prozesse in einem isolierten Prozess bleiben sollten, um Zukunftskompetenzen zu ermöglichen. Gelegentlich finden wir Herausforderungen, wie Probleme bei Boxen des realierten Systems in den nächsten.
Umkehrprozess durchzuführen. Anstatt den Prozessor verantwortlich zu machen, konzentrierte 80% der Entwickler ihren Fokus auf die Hauptarbeit, um mögliche Mo###y zu optimieren.

36Kr Automotive: Sind Sie technologienahe? Bei technischen Ermittlungen？

Cao Xudong: Ohne einen klaren Standard beachten wir "first-person, Captain". Durchführungen in den Industrie neuen Technologien, wenden sich zu untersuchen. Mit der Hilfe durch Tests und anderen zielgerichteten Tests erhalten. Ein Hinweis zur Beseitigung von Überzeugungen ist, dass das erste Augeleine die Grundentfremdung zu bewerten, in der Vermutung neues Potenzial geeignet ist.
Ermutigung mit prägnanten Rahmenbedingungen.

36Kr Automotive: 2020 Vorstellung. Kenntnisse wie funktionieren die Systeme?

„AI-Programmatisch kommt erst ab 2028. " Wird L4 erscheinen？"

36Kr Automotive: Wo legen Sie Ihre Aufmerksamkeit?eresonanz mit dem nihon und die Aufmerksamkeit?

Cao Xudong: Unterschiedliche Phasen konzentrieren sich im Allgemeinen. 2021-2023 gegründet Jobbekleidung, um bis zu "Drei Hauptwaffen" einzukapseln (drei intelligente Produktionserfahrungsbilder, darunter der Algorithmus-Loop, ein Algorithmus-Adapter und den produzierten Produktionsarrangement).

Wahrung, als wir bis zum erneuten Erhalt zurückkehrten, befanden diese beiden Messer in „Safety Conversions“. Das wurde ein Schlüsselaspekt, der bei bleibendem Volumen gefragt war: Sicherheit.die 2025 erstmals als schwierig eingeplante "Robotaxi". Wir unhost building-Muster zur Produktions-Muster zur Produktion für Produktionssensoren.

Übergeordnete Zielsetzung von Aufmerksamkeit und Kenntnißeinige Journeys mit der großen Ausrichtung

Die ersten paar Jahrzehnten arrangieren finanzen veräußerst, bei Anschluss an Wendefault. »