Die Modelle für Assistenzsyteme im Fahrzeug werden immer größer. XPeng und Li Auto sind die ersten, die die Größenordnung von 7 Milliarden Parametern erreicht haben.

Das Assistenzfahrtsystem von Automobilherstellern wandelt sich beschleunigt in Richtung KI um. Ein deutliches Merkmal ist, dass die Parameteranzahl der Assistenzfahrtsmodelle an Bord der Fahrzeuge von führenden neuen Marktteilnehmern bereits der Größenordnung vieler großer KI-Modelle nahekommt.

Automotiv von 36Kr hat erfahren, dass das von XPeng Motors an Bord des Fahrzeugs zu deployende große Modell mindestens 7 Milliarden Parameter hat. Bei Li Auto, einem anderen führenden neuen Marktteilnehmer, wird die Parameteranzahl des großen Modells an Bord des Fahrzeugs ebenfalls auf die Größenordnung von 7 Milliarden steigen, sobald das von der Firma selbst entwickelte Assistenzfahrtschip im nächsten Jahr in das Fahrzeug eingebaut wird.

Eine solche Parameteranzahl kommt bereits der üblichen Größenordnung großer KI-Modelle nahe.

Die KI-Strategie von XPeng und Li Auto

Das an Bord des Fahrzeugs von XPeng eingesetzte große Modell wird aus dem von der Firma intern entwickelten Cloud-basierten großen Modell, dem "XPeng Weltgrundlagen-Modell", durch Distillation gewonnen. Dies geschieht hauptsächlich, um das Problem zu lösen, dass die Rechenleistung, das Speichervermögen und die Speicherbandbreite der Assistenzfahrtschips im Fahrzeug nicht ausreichen, um direkt ein großes Modell an Bord des Fahrzeugs zu deployen.

Im zweiten Halbjahr 2024 begann XPeng Motors seinen Schritt in Richtung Cloud-basiertem großen Modell. Derzeit entwickelt XPeng ein riesiges Autonomes Fahr-Modell mit mindestens 72 Milliarden Parametern, das "XPeng Weltgrundlagen-Modell", das auf der nächsten KI-Technologietagung veröffentlicht werden soll.

XPeng stellte auf der KI-Technologie-Vorstellung im April dieses Jahres vor, dass dieses Cloud-basierte große Modell ein LLM als Rückgratnetzwerk verwendet und mit einer riesigen Menge an multimodalen Fahrdaten trainiert wird. Es verfügt über die Fähigkeiten zur visuellen Verständnis, zur kettenförmigen logischen Schlussfolgerung und zur Handlungsgenerierung. Nachdem XPeng die Trainierung dieses Modells in der Cloud abgeschlossen hat, wird es "das Beste daraus herausholen" und das durch Distillation gewonnene kleinere Modell an Bord des Fahrzeugs deployen.

Diese Methode basiert auf der bereits von DeepSeek verwendeten Wissensdistillationsroute und ist im Wesentlichen eine Komprimierung des Modells.

Um sicherzustellen, dass dieses durch Distillation gewonnene große Modell problemlos in das Fahrzeug eingebaut werden kann, hat XPeng eine Reihe von Vorbereitungen auf Hardware- und Forschungsressourcenebene getroffen.

Im Bereich der Hardware begann XPeng bereits 2020 mit der Eigenentwicklung des "Turing" KI-Assistenzfahrtschips. Im Juni dieses Jahres wurde dieses Chip offiziell in Serie produziert und erstmals im XPeng G7 2025 eingesetzt.

Es ist ein von XPeng speziell für KI-Anforderungen, end-to-end große Modelle und andere Anwendungen entwickeltes Chip. Seine KI-Rechenleistung beträgt etwa 700 Tops, was der Leistung des neuesten KI-Chips Thor von NVIDIA nahekommt. Es kann höchstens ein großes Modell mit 30 Milliarden Parametern verarbeiten.

Außer den Vorbereitungen auf Hardwareebene veranstaltete XPeng Motors Anfang August dieses Jahres eine Mobilisierungskonferenz für das Autonomes Fahrzentrum, die persönlich von He Xiaopeng geleitet wurde. Auf der Konferenz forderte He Xiaopeng auf, alle KI-Ressourcen an das Team für das Grundlagenmodell zu geben, um die Einbindung dieses Weltgrundlagenmodells mit 7 Milliarden Parametern in das Fahrzeug zu unterstützen.

Li Auto, das bereits früher ein großes Modell in sein Fahrzeug eingebaut hat, lässt auch nicht locker an der Verfolgung der KI-Welle.

Li Xiang, CEO von Li Auto, sagte in der Einnahmenkonferenz für das zweite Quartal dieses Jahres, dass derzeit die Parameteranzahl des großen Modells an Bord der Fahrzeuge von Li Auto über 4 Milliarden beträgt, was eine Steigerung von mehr als dem Zehnfachen gegenüber dem früheren end-to-end-Modell darstellt. Automotiv von 36Kr hat von mehreren Branchenvertretern erfahren, dass im nächsten Jahr, sobald das von Li Auto selbst entwickelte Assistenzfahrtschip in das Fahrzeug eingebaut wird, die Parameteranzahl des VLA-Modells, das von Li Auto an Bord des Fahrzeugs deployiert wird, ebenfalls über 7 Milliarden betragen wird.

Anfangs setzte Li Auto ein kleines VLM-Großmodell mit weniger Parametern und langsamerer Laufzeit in sein Fahrzeug ein, um ein großes Modell in das Fahrzeug zu integrieren.

Im Oktober letzten Jahres stellte Li Auto ein Assistenzfahrtskonzept auf der Grundlage von end-to-end + VLM vor. In diesem Konzept ist das end-to-end-System ein schnelles System, während das VLM-System ein langsames System ist. Beide Systeme arbeiten gleichzeitig.

Dieses Konzept wurde auf einem Controller mit zwei Orin X-Chips deployiert, wobei jedes Orin-Chip einem separaten Modell dient.

Unter diesen Umständen ist das end-to-end-System der "Hirn" am Hauptsitz, der für das Fahren verantwortlich ist, während das VLM-Modell nur wie ein Beifahrer agiert, der gelegentlich hilft, die Straße zu beobachten. Es ist schwierig, die volle Stärke des großen Modells auszuschöpfen.

Aber im Vergleich zum end-to-end-System bevorzugt Li Auto derzeit eher das VLA-Modell. Bislang hat Li Auto das VLA-Fahrer-Großmodell an alle Benutzer von AD MAX-Modellen ausgerollt.

Das VLA-Modell wurde erstmals von der Google-KI-Firma Deepmind entwickelt und ist seitdem das vorherrschende Technologieparadigma und Rahmenwerk im Bereich der Embodied AI. Da das VLA-Modell ein komplettes Gehirnsystem hat und über Sprach- und logische Schlussfolgerungsfähigkeiten verfügt, kann es sehen, verstehen und Handlungen tatsächlich ausführen. Es entspricht dem menschlichen Arbeitsweise und wird daher von Automobilherstellern wie Li Auto und XPeng auch im Bereich der Assistenzfahrt eingesetzt.

Um die Einbindung eines VLA-Modells mit noch mehr Parametern im nächsten Jahr voranzutreiben, hat Li Auto in diesem Jahr eine große Umstrukturierung vorgenommen: Im Mai dieses Jahres verließ Xia Zhongpu, der frühere Leiter des end-to-end-Teams, Li Auto. Letzter Monat hat Li Auto das Assistenzfahrteam in 11 Zweitabteilungen aufgeteilt, um die Entwicklung von großen KI-Modellen in einer flacher strukturierten Organisation voranzutreiben.

Außer XPeng und Li Auto passt Huawei über das Cloud-basierte Welt-Engine-System das Weltmodell an Bord des Fahrzeugs im WEWA-Architektur an. NIO hat ebenfalls ein Weltgroßmodell an Bord seines Fahrzeugs deployiert.

Es scheint, dass KI die Assistenzfahrt von Automobilherstellern definiert.

Große KI-Modelle ≠ Bessere Assistenzfahrleistung

Andererseits hat Tesla, das derzeit von der Branche als das Unternehmen angesehen wird, das am weitesten in der Entwicklung von Assistenzfahrtechnologien vorangeschritten ist, mit der end-to-end-Technologie ein regionales Robotaxi-System realisiert. Assistenzfahr-Anbieter wie Horizon Robotics und Momenta haben ebenfalls mit der end-to-end-Technologie eine gute Assistenzfahrleistung erzielt.

Im Gegensatz dazu haben einige Automobilhersteller, die sich stark auf die KI-Narration konzentrieren, bei ihrer Assistenzfahrleistung bereits eingeholt und teilweise sogar übertroffen werden.

Das heißt, Unternehmen wie Tesla und Momenta haben mit einer geringeren Parameteranzahl der Modelle an Bord des Fahrzeugs bessere Ergebnisse erzielt.

In gewisser Weise kann dies möglicherweise darauf hinweisen, dass es keinen notwendigen Zusammenhang zwischen der Parameteranzahl von KI-Modellen und der Assistenzfahrleistung gibt.

Die end-to-end-Technologie legt den Schwerpunkt auf die Nachahmung menschlicher Fahrverhalten, während der Vorteil von großen Modellen in der logischen Schlussfolgerungsfähigkeit liegt. Sie legt den Schwerpunkt darauf, wie ein Mensch denkt. Der Kern der Assistenzfahrtechnologie liegt jedoch in der räumlichen Wahrnehmung. Die logische Schlussfolgerungsfähigkeit von großen Modellen wird nur in wenigen Szenarien benötigt.

Wenn Automobilhersteller also noch nicht die end-to-end-Fahrerfahrung verbessert haben und blindlings Modelle mit mehr Parametern einsetzen, bedeutet dies, dass der Großteil der Rechenressourcen an Bord des Fahrzeugs auf den logischen Schlussfolgerungsprozess von großen Sprachmodellen gelegt wird, und nur wenige Ressourcen für die räumliche Wahrnehmung übrig bleiben. Dies kann zu einer Verschlechterung der Assistenzfahrerfahrung führen.

Woher kommt also die Motivation der Unternehmen, sich so stark auf große Modelle zu konzentrieren?

Einerseits erweitern sich die Geschäftsfelder von Automobilherstellern allmählich. Einige Automobilhersteller wollen nicht nur Autos bauen, sondern auch in den Bereich der Embodied AI einsteigen. Ein typisches Beispiel hierfür ist Li Auto.

Im Livestream der Li Auto AI Talk-Ende letzten Jahres hat Li Xiang selbst Li Auto neu als ein Künstliche-Intelligenz-Unternehmen definiert. Obwohl es weiterhin Autos bauen wird, wird es die Autos als Raumroboter in der Ära der Künstlichen Intelligenz betrachten und die Autos als Anwendungsfall seiner KI nutzen.

Und das von diesem Unternehmen derzeit propagierte VLA ist genau das vorherrschende Technologieparadigma und Rahmenwerk im Bereich der Embodied AI.

Ein weiteres Beispiel ist XPeng. Es ist nicht nur Mitglied in der VLA-Camp, sondern laut seinem Plan wird das Turing KI-Chip in Zukunft nicht nur in Autos, sondern auch in KI-Robotern und Flugautos eingesetzt werden. Dies zeigt, dass XPeng beabsichtigt, die in der Assistenzfahrt gesammelten Fähigkeiten auf Flugautos und Embodied AI zu übertragen.

Andererseits mag die Verfolgung und Propagierung von großen KI-Modellen durch Automobilhersteller auch einen gewissen Marketingzweck haben.

In letzter Zeit hat die Leistung von Chat-GPT großen KI-Modellen einen enormen Breakthrough-Effekt verschafft. Dies ist ähnlich wie damals, als Tesla V12 in Nordamerika weit verbreitet wurde und end-to-end für eine Zeit ein Marketing-Hitwort im Bereich der Assistenzfahrt wurde.

Jetzt setzen Automobilhersteller zunehmend große KI-Modelle in ihre Assistenzfahrtsysteme ein. Hinter diesem Vorgehen stecken natürlich auch technische Überlegungen, aber in gewisser Weise mag dies auch eine Marketingstrategie sein, um die öffentliche Meinung zu beeinflussen.

Aber unabhängig von welchem Zweck, die Verbesserung der Assistenzfahrerfahrung sollte derzeit die oberste Priorität von Automobilherstellern sein. Eine KI-Narration, die von diesem Ziel abweicht, hat etwas von einem Verlust des Wesentlichen zugunsten des Nebensächlichen. Die Verbesserung der end-to-end-basierten Assistenzfahrerfahrung ist möglicherweise der beste Weg für Automobilhersteller, sich wieder auf den richtigen Kurs zu bringen.

Autoren-WhatsApp: luckg17305264638