Al entrar en 2023, la gente todavía espera las primeras nevadas de este invierno y, al mismo tiempo, lamenta que el invierno cálido se haya convertido en la nueva normalidad. Pero para la industria de la conducción autónoma, este invierno no parece ser tan cálido.
Mirando hacia 2022, las noticias sobre despidos, quiebras y despidos departamentales en la industria global de la conducción autónoma son infinitas. El mercado de capitales también ha abandonado gradualmente su locura inversora por la conducción autónoma de alto nivel desde principios de 2021, y la burbuja general del mercado ha comenzado a estallar. Algunos expertos creen que si el capital continúa enfriándose, alrededor del 90% de los proyectos de conducción autónoma fracasarán antes de su comercialización a gran escala.
Pero, por otro lado, la conducción autónoma ha logrado grandes avances en tecnología y aplicaciones, y se ha convertido en una dirección de desarrollo reconocida y determinada por grandes empresas e incluso países y regiones de todo el mundo. Ya se trate de empresas de tecnología que toman el camino del Robotaxi y la cooperación industrial, o de empresas de vehículos de nueva energía que consideran la tecnología de conducción autónoma como su principal punto de venta, así como de empresas de automóviles establecidas que se han embarcado en el camino de la inteligencia y la electrificación, todas ellas son Continuar invirtiendo en el campo de la conducción autónoma para llegar al amanecer que está destinado a llegar después del frío invierno.
En tales circunstancias, cómo sobrevivir el invierno para los proyectos de conducción autónoma se ha convertido en un tema al que las compañías automotrices globales están prestando atención y explorando.
autoconducción
Impulso de desarrollo suficiente
Pero hay constantes idas y vueltas.
Hay suficiente impulso para el desarrollo de la conducción autónoma, y la aceptación de la conducción autónoma por parte de la sociedad y el mercado está alcanzando nuevas alturas. En abril de 2022, el Ministerio de Transporte y el Ministerio de Ciencia y Tecnología publicaron públicamente el "Decimocuarto Plan Quinquenal para la Innovación Científica y Tecnológica en el Campo del Transporte", que planificó sistemáticamente la dirección de desarrollo de la ciencia y tecnología del transporte representada por la conducción autónoma. durante el período del "XIV Plan Quinquenal". En noviembre de 2022, el Ministerio de Industria y Tecnología de la Información emitió el "Aviso sobre la realización de trabajos piloto sobre el acceso y acceso por carretera de vehículos inteligentes conectados (borrador para comentarios)", anunciando que realizará la gestión de acceso para vehículos autónomos L3 y L4. y poner en marcha trabajos piloto.
Con el furioso impulso de la industria, ninguna empresa subestimará el futuro a largo plazo de la conducción autónoma. Pero en la actualidad, la industria de la conducción autónoma se ha topado con ciertos reveses a escala global. En 2022, Argo AI, la empresa de conducción autónoma en la que invirtió Ford, anunció su fracaso. El precio de las acciones de Aurora, que alguna vez atrajo la atención mundial, se desplomó y su valor de mercado se redujo en más de un 90%. La valoración de Mobileye, el líder de la industria, También se redujo de los 50 mil millones de dólares anteriores a 17 mil millones de dólares. En el mercado chino, según datos relevantes, la cantidad de financiación en el campo de la conducción autónoma en 2022 caerá aproximadamente un 60% en comparación con el mismo período de 2021. Detrás del fracaso de los proyectos de viajes, la caída de los precios de las acciones y la lentitud de la inversión y la financiación se esconde un problema persistente y profundamente arraigado en la industria de la conducción autónoma: la inflación de costes.
Conducción autónoma para el invierno,
La clave es el costo.
Hasta ahora, parece difícil encontrar una empresa de automóviles que no esté investigando la tecnología de conducción autónoma. Sin embargo, el alto costo de la investigación y el desarrollo de la conducción autónoma se ha convertido en un nodo clave que arrastra el proyecto de conducción autónoma al clímax. Las empresas automovilísticas necesitan urgentemente encender el fuego de la "reducción de costes y la mejora de la eficiencia" en el camino hacia la investigación y el desarrollo de la conducción autónoma. Hoy en día, cómo reducir los costes de investigación y desarrollo se ha convertido en una cuestión que no se puede ignorar en el campo de la conducción autónoma.
Porque la conducción autónoma de alto nivel requiere un desarrollo a largo plazo, y es difícil abrir rápidamente un espacio comercial a gran escala en segmentos de mercado basados en escenarios. Por tanto, la mayoría de proyectos de conducción autónoma se encuentran en la fase de inversión a largo plazo, pero es difícil obtener un retorno comercial proporcional. Con la inversión continua en investigación y desarrollo de conducción autónoma, los datos relevantes continúan acumulándose y las necesidades de pruebas se vuelven más diversas, lo que a su vez hace que el costo general de la investigación y el desarrollo siga aumentando.
Sin embargo, la certeza de la conducción autónoma dificulta que la industria automovilística representada por las empresas automovilísticas abandone proyectos relacionados. Desde este punto de vista, la clave para aliviar la presión sobre los proyectos de conducción autónoma y ayudar a las empresas automotrices a sobrevivir al invierno de capital a corto plazo radica en cómo reducir los costos de I+D.
A continuación, también podríamos profundizar en un proyecto de conducción autónoma y explorar desde los procesos técnicos específicos y los vínculos de I + D. ¿Por qué la conducción autónoma tiene un problema de costos de I + D tan grande? ¿Cómo solucionar estos problemas?
Quitar el capullo:
Un proyecto de conducción autónoma
Exploración de costos de I+D
Nuestra historia se desarrolla en una empresa europea de fabricación de automóviles. La empresa tiene una larga trayectoria en la fabricación de turismos y una sólida capacidad de gestión de la cadena de suministro. Sin embargo, falta experiencia y fundamento para las tecnologías digitales e inteligentes, como el desarrollo de algoritmos de inteligencia artificial, la gestión masiva de datos y las pruebas de conducción autónoma. Pero en la etapa actual, la conducción autónoma se ha convertido en una opción imprescindible para esta empresa automovilística; de lo contrario, es probable que corra el riesgo de ser eliminada del mercado en el próximo ciclo.
A partir de las estimaciones, la empresa automovilística evaluó el proceso de investigación y desarrollo del proyecto de conducción autónoma. Esto incluye el trabajo de datos en la etapa inicial, como la recopilación de datos, la importación de datos y la anotación previa al procesamiento, así como el trabajo a medio plazo, como el entrenamiento de algoritmos de conducción autónoma, las pruebas de simulación y el archivo de datos, y el trabajo posterior a la etapa, como el algoritmo. implementación, pruebas en caminos reales e iteración de algoritmos. Según la predicción del volumen de datos de la compañía automovilística, el ciclo de desarrollo de un proyecto de conducción autónoma de este tipo es de unos 60 meses. En otras palabras, las empresas deben seguir invirtiendo durante al menos cinco años y es difícil ver retornos comerciales. Después de la implementación real del proyecto de conducción autónoma, la compañía automovilística descubrió rápidamente una serie de problemas de costos, representados por los costos de almacenamiento de datos, los costos de uso de datos y los costos de investigación y desarrollo de tecnología.
1. Presión de costos generada por el almacenamiento de datos.
La investigación y el desarrollo de conducción autónoma de nivel L4 generarán cantidades masivas de datos todos los días, especialmente durante la fase de prueba en carretera real. Cada vehículo de prueba recopilará aproximadamente 60 TB de datos por día. El simple hecho de almacenar datos para un automóvil por día requiere un gasto en disco duro. Al mismo tiempo, el caso de esquina obtenido al refinar estos datos no son "datos fríos" que puedan almacenarse de manera ineficiente, sino que deban usarse con frecuencia, por lo que la eficiencia de la recuperación de datos también es un gran desafío. La compañía automovilística estima que a medida que avance su negocio, los proyectos relacionados con la conducción autónoma recopilarán más de 1.000 petabytes de datos, que deberán almacenarse durante al menos 30 años. No se puede subestimar la presión sobre los costos de almacenamiento de datos que esto conlleva.
2. Retos integrales de costos derivados de la circulación y aplicación de datos.
La I+D sobre conducción autónoma genera grandes cantidades de datos no estructurados. Por ejemplo, datos de sensores, datos de cámaras, datos de nubes de puntos LIDAR, etc., requieren una gran cantidad de capacitación en anotaciones de IA. La infraestructura de datos tradicionalmente utilizada por las empresas automotrices es difícil de adaptar a las necesidades del desarrollo de datos diversos y de IA.
Al mismo tiempo, como se indicó anteriormente. El desarrollo de la conducción autónoma debe pasar por múltiples vínculos, como la recopilación de datos, la importación, el preprocesamiento, la capacitación, la simulación y la implementación, y los datos de la conducción autónoma deben fluir entre muchos vínculos de proceso. Cada enlace requiere diferentes tipos de datos, tipos de carga y tipos de protocolo de acceso. Una práctica común en la industria es almacenar datos en cada enlace por separado, por lo que los desarrolladores de las compañías automotrices necesitan copiar y llamar datos con frecuencia entre diferentes dispositivos de almacenamiento en diferentes enlaces, lo que genera una gran pérdida de valioso tiempo de desarrollo. En estos procesos, según las estadísticas de esta empresa automovilística, el tiempo de copia y gestión de datos supone aproximadamente el 25% del tiempo total de desarrollo, lo que ralentiza enormemente la eficiencia del desarrollo. Aunque los costos causados por la circulación de datos, la energía de conversión y las aplicaciones pueden parecer pequeños, la presión acumulada es sorprendentemente grande.
3. Los costos relacionados con la comprensión técnica y la investigación y el desarrollo han aumentado.
Además de los problemas de datos, los proyectos de conducción autónoma también enfrentan otros problemas. Por ejemplo, el proceso empresarial de la conducción autónoma es muy complejo e implica una variedad de tecnologías relacionadas. Como codificación y decodificación de video, nube de puntos de radar, información geográfica, sensores de vehículos, controladores de vehículos, inteligencia artificial, big data, OTA, etc., son categorías comerciales que las empresas automotrices no han cubierto antes. Estas tecnologías requieren que las empresas automotrices comiencen la investigación y el desarrollo desde cero, lo que en realidad ha resultado en una enorme expansión de los costos de investigación y desarrollo.
El método de implementación básico de la conducción autónoma es el aprendizaje profundo, que requiere el uso de la percepción del vehículo y las capacidades de toma de decisiones para lograr la conducción sin conductor, lo que ha llevado al desarrollo de algoritmos de inteligencia artificial a convertirse en el núcleo de la investigación y el desarrollo de la conducción autónoma. Las empresas automotrices tradicionales no están familiarizadas con una gran cantidad de desarrollo y capacitación en IA, ni están familiarizadas con los datos, la potencia informática y la infraestructura de red necesarios para el desarrollo de la IA, por lo que tienen que explorar y construir sistemas de I+D de IA por su cuenta. También es una razón importante para el alto costo de la I+D en conducción autónoma.
Por supuesto, además de estos tres puntos, los proyectos de conducción autónoma todavía tienen muchas presiones de costos, como costos de prueba, costos de potencia informática de IA, etc. Hasta ahora, hemos aprendido sobre los costos de investigación y desarrollo de conducción autónoma de una empresa de automóviles. Si queremos ayudar a la industria de la conducción autónoma a superar el frío invierno y desarrollarse de forma saludable, debemos partir de estas cuestiones específicas para ayudar a las empresas de automóviles a reducir costes y aumentar la eficiencia, y aportar calidez y fuerza al invierno.
Encienda el fuego de la "reducción de costes y mejora de la eficiencia":
El valor de Huawei en el camino hacia la conducción autónoma
En general, el camino hacia la conducción autónoma para las empresas de automóviles ha llegado a una etapa crucial y deben superar el invierno que deben vivir. En este momento, las empresas con ventajas tecnológicas y de soluciones deben aportar más de su propio valor para ayudar a las empresas de automóviles a reducir los costos de investigación y desarrollo de la conducción autónoma. En particular, es necesario evitar que las empresas automotrices reinventen la rueda en grandes cantidades, abrir puntos comunes de la industria avanzados y disponibles y reducir el desarrollo repetido por parte de las empresas automotrices.
Como se mencionó anteriormente, la "inflación de costos" de los proyectos de conducción autónoma de los fabricantes de automóviles se divide en tres niveles: 1. El aumento de los costos de infraestructura. 2. Los costos de investigación y desarrollo tecnológico son demasiado elevados. 3. Aumentarán los costes integrales de las empresas que se adaptan a la nueva estrategia de conducción autónoma.
Si desea resolver el problema de la "inflación de costos" en los proyectos de conducción autónoma, no puede simplemente tratar el dolor de cabeza y el pie. En cambio, debemos considerar integralmente las necesidades de estos niveles para promover integralmente el retorno de los costos de los proyectos de conducción autónoma a un nivel razonable.
Bajo esta necesidad multinivel y multiobjetivo de reducir costos, emerge la ventaja de valor de Huawei. Huawei tiene una solución de conducción autónoma de extremo a extremo que integra décadas de experiencia acumulada en redes, almacenamiento, informática, inteligencia artificial, big data y nube. No solo puede resolver los problemas de las empresas en infraestructura digital y adquisición de tecnología, sino también ayudar a las empresas automotrices a completar la transformación inteligente general para adaptarse a la nueva etapa y los nuevos objetivos y, en última instancia, brindar una "reducción y aumento de costos" integral a las empresas automotrices desde tres niveles principales: el valor de "eficacia" ayuda a las empresas de automóviles a prepararse para este invierno.
El primer nivel es la reducción significativa de los costos de infraestructura digital.
Tomemos como ejemplo el problema de datos del que hablamos anteriormente. Huawei tiene tecnología de almacenamiento líder en la industria. Su avanzada tecnología de interoperabilidad multiprotocolo puede admitir el almacenamiento de datos de proceso completo con una solución de almacenamiento, evitando así la copia frecuente de datos. Esto simplemente resuelve los problemas de I+D de la conducción autónoma. Las empresas automovilísticas pueden utilizar esto para aumentar la eficiencia de la I+D en un 25%, acelerando así el proceso de I+D y reduciendo los costes generales. Al mismo tiempo, el almacenamiento de densidad ultraalta y la tecnología de procesamiento jerárquico automático de Huawei para datos fríos y calientes pueden reducir efectivamente los costos TCO en un 20%. Al mismo tiempo, admite escenarios de gran ancho de banda y alto OPS, lo que está más en línea con las necesidades de archivado, clasificación y recuperación de datos masivos en la investigación y el desarrollo de conducción autónoma.
El segundo nivel es ayudar a las empresas automotrices a obtener tecnologías y herramientas maduras de conducción autónoma y tratar de evitar un desarrollo repetido.
La plataforma de desarrollo de conducción autónoma de Huawei puede aportar una serie de herramientas de conducción autónoma y valor de plataforma. Por ejemplo, su exclusiva recopilación y mapeo de cumplimiento en la nube puede ayudar a las empresas automotrices a lograr una programación flexible de la potencia informática y ayudar a que los proyectos de conducción autónoma completen trabajos de mapeo y levantamiento de mapas de alta precisión de manera más conveniente y flexible.
Los datos masivos de la conducción autónoma pueden traer muchos problemas de etiquetado manual y limpieza de datos a las empresas de automóviles. Con este fin, la plataforma de desarrollo de conducción autónoma de Huawei proporciona capacidades de limpieza y detección rápidas y eficientes para datos masivos. A través de la anotación de datos automatizada, se logra un procesamiento de datos de bajo umbral y alta eficiencia, y el rendimiento es un 20% superior al de la industria.
La forma más corta para que las empresas automotrices mejoren las capacidades y servicios relacionados con la conducción autónoma es obtener valor relevante de la plataforma de servicios en la nube. Con este fin, Huawei Cloud proporciona una serie de empoderamiento y soporte centrados en las capacidades de conducción autónoma. Por ejemplo, el desarrollo de algoritmos de IA es el mayor desafío técnico para las empresas automotrices, con un umbral alto, un ciclo largo y una incertidumbre elevada. Con este fin, Huawei Cloud proporciona una plataforma integral de desarrollo de IA, que puede reducir en gran medida la dificultad y el costo de la construcción de la plataforma, permitiendo a las empresas automotrices centrarse en sus capacidades principales de desarrollo de algoritmos y capacitación de modelos.
El tercer nivel es ayudar a las empresas automotrices a construir un ecosistema de conducción autónoma y completar aún más la transformación digital.
Huawei Cloud se ha asociado con todos los sectores de la industria para construir una plataforma de I+D de conducción autónoma ecológicamente abierta y ha abierto Ploto, la biblioteca de código fuente abierto para soluciones de plataforma de I+D de conducción autónoma. Admite la implementación y el acoplamiento de proveedores de servicios de software profesionales. y ayuda a las empresas automotrices a encontrar tecnologías relevantes y oportunidades de cooperación ecológica de manera rápida y precisa.
Al integrar la tecnología y las ventajas de experiencia de Huawei, Huawei Cloud proporciona ocho capacidades clave para las empresas automotrices, que incluyen: experiencia en transformación digital, capacidades de fabricación inteligente, experiencia en globalización, capacidades de colaboración nube-nube, soluciones de conducción autónoma, soluciones de cumplimiento de seguridad e innovación tecnológica subyacente. y capacidades abiertas de cooperación ecológica. No sólo puede satisfacer la "reducción de costos y aumento de la eficiencia" de la investigación y el desarrollo de la conducción autónoma de las empresas automotrices, sino que también puede ayudar a las empresas automotrices a adaptarse a la tendencia de desarrollo de la digitalización y la inteligencia y mejorar la eficiencia industrial.
Con las capacidades de conducción autónoma de extremo a extremo proporcionadas por Huawei, podemos ver que es probable que se reduzcan y ahorren una gran cantidad de costos de investigación y desarrollo de conducción autónoma. Las empresas automotrices pueden responder a los desafíos con mayor calma y eficiencia, y están más seguras de que la conducción autónoma es el camino inevitable.
El frío invierno está a punto de pasar y todo vuelve a la vida. La primera gran revolución de la humanidad en el siglo XXI, la edad de oro de la conducción autónoma, obviamente llegará pronto.
