XPeng ja Banma suunnittelevat paikallisesti toimivaa tekoälyä auton ohjaamoon

XPeng ja Banma julkistivat yhteisen tekoälyratkaisun auton ohjaamoon. Sen on tarkoitus mahdollistaa 30 miljardin parametrin luokan mallien paikallinen käyttö XPengin Turing-piirillä, jonka laskentatehoksi ilmoitetaan enintään 750 TOPSia piiriltä. Ratkaisussa ensisijainen käsittely tapahtuu autossa, ja pilvipalvelut toimivat tukena. Julkistuksessa ei nimetty tuotantoautoa, johon järjestelmä olisi tulossa, eikä kerrottu käyttöönoton aikataulua. 61821

XPeng tuo laskentatehon, Banma ohjaamon tekoälyn

XPengin osuus on Turing-alusta auton sisäiseen laskentaan. Banma tuo ratkaisuun AutoOmni-multimodaalimallinsa, joka on suunniteltu ymmärtämään erilaisia syötteitä ja toimimaan auton ohjaamossa. Yhtiöiden mukaan järjestelmä tukee 30 miljardin parametrin luokan mallien paikallista käyttöä sekä muun muassa monivaiheista keskustelua, multimodaalista vuorovaikutusta, offline-kysymyksiin vastaamista ja tehtävien suunnittelua. 1821

Yhteistyö liittyy myös XPengin pyrkimykseen myydä teknologiaansa muille autonvalmistajille. Reutersin mukaan yhtiö aikoo tarjota ulkopuolisille toimijoille muun muassa piirejä, ohjaamojärjestelmiä ja muuta ajoneuvoteknologiaa. Banma puolestaan on älyautoratkaisujen toimittaja, jonka taustalla ovat Alibaba Group ja SAIC Motor. 15

Mitä tarkoittaa, että auto käsittelee ensin itse?

Paikalliseen laskentaan painottuvassa mallissa tuetut tehtävät voidaan käsitellä auton omassa järjestelmässä sen sijaan, että ne lähetettäisiin tavallisesti palvelimelle. Julkistuksen esimerkkeihin kuuluu kysymyksiin vastaaminen ilman verkkoyhteyttä. Pilvipalveluja voidaan silti käyttää harvemmin tarvittaviin toimintoihin. 1821

Tällainen toteutus voisi vähentää joidenkin toimintojen riippuvuutta verkkoyhteydestä ja poistaa verkkoviiveen niissä tehtävissä, jotka hoituvat autossa. Nämä ovat kuitenkin arkkitehtuurin mahdollisia hyötyjä, eivät mitattuja tuloksia. Julkisesti saatavilla olevissa tiedoissa ei esitetä viivetestejä, kuvata tarkasti matkustamon tietojen käsittelyä eikä verrata järjestelmää tiettyihin 4 tai 7 miljardin parametrin malleihin.

Suurempi parametrimäärä ei yksin osoita, että malli olisi autossa nopeampi, osaavampi tai yksityisyyden kannalta parempi. Tällaiset vertailut edellyttäisivät testituloksia ja tietoja toteutuksesta, joita ei ole julkaistu.

Banman erillinen 23 miljardin parametrin malli

Banma julkisti myös AutoOmni 2.0-23B-A3B -mallin, joka on erillinen, Mixture of Experts -arkkitehtuuriin perustuva paikallisesti toimiva malli. Banman mukaan se suoriutuu tavanomaisista ohjaamotehtävistä 230 miljardin parametrin pilvimallien veroisesti ja yltää vaativissa tehtävissä 90 prosenttiin samankokoisten pilvimallien suorituskyvystä. Nämä ovat yhtiön omia vertailuja, eivät riippumattoman tahon tuloksia. Käytettävissä olevat lähteet eivät myöskään vahvista, että 23 miljardin parametrin malli olisi sama kokoonpano kuin XPengin ja Banman yhteisratkaisussa mainittu 30 miljardin parametrin luokan malli. 4

Tuotantoautosta ja aikataulusta ei vielä tietoa

Julkistus koskee yhteistä teknologiaratkaisua, mutta käytettävissä olevissa raporteissa ei nimetä tuotantoautoa, johon se olisi tulossa, eikä anneta käyttöönoton aikataulua. Lähteet eivät myöskään vahvista, että juuri tämä ohjaamojärjestelmä olisi tulossa robottiin tai muuhun kuin autoon tarkoitettuun laitteeseen.

XPengillä on laajempia suunnitelmia tarjota teknologiaansa muille autonvalmistajille sekä laajentaa lisensointia robotiikkaan ja muihin fyysisen tekoälyn sovelluksiin. Nämä suunnitelmat ovat erillisiä siitä, että yhteinen ohjaamoratkaisu olisi vahvistetusti tulossa johonkin tiettyyn ajoneuvoon. 16

Ratkaisun käytännön merkitys selviää vasta, kun autonvalmistajat ottavat sen käyttöön ja sen toimintaa voidaan arvioida oikeissa autoissa. Toistaiseksi 30 miljardin parametrin luokan malli ja paikallista käsittelyä painottava arkkitehtuuri kuvaavat julkistettua tavoitetta – eivät osoitettua etua pienempiin ohjaamomalleihin nähden.