Une IA de 30 milliards de paramètres dans la voiture : XPeng et Banma dévoilent leur projet

XPeng et Banma ont annoncé un projet commun d’IA pour l’habitacle, conçu pour exécuter localement des modèles de l’ordre de 30 milliards de paramètres. La solution associe la puce automobile Turing de XPeng, créditée par l’annonce d’une puissance de calcul pouvant atteindre 750 TOPS par puce, au modèle multimodal AutoOmni de Banma. Le principe : traiter d’abord les demandes dans la voiture, puis faire appel au cloud en complément. 61821

À ce stade, il s’agit d’une solution annoncée, pas de la confirmation qu’un modèle précis est déjà installé dans une voiture de série. Les informations disponibles ne donnent ni véhicule concerné ni date de lancement. 618

Le rôle de chaque entreprise

XPeng fournit sa plateforme de calcul embarquée Turing ; Banma apporte AutoOmni, son modèle multimodal destiné aux systèmes d’habitacle. Les fonctions citées comprennent les conversations à plusieurs échanges, les interactions multimodales, les questions-réponses hors ligne et la planification de tâches. 1821

L’annonce s’inscrit aussi dans la stratégie plus large de XPeng, qui souhaite proposer à d’autres constructeurs ses puces, ses systèmes d’habitacle et d’autres technologies automobiles. Banma est, de son côté, un fournisseur de solutions pour voitures connectées soutenu par Alibaba Group et SAIC Motor. 15

« Embarqué d’abord, cloud en renfort » : ce que cela implique

Avec cette approche, certaines tâches compatibles peuvent être traitées directement dans la voiture, sans envoyer systématiquement les requêtes à un serveur. Les usages annoncés incluent notamment les questions-réponses hors ligne ; le cloud reste disponible pour certains besoins moins fréquents. En théorie, les fonctions prises en charge peuvent ainsi moins dépendre d’une connexion Internet et éviter les allers-retours réseau. 1821

Ce sont des avantages possibles de l’architecture, pas des performances démontrées. Les informations disponibles ne donnent pas de mesures de latence, ne détaillent pas la gestion des données recueillies dans l’habitacle et ne comparent pas le système à des modèles précis de 4 ou 7 milliards de paramètres. Un nombre de paramètres plus élevé ne suffit pas, à lui seul, à prouver qu’un modèle est plus rapide, plus performant ou plus respectueux de la vie privée : il faudrait des essais et des détails d’implémentation qui n’ont pas été publiés ici.

AutoOmni 2.0-23B-A3B : un modèle distinct

Banma a également présenté AutoOmni 2.0-23B-A3B, un modèle embarqué distinct, fondé sur une architecture à mélange d’experts et annoncé à 23 milliards de paramètres. L’entreprise affirme qu’il atteint, pour les tâches courantes de l’habitacle, des performances comparables à celles de modèles cloud de 230 milliards de paramètres. Pour les tâches complexes, elle revendique 90 % des performances de modèles cloud de taille similaire. Ces comparaisons viennent du fabricant et ne constituent pas des résultats indépendants en face-à-face. Rien dans les sources disponibles ne permet non plus d’affirmer que ce modèle de 23 milliards de paramètres correspond à la configuration de 30 milliards évoquée pour le projet commun avec XPeng. 4

Ce qui reste à confirmer

L’annonce décrit une solution commune, mais les comptes rendus disponibles ne citent aucune voiture de série qui en serait équipée et ne donnent pas de calendrier de déploiement. Ils ne confirment pas non plus une utilisation du système dans un robot ou un autre appareil autonome. XPeng a des projets plus larges de fourniture de technologies à d’autres constructeurs et d’extension de ses licences à la robotique et à d’autres applications d’IA physique ; cela ne vaut pas confirmation d’un déploiement de ce système d’habitacle dans ces domaines. 16

Le véritable test sera donc l’adoption par les constructeurs et le fonctionnement du système dans des voitures réelles. En attendant, les 30 milliards de paramètres et la priorité donnée au traitement local décrivent une capacité et une approche annoncées, pas un avantage vérifié sur des modèles d’habitacle plus petits.