AI Kabin 30 Miliar Parameter XPeng-Banma: Apa yang Sudah Diumumkan?

XPeng dan Banma mengumumkan rancangan kokpit AI bersama yang mendukung pengoperasian model kelas 30 miliar parameter langsung di kendaraan. Sistem ini menggabungkan chip Turing milik XPeng—yang disebut memiliki daya komputasi hingga 750 TOPS per chip—dengan model multimodal AutoOmni dari Banma. Desainnya mengutamakan pemrosesan di perangkat, sementara layanan cloud digunakan sebagai pendukung. Pengumuman tersebut belum menyebut mobil produksi yang akan memakai sistem gabungan ini ataupun tanggal penerapannya. 61821

Peran XPeng dan Banma

XPeng menyediakan platform komputasi kendaraan berupa chip Turing, sedangkan Banma menyumbangkan model kokpit multimodal AutoOmni. Menurut pengumuman, sistem ini mendukung model kelas 30B dan dirancang untuk menangani percakapan berkelanjutan, interaksi multimodal, tanya jawab luring, serta perencanaan tugas. 1821

Kolaborasi ini berlangsung ketika XPeng juga berupaya menawarkan teknologi kendaraannya kepada produsen mobil lain. Reuters melaporkan rencana XPeng untuk menawarkan chip, sistem kokpit, dan teknologi lainnya kepada perusahaan otomotif. Banma sendiri merupakan penyedia solusi mobil pintar yang didukung Alibaba Group dan SAIC Motor. 15

Apa arti “utamakan pemrosesan di perangkat, dibantu cloud”?

Sebagian tugas kokpit yang didukung dirancang untuk diproses di dalam kendaraan, bukan selalu dikirim ke server. Salah satu fungsi yang disebutkan adalah tanya jawab luring; layanan cloud tetap bisa digunakan untuk kebutuhan tertentu yang lebih jarang. Secara desain, pendekatan ini berpotensi membuat fungsi yang didukung tidak terlalu bergantung pada koneksi internet dan menghindari waktu bolak-balik jaringan untuk pemrosesan lokal. 1821

Namun, itu adalah potensi manfaat arsitektur, bukan hasil yang sudah dibuktikan lewat pengujian. Sumber yang tersedia tidak memuat pengukuran latensi, rincian tentang cara data di kabin ditangani, atau perbandingan langsung dengan model kokpit 4B maupun 7B tertentu. Jumlah parameter yang lebih besar saja tidak membuktikan bahwa model akan lebih cepat, lebih cakap, atau lebih menjaga privasi di dalam mobil. Untuk menilai hal-hal tersebut dibutuhkan hasil uji dan rincian implementasi yang belum tersedia.

AutoOmni 2.0-23B-A3B adalah model terpisah

Banma juga mengumumkan AutoOmni 2.0-23B-A3B, model lain untuk perangkat yang dibangun dengan arsitektur mixture of experts (MoE) dan disebut memiliki 23 miliar parameter. Banma mengklaim kinerjanya pada tugas kokpit rutin sebanding dengan model cloud 230 miliar parameter, serta mencapai 90% kinerja model cloud dengan ukuran serupa untuk tugas kompleks. Angka-angka ini merupakan klaim perusahaan, bukan hasil perbandingan independen. Sumber yang tersedia juga tidak memastikan bahwa model 23B tersebut adalah konfigurasi yang sama dengan model kelas 30B dalam solusi gabungan XPeng-Banma. 4

Hal yang masih belum diketahui

Pengumuman tersebut menjelaskan solusi bersama, tetapi laporan yang tersedia belum menyebut mobil produksi yang akan menggunakannya atau kapan penerapannya dimulai. Belum ada pula konfirmasi bahwa sistem kokpit ini akan dipasang pada robot atau perangkat lain di luar mobil. Rencana XPeng untuk memasok teknologi kepada produsen otomotif lain dan memperluas lisensi ke robotika serta aplikasi AI fisik merupakan agenda yang lebih luas—bukan bukti bahwa solusi kokpit ini sudah dipastikan akan digunakan pada perangkat tersebut. 16

Ujian berikutnya adalah apakah produsen mobil akan mengadopsi sistem ini dan bagaimana kinerjanya di kendaraan nyata. Sampai ada informasi lebih lanjut, angka kelas 30B dan desain yang mengutamakan pemrosesan lokal menggambarkan kemampuan serta pendekatan yang diumumkan, bukan keunggulan terverifikasi atas model kokpit yang lebih kecil.