IA de 30 bilhões de parâmetros no carro: o que XPeng e Banma anunciaram

A XPeng e a Banma anunciaram uma solução conjunta de inteligência artificial para o cockpit de veículos. A proposta combina o chip automotivo Turing, da XPeng, com o modelo multimodal AutoOmni, da Banma, e prevê a execução local de modelos da classe de 30 bilhões de parâmetros. Segundo as empresas, cada chip Turing oferece até 750 TOPS de capacidade de processamento. 61821

A ideia é priorizar o processamento dentro do carro e usar a nuvem como apoio. Mas o anúncio descreve uma solução, não a estreia de um sistema em um modelo de produção: até agora, não foi divulgado qual veículo vai adotá-la nem quando ela poderá chegar ao mercado. 618

O que cada empresa leva para o projeto

A XPeng fornece a plataforma de processamento veicular Turing. A Banma contribui com o AutoOmni, modelo multimodal voltado ao cockpit. De acordo com a descrição do projeto, o sistema poderá atender a funções como conversas com várias interações, comandos que combinam diferentes tipos de informação, perguntas e respostas sem conexão à internet e planejamento de tarefas. 1821

O anúncio também se encaixa na estratégia mais ampla da XPeng de fornecer tecnologia a outras montadoras. A empresa planeja oferecer componentes como chips Turing e sistemas de cockpit a fabricantes além de sua própria marca. 1 A Banma, por sua vez, é uma fornecedora de soluções para carros inteligentes apoiada pelo Alibaba Group e pela SAIC Motor. 5

O que significa priorizar o processamento no carro

Na arquitetura “local primeiro, nuvem como apoio”, tarefas compatíveis podem ser processadas pelo computador do próprio veículo, em vez de dependerem sempre de uma conexão com servidores. Entre os usos mencionados estão perguntas e respostas offline; serviços de nuvem continuam disponíveis para algumas necessidades menos frequentes. 1821

Em tese, executar essas funções localmente pode mantê-las disponíveis quando a conexão estiver ruim e evitar o tempo de ida e volta dos dados pela rede. Mas esses são benefícios possíveis da arquitetura, não resultados já demonstrados por testes divulgados.

Também não há dados que comprovem vantagem em velocidade, privacidade ou desempenho em relação a modelos específicos de 4 bilhões ou 7 bilhões de parâmetros. Um número maior de parâmetros, por si só, não prova que a IA será mais rápida, mais capaz ou mais privada dentro do carro. Para avaliar essas diferenças, seriam necessários testes comparáveis e informações sobre como o sistema foi implementado — detalhes que ainda não foram apresentados.

O AutoOmni 2.0 de 23 bilhões é outro anúncio

Separadamente, a Banma apresentou o AutoOmni 2.0-23B-A3B, um modelo para uso local baseado na arquitetura mixture of experts (MoE), ou “mistura de especialistas”, com 23 bilhões de parâmetros. A empresa afirma que ele tem desempenho comparável ao de modelos de nuvem com 230 bilhões de parâmetros em tarefas rotineiras de cockpit e alcança 90% do desempenho de modelos de nuvem de tamanho semelhante em tarefas complexas. São comparações divulgadas pela própria Banma, não resultados independentes. 4

As informações disponíveis não confirmam que esse modelo de 23 bilhões de parâmetros seja a mesma configuração da solução conjunta de 30B anunciada com a XPeng. Portanto, os dois anúncios não devem ser tratados como se descrevessem necessariamente o mesmo sistema. 418

O que ainda falta saber

Até o momento, os relatos não apontam um veículo de produção que vá receber o cockpit desenvolvido pelas duas empresas nem informam uma data de implantação. Também não confirmam que a solução será usada em robôs ou em outros dispositivos além de carros. 6

A XPeng tem planos mais amplos de licenciar tecnologia para outras montadoras e ampliar aplicações de IA física, incluindo robótica. Essas iniciativas, porém, não equivalem à confirmação de que o cockpit conjunto será instalado em um veículo ou dispositivo específico. 1

O próximo passo para medir o alcance do anúncio será saber se outras montadoras vão adotar o sistema e como ele se comportará em carros reais. Por enquanto, a execução local de modelos da classe de 30 bilhões de parâmetros é a capacidade anunciada — não uma vantagem comprovada sobre cockpits que usam modelos menores.