AI ในห้องโดยสารรถยนต์: XPeng และ Banma ชูโมเดล 30B ที่ประมวลผลบนรถ

XPeng และ Banma ประกาศโซลูชัน AI สำหรับห้องโดยสารรถยนต์ที่รองรับโมเดลขนาดระดับ 30,000 ล้านพารามิเตอร์ให้ทำงานภายในรถ โดยใช้ชิป Turing ของ XPeng ซึ่งรายงานระบุว่ามีกำลังประมวลผลสูงสุด 750 TOPS ต่อชิป แนวทางคือให้รถประมวลผลเป็นหลัก และใช้บริการคลาวด์เป็นตัวช่วยเมื่อจำเป็น 61821

อย่างไรก็ตาม นี่คือการประกาศโซลูชันร่วม ไม่ใช่การยืนยันว่าระบบเริ่มติดตั้งในรถที่วางจำหน่ายแล้ว เพราะรายงานที่มีไม่ได้ระบุชื่อรถโปรดักชันหรือกำหนดวันเริ่มใช้งาน 618

XPeng และ Banma นำอะไรมาเสริมกัน

XPeng สนับสนุนแพลตฟอร์มประมวลผลในรถอย่างชิป Turing ส่วน Banma นำโมเดล AutoOmni แบบหลายรูปแบบข้อมูล (multimodal) สำหรับห้องโดยสารมาใช้ บริษัทระบุว่าระบบรองรับการสนทนาหลายรอบ การโต้ตอบด้วยข้อมูลหลายรูปแบบ การถาม–ตอบแบบออฟไลน์ และการวางแผนงาน 1821

ความร่วมมือนี้เกิดขึ้นในช่วงที่ XPeng ต้องการขยายธุรกิจเทคโนโลยีไปยังผู้ผลิตรถยนต์รายอื่น ทั้งชิป ระบบห้องโดยสาร และเทคโนโลยีรถยนต์ด้านอื่น ๆ ตามรายงานของ Reuters ส่วน Banma เป็นผู้ให้บริการโซลูชันรถยนต์อัจฉริยะที่มี Alibaba Group และ SAIC Motor หนุนหลัง 15

«ประมวลผลบนรถก่อน ใช้คลาวด์เสริม» หมายถึงอะไร

งานที่ระบบรองรับสามารถประมวลผลในรถได้ แทนที่จะส่งทุกคำสั่งไปยังเซิร์ฟเวอร์อยู่เสมอ ตัวอย่างการใช้งานที่ระบุไว้คือการถาม–ตอบแบบออฟไลน์ ขณะที่คลาวด์ยังมีบทบาทช่วยกับงานบางประเภทที่เกิดขึ้นไม่บ่อยนัก 1821

ในเชิงสถาปัตยกรรม วิธีนี้อาจทำให้ฟังก์ชันที่รองรับพึ่งพาอินเทอร์เน็ตน้อยลง และไม่ต้องรอรับส่งข้อมูลผ่านเครือข่ายสำหรับงานที่ทำในรถได้ แต่ข้อดีเหล่านี้ยังเป็นเพียงความเป็นไปได้ ไม่ใช่ผลทดสอบที่ยืนยันแล้ว

ข้อมูลที่เปิดเผยยังไม่มีการทดสอบความหน่วง (latency) รายละเอียดวิธีจัดการข้อมูลภายในห้องโดยสาร หรือผลเปรียบเทียบกับโมเดลในรถขนาด 4B หรือ 7B โดยตรง จำนวนพารามิเตอร์ที่มากกว่าเพียงอย่างเดียวจึงยังยืนยันไม่ได้ว่าโมเดลจะเร็วกว่า เก่งกว่า หรือรักษาความเป็นส่วนตัวได้ดีกว่า ต้องมีผลทดสอบและรายละเอียดการติดตั้งเพิ่มเติม

AutoOmni 2.0-23B-A3B เป็นอีกโมเดลหนึ่ง

Banma ยังเปิดตัว AutoOmni 2.0-23B-A3B แยกต่างหาก เป็นโมเดลที่ออกแบบให้ทำงานบนอุปกรณ์และใช้สถาปัตยกรรม Mixture of Experts (MoE) โดยระบุว่ามีพารามิเตอร์รวม 23,000 ล้านตัว Banma กล่าวว่าโมเดลทำผลงานในงานห้องโดยสารทั่วไปได้ใกล้เคียงกับโมเดลบนคลาวด์ขนาด 230B และทำได้ 90% ของโมเดลบนคลาวด์ที่มีขนาดใกล้เคียงกันในงานซับซ้อน ตัวเลขเหล่านี้เป็นการเปรียบเทียบที่บริษัทเปิดเผย ไม่ใช่ผลทดสอบเทียบกันโดยหน่วยงานอิสระ 4

แหล่งข้อมูลที่มีไม่ได้ยืนยันว่าโมเดล 23B นี้เป็นรุ่นหรือการตั้งค่าเดียวกับโมเดลระดับ 30B ในโซลูชันร่วมของ XPeng และ Banma 418

สิ่งที่ยังต้องรอคำตอบ

แม้มีการประกาศความร่วมมือ แต่ยังไม่มีการระบุรถโปรดักชันที่จะใช้ระบบห้องโดยสารนี้ หรือกำหนดการนำออกใช้งาน และยังไม่มีข้อมูลยืนยันว่าจะนำโซลูชันดังกล่าวไปติดตั้งในหุ่นยนต์หรืออุปกรณ์รูปแบบอื่นที่มี AI ทำงานในโลกจริงด้วย 16

XPeng มีแผนขยายการให้สิทธิ์ใช้เทคโนโลยีแก่ผู้ผลิตรถยนต์รายอื่น และต่อยอดไปยังหุ่นยนต์กับแอปพลิเคชัน Physical AI ด้านอื่น ๆ แต่แผนธุรกิจเหล่านั้นยังไม่ใช่การยืนยันว่าโซลูชันห้องโดยสารร่วมกับ Banma จะถูกนำไปใช้ในอุปกรณ์เหล่านั้น 1

ท้ายที่สุด สิ่งที่ต้องจับตาคือจะมีผู้ผลิตรถยนต์นำระบบไปใช้จริงหรือไม่ และระบบทำงานเป็นอย่างไรเมื่ออยู่ในรถที่ใช้งานจริง จนกว่าจะมีข้อมูลดังกล่าว ตัวเลข 30B และแนวทางประมวลผลบนรถเป็นหลักจึงบอกถึงความสามารถและการออกแบบที่ประกาศไว้ ยังไม่ใช่หลักฐานว่าระบบเหนือกว่าโมเดลห้องโดยสารขนาดเล็กกว่า