XPeng ve Banma, 30B sınıfı yapay zekâyı otomobilin içine taşıyor

XPeng ve Banma, otomobil içi yapay zekâ için yeni bir ortak çözüm duyurdu. Tasarımın odağında, 30 milyar parametre sınıfındaki modelleri buluta göndermek yerine araçta çalıştırmak var. Bunun için XPeng’in Turing çipi kullanılacak; duyuruda çipin işlem gücü çip başına 750 TOPS’a kadar olarak veriliyor. Sistem, yerel çalışmayı önceliyor; bulut hizmetleri ise destekleyici rol üstleniyor. 61821

Ancak bu, sistemin belirli bir seri üretim otomobilde kullanılmaya başladığı anlamına gelmiyor. Açıklamada çözümü kullanacak bir araç modeli ya da piyasaya çıkış takvimi belirtilmedi. 618

XPeng ve Banma ne getiriyor?

XPeng, araç içi hesaplama platformu Turing’i; Banma ise AutoOmni adlı çok modlu kokpit modelini sağlıyor. Şirketlerin tanıttığı çözüm; çok turlu sohbet, farklı girdi türleriyle etkileşim, çevrimdışı soru-cevap ve görev planlama gibi işlevleri desteklemek üzere tasarlandı. 1821

Banma, Alibaba Group ve SAIC Motor’un desteklediği akıllı otomobil çözümleri sağlayıcısı olarak tanımlanıyor. XPeng’in daha geniş planları arasında ise çiplerini, kokpit sistemlerini ve başka araç teknolojilerini diğer otomobil üreticilerine sunmak da var. Bu planlar, ortak kokpit çözümünün belirli bir otomobilde kullanılacağının teyidi değil. 15

“Önce araçta, gerektiğinde bulutta” ne demek?

Bu yaklaşımda desteklenen kokpit işlevleri, her defasında internet üzerinden bir sunucuya gönderilmeden otomobilin içinde işlenebiliyor. Çevrimdışı soru-cevap bunun örnekleri arasında; daha seyrek ihtiyaç duyulan bazı hizmetler için bulut bağlantısı da devrede kalabiliyor. Böyle bir mimari, desteklenen görevlerin internet bağlantısına bağımlılığını azaltabilir ve yerel işlemlerde ağ üzerinden gidip gelme ihtiyacını ortadan kaldırabilir. 1821

Bunlar mimarinin olası avantajları; ölçülmüş performans sonuçları değil. Mevcut duyuruda gecikme sürelerine ilişkin testler, kabin verilerinin nasıl işlendiğine dair ayrıntılar ya da sistemin 4B veya 7B parametreli belirli kokpit modellerine karşı performansı paylaşılmıyor. Tek başına daha yüksek parametre sayısı, aracın daha hızlı, daha yetenekli veya daha gizli çalışacağını kanıtlamaz. Bunun için karşılaştırmalı testler ve uygulama ayrıntıları gerekir.

Ayrı bir model: AutoOmni 2.0-23B-A3B

Banma, ayrıca AutoOmni 2.0-23B-A3B adlı, karışık uzmanlar (MoE) mimarisiyle geliştirilen 23 milyar parametreli bir araç içi modeli tanıttı. Şirket, modelin rutin kokpit görevlerinde 230 milyar parametreli bulut modellerine benzer performans gösterdiğini, karmaşık görevlerdeyse benzer büyüklükteki bulut modellerinin performansının yüzde 90’ına ulaştığını belirtiyor. Bunlar bağımsız karşılaştırma sonuçları değil, şirketin paylaştığı iddialar. Ayrıca mevcut kaynaklar, bu 23B modelin XPeng ile geliştirilen çözümdeki 30B sınıfı yapılandırmayla aynı olduğunu doğrulamıyor. 4

Seri üretim ve takvim hâlâ belirsiz

Duyuru ortak bir kokpit çözümünü tarif ediyor; ancak bu çözümün hangi seri üretim otomobilde kullanılacağı veya ne zaman sunulacağı açıklanmış değil. Sistemin otomobil dışındaki bir robota ya da başka bir cihaza uygulanacağı da doğrulanmış değil. XPeng’in teknoloji lisanslamasını robotik ve diğer fiziksel yapay zekâ alanlarına genişletme planları bulunuyor; bunlar, ortak kokpit sisteminin başka bir cihaza yerleştirildiği anlamına gelmiyor. 16

Asıl sınav, otomobil üreticilerinin bu çözümü benimseyip benimsemeyeceği ve sistemin gerçek araçlarda nasıl çalışacağı olacak. O zamana kadar 30B sınıfı model ve araç içi işlem yaklaşımı, duyurulan kapasiteyi ve tasarımı anlatıyor; daha küçük kokpit modellerine karşı kanıtlanmış bir üstünlüğü değil.