close
close

De huidige stand van zaken op het gebied van zelfrijdend autorijden door China in 2024

“Het voelt alsof we in slechts een paar maanden jaren werk hebben verricht”, bekende een vermoeide ingenieur van het autonome rijteam van de Chinese autofabrikant Li Auto, terwijl hij terugkeek op het intense ontwikkelingstraject van het afgelopen half jaar.

Dit sentiment weerspiegelt de essentie van Li Auto’s meedogenloze sprint van het afgelopen jaar. De middernachttests van autonome functies door CEO Li Xiang en de daaropvolgende sessies voor het oplossen van bugs die ervoor zorgden dat ingenieurs de middernachtolie verbrandden, zijn emblematisch geworden voor de toewijding van het bedrijf aan innovatie. Zeven dagen per week werken, vaak tot in de vroege uurtjes, is tijdens deze gesloten ontwikkelingsfase het nieuwe normaal geworden.

In 2023 was de arena voor autonoom rijden in China getuige van een toename van de activiteit, waarbij bedrijven als Huawei, Xpeng Motors en Li Auto een felle strijd voerden om marktdominantie. Desondanks is er geen duidelijke leider naar voren gekomen, die elke concurrent ertoe aanzet harder te pushen en tegelijkertijd de voortgang van zijn rivalen nauwlettend in de gaten houdt.

De concurrentie is dit jaar landelijk uitgebreid, waarbij bedrijven als Huawei stoutmoedig hebben verklaard dat ze in staat zijn om autonoom rijden op alle wegen in China mogelijk te maken. Nio volgde snel zijn voorbeeld en introduceerde vergelijkbare functies voor zijn gebruikersbestand. Hoewel Xpeng en Li Auto discreter zijn geweest over hun tijdlijnen, zijn beide begonnen met kleinschalige tests van landelijke zelfrijdende capaciteiten.

De introductie van Tesla’s Full Self-Driving (FSD)-pakket op de Chinese markt heeft echter een nieuwe dimensie aan de concurrentie toegevoegd, waardoor concurrenten moeite hebben om bij te blijven. Hoewel Tesla wellicht later op de markt is verschenen dan anderen, valt het momentum ervan niet te ontkennen, waardoor speculaties ontstaan ​​over de potentiële impact van zijn aanbod.

Te midden van een hevig competitief landschap en een prijzenoorlog die zelfs marktleiders als Tesla onder druk heeft gezet, blijft autonoom rijden een van de weinige variabelen in het spel waar de auto-industrie op het spel staat. Hoe ver zijn we nog verwijderd van getuige zijn van de volledige ontwrichting ervan?

Buzz en scepsis

Op 19 maart maakte Aito, een dochteronderneming van Huawei, furore door de volledige inzet van geavanceerde autonome rijfuncties aan gebruikers aan te kondigen. Aito’s initiatief claimt dekking van 99% van de Chinese wegen en concretiseert het concept van ‘nationaal’ door de opname van 40.000 Chinese steden en dorpen te specificeren. Het doel is om tegen eind 2024 500.000 voertuigen op de weg te hebben die zijn uitgerust met het autonome aandrijfsysteem van Huawei.

Promotionele afbeelding van de Aito M7.
Promotieafbeelding van de M7, een SUV (Sport Utility Vehicle) ontwikkeld door Aito. Afbeelding uit het archief van KrASIA.

Deze doorbraak heeft niet alleen nieuwe mogelijkheden geopend, maar ook de concurrentiedruk op andere spelers in de sector vergroot. Voor concurrenten zou een achterstand op Huawei op dit vlak hun merkzichtbaarheid en verkoopvooruitzichten verder kunnen temperen.

Voor Nio, die een jaar zonder nieuwe auto’s tegemoet gaat, is autonoom rijden een van de weinige strategieën gebleken om de verkoop te stimuleren. In navolging van Huawei werd Nio op 30 april de tweede Chinese autofabrikant die geavanceerde functies voor autonoom rijden uitrolde, waardoor de dekking werd uitgebreid tot meer dan 200.000 gebruikers.

Op dezelfde manier heeft Xpeng autonoom rijden consequent gepositioneerd als een strategisch voordeel dat niet kan worden opgegeven. Ondertussen maakt Li Auto de overstap naar een technologiebedrijf voor kunstmatige intelligentie en is het vastbesloten voorop te blijven lopen op het gebied van zelfrijdende innovatie.

Inzichten van 36Kr laten zien dat, ondanks het gebruik van gedurfde marketingslogans, de daadwerkelijke implementatie van autonome rijfuncties door autofabrikanten relatief voorzichtig is. Zowel Huawei als Nio vereisen bijvoorbeeld dat gebruikers assessments en tests afleggen voordat ze autonoom rijden in stedelijke gebieden mogelijk maken. Bovendien moeten gebruikers een bepaald aantal kilometers autonoom rijden op snelwegen verzamelen voordat ze deze in stadscentra mogen gebruiken.

Er heerst echter scepsis onder professionals uit de sector. Ten eerste lijken de definities van landelijke mogelijkheden per autofabrikant te variëren – terwijl Huawei de nadruk legt op gedetailleerde dekking, Nio zich richt op kilometers op de weg en Xpeng prioriteit geeft aan de frequentie van systeeminterventie.

Deze inconsistentie in normen vertroebelt ook de intensiteit van het testen. Met de uitgestrektheid van het Chinese wegennet is het voor autofabrikanten vrijwel onmogelijk om elke afzonderlijke weg te testen voordat ze functies aan gebruikers uitrollen.

Bovendien garandeert het bereiken van landelijke capaciteiten niet noodzakelijkerwijs bruikbaarheid en functionaliteit. Er blijven uitdagingen bestaan ​​op het gebied van de perceptie van machines, vooral op grote kruispunten, waar factoren als verkeersopstoppingen en weersomstandigheden de systeemprestaties kunnen beïnvloeden. Bij het evalueren van de effectiviteit van autonome rijfuncties moet rekening worden gehouden met de consistentie ervan in verschillende scenario’s.

Om deze uitdagingen aan te pakken, pleiten sommige technische managers ervoor om producten voor autonoom rijden in drie niveaus te classificeren: bruikbaar, functioneel en gebruiksvriendelijk. Hoewel Tesla functionaliteit heeft bereikt en gebruikersvriendelijkheid is gaan aanraken, navigeren leiders in de binnenlandse industrie nog steeds tussen bruikbaarheid en functionaliteit. Het concept van landelijke autonome rijmogelijkheden duidt louter op bruikbaarheid, waardoor er ruimte is voor verfijning van de gebruikerservaring en op andere gebieden.

Ren Shaoqing, hoofd autonoom rijden bij Nio, vertelt 36Kr dat het minstens twee jaar zal duren om dit te bereiken; het eerste jaar zal zich richten op het garanderen van de robuustheid van de functies, gevolgd door nog een jaar van voortdurende optimalisatie van de gebruikerservaring.

Hoewel het bereiken van het concept van ‘landelijk autonoom rijden’ een mijlpaal in de branche markeert, markeert het ook het begin van een nieuwe fase gericht op verfijning van de productervaring en langdurige concurrentie. Deze reis hangt af van de voortdurende implementatie van end-to-end en andere opkomende technologieën.

End-to-end: gimmick of wondermiddel?

Tesla’s FSD V12 heeft aanzienlijke vooruitgang geboekt op het gebied van autonoom rijden. Deze versie wordt aangedreven door een end-to-end neuraal netwerk en vertegenwoordigt de oplossing van de volgende generatie voor autonoom rijden.

Traditionele autonome aandrijfsystemen bestaan ​​doorgaans uit meerdere onafhankelijke modules, zoals perceptie, voorspelling, planning en controle. Deze systemen zijn sterk afhankelijk van regels die door ingenieurs zijn gecodeerd om te bepalen hoe autonome voertuigen werken.

End-to-end-oplossingen behandelen sensorgegevens daarentegen als invoer- en uitvoeropdrachten voor voertuigbesturing en verwerken deze rechtstreeks. Door het hele proces af te handelen, kan de informatieoverdracht naadloos plaatsvinden.

In wezen worden end-to-end-oplossingen gebouwd om autonoom menselijke rijervaringen te leren en te repliceren door middel van uitgebreide datatraining.

Een branche-expert vertelde het 36Kr dat autonome rijsystemen met end-to-end-oplossingen meer mensachtig gedrag kunnen vertonen, vooral bij het navigeren op complexe stedelijke kruispunten, wat leidt tot soepelere processen zoals verkeerslichtbeheer.

Tesla heeft de specifieke technische implementatie van zijn end-to-end-oplossing echter niet bekendgemaakt, wat een uitdaging voor de industrie vormt om vast te stellen of het bedrijf deze prestatie werkelijk heeft geleverd en de tussenstappen die gebruikelijk zijn in traditionele modules achterwege heeft gelaten.

Dat zei een directeur uit de sector 36Kr dat het onwaarschijnlijk is dat binnenlandse end-to-end-oplossingen de radicale aanpak van Tesla zullen overnemen en in plaats daarvan zullen kiezen voor een meer gematigde strategie.

Sinds de autonoom rijdende industrie begin 2023 collectief afstand heeft gedaan van zeer nauwkeurige kaarten, is de aanpak van verschillende toonaangevende bedrijven grotendeels naar elkaar toegegroeid en is de nadruk gelegd op de perceptiecomponent van grote modellen: op transformatoren gebaseerd vogelperspectief (BEV), bezettingsgraad en topologie van het wegennet.

Na dit traject maken ze zich op om prioriteit te geven aan de ontwikkeling van planning- en controlemodules. Deze zullen naar verwachting worden geïntegreerd in een neuraal netwerk, met als uiteindelijk doel end-to-end autonomie te bereiken.

Huawei’s recente Advanced Driving System (ADS) 3.0 introduceerde bijvoorbeeld een groot model dat prioriteit geeft aan perceptie. Xpeng introduceerde ook een op een neuraal netwerk gebaseerd groot model genaamd XPinner dat zich richt op planning en controle, dat stroomafwaarts van zijn op perceptie gebaseerde grote model zal opereren.

Xpeng Motors heeft sinds medio 2023 de ontwikkeling van zijn zelfrijdende capaciteiten verdubbeld. Afbeelding uit het archief van KrASIA.

Echter, in eigen land ontwikkelde oplossingen die zogenaamd end-to-end zijn, moeten doorgaans nog steeds de fases van perceptie, voorspelling en planning doorlopen, zonder direct controlecommando’s uit te voeren.

Bovendien betekent het end-to-end gaan niet noodzakelijkerwijs dat de traditionele, op regels gebaseerde benaderingen volledig worden opgegeven.

Een technisch manager van het autonome rijteam van een toonaangevende autofabrikant legde het uit 36Kr dat, hoewel de machineperceptiemogelijkheden van grote modellen in staat zijn de positie en kleur van verkeerslichten te detecteren, er nog steeds enkele regels nodig zijn om het voertuig te geleiden in scenario’s waarin verkeerslichten in alle richtingen aanwezig zijn.

Bovendien dienen neurale netwerken in termen van voorspelling en planning slechts als referentiepunt, waarbij uiteindelijke oplossingen nog steeds afhankelijk zijn van regels.

Wu Xinzhou, voormalig hoofd van autonoom rijden bij Xpeng en huidig ​​hoofd van de autodivisie van Nvidia, zei dat end-to-end de ultieme stap is voor autonoom rijden. Wu waarschuwde echter tegen het letterlijk interpreteren van wat end-to-end betekent, omdat er mogelijk andere elementen bij betrokken zijn. Hij benadrukte de noodzaak van vangrails voordat een echt end-to-end-systeem wordt gelanceerd, aangezien voortdurende optimalisatie en groei absoluut noodzakelijk zijn.

In wezen zal een mix van traditionele en end-to-end-benaderingen waarschijnlijk de mainstream-oplossing van de industrie worden, waarbij Chinese spelers op het gebied van autonoom rijden deze naar verwachting de komende 1 à 2 jaar voortdurend zullen valideren.

De drempel overschrijden

Hoewel Tesla’s FSD v12 opmerkelijke prestaties laat zien, wordt het succes ervan niet alleen toegeschreven aan end-to-end-oplossingen, maar ook aan de accumulatie van miljoenen voertuigdatapunten en het gebruik van uitgebreide rekenkracht voor trainingen van meer dan 10 exaflops. Dit voordeel heeft Tesla een voorsprong op de concurrentie gegeven en de commercialisering van autonoom rijden in Noord-Amerika versneld.

De aankondiging van Elon Musk op sociale media over Tesla’s investering van 10 miljard dollar in AI-training en gevolgtrekking dit jaar onderstreept het cruciale belang van financiële inzet voor AI in de auto-industrie. De bewering van Musk dat bedrijven die deze uitgaven niet kunnen evenaren of efficiënt kunnen benutten, niet kunnen concurreren, legt de lat hoog voor concurrenten.

Om gelijke tred te houden met Tesla moeten spelers niet alleen investeren in de ontwikkeling van end-to-end-oplossingen, maar ook in het verzamelen van data en rekenkracht. De uitdaging ligt echter in de afhankelijkheid van de verkoop van hoogwaardige autonoom rijdende voertuigen om substantiële gegevens te verzamelen, waardoor een grotere verkoop van voertuigen noodzakelijk is om de geografische reikwijdte van de gegevensverzameling te verbreden.

In termen van cloud computing-kracht leidt Huawei momenteel de Chinese markt voor autonoom rijden, met plannen om het computervermogen voor ADS-training tegen juni te verhogen tot 3,5 exaflops. Andere belangrijke spelers, waaronder Xpeng, Nio en Li Auto, beschikken over rekenkracht van respectievelijk 0,6, 1,4 en 1,4 exaflops.

Wat betreft de rekenkracht aan boord geeft feedback uit de industrie aan dat Nvidia’s Orin-chip voldoende is om end-to-end autonome rijoplossingen te ondersteunen. Desalniettemin zijn er verwachtingen over Nvidia’s aankomende autonoom rijdende chipplatform van de volgende generatie, Thor, dat op maat is gemaakt voor raamwerken als Transformer en naar verwachting zal beschikken over een AI-rekenkracht van 1.000 TOPS.

Er is gespeculeerd onder insiders uit de industrie dat de implementatie van Thor de inzet van grote modellen aan boord van voertuigen verder zal vergemakkelijken, inclusief multimodale grote modellen, waardoor voertuigen mogelijk in meer dynamische entiteiten zullen worden getransformeerd. Verschillende grote spelers, waaronder BYD, Nio, Xpeng, Li Auto en GAC Motor, zijn van plan de Thor-chip van Nvidia te adopteren, waarbij de massaproductie naar verwachting in 2025 zal beginnen.

De penetratie van autonoom rijden in stedelijke gebieden markeert ook het begin van gedeeltelijke zelfrijdende capaciteiten van niveau 3 in de sector.

Deze transitie vertegenwoordigt niet alleen een technologische en technische uitdaging, maar vereist ook langdurige aanpassingen in bedrijfsvormen, verzekeringen en polissen. Nio’s Ren vertelde het 36Kr dat hij verwacht dat de industrie oplossingen van niveau 3 zal verkennen voordat ze zullen aandringen op wijdverbreide acceptatie, waardoor de concurrentie op niveau 3 zal worden gepositioneerd als fundamenteel voor toekomstig succes.

KrASIA Connection biedt vertaalde en aangepaste inhoud die oorspronkelijk is gepubliceerd door 36Kr. Dit artikel is geschreven door Li Anqi voor 36Kr.