Zhou Guang de DeepRoute.ai : la conduite assistée doit évoluer vers les grands modèles, l'efficacité des données multipliée par 10

fr.wedoany.com Rapport : Zhou Guang, fondateur et PDG de DeepRoute.ai, a déclaré lors de la 4e Conférence des pionniers de l'automobile du futur que la technologie de conduite assistée basée sur les petits modèles au cours des cinq dernières années a presque atteint les limites de ses capacités, et que l'industrie doit effectuer une transition vers un paradigme technologique fondé sur la cognition des grands modèles. Il a souligné que les petits modèles excellent dans les réflexes conditionnés et les réponses aux caractéristiques locales, tandis que les grands modèles présentent des avantages évidents en matière de cognition globale et de pensée avancée.

Dans son discours, Zhou Guang a analysé les limites de la technologie des petits modèles. Il a mentionné que les systèmes basés sur les petits modèles souffrent d'un « effet de balançoire », où l'optimisation pour une ville spécifique peut entraîner une baisse des performances dans d'autres régions, et que les modifications répétées affectent la confiance des utilisateurs. Selon lui, la raison fondamentale pour laquelle l'augmentation des investissements ne se traduit plus par une amélioration significative des performances est que la voie technologique des petits modèles a atteint un plafond.

Zhou Guang a présenté la feuille de route technologique de DeepRoute.ai. L'entreprise a adopté un modèle de base de 40 milliards de paramètres, intégrant les trois capacités de Driver (conducteur), Analyst (analyste) et Critic (critique) en un seul modèle, couvrant l'ensemble du processus de développement, d'itération et d'exploitation. Selon lui, cette solution améliore l'efficacité des données d'un facteur 10 et favorise la transition des processus manuels vers l'automatisation par modèle.

Dans son discours, Zhou Guang a comparé les petits modèles et les grands modèles. Prenant l'exemple d'« un chien avec des rayures de zèbre », il a souligné qu'un petit modèle l'identifierait comme un zèbre en raison de ses caractéristiques locales, tandis qu'un grand modèle, basé sur une cognition globale, le jugerait toujours comme un chien. Il estime que lorsque la conduite assistée passe de quelques dizaines de kilomètres de reprise sécurisée en milieu urbain à des niveaux supérieurs, elle doit s'appuyer sur un système cognitif basé sur les grands modèles.

En ce qui concerne les données de marché, Zhou Guang a révélé qu'en 2025, la part de marché de DeepRoute.ai a augmenté de 2,1 fois en glissement annuel, atteignant 24 % de la part de marché des NOA tiers, se classant deuxième du secteur. Il a déclaré qu'actuellement, pour 3 nouveaux véhicules équipés de NOA urbain, 1 utilise la solution DeepRoute.

Zhou Guang a également fixé un objectif de développement pour 2026 : livrer plus d'un million de véhicules ; après l'introduction du modèle de base, le MPCI (nombre de reprises sécurisées par millier de kilomètres) devrait dépasser 1 000 km, et le taux d'utilisation fréquente en milieu urbain devrait dépasser 50 %. Il estime qu'une fois la sécurité améliorée au niveau du millier de kilomètres, le nombre mensuel moyen de reprises sécurisées par utilisateur tombera à moins d'une fois, et que la conduite assistée pourra alors passer de « utilisable » à « agréable », « courante » et « sûre ».