ड्रायव्हिंगमधील AI शर्यतीला Xpeng ने किंमत लावली

उन्नत ड्रायव्हर-सहाय्य प्रणालींमध्ये Tesla शी स्पर्धा करण्याच्या प्रयत्नात Xpeng फक्त AI प्रशिक्षणावर दरमहा सुमारे 300 दशलक्ष RMB, म्हणजेच सुमारे $41 दशलक्ष खर्च करत असल्याचे सांगते. Electrek च्या अहवालानुसार आणि येथे दिलेल्या candidate metadata नुसार, वार्षिक आधारावर ही रक्कम सुमारे $500 दशलक्ष होते.

कंपनीच्या स्वायत्त ड्रायव्हिंग प्रमुखांनी असेही सांगितले की Xpeng ला वाटते की तिने Tesla च्या Full Self-Driving प्रणालीशी आधीच समता साधली आहे. दिलेल्या मजकुरात अधिक सविस्तर तांत्रिक तपशील नसला तरी, या दोन दाव्यांमधून मोठ्या इलेक्ट्रिक-वाहन उत्पादकांमध्ये स्पर्धा किती आक्रमकपणे नव्याने परिभाषित होत आहे हे दिसते: आता स्पर्धा केवळ वाहन हार्डवेअर, बॅटऱ्या किंवा उत्पादन-स्तरावर नाही, तर मोठ्या ड्रायव्हिंग मॉडेल्सना प्रशिक्षण देण्याच्या खर्चावरही केंद्रित आहे.

AI प्रशिक्षण आता स्वतंत्र खर्चाची ओळ, दुय्यम प्रकल्प नाही

खर्चाचा आकार हा अहवालातील सर्वात उघड करणारा भाग आहे. ऑटोमोटिव्ह प्रणालींमध्ये AI विकासाबद्दल अनेकदा सैद्धांतिक चर्चा झाली आहे, पण दरमहा 300 दशलक्ष RMB ही आकडेवारी या प्रयत्नाला एका मोठ्या औद्योगिक कार्यक्रमासारखी कार्यात्मक बांधिलकी बनवते. त्या स्तरावरील प्रशिक्षण खर्चातून संगणकीय संसाधने, डेटा प्रक्रिया, मॉडेल पुनरावृत्ती आणि अभियांत्रिकी सहाय्य यामध्ये सातत्यपूर्ण गुंतवणुकीचा संकेत मिळतो.

हे महत्त्वाचे आहे कारण सहाय्यक ड्रायव्हिंगचा विकास आता अल्गोरिदमिक स्पर्धेसोबतच भांडवली स्पर्धा देखील बनला आहे. ज्यांच्याकडे प्रशिक्षण क्षमता वाढवत राहण्याची, मॉडेल्स सुधारण्याची आणि वारंवार प्रयोगांचा खर्च पेलण्याची साधने आहेत, त्यांना समान वेग टिकवू न शकणाऱ्या प्रतिस्पर्ध्यांवर संरचनात्मक फायदा मिळू शकतो.

Tesla संदर्भबिंदू का आहे

Tesla अजूनही बेंचमार्क आहे कारण तिची Full Self-Driving प्रणाली वाहतुकीतील सर्वात दृश्यमान ग्राहकाभिमुख AI उत्पादनांपैकी एक बनली आहे. त्यामुळे दुसऱ्या ऑटोमेकरने समता साधल्याचा दावा करणे हे तांत्रिक विधान जितके आहे, तितकेच ते स्थाननिर्देश करणारे विधानही आहे. याचा अर्थ Xpeng आता स्वतःला केवळ या श्रेणीतील आघाडीच्या कंपनीचा पाठपुरावा करणारी म्हणून पाहत नाही. तिला समकक्ष म्हणूनच पाहिले जावे असे वाटते.

स्रोत मजकुरात parity दाव्याची स्वतंत्र पडताळणी नाही, त्यामुळे त्याचे महत्त्व त्या दाव्यातच आणि त्यासोबतच्या खर्चाच्या पातळीत आहे. Xpeng असा युक्तिवाद करत आहे की स्वयंचलित ड्रायव्हिंगमधील स्पर्धात्मक स्थिती आता व्यापक AI उद्योगाला आकार देणाऱ्या त्याच प्रकारच्या compute-heavy प्रशिक्षण प्रयत्नांवर अवलंबून आहे.

EV स्पर्धेबद्दल हे काय सांगते

हा अहवाल इलेक्ट्रिक-वाहन बाजारातील आणखी एका सखोल बदलाकडे निर्देश करतो. ग्राहकांमधील फरक पूर्वी प्रामुख्याने रेंज, चार्जिंग, डिझाइन आणि उत्पादन अंमलबजावणीभोवती केंद्रित होता. ते घटक अजूनही महत्त्वाचे आहेत, पण सॉफ्टवेअर क्षमता केंद्राजवळ येत आहे. परिणामी, ऑटोमेकर आता AI पायाभूत सुविधा चालवणाऱ्या ऑपरेटर्ससारखे दिसू लागले आहेत, जिथे सातत्यपूर्ण प्रशिक्षण खर्च व्यवसाय मॉडेलचा भाग बनत आहेत.

यातून नवीन धोरणात्मक दबाव निर्माण होतात. जर एखादी कंपनी ड्रायव्हिंग मॉडेल्स सुधारण्यासाठी वर्षाला शेकडो दशलक्ष डॉलर्स खर्च करत असेल, तर स्पर्धकांनाही तेच करणे भाग पडू शकते किंवा मागे पडण्याचा धोका पत्करावा लागेल. हे देखील प्रश्न निर्माण करते की असा खर्च किती काळ टिकू शकतो, तो प्रत्यक्ष सुरक्षितता आणि कामगिरीत कसा रूपांतरित होतो, आणि सर्वात मोठे दांव लावणाऱ्या कंपन्यांना ग्राहक बक्षीस देतील का.

AI अर्थशास्त्राच्या केंद्रातली परिवहनकथा

Xpeng ची खर्चाची आकडेवारी विशेषतः लक्षवेधी आहे कारण ती व्यापक AI उभारणीला एका एकमेव परिवहन वापरप्रकरणात संकुचित करते. ही गोष्ट सर्वसाधारण chatbot किंवा cloud platform बद्दल नाही. ती रस्ते, वाहने, पादचारी आणि वाहतूक वर्तन मोठ्या प्रमाणात समजून घेणाऱ्या प्रणालींना प्रशिक्षण देण्याबद्दल आहे. म्हणूनच खर्चाचा नमुना इतका महत्त्वाचा आहे. प्रत्यक्ष ड्रायव्हिंग प्रणालींना प्रचंड प्रमाणात डेटा आणि सुरक्षितता-संवेदनशील परिस्थितींमध्ये वारंवार पुनरावृत्तीची आवश्यकता असते.

त्या अर्थाने, सहाय्यक ड्रायव्हिंग EV क्षेत्रातील निर्णायक रणांगण का होत आहे हे हा दावा स्पष्ट करतो. हे फक्त वाहनावर नंतर जोडले जाणारे सॉफ्टवेअर वैशिष्ट्य नाही. हा एक सातत्याने सुरू असलेला AI कार्यक्रम आहे, जो दरमहा मोठ्या प्रमाणात भांडवल खर्च करू शकतो.

  • Xpeng म्हणते की ती AI प्रशिक्षणावर दरमहा सुमारे 300 दशलक्ष RMB खर्च करते.
  • यातून वार्षिक खर्च सुमारे $500 दशलक्ष होतो.
  • कंपनी म्हणते की तिला वाटते की तिने Tesla FSD शी समता साधली आहे.
  • हा अहवाल दाखवतो की compute खर्च EV सॉफ्टवेअरमधील स्पर्धेला कसे आकार देत आहेत.

मोठा निष्कर्ष सोपा आहे. इलेक्ट्रिक वाहनांमध्ये AI शर्यत आता काल्पनिक राहिलेली नाही. कंपन्या त्यासाठी प्रत्यक्ष अर्थसंकल्प ठरवत आहेत, आणि ते अर्थसंकल्प उद्योगातील नेतृत्वाची व्याख्या कशी होईल यावर परिणाम करण्याइतके मोठे आहेत.

हा लेख Electrek च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.

Originally published on electrek.co