Xpeng rusza z rewolucją w AI – 72 miliardy parametrów w nowym modelu jazdy autonomicznej

Chiński producent pojazdów elektrycznych Xpeng ogłosił przełom w rozwoju technologii jazdy autonomicznej, prezentując światu „Xpeng World Model” – zaawansowany multimodalny system AI z 72 miliardami parametrów. Projekt wspierany jest przez największy w Chinach motoryzacyjny klaster obliczeniowy i może zmienić zasady gry w autonomicznej mobilności.

Rewolucyjna platforma AI od Xpeng

Podczas konferencji technologicznej zorganizowanej 14 kwietnia w Hongkongu, Xpeng Motors ujawnił, że prowadzi prace nad stworzeniem „Xpeng World Model” – ultrazaawansowanego modelu sztucznej inteligencji do obsługi autonomicznej jazdy. To wielomodalny model bazowy o gigantycznej liczbie 72 miliardów parametrów, co czyni go ponad 35-krotnie większym od wielu współczesnych rozwiązań opartych na VLA (Vision-Language Action models).

Jak podkreślił Li Liyun, szef działu autonomii w Xpeng, nowy model bazowy łączy w sobie możliwości dużego modelu językowego (LLM) z multimodalnymi zdolnościami percepcyjnymi. Dzięki wykorzystaniu ogromnych zbiorów danych z rzeczywistych sytuacji drogowych oraz zaawansowanemu treningowi z użyciem metod uczenia przez wzmacnianie (reinforcement learning), model uczy się rozumieć otoczenie, podejmować decyzje i generować odpowiednie reakcje – z potencjałem do osiągnięcia lub nawet przekroczenia ludzkich zdolności w zakresie prowadzenia pojazdów.

Od chmury do samochodu – kompletna fabryka modeli AI

Xpeng nie ogranicza się wyłącznie do tworzenia modelu. Firma zbudowała od podstaw kompleksową infrastrukturę AI, nazywaną „cloud-end model factory” – czyli „chmurowo-brzegową fabryką modeli”. To pierwsza tego typu instalacja w chińskim przemyśle motoryzacyjnym, obejmująca m.in. pretrening, dalszy trening, destylację modeli i ich wdrażanie do pojazdów.

Centralnym elementem tego ekosystemu jest klaster obliczeniowy o mocy 10 EFLOPS (10 trylionów operacji zmiennoprzecinkowych na sekundę), działający w trybie ciągłym z ponad 90-procentową efektywnością. Według firmy, pełna iteracja modelu – od treningu do wdrożenia – trwa średnio zaledwie 5 dni.