Репортаж от Wedoany，25 апреля компания DeepRoute.ai провела технологическую пресс-конференцию на Пекинском международном автосалоне. Бывший руководитель отдела разработки DeepSeek и ключевой исследователь мультимодальных технологий Жуань Чун впервые публично выступил в качестве главного научного сотрудника DeepRoute.ai. Генеральный директор DeepRoute.ai Чжоу Гуан заявил на конференции, что компания добилась прорывных успехов в развитии мультимодальных крупных языковых моделей к началу 2026 года. Исходная точка траектории автономного вождения с использованием крупных моделей значительно превосходит технологии предыдущего поколения. Компания полностью перешла на траекторию крупных моделей, а цель на 2026 год — достичь межкоррекционного интервала в тысячу километров.
Присоединение Жуань Чуня стало одной из ключевых точек притяжения данной пресс-конференции. В период работы в DeepSeek Жуань Чун был ключевым руководителем разработки мультимодальных технологий и глубоко участвовал в разработке мультимодальных моделей серии DeepSeek-V. В своем первом публичном выступлении в качестве главного научного сотрудника DeepRoute.ai он систематически представил технологическую архитектуру и поэтапные достижения компании в направлении базовых моделей, а также рассказал о последних успехах в построении когнитивных способностей для автономного вождения. Чжоу Гуан поставил перед DeepRoute.ai долгосрочную стратегическую цель — стать AI-инфраструктурой физического мира, подобно связи и электроэнергии, поддерживающей функционирование реального мира.
Что касается выбора технологической траектории, Чжоу Гуан дал четкую оценку: традиционное автономное вождение на малых моделях страдает от значительного "эффекта качелей" — одна и та же система показывает明显ные различия в работе в разное время и в разных городах, итеративная оптимизация не может обеспечить фундаментального улучшения, что не позволяет достичь полного охвата безопасностью всех сценариев. Жуань Чун дополнительно указал, что с переходом автономного вождения к этапу крупносерийного производства ранее использовавшийся метод, основанный на распределении задач между несколькими малыми моделями, начал выявлять такие проблемы, как недостаточная стабильность системы и колебания в производительности при обработке редких ("длиннохвостовых") сценариев. В результате опыт автономного вождения пока не сформировал стабильной и надежной основы для доверия.
Перед этими поэтапными вызовами DeepRoute.ai предложила новое технологическое направление, основанное на базовой модели. Как объяснил Жуань Чун, компания переходит от архитектуры с несколькими малыми моделями к единой архитектуре базовой крупной модели. Эта базовая модель объединяет способности принятия решений при вождении, понимания сцены и оценки поведения в единой архитектуре, которая затем дифференцируется на три более конкретные модели: Водитель (Driver), Аналитик (Analyst) и Критик (Critic). Ключевая логика этой архитектуры заключается в том, чтобы за счет большего масштаба моделей, более высокого качества данных и более быстрой обратной связи по данным перевести систему автономного вождения от "исполнительной системы" к "когнитивной системе", тем самым фундаментально решив проблему колебаний производительности малых моделей в сложных "длиннохвостых" сценариях.
Повышение эффективности разработки является прямым эффектом внедрения базовой модели. Жуань Чун сообщил, что цикл одной итерации модели сократился с более чем 100 часов до менее чем 10 часов, а цикл итерации на основе обратной связи по данным сократился с примерно 5 дней до примерно 12 часов, что значительно повысило операционную эффективность. Жуань Чун также привел примеры трех путей ускорения разработки с помощью базовой модели: выявление проблем модели и быстрое обнаружение недостатка данных через прямое обучение, использование облачной виртуальной среды для оценки качества данных с целью сокращения циклов итерации, а также оценка в реальном времени и коррекция стиля вождения AI-водителя.
Данные от серийного производства обеспечивают ключевую поддержку для непрерывной итерации базовой модели. На пресс-конференции DeepRoute.ai сообщила, что в настоящее время более 300 000 серийных автомобилей оснащены ее городской системой помощи водителю. Совокупный реальный пробег автомобилей, оснащенных системой активной безопасности за последний год, превысил 1,3 миллиарда километров, а общее время взаимодействия водителей с системой достигло 44,8 миллиона часов. Компания сотрудничает с такими брендами, как Great Wall, Geely и Smart, охватывая более 15 моделей автомобилей в ценовом диапазоне от 150 000 до 300 000 юаней. В 2026 году DeepRoute.ai планирует довести объем серийных поставок систем помощи водителю до более чем 1 миллиона единиц, увеличить показатель MPCI до более чем 1000 километров, а частоту активного использования пользователями поднять до более чем 50%.
Параллельно продвигается и коммерциализация в сфере Robotaxi. В ходе Пекинского автосалона компания Desay SV подписала соглашение о сотрудничестве с DeepRoute.ai. Стороны совместно создадут решение для автономного вождения, ориентированное на коммерческое применение Robotaxi категории L4, основанное на технологии NVLink, встроенной в платформу NVIDIA DRIVE Hyperion, чтобы перевести Robotaxi от технической валидации к масштабному развертыванию. В интервью после пресс-конференции Чжоу Гуан добавил: "Для успешного создания ИИ единственный путь — это серийное производство". Серийное производство — это не просто история масштаба, это отправная точка цикла обратной связи данных: чем больше машин на дорогах, тем быстрее цикл обратной связи данных и тем выше эффективность эволюции системы.
На организационном уровне технология ИИ перестраивает собственные процессы разработки и управления DeepRoute.ai. Жуань Чун отметил, что от ответов на вопросы по базам знаний до автоматической генерации программного кода, от межведомственного человеко-машинного взаимодействия до самостоятельного выполнения экспериментального анализа — возможности ИИ проникли во многие ключевые бизнес-процессы компании. В ходе пресс-конференции также прошел междисциплинарный диалог на тему "AI for what", который вел профессор Фуданьского университета Чжан Ли. В нем приняли участие генеральный менеджер по решениям для AI-автомобильной индустрии Alibaba Cloud Intelligence Group Хо Цзянь, технический руководитель по мировым моделям и техническому интеллекту Ant Lingbo Technology Сюй Инхао, основательница Tongxing Shuyuan Хао Цзинфан, а также Жуань Чун. Участники обсудили границы возможностей крупных моделей, технологическую конкуренцию между мировыми моделями и моделями VLA) тип, а также социальные последствия физического ИИ. Компания DeepRoute.ai также представила анонс функции интегрированного в автомобиль Agent'а, который позиционируется не как традиционный голосовой помощник, а как эволюционировавший в "AI-мозг" системы, способный понимать потребности пользователя и активно реагировать на сложные сценарии.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
