de.wedoany.com-Bericht: Zhou Guang, Gründer und CEO von DeepRoute.ai, erklärte auf der 4. Future Mobility Pioneers Conference, dass die auf kleinen Modellen basierende Technologie des assistierten Fahrens in den letzten fünf Jahren nahe an ihre Leistungsgrenzen gestoßen sei und die Branche einen Paradigmenwechsel hin zu kognitiven Technologien auf Basis großer Modelle benötige. Er wies darauf hin, dass kleine Modelle gut in konditionierten Reflexen und lokalen Merkmalsreaktionen seien, während große Modelle deutliche Vorteile in der globalen Kognition und im höheren Denken aufwiesen.
In seiner Rede analysierte Zhou Guang die Grenzen der Technologie kleiner Modelle. Er erwähnte, dass kleine Modellsysteme einen „Wippeffekt“ aufwiesen, bei dem eine Optimierung für bestimmte Städte zu Leistungseinbußen in anderen Regionen führen könne, und wiederholte Anpassungen das Vertrauen der Nutzer beeinträchtigten. Seiner Ansicht nach liege der grundlegende Grund für steigende Investitionen bei gleichzeitig nachlassender Leistungssteigerung darin, dass der technologische Weg kleiner Modelle an seine Grenzen gestoßen sei.
Zhou Guang stellte den technologischen Ansatz von DeepRoute.ai vor. Das Unternehmen habe bereits ein Basismodell mit 40 Milliarden Parametern eingesetzt, das die drei Fähigkeiten Driver (Fahrer), Analyst (Analyst) und Critic (Kritiker) in einem einzigen Modell vereint und den gesamten Entwicklungs-, Iterations- und Betriebsprozess abdeckt. Laut seinen Angaben steigere dieses Konzept die Dateneffizienz um das Zehnfache und fördere die Umstellung von manuellen Prozessen auf automatisierte Modellabläufe.
In seiner Rede verglich Zhou Guang kleine mit großen Modellen. Am Beispiel eines „Hundes mit Zebrastreifen“ führte er aus, dass ein kleines Modell aufgrund lokaler Merkmale fälschlicherweise ein Zebra erkennen würde, während ein großes Modell aufgrund globaler Kognition weiterhin einen Hund identifiziere. Er ist der Ansicht, dass beim Übergang des assistierten Fahrens von einer sicheren Übernahme auf wenigen Dutzend Kilometern Stadtstraße zu höheren Stufen zwingend auf kognitive Systeme auf Basis großer Modelle zurückgegriffen werden müsse.
In Bezug auf Marktdaten gab Zhou Guang bekannt, dass der Marktanteil von DeepRoute.ai im Jahr 2025 im Jahresvergleich um das 2,1-fache gestiegen sei und das Unternehmen mit einem Anteil von 24 % am Markt für NOA-Drittanbieter den zweiten Platz in der Branche belege. Er erklärte, dass derzeit bei jedem dritten neu ausgelieferten Fahrzeug mit städtischem NOA die Lösung von DeepRoute.ai zum Einsatz komme.
Zhou Guang nannte zudem die Entwicklungsziele für 2026: die Auslieferung von über einer Million Fahrzeugen; nach Einführung des Basismodells wird eine MPCI (Anzahl sicherer Übernahmen pro 1.000 km) von über 1.000 km erwartet, sodass die häufige Nutzungsrate im städtischen Umfeld 50 % übersteigt. Er ist der Ansicht, dass das assistierte Fahren erst dann von brauchbar zu gut nutzbar, häufig genutzt und sicher übergehen könne, wenn die Sicherheitsleistung auf das Niveau von tausend Kilometern gesteigert sei und die durchschnittliche monatliche Anzahl sicherer Übernahmen durch den Nutzer auf unter einmal sinke.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
