लैंग ज़ियानपेंग ने रोबोटिक्स उद्यमिता के माध्यम से 'लाखों की संख्या में बड़े पैमाने पर बुद्धिमान ड्राइविंग' को फिर से बनाने पर चर्चा की

लैंग ज़ियानपेंग, जो ली ऑटो के स्वायत्त ड्राइविंग को 0 से 1 तक विकसित करने और 1.5 मिलियन वाहनों के बड़े पैमाने पर उत्पादन के पीछे प्रमुख व्यक्ति थे, ने हुआवेई के रेन गेंग के साथ मिलकर कुनलुन ज़िंग की सह-स्थापना की है। इस मूर्त एआई स्टार्टअप ने तीन महीनों में अरबों का फंडिंग जुटाया और यूनिकॉर्न का दर्जा हासिल किया। एक साक्षात्कार में, लैंग जोर देते हैं कि मूर्त बुद्धिमत्ता का मूल 'समझ' है न कि नकल, और अंतिम प्रतिस्पर्धा बड़े पैमाने पर उत्पादन और आत्मनिर्भरता में है। वे अपने तकनीकी दृष्टिकोण पर चर्चा करते हैं, जो भौतिक-कारण विश्व मॉडल और 'डेटा संकलन' पर आधारित है, और टूबी से टूसी तक के अपने व्यावसायिक पथ की रूपरेखा तैयार करते हैं।
लैंग शियानपेंग, जिन्होंने ली ऑटो के स्वायत्त ड्राइविंग को शुरुआत से लेकर 1.5 मिलियन वाहनों के सामूहिक उत्पादन तक का नेतृत्व किया, हुआवेई के रेन गेंग के साथ मिलकर कुनलुन ज़िंग की सह-स्थापना करने के लिए कंपनी छोड़ी। एम्बोड इंटेलिजेंस रोबोट पर ध्यान केंद्रित करने वाली इस कंपनी ने तीन महीने के भीतर अरबों रुपये का फंडिंग हासिल किया और यूनिकॉर्न बन गई। एक साक्षात्कार में, लैंग ने जोर देकर कहा कि एम्बोड इंटेलिजेंस की कुंजी समझ है, न कि नकल, और उद्योग की अंतिम परीक्षा सामूहिक उत्पादन और आत्मनिर्भरता है, जो वर्तमान स्थिति की तुलना 2015-2016 के स्वायत्त ड्राइविंग से करते हैं। उन्होंने अपने तकनीकी मार्ग का विवरण दिया: एक भौतिक-कारणात्मक विश्व मॉडल और 'डेटा संकलन' जो प्रशिक्षण डेटा को भौतिक गुणों से समृद्ध करता है। उन्होंने एक पूर्ण-स्टैक दृष्टिकोण चुना, जोड़ों और मोटर जैसे प्रमुख घटकों को स्व-विकसित करके। उनकी व्यापार रणनीति toB (व्यापार से व्यापार) एप्लिकेशन से शुरू होती है, जिसका लक्ष्य अंततः toC (व्यापार से उपभोक्ता) घरेलू उपयोग के लिए है। लैंग ने ली ऑटो में अपने अनुभव के समानताएं खींचीं, डेटा-संचालित दृष्टिकोणों और HD (उच्च परिभाषा) मैप से एंड-टू-एंड और VLA (दृश्य-भाषा-कार्य) तक के प्रतिमान परिवर्तन पर जोर दिया। उन्होंने मॉडलों के साथ-साथ इंजीनियरिंग के महत्व को भी रेखांकित किया, और अपने 'एक मस्तिष्क, कई रूप' वास्तुकला का वर्णन किया, जो भौतिक नियमों को सीखता है जो स्वाभाविक रूप से सामान्यीकरण योग्य हैं।
स्रोत: QbitAI 量子位 — मूल
इस विषय पर हमारी पिछली पोस्ट ↓
ताज़ा समाचार