Խելացի սրահը, հավանաբար, վերջին երկու տարիներին ավտոմոբիլային աշխարհում ամենից հաճախ «անջրպետի զգացում» առաջացնող ոլորտն է։
Մի կողմից՝ խոշոր մոդելների համատարած մեքենա մուտք գործելու հետ մեկտեղ, գրեթե բոլոր նոր մեքենաները սրահը դարձնում են «AI-ի պարունակության» ցուցադրահրապարակ, ձայնը, բազմամոդալությունը, ինտելեկտուալ գործակալները հերթով դուրս են գալիս ասպարեզ, պարամետրերը մեկը մյուսից ավելի ագրեսիվ են։ Սակայն մյուս կողմից՝ օգտատերերը փաստացի փորձառության մեջ հաճախ հանդիպում են խզումների․ մեքենայի համակարգը հասկացել է հրահանգը, բայց դժվարանում է ավարտին հասցնել փակ ցիկլի գործողությունը․ հիշել է ինչ-որ երկխոսություն, հետո անմիջապես մոռացել ամեն ինչ․ բարդ երթևեկության կարիքների առջև կա՛մ պատասխանում է անտեղի, կա՛մ չի համարձակվում կատարել։
Հոկտեմբերի 21-ին iFLYTEK-ի խելացի ավտոմոբիլային արտադրանքի տեխնոլոգիական համաժողովում պաշտոնապես ներկայացվեց նոր սերնդի SparkAuto Space 3.0 խելացի սրահը, և iFLYTEK-ը փաստորեն առաջ քաշեց ավելի գործնական ոլորտային հարցադրում․ ինչպե՞ս կարող է խելացի սրահը «հասկանալուց» իսկապես անցնել «կատարելուն»։
Կառուցվածքային ցավոտ կետ․ սրահը բացակայում է միասնական «ուղեղ»
Չինաստանի ավտոմոբիլային արդյունաբերության արտադրության և վաճառքի ծավալը երկար տարիներ շարունակ գտնվում է համաշխարհային բարձր մակարդակի վրա, ինտելեկտուալացման ներթափանցման մակարդակը նույնպես արագորեն աճում է։ Սակայն բարձր ներթափանցման հետևում փորձառության արդիականացման հետաձգումն է։
Ոլորտում համընդհանուր առկա խնդիրն այն է․ սրահը հաճախ «ականջ ունի, ուղեղ՝ ոչ»։ Ձայնը, նավիգացիան, ժամանցը, մեքենայի կառավարումը սովորաբար մի քանի առանձին ինքնուրույն ենթահամակարգեր են, միջտիրույթային փորձառությունը մասնատված է․ երկարաժամկետ հիշողության բացակայությունը հանգեցնում է նրան, որ տարբեր մեքենաների համակարգերը գնալով ավելի միատարր են դառնում․ խոշոր մոդելներում հալյուցինացիայի ռիսկ կա, ինչի պատճառով հիմնական մեքենայի կառավարումը չեն համարձակվում հեշտությամբ լիազորել․ մոդելի հնարավորությունների ուժեղացմանը զուգահեռ՝ ուշացումը դժվար է նվազեցնել։
Այս ցավոտ կետերը մատնանշում են միևնույն կառուցվածքային խնդիրը․ սրահը բացակայում է «միասնական ուղեղ», որը կկարողանա իրար կապել բոլոր մոդուլները։ Եթե պարզապես մեխանիկորեն ավելացնենք ֆունկցիաներ կամ պարամետրեր՝ չլուծելով հիմնային ճարտարապետության կարգավորման հարցը, փորձառությունը չի կարող որակական թռիչք ապրել։
Ճարտարապետության էվոլյուցիա․ հրահանգայինից դեպի մարդանման փոխազդեցություն
Այս կառուցվածքային խնդիրը լուծելու համար iFLYTEK-ը սրահի փոխազդեցության էվոլյուցիան բաժանել է երեք փուլի․ հրահանգային փոխազդեցություն, խելացի ինտեգրացված փոխազդեցություն, և SOPHIA-ի (մարդանման իմաստություն համամոդալ խելացի ավտոմոբիլային փոխազդեցության ճարտարապետություն) գլխավորած մարդանման իմաստության համամոդալ փուլ։
SparkAuto Space 3.0 խելացի սրահի հիմնական կորիզը հենց SOPHIA ճարտարապետությունն է, որի հիմքում ընկած են հիշողության էվոլյուցիայի, մտածողության և որոշումների կայացման, համամոդալ ընկալման, բազմաչափ արտահայտման չորս համակարգերը, և որոնք համակարգվում են ամբողջ մեքենայի Master Agent-ի կողմից։ Այս ճարտարապետությունը ի վերջո օգտատիրոջը հանձնում է երեք հիմնական արժեք․ քեզ ավելի լավ հասկացող էմոցիոնալ գործընկեր, գործեր կատարող ավտոմեքենայի տնտեսվար, գերզգայական տեսաձայնային վարպետ։
«Քեզ ավելի լավ հասկանալու» մակարդակում SparkAuto Space 3.0 տարբերակը կառուցել է 68-ից ավելի հիշողության չափման համակարգ, որն ընդգրկում է կարճաժամկետ, երկարաժամկետ հիշողությունը և օգտատիրոջ պրոֆիլը։ Փորձառության և գաղտնիության միջև հավասարակշռություն ապահովելու համար բարձր զգայուն հիշողությունը սահմանափակված է սարքի կողմում պահպանմամբ, իսկ հարցումը պահանջում է անձնական նույնականացում։
Բազմաթիվ ուղևորների փոխազդեցության դժվարության համար SparkAuto Space 3.0 տարբերակն իրականացրել է բազմաօգտատեր համամոդալ լրիվ դուպլեքս հնարավորություն։ Տեխնոլոգիական արդիականացման շնորհիվ բազմաօգտատեր փոխազդեցության արձագանքման մակարդակը բարձրացել է մինչև 95%-ից ավելի, միջամտության մերժման ճանաչման մակարդակը հասել է 98%-ից ավելի, ընդհատման ուշացումը վերահսկվում է 300 միլիվայրկյանի սահմաններում։ Սա նշանակում է, որ համակարգը կարող է ճշգրիտ տարբերակել «ով է խոսում, ում է ուղղված», արդյունավետ լուծելով մեքենայի սրահում բազմաթիվ մարդկանց զրույցի ժամանակ մեքենայի համակարգի անտեղի միջամտության ցավոտ կետը։
Բացի այդ, մեքենայից դուրս ձայնային փոխազդեցությունը ընդլայնում է փոխազդեցության սահմանը մինչև մեքենայից դուրս 30 մետր, աջակցում է ձայնատպության նույնականացմանը և քայլելիս խոսելուն․ հատուկ ձայնի ճանաչումը հասնում է մինչև 200 մետր։ Ծայր-ամպ բազմամոդալ ընկալումը համախմբել է 100-ից ավելի հնարավորություններ, որոնցից սարքի կողմի ուժեղացված պահակային ռեժիմը կարողանում է ճանաչել 16 տիպիկ ռիսկային իրադարձություն, մեկ իրադարձության արդյունքը ուղարկվում է 4 վայրկյանում, ճանաչման ճշգրտությունը հասնում է 90%-ի, զգալիորեն գերազանցելով նույն մակարդակի լուծումներին։
Փորձառության ջրբաժան․ «տեղեկատվություն փնտրելուց» դեպի «գործեր կատարելը»
AI-ի՝ մեքենա մուտք գործելու ներկա փուլի համար այն, որ մեքենայի համակարգը հասկանում է բարբառը, հիշում է ձեր նախասիրությունները, դեռ միայն «նախաբան» է։ Իրական ավտոմեքենայի օգտագործման սցենարներում օգտատերը իրականում ցանկանում է «արդյունք»։ Դու հասկացար իմ միտքը, հետո օգնիր ինձ գործը պատշաճ կերպով ավարտին հասցնել։ Այս առումով «գործեր կատարելու» ունակությունն է, որ որոշում է փորձառության լավ-վատության ջրբաժանը։
Բարդ երթևեկության սցենարներում արդիականացված Master Agent նավիգացիոն ուղեղը կարողանում է ճշգրիտ հասկանալ մշուշոտ իմաստը, ժամանակային սահմանափակումները և պայմանական ճյուղավորումները։ Օրինակ՝ «գտիր ընկերությունից և Կարապի լճից ոչ հեռու գտնվող ռեստորան», նման բարդ երթևեկության մտադրության ընկալման ճշգրտությունը հասնում է 95%-ից ավելի։
Ավելի ուշագրավ է էկոհամակարգի փակ ցիկլի լրացումը։ iFLYTEK-ը Alipay-ի հետ հասել է ռազմավարական համագործակցության արդիականացման և մեկնարկել «XunBao ծրագիրը»։ Alipay-ի ավտոմոբիլային օգնականը միացել է SparkAuto Space 3.0-ին՝ Master Agent-ի միասնական համակարգմամբ, երկու կողմերը հաշիվների փոխկապակցման, ավտոմոբիլային AI վճարումների և այլ հնարավորություններում ավարտել են ինտեգրումը։ Սա սրահին թույլ է տալիս իսկապես հաղթահարել «տեղեկատվություն փնտրելու» սահմանափակումը և կյանքի կոչել արագընթաց առանց դադարի անցման, կայանման առանց զգացողության վճարման, ճանապարհին առաքանիներ վերցնելու և այլ իրական «գործեր կատարելու» սցենարներ։
Բացի այդ, առողջության սրահի առումով ինտեգրվել է iFLYTEK-ի բժշկական օգնականը, առողջության խորհրդատվությունը կուտակային սպասարկել է 200 միլիոն անգամ, կուտակային սպասարկել է 35 միլիոնից ավելի օգտատերերի, ընդգրկում է 2600 տեսակի հաճախ հանդիպող հիվանդություններ, 60000-ից ավելի տեսակի հաճախ հանդիպող դեղերի գիտելիքներ։ FaceID-ը ճանաչում է մեքենայի բոլոր ուղևորներին և ստեղծում է անկախ առողջության արխիվ, մեկ անձ՝ մեկ արխիվ, կապում է մեքենան, տունը, հեռախոսը, ամպը և Huawei-ի, Apple-ի և այլ առաջատար կրելի սարքերը, «չափել, հարցնել, ախտորոշել»-ը ձևավորում է ամբողջական փակ ցիկլ։ Կայանման սցենարում Xinsui Bo Agent-ը խորը ինտեգրված է խելացի վարման համակարգի հետ՝ ընդգրկելով ինքնավար կայանումը, ձայնային տեղաշարժումը և կանչով դիմավորումը։
Ակուստիկ փորձառություն․ գերզգայական տեսաձայնային վարպետ
Երբ խելացի սրահի տեսողական «մեծ էկրանի» շահաբաժինը աստիճանաբար հասնում է առաստաղին, փորձառության սերնդային տարբերությունը որոշող հաջորդ մարտադաշտը տեղափոխվում է դեպի «լսողություն»։ Իսկապես քեզ հասկացող համակարգը պետք է ոչ միայն կարողանա հասկանալ, այլև կարողանա արտահայտվել։ Սրա հետևում պայքարը ամբողջ շղթայի ակուստիկ ճարտարապետության հիմնային վերակառուցումն է։
iFLYTEK-ի ոլորտում առաջին GaN (գալիումի նիտրիդ) աուդիո ճարտարապետությունը ոչ միայն ամբողջ համակարգը թեթևացնում է 30%-ով, այլև սև ոսկու շարքի բարձրախոսների և 300W կինոթատրոնային մակարդակի խորը բասի հետ միասին լսողական ընկալումը բարելավում է 20%-ով։ Գերզգայական շրջապատող ձայն Pro 3.0-ի հետ համատեղ համակարգը AI-ի միջոցով կարողանում է սովորական 2.0 ձայնային աղբյուրը իրական ժամանակում վերակառուցել 7.1.4 համայնապատկերային ձայնի, մեծապես նվազեցնելով համայնապատկերային ձայնի աղբյուրի շեմը։
Մեքենայի ներսի ձայնադաշտի կառավարման առումով խելացի ձայնադաշտի գոտիավորում 3.0-ը հասել է առավելագույնը երկու գոտու 30dB, չորս գոտու 26dB ձայնային մեկուսացման։ Հիմնական վարորդը լսում է նավիգացիան, օժանդակ վարորդը դիտում է ֆիլմ, հետևի նստատեղի երեխան լսում է մանկական երգեր, իսկապես իրականացվել է «մեկ սրահում բազմաձայնություն՝ առանց միմյանց խանգարելու»։ Միաժամանակ առաջին անգամ ներկայացված գերբարձրակարգ բարձակային ակուստիկ համակարգը ուղղորդված նվագարկումը և ակտիվ աղմուկի ճնշումը (առավելագույնը 9dBA խորություն) ինտեգրել է բարձակի մեջ, նավիգացիոն հաղորդումը սավառնում է միայն վարորդի ականջի մոտ՝ չխանգարելով հանգստացող մյուս ուղևորներին։
Հիմքային աջակցություն․ ծայր-ամպ համագործակցության հաշվողական հզորություն և զանգվածային արտադրության վստահություն
Փաստորեն, լինի դա բազմամոդալ ընկալումը, բարդ առաջադրանքների կարգավորումը, թե միլիվայրկյանային ակուստիկ ալգորիթմները, ճակատային փորձառության այս «առաստաղը» հաճախ որոշվում է հիմնային հաշվողական հզորության և մոդելային ճարտարապետության «հատակով»։ Խոշոր մոդելների մեքենա մուտք գործելու ամենամեծ իրական անջրպետը հաշվողական ուշացման և սցենարի բարդության միջև պայքարն է։
SparkAuto Space 3.0-ը կիրառել է ծայր-ամպ համագործակցության երկմոդալ համակցություն․ ամպային SparkAuto 1.0-ը H20 հարթակում փաստացի փորձարկումով 350K համատեքստի քեշի հարվածման մակարդակը գերազանցում է 99.5%-ը, հաշվարկի առաջին արձագանքը ցածր է 800 միլիվայրկյանից․ սարքի կողմի SparkAuto 1.0-EMM-ը աջակցում է 100-ից ավելի սցենարների, նրա ոլորտում առաջին 35B-A3B մոդելը Jetson Thor հարթակում իրականացրել է առաջին կադրի 650 միլիվայրկյանից ցածր և գագաթնակետային հիշողության 75% նվազում։
Առաջադրանքների բաշխման առումով iFLYTEK-ի առաջարկած մոտեցումն է․ բարձր հաճախականության, իրական ժամանակի և զգայուն տվյալներ պարունակող փոխազդեցությունները փակ ցիկլով դնել սարքի կողմում, բարդ ընկալումը, պլանավորումը և գործիքների կարգավորումը հանձնել ամպին՝ ուշացման և կանչի ծախսի միջև հավասարակշռություն գտնելու համար։ Սա նաև մարտահրավեր է ներկայացնում ավտոարտադրողների ապարատային BOM ծախսերին, բարձրակարգ սարքային մոդելների տարածումը դեռ պահանջում է ապարատային հարթակի կրկնվող արդիականացում։
Ներկա ոլորտում «ամբողջությամբ ինքնուրույն մշակման» հաճախակի ընդգծման ֆոնին iFLYTEK-ը ընտրել է «բաց համաստեղծման» ուղին։ Ավտոարտադրողները ղեկավարում են ապրանքանիշի և հարթակի սահմանումը, iFLYTEK-ը տրամադրում է հիմնային գործիքաշար և տեխնիկական ծառայություններ։ Ներկայումս նրա էկոհամակարգի հարթակը միացել է 60+ տեղեկատվական աղբյուրի, օրական կանչերի քանակը հասնում է 220 միլիոնի։
Տվյալներից երևում է, որ iFLYTEK-ը ավտոմոբիլային ոլորտում զանգվածային մասշտաբի առավելությունը արդեն հաստատված է․ կուտակային տեղադրումը գերազանցում է 81 միլիոն մեքենան, համագործակցող ավտոարտադրողները 50-ից ավելի են․ արտերկիր մուտքի բազմալեզու աջակցությունը 32 լեզու է, ընդգրկում է 60 երկիր և տարածաշրջան, արտերկիր մուտք գործող նոր մոդելների 80%-ը ընտրում է iFLYTEK-ը։
Ավելին, SparkAuto Space 3.0-ը կրում է «թողարկումից անմիջապես զանգվածային արտադրություն» պիտակը, Chery-ն, Great Wall Wey-ը, Dongfeng Nissan-ը և այլ ապրանքանիշեր արդեն առաջինն են տեղադրել այն, և ստացել են Չինաստանի ավտոմոբիլային տեխնոլոգիաների և հետազոտությունների կենտրոնի TOP Intelligence ոլորտի առաջին AI բազմամոդալ խելացի սրահ, 2026 ավտոմոբիլային խելացի սրահի առաջատար գիտատեխնիկական արդյունք, 2026 ավտոմոբիլային նոր որակի արտադրողականության տիպիկ դեպք երեք հավաստագրեր։ 81 միլիոն մեքենայի առկա բազան տեխնոլոգիայի շարունակական կրկնվող արդիականացման համար ապահովում է իրական փորձարկման հող։
Վերջաբան
Խելացի սրահի մրցակցությունը աստիճանաբար «կա՞ արդյոք խոշոր մոդել» հարցից համատարած անցնում է «արդյո՞ք սրահն իսկապես կարող է օգտակար լինել» հարցին։ iFLYTEK-ի այս ընտրությունը խիստ նշանակալի է բեկումնային առումով․ միասնական ուղեղով իրապես իրար կապել ցրված ֆունկցիաները, ապա ծայր-ամպ երկմոդալ համակցությամբ առաջատար փորձառությունը հասցնել միլիոնավոր մասշտաբի զանգվածային արտադրության։ Ուղղությունն արդեն նշված է, ճանապարհը ինքնըստինքյան գնալով կլայնանա։
Վերադառնանք սկզբի այն անջրպետին․ պարամետրերը տարեցտարի ավելի են կուտակվում, բայց օգտատերերի համար գնալով ավելի դժվար է ասել «այս մեքենան իսկապես լավն է»։ Խնդիրը երբեք այն չէ, թե մեքենայի համակարգը խելացի՞ է, այլ այն, թե կարո՞ղ է արդյոք հասկացած խոսքը իսկապես մարդու փոխարեն մի գործ ավարտին հասցնել։ iFLYTEK-ի այս անգամ տված պատասխանը ըստ էության ոլորտի մրցույթը «ով ավելի շատ ֆունկցիաներ ունի»-ից վերադարձնում է «ով ավելի կայուն համակարգ ունի, ով կարող է ծառայությունը փակ ցիկլով ավարտին հասցնել» ավելի պարզ հարցին։ Սա միգուցե միակ ճիշտ ուղին չէ, բայց գոնե ցույց է տալիս․ խելացի սրահի երկրորդ կեսում այլևս չեն համեմատի, թե ով ավելի մեծ պատմություն է պատմում, այլ ով կարող է խոշոր մոդելը ցուցափեղկից իջեցնել և տեղադրել օգտատիրոջ ամեն օր օգտագործվող և ամեն օր վստահելի փորձառության մեջ։ Ուղղությունն արդեն ճիշտ է, հիմա մնում է տեսնել, թե ով առաջինը կյանքի կոչի այն։
