De acordo com pt.wedoany.com-A YuanRong QiXing realizou uma conferência técnica em 25 de abril no Salão do Automóvel de Pequim, onde o ex-líder de pesquisa e desenvolvimento do DeepSeek e pesquisador principal de tecnologia multimodal, Ruan Chong, fez sua primeira aparição pública como cientista-chefe da empresa. O CEO da YuanRong QiXing, Zhou Guang, anunciou que a capacidade do modelo multimodal de grande escala alcançou avanços significativos no início de 2026, com o ponto de partida da rota de direção autônoma baseada em grandes modelos já superando amplamente a geração anterior de tecnologia. A empresa migrou totalmente para a abordagem de grandes modelos, estabelecendo como meta para 2026 alcançar um MPCI (Média de Intervenções por Quilômetro) de nível de mil quilômetros. 
A adesão de Ruan Chong foi um dos destaques centrais da conferência. Durante sua permanência no DeepSeek, Ruan foi o principal responsável pela pesquisa e desenvolvimento da tecnologia multimodal, participando profundamente do desenvolvimento dos modelos multimodais da série DeepSeek-V. Em seu primeiro discurso público como cientista-chefe da YuanRong QiXing, ele compartilhou sistematicamente a arquitetura técnica e os resultados parciais da empresa na direção dos modelos base, apresentando os últimos avanços na construção de capacidades cognitivas para direção autônoma. Zhou Guang estabeleceu uma visão estratégica de longo prazo para a YuanRong QiXing: tornar-se a infraestrutura de IA do mundo físico, sustentando a operação do mundo real assim como as comunicações e a eletricidade.
Na escolha da rota técnica, Zhou Guang fez uma avaliação clara: a direção autônoma tradicional baseada em pequenos modelos apresenta um "efeito gangorra" significativo, com o mesmo sistema apresentando desempenho muito variável em diferentes horários e cidades, dificultando melhorias essenciais por meio de iterações e impossibilitando a cobertura segura de todos os cenários. Ruan Chong acrescentou que, com a entrada da direção autônoma na produção em escala, o método anterior de dividir tarefas entre vários pequenos modelos tem gradualmente revelado problemas como estabilidade insuficiente do sistema e flutuações no desempenho em cenários de cauda longa, sem ainda formar uma base de confiança estável e confiável para a experiência de direção autônoma.
Diante desse desafio momentâneo, a YuanRong QiXing propôs uma nova geração de caminho técnico centrado em modelos base. Ruan Chong explicou que a empresa está migrando de múltiplas arquiteturas de pequenos modelos para uma arquitetura unificada de grandes modelos base, que integra capacidades de tomada de decisão de direção, compreensão de cenas e avaliação comportamental em uma única estrutura, subdividindo-se em três modelos mais específicos: Motorista (Driver), Analista (Analyst) e Crítico (Critic). A lógica central dessa arquitetura é promover a evolução do sistema de direção autônoma de um "sistema de execução" para um "sistema cognitivo" por meio de maior escala de modelo, maior qualidade de dados e fechamento mais rápido do ciclo de dados, resolvendo fundamentalmente os problemas de flutuação de desempenho dos pequenos modelos em cenários complexos de cauda longa.
O aumento da eficiência em pesquisa e desenvolvimento é um benefício direto trazido pelo modelo base. Ruan Chong revelou que o ciclo de única iteração do modelo foi reduzido de mais de 100 horas para cerca de 10 horas, e o ciclo de iteração do ciclo de dados foi encurtado de aproximadamente 5 dias para cerca de 12 horas, com uma melhoria substancial na eficiência operacional. Ruan Chong também exemplificou três caminhos para acelerar o desenvolvimento com o modelo base: identificar problemas do modelo por meio de treinamento direto e detectar rapidamente a insuficiência de dados, usar ambientes virtuais em nuvem para avaliar a qualidade dos dados e encurtar o ciclo de iteração, e avaliar em tempo real o desempenho do motorista de IA e realizar correções.
Os dados de produção em massa fornecem suporte fundamental para a iteração contínua do modelo base. Na conferência, a YuanRong QiXing revelou que atualmente mais de 300 mil veículos em produção estão equipados com seu sistema de direção assistida urbana, e os veículos com seu sistema de segurança ativa acumularam mais de 1,3 bilhão de quilômetros percorridos em estradas reais no último ano, com um tempo total de companhia de direção dos usuários atingindo 44,8 milhões de horas. A empresa já colaborou com marcas como Great Wall, Geely e Smart, cobrindo mais de 15 modelos, com faixa de preço concentrada entre 150 mil e 300 mil yuans. Para 2026, a YuanRong QiXing planeja expandir a entrega em escala de seu sistema de direção assistida para mais de 1 milhão de veículos, elevar o indicador MPCI para mais de 1.000 quilômetros e aumentar a taxa de alta frequência de uso dos usuários para mais de 50%.
A comercialização voltada para Robotaxi também está sendo promovida simultaneamente. Durante o Salão do Automóvel de Pequim, a Desay SV e a YuanRong QiXing assinaram um acordo de cooperação para desenvolver conjuntamente soluções de direção autônoma para cenários comerciais L4 de Robotaxi, com base na tecnologia NVLink integrada na plataforma NVIDIA DRIVE Hyperion, promovendo o Robotaxi desde a validação técnica até a implantação em escala. Em entrevista após a conferência, Zhou Guang afirmou ainda que "para fazer uma boa IA, o único caminho é a produção em massa". Para ele, a produção em massa não é apenas uma questão de escala, mas o ponto de partida do ciclo virtuoso de dados: quanto maior o número de veículos, mais rápido o ciclo de dados e maior a eficiência da evolução do sistema.
Em termos organizacionais, a tecnologia de IA está remodelando os próprios processos de pesquisa, desenvolvimento e gestão da YuanRong QiXing. Ruan Chong destacou que, desde a resposta a perguntas em bases de conhecimento até a geração automática de códigos de programação, desde a colaboração humano-máquina entre departamentos até a conclusão autônoma de análises experimentais, a capacidade de IA já penetrou em vários núcleos centrais da empresa. O local da conferência também sediou um diálogo interdisciplinar com o tema "AI for what", moderado pelo professor Zhang Li, da Universidade de Fudan, com a participação de Huo Jian, Gerente Geral de Soluções de Indústria Automotiva de IA do Grupo Alibaba Cloud, Xu Yinghao, Líder Técnico de Modelos Mundiais e IA Incorporada da Ant Lingbo Technology, Hao Jingfang, fundadora da Tongxing Academy, e Ruan Chong. A discussão abordou os limites de capacidade dos grandes modelos, o confronto técnico entre modelos mundiais e modelos VLA, e o impacto social da IA física. A YuanRong QiXing também exibiu uma prévia da função combinada "Agente cockpit-motorista", cujo objetivo não é ser um assistente de voz tradicional, mas sim evoluir o sistema para um "cérebro de IA" capaz de compreender as necessidades do usuário e responder proativamente a cenários complexos.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
