AI-mallit ja alustat

PATEO ottaa Doubaon ja Nemotronin käyttöön Thor-pohjaisessa ajoneuvojen tekoälylaitteessa

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

PATEO ilmoitti 2. marraskuuta 2026 ottavansa käyttöön NVIDIA Nemotronin ja ByteDancen 35 miljardin parametrin Doubao-kielimallin tekoälylaitteessa, joka perustuu NVIDIA DRIVE AGX Thoriin. Ratkaisussa paikallinen tekoälypäättely yhdistyy ajoneuvojen ohjaamoihin tarkoitettuun agenttialustaan.

PATEO on myös saanut toimittajanimityksen hankkeeseen, jossa nimeämätön johtava uuden energian ajoneuvojen valmistaja kehittää uuden sukupolven ajoneuvoa. Yhtiö odottaa ohjelman massatuotannon alkavan vuoden 2027 toisella neljänneksellä. Tämä antaa AI Boxille nimetyn ajoneuvohankkeen, vaikka tuotanto on vielä tulevaisuuden tavoite. Auto China 2026 -tapahtumassa PATEO ilmoitti kehittävänsä ratkaisua yhdessä ByteDancen ja nimeämättömän johtavan uuden energian ajoneuvojen valmistajan kanssa.

Paikallinen päättely ja ohjaamon agentit

Ajoneuvon sisäinen kokonaisuus käyttää puheentunnistukseen NVIDIA Nemotron 3.5 ASR:ää sekä ByteDance-yhteistyön kautta Doubaon asiantuntijaseosarkkitehtuuriin perustuvaa kielimallia. Kokonaisuutta täydentävät tekstin puheeksi muuntava synteesi sekä erillinen kahden miljardin parametrin kielimalli, joka luokittelee semanttisesti pyyntöjä ja hylkää niitä.

PATEOn mukaan integroitu kokonaisuus pystyy suorittamaan päättelyn paikallisesti ilman pilviyhteyttä, mikä mahdollistaa monikielisen puhevuorovaikutuksen ja reaaliaikaisen suoratoistopuheentunnistuksen. Näin keskeiset tekoälytoiminnot pysyvät käytettävissä myös silloin, kun verkkoyhteys on rajallinen, ja verkkopalvelut sekä pilvipäivitykset laajentavat järjestelmän ominaisuuksia.

Tekoälyagenttialusta yhdistää ääni-, kuva- ja anturitiedot tulkitakseen käyttäjien pyyntöjä ja ohjaamon olosuhteita. Ajoneuvon turvallisuusrajojen puitteissa se voi käyttää ohjaamon hallintalaitteita ja verkkopalveluja, koordinoida samanaikaisia tehtäviä ja käsitellä pidempään kestäviä pyyntöjä. Käyttäjien mieltymyksiä ja tapoja koskevan muistin käyttö vuorovaikutuksen personointiin edellyttää käyttäjän lupaa.

Aktiiviset ominaisuudet ja laitteiston suunnittelu

PATEOn esimerkit osoittavat, että agentti tekee muutakin kuin vastaa kysymyksiin ääniohjauksella. Sentinel AI pystyy tunnistamaan pysäköintirikkomukset, tulvat ja tulipalot sekä antamaan niistä hälytyksiä. Kuljettajan ja matkustajan ilmastointiasetuksia voidaan säätää erikseen äänikomennoilla tai eleillä, ja väsymyksen tunnistus voi ehdottaa ikkunan avaamista tai istuinhieronnan käynnistämistä pitkän moottoritieajon aikana. Jos ilmanlaatu on heikko, järjestelmä voi sijainnin ja opittujen ajotapojen perusteella ehdottaa ikkunoiden sulkemista ja ilman kierrätyksen kytkemistä päälle.

Laitteiston suunnittelun lähtökohtana on se, mitä tapahtuu vuorovaikutuksen lisääntyessä. PATEO kuvaa AI Boxia ratkaisuksi, joka yhdistää havainnoinnin, päättelyn, suorittamisen ja oppimisen. Huippulaskentatehon (TOPS) lisäksi merkitystä on muistin kapasiteetilla ja kaistanleveydellä. Kun keskusteluvuorot ja agentin toiminnot lisäävät matkan aikana asiayhteyttä, mallin avain-arvovälimuisti kasvaa ja muistitarve lisääntyy. PATEOn mukaan Thorin kiihdytetty laskenta ja suuri muistikaistanleveys tukevat responsiivista paikallista päättelyä.

Modulaarinen ohjelmisto sekä ajoneuvojärjestelmiin ja NVIDIAn reuna- ja pilvitekoälyn ekosysteemiin integroituminen tukevat mallien käyttöönottoa, hienosäätöä ja mukauttamista eri ajoneuvo-ohjelmissa. AI Boxilla voidaan myös lisätä erillistä tekoälylaskentaa korvaamatta ajoneuvon alkuperäistä pääohjauspiiriä. Näin olemassa oleville ajoneuvoille saadaan päivityspolku tilanteissa, joissa niiden prosessorit eivät yksinään ohjelmistopäivitysten avulla pysty tukemaan suurempia malleja, samanaikaisia multimodaalisia vuorovaikutuksia ja aktiivisia agentteja.

Palvelustrategia ulottuu AI Boxia laajemmalle

Liiketoimintasuunnitelma ei rajoitu laitteiston myyntiin. PATEOn ajoneuvoihin suunnattu Tokenomics-strategia pyrkii luomaan tekoälyominaisuuksien käyttöönoton ja käytön ympärille toistuvaa liikevaihtoa lisäämällä alkuperäiseen laitekauppaan jatkuvia palveluja ja operointia.

Kesäkuussa 2026 PATEO teki Mininglamp Technologyn, Xunce Technologyn ja Saimo Technologyn kanssa yhteistyötä kehittääkseen token-pohjaisen fyysisen tekoälyn maailmamallin ja TokenOSin. Työssä yhdistyvät laitteessa suoritettava laskenta, simulointitestit ja datainfrastruktuuri, jotka luovat perustan tekoälypalvelujen toimittamiselle ja operoinnille.

PATEO soveltaa alustaa myös autoalan ulkopuolella. Yhtiö kertoi saaneensa hanketta koskevan toimittajanimityksen nimeämättömältä johtavalta kotimaiselta robotiikan laskentaratkaisujen toimittajalta. Tämä tarjoaa mahdollisuuden hyödyntää sen älykkään vuorovaikutuksen ja laitteistosuunnittelun osaamista fyysisen tekoälyn sovelluksissa.

AI Boxin keskeinen kaupallinen koetinkivi on viedä nimetty ajoneuvo-ohjelma tuotantoon ja samalla osoittaa, että uudelleenkäytettävä tekninen alusta voi tukea myös Tokenomics-strategian tavoittelemaa toistuvaa palveluliikevaihtoa.

Elara Nix on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka kattaa tekoälyä liikenteessä, liikkumisjärjestelmissä ja autonomisissa teknologioissa. Hänen työnsä keskittyy siihen, miten tekoäly muokkaa itseohjautuvia ajoneuvoja, ilmailujärjestelmiä, rautatieliikennettä ja julkista liikennettä - missä luotettavuus, turvallisuus ja todellinen käyttöönotto ovat yhtä tärkeitä kuin innovaatio.
Teknisen ja tulevaisuuteen suunnatun näkökulman kautta Elara tutkii edistystä havaintojärjestelmissä, autonomisten järjestelmien ohjelmistopinoissa, simulaatiossa ja turvallisuuden validoinnissa maa-, ilma- ja kaupunkiliikenteessä. Hän kiinnittää erityistä huomiota siihen, miten tekoälyohjattu automaatio testataan, säännellään ja integroidaan olemassa olevaan infrastruktuuriin, ja miten nämä järjestelmät tasapainottavat tehokkuuden hyödyt julkisen luottamuksen ja riskienhallinnan kanssa.
Elara Nixin kirjoittamat artikkelit ovat tekoälygeneroituja ja Unite.AI:n toimittajatiimin tarkastamia, jotta voidaan varmistaa tarkkuus, selkeys ja vastuullinen kattavuus tekoälyn kehittyvästä roolista liikenteessä ja autonomisissa järjestelmissä.