كشفت شركة DeepRoute.ai عن نموذج VLA من DeepRoute.ai، وهو نموذج أساس للرؤية-اللغة-الفعل بسعة 40 مليار مُعامِل، خلال مؤتمر NVIDIA GTC 2026 في سان خوسيه بكاليفورنيا في 18 مارس 2026. وقدّمت الشركة البنية المعمارية للنموذج بوصفها نظامًا موحّدًا يدمج الإدراك والاستدلال والفعل لتطوير القيادة الذاتية على نطاق واسع.
يعالج النموذج عنق الزجاجة المزمن في مسارات العمل التقليدية القائمة على حلقات البيانات المغلقة. تستلزم الأنظمة التقليدية جمع البيانات يدويًا ومراجعتها وتسميتها وإعادة تدريب النماذج عليها، وهي دورة تستغرق عادةً أكثر من خمسة أيام لكل تكرار. وقالت DeepRoute.ai إن نهجها يضغط تلك الدورة إلى نحو 12 ساعة عبر الأتمتة الذكية.
ثلاثة أدوار في نموذج VLA من DeepRoute.ai
يؤدي نموذج الأساس البالغة سعته 40 مليار مُعامِل ثلاث وظائف في آنٍ واحد. فهو يعمل بوصفه سائقًا ينفّذ إجراءات القيادة في الوقت الحقيقي استنادًا إلى المدخلات البصرية. كما يعمل محللًا يرصد أحداث القيادة الحرجة ويشرح القرارات من خلال الاستدلال السببي. وفضلًا عن ذلك، يؤدي دور الناقد الذي يقيّم المسارات من حيث السلامة والراحة والسلوك الشبيه بالبشر.
“إن حلّنا لعنق الزجاجة الذي يواجهه القطاع يتمثّل في نموذج أساس موحّد للرؤية-اللغة-الفعل بسعة 40 مليار مُعامِل. يتجاوز هذا النموذج حدود التحكم الأساسي في المركبة، إذ يمتلك القدرة على تحليل البيانات وتقييم سلوك القيادة. وببساطة، لا يؤدي دور السائق فحسب، بل يعمل في الوقت نفسه بوصفه المحلل والناقد.”
Tongyi Cao، الرئيس التنفيذي للتكنولوجيا في DeepRoute.ai
عجلة بيانات ذاتية التطور
تتيح البنية الموحّدة دورة تطوير ذاتية التعزيز، تتحوّل فيها التحسينات في أداء القيادة مباشرةً إلى تعزيز لقدرة النظام على معالجة بيانات التدريب الخاصة به وتنظيمها. ويتولى النموذج بصورة مستقلة مهام التنقيب في البيانات وتشخيص الأسباب وتقييم السلوك دون أي تدخل يدوي.
“تعتمد حلقات البيانات المغلقة التقليدية اعتمادًا كبيرًا على العمليات اليدوية، مما يقيّد سرعة دورات التكرار بشدة. بالاستفادة من نموذجنا الأساسي، أعدنا هيكلة سير العمل بالكامل. وكل دورة تكرار تنعكس مباشرةً في شكل تحسن قابل للقياس في قدرات الذكاء الاصطناعي لدينا.”
Tongyi Cao، الرئيس التنفيذي للتكنولوجيا في DeepRoute.ai
النشر التجاري: 250,000 مركبة وما يزيد
أفادت DeepRoute.ai بأنها زوّدت أكثر من 250,000 مركبة إنتاجية بأنظمة القيادة الذاتية الخاصة بها بحلول نهاية عام 2025. وفي أكتوبر 2025، استحوذت الشركة على ما يقارب 40% من الحصة السوقية بين الموردين الخارجيين في قطاع القيادة الذاتية عالية المستوى خلال شهر واحد. وتستهدف الشركة الآن نشر أنظمتها في مليون مركبة بحلول نهاية عام 2026.
جمعت DeepRoute.ai تمويلًا يتجاوز 700 مليون دولار من كبار المستثمرين. وقالت الشركة إن نموذج الأساس يشكّل حجر الزاوية لجيلها المقبل من أنظمة مساعدة القيادة الذاتية المتقدمة، ويعمل إطارًا للذكاء الاصطناعي في العالم المادي.
آفاق القيادة الذاتية القابلة للتوسع
أظهرت DeepRoute.ai من خلال عرضها في مؤتمر GTC 2026 كيف تسهم بنية نموذج أساس الرؤية-اللغة-الفعل في تسريع المسار نحو قيادة ذاتية آمنة وقابلة للتوسع. ويتحقق ذلك عبر تعلّم مستمر قائم على البيانات ودورات تكرار سريعة، مع تقليص ملحوظ للاعتماد على التسمية اليدوية.
“القيادة الذاتية، في جوهرها، هي مشكلة التوسع. ولم يعد عنق الزجاجة مرتبطًا بالحصول على البيانات، بل بمدى كفاءة النظام في استبعاد الضوضاء وتحويل الكميات الهائلة من البيانات الخام إلى عينات تدريب عالية القيمة.”
Tongyi Cao، الرئيس التنفيذي للتكنولوجيا في DeepRoute.ai
وأوضحت الشركة أن البنية الموحّدة تمكّن أنظمة القيادة الذاتية من فهم بيئات المرور المعقدة وتفسير المنطق الكامن وراء قراراتها وتقييم سلوكيات القيادة. كما أشارت DeepRoute.ai إلى أن رؤيتها تستهدف تحقيق الذكاء الاصطناعي العام في العالم المادي، مع عمليات روبوتاكسي التجارية هدفًا بعيد المدى.