স্মার্ট ককপিটের পরবর্তী ধাপ: 'বুঝতে পারা' থেকে 'কাজ করতে পারা' পর্যন্ত

স্মার্ট ককপিট সম্ভবত গত দুই বছরে অটোমোবাইল জগতে সবচেয়ে বেশি "হতাশার অনুভূতি" তৈরি করা ক্ষেত্র।

একদিকে, বড় মডেল সর্বত্র গাড়িতে উঠতে শুরু করার সঙ্গে সঙ্গে প্রায় সব নতুন গাড়িই ককপিটকে "AI-সমৃদ্ধি" প্রদর্শনের মঞ্চ হিসেবে ব্যবহার করছে, ভয়েস, মাল্টিমোডাল, এজেন্ট পরপর মাঠে নামছে, প্যারামিটার একটির পর একটি আরও আক্রমণাত্মক হচ্ছে। কিন্তু অন্যদিকে, ব্যবহারকারীরা বাস্তব অভিজ্ঞতায় বারবার বিচ্ছিন্নতা অনুভব করছেন: গাড়ির সিস্টেম নির্দেশ বুঝেছে, কিন্তু সম্পূর্ণ কার্যক্রম সম্পন্ন করতে পারছে না; কোনো কথোপকথন মনে রেখেছে, আবার ফিরে এসে সম্পূর্ণ ভুলে যাচ্ছে; জটিল ভ্রমণ চাহিদার সামনে হয় অপ্রাসঙ্গিক উত্তর দিচ্ছে, নয়তো কার্যকর করতে সাহস করছে না।

২১ অক্টোবর科大讯飞-এর স্মার্ট অটোমোবাইল পণ্য প্রযুক্তি সম্মেলনে, নতুন প্রজন্মের SparkAuto Space 3.0 আনুষ্ঠানিকভাবে প্রকাশিত হয়েছে, 科大讯飞 আসলে একটি আরও বাস্তববাদী শিল্প প্রস্তাব উত্থাপন করেছে: স্মার্ট ককপিট কীভাবে "বুঝতে পারা" থেকে সত্যিকারভাবে "সম্পন্ন করতে পারা"-তে উত্তরণ ঘটাবে?

কাঠামোগত ব্যথা: ককপিটে অভিন্ন "মস্তিষ্ক"-এর অভাব

চীনের অটোমোবাইল শিল্পের উৎপাদন ও বিক্রয়ের规模 পরপর বহু বছর ধরে বিশ্বে উচ্চ স্থানে রয়েছে, বুদ্ধিমত্তার অনুপ্রবেশের হারও দ্রুত বাড়ছে। কিন্তু উচ্চ অনুপ্রবেশের হারের পেছনে রয়েছে অভিজ্ঞতা উন্নয়নের বিলম্ব।

শিল্পে সাধারণত বিদ্যমান সমস্যা হলো: ককপিটের প্রায়ই "কান আছে, মস্তিষ্ক নেই"। ভয়েস, নেভিগেশন, বিনোদন, গাড়ি নিয়ন্ত্রণ সাধারণত কয়েকটি স্বতন্ত্র উপ-সিস্টেম, আন্তঃক্ষেত্র অভিজ্ঞতা বিচ্ছিন্ন; দীর্ঘমেয়াদী স্মৃতির অভাব, ফলে বিভিন্ন গাড়ির সিস্টেম ক্রমশ একরকম হয়ে যাচ্ছে; বড় মডেলে হ্যালুসিনেশনের ঝুঁকি রয়েছে, ফলে মূল গাড়ি নিয়ন্ত্রণে সহজে ক্ষমতা অর্পণ করা যাচ্ছে না; মডেলের সক্ষমতা বাড়লেও, বিলম্ব কমানো কঠিন হচ্ছে।

এই ব্যথাগুলো একই কাঠামোগত সমস্যার দিকে ইঙ্গিত করে: ককপিটে এমন একটি "অভিন্ন মস্তিষ্ক"-এর অভাব যা সব মডিউলকে সংযুক্ত করতে পারে। যদি কেবল ফিচার বা প্যারামিটার স্তূপ করা হয়, কিন্তু অন্তর্নিহিত আর্কিটেকচারের调度 সমস্যা সমাধান না করা হয়, তাহলে অভিজ্ঞতায় গুণগত পরিবর্তন সম্ভব নয়।

আর্কিটেকচার বিবর্তন: নির্দেশমূলক থেকে মানবসদৃশ মিথস্ক্রিয়ার দিকে

এই কাঠামোগত সমস্যা সমাধানের জন্য, 科大讯飞 ককপিট মিথস্ক্রিয়ার বিবর্তনকে তিনটি পর্যায়ে বিভক্ত করেছে: নির্দেশমূলক মিথস্ক্রিয়া, বুদ্ধিমান সমন্বিত মিথস্ক্রিয়া, এবং SOPHIA (মানবসদৃশ বুদ্ধিমত্তা সর্বমোডাল স্মার্ট অটোমোবাইল মিথস্ক্রিয়া আর্কিটেকচার) দ্বারা পরিচালিত মানবসদৃশ বুদ্ধিমত্তা সর্বমোডাল পর্যায়।

SparkAuto Space 3.0-এর মূল কাঠামো হলো SOPHIA আর্কিটেকচার, যার অন্তর্নিহিত স্তর স্মৃতি বিবর্তন, চিন্তা ও সিদ্ধান্ত, সর্বমোডাল উপলব্ধি, বহুমাত্রিক প্রকাশ — এই চারটি সিস্টেম দ্বারা গঠিত, এবং সমগ্র গাড়ির Master Agent দ্বারা统一调度 পরিচালিত। এই আর্কিটেকচার শেষ পর্যন্ত ব্যবহারকারীর কাছে তিনটি মূল মূল্য প্রদান করে: আপনাকে আরও ভালো বোঝে এমন эмоশনাল সঙ্গী, কাজ করতে সক্ষম গাড়ির管家, এবং অতীন্দ্রিয় অনুভূতির অডিও-ভিজ্যুয়াল মাস্টার।

"আপনাকে আরও ভালো বোঝা" স্তরে, SparkAuto Space 3.0 সংস্করণ ৬৮টিরও বেশি স্মৃতি মাত্রার একটি 시스템 তৈরি করেছে, যা স্বল্পমেয়াদী, দীর্ঘমেয়াদী স্মৃতি এবং ব্যবহারকারীর প্রোফাইল কভার করে। অভিজ্ঞতা ও গোপনীয়তার মধ্যে ভারসাম্য রাখতে, উচ্চ সংবেদনশীল স্মৃতি ডিভাইস-সাইড স্টোরেজে সীমাবদ্ধ, কোয়েরির জন্য ব্যক্তিগত প্রমাণীকরণ প্রয়োজন।

একাধিক যাত্রী পরিবহনের মিথস্ক্রিয়া চ্যালেঞ্জের জন্য, SparkAuto Space 3.0 সংস্করণ একাধিক ব্যক্তির সর্বমোডাল ফুল-ডুপ্লেক্স সক্ষমতা অর্জন করেছে। প্রযুক্তিগত উন্নতির মাধ্যমে, একাধিক ব্যক্তির মিথস্ক্রিয়া প্রতিক্রিয়া হার ৯৫%-এর বেশি হয়েছে, হস্তক্ষেপ প্রত্যাখ্যান হার ৯৮%-এর বেশি হয়েছে, বাধা প্রদানের বিলম্ব ৩০০ মিলিসেকেন্ডের মধ্যে নিয়ন্ত্রিত হয়েছে। এর অর্থ হলো সিস্টেম 정확하게 "কে বলছে, কাকে বলছে" তা পার্থক্য করতে পারে, যা গাড়ির ভিতরে একাধিক ব্যক্তির কথোপকথনের সময় গাড়ির সিস্টেমের অনিয়ন্ত্রিত হস্তক্ষেপের ব্যথা কার্যকরভাবে সমাধান করে।

এছাড়াও, গাড়ির বাইরের ভয়েস মিথস্ক্রিয়ার সীমা গাড়ির বাইরে ৩০ মিটার পর্যন্ত প্রসারিত করেছে, ভয়েসপ্রিন্ট প্রমাণীকরণ এবং হাঁটতে হাঁটতে কথা বলা সমর্থন করে; বিশেষ শব্দ সনাক্তকরণ সর্বাধিক ২০০ মিটার পর্যন্ত পৌঁছায়। এন্ড-ক্লাউড মাল্টিমোডাল উপলব্ধি ১০০টিরও বেশি সক্ষমতা একত্রিত করেছে, যার মধ্যে এন্ড-সাইড এনহ্যান্সড সেন্টিনেল মোড ১৬ ধরনের সাধারণ ঝুঁকির ঘটনা সনাক্ত করতে পারে, একক ঘটনায় ৪ সেকেন্ডে ফলাফল প্রদান করে, সনাক্তকরণের 정확도 ৯০% পর্যন্ত পৌঁছায়, যা সমমানের তুলনায় উল্লেখযোগ্যভাবে উন্নত।

অভিজ্ঞতার watershed: "তথ্য খোঁজা" থেকে "কাজ করা" পর্যন্ত

বর্তমান পর্যায়ে AI গাড়িতে ওঠার জন্য, গাড়ির সিস্টেম আঞ্চলিক ভাষা বুঝতে পারা, আপনার পছন্দ মনে রাখা — এগুলো কেবল "প্রারম্ভিকা"। বাস্তব গাড়ি ব্যবহারের দৃশ্যে, ব্যবহারকারীরা সত্যিকারভাবে যা কামনা করেন তা হলো "ফলাফল"। আপনি আমার কথা বুঝেছেন, তারপর আমার কাজটি সম্পন্ন করে দিন। এই মাত্রায়, "কাজ করতে পারা"-র সক্ষমতাই অভিজ্ঞতার ভালো-মন্দের watershed নির্ধারণ করে।

জটিল ভ্রমণ দৃশ্যে, আপগ্রেড করা Master Agent নেভিগেশন ব্রেইন অস্পষ্ট অর্থ, সময়সীমা এবং শর্তাধীন শাখা 정확ভাবে বুঝতে পারে। উদাহরণস্বরূপ "কোম্পানি এবং হংস হ্রদ উভয়ের কাছেই নেই এমন একটি রেস্তোরাঁ খুঁজুন", এর জটিল ভ্রমণ অভিপ্রায় বোঝার 정확তা ৯৫%-এর বেশি পৌঁছাতে পারে।

আরও লক্ষণীয় হলো ইকোসিস্টেম লুপের পরিপূর্ণতা। 科大讯飞 Alipay-এর সঙ্গে কৌশলগত সহযোগিতা আপগ্রেড করেছে, "Xunbao Plan" চালু করেছে। Alipay গাড়ির সহায়ক SparkAuto Space 3.0-এ সংযুক্ত, Master Agent দ্বারা统一调度, উভয় পক্ষ অ্যাকাউন্ট আন্তঃসংযোগ, গাড়ির AI পেমেন্ট ইত্যাদি সক্ষমতায় সংযোগ সম্পন্ন করেছে। এটি ককপিটকে সত্যিকারভাবে "তথ্য খোঁজা"-র সীমাবদ্ধতা ভেঙে দিতে সক্ষম করেছে, উচ্চগতিতে সেন্সরবিহীন চলাচল, পার্কিংয়ে সেন্সরবিহীন পেমেন্ট, পথে ডেলিভারি নেওয়া ইত্যাদি বাস্তব "কাজ করা" দৃশ্য বাস্তবায়ন করেছে।

এছাড়াও, স্বাস্থ্য ককপিটে 讯飞晓医 সংযুক্ত হয়েছে, স্বাস্থ্য পরামর্শে সম্মিলিত সেবা ২০০ মিলিয়ন বার, সম্মিলিত সেবা ব্যবহারকারী ৩৫ মিলিয়নেরও বেশি, ২৬০০ ধরনের সাধারণ রোগ, ৬০০০০-এরও বেশি সাধারণ ওষুধের জ্ঞান কভার করে। FaceID সমগ্র গাড়ির যাত্রীদের শনাক্ত করে এবং স্বতন্ত্র স্বাস্থ্য ফাইল তৈরি করে, এক ব্যক্তি এক ফাইল, গাড়ি, বাড়ি, ফোন, ক্লাউড এবং Huawei, Apple ইত্যাদি প্রধান পরিধানযোগ্য ডিভাইস সংযুক্ত করে, "পরিমাপ, জিজ্ঞাসা, রোগনির্ণয়" সম্পূর্ণ লুপ তৈরি করে। পার্কিং দৃশ্যে Suixinbo Agent এবং স্মার্ট ড্রাইভিং সিস্টেম গভীরভাবে সমন্বিত, স্বায়ত্তশাসিত পার্কিং, ভয়েসে গাড়ি সরানো এবং কল করে গাড়ি আনা কভার করে।

অ্যাকোস্টিক অভিজ্ঞতা: অতীন্দ্রিয় অনুভূতির অডিও-ভিজ্যুয়াল মাস্টার

যখন স্মার্ট ককপিটের ভিজ্যুয়াল "বড় স্ক্রিন" লাভন্তি ধীরে ধীরে শীর্ষে পৌঁছাচ্ছে, অভিজ্ঞতার প্রজন্মগত পার্থক্য নির্ধারণের পরবর্তী যুদ্ধক্ষেত্র "শ্রবণ"-এর দিকে সরে যাচ্ছে। একটি সত্যিকারভাবে আপনাকে বোঝে এমন সিস্টেমকে কেবল শুনতে পারলেই হবে না, প্রকাশও করতে হবে। এর পেছনে লড়াই হলো সম্পূর্ণ চেইন অ্যাকোস্টিক আর্কিটেকচারের অন্তর্নিহিত পুনর্গঠন।

科大讯飞-এর শিল্প-প্রথম GaN (গ্যালিয়াম নাইট্রাইড) অডিও আর্কিটেকচার কেবল সম্পূর্ণ সিস্টেমের ওজন ৩০% কমায়নি, ব্ল্যাক গোল্ড সিরিজ স্পিকার এবং 300W সিনেমা-মানের সাবউফারের সঙ্গে মিলিত হয়ে শ্রবণ অনুভূতি ২০% বাড়িয়েছে। অতীন্দ্রিয় অনুভূতির সারাউন্ড সাউন্ড Pro 3.0-এর সঙ্গে combinড, সিস্টেম AI-এর মাধ্যমে সাধারণ 2.0 অডিও সোর্সকে রিয়েল-টাইমে 7.1.4 প্যানোরামিক সাউন্ডে পুনর্নির্মাণ করতে পারে, যা প্যানোরামিক সাউন্ডের কন্টেন্টের সীমা ব্যাপকভাবে কমিয়ে দেয়।

গাড়ির ভিতরের সাউন্ড ফিল্ড নিয়ন্ত্রণে, স্মার্ট সাউন্ড ফিল্ড জোনিং 3.0 সর্বাধিক ডুয়াল-জোনে 30dB, কোয়াড-জোনে 26dB সাউন্ড আইসোলেশন অর্জন করেছে। প্রধান চালক নেভিগেশন শুনছেন, সহ-চালক নাটক দেখছেন, পেছনের সিটের শিশু ছড়া শুনছে — সত্যিকারভাবে "এক ককপিটে বহু শব্দ পরস্পর হস্তক্ষেপমুক্ত" বাস্তবায়িত হয়েছে। একই সঙ্গে প্রথমবারের মতো সুপার হেডরেস্ট অ্যাকোস্টিক সিস্টেম, ডাইরেকশনাল প্লেব্যাক এবং অ্যাক্টিভ নয়েজ ক্যানসেলেশন (সর্বাধিক 9dBA গভীরতা) হেডরেস্টে সমন্বিত করেছে, নেভিগেশন সম্প্রচার কেবল চালকের কানের পাশে ভাসে, বিশ্রামরত অন্য যাত্রীদের বিরক্ত করে না।

ভিত্তি সমর্থন: এন্ড-ক্লাউড সমন্বিত কম্পিউটিং শক্তি ও গণউৎপাদনের আত্মবিশ্বাস

প্রকৃতপক্ষে, মাল্টিমোডাল উপলব্ধি, জটিল কাজের调度, বা মিলিসেকেন্ড-স্তরের অ্যাকোস্টিক অ্যালগরিদম — এই ফ্রন্টএন্ড অভিজ্ঞতার "সিলিং" প্রায়শই অন্তর্নিহিত কম্পিউটিং শক্তি ও মডেল আর্কিটেকচারের "ফ্লোর" দ্বারা নির্ধারিত হয়। বড় মডেল গাড়িতে ওঠার সবচেয়ে বড় বাস্তব ব্যবধান হলো কম্পিউটিং লেটেন্সি এবং দৃশ্যের জটিলতার মধ্যে লড়াই।

SparkAuto Space 3.0 এন্ড-ক্লাউড সমন্বিত দ্বৈত-মোড সমন্বয় ব্যবহার করেছে: ক্লাউড SparkAuto 1.0 H20 প্ল্যাটফর্মে পরীক্ষিত 350K কনটেক্সট ক্যাশ হিট রেট 99.5%-এর বেশি, গণনার প্রথম প্রতিক্রিয়া ৮০০ মিলিসেকেন্ডের কম; এন্ড-সাইড SparkAuto 1.0-EMM ১০০টিরও বেশি দৃশ্য সমর্থন করে, এর শিল্প-প্রথম 35B-A3B মডেল Jetson Thor প্ল্যাটফর্মে প্রথম ফ্রেম ৬৫০ মিলিসেকেন্ডের কম, সর্বোচ্চ মেমরি ৭৫% হ্রাসের পারফরম্যান্স অর্জন করেছে।

কাজ বণ্টনে, 科大讯飞-এর দেওয়া ধারণা হলো: উচ্চ-ফ্রিকোয়েন্সি, রিয়েল-টাইম এবং সংবেদনশীল ডেটা সংশ্লিষ্ট মিথস্ক্রিয়া এন্ড-সাইডে লুপ-ক্লোজড রাখা, জটিল বোঝাপড়া, পরিকল্পনা ও টুল调度 ক্লাউডে দেওয়া, লেটেন্সি ও কল খরচের মধ্যে ভারসাম্য খোঁজা। এটি গাড়ি প্রস্তুতকারকদের হার্ডওয়্যার BOM খরচের উপরও চাপ তৈরি করে, উচ্চ-স্তরের এন্ড-সাইড মডেলের বিস্তারের জন্য এখনও হার্ডওয়্যার প্ল্যাটফর্মের পুনরাবৃত্তি সমর্থন প্রয়োজন।

বর্তমানে শিল্পে ঘন ঘন "সম্পূর্ণ স্ব-উন্নয়ন"-এর উপর জোর দেওয়ার প্রেক্ষাপটে, 科大讯飞 "উন্মুক্ত সহ-সৃষ্টি"-র পথ বেছে নিয়েছে। গাড়ি প্রস্তুতকারকরা ব্র্যান্ড ও প্ল্যাটফর্ম সংজ্ঞায় নেতৃত্ব দেন, 科大讯飞 অন্তর্নিহিত টুলচেইন ও প্রযুক্তিগত সেবা প্রদান করে। বর্তমানে, এর ইকোসিস্টেম প্ল্যাটফর্মে ৬০+ তথ্যসূত্র সংযুক্ত, দৈনিক গড় কল ২২০ মিলিয়ন বার।

তথ্য থেকে দেখা যায়, 科大讯飞 অটোমোবাইল ক্ষেত্রে规模গত সুবিধা ইতিমধ্যে প্রতিষ্ঠিত করেছে: সম্মিলিত ইনস্টলেশন ৮১ মিলিয়নেরও বেশি গাড়ি, সহযোগী গাড়ি প্রস্তুতকারক ৫০টিরও বেশি; বিদেশে বহুভাষিক সমর্থন ৩২টি ভাষা, ৬০টি দেশ ও অঞ্চল কভার, ৮০% বিদেশমুখী নতুন মডেল 科大讯飞 বেছে নেয়।

শুধু তাই নয়, SparkAuto Space 3.0 "প্রকাশ即 গণউৎপাদন" ট্যাগ দিয়েছে, Chery, Great Wall WEY, Dongfeng Nissan ইত্যাদি ব্র্যান্ড ইতিমধ্যে প্রথমে সংযুক্ত হয়েছে, এবং China Automotive Technology and Research Center-এর TOP Intelligence শিল্পের প্রথম AI মাল্টিমোডাল স্মার্ট ককপিট, 2026 অটোমোবাইল স্মার্ট ককপিট 선도 প্রযুক্তিগত অর্জন, 2026 অটোমোবাইল নতুন গুণমান উৎপাদনশীলতা সাধারণ উদাহরণ — এই তিনটি সার্টিফিকেশন অর্জন করেছে। ৮১ মিলিয়ন গাড়ির স্টক বেস প্রযুক্তির ধারাবাহিক পুনরাবৃত্তির জন্য বাস্তব যাচাইয়ের মাটি প্রদান করে।

শেষ কথা

স্মার্ট ককপিটের প্রতিযোগিতা "বড় মডেল আছে কি না" থেকে সম্পূর্ণভাবে "ককপিট আসলে সত্যিকারভাবে উপযোগী হতে পারে কি না"-তে উত্তরণ ঘটছে। 科大讯飞-এর এই পদক্ষেপ অত্যন্ত যুগান্তকারী: একটি অভিন্ন মস্তিষ্ক দিয়ে ছড়িয়ে থাকা ফিচারগুলোকে সত্যিকারভাবে সংযুক্ত করা, তারপর এন্ড-ক্লাউড দ্বৈত-মোড সমন্বয় দিয়ে অত্যাধুনিক অভিজ্ঞতাকে মিলিয়ন-স্তরের গণউৎপাদনে পৌঁছে দেওয়া। দিক ইতিমধ্যে নির্দেশিত, পথ স্বাভাবিকভাবেই ক্রমশ প্রশস্ত হবে।

শুরুর সেই ব্যবধানে ফিরে যাই: প্যারামিটার বছর বছর আরও উচ্চতর স্তূপ হচ্ছে, কিন্তু ব্যবহারকারীদের পক্ষে "এই গাড়িটি সত্যিই ভালো" — এমন একটি কথা বলা ক্রমশ কঠিন হচ্ছে। সমস্যা কখনোই গাড়ির সিস্টেম বুদ্ধিমান কি না তাতে নয়, বরং এটি বুঝতে পারা কথাগুলো সত্যিকারভাবে মানুষের হয়ে একটি কাজ সম্পন্ন করতে পারে কি না তাতে। 科大讯飞-এর এই উত্তরের মূল বিষয় হলো শিল্প প্রতিযোগিতাকে "কার ফিচার বেশি" থেকে ফিরিয়ে "কার সিস্টেম স্থিতিশীল, কার সেবা লুপ-ক্লোজড করতে পারে" — এই আরও সাধারণ প্রশ্নে আনা। এটি হয়তো একমাত্র সঠিক পথ নয়, কিন্তু অন্তত এটা দেখায়: স্মার্ট ককপিটের দ্বিতীয়ার্ধে আর কে বড় গল্প বলে তা নিয়ে প্রতিযোগিতা নয়, বরং কে বড় মডেলকে মঞ্চ থেকে নামিয়ে ব্যবহারকারীর প্রতিদিন ব্যবহারযোগ্য এবং টেকসই সেই অভিজ্ঞতায় ইনস্টল করতে পারে তা নিয়ে। দিক ইতিমধ্যে সঠিক, এখন দেখার বিষয় কে প্রথমে এটি সত্যিকারভাবে বাস্তবায়ন করে।