Kakao Mobility تكشف خارطة طريق المستوى 4 للقيادة الذاتية والذكاء الاصطناعي المادي (physical AI)

كشفت Kakao Mobility كيف تعتزم الوصول بالقيادة الذاتية إلى المستوى 4 داخل الشركة ودمجها في منصة التنقل الخاصة بها. ولا يقتصر الأمر على المركبات ذاتية القيادة بوصفها سيارات منفردة، بل يشمل منظومة physical AI متكاملة: من النماذج والتحقق من الأداء، إلى إدارة الإرسال والخرائط والمراقبة عن بُعد.

خطة الوصول إلى المستوى 4

عرضت الشركة خططها في مؤتمر World IT Show 2026 في مركز COEX بسيول. وقدّم العرض نائب الرئيس ورئيس قسم Physical AI كيم جين-غيو. وبحسب وكالة Yonhap، شارك في المعرض نفسه 460 شركة ومؤسسة من 17 دولة.

الفكرة الرئيسية بسيطة: تريد Kakao Mobility بناء خدمات القيادة الذاتية لا كمشروع بحث وتطوير معزول، بل كجزء من منصتها القائمة للنقل داخل المدن. والمقصود بالمستوى 4 هنا نمط تقود فيه المركبة نفسها دون تدخل بشري داخل نطاق خدمة محدد، فلا يحتاج الراكب إلى مراقبة الطريق ولا إلى الاستعداد لاستلام التحكم فورًا.

وترتكز خارطة الطريق على ثلاث ركائز تقنية. الأولى نماذج تعلّم آلي خاصة بالشركة لإدراك المحيط واتخاذ القرارات والتحكم في الحركة دون مساعدة السائق. والثانية بنية للمركبة تعتمد على تكرار الأنظمة الرئيسية، بحيث تواصل الوظائف الحرجة عملها حتى عند تعطل أحد المكوّنات. والثالثة منصة للتحقق تجمع بين المحاكاة الافتراضية وبيانات الرحلات الفعلية. ولا تقتصر الحاجة إلى هذه الحلقة على الاختبارات، بل تشمل التحسين المستمر لجودة الخدمة قبل التوسع.

«ما وراء الفكرة نحو التنفيذ: الذكاء الاصطناعي يحرّك الواقع».

السلامة والمراقبة

تتمثل طبقة أخرى من الاستراتيجية في أدوات المراقبة والسلامة أثناء الرحلة نفسها. وتعمل Kakao Mobility على إنشاء منصة متكاملة لإدارة السلامة للمركبات ذاتية القيادة. ومن عناصرها Autonomous Vehicle Visualizer، وهي واجهة ثلاثية الأبعاد تعرض في الوقت الفعلي مجال رؤية المركبة وما تتعرف عليه من حولها. وتتيح هذه الواجهة للراكب فهم السياق الذي تعمل فيه المركبة: ما الأجسام التي ترصدها، وكيف تفسّر الوضع على الطريق، ولماذا تختار مناورة بعينها.

والخطوة التالية هي مركز مراقبة يعمل على مدار الساعة ونظام لرصد الحالات الشاذة قائم على نماذج الرؤية واللغة (VLM). ويُفترض أن تحلل هذه المكوّنات الموقف في الوقت الفعلي، وتدعم التدخل عن بُعد، وتسرّع الاستجابة في السيناريوهات الطارئة. ولم تكشف الشركة بعد تفاصيل عن البنية المحددة للنماذج أو مقاييس الجودة، لكن اختيار نهج VLM يدل على أن Kakao تريد ربط الإدراك البصري للطريق بتحليل سياقي أكثر مرونة، بدلًا من الاكتفاء بمجموعة قواعد صارمة ومحفزات حسّية.

منظومة مفتوحة

تؤكد Kakao Mobility بشكل منفصل أنها لا تنوي حصر كل ما تنجزه داخل الشركة. فهي تريد مشاركة جزء من أصولها التقنية مع لاعبين آخرين في السوق، من الشركات الناشئة إلى مصنّعي السيارات. والمنطق واضح: إذا بنى كل لاعب منظومة النقل ذاتي القيادة كاملة من الصفر، فسينمو السوق ببطء شديد. ولذلك تراهن Kakao على منظومة داخلية مفتوحة قد تعزز القدرة التنافسية للسوق الكورية الجنوبية ككل.

• مجموعات بيانات ضخمة للقيادة الذاتية
• خرائط HD بهندسة طرق تفصيلية
• واجهات API للمنصة لاستدعاء المركبات وإدارة الإرسال
• أنظمة إدارة الأساطيل
• أدوات وموارد للاستجابة الميدانية

وتسوق الشركة مثالًا عمليًا على ذلك: خدمة سيارات الأجرة ذاتية القيادة الليلية في حي كانغنام بسيول، المتاحة عبر تطبيق Kakao T. وبحسب بيانات بلدية سيول، نفّذت الخدمة من 26 سبتمبر 2024 حتى 28 فبراير 2026 ما مجموعه 7 754 رحلات، ولم تُسجَّل خلال هذه الفترة أي حوادث مرتبطة مباشرة بتقنية القيادة الذاتية. وبلغ متوسط الحمل نحو 24 رحلة في يوم التشغيل الواحد. وفي أبريل 2026 انتقلت الخدمة من تجربة مجانية إلى نموذج مدفوع، وزاد حجم الأسطول من ثلاث مركبات إلى سبع، دون احتساب مركبتين احتياطيتين.

ما معنى ذلك

لا تتجه Kakao Mobility إلى عرض تجريبي لمرة واحدة للروبوتاكسي، بل إلى نموذج منصّة تربط القيادة الذاتية بالبيانات والخرائط وواجهات API والرقابة التشغيلية. وإذا نجحت هذه الخطة، فسيكون بوسع الشركة أن تطمح إلى دور يتجاوز خدمة استدعاء المركبات، ليشمل دور لاعب بنية تحتية أساسي في السوق الكورية لـ physical AI.