Kinijos automobilių gamintojai yra tikrinami Europoje

   „Prabangūs laikini paviljonai Miuncheno miesto centre, kuriuose eksponuojami naujausi BMW, Mercedes-Benz ir Volkswagen modeliai, buvo viešas „iaa Mobility“, kas dvejus metus vykstančios Vokietijos automobilių parodos, pasibaigusios rugsėjo 10 d., veidas. Šių kompanijų stiprybė mažiau akivaizdi už kelių mylių, kur, į Europą besiveržiančios, Kinijos elektromobilių bendrovės (EVS) varžėsi dėl dėmesio ir ploto. Baimė, kad iš rytų užplūstų gerai pagamintų, padoraus stiliaus ir geresnės vertės elektromobilių potvynis, konkuruojantis su Europos  nusistovėjusiais automobilių gamintojais dabar paskatino es įstatymų leidėjus imtis veiksmų.

 

     Įtardama neteisėtą žaidimą, Europos Komisija rugsėjo 13 d. paskelbė Kinijos automobilių firmų „antisubsidijų tyrimą“. Tiems, kurie bus pripažinti kaltais, gali būti taikomi tarifai, gerokai didesni už 10 proc., dabar taikomų Kinijos importui. Šis importas yra nedidelis, bet sparčiai auga. Per pirmuosius septynis 2023 m. mėnesius Europoje buvo parduota 189 000 kiniškų automobilių, o tai sudaro 2,8% visų automobilių pardavimų. Tačiau kiniški automobiliai su akumuliatoriumi sudarė beveik 8% šio tipo transporto priemonių pardavimų, mano konsultacinė bendrovė Schmidt Automotive Research (žr. diagramą). Šie pardavimai per pastaruosius dvejus metus padvigubėjo, pirmaujant „Polestar“ ir „mg“. Taip pat parduodami tokie prekių ženklai, kaip Aiways, byd, Nio, Ora ir Xpeng. Kiti, pavyzdžiui, Leapmotor, yra pasirengę prie jų prisijungti. 

 

Bankas ubs skaičiuoja, kad iki 2030 m. Kinijos dalis visų Europoje parduodamų automobilių gali siekti 20 proc. Visi bus elektrifikuoti.

 

     Kinijos pažanga iš dalies yra jos vyriausybės noro sukurti pasaulinę automobilių gamybos jėgą rezultatas. Silpnėjant ekonomikai ir esant daugybei laisvų pajėgumų, sulėtėjęs EV pardavimas šalyje paskatino Kinijos gamintojus dairytis į užsienį. Kadangi Amerikos rinka yra apsaugota aukštesniais tarifais ir subsidijomis, palankiomis vietiniams automobilių gamintojams, jie žvelgia į Europą. 

 

Kompaktiškesni kiniški modeliai šiaip labiau tinka europietiškam skoniui.

 

     Neabejotina, kad Kinijos automobilių gamintojai gavo naudos iš vyriausybės stambių lėšų, tokių kaip pigios paskolos. Tačiau antidempingo mokesčius panaikinti bus sudėtinga. 

 

Skundai iš Europos pramonės, kuri ilgą laiką buvo prisikabinusi prie visokios valstybės paramos, atrodo veidmainiškai. 

 

Dar svarbiau, kaip pažymi ubs, kad 25 % sąnaudų pranašumas prieš konkurentus Europoje byd Seal – vidutinės rinkos pasiūla, kuris kainuos vos 45 000 EUR (48 000 dolerių), dažniausiai yra  įmonės didelės vertikalios integracijos rezultatas ir pigios Kinijos tiekimo grandinės pasekmė, o ne dėl vyriausybės dalomosios medžiagos.

 

     Europos automobilių gamintojai nesutaria dėl komisijos žingsnio išminties. Aukščiausioje rinkos dalyje, kur yra stiprus lojalumas prekės ženklui, Kinijos įmonės, tokios, kaip Nio, greičiausiai, nesukels iššūkio Mercedes ir BMW, su subsidijomis ar be jų. Tačiau, supykdydamas Pekino vyriausybę, tyrimas kelia pavojų Europos įmonių Kinijos pelnui. Pasak brokerio Bernsteino, pusė Vokietijos automobilių firmų grynojo pelno gaunama iš Kinijos. 

 

Priešingai, tokios markės, kaip „Renault“, kurios nesiremia Kinija, bet susiduria su bauginančiu iššūkiu masinėje rinkoje, tikriausiai, bus nudžiugintos. Kintantys tarifai gali išgelbėti jas nuo sąnaudų mažinimo, kad galėtų konkuruoti su Kinijos antplūdžiu. Nukentės Europos automobilių pirkėjai, kuriems, tikriausiai, nerūpi, ar Kinijos vyriausybė prisidės prie EV kainų mažinimo." [1]

 

1. "Chinese carmakers are under scrutiny in Europe." The Economist, 14 Sept. 2023, p. NA.

Chinese carmakers are under scrutiny in Europe.

"Flashy temporary pavilions in Munich's city centre displaying the latest models from bmw, Mercedes-Benz and Volkswagen were the public face of iaa Mobility, Germany's biennial motor show, which ended on September 10th. German automotive might was less in evidence in the show halls a few miles away, where the Chinese electric vehicles (evs) that are making inroads in Europe vied for attention and floor space. The fear of a flood of well-made, decently styled and better-value evs from the east outcompeting those from Europe's established carmakers has now jolted the eu's lawmakers into action.

Suspecting foul play, on September 13th the European Commission announced an "anti-subsidy investigation" into Chinese car firms. Those found guilty may be hit with tariffs far above the 10% now levied on Chinese imports. These imports are small but growing fast. In the first seven months of 2023, 189,000 Chinese cars were sold in Europe, equivalent to 2.8% of all car sales. But Chinese pure battery cars made up nearly 8% of sales for this type of vehicle, reckons Schmidt Automotive Research, a consultancy (see chart). These sales have trebled in the past two years, led by Polestar and mg. Brands like Aiways, byd, Nio, Ora and Xpeng are also on sale. Others, like Leapmotor, are poised to join them. ubs, a bank, reckons China's share of all cars sold in Europe could hit 20% by 2030. All will be electrified.

China's advance is in part a result of its government's desire to create a global force in carmaking. A slowdown in ev sales at home as the economy weakens and lots of spare capacity have encouraged Chinese producers to look abroad. With America's market protected by heftier tariffs and subsidies favouring domestic carmakers, they are eyeing Europe instead. The more compact Chinese models are anyway more suited to European tastes.

Undoubtedly the Chinese carmakers have benefited from government largesse such as cheap loans. But making anti-dumping charges stick will be tricky. Complaints from a European industry that has long been hooked on all manner of state support look hypocritical. More important, as ubs notes, the 25% cost advantage over European rivals for the byd Seal, a mid-market ev that will go for as little as €45,000 ($48,000), are mostly the result of the firm's high degree of vertical integration and the low-cost Chinese supply chain, not government handouts.

Europe's carmakers are split on the wisdom of the commission's move. At the top end of the market, where brand loyalty is strong, Chinese firms like Nio are unlikely to challenge Mercedes and bmw, with or without subsidies. But by enraging the government in Beijing, the investigation endangers European companies' Chinese profits. Half of German car firms' net profits come from China, according to Bernstein, a broker. By contrast, marques such as Renault, which do not rely on China but face a daunting challenge in the cut-throat mass market, will probably cheer. Swingeing tariffs may spare them from having to cut costs to compete with a Chinese influx. European car buyers, who probably don't care if China's government had a hand in keeping down the price of evs, will be the ones to suffer.” [1]

 

1. "Chinese carmakers are under scrutiny in Europe." The Economist, 14 Sept. 2023, p. NA.

 

Kaip dirbtinis intelektas gali pakeisti mokslą

„Diskusijose apie dirbtinį intelektą (AI) daugiausia dėmesio skiriama galimiems jo pavojams: algoritminiam šališkumui ir diskriminacijai, masiniam darbo vietų naikinimui ir netgi, kai kurių nuomone, žmonijos išnykimui. Kai kurie stebėtojai nerimauja dėl šių distopinių scenarijų, tačiau kiti sutelkia dėmesį į galimą atlygį. AI, jų teigimu, galėtų padėti žmonijai išspręsti kai kurias didžiausias ir sudėtingiausias problemas. Ir, anot jų, ai tai padarys labai specifiniu būdu: radikaliai paspartins mokslinių atradimų tempą, ypač tam tikrose srityse, tokiose, kaip medicina, klimato mokslas ir žaliosios technologijos. Tokie šios srities šviesuoliai, kaip Demisas Hassabis ir Yann LeCun tiki, kad dirbtinis intelektas gali paskatinti mokslo pažangą ir sukelti atradimų aukso amžių. Ar jie teisūs?

 

     Tokius teiginius verta išnagrinėti ir jie gali būti naudinga atsvara baimei dėl didelio nedarbo ir robotų žudikų. Daugelis ankstesnių technologijų, žinoma, buvo klaidingai įvardintos, kaip panacėja. Elektrinis telegrafas XX amžiaus šeštajame dešimtmetyje buvo giriamas, kaip pasaulinės taikos šauklys, kaip ir orlaiviai 1900-aisiais; dešimtojo dešimtmečio ekspertai teigė, kad internetas sumažins nelygybę ir išnaikins nacionalizmą. Tačiau mechanizmas, kuriuo AI tariamai išspręs pasaulio problemas, turi tvirtesnį istorinį pagrindą, nes istorijoje buvo keli laikotarpiai, kai nauji metodai ir naujos priemonės iš tiesų padėjo sukelti pasaulį keičiančių mokslinių atradimų ir naujovių pliūpsnius.

 

     XVII amžiuje mikroskopai ir teleskopai atvėrė naujas atradimų galimybes ir paskatino tyrėjus teikti pirmenybę savo pačių stebėjimams, o ne gautai antikos išminčiai, o mokslo žurnalų pristatymas suteikė jiems naujų būdų dalytis ir viešinti savo atradimus. Rezultatas buvo sparti astronomijos, fizikos ir kitų sričių pažanga bei nauji išradimai nuo švytuoklinio laikrodžio iki garo variklio – pagrindinio pramonės revoliucijos varikliuko.

 

     Vėliau, pradedant XIX amžiaus pabaiga, įkurtos mokslinių tyrimų laboratorijos, kurios pramoniniu mastu sujungdavo idėjas, žmones ir medžiagas, paskatino tolesnes naujoves, tokias, kaip dirbtinės trąšos, vaistai ir tranzistorius – kompiuterio statybinė dalis. Nuo XX amžiaus vidurio kompiuteriai savo ruožtu įgalino naujas mokslo formas, pagrįstas modeliavimu, nuo ginklų ir orlaivių projektavimo iki tikslesnių orų prognozių.

 

     O kompiuterių revoliucija gal dar nesibaigė. Kaip pranešame specialiame mokslo skyriuje , dirbtinio intelekto įrankiai ir metodai dabar taikomi beveik visose mokslo srityse, nors pritaikymo laipsnis labai skiriasi: pavyzdžiui, 7,2 % fizikos ir astronomijos straipsnių, paskelbtų 2022 m., buvo susiję su dirbtiniu intelektu, veterinarijos moksle – 1,4 proc. AI naudojamas įvairiais būdais. Jis gali nustatyti perspektyvius kandidatus analizei, pvz., molekules, turinčias tam tikrų savybių vaistų atradimui, arba medžiagas, kurių charakteristikos reikalingos akumuliatoriams ar saulės elementams. Jis gali perskaityti krūvas duomenų, pavyzdžiui, gautus dalelių greitintuvuose arba robotiniuose teleskopuose, ieškodamas modelių. AI gali modeliuoti ir analizuoti dar sudėtingesnes sistemas, tokias, kaip baltymų susilankstymas ir galaktikų susidarymas. AI įrankiai, be kita ko, buvo naudojami naujiems antibiotikams identifikuoti, Higso bozonui atskleisti ir regioniniams akcentams tarp vilkų nustatyti.

 

     Visa tai sveikintina. Tačiau žurnalas ir laboratorija žengė dar toliau: jie pakeitė pačią mokslinę praktiką ir atrakino galingesnes priemones atradimams, leisdami žmonėms ir idėjoms susilieti naujais būdais ir didesniu mastu. AI taip pat gali pradėti tokią transformaciją.

 

     Dvi sritys atrodo daug žadančios. Pirmasis yra „literatūra pagrįstas atradimas“ (LBD), kuris apima esamos mokslinės literatūros analizę, naudojant ChatGPT stiliaus kalbos analizę, siekiant ieškoti naujų hipotezių, sąsajų ar idėjų, kurių žmonės galėjo nepastebėti. LBD rodo pažadą identifikuoti naujus eksperimentus ir netgi siūlyti potencialius bendradarbius. Tai galėtų paskatinti tarpdisciplininį darbą ir skatinti naujoves tarp sričių. LBD sistemos taip pat gali nustatyti „akląsias dėmes“ tam tikroje srityje ir netgi numatyti būsimus atradimus ir kas juos padarys.

 

     Antroji sritis – „mokslininkai robotai“, dar vadinami „savarankiškomis laboratorijomis“. Tai yra robotų sistemos, kurios naudoja dirbtinį intelektą naujoms hipotezėms, pagrįstoms esamų duomenų ir literatūros analize, sudaryti, o vėliau tas hipotezes patikrina, atlikdamos šimtus ar tūkstančius eksperimentų tokiose srityse, kaip sistemų biologija ir medžiagų mokslas. Skirtingai, nei žmonės mokslininkai, robotai yra mažiau prisirišę prie ankstesnių rezultatų, mažiau skatinami šališkumo ir, svarbiausia, rezultatus lengva atkartoti. Jie galėtų išplėsti eksperimentinius tyrimus, sukurti netikėtas teorijas ir ištirti būdus, kurių žmonių tyrėjai, galbūt, nesvarstė.

 

     Idėja, kad AI gali pakeisti mokslą todėl įmanoma. Tačiau pagrindinė kliūtis yra sociologinė: tai gali įvykti tik tuo atveju, jei žmonės mokslininkai nori ir sugeba naudoti tokias priemones. Daugeliui trūksta įgūdžių ir apmokymo; kai kurie nerimauja, kad bus atleisti iš darbo. Laimei, yra viltingų ženklų. Dabar dirbtinio intelekto įrankius stumia ne tik dirbtinio intelekto tyrinėtojai, o ir kitų sričių specialistai.

 

     Vyriausybės ir finansuojančios institucijos galėtų padėti ragindamos plačiau taikyti bendrus standartus, kad dirbtinio intelekto sistemos galėtų keistis ir interpretuoti laboratorinių tyrimų rezultatus ir kitus duomenis. Jie taip pat galėtų finansuoti daugiau mokslinių tyrimų, susijusių su AI išmaniųjų sistemų integravimu su laboratorine robotika ir AI formomis, ne tik privačiame sektoriuje, kuriame beveik visi lustai yra skirti kalbinėms sistemoms, tokioms, kaip ChatGPT. Mažiau madingos AI formos, pvz., modeliu pagrįstas mašininis mokymasis, gali būti geriau pritaikytos mokslinėms užduotims, tokioms kaip hipotezių formavimas.

 

     Dirbtinės medžiagos pridėjimas

 

     1665 m., sparčios mokslo pažangos laikotarpiu, anglų polimatas Robertas Hukas naujų mokslinių instrumentų, tokių, kaip mikroskopas ir teleskopas, atsiradimą apibūdino, kaip „dirbtinių organų papildymą natūraliais“. Jie leidžia tyrinėtojams tyrinėti, anksčiau nepasiekiamas, sritis ir atrasti dalykus naujais būdais, „su nepaprasta nauda visoms naudingoms žinioms“. Šiuolaikiniams Hooke'o įpėdiniams dirbtinio intelekto įtraukimas į mokslo priemonių rinkinį yra pasirengęs padaryti tą patį ateinančiais metais, o rezultatai ir vėl keis pasaulį." [1]

 

1. "How artificial intelligence can revolutionise science." The Economist, 14 Sept. 2023, p. NA.

How artificial intelligence can revolutionise science.

"DEBATE about artificial intelligence (AI) tends to focus on its potential dangers: algorithmic bias and discrimination, the mass destruction of jobs and even, some say, the extinction of humanity. As some observers fret about these dystopian scenarios, however, others are focusing on the potential rewards. ai could, they claim, help humanity solve some of its biggest and thorniest problems. And, they say, ai will do this in a very specific way: by radically accelerating the pace of scientific discovery, especially in areas such as medicine, climate science and green technology. Luminaries in the field such as Demis Hassabis and Yann LeCun believe that AI can turbocharge scientific progress and lead to a golden age of discovery. Could they be right?

Such claims are worth examining, and may provide a useful counterbalance to fears about large-scale unemployment and killer robots. Many previous technologies have, of course, been falsely hailed as panaceas. The electric telegraph was lauded in the 1850s as a herald of world peace, as were aircraft in the 1900s; pundits in the 1990s said the internet would reduce inequality and eradicate nationalism. But the mechanism by which AI will supposedly solve the world's problems has a stronger historical basis, because there have been several periods in history when new approaches and new tools did indeed help bring about bursts of world-changing scientific discovery and innovation.

In the 17th century microscopes and telescopes opened up new vistas of discovery and encouraged researchers to favour their own observations over the received wisdom of antiquity, while the introduction of scientific journals gave them new ways to share and publicise their findings. The result was rapid progress in astronomy, physics and other fields, and new inventions from the pendulum clock to the steam engine—the prime mover of the Industrial Revolution.

Then, starting in the late 19th century, the establishment of research laboratories, which brought together ideas, people and materials on an industrial scale, gave rise to further innovations such as artificial fertiliser, pharmaceuticals and the transistor, the building block of the computer. From the mid-20th century, computers in turn enabled new forms of science based on simulation and modelling, from the design of weapons and aircraft to more accurate weather forecasting.

And the computer revolution may not be finished yet. As we report in a special Science section , AI tools and techniques are now being applied in almost every field of science, though the degree of adoption varies widely: 7.2% of physics and astronomy papers published in 2022 involved AI, for example, compared with 1.4% in veterinary science. AI is being employed in many ways. It can identify promising candidates for analysis, such as molecules with particular properties in drug discovery, or materials with the characteristics needed in batteries or solar cells. It can sift through piles of data such as those produced by particle colliders or robotic telescopes, looking for patterns. And AI can model and analyse even more complex systems, such as the folding of proteins and the formation of galaxies. AI tools have been used to identify new antibiotics, reveal the Higgs boson and spot regional accents in wolves , among other things.

All this is to be welcomed. But the journal and the laboratory went further still: they altered scientific practice itself and unlocked more powerful means of making discoveries, by allowing people and ideas to mingle in new ways and on a larger scale. AI, too, has the potential to set off such a transformation.

Two areas in particular look promising. The first is "literature-based discovery" (LBD), which involves analysing existing scientific literature, using ChatGPT-style language analysis, to look for new hypotheses, connections or ideas that humans may have missed. LBD is showing promise in identifying new experiments to try—and even suggesting potential research collaborators. This could stimulate interdisciplinary work and foster innovation at the boundaries between fields. LBD systems can also identify "blind spots" in a given field, and even predict future discoveries and who will make them.

The second area is "robot scientists", also known as "self-driving labs". These are robotic systems that use AI to form new hypotheses, based on analysis of existing data and literature, and then test those hypotheses by performing hundreds or thousands of experiments, in fields including systems biology and materials science. Unlike human scientists, robots are less attached to previous results, less driven by bias—and, crucially, easy to replicate. They could scale up experimental research, develop unexpected theories and explore avenues that human investigators might not have considered.

The idea that AI might transform scientific practice is therefore feasible. But the main barrier is sociological: it can happen only if human scientists are willing and able to use such tools. Many lack skills and training; some worry about being put out of a job. Fortunately, there are hopeful signs. AI tools are now moving from being pushed by AI researchers to being embraced by specialists in other fields.

Governments and funding bodies could help by pressing for greater use of common standards to allow AI systems to exchange and interpret laboratory results and other data. They could also fund more research into the integration of AI smarts with laboratory robotics, and into forms of AI beyond those being pursued in the private sector, which has bet nearly all its chips on language-based systems like ChatGPT. Less fashionable forms of AI, such as model-based machine learning, may be better suited to scientific tasks such as forming hypotheses.

The adding of the artificial

In 1665, during a period of rapid scientific progress, Robert Hooke, an English polymath, described the advent of new scientific instruments such as the microscope and telescope as "the adding of artificial organs to the natural". They let researchers explore previously inaccessible realms and discover things in new ways, "with prodigious benefit to all sorts of useful knowledge". For Hooke's modern-day successors, the adding of artificial intelligence to the scientific toolkit is poised to do the same in the coming years—with similarly world-changing results.” [1]

1. "How artificial intelligence can revolutionise science." The Economist, 14 Sept. 2023, p. NA.