數(shù)字世界催生了無處不在的連接需求。如今,消費(fèi)者希望即使身在旅途也能享受各類數(shù)字化體驗,就像在辦公室、在家里或其他地方一樣。在這種需求的驅(qū)動下,汽車正在經(jīng)歷從交通工具到巨型移動設(shè)備的轉(zhuǎn)型。據(jù)IHS發(fā)布的互聯(lián)汽車報告估計,到2020年,將有1.52億輛互聯(lián)汽車上路,每年產(chǎn)生11PB數(shù)據(jù)。從移動設(shè)備的激增到物聯(lián)網(wǎng)的蓬勃發(fā)展,各種技術(shù)力量亦在加速這種轉(zhuǎn)變,使汽車成為當(dāng)今信息網(wǎng)絡(luò)中不可或缺的組成部分。
現(xiàn)在,汽車既能接收數(shù)據(jù),也能將數(shù)據(jù)發(fā)至云端、交通基礎(chǔ)設(shè)施以及其他車輛。我們能否充分挖掘互聯(lián)汽車的價值,與這些數(shù)據(jù)直接相關(guān)。
IT世界的機(jī)遇
目前,汽車已產(chǎn)生大量數(shù)據(jù),而隨著各項功能的擴(kuò)充,數(shù)據(jù)量只會進(jìn)一步增加,汽車也將成為數(shù)據(jù)制造大戶。IT經(jīng)理們現(xiàn)在應(yīng)該考慮:如何從中挖掘有意義的信息,用于商業(yè)模式的改進(jìn)。同時,駕駛員亦可根據(jù)自己的偏好調(diào)整隱私設(shè)置,決定共享多少數(shù)據(jù)。通過對數(shù)據(jù)加以分析,汽車制造商能夠更加了解用戶以及車內(nèi)的各項狀況。此外,這些數(shù)據(jù)還能幫助市場、工程及IT機(jī)構(gòu)攜手改進(jìn)車內(nèi)體驗。通過利用CRM數(shù)據(jù)和增進(jìn)對駕駛員行為及偏好的了解,汽車制造商可以更好地滿足用戶需求,在恰當(dāng)?shù)臅r間提供恰當(dāng)?shù)捏w驗,如向駕駛員發(fā)出疲勞警告、汽車故障預(yù)警,然后主動幫助解決問題,通過觀察發(fā)展趨勢,積極做好準(zhǔn)備以防患于未然。更重要的是,在此基礎(chǔ)之上,汽車制造商可以有效降低成本,開發(fā)出更好的汽車。
呼喚多層數(shù)據(jù)分析
通過多層數(shù)據(jù)分析,我們可以實現(xiàn)諸如交通事故警告、天氣預(yù)報等新型服務(wù)。數(shù)據(jù)將從車輛傳感器傳至云端,實時獲取駕駛員當(dāng)下所需的信息,這意味著汽車必須擁有自主分析數(shù)據(jù)以及征詢云端反饋的能力。汽車制造商需要考慮整個數(shù)據(jù)處理周期,包括汽車與云、汽車與交通基礎(chǔ)設(shè)施以及車與車之間的數(shù)據(jù)傳送。從傳感控制器到網(wǎng)關(guān)、從云端到客戶端、從汽車到基礎(chǔ)設(shè)施,每個環(huán)節(jié)都涉及有效信息的抽取和數(shù)據(jù)價值的挖掘。之后,數(shù)據(jù)分析的結(jié)果將與其他車輛以及交通基礎(chǔ)設(shè)施分享,并向駕駛員提交建議結(jié)果以便防患于未然。
通過了解其生產(chǎn)的所有車輛情況,汽車制造商得以為車主提供更好的服務(wù)。例如,當(dāng)汽車出現(xiàn)某些問題,用戶可以第一時間向汽車制造商咨詢這類情況是否需要高昂的修理費(fèi)用或存在任何安全隱患,甚至根據(jù)數(shù)據(jù)分析結(jié)果預(yù)約上門維修服務(wù)或提前預(yù)訂零部件,以盡可能減少這些問題帶來的不便。為了支持自主駕駛以及高級駕駛員輔助系統(tǒng)(ADAS)等先進(jìn)技術(shù),強(qiáng)大的計算能力不可或缺,需要車輛與安全可靠的數(shù)據(jù)中心主干建立高速連接,以在云端進(jìn)行群數(shù)據(jù)分析。
確保安全與隱私
隨著越來越多的車輛及交通基礎(chǔ)設(shè)施實現(xiàn)互聯(lián),對于汽車制造商和用戶來說,安全可靠地保存和收發(fā)數(shù)據(jù)至關(guān)重要。信息安全和車輛安全密不可分,因為來自虛擬世界的惡意攻擊很有可能導(dǎo)致實實在在的技術(shù)故障。先進(jìn)技術(shù)的推陳出新與汽車制造商對上述要求的響應(yīng)速度緊密相關(guān)。車輛亦需根據(jù)這些數(shù)據(jù)及其來源快速、準(zhǔn)確地做出決策。只有采用多層分析模式,車輛才能充分利用各項數(shù)據(jù),自主進(jìn)行分析。此外,在保護(hù)用戶隱私之余,所有互聯(lián)汽車的被盜風(fēng)險亦可被降低。
未來的駕駛體驗
曾有調(diào)查顯示,幾乎一半的美國人希望擁有無人駕駛汽車,其中超過1/3的人相信,近10年就可以實現(xiàn)這一愿望。隨著自主駕駛這一理念越來越受追捧,汽車制造商必須重新思考如何設(shè)計新型汽車,將其打造成為一個多系統(tǒng)運(yùn)行平臺,這些系統(tǒng)可以彼此通信、相互協(xié)作并主動提供有效建議。英特爾正在積極運(yùn)用自己的創(chuàng)新技術(shù)和專長,與汽車行業(yè)緊密合作,打造全新的車內(nèi)體驗。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運(yùn)動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運(yùn)動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。