前華為和百度高管李一男創(chuàng)業(yè)做的電動車將在6月初發(fā)布,就在昨天李一男帶領牛電科技創(chuàng)始團隊召開了一次媒體溝通會,李一男透露牛電科技的第一款產品定名為“小牛電動車”,這將是一款“智能電動踏板車”,更加類似電動摩托車而非自行車。
小牛電動車作為一種代步工具,主要面向年輕人市場,由于目前電動車市場85%以上使用的都是鉛酸電池,所以李一男表示小牛電動車的革命主要體現(xiàn)在鋰電池方面,同時參照高檔汽車的開發(fā)設計標準以及超過同類產品的駕駛體驗。
李一男首次披露了牛電科技的融資情況,天使輪及A輪的總投資規(guī)模近5000萬美元,最大的投資方是紀源資本,其他還包括IDG、紅杉資本等機構。
如我們所見,傳統(tǒng)電動車重量都比較重,大概有80公斤左右,不方便運輸與安裝,所以只能集中在線下銷售,而此次李一男稱,小牛電動車是首款完全在電商渠道銷售的電動車,小牛電動車由于設計上的優(yōu)勢可以實現(xiàn)送貨上門,并且拆箱可騎,完全不需要用戶自己安裝。李一男還表示發(fā)布會結束后會很快就能發(fā)貨,絕對不會學小米玩饑餓營銷,在他看來工業(yè)產品的特點就是最大限度的滿足用戶需求,能不能給客戶帶來額外的附加價值,真正做到物超所值。
他對小牛電動車的銷量沒有預期,因為這個市場很大,走銷量沒意思。至于產能,剛開始還有一段過程,真正跑起來會怎么樣目前不太清楚。“更重要的就是我們除了中國客戶,能不能真正進到歐洲市場.。”
但電商渠道面臨的問題是,后續(xù)的維修服務如何保證?傳統(tǒng)電動車可以直接到線下門店維修、保養(yǎng),小牛電動車由于產品設計和智能的特殊性,需要配備更專業(yè)的技能維修人員。
在售后維修上,李一男表示牛電科技與3000家O2O(線上到線下)維修點達成了合作,為小牛電動車提供售后服務,接下來會培訓他們,把配件提供給他們。李一男也坦言,想要在很偏遠的地方實現(xiàn),需要一段時間。
在獲得5000萬美元融資之后,除了花費在產品研發(fā)層面,牛電科技還在常州自建了工廠。之所以自建工廠,李一男表示整個電動車產業(yè)規(guī)模很大,但并沒有形成一個外包的產業(yè)規(guī)模。
由于小牛電動車設計的特殊性,產業(yè)零部件比較多,也沒有找到達到品質的代工廠,于是咬著牙自己建了一個廠,運行著四條全自動生產線。
在被問及自建工廠的花費,李一男笑著說,當?shù)卣浅VС?,建這家工廠實際上并沒花太多錢,主要靠的是“刷臉”。
無論是哪種交通工具,只要在道路上行駛就面臨著安全問題,電動車也不例外。李一男認為這主要關乎兩個問題:一個是政策法規(guī)方面的考量,一個是電動車如何與其他交通工具相處?
資料顯示,目前中國只有一個16年前制定的電動自行車標準,即車重不超過40公斤,車速不超過20公里?,F(xiàn)在道路上行駛的電動自行車99.9%都是超標的,都不符合這個標準。李一男透露中國目前正在進行新的電動自行車的標準制定,基本上會跟歐盟標準比較接近(歐盟要求車速26公里,整車重量含電池不超過55公斤),但最高時速比歐盟標準低一點。
因為生產廠商、質檢部門和交通管理部門已經經過好幾年的磋商,在今年或者明年上半年有可能達成一致。事實上,更重要的一點是劃分了人行道、自行車道和機動車道時候,每個人的路權是被清晰定義的,不同的出行方式自然會有獨有的生存空間。
特斯拉電動車在全球擴張之路上最大的阻礙就是充電樁的建設,小牛電動車也面臨這樣的問題,畢竟電力驅動的設備續(xù)航時間有限,萬一路上行駛過程中沒電了怎么辦?再者,涉及到充電標準的問題,在建的汽車充電樁,所有電動車可以通用嗎?
針對以上問題,李一男只表示今年年底會看到牛電科技提供的一個更好的解決方案。那么,李一男將如何憑借一款電動車消除并革新傳統(tǒng)電動車在續(xù)航、設計、功能上的缺陷,就請期待6月初小牛電動車的發(fā)布會吧。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。