CNET科技資訊網(wǎng) 10月9日 北京消息(文/齊豐潤): 互聯(lián)網(wǎng)技術(shù)為眾多領(lǐng)域都帶來了顛覆性的改變,又或者是極具顛覆性的前景,比如對于出行和汽車領(lǐng)域來說,智慧出行和智能汽車已為行業(yè)帶來或即將帶來全新的改變。
而提到智能汽車,相信很多人第一反應(yīng)都會是谷歌、蘋果、奧迪、寶馬、特斯拉等等企業(yè),不可否認,就目前來看特斯拉已成為公認的智能汽車的標(biāo)桿,而眾多的國外企業(yè)也紛紛發(fā)力,讓我們看到了越來越多新技術(shù)的出現(xiàn)與應(yīng)用。
而隨著智能汽車領(lǐng)域的興起,我們也能看到越來越多的國內(nèi)企業(yè)投身于其中,除了一些傳統(tǒng)汽車廠商之外,像樂視、百度等互聯(lián)網(wǎng)企業(yè)也都投身于智能汽車的風(fēng)口之中。
不過雖說目前國內(nèi)投身于智能汽車領(lǐng)域的企業(yè)眾多,但真正的產(chǎn)品卻鮮有露面,不過這樣的情況在近幾年就會迎來改變了。作為國內(nèi)致力于智能汽車研發(fā)的新興公司,威馬汽車立下豪言壯語,自2018年起,將會以以每年超過一款新車的速度推向市場,并通過創(chuàng)新的銷售、運營、金融、服務(wù)、信息策略等價值鏈解決方案,形成基礎(chǔ)的硬件平臺鋪設(shè)及智能車網(wǎng)覆蓋。
而在正式的產(chǎn)品推出之前,威馬汽車還會讓服務(wù)先行,據(jù)介紹,2017年威馬汽車將會率先讓用戶體驗到威馬的出行服務(wù)。同時,威馬還與國內(nèi)多家企業(yè)共同組成了“智慧出行精英企業(yè)匯”,致力于推動智慧出行產(chǎn)業(yè)的發(fā)展及落地。
在威馬汽車創(chuàng)始人、董事長兼CEO沈暉看來,未來的三到五年將會是汽車被重新定義的關(guān)鍵時期,“汽車發(fā)展的‘加速度’會越來越快,汽車價值鏈的技術(shù)奇點將會出現(xiàn)。”沈暉還表示,在新技術(shù)的沖擊下,汽車這一硬件產(chǎn)品,已經(jīng)發(fā)生了深刻的變化,今天的車企不再是簡單的車輛制造商,而是出行服務(wù)的提供者。
除此之外,立足于客戶體驗也是威馬汽車接下來的發(fā)展重點,未來威馬汽車將以“車”為立足點,打造一臺用戶在沒有牌照和補貼的情況下也愿意購買的主流的智能汽車,并以此為基礎(chǔ),逐步開放硬件平臺,共同打造整個智能出行價值鏈。
而對于一年一款新品的效率,沈暉也有著自己的認識,他表示,威馬就是要打造能真正改變大眾出行體驗的主流汽車產(chǎn)品,而并非是造一臺“有錢人的玩具”。
“我在沃爾沃和菲亞特的工作經(jīng)歷告訴我,造一臺價格合理、供應(yīng)量穩(wěn)定、質(zhì)量可靠的‘菲亞特500’,遠比造一臺手工打造的‘法拉利’困難許多。在前端,我們將讓用戶自己去最大可能的定義產(chǎn)品和需求;在后端,我們將以真正的工業(yè)4.0方式實現(xiàn)前端用戶的選裝需求。”沈暉總結(jié)道。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)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(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)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(zhǔn)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(zhì)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(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。