11月18日,由中國汽車工業(yè)協(xié)會與中國汽車工程學會指導、華為云與機械工業(yè)信息研究院聯(lián)合主辦的“云上生長,智行未來”汽車產業(yè)數(shù)智升級高峰論壇在蘇州召開,來自汽車產業(yè)鏈的多位高校、協(xié)會、車企和伙伴的專家,與華為云一起圍繞汽車產業(yè)數(shù)智升級趨勢、技術發(fā)展和創(chuàng)新實踐展開深入探討。
會上,華為云發(fā)布“1+3+M+N”的全球汽車產業(yè)云基礎設施布局,加速汽車產業(yè)智能化和網聯(lián)化。同時華為云與多家汽車產業(yè)客戶及伙伴發(fā)起《共創(chuàng)自動駕駛開放產業(yè)鏈行動》倡議,共同構筑具有全球競爭力的開放創(chuàng)新生態(tài)。
汽車產業(yè)加速數(shù)智升級 機遇和挑戰(zhàn)并存
當前,智能汽車正在成為智能手機之外的另一大超級智能移動終端,為消費者帶來了更為豐富和沉浸的智能體驗。同時,智能汽車的高速增長引發(fā)了數(shù)據量暴增,驅動著智能汽車的科技創(chuàng)新,讓汽車產業(yè)迎來跨越式發(fā)展。
吉林大學汽車工程學院院長高鎮(zhèn)海從人、車、路、云協(xié)同的視角分析了汽車數(shù)智技術的發(fā)展動態(tài),并就車輛工程視角為數(shù)智汽車的發(fā)展提出了建議。他表示,車云結合提供了更為豐富的交通出行信息,進一步拓展單車智能感知邊界,增強駕駛信息的準確性,實現(xiàn)更安全節(jié)能舒適高效的單車、車車、車路協(xié)同控制,真正實現(xiàn)智慧出行。
華為云CTO張宇昕指出,車企當前面臨新用戶、新銷售、新出行、新服務、新制造5個新的機遇和挑戰(zhàn):包括Z世代新用戶帶來的需求快速變化,數(shù)字化營銷驅動的ToC新銷售模式,共享化和服務化帶來的新出行模式,以用戶體驗為中心的超級App提供的新服務,以及汽車生產制造需要更高的軟件化的新制造能力。
面對這些新的挑戰(zhàn)和機遇,越來越多的車企在尋求建設聚焦新業(yè)務發(fā)展的數(shù)字化轉型平臺,一方面支撐車企在未來出行模式的探索和自動駕駛的升級,另一方面支撐車企在研、產、供、銷、服及數(shù)據應用等領域的創(chuàng)新,從而提升自身競爭力。
華為云CTO張宇昕
同時,汽車產業(yè)的智能化和軟件化也驅動著車企在智能汽車研發(fā)、軟件開發(fā)模式和汽車業(yè)務架構三大領域進行升級;此外,汽車全產業(yè)鏈也在發(fā)生著變化,越來越多的零部件制造企業(yè)也在制定自身的數(shù)字化轉型路徑。
張宇昕表示:“汽車產業(yè)的數(shù)智升級,應當是汽車數(shù)智升級+車企數(shù)智升級+產業(yè)鏈數(shù)智升級。華為云將通過全球一致體驗的云基礎設施,新業(yè)務驅動的數(shù)字化平臺和端邊云協(xié)同的應用開發(fā)平臺,以及汽車產業(yè)賦能基地等,加速汽車智能化和網聯(lián)化,助力車企邁向軟件定義汽車時代,同時支撐汽車產業(yè)鏈的協(xié)同創(chuàng)新。華為云希望聚合產業(yè)各方力量,助力汽車產業(yè)云上生長,智行未來。”
華為云持續(xù)創(chuàng)新 全面推動汽車產業(yè)數(shù)智升級
為加速汽車產業(yè)數(shù)智升級,華為云在本次高峰論壇正式發(fā)布“1+3+M+N”全球汽車產業(yè)云基礎設施布局。
全球1張車用存算網:華為云全球車用存算網是覆蓋全球、統(tǒng)一架構的分布式云基礎設施,打造了30ms時延覆蓋圈,滿足企業(yè)業(yè)務的不同時延要求,讓車聯(lián)網實現(xiàn)全球部署。目前,華為云全球存算網KooVerse覆蓋了全球29個地理區(qū)域的75個可用區(qū),為全球170多個國家和地區(qū)的客戶提供服務。
3個超大數(shù)據中心構建汽車專區(qū):在中國,華為云依托于烏蘭察布、貴安和蕪湖3個超大型云核心樞紐,構建綠色高效、安全合規(guī)的汽車專區(qū)。
M個分布式車聯(lián)網節(jié)點:華為云還與中國聯(lián)通等運營商合作,在北京、上海、廣州等城市建設多個分布式車聯(lián)網節(jié)點,支撐車聯(lián)網數(shù)據高效上云。
N個汽車專用數(shù)據接入點:華為云還規(guī)劃建設了全國50多個汽車專用數(shù)據接入點,確保自動駕駛研發(fā)數(shù)據24小時入云。
會上,華為云還發(fā)布多個在支撐汽車和車企數(shù)智升級方面的創(chuàng)新解決方案。
在自動駕駛領域,華為云攜手業(yè)內伙伴,為車企和自動駕駛算法公司提供端到端的自動駕駛研發(fā)解決方案,支撐自動駕駛數(shù)據的業(yè)務閉環(huán)。
首先,針對自動駕駛業(yè)務的海量數(shù)據,華為云聯(lián)合伙伴在全國建設50多個汽車專用數(shù)據接入點,支撐數(shù)據24小時上云。上云之后的海量數(shù)據存儲,通過華為云的三級聯(lián)動存儲方案可以降本50%。
其次,針對AI算法訓練,華為云AI開發(fā)生產線ModelArts支撐端到端訓練效率提升;分布式多級緩存技術可以將訓練時長縮短50%;針對大規(guī)模集群訓練,拓撲感知調度和動態(tài)軟路由技術可以提升訓練性能30%。
另外,針對自動駕駛的安全合規(guī),華為云聯(lián)合圖商建設自動駕駛專區(qū),能夠實現(xiàn)專屬部署和物理隔離;同時華為云聯(lián)合伙伴,為客戶提供全流程的安全合規(guī)服務。
例如,四維圖新聯(lián)合華為云,共建服務車企的專屬云平臺;并在此基礎上疊加了四維圖新多年在數(shù)據閉環(huán)合規(guī)應用的積累,賦能車廠數(shù)據驅動體系建設。華為云為華人運通提供了邊云協(xié)同的安全合規(guī)部署,在客戶IDC機房,華為云提供了智能邊緣小站IES節(jié)點,一站式快速部署,支撐客戶業(yè)務本地化合規(guī)處理。
在智能網聯(lián)領域,華為云發(fā)布分布式車聯(lián)網解決方案,在北上廣等熱點城市支持分布式車聯(lián)網節(jié)點部署,實現(xiàn)10毫秒時延圈覆蓋熱點區(qū)域,同時華為云提供Tb級云骨干網,支持車聯(lián)網數(shù)據高速入云。
華為云和運營商一起,助力長城汽車快速構建分布式車聯(lián)網能力,實現(xiàn)從傳統(tǒng)車聯(lián)網業(yè)務向分布式業(yè)務的轉變。同時,華為云將海外積累的安全合規(guī)經驗、本地運營經驗、本地生態(tài)伙伴能力等與長城汽車分享,助力長城汽車業(yè)務全球化行穩(wěn)致遠。
除了在分布式車聯(lián)網和自動駕駛領域的創(chuàng)新,華為云還發(fā)布軟件定義汽車解決方案,實現(xiàn)車云協(xié)同,助力車企打造下一代汽車應用開發(fā)平臺;發(fā)布車企數(shù)字化平臺解決方案,從多形態(tài)統(tǒng)一云平臺、技術服務平臺、軟件開發(fā)平臺、數(shù)智融合平臺、安全與治理平臺5個方面支撐車企更加快捷地構建數(shù)字化平臺,加速車企數(shù)智升級。
華為云汽車行業(yè)解決方案全景圖
華為中國區(qū)副總裁、華為云中國區(qū)總裁張修征表示:“圍繞數(shù)字化轉型、智能化升級、全球化布局三大車企數(shù)智升級發(fā)力方向,華為云為車企提供‘數(shù)字化轉型經驗、智能制造能力、全球化經驗、云云協(xié)同能力、自動駕駛方案、安全合規(guī)方案、底層技術創(chuàng)新、以及開放生態(tài)’8大關鍵能力,并與眾多優(yōu)秀伙伴形成開放的融合生態(tài)圈,共同為車企提供端到端的服務,助力汽車行業(yè)深耕數(shù)字化,共創(chuàng)智駕未來。”
華為中國區(qū)副總裁、華為云中國區(qū)總裁張修征
會上,華為云聯(lián)合長城汽車、比亞迪、華人運通、四維圖新、星塵數(shù)據、賽目科技、映云科技、籮筐技術等數(shù)十家自動駕駛產業(yè)伙伴發(fā)起“共創(chuàng)自動駕駛開放產業(yè)鏈行動倡議”,從加強自動駕駛開放生態(tài)建設、加快構建標準體系、加強網絡安全和數(shù)據安全、增強產業(yè)鏈技術交流四個方向出發(fā),共同加強我國自動駕駛產業(yè)鏈建設,助力自動駕駛技術加速落地。機械工業(yè)信息研究院、中國汽車工業(yè)協(xié)會、中國汽車工程學會領導共同見證了倡議的發(fā)布。
華為云聯(lián)合數(shù)十家自動駕駛產業(yè)伙伴發(fā)起“共創(chuàng)自動駕駛開放產業(yè)鏈行動倡議”
獨行快,眾行遠,汽車產業(yè)的數(shù)智升級需要全產業(yè)鏈攜手共進。華為云將繼續(xù)踐行“一切皆服務”,為汽車產業(yè)提供全球云基礎設施、數(shù)字化平臺和一系列創(chuàng)新解決方案,同時為產業(yè)鏈伙伴提供豐富的支持計劃及產業(yè)鏈賦能基地,共建健康繁榮的汽車產業(yè)生態(tài)。
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。