近年来,随着5G通信、云计算、大数据、人工智能等科技的进步,智能网联汽车成为新时代汽车产业转型升级和产业技术变革的重要突破口,市场规模不断扩大。
近日,Momenta总裁曹旭东在接受人民网记者采访时表示,在全球AI驾驶技术面临巨大挑战的今天,Momenta将继续扎根中国,坚持数智化创新,助力自动驾驶迈向体验更舒适、驾驶更安全的高质量发展赛道。
“我们的目标非常明确,是实现规模化无人驾驶,不是做个demo,跑个测试区域,而是真正地完成商业闭环,让所有人在所有交通过程中,都能够得到自动驾驶带来的安全和价值。”曹旭东说。
Momenta在推进人工智能和自动驾驶的发展过程中,有着怎样的战略路径?数据驱动、AI大模型的技术在其中如何发挥作用?Momenta对未来技术路线演进的理解又是什么?
曹旭东告诉记者,Momenta的关键战略即“一个飞轮,两条腿”。一个飞轮,是指数据驱动的AI飞轮,人工智能的核心在于用数据驱动的算法,通过闭环自动化的方式,利用海量数据驱动技术快速迭代,最终实现“两年十倍”的成长速度。一条腿是L2级别的量产智能驾驶,通过与领先的主机厂进行量产合作,实现十万,百万,千万数量级的车辆装载量,产生海量数据流,以训练自动驾驶算法,解决L4完全无人驾驶的长尾问题。另一条腿是L4级别的完全无人驾驶,持续提供技术流,赋能量产智能驾驶产品能力的快速进步。
曹旭东介绍称,这样两条腿交替提升,让量产L2车辆的数据,可以用来训练L4的算法,让L4的算法,为L2提供足够高的技术上限和进步空间。打通量产智能驾驶(Mpilot)和完全无人驾驶(MSD)的技术架构和数据流,最终实现规模化无人驾驶。
据了解,目前Momenta已与全球排名前十的汽车集团中的一半企业开展量产合作,业务覆盖中国及德国、日本、美国等多个国际市场,其中Robotaxi系列也已经在苏州落地运行,产生的海量数据也在助力自动驾驶安全水平和使用体验上的持续提升。
“这条关键的战略路径,是我们创业第一天就定下来的,主要是基于我们对自动驾驶终局的思考。”曹旭东认为,“自动驾驶的终局,是实现规模化无人驾驶,就是任何车辆,任何时间,任何地点,均可实现无人驾驶。”
曹旭东告诉记者,要实现完全无人驾驶,就必须要有约千亿公里的路测数据,相当于数百万辆车在路上跑一年的数据量。对于一家创业公司来说,成本是难以承受的。这就决定了Momenta必须面向量产,与主机厂合作,通过量产车辆,获得海量数据,训练自动驾驶的算法,最终实现规模化无人驾驶。
在曹旭东看来,人工智能,特别是基于海量数据,深度学习的算法,随着数据量的累积,数据处理能力的提升,具备自主学习,自我迭代的潜力,可以大幅降低解决每个长尾问题的研发成本。所以,要实现规模化无人驾驶,要真正发挥人工智能的潜能,就必须坚定不移地走数据驱动的道路。
“中国汽车产业的数智化创新,已经走在全球的前列,这里面得益于国家政策的指引,中国消费者对创新的开放和包容,以及中国汽车人的锐意进取和自我革新。”曹旭东表示,中国有全球最高质量的实体基础设施建设及数字化基础设施建设,而这些数字化的基础设施建设,能够很好地推动产业协作模式持续优化,帮助企业降本增效,形成新能力。
“海量数据的存储和处理是自动驾驶研发的重点工作之一,比如通过与华为云的合作,获得可靠的数字基础设施服务,通过数字化运营的工具和方法论,提升我们的产品研发效率。”曹旭东说。
谈及未来,汽车行业“数智化”的下半场,中国汽车产业如何加速拥抱智能化、实现全面数智升级,赢得全球竞争优势?
曹旭东表示,除了进一步提升自动驾驶的安全水平和舒适度,中国汽车产业还要不断加强产业协作模式的优化和重塑,用好数字化能力强的合作伙伴,重塑自身的业务流程,逐渐从L2,发展到L3,、L4;加速推进智能化转型,实现全面数字化升级,最终实现规模化无人驾驶,以赢得全球市场竞争优势。(来源:人民网)
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。