虽然电动汽车 (EV) 和车载技术拉斯维加斯 CES 展会的明星,也看到氢动力汽车在凑热闹。
说实话,因为国内电动汽车和智能座舱的发达,看到这些CES上的车载技术觉得索然无味,包括奔驰展示的信息娱乐系统的更新,将AI与自动驾驶、座椅舒适性、数据显示和充电功能连接起来。还包括一个新的人工智能驱动的虚拟助手,该助手致力于个性化驾驶员与汽车之间的交互。包括大众集成了GPT打造的虚拟助手。
虽然电动汽车在 2024 年消费电子展 (CES) 上获得了碳中和技术的最大关注,但也看到氢能已经悄悄回到了对话中。
现代汽车在拉斯维加斯举行的大型科技和小工具展上重点介绍了其利用氢能的计划。
除了制造由氢燃料电池驱动的汽车外,这家韩国汽车制造商还表示,它可以通过扩展到能源生产、储存和运输来帮助“氢社会”。
这在技术上已经是可行的,而且最终在经济上也有意义,现代汽车公司总裁兼全球首席运营官何塞·穆尼奥斯周一预测。
与此同时,汽车供应商博世移动(Bosch Mobility)在CES 2024活动期间表示,该公司计划今年推出其首款氢内燃机,这是减少全球人为碳排放的又一关键步骤。
博世和现代汽车都表示,由于美国政府正在投入 70 亿美元(64 亿欧元)用于开发氢基础设施等投资,他们被鼓励推进各自的举措。
电动汽车和氢能汽车有什么区别?
简而言之,电池电动汽车由存储在电池中的电力供电,并通过插入电网进行充电。
氢燃料电池电动汽车通过燃料电池堆中的化学反应产生自己的电力。然后,这种电力为车轮的电机提供动力,唯一的排放物是水蒸气。氢燃料电池汽车在特定的加油站加油。
氢能汽车的美妙之处在于,您可以在加油或柴油汽车所需的时间内加油,实现相似的续航里程,同时实现零排放。
那么,为什么氢气难以流行起来呢?氢气带来了许多挑战;从低效率到高成本。
氢能和电动汽车的未来会怎样?
这话要是放在两年前,还有争议,现在嘛?BEV购买成本降低,充电系统成熟。不会产生尾气排放,但电池电源、其部件的回收以及车辆和电池的制造都会产生碳排放。
但是,由于缺乏加氢基础设施,运输燃料的挑战,以及氢燃料汽车需要比电池电动汽车更多的能量来行驶的事实,这意味着未来是电池电动的。
由于高能量损失,效率低
生产氢气最清洁的方法是电解,即利用电力将水分解成氢气和氧气的过程。但它是能源密集型的,效率远低于100%。
当您将氢气运输到加油站时,已经发生了更多的损失,即使您可以绕过运输阶段,储存成本也很高。
据估计,当你上路并将氢气转化为汽车中的电能时,只有大约38%的原始电力被使用。
基础设施薄弱
氢能汽车的主要卖点是它们可以在几分钟内加油,但尽管它们是宇宙中最丰富的元素,但找到为氢能汽车加油的地方非常困难。
这就是氢能的先有鸡还是先有蛋的问题,如果没有加氢站,谁会购买氢能汽车?如果没有汽车,谁来投资加油站?
对于一家公司来说,建设氢基础设施的初始投资风险太高了,因此解决这个问题可能需要将政府、行业和投资者聚集在一起的规划和协调。
但是CES上还是有给的汽车智能技术丢砖头的言论。汽车制造商宝马(BMW)获得了两块砖头,其中一块与亚马逊的语音助手Alexa合作。
亚马逊表示,在大型语言模型(ChatGPT等聊天机器人背后的人工智能系统)的支持下,Alexa的“汽车专家”将能够“以更人性化、类似对话的方式提供有关车辆功能的快速说明和答案,甚至代表你采取行动。
能够让 Alexa 解锁前门或关闭门廊灯听起来很方便。
但是,如果它是由一个暴力的前任配音的呢?
“我们已经看到越来越多的可怕故事,人们,通常是女性,试图逃离虐待的家庭情况,最终让他们的汽车成为跟踪和虐待的载体,”电子前沿基金会执行董事辛迪·科恩(Cindy Cohn)的“最糟糕的表演”评委评论说。
她补充说:“Alexa和宝马 - 坦率地说,所有竞相将我们的汽车变成跟踪设备的汽车公司 - 需要确保受害者可以关闭它。
宝马集团发言人杰伊·汉森(Jay Hanson)表示,该公司在设计和交付语音助手时考虑到了隐私,客户可以选择是否使用它。
“宝马和亚马逊共同致力于维护客户的信任和保护他们的隐私,包括让他们控制自己的数据,”他在周四给美联社的一封电子邮件中说。
宝马还展示了由Xreal设计的增强现实眼镜,该眼镜应该覆盖有用的信息和虚拟物体,您在驾驶时会看到这些虚拟物体。
另一位评委称其为“分心驾驶的秘诀”,也可能为未来的视觉遮挡广告铺平道路。
Hanson表示,在CES上展示的增强现实体验展示了“潜在的用例”,可以帮助或娱乐人们,但最大限度地减少驾驶员分心仍然是宝马向客户推出的关键原则。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。