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
谷歌CEO皮查伊在AI竞赛低谷期坚持"信号降噪"原则,顶住压力加倍投入,最终带领谷歌凭借Gemini系列重夺领先。他坚信AI将超越火与电的革命性影响,通过递归自我改进极大降低创意实现门槛,这场"创造力民主化"浪潮或将解锁80亿人的认知潜能。
上海交大研究团队开发的VideoREPA是一种突破性的视频生成框架,通过令牌关系蒸馏技术将视频理解模型中的物理知识转移到文本到视频(T2V)扩散模型中。与传统方法不同,VideoREPA关注空间和时间关系的对齐,使生成的视频更符合物理常识。实验表明,这种方法在VideoPhy基准测试中将物理常识分数提高了24.1%,明显优于现有技术。该研究为创建更真实的AI生成视频提供了新思路,展示了理解能力与生成质量间的密切关联。
李飞飞的World Labs以"空间智能"重新定义AI,专注3D物理世界理解,4个月估值飙至10亿美元,获科技巨头集体押注。她揭示语言无法编码物理世界,而DNA双螺旋等突破性发现都源于三维空间的深度认知。
浙江大学和莫纳什大学研究团队开发了PM-Loss,一种用于改进前馈式3D高斯分布渲染的新型正则化损失函数。研究针对深度图在物体边界处的不连续性问题,通过预训练Transformer模型预测的点图提供几何先验知识,实现了更平滑、准确的3D场景重建。实验表明,PM-Loss在多个数据集上显著提升了渲染质量,PSNR提高至少2dB,特别改善了物体边界处的细节表现。该方法易于集成到现有模型中,无需修改架构,为3D视觉和图形学领域提供了新的研究思路。