ZD至顶网软件频道消息:11月30日,百度云智峰会在北京拉开帷幕。在上午峰会主论坛上,百度副总裁王路与太原铁路局局长赵春雷,福田汽车集团总裁、福田商用汽车集团总裁宋术山,南方航空电子商务部副总经理王景成,中国海事局曾辉共同发布智能交通生态联盟。
百度云分享自身在云计算、人工智能和大数据领域的技术优势,构建“交通大脑”,与合作伙伴一起促进交通运输领域的技术创新和应用,发展智能交通,推动交通运输更智能、更高效、更安全地运行和发展。
交通领域变革在即 智能交通时代来临
如果将国民经济看作一个生命体,那么交通则是它的血脉。然而,随着经济建设的迅猛发展,交通的发展却出现了严重的失衡与滞后。交通拥堵成为城市的恶疾,物流的低效甚至严重影响经济的发展。目前我国每年仅因天气导致航班延误或取消,经济损失就多达数百亿。
当资源的开发逼近极限,单纯依靠工程建设已无法解决现有的交通问题,唯有建立更智能、高效的交通系统才是未来交通发展最具想象力的解决方案。从国家政策层面来看,今年7月国家发改委和交通运输部联合发布的《推进"互联网+"便捷交通促进智能交通发展的实施方案》,旨在推动智能交通稳步发展。
作为一家以技术驱动为核心竞争力的公司,百度通过百度云分享自身在云计算、大数据和人工智能等领域的技术优势,通过构建可以计算、分析、处理庞大交通数据的“交通大脑”,打破海陆空以及行政区域的限制,实时抓取散落在各个路面交通、地下交通、空中航线的海量数据。
同时通过百度拥有的全球最大规模的深度神经网络、最大深度机器学习开源平台,对交通大数据的有效归类、提取、利用,实现多系统配合协调,建立起一个更安全、更高效、更准确的智能交通体系。
智能交通生态联盟发布 囊括陆海空车
此次百度云与中国海事局、太原铁路局、南方航空公司、福田汽车达成深度合作,成立覆盖陆海空车的智能交通生态联盟。目前,诸多合作已在进行中。相信随着合作的深入,必将改变交通现状,推动中国智能交通的发展。
在与太原铁路局的合作中,双方共建国内首家集铁路、航空和公路三位一体多式联运的物流云平台。通过百度云的接入,该平台可打通货物在公路、铁路、航空的运送及仓储信息;并利用大数据进行资源调配,通过人工智能深度学习物流管理,优化调度效率可达59%。
另一方面,百度云还将与中国南方航空共同推进智能航空计划,将通过大数据实现对于航班、旅客、机票、航站楼、天气等信息的综合分析调度。同时共同推进大数据营销、新一代信息技术和百度云的推广应用、消费信贷等多方面的合作探索,为用户打造一站式的智能出行服务平台。
同样基于百度云技术,将通过与中国海事局的合作,海事港口、船舶及相关水上设施信息也将实现联通和数据的共享,加强程控,降低成本,合力提升海运管控能力。
从陆地到海洋再到空中,百度云并不满足于交通体系的立体扩张,还要创造全新的交通方式。百度目前正在推进可以感知车辆行驶、预测交通状况的智能汽车和无人汽车的发展。百度无人车已成为国内外瞩目的前沿科技代表,在去年完成了实地路测,并在今年的乌镇峰会上再次亮相。
在智能汽车的商业化方面,百度已与国内知名商用车企业福田汽车达成战略合作。双方已联合发布了国内首款无人驾驶卡车。未来,百度将与福田汽车在汽车大数据、智能驾驶领域深入合作,开发出更多具备智能驾驶的商用车产品
云计算、人工智能和大数据已成为新一轮产业革命的核心驱动力,百度云将透过云生态下的“交通大脑”,依托智能交通生态联盟,加强行业合作,挖掘数据中的更多价值,推进智能交通的全面云端化,突破前所未及的高度,让智能,计算无限可能。
好文章,需要你的鼓励
这项来自新加坡国立大学等机构的研究引入了REASONMAP,一个用于评估多模态大语言模型细粒度视觉理解能力的基准测试。研究团队使用来自13个国家30个城市的高分辨率交通地图,构建了1,008个问答对,设计了两级评估框架测量答案的正确性和质量。对15个流行模型的评估揭示了一个意外发现:开源领域的基础模型表现优于推理型模型,而闭源模型则相反。研究还表明,当视觉输入被遮盖时,模型性能普遍下降,证明真正的细粒度视觉推理任务仍需要有效整合多模态信息。
Nvidia公布2026财年一季度业绩,营收441亿美元,同比增长69%;新AI超算与显卡产品陆续亮相,尽管出口管控对H20业务造成影响,但整体AI市场前景依然乐观。
Cerebras WSE 芯片拥有 40 亿晶体管,推理速度达到 NVIDIA 集群的约 2.5 倍,刷新了全球 AI 推理速度记录,为复杂 AI 代理应用提供高性能计算支持。
这项研究提出了"B-score",一种新指标用于检测大语言模型中的偏见。研究人员发现,当模型能看到自己之前对同一问题的回答时(多轮对话),它能够减少偏见并给出更平衡的答案。B-score计算单轮与多轮对话中答案概率的差异,无需外部标注即可识别有偏见的回答。实验证明,将B-score用于回答验证可显著提高准确率,在标准基准测试上平均提升2.9个百分点。这一发现不仅提供了实用工具,还表明大语言模型具有自我纠正能力。