至顶网软件频道消息:微软公司在本周日发布消息,表示其人工智能技术正帮助目前成绩不佳的雷诺一级方程式车队提升赛事表现。
面对坎坷的市场营销状况,软件巨头决定与雷诺车队合作,以帮助落后梅赛德斯车队433分的雷诺奋起直追。
微软方面表示,雷诺车队在2017年一级方程式联赛中位列第七——为了提升成绩,后者正使用Azure Machine Learning、Stream Analytics乃至Dynamics 365等解决方案。
雷诺车队CIO Pierre d’Imbleval解释称,“人工智能将在赛事当中发挥重要作用。我们需要帮助以在比赛的每一圈中作出最佳决策。”
根据微软方面的说法,雷诺车队坦言目前的第七名属于“我们世界中的最低点”,其采用微软AI系统从赛车上的数千个传感器处收集输入数据,并在比赛当中、之后以及测试过程中分析车辆性能。
微软公司指出,其基本思路在于利用机器学习技术执行计算与分析任务,从而帮助雷诺车队的工程师们节约大量时间。
此外,Windows巨头还表示雷诺设计团队亦在利用其HoloLens增强现实平台对车辆及发动机设计进行研究与改进——在d’Imbleval看来,这不仅能够帮助F1车队自身取得成功,同时也将在未来几年内提升赛事观众的参与度水平。
他解释称,“大家可以想象,如果看台上的人们都戴有HoloLens设置并获取各类信息,例如驾驶员当前的比赛思路——打算积极超车还是稳守现有位置,结果会如何?”
“这对于观众们来说无疑是一种全新的体验。”
微软公司并没有提到雷诺车队如何利用其产品寻找新的赛车选手。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。