中国上海,2018年8月14日 ——福特智能出行有限责任公司旗下子公司Autonomic与阿里巴巴旗下阿里云于今日签署合作备忘录,计划在中国推出由Autonomic打造的车联云平台(TMC)—— 全球最前沿的服务车联网领域的交通出行解决方案。
福特汽车公司集团副总裁兼亚太区总裁傅礼德(Peter Fleet)和阿里云总裁胡晓明于上海进行会晤,并见证了双方合作备忘录的签署。Autonomic首席执行官兼联合创始人Gavin Sherry与阿里云汽车与智能出行事业部总经理刘飞分别代表双方签署合作备忘录。
图片说明:从左至右 阿里云总裁胡晓明、阿里云汽车与智能出行事业部总经理刘飞、Autonomic首席执行官兼联合创始人Gavin Sherry以及福特汽车公司集团副总裁兼亚太区总裁傅礼德(Peter Fleet)
基于阿里云的基础架构,TMC作为一款开放、安全、高效的软件服务云平台,提供标准化的数据和应用程序接口,赋能用户快速开发更具商业价值的软件应用和服务,从而提升消费者的车载互联和出行体验,例如,优化出行路线、智能化管理车队、远程调配自动驾驶车辆。
通过此项合作,双方将为由汽车制造商、公共交通运营者、大型车队运营商、软件开发者等组成的交通生态提供技术支持,从而为中国消费者提供更优化的车联网和出行解决方案。 此外,双方还承诺在交通和出行领域探索更多合作机会,共建安全、高效和可持续的交通生态。
“TMC旨在帮助汽车制造商在中国市场取得成功,满足中国消费者日益增长的对于车辆网联及创新出行服务的需求,”Autonomic首席执行官兼联合创始人Gavin Sherry表示,“通过与阿里云的合作,我们将加快业务发展步伐,致力于成为全球最大的车联网解决方案提供商,同时为中国的智能城市建设和车联网行业发展注入动力。”
阿里云是全球前三的公共云服务商。凭借在人工智能领域的技术优势,阿里云在车联网、汽车操作系统、智能出行、智能城市等领域都有布局。
“随着现代信息技术的发展,互联网和汽车的技术结合会越来越多,汽车能承载的服务也越来越多。通过与Autonomic的合作,我们将能够为更多的汽车生产厂家、第三方服务商提供技术支持,从而为消费者提供更好的服务,” 阿里云总裁胡晓明表示。
2018年2月,福特智能出行有限责任公司正式宣布收购硅谷初创公司Autonomic,旨在加速在智能出行领域方面的创新和应用速度。目前,Autonomic已在上海设立中国分公司,以更好地支持TMC的业务拓展,高效服务本地客户。
“Autonomic和阿里云双方合作备忘录的签署也标志着福特汽车和阿里巴巴在多领域战略合作的进一步深化,并再次强化了福特致力于成为最值得信赖的移动出行公司的战略愿景,” 福特汽车公司集团副总裁兼亚太区总裁傅礼德(Peter Fleet),“立足中国这个全球规模最大、最有活力的数字市场,福特将携手阿里巴巴拥抱数字时代的商业机遇,共同描绘未来城市的美好蓝图。”
去年十二月,福特汽车与阿里巴巴集团签署合作意向书,共同探索在车联网、智能移动、云计算、人工智能和数字营销等领域开展多维度合作,旨在为消费者的智能移动出行体验带来革命性的改变,并最终为他们的生活带来更多便利。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。