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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。