AWS希望在互联车辆开发中发挥更大的作用,近日AWS表示,已经与宝马集团合作开发了一款全新的、可定制的云软件产品,能简化数百万互联汽车的数据分布和管理方式。
该软件旨在作为宝马下一代基于云的车辆数据平台的基础,也将提供给那些希望更好地集成车辆数据以加速应用开发的其他汽车制造商。
AWS解释说,AWS与宝马的工程和开发团队共同开发了这款软件,其工作原理就是从联网中车辆收集车辆信号和车队情报数据,然后通过云进行安全处理和分发。
AWS强大的安全性确保这些数据可以按照最高数据保护和隐私标准得到保护和处理。因此,只有宝马集团内部的领域专家,例如车辆应用开发人员、车队经理、数据科学家以及人工智能和商业智能专家,才能访问车辆生成的数据,而且这种访问途径是通过自助服务机制提供的,这种机制会不断地收集车辆数据流,同时监控每个来源的健康状况。
一旦数据被发送到云端,宝马的开发人员就可以利用AWS的数据分析、机器学习、数据库、人工智能开发和存储工具为互联汽车开发新的应用和功能。
宝马汽车连接平台副总裁Nicolai Krämer表示,宝马下一代互联汽车“Neue Klasse”能够处理的数据量将达到现有汽车的三倍。“我们将继续和AWS一起开发创新的解决方案,让我们能够更快地开发新的数据驱动的功能并交付给全球客户。”
Constellation Research分析师Holger Mueller表示,现代汽车已经转变为一个软件平台,因此需要连接性和更智能的数据管理。“很高兴看到AWS和宝马在这方面展开合作,创建了一个收集和管理更多数据的平台,最终将为互联汽车的车主带来更好的体验。”
宝马参与了该软件的开发,但AWS也计划尽快将其作为AWS for Automotive产品的一部分提供给其他汽车制造商,作为新一代以软件为中心的汽车的基石。
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。