UVeye Inc.,一家利用人工智能开发智能车辆检测技术的初创公司,今天宣布完成了 1.91 亿美元的 D 轮融资扩展,使其迄今为止的融资总额达到 3.805 亿美元。
本轮融资由丰田汽车公司的成长基金 Woven Capital 领投,UMC Capital、MyBerg 以及现有投资方 W.R. Berkley Corporation、Menora Mivtachim 和 More Investment House 也参与其中。此前,UVeye 在 2023 年 5 月首次宣布了 D 轮融资,当时获得了 1 亿美元资金。
UVeye 开发了一套驾驶通过式检测系统,该系统结合了 AI、机器学习和传感器融合技术,能够在几秒钟内检测出任何车辆底部或侧面的外部和机械缺陷。该公司声称还能检测其他异常情况,如改装和可能给车辆带来问题的异物。系统只需要车辆快速驶过一次扫描平台,就能在几秒钟内给出完整的问题诊断报告。
该初创公司表示,随着电动和自动驾驶汽车变得越来越复杂,这样的系统变得非常必要。对于运营车队的公司来说,能够进行低成本和高频率的预测性维护将变得极其重要。
公司的目标是标准化汽车行业检测车辆损坏和机械问题的方式,并建立新的质量标准。
UVeye 联合创始人兼首席执行官 Amir Hever 表示,汽车行业热衷于采用自动化和 AI 驱动的系统。
"到 2025 年,我们计划安装数百个新系统,包括主要车队、汽车制造商以及租赁服务、生产线和港口检查等战略应用,我们的扩张速度反映了市场对我们技术的巨大需求,"他强调说。
UVeye 开发了三种独特的高速车辆检测系统,可以安装在车队总部、新旧车经销商、拍卖行甚至装配线上。其中包括 Helios,这是一个底盘扫描仪,可以检测车架损坏、零件缺失、液体泄漏以及制动和排气系统问题。
还有 Artemis,用于检查车辆轮胎质量,能够在几秒钟内识别品牌、技术规格、气压、胎面深度、侧壁损坏和对准问题等。最后,Atlas 是一个 360 度车辆外部检测系统,用于检查金属车身和门锁、保险杠、格栅和车窗等部件。
Constellation Research Inc. 分析师 Holger Mueller 表示,UVeye 系统的优势显而易见。
"在图像识别和发现可能表明问题的异常方面,AI 驱动的机器比人类更擅长,"他指出。"我们从医疗保健行业已经了解到这一点。AI 更加一致,不需要休息,而且正在被应用到关键行业。我们都依赖于车辆。"
UVeye 表示,其系统目前每月扫描近 100 万辆车。该公司补充说,在过去一年中取得了"显著进展",在北美和其他地区安装了多个新的 AI 传感器。
Woven Capital 负责人 Will Fung 表示,该初创公司的显著增长充分说明了市场对先进车辆检测技术的需求不断增长。他还强调了该技术通过"可操作的见解来现代化服务体验",从而加深汽车服务提供商与客户之间联系的潜力。
今天这轮融资将帮助 UVeye 在全球部署更多系统、提高制造能力并建立更多战略合作伙伴关系。
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。