9月23日,梅赛德斯-奔驰(中国)投资有限公司与北京字跳网络技术有限公司宣布签署升级战略合作备忘录,共同推动人工智能技术的跨业务融合,树立汽车产业数智化创新合作的新典范。此次战略合作覆盖从智能辅助驾驶、智能座舱、智能化研发、数字化营销到客户运营的各个业务领域,提速AI技术的深度融合及创新应用。梅赛德斯-奔驰集团股份公司董事会成员、负责大中华区业务的佟欧福(Oliver Thöne)和北京字节跳动董事长张利东出席并见证签约。
梅赛德斯-奔驰集团股份公司董事会成员、负责大中华区业务的佟欧福(Oliver Thöne)与北京字节跳动董事长张利东共同见证,梅赛德斯-奔驰(中国)投资有限公司高级执行副总裁,梅赛德斯-奔驰中国研发和采购负责人庄睦德(Drummond Jacoy)与火山引擎总裁谭待签约
此次签约是2023年携手火山引擎后,梅赛德斯-奔驰同字节跳动合作的战略升级,搭载豆包大模型的首款奔驰车型——全新纯电CLA即将于今秋上市。
在智能座舱领域,基于不断升级的梅赛德斯-奔驰智能座舱AI平台,融合字节跳动的AI能力,奔驰将实现智能应用的快速生成,打造持续进化的智能座舱。双方将依托字节跳动先进的豆包大模型、大数据技术与丰富内容生态,深化大语言模型、多模态大模型、生成式人工智能的合作,并整合娱乐、导航、生活服务等多元场景,让智舱更个性化。未来,梅赛德斯-奔驰还将通过端云融合和安全稳定的云技术,构建数据驱动的全链路闭环体系,进一步提升智舱体验。同时,火山引擎“AI云原生”核心算法能力,将为奔驰智能化产品研发提供强大的、差异化的技术支撑。
在自动驾驶技术领域,基于梅赛德斯-奔驰近40年的研发及量产经验,双方将在云领域展开合作,强化智能辅助驾驶研发的AI基因。AI赋能的算法提升,将助力梅赛德斯-奔驰更高效地构建、迭代和部署领先的智能辅助驾驶能力。
在研发提效方面,火山引擎将协助梅赛德斯-奔驰建设大数据平台能力,融合AI大模型与数据分析能力,全面提升研发效率。未来,奔驰中国数字技术研发团队将借助飞书的AI能力加强研发流程数字化协同,进一步提升创新效率。
在数字化营销领域,梅赛德斯-奔驰携手字节跳动开辟新媒体营销渠道,借助火山引擎在大数据和AI大模型领域的强大实力,实现深度用户洞察,不断完善数字化营销模型,深挖营销转化资源,打造品牌与经销商一体化的数字营销矩阵、打通数据管理链路,将字节跳动从内容合作伙伴升级为内容营销并重的合作伙伴。
在客户运营领域,梅赛德斯-奔驰依托字节跳动先进的云通信技术,实现通知、验证码、推广等信息的精准推送和稳定服务,为用户带来更精准的信息推送及服务。
梅赛德斯-奔驰与字节跳动的合作始于2023年,火山车娱首次被引入奔驰智能座舱系统。2024年,奔驰与字节跳动旗下火山引擎达成战略合作,开始探索AI及大数据在智舱领域的创新应用。2025年,即将在中国上市的全新纯电CLA将搭载豆包大模型,助力升级后的全新奔驰虚拟助手更聪明,不仅反应更快,而且拥有丰富的知识储备与精准的语义理解能力,还能识别用户情感,提供更多情绪价值。
梅赛德斯-奔驰在中国开展研发20年来,已建成德国以外覆盖领域最全面的研发网络。未来,奔驰在不断升级自研能力、坚守“奔驰标准”的同时,与字节跳动等领先科技企业深度合作,共同为中国客户带来更多超越期待的产品和服务,引领汽车产业的科技创新转型。
好文章,需要你的鼓励
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
字节跳动团队提出RewardDance框架,首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务,并将模型规模扩展至260亿参数,同时集成任务指令、参考样例和推理能力,有效解决了"奖励作弊"问题。实验显示,在文本生成图像任务中质量提升10.7分,视频生成性能改善49%,达到行业领先水平,为AI视觉创作提供了更强大可靠的技术基础。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
ByteDance团队开发的Mini-o3系统通过深度多轮推理突破了传统AI视觉理解的局限。该系统能像人类侦探般进行几十轮的视觉探索,在困难的视觉搜索任务上准确率达48%,相比现有模型提升显著。核心创新包括挑战性的Visual Probe数据集、多样化推理策略训练和突破性的过轮掩码技术,实现了测试时思考轮数的自然扩展。