上周AWS在CES消费电子展上宣布了多项有关汽车行业合作的公告,旨在进一步推动软件定义汽车的崛起。
制造和交付汽车正在日益成为一场软件的游戏,需要汽车制造商采取生态系统的方法。软件定义汽车(SDV)的兴起让汽车企业能够处理尚未制造的零件或汽车,此外,可以使用无线连接对成品进行更新,这是他们以前从未做过的事情。
AWS正在与多家公司合作,使SDV更智能、更易于开发。AWS正在通过使用云计算、AI和可扩展的工具,帮助汽车制造商制造更好的汽车,这些汽车可以随着时间的推移进行更新和改进。
本田汽车是与AWS合作将汽车转变为SDV的公司之一。本田创建了一个“数字试验场”(Digital Proving Ground,DPG),这是一个支持AWS的云模拟平台,用于数字化设计和测试车辆。本田使用DPG平台可以收集和分析电动汽车行驶里程、能耗和性能等数据,平台减少了对物理原型的依赖,加快了开发速度并降低了成本。
从历史上看,汽车企业必须先制造汽车,然后再进行测试。虽然这似乎是合理的,但由于潜在事故可能会让成本和时间变得非常高,从而造成延误,而且小众用例的测试可能是很复杂的。例如,在黎明和黄昏时,传感器可能会因亮度而发生故障,现实环境中每天只能测试几分钟。在DPG这样的模拟环境中,太阳可以保持在地平线上,从而运行数百万小时的模拟。
此外,本田使用AWS的视频流和机器学习工具来开发视频分析应用。Amazon Kinesis Video Streams处理和存储汽车摄像头拍摄的画面,以检测汽车周围的异常运动。如果在现实世界中部署,可以提醒驾驶员注意附近的危险并有助于防止碰撞。
本田也在利用AWS的生成式AI服务,特别是Amazon Bedrock。例如,本田正在开发一种新的系统,可以根据位置、电池电量、充电速度和与购物中心的距离引导驾驶员前往最合适的充电站。该系统在车辆和云之间提供安全通信,同时收集驾驶员偏好以提供个性化推荐。半天计划在0系列电动汽车(如图)中推出该功能。
本田的合作伙伴关系也十分引人注目,因为本田是产量最高的制造商之一。专业电动汽车公司很早就对利用AWS等平台很感兴趣,与本田的合作使SDV成为汽车行业的一大发展方向。
在这个势头的推动下,AWS还与HERE Technologies展开合作,增强SDV基于位置的服务。HERE提供先进的地图技术,而AWS提供处理大量数据的云工具,这些公司正在帮助汽车制造商构建驾驶辅助系统、免提驾驶、电动汽车路线规划等。
HERE的HD Live Map可以处理实时传感器数据,以提供精细导航并改善电动汽车电池使用率。该公司刚刚推出了一款名为SceneXtract的新工具,通过创建虚拟模拟简化了测试。通过结合HERE的地图技术和Amazon Bedrock等服务,汽车开发人员就可以运行详细的模拟来测试高级驾驶辅助系统和自动驾驶。例如,他们可以定位地图数据并将其导出到测试场景中,从而减少准备模拟所需的时间、精力和成本。
此外,AWS还与汽车供应商Valeo展开合作,简化车辆软件的开发和测试。Valeo在CES 2025大会期间公布了前三种解决方案:Virtualized Hardware Lab、Cloud Hardware和Assist XR。
据Valeo称,Virtualized Hardware Lab让汽车制造商可以在虚拟化组件上测试软件,将开发速度提高40%。这套托管在AWS上基于云的解决方案将于今年在AWS Marketplace上线。
Valeo推出了Cloud Hardware Lab,这是一种融入了硬件的即服务(HIL)解决方案,适用于那些想要访问大型测试系统的人。HIL将硬件组件与软件模拟相结合,因此企业可以测试软件如何与硬件系统交互。HILaaS则让企业可以通过AWS托管平台远程访问Valeo先进的测试系统。
最后,Assist XR将提供路边援助、车辆维护和其他远程服务。Assist XR将使用AWS云基础设施和AI工具来处理来自车辆及其周围环境的实时数据,这是打造更安全、更智能、更高效的汽车所需的众多技术之一。
有人认为,汽车行业在过去几年中几乎没有创新。虽然这种说法可能是不正确的,但是有根据的。五年或更久以前,全自动驾驶汽车开始风靡一时,人们认为现在已经实现了,这设定了一个不切实际的期望,如果创新的基准是五级自动驾驶汽车,那么我们还没有达到这个水平。
然而,在实现全自动驾驶的道路上,每年都会有渐进式的创新,现在我们拥有许多功能,可以让我们成为更好、更智能、更安全的驾驶员。2025年不会是五级自动驾驶之年,但我们将看到朝着这一目标迈出更多步伐。
好文章,需要你的鼓励
OpenAI在与多家新闻机构的版权诉讼中陷入困境。以《纽约时报》为首的原告指控OpenAI在长达两年时间里向法庭撒谎,刻意隐瞒其已对ChatGPT日志进行大规模搜索的事实。据悉,OpenAI实际上已拥有包含1000万和7800万条记录的日志样本,并曾用于研究版权内容过滤器,却对外声称无法进行此类搜索。原告据此提出制裁动议,要求法院追责。OpenAI则否认相关指控,坚称其立场基于合理使用原则。
斯坦福与UC伯克利提出LLM-as-a-Verifier框架,通过提取AI模型内部概率分布生成连续评分,在代码、机器人、医疗领域均达到最优性能,且无需额外训练。
美国加州大学圣地亚哥分校研究团队在《自然》期刊发表研究成果:外科医生通过远程操控宇树G1仿人机器人,成功完成两例活体猪胆囊切除手术,创下全球首例。与造价数十至数百万美元的达芬奇手术机器人相比,仿人机器人成本更低、体积更小,未来有望部署于农村、战地乃至太空等资源匮乏的医疗场景。但目前仍存在需频繁重新校准、机械臂活动范围受限等挑战。
字节跳动Seed团队发现AI智能体在真实环境中学习的进步曲线精确遵循对数S形规律,R?达0.998,且前沿模型的学习速度每三个月翻倍。