以“智领未来”为主题的2020年北京国际汽车展览会即将开幕,可以预见汽车产业的“智能”将成为各大厂商争相抢占与解读的热词。边缘人工智能芯片领导者地平线将携新一代车载AI芯片及一系列智能驾驶落地成果亮相(国际展览中心新馆,E3-09),展示其面向智能座舱和智能驾驶的车内外完整芯片产品布局,并将公布与多个国际国内顶级车厂、Tier1的最新合作进展,为汽车智能化定义“芯引擎”。
智能汽车时代,“芯引擎”将成为全新驱动力
智能汽车时代,汽车的核心竞争力将从“传统引擎”转移为“数字引擎”。正如地平线CEO余凯博士所说:“在大数据、人工智能时代,数据即能源。在传统的燃油车时代,引擎要把能源转化为澎湃的动力,是车最重要的核心部件之一,也是传统燃油车时代很多车厂引以为豪的核心竞争力。在软件定义汽车时代,引擎要把数据通过实时处理和计算,生成对道路的三维空间的理解和对车辆控制的精准决策。这样的新引擎,就是车载AI芯片。”
越是强劲的引擎,越能给汽车带来卓越的表现,燃油时代和数字时代亦然。地平线征程2是中国首款车规级 AI 芯片,也是目前国内唯一经过量产验证、最具量产能力的车规级AI芯片,用实力为中国AI芯片行业注入一针强心剂。早在2019年8月,地平线发布的车载AI芯片就已引起业界的广泛关注。作为中国首款车规级AI芯片,征程2不仅展现出了高性能、低功耗的特点,还满足了“高安全性、高可靠性、高稳定性”的车规技术标准要求,配合其开放赋能的商业理念,为智能驾驶产业带来了很多惊喜。随着长安主力车型 UNI-T 于2020年6月的量产上市,征程2成为了全球首个上车量产的国产 AI 芯片,地平线正式开启了车规级 AI 芯片的前装量产元年。
创新业经量产验证,赋能智能汽车中国方案落地
地平线作为中国唯一一家走向真正大规模量产的车载AI芯片企业,其量产成绩不仅说明了中国在智能汽车前沿领域的技术实力,更意味着智能汽车的中国方案也在加速落地,迈向智能汽车的未来,中国方案大有可为。目前,征程2已实现大规模前装量产,在智能驾驶领域同奥迪、一汽红旗、上汽集团、广汽集团、比亚迪、理想汽车等国内外顶级车厂达成合作,并已成功签下来自中国各大汽车集团的十多款定点车型。除整车厂之外,地平线与福瑞泰克、博世、佛吉亚等全球龙头Tier 1,AutoX、嬴彻科技、智行者、新石器等自动驾驶初创公司以及DEEPMAP、高德地图、禾赛科技、速腾聚创、SK电讯、首汽约车等科技公司和出行服务商也都建立了合作伙伴关系。
经过量产验证之后,地平线芯片加速迭代,正驶向量产新征程。征程2量产落地成果已颇具规模,而征程3是地平线进一步加速车载AI芯片迭代,推动智能化升级和量产落地的实践,是对“芯引擎”的全新升级。征程3与征程2相比,具备更高的效能,拥有更出色的表现,可支持ADAS、DMS和APA等多种应用场景,提供全场景智能化的底层能力。今年年底,地平线还将推出高等级自动驾驶芯片征程5,该芯片具备96TOPS的AI算力,支持16路摄像头,性能超越特斯拉FSD,可满足车厂高级别自动驾驶的量产需求。作为智能化的基石,车载AI芯片的更新迭代,将为产业后续的发展变革打下坚实的基础,为差异化、个性化的场景需求提供技术支持,进一步拓宽智能汽车的应用前景。
在本次车展上,地平线将携手合作伙伴,联合展出征程系列芯片赋能的ADAS、自动驾驶、智能座舱及高精地图建图与定位等多个合作落地方案。针对“智领未来”这一主题,地平线和其合作伙伴将给出一份怎样充满创意与希望的解答呢?让我们拭目以待!
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。