特斯拉周二获得了加州公用事业委员会 (CPUC) 颁发的运输服务经营许可证,这标志着一段漫长监管之路的开始,这可能最终使该公司获准在加州运营机器人出租车服务。
这项特斯拉在 2024 年 11 月申请的许可证并不包括自动驾驶车辆的测试或部署权限。从技术上讲,它与网约车公司 Lyft 和 Uber 拥有的许可证也不同。
特斯拉获得的是运输特许许可证 (TCP)。根据 CPUC 的规定,TCP 意味着公司(在这种情况下是特斯拉)拥有车辆并雇用员工作为司机。CPUC 负责监管加州的人工驾驶和无人驾驶网约车服务。根据委员会的说法,TCP 适用于想要提供预约运输服务(如往返观光)的公司。
Uber 和 Lyft 持有运输网络公司 (TNC) 许可证。TNC 使用基于在线应用程序(如智能手机应用)将使用个人车辆的司机与付费乘客连接起来。
根据特斯拉的申请,该公司计划最初使用其 TCP 许可证在预约的基础上运送员工,并使用该公司自有的车辆。特斯拉已同意在转向运送公众时通知 CPUC。
值得注意的是,特斯拉的申请并未寻求以有人驾驶或无人驾驶的方式参与委员会的自动驾驶汽车客运服务计划。这并不意味着特斯拉将来不会申请这些许可证。如果申请,特斯拉还需要获得加州机动车管理局的许可,该机构负责监管该州的自动驾驶车辆测试和部署。
根据州监管机构的说法,特斯拉目前没有获得 DMV 授权进行任何无人驾驶测试或部署用途的乘车服务。
与此同时,特斯拉正计划在德克萨斯州奥斯汀推出机器人出租车服务。特斯拉首席执行官埃隆·马斯克承诺,机器人出租车服务将于 6 月份开始运营,使用配备尚未发布的"无人监督"版本全自动驾驶软件的自有车队。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。