搭载YunOS的互联网汽车 不单单只是会上网那么简单

简介:

【51CTO.com原创稿件】马云曾经说过,今天的手机因为加入了智能操作系统后,80%的手机功能似乎与打电话、发信息这种单纯的通信没有了关系;而未来汽车加入YunOS操作系统后,汽车80%的功能将与交通没有关系。这种说法看似有点儿荒谬,可也确实表现了随着移动互联网的发展,单纯保证产品的本质属性似乎已经跟不上潮流了,正所谓汽车不单单是交通工具,互联网汽车不仅仅只会上网那么简单。

马云针对互联网汽车的演讲

不久前在YunOS开发者大会上,采用全新系统架构的YunOS 6“昭告天下”。官方将系统升级定义为创造了互联网汽车新物种,软硬整合新模式带来产业新变量。而阿里云总裁胡晓明此前也曾表示,今年将有70万辆搭载YunOS Auto的互联网汽车推向市场。

作为阿里在汽车领域的合作伙伴,上汽集团所生产的荣威RX5系列车型成为YunOS赋能传统汽车企业的成功实践之一。上汽集团乘用车公司俞经民副总经理指出,互联网汽车通过语音交互、在线地图、智能服务、支付等功能的提出以及不断完善,让其在操作上做减法、更人性,在体验上做乘法、更舒适。他强调互联网汽车的智能化让汽车更懂事儿,更懂人。用一句让笔者感受颇深的话来总结,就是“你不必多么了解它,而它却比你自己更懂你”。

上汽集团在开发者大会上演讲

举个例子来说,人们经常使用的地图和导航,通常来讲一打开手机并不会立即出现在地图上进行定位,这样的周转力度并不灵活。现在的导航通过颜色来指示道路的拥堵情况,以及通过的合理时间,但并不能马上指示还没有到达的路段具体的路况信息,甚至更详尽的避免拥堵的方式,另外短距离导航的问题也亟待解决……据了解,搭载新系统的汽车已经可以从识别到精确识别,这样的提升无疑让车辆更智能。俞经民表示,无论是支付宝购物、打通新能源利用、寻找合适的充电桩,还是高速缴费……这些细节方面的优化让互联网车更具有吸引力。

从车联网概念的提出到如今的发展,关于汽车与互联网结合所带来的产业延伸一夜之间得到了火热的关注,这让更多企业看到了汽车将成为下一个互联网的重要入口。笔者认为,万物互联的时代要求催生了汽车品类的崭新的垂直产业形态,从而告诉我们互联网汽车并不是简单的一台汽车并能够上网就可以被概括甚至是冠名。

简单来说,上汽的硬件加上阿里的YunOS系统优化而成荣威RX5系列汽车,但笔者认为荣威RX5的出现只是互联网汽车行业发展的某一个阶段,只有不断的创新才能真正意义上诠释互联网汽车的定义,让人们真正感受到智能的魅力。

开发者大会上合作伙伴们合影

做汽车其实和做手机貌似大同小异,最为关键的仍是软件方面带来服务提升。YunOS 6拥有一定阵容的的生态伙伴联盟,可以支撑平台背后很多服务场景的完成,这也只有在万物互联的背景下才有可能达到。荣威RX5作为互联网汽车的一个开端,可能未来还需要不单单满足智能互联、环保动力等目标,向无人驾驶方面的完善和延伸也很重要。

阿里巴巴集团技术委员会主席王坚表示,汽车和互联网之间原本是不需要手机的,当所有人努力让手机更好服务汽车的同时,最终的目标是让人们进入汽车内部不再需要手机,汽车在融入大量的互联网应用后,逐渐由单一的代步工具变成了智能生活平台。我们可以想象,搭载YunOS的以荣威RX5为代表的系列汽车,其实就是为了让人们养成驾驶过程中不再需要手机的生活习惯,这或许在某种程度上指引了互联网汽车发展的一种意识导向,如果这样看,在保证软硬件优化的同时达成这种目标也是很有前景的一件事儿。



本文作者:刘晶晶


来源:51CTO

相关文章
|
9天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
298 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
311 155
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
857 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
250 113