奇瑞智能车执行总监黄勇:奇瑞如何进行人、车、路融合的智慧交通探索

简介:

奇瑞智能车执行总监黄勇:奇瑞如何进行人、车、路融合的智慧交通探索

雷锋网(公众号:雷锋网)·新智驾按:智能驾驶话题的火爆不只是在新闻的刷屏中。10 月 24 日,2017 中国汽车工程学会年会暨展览会,上千人的开幕仪式后,下午的自动驾驶分会场,慕名而来的学界和产业界人士从后排一直挤到了演讲席和投影墙两边,开场时间过去 5 分钟后,工作人员仍在疏通被人群占满的走道。一旁的参会人员向雷锋网·新智驾感慨道:“简直就是大学的选修课。”

此次分论坛的主题为人工智能与自动驾驶,百度副总裁邬学斌、奇瑞智能车技术中心执行总监黄勇、博世底盘操作系统中国区总裁陈黎明、中国汽车技术研究中心汽车标准化研究所总工程师王兆、智行者创始人兼 CEO 张德兆,分别就此话题分享了各自的实践经验与观点。

因为和百度的密切合作,奇瑞一直是自动驾驶领域最受关注的国内车企之一。作为智能车主要负责人之一,黄勇现场介绍了奇瑞在汽车行业变革中的探索,他以人、车、路的融合为主题,讨论了共享出行的大趋势、自动驾驶的探索,以及奇瑞短期内的规划与实践。雷锋网·新智驾特对其演讲内容进行了不改变原意的整理。

目前,很多人在讨论 L3 到 L4 的鸿沟,但从 L2 到 L3 就已经是一个完全革命性的转变。通过机器学习、人工智能,达到汽车级别的安全,目前仍有很大挑战。

智慧交通到来后,从基础设施到车辆,再到管理平台和最后的服务,都会发生很大变化。以往,对传统车厂而言,把车卖掉基本就完成了所有任务,但智慧交通的情境下,车、用户管理平台、云数据与车后服务将全部联系起来,传统车企将越来越多地参与到这个链条的后方来。

汽车产业将呈现四大趋势:商业化、电动化、自动化、网联化。未来,人们会更倾向于共享出行方式,自动驾驶的出现,也会给这种模式的应用带来更多便利。

同样,OTA 也是汽车产业的一个革命性变革。未来,汽车的迭代将是软件新功能的迭代,这对整车平台,以及软件更新和安全都提出了很大要求。从车厂造车的角度来看,汽车的通信、电子电气架构都会有很大更新。

汽车将和智能手机一样,作为一个端口,为用户提供各种服务。而这之中,计算能力的提升又为其提供了必要的支撑。

奇瑞智能车执行总监黄勇:奇瑞如何进行人、车、路融合的智慧交通探索

人、车、路的协同,以“两端一云”为主体,道路基础设施为补充,最终将构建车—云通信、车—车通信、车—人通信、车—路通信、车内通信五大通信场景。

奇瑞智能车执行总监黄勇:奇瑞如何进行人、车、路融合的智慧交通探索

奇瑞智能车执行总监黄勇:奇瑞如何进行人、车、路融合的智慧交通探索

人车互联将是第一个实现量产的板块,现在奇瑞已经或正在实现一部分功能,比如语音识别,远程控制等。下一步,面部识别、眼球追踪、AR-抬头显示等都会逐步实现。

奇瑞智能车执行总监黄勇:奇瑞如何进行人、车、路融合的智慧交通探索明年,奇瑞将推出首款人车互联智能汽车 IQTEC,支持人脸识别、语义理解、智能 AI 导航、网络支付等功能。

奇瑞智能车执行总监黄勇:奇瑞如何进行人、车、路融合的智慧交通探索

奇瑞智能车执行总监黄勇:奇瑞如何进行人、车、路融合的智慧交通探索

单车智能方面,奇瑞之前和百度进行了 L3 的合作,双方有一个电动车平台,可以实现自动变道、自动巡航、自动跟车、紧急制动等功能。在乌镇的世界互联网大会上,奇瑞也做了开放道路测试。现在奇瑞正在通过数据积累、软件更新等,进行量产规划。

奇瑞智能车执行总监黄勇:奇瑞如何进行人、车、路融合的智慧交通探索

不过,L4 的自动驾驶汽车,仍然需要更多研发验证,包括感知系统的融合、算法等问题,作为整车厂,奇瑞考虑最多的还是量产的安全性。自动驾驶汽车的可靠性需要大量数据验证。

奇瑞智能车执行总监黄勇:奇瑞如何进行人、车、路融合的智慧交通探索

V2X 方面,奇瑞和联通进行了 5G 通信方面的一些探索,并在芜湖有一段试验道路。国内很多开发区也很愿意在这方面和整车厂、自动驾驶公司合作。

不过,总的来说,这种智慧交通、共享出行的愿景可能要到 2030 年才能实现。


本文作者:张梦华

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
传感器 监控 Shell
|
Web App开发 监控 Linux
linux下motion摄像头监控编译与配置
利用linxu下的开源的motion搭建嵌入式视频动态监控系统 所谓移动图像监测,简单来说就是利用摄像头定点监测某个区域,当有移动物体经过时,摄像头便自动抓拍(要监测多大物体、按拍照速率都是可调的),并把拍到的图像存储在指定目录,实现无人监控功能。
2932 0
|
8月前
|
机器学习/深度学习 JSON 自然语言处理
DeepSeek 双百万 token 窗口对话数据的量化对比分析
本文基于第一个百万 token 窗口(以下简称 窗口 1)与第二个百万 token 窗口(以下简称 窗口 2)的完整对话数据,采用量化对比的方法,系统揭示两套对话在轮次、文本长度、语种构成以及估算 token 消耗方面的显著差异。研究发现,尽管窗口 2 的轮次和总字数均低于窗口 1,但其每轮对话的文本密度与估算 token 消耗显著更高。结合窗口 2 在生成 5 篇深度分析文章过程中的实际经验,本文提出“长文本生成的隐性 token 消耗”假说,并引用近期相关研究提供理论支撑。该假说为理解大模型在真实工程环境中的行为提供了新视角,也为用户在设计跨窗口连续工程时的指标控制与迁移提供了可操作的参考
DeepSeek 双百万 token 窗口对话数据的量化对比分析
|
9月前
|
存储 弹性计算 网络安全
从入门到精通:阿里云服务器超全使用指南,新手也能一看就会
本指南为阿里云ECS新手提供从入门到精通的全流程详解,涵盖地域、VPC、实例规格、镜像、存储、公网IP、安全组、密钥对等核心配置,以及按量付费、包年包月、抢占式实例等计费方式。新用户可享3个月免费试用,并支持控制台、SDK、CLI、Terraform等多种创建方式。(240字)
451 6
|
小程序 开发者
微信小程序跳转微信小程序,使用微信开发者工具的测试记录
本文是博主学习微信小程序的记录,希望对大家有所帮助。
1234 0
微信小程序跳转微信小程序,使用微信开发者工具的测试记录
|
机器学习/深度学习 自然语言处理 算法
对话系统之用户模拟器最新进展
学术界做了大量的研究工作,从最基础的 bi-gram 模型 [4],到经典实用的 Agenda-based的方法 [2],再到最近基于深度学习的用户模型 [9, 10],用户模拟器的效果得到了显著提升,也为对话模型的训练提供了有效的方法。
2461 0
对话系统之用户模拟器最新进展
|
关系型数据库 MySQL 安全
|
Kubernetes Unix Linux
Kubernetes部署文档 使用cri-docker部署K8s集群
Kubernetes部署文档 使用cri-docker部署K8s集群
|
机器学习/深度学习 数据采集 人工智能
机器学习实战 | 综合项目-电商销量预估
本篇内容基于Kaggle数据科学竞赛Rossmann store sales,梳理和总结基于Python解决电商建模的全过程:包括数据探索分析、数据预处理与特征工程、建模与调优。
5280 1
机器学习实战 | 综合项目-电商销量预估
|
前端开发 JavaScript
Three.js实现汽车3D展示/开关门/变色/运动/视角切换/波动热点/汽车模型
Three.js实现汽车3D展示/开关门/变色/运动/视角切换/波动热点/汽车模型
2259 0
Three.js实现汽车3D展示/开关门/变色/运动/视角切换/波动热点/汽车模型

热门文章

最新文章