标签: 自动驾驶
在智能交通方面，人工智能助力实现了智能驾驶。它能够通过传感器和算法对周围环境进行
在智能交通方面，人工智能助力实现了智能驾驶。它能够通过传感器和算法对周围环境进行精准感知，使车辆可以自动规划路线、避让障碍物，极大提升了出行的安全性和效率。比如现在许多汽车企业都在大力研发和推广自动驾驶技术，一些城市也开始进行自动驾驶车辆的测试和应用。在金融领域，人工智能实现了智能风控。通过对大量金融数据的实时分析和挖掘，它可以快速识别潜在的风险，如信用风险、欺诈风险等。金融机构利用这一技术能够更精准地评估客户的信用状况，及时采取措施防范风险，保障金融系统的稳定运行。在智能家居方面，智能语音助手成为了家庭的“小管家”。人们只需发出语音指令，就能控制家电设备的开关、调节温度、播放音乐等。而且智能家居系统还能根据用户的生活习惯自动调整设备状态，为人们打造更加舒适、便捷的居住环境。在教育领域，人工智能实现了个性化学习。它可以根据学生的学习情况和特点，为学生量身定制学习计划和内容，提供针对性的辅导，帮助学生提高学习效率和成绩。人工智能技术正凭借其强大的能力，在众多领域落地开花，持续改变着我们的生活和工作方式。
特斯拉监督版FSD入华盼了这么久，特斯拉FSD监督版总算落地国内，一路走来磕磕绊
特斯拉监督版FSD入华盼了这么久，特斯拉FSD监督版总算落地国内，一路走来磕磕绊绊，推进速度慢得肉眼可见。其实说白了，这也完全能理解。国内对于自动驾驶领域一直保持着十足的谨慎态度，毕竟牵扯到道路安全、地理数据、行车隐私诸多关键问题，半点都马虎不得。海外版本放开尺度大，宣传话术也激进，可放到国内市场，就得全部收束整改，改名限权，全程需要车主亲自监督接管，压根算不上真正的自动驾驶。层层审核把关，一步步适配国内路况与法规，没有急于求成，稳字当头才是核心。外资智驾想要彻底扎根国内，不仅要适配技术，更要贴合本土规则与安全底线。如今只是迈出一小步，后续想要全面铺开，还有很长一段路要走。国内本土智驾早已飞速崛起，特斯拉此刻入局，往后市场竞争只会愈发激烈。
特斯拉监督版FSD入华特斯拉社交平台官宣，FSD监督版全自动驾驶全球多地同步上
特斯拉监督版FSD入华特斯拉社交平台官宣，FSD监督版全自动驾驶全球多地同步上线，咱们中国也成功入选开放名单，这次开放范围覆盖北美、亚太、欧洲超多地区，十多个国家地区同步启用，国内特斯拉车主有福了，终于能体验最新高阶智驾。这款智驾系统能搞定城市道路行驶、自动变道跟车、路口通行等复杂路况，体验远超普通辅助驾驶。我觉得这是好事儿，之前FSD大多在海外测试，如今正式入驻国内，智驾研发和优化更卷了，放到老百姓买车上，肯定是常用常新，越新越好。不过想要全面适配国内路况、交规和监管政策，特斯拉后续还得做好本土化调整，听说已经在一二线城市同步招聘智驾测试的技师了，万能的车友圈，有没有想入职的？
何小鹏判断L4的发展。今天L4的很多的数据表现是有问题的。Waymo等我
何小鹏判断L4的发展。今天L4的很多的数据表现是有问题的。Waymo等我认为他们的数据没有那么好，因为他们是在非常受限的场景。做简单的循环所达到的好的数据。所以能不能把一个小范围变成一个大范围，能不能把从公路到停车场到园区能够开自动驾驶，这个才是真正老百姓使用L4的一个最重要的场景。第一真正的Robotaxi，我认为可能会从海外先起来，而不是国内，我的第一个的一个明显的判断。第二个我认为L4一定会在某一天会让大家形成共识。但是可能不是最近一两年，不会那么快。第三我还是认为10年里面，甚至我觉得完全不需要10年，大家会看到物理AI里面，我自己认为也许机器人对这个世界的冲击会早一点，甚至比无人驾驶，但是转头会促进无人驾驶的广泛落地。因为机器人本身对安全的要求没那么高，驾驶主要是对安全要求太高，你要做到两个9不行，三个9不行，五个9都不行，甚至因为五个9大家都会觉得肯定会有问题。如果是5个9，你的路上有10万台车，你每天都有交通事故，当时非常难受的一个事情。所以我还是想说，无人驾驶的未来一定是极其光明，但只有极少的player可以玩的，短期我是中性。我觉得将来会是有人监督的L4跟无人监督的L4，这两种并存很长的时间。无人监督的就像我们讲的Robotaxi或者其他的一些，无论是运货场景等这个我觉得都有巨大的机会。但是有人监督的L4，实际上从政策法规上，从硬件的BOM上类似L2，但是软件能力要我认为像L4、L5，我觉得这是一个两到五年时一个非常有趣的点。
马斯克预言成真？无人驾驶加速落地，十年后手动开车或将成为怀旧爱好。当地时间5
马斯克预言成真？无人驾驶加速落地，十年后手动开车或将成为怀旧爱好。当地时间5月18号，特斯拉CEO埃隆·马斯克远程连线出席了特拉维夫的智能出行峰会，会上他说的两句话，不管是懂车的还是不懂车的，都特别关注。他明确说，今年下半年，无人驾驶汽车会在美国大范围普及，更让人意外的是，十年以后，咱们自己开车会变成特别少见的事，全球大部分的开车里程，都会由自动驾驶的智能系统来完成。峰会上他透露，现在特斯拉已经在得克萨斯州的奥斯汀、达拉斯和休斯敦三个城市，投用了完全没有安全员的自动驾驶汽车，不过这些车并非完全没出过事故，奥斯汀的无人驾驶出租车业务推出以来，已经发生过14起碰撞事故，好在都没有出现重大事故。这些车不用人盯着，全靠车上的智能系统完成所有操作，乘客只要输个目的地，坐在车里等着就行。马斯克说，这种模式今年晚些时候会扩展到美国更多地方，最后实现全美都能用到。另外，特斯拉专门为无人驾驶做的Cybercab车型，已经在得州工厂下线了，这款车连方向盘和踏板都没有，定价不到3万美元，计划一年能生产500万辆，目标是让坐无人驾驶车，比现在打网约车还便宜。从技术上来说，特斯拉的FSD完全自动驾驶系统，确实有实打实的积累。官方数据显示，这套系统总共跑了151亿公里，其中在城市道路上就跑了54亿多公里。安全报告也说了，开启这个系统的特斯拉，平均每跑853万公里才会出一起重大事故，比美国道路的平均安全水平高8倍还多。这些数据，就是马斯克敢说这话的底气，不少行业专家也觉得，无人驾驶普及的速度，可能比我们想的还快。不只是特斯拉，咱们国内的无人驾驶也在快速推进。现在小马智行、文远知行这些企业，已经在不到20座城市拿到了全无人驾驶出租车的运营资格，头部企业的车队规模都超过了1000辆。小马智行的第七代无人车，在广州已经能做到单辆车盈利，深圳的车队，一天一辆车平均净收入最高能到394元，这说明无人驾驶出行，已经能赚钱了，跨过了最关键的门槛。百度的萝卜快跑，每公里的服务成本综合参考下来约1.2元，有人分析，等技术成熟了，坐共享无人驾驶车，可能比现在打车便宜30%到80%，甚至比自己买私家车还划算60%。对我们普通人来说，这些变化到底意味着什么？最直接的就是出行变方便了。以后可能不用考驾照，也不用练怎么开车，不管是上下班通勤，还是跨城出行，找辆无人驾驶车，输个地址就能走。上班族每天在路上的时间，不用再盯着方向盘，可以工作、看书，或者眯一会儿，也不用再为堵车、找车位头疼。老年人、小孩还有残障人士，没驾照也能自己出门，真正实现想走就走。有人会担心，十年后自己开车真的会很少见吗？其实这种变化是慢慢发生的，喜欢开车的人也不用慌。以后手动开车，可能就像现在玩卡丁车、骑马一样，变成一种休闲娱乐，会有专门的场地和路段，让大家体验开车的乐趣。就像现在还有人喜欢骑马，但骑马早就不是主要的出行方式了，手动开车也会保留下来，只是不再是日常代步的首选。当然，无人驾驶要真正普及，也还有不少麻烦事。目前全球大多数地方的交通规则，都是按有人驾驶制定的，要是无人驾驶出了事故，责任该算谁的，怎么处理，还得重新明确。另外，遇到极端天气、复杂路况，还有突发情况的时候，自动驾驶系统能不能靠谱，还得再好好验证。还有就是基础设施，智能道路、通信网络这些，得跟上节奏，才能让无人驾驶车发挥最大作用。总的来说，马斯克的预言虽然听起来有点大胆，但并不是不可能实现。无人驾驶技术一直在快速成熟，商业化落地也越来越快。对我们普通人来说，不用纠结十年后要不要自己开车，不如多关注当下的变化，慢慢适应这种趋势。说不定再过几年，我们坐进没有方向盘的汽车里，会发现以前每天遇到的堵车、开车疲劳，都变成了回忆，更安全、更省心的出行，会变成家常便饭。
人工智能三大支柱（算力芯片、通信网络、工业体系）的构成、作用和价值一、第一支
人工智能三大支柱（算力芯片、通信网络、工业体系）的构成、作用和价值一、第一支柱：算力芯片，AI的“发动机”。核心硬件通用GPU：英伟达A100/H100、AMDMI250，大模型训练主力，强并行计算。AI专用芯片（ASIC/NPU/DCU）：华为昇腾、寒武纪、壁仞、海光，针对深度学习定制，能效更高、成本更低。FPGA：可编程，适合边缘低延迟推理（工业、自动驾驶）。存算一体/光计算芯片：前沿方向，解决“存储-计算”数据搬运瓶颈。核心作用提供原始算力：支撑大模型训练（如GPT-4需数万GPU）、推理（每天千亿次调用）。定义能效上限：决定AI能跑多快、多大模型、功耗多少（直接影响电费与成本）。构建算力集群：通过NVLink/InfiniBand互联，组成“超级大脑”，支撑分布式训练。一句话价值没有算力芯片，AI就是纸上谈兵；芯片的性能与供给，决定国家AI竞争力的底线。目前来看，美国在算力算法和芯片方面，略占优势，中国在迎头赶上。二、第二支柱：通信网络，AI的“血管”。构成（三层网络）数据中心内网（高速互联）：InfiniBand、NVLink、400G/800G光模块，低延迟、高带宽，GPU间通信。骨干网/算力网络：5G和未来的6G基站网络、光纤、卫星互联网，连接智算中心、边缘节点、用户终端。边缘接入网：工业以太网、Wi-Fi7、物联网（IoT），设备端数据采集与实时控制。核心作用数据高速流通：海量训练数据、模型参数、推理请求在云-边-端实时传输。支撑云边端协同：大模型在云端训练，边缘实时推理（自动驾驶、工业质检），终端交互。保障低延迟高可靠：自动驾驶、远程医疗、工业控制等场景，毫秒级延迟是安全底线。目前的5G技术和未来的6G技术，是人工智能的支撑性基础技术。5G的研发和应用，中国走在世界的前列。6G的研发，目前中国又走在前列。一句话价值网络不通，算力无用；网络带宽与延迟，直接决定AI应用的可用性与体验。三、第三支柱：工业体系，AI的“骨骼与土壤”。构成（四大产业链）半导体制造：晶圆代工（台积电、中芯国际等）、光刻/刻蚀/沉积设备、先进封装（Chiplet），决定芯片能否量产。算力基建（智算中心AIDC）：高密度服务器、液冷散热、高压供电、储能/绿电，大规模算力交付。算力的运算，需要消耗相应的电力，电力决定算力。得益于风电、光伏发电、水电和核电的大发展，从近3年发电量来看，中国的年发电量几乎是美国、印度、俄罗斯、日本、德国、法国和英国的总和。液冷散热、特高压供电、储能/绿电，还有在人形机器人中将电能转化为精准机械运动，也是中国的强项。整机与智能制造：AI服务器、工业机器人、智能产线，支撑算力硬件规模化生产与AI落地。软件与生态：操作系统、AI框架（TensorFlow/PyTorch）、编译器、行业解决方案，让硬件可用、模型可落地。核心作用硬件规模化供给：稳定、低成本生产GPU/NPU、服务器、光模块，支撑AI算力爆发式需求。工程化落地能力：把算法模型变成可量产、可运维、可迭代的产品（如工业质检、自动驾驶、无人机、无人艇、机器狗、战狼等）。得益于中国完整的工业体系和供应链，相对美国的产业空心化来说，中国人工智能产品的工程化、产品化、市场化和迭代能力都相对要好些。产业链安全自主：避免“卡脖子”，保障芯片、设备、软件的自主可控，支撑长期发展。一句话价值工业体系不强，AI只能“空中楼阁”；完整的产业链，是AI从实验室走向产业的根本保障。四、三者关系总结算力芯片是动力源，提供计算能力；通信网络是传输纽带，连接算力、数据与场景；工业体系是制造与工程底座，保障硬件量产与应用落地。三者缺一不可，共同构成AI产业的“硬支撑”，决定一个国家AI发展的上限与安全。
我相信十几年后无人驾驶汽车基本上会普及，很多驾校会倒闭，很多司机会失业。从我家里
我相信十几年后无人驾驶汽车基本上会普及，很多驾校会倒闭，很多司机会失业。从我家里去广州，自己开车至少需要七个小时，我多次体验过，七个小时下来，我累得精疲力尽。但是坐上自动驾驶的汽车，你可以坐在车内看书，喝茶，睡觉，啥事也不用干。有些人说，自动驾驶的汽车不安全。其实这是一种误解，理论上讲，自动驾驶比人自己驾驶应该要安全得多，真正等到自动驾驶普及的时候，技术上完全可以做到万无一失。你如果做股票投资，从这个角度去寻找优质股票，持有十年以上至少会有四五倍收益。
我认为敢，在人工智能越趋完善的条件下，短短离尝试自动驾驶可以的。
我认为敢，在人工智能越趋完善的条件下，短短离尝试自动驾驶可以的。
做不到全栈自研车肯定是不能自动驾驶的国内首款rotaboxi原型车小鹏GX量产车
做不到全栈自研车肯定是不能自动驾驶的国内首款rotaboxi原型车小鹏GX量产车首台下线3000tops看它的表现吧媒体实测小鹏GX线控转向掉头一把过专业媒体集体点赞小鹏GX线控转向
人工智能三大支柱（算力芯片、通信网络、工业体系）的构成、作用和价值一、第一支
人工智能三大支柱（算力芯片、通信网络、工业体系）的构成、作用和价值一、第一支柱：算力芯片，AI的“发动机”。核心硬件通用GPU：英伟达A100/H100、AMDMI250，大模型训练主力，强并行计算。AI专用芯片（ASIC/NPU/DCU）：华为昇腾、寒武纪、壁仞、海光，针对深度学习定制，能效更高、成本更低。FPGA：可编程，适合边缘低延迟推理（工业、自动驾驶）。存算一体/光计算芯片：前沿方向，解决“存储-计算”数据搬运瓶颈。核心作用提供原始算力：支撑大模型训练（如GPT-4需数万GPU）、推理（每天千亿次调用）。定义能效上限：决定AI能跑多快、多大模型、功耗多少（直接影响电费与成本）。构建算力集群：通过NVLink/InfiniBand互联，组成“超级大脑”，支撑分布式训练。一句话价值没有算力芯片，AI就是纸上谈兵；芯片的性能与供给，决定国家AI竞争力的底线。目前来看，美国在算力算法和芯片方面，略占优势，中国在迎头赶上。二、第二支柱：通信网络，AI的“血管”。构成（三层网络）数据中心内网（高速互联）：InfiniBand、NVLink、400G/800G光模块，低延迟、高带宽，GPU间通信。骨干网/算力网络：5G和未来的6G基站网络、光纤、卫星互联网，连接智算中心、边缘节点、用户终端。边缘接入网：工业以太网、Wi-Fi7、物联网（IoT），设备端数据采集与实时控制。核心作用数据高速流通：海量训练数据、模型参数、推理请求在云-边-端实时传输。支撑云边端协同：大模型在云端训练，边缘实时推理（自动驾驶、工业质检），终端交互。保障低延迟高可靠：自动驾驶、远程医疗、工业控制等场景，毫秒级延迟是安全底线。目前的5G技术和未来的6G技术，是人工智能的支撑性基础技术。5G的研发和应用，中国走在世界的前列。6G的研发，目前中国又走在前列。一句话价值网络不通，算力无用；网络带宽与延迟，直接决定AI应用的可用性与体验。三、第三支柱：工业体系，AI的“骨骼与土壤”。构成（四大产业链）半导体制造：晶圆代工（台积电、中芯国际等）、光刻/刻蚀/沉积设备、先进封装（Chiplet），决定芯片能否量产。算力基建（智算中心AIDC）：高密度服务器、液冷散热、高压供电、储能/绿电，大规模算力交付。算力的运算，需要消耗相应的电力，电力决定算力。得益于风电、光伏发电、水电和核电的大发展，从近3年发电量来看，中国的年发电量几乎是美国、印度、俄罗斯、日本、德国、法国和英国的总和。液冷散热、特高压供电、储能/绿电，还有在人形机器人中将电能转化为精准机械运动，也是中国的强项。整机与智能制造：AI服务器、工业机器人、智能产线，支撑算力硬件规模化生产与AI落地。软件与生态：操作系统、AI框架（TensorFlow/PyTorch）、编译器、行业解决方案，让硬件可用、模型可落地。核心作用硬件规模化供给：稳定、低成本生产GPU/NPU、服务器、光模块，支撑AI算力爆发式需求。工程化落地能力：把算法模型变成可量产、可运维、可迭代的产品（如工业质检、自动驾驶、无人机、无人艇、机器狗、战狼等）。得益于中国完整的工业体系和供应链，相对美国的产业空心化来说，中国人工智能产品的工程化、产品化、市场化和迭代能力都相对要好些。产业链安全自主：避免“卡脖子”，保障芯片、设备、软件的自主可控，支撑长期发展。一句话价值工业体系不强，AI只能“空中楼阁”；完整的产业链，是AI从实验室走向产业的根本保障。四、三者关系总结算力芯片是动力源，提供计算能力；通信网络是传输纽带，连接算力、数据与场景；工业体系是制造与工程底座，保障硬件量产与应用落地。三者缺一不可，共同构成AI产业的“硬支撑”，决定一个国家AI发展的上限与安全。
71亿美元估值的AI自动驾驶独角兽，说没就没了，十几年前全球自动驾驶赛道过热，
71亿美元估值的AI自动驾驶独角兽，说没就没了，十几年前全球自动驾驶赛道过热，福特和大众联手砸钱捧出了ArgoAI，估值一度冲到71亿美元，是当时科技圈最火的明星项目。现在车圈炒车机AI，其实正在重走当年ArgoAI的老路，泡沫已经在积累。当年ArgoAI的技术路线，是工程师写几百万条规则代码，识别到红灯就刹车，识别到行人就避让。这套逻辑看起来严丝合缝，可马路上从来没有标准化场景，突然冲出穿恐龙皮套拿反光气球的路人，代码库没有匹配项，系统直接宕机。华尔街当年的研报一口咬定，只要砸够钱，机器就能很快替代人类开车，结果资本高估了AI的短期落地能力，ArgoAI2022年底直接破产清算，两家车企的数十亿投资全部打了水漂。有人会说那是快十年前的技术，现在大模型早就不一样了，但核心缺陷没有变，大部分车机AI还在靠堆规则补场景，根本没有真正的理解和思考能力。汽车AI的泡沫本质，就是资本和企业忙着蹭热点赚噱头，不肯沉下心做底层重构，最终只会一地鸡毛，炒概念赚快钱的风口，从来都留不下真正的技术进步。
全新理想L9Livis发布在即。李想表现的比以往任何时候都更相信“无人驾驶
全新理想L9Livis发布在即。李想表现的比以往任何时候都更相信“无人驾驶、具身智能、人形机器人”，甚至可以说是笃定。可能这也是何小鹏能和王传福与雷军一起被李想致敬最重要原因……毕竟何小鹏真的应该是国内最相信自动驾驶的车企一号位了，而且也是极少数一直把智驾当成重要卖点的车企。以往给人印象非常务实的李想，如今之所以大谈自动驾驶、具身智能，想必真的是开始相信，且要全力以赴的。看自研的马赫M100芯片上车效果吧……
“自动驾驶是具身智能的上半场，通用人形机器人是具身智能的下半场”这句话现在其实应
“自动驾驶是具身智能的上半场，通用人形机器人是具身智能的下半场”这句话现在其实应该不算什么秘密了，像vla算法，推理芯片等，这些技术其实都可以复用到具身智能的。理想是新势力，但李想其实已经是汽车行业的老人了。目前理想的财务状况，是除了有大厂背景外的新势力里头最健康的，而且也有很多相关技术储备，可以说理想也算是内定进入下半场的玩家之一了。
