NVIDIA与全球商用车制造商合作,将自动驾驶汽车推向各行各业。
NVIDIA创始人兼首席执行官黄仁勋(左)与沃尔沃集团总裁兼首席执行官Martin Lundstedt(右)
沃尔沃集团(Volvo Group)和NVIDIA正在将自动驾驶推向全球交通运输行业,利用AI彻底改变全球各地人类出行和物流运输的方式。
本周二,沃尔沃集团在位于瑞典哥德堡的总部宣布采用NVIDIA DRIVE端到端自动驾驶平台,用以训练、测试和部署自动驾驶AI车辆,其目标领域为公共交通、货运、垃圾回收、建筑、采矿、林业等。
通过将AI引入这些行业,沃尔沃集团和NVIDIA将创造出令人叹为观止的新车型,并提供更高效的服务。
NVIDIA和沃尔沃集团正在哥德堡和硅谷共同设立工程团队。双方将借助DRIVE AGX Pegasus车载AI计算平台,利用全套DRIVE AV软件堆栈进行360度传感器处理、感知、地图本地化和路径规划。此外,双方还将利用NVIDIA DRIVE硬件在环仿真平台来对这些系统进行测试和验证。
沃尔沃集团总裁兼首席执行官Martin Lundstedt表示:“我们的客户正要求我们这样做。合作是新的领导力,今天沃尔沃集团与NVIDIA正式建立了长期稳定合作的关系。”
NVIDIA创始人兼首席执行官黄仁勋表示:“一切移动之物都将自动化或部分自动化,所以技术才是基础。相信在双方的努力下,我们将会改变未来。”
沃尔沃集团计划将基于NVIDIA技术的解决方案引入整体自动化业务中——从驾驶员辅助系统到全自动车辆和机器。
自动驾驶车辆技术在全球所有卡车系列的应用能够带来巨大的潜在益处。从公共交通和货运到林业和建筑等行业都将变得更为高效,车辆的工作时长和行驶里程也能得以提升。
如今网络购物的需求增长为全球交通运输系统带来了更大的压力。消费者对次日或当日到货的期望为行业带来了挑战,而自动驾驶卡车就是应对之道。
目前,全球每日包裹投递数量超过3500万,年增长28%。据咨询公司毕马威(KPMG)的数据显示,至2040年,为了处理在线订购商品的运输,送货服务的行驶里程每年需再增加780亿英里。
自动驾驶卡车的出现十分及时,并恰好能够满足这一需求。麦肯锡专家表示,自动驾驶卡车能够实现每天24小时连续工作,这就可以缩短交货时间提高效率,并将美国每年的物流成本降低45%,节省的成本在850亿美元至1250亿美元之间。
从短途常规行程的自动化(如货船集装箱装卸和港口作业管理)到高速公路上的自动驾驶,沃尔沃新一代车辆都能够为航运业的流程带来极大程度的精简。
NVIDIA和沃尔沃集团的合作将高性能端到端NVIDIA DRIVE解决方案与全球第二大卡车制造商所具备的业务规模相结合,能够更快地将自动驾驶卡车运输的高效率推向全球市场。
在这些车辆上路行驶之前,沃尔沃集团将利用NVIDIA DRIVE Constellation仿真平台来对自动驾驶车辆进行测试和验证,确保其在全球各地均能应对各类操作挑战。
借助硬件在环的仿真,公司能够在车辆中实际运行的硬件和软件上,对自动驾驶系统进行更大规模的测试。
通过这一合作,NVIDIA和沃尔沃集团能够在全球范围内提供至关重要的自动驾驶解决方案。同时,双方都为长远合作做好了充分准备。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。