自动驾驶网约车试点服务预计将于2022年在慕尼黑正式启动
新闻提要
2021年9月7日,德国慕尼黑——在今天举行的2021年德国国际汽车及智慧出行博览会(IAA Mobility)上,英特尔CEO帕特·基辛格(Pat Gelsinger)和Sixt SE联席CEO Alexander Sixt共同宣布双方将开展合作,于2022年起在慕尼黑提供自动驾驶网约车服务。英特尔子公司Mobileye与德国知名国际出行服务提供商SIXT之间的此次合作,将有助于在未来十年逐步将自动驾驶网约车服务推广至整个德国和其他欧洲国家。

在IAA现场,英特尔CEO帕特·基辛格和Sixt SE联席CEO Alexander Sixt共同宣布双方将开展合作,于2022年起在慕尼黑提供自动驾驶网约车服务。
乘客可以通过Moovit APP和SIXT APP享受这项服务。自动驾驶出租车服务将纳入SIXT的聚合出行平台ONE中,该聚合平台涵盖了网约车、汽车短租、汽车共享和汽车长租等服务。通过整合Mobileye等合作伙伴的服务,ONE出行平台将为全球范围内的SIXT用户提供超过20万辆汽车、1500个合作伙伴、约150万名司机,以及即将问世的自动驾驶出租车服务。

在IAA现场,Mobileye首次展示了用于自动驾驶网约车服务的量产车型。该车型将采用MoovitAV出行服务品牌进行运营。借助与总部位于慕尼黑的SIXT Group达成的合作,这项服务预计于2022年在德国率先推出,届时消费者可体验搭载了Mobileye Drive™全栈自动驾驶系统车型的网约车服务。
自动驾驶出租车今后将成为SIXT网约车服务中的一个选项,Alexander Sixt在其主题演讲中对此进行了演示。Mobileye还展示了MoovitAV和SIXT品牌的汽车,这些汽车将会量产并用于德国的自动驾驶出租车服务中。这同时也是Mobileye首次公开展示其完全集成的自动驾驶系统Mobileye Drive,该系统将用于商用自动驾驶网约车服务。
德国近期出台了允许自动驾驶汽车上路行驶的相关法规,这使得Mobileye自动驾驶出租车得以从2022年开始在慕尼黑公共道路上进行早期试乘测试。一旦获得监管部门批准,车队将从测试转向商业运营。英特尔CEO帕特·基辛格表示:“德国加快了关键的自动驾驶汽车立法的进程,从而在自动驾驶汽车的未来发展中占据全球领导地位。得益于这项新法规的出台,让我们明年可以在慕尼黑开始运营自动驾驶出租车。”
与SIXT的合作是技术供应商和出行服务提供商之间的第一个商业自动驾驶出租车服务。英特尔公司高级副总裁、英特尔子公司Mobileye总裁兼首席执行官Amnon Shashua教授表示:“通过与如SIXT这样强大的运输和运营合作伙伴携手合作,Mobileye可以将完全自动驾驶推广到全球各地的城市。我们很高兴看到德国已然是该领域的先行者。”
Sixt SE联席CEO Alexander Sixt补充道:“此次战略合作是扩展我们聚合出行平台ONE的最新举措,有助于我们成为行业领先的创新和数字化高端出行服务提供商。我们很高兴借助Mobileye卓越的技术,为德国及其他地区的客户带来自动驾驶出行服务。”
Mobileye将拥有在慕尼黑投入运营的自动驾驶出租车的所有权,而SIXT将发挥其在提供、维护和运营车队方面的成熟经验。一旦该服务在慕尼黑推出,这些自动驾驶出租车将融入MoovitAV的服务和SIXT的品牌,以便客户可以轻松地区分传统网约车和自动驾驶出租车车队。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。