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
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
哈佛大学研究团队开发出LangSplatV2系统,实现了超高速3D语言查询功能。该系统通过创新的稀疏编码技术和高效渲染算法,将3D场景语言理解速度提升了47倍,达到每秒384帧的实时处理能力。系统采用全局语义字典和稀疏系数表示,彻底解决了传统方法中解码器速度瓶颈问题,为AR/VR、智能机器人等应用提供了强大的技术基础。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
马里兰大学研究团队提出了CoLa(Chain-of-Layers)方法,让AI模型能够根据任务难度动态调整内部层的使用策略,实现"快思考"和"慢思考"的灵活切换。通过蒙特卡洛树搜索算法,该方法在推理任务上显著提升了模型的准确性和效率,为75%的正确答案找到了更短的处理路径,并纠正了60%的错误答案,为AI模型的架构优化开辟了新方向。