2021年2月,原麦肯锡全球董事合伙人及大中华区汽车行业负责人王平离职,正式加入寒武纪新设子公司“寒武纪行歌”。这代表着寒武纪面向汽车领域迈出重要一步。
作为国内AI芯片的领军企业,寒武纪始终坚持对新行业的探索。目前,寒武纪已全面进入车载智能芯片行业,行歌科技也已经获得蔚来汽车、上汽、宁德时代等国内巨头的投资。而从此前发布的消息来看,寒武纪也已经与一汽达成战略合作协议。
据介绍,行歌科技的车载智能芯片,将集成自研的车用智能处理器、车用CPU核(多为ARM公司授权)等车用计算核心、各类车用外设接口,主要用于处理智能汽车的视觉等各类传感器所采集的感知数据,并根据感知数据的处理结果进行智能驾驶的规划和控制。
在寒武纪CEO陈天石看来,智能驾驶是一个复杂体系,并非一颗车载智能驾驶芯片就能支持,更多是一个系统性的任务,寒武纪把它理解为是“云边端车”四位一体的联动。
具体而言,自动驾驶智能驾驶芯片负责汽车本地的驾驶任务;车路协同方面需有边缘计算芯片,在路侧实现实时的采集和低延时的传输以及信息交互、信息处理的功能;同时,汽车搭载的传感器,采集的大量数据会回传到云端,在云端进行一些复杂的AI训练的任务。这些不同应用会需要用到不同尺寸、不同场景的AI芯片。
如果上述芯片未采用统一的指令集、基础系统,软件平台将出现体系不兼容,云边端车之间的开发是存在壁垒的,客户将要耗费大量的时间和成本去进行不同平台之间繁琐的应用迁移和移植,无法发挥出智能驾驶芯片的最优的性能。
因此,陈天石认为必须要基于统一的软硬件生态,才能够充分调动云边端车之间的联动,实现一个高效的开发和应用升级,满足未来汽车市场的需求。
好文章,需要你的鼓励
本文探讨了一种防范通用人工智能(AGI)和人工超级智能(ASI)存在性风险的方法:将它们置于计算机仿真世界中进行测试。虽然这种方法看似合理,但存在诸多挑战。AGI可能会隐藏恶意行为,或因被欺骗而转向恶意。此外,仿真环境可能无法完全模拟真实世界,导致测试结果不准确。构建高质量仿真系统的成本和技术难度也不容忽视。文章认为,仿真测试虽有价值,但并非万能解决方案。
这项研究关注语音中的句子强调(即说话时对特定词的重音),它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现,尽管现代语音语言模型进步显著,它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集,并开发了StresSLM模型,使强调理解能力大幅提升。研究表明,通过特定训练策略,可以让AI不仅理解"说了什么",还能理解"怎么说的",从而捕捉人类交流中的微妙含义。
尽管AI在围棋等复杂游戏中表现出色,但在简单的井字棋游戏中却屡屡失败。研究显示,AI代理在模拟商业环境中的表现同样令人失望,经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式,帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传,通过游戏化测试揭示AI的实际局限性,对于防范AI泡沫具有重要意义。
ViStoryBench是一个全面的故事可视化评估基准,由StepFun团队打造,用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考,评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法,发现UNO在开源方法中表现最佳,而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准,推动这一领域的创新发展。