2022年8月5日,由OpenInfra基金会举办的国内极具影响力的开源盛会OpenInfra Days China 2022在线上召开。来自全球知名企业和社区的技术专家和行业领袖齐聚一堂探讨开源基础设施的未来。九州云联合创始人/副总裁李开受邀出席大会,并在keynote发表了题为《OpenV2X:OpenInfra在C-V2X垂直行业的探索之路》的主题演讲,分享了如何通过开放基础框架,OpenV2X在垂直行业的分析和探索。
OpenInfra Days China 2022

1、开放基础架构在场景化的探索和进展

李开指出,开放基础架构(OpenInfra)日益发挥“新基建”基石的关键作用,在计算、存储、网络层面横向延伸的同时,和垂直行业、纵向场景的整合也逐渐受到关注。虽然OpenInfra在场景化的探索和进展仍面临规模效应、需求共性、从需求到代码、开源贡献人员几方面的困难和挑战,但是OpenInfra底层技术已经比较成熟和稳定,OpenInfra延伸到Open Vertical Infra值得去做,也是时候去做:一方面通过开源开放的形式,可以实现某一领域总体成本的降低;另一方面实现了难点攻坚;并且促进了行业事实标准的形成,这对于产业总体而言非常有利。

2、OpenV2X:OpenInfra延伸到Open Vertical Infra的尝试和探索
近年来,随着汽车电动化、网联化、智能化技术加速发展,融合物联网、云计算、大数据、人工智能等多种创新技术驱动交通产业数字化转型升级。车路协同技术一方面可以加快汽车产业转型升级,提高效率与安全;另一方面推动自动驾驶应用,促进节能减排和可持续发展,正日益成为发展的关键引擎。
李开认为,随着车路协同产业的深入,OpenInfra在C-V2X领域落地能够降低成本,增强开放,但是现有技术体系和行业需求之间还存在一定的差距。针对“垂直的开放基础架构(Open-Vertical-Infra)”是否有必要建立,成为一个可以探索的话题,我们通过 OpenV2X开源项目从筹备到正式发布的过程,来分析这一建议的可行性和必要性,并展望未来发展的前景。
3、开源共创,构建Open Vertical Infra
OpenV2X车路协同开源项目是在上海开源信息技术协会组织下,由九州云、东南大学、联通智网科技股份有限公司、中电信数字城市科技有限公司等单位联合发起,上海白玉兰开源开放研究院、天翼智联、一汽富晟、南开大学、东揽智能、谷梵智能共同参与的开源项目。项目基于开放源码方式,整合5G、C-V2X、AI、MEC等技术组合,支持海量路侧信息收集、融合、智能运算和云边协同能力,遵循国际V2X和“新四跨”协议的标准接口定义,具备厂商兼容、接口透明、生态开放的能力,解决当前C-V2X车路协同系统(Cooperative Vehicle Infrastructure System, CVIS)中路侧系统遇到的“平台不开放”、“生态不多样”、“算法不解耦”、“5G未联动”的问题,构建未来5G/6G网络下路侧开放基础架构的事实标准,更好地服务智能的车和行动的人。

经过数月的策划和筹备,OpenV2X A版本已经代码发布,种子源码在Gitee和Github上正式开放。目前,OpenV2X开源项目正在不断完善自身,欢迎产业界专家和开源爱好者,一起攻克车路协同领域的难点和挑战,共建基于C-V2X开放车路协同基础架构。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。