【2022年11月23日,德国慕尼黑讯】颠覆性技术正在推动汽车领域的转型升级。车用半导体和功率半导体市场的领导者英飞凌科技股份公司(FSE代码:IFX / OTCQX代码:IFNNY)宣布将与汽车技术公司REE Automotive(NASDAQ代码:REE)展开合作,共同推动绿色智慧出行产业的发展。这家汽车技术公司所开发的REE模块化电动汽车平台为开发和生产自动驾驶出租车、商用货车、电动客运班车等各类电动汽车奠定了基础。
英飞凌与REE Automotive在2022慕尼黑国际电子元器件博览会(electronica 2022)上联合展出了REEcorner™技术,赋能绿色低碳出行。如需进一步了解英飞凌为推动低碳化和数字化所做出的贡献,请访问:www.infineon.com/electronica。
REE Automotive的旗舰产品——P7电动汽车平台基于四个REEcorner架构,并采用了REE的线控(x-by-wire)技术。与燃油车或类似尺寸的电动汽车相比,P7模块化电动汽车平台可以让汽车拥有充足的座舱空间和载货空间以及用于装载电池组的内部空间。REE Automotive的设计和技术为汽车制造商、货运和物流公司以及新入局的技术公司提供了巨大的设计自由度,使他们能定制化的生产车辆。
英飞凌科技汽车电子事业部总裁Peter Schiefer表示:“英飞凌是推动出行方式转型的主要先行者之一。英飞凌赋能REEcorner技术,展现出了我们高质量的半导体技术和系统级解决方案的广泛性与灵活性。创新的模块化电动汽车平台设计为老牌企业与新入局的初创企业带来了新的选择,能够进一步加速电动汽车领域的发展。”
REE Automotive联合创始人兼首席执行官Daniel Barel表示:“REE为客户提供了充分的设计自由度,使其能够打造出各种类型的电动汽车和自动驾驶汽车,满足当前和未来应用场景的需求。由REE技术赋能的电动汽车将为客户带来巨大的优势,包括大幅降低总体持有成本,可通过线控转向和线控驱动提升可操纵性与安全性以及提高运营效率等。”
REE平台使用了多达11个AURIX™微控制器(TC3xx),可以保证线控驱动系统在出现故障时仍然能够正常运行,以提升行车安全和网络安全。该平台上的每个corner模块配备了两个微控制器来实现驱动转向、制动等所有本地驾驶功能。另外两个嵌入中心模块的微控制器则作为域控制器来采集和管理数据,并实现四个corner模块的同步运行。另一个AURIX微控制器则位于一个单独的电子控制单元(ECU)中,主要负责管理车辆底盘。另外,该平台还搭载了英飞凌的许多其他车用半导体器件,包括功率MOSFET产品、功率集成电路(DCDC)、磁性传感器等。
作为汽车半导体市场的领导者,英飞凌拥有全面的汽车半导体产品组合和系统级解决方案,产品涵盖了传感器、微控制器、用于特定应用的高性能存储器、基于硅(Si)和碳化硅(SiC)的功率半导体以及用于人机交互应用和车联网的器件等。
英飞凌与众多老牌Tier 1供应商、传统车企以及造车新势力开展合作,借助其行业领导地位推动汽车行业向绿色出行转型升级。如需进一步了解英飞凌为推动绿色出行所提供的产品,请访问www.infineon.com/mobility。
随着汽车排放法规的出台和消费者环保意识的增强,电动汽车市场呈现出了强劲的增长势头。有分析师预测,至2027年,纯电动或混合动力汽车将占到汽车总产量的50%以上。逆变器正是电动汽车驱动系统的“心脏”。2021年生产的电动或混合动力汽车,几乎每两辆中就有一辆在逆变器中使用了英飞凌的半导体器件。此外,英飞凌AURIX™微控制器推动了电动汽车、高级驾驶辅助系统(ADAS)、自动驾驶、汽车电子电气(E/E)架构以及经济适用的人工智能(AI)应用的发展。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。