英特尔与联想携手合作伙伴持续服务于智慧交通行业建设,共同推动5G+智能算力应用落地
5G+智能算力技术已在城市道路、物流园区和高速公路等多种场景进行了部署。实践表明,大规模车联网的部署可以有效帮助城市与交通管理部门提升交通管理效率,提高城市智慧化程度,降低交通事故发生率。在智慧园区应用中,车联网亦可为自动驾驶及园区智慧化管理保驾护航。
重庆以道路情况复杂、气候多变而著称,当地政府近年来一直积极推动构建完善的车联网系统,建设智慧交通体系。重庆两江新区协同创新区按照分区分级建设的理念,联合联想、希迪、中国电信等多家企业,对总里程约55公里的道路进行了智能化升级,实现了主动式公交优先、交叉碰撞预警等32类车联网场景,及运营自动驾驶公交、智能网联微循环小巴等共计12种类型车辆。联想在路侧基础设施中部署了7套区域边缘计算单元,基于5G+智能算力技术,将路侧感知信息回传至区域边缘计算,实现跨路口目标融合、算力调度,支持上述车联网应用场景。
当前物流园区迫切需要提升物流运输效率,降低整体物流服务成本。在重庆两路寸滩保税港支持下,飞力达股份携手联想、中国电信、重庆邮电大学、庆铃汽车等多家企业,通过5G+智能算力技术对自动驾驶物流运输进行赋能,实现物流车从仓库至制造工厂端到端“L4+I4”级别自动驾驶运输应用场景,提升供应链物流效率50%、降低供应链及制造企业成本20%,成为西南地区智能终端产业首个5G新能源智能网联运输车应用场景。庆铃汽车与重庆邮电大学联合研发了自动驾驶物流车;联想与中国电信共同基于5G+智能算力搭建了车路协同路侧基础设施,实现了园区自动驾驶车辆超视距感知,通过对园区道路持续监测,综合分析路侧各种环境情况,有效提升自动驾驶车辆场景认知能力,为园区自动驾驶安全保驾护航。
“5G+智能算力”在车联网中的成功实践,为车联网的大规模推广部署提供了极具价值的参考范本。联想基于端-边-云-网-智的新IT技术架构,开发了5G通信产品、边缘计算平台和先进的AI算法,赋能智慧交通:
在5G+智能算力应用中,一系列先进的英特尔软硬件产品与技术为方案提供了从算力、AI到平台效能的全方位加速。其中:
当前,车联网作为未来智慧交通体系的重要组成部分,已通过与智能行车系统、智慧城市网络等的紧密协同,成为了未来交通领域智能化、数字化转型中重要的基础设施。未来,英特尔将继续与联想等多家行业伙伴携手,推进“5G+智慧算力”在交通行业中的应用,并利用自身的先进技术与全面的软硬件产品组合,持续赋能道路交通效率提升,不断推动城市交通领域智能化与数字化转型,为中国智能交通、智慧城市的发展提供助力。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。