当今全球汽车产业进入转型升级的关键期。自动驾驶技术已成为推动汽车工业变革的重要力量,同时也将成为未来汽车企业的核心竞争力。将驾驶的安全性视为企业生存根基的沃尔沃汽车将这一理念坚持了近百年。今天沃尔沃汽车也将安全的基因深深地植根于沃尔沃的自动驾驶技术中。
正如沃尔沃汽车旗下自动驾驶软件开发公司Zenseact的首席执行官Ödgärd Andersson所言:“你可以从许多不同的方式实现自动驾驶,但对我们来说,,安全是我们的基因,我们要解决的真正的关键问题就是要确保安全。英特尔和HPE正与我们向这一目标迈进。”
训练“汽车最强大脑”需要强大的算力
“智能驾驶技术就像四个轮子上的数据心。”Zenseact首席信息官罗伯特·塔珀这样形容自动驾驶技术。“训练一个够安全驾驶汽车的人工智能大脑需要大量的数据。”
“我们的车辆上配备了多达23个传感器,用来捕捉激光雷达、超声波雷达以及来自摄像头的数据。每秒收集的数据量达到几十GB。测试车辆每天将产生超过50TB的数据。并且在项目中,我们还需要处理已经积累的数百PB数据。”
“因此我们比较了可用的公共云和私有云解决方案 。HPE GreenLake的‘即服务模式’可以帮助我们实现从边缘到云的控制和利用数据,灵活地处理在全球范围内需要开启的自动驾驶的数据验证和训练所需的计算需求。”
HPE GreenLake 解决方案利用了最新的英特尔® 至强® 可扩展处理器,实现硬件支持的 AI 加速和平台强化。英特尔推出的第四代英特尔® 至强® 可扩展处理器不论在处理本地工作负载,还是处理云端或边缘工作负载,英特尔® 的加速引擎都能够帮助AI自动驾驶的数据处理能力达到新的高度。内置加速器可提供多种优势,包括提高应用性能、降低成本和提升能效。
在提升效能方面,英特尔® 至强® 加速引擎可以通过卸载嵌入式 CPU 内核上运行的常见任务帮助优化能效,即在提升应用整体性能的同时降低能耗,助力您达成可持续发展目标。降低成本方面,通过优化性能,而无需另外购买专用的硬件。
实现端到端的安全依旧是自动驾驶的生命线
“由于系统需要处理大量的商业敏感数据,因此我们与HPE的专家合作,在本地HPC平台周围构建和部署安全架构。利用第三方解决方案和安全设计原则,该框架允许团队预防、监控和应对任何潜在的风险或事件。”
“HPE Pointnext 服务解决了将每辆车每天50TB的驾驶数据传送到Zenseact数据中心的问题,并在数据收集过程中发挥关键作用。“罗伯特·塔珀强调:“数据的完整性安全性对我们来说非常重要,因为这些数据最终意味着能否更好地服务于无人驾驶技术。“
第四代英特尔® 至强® 可扩展处理器利用英特尔® 软件防护扩展安全引擎(英特尔® SGX)为跨边缘和多云基础设施的机密计算解决方案奠定了基础。他提供了基于硬件的安全解决方案,运用专有的应用隔离技术阻止对使用中被保护数据的访问。由于英特尔® SGX 有助于保护选定的代码和数据免受检验或修改,因此开发人员可以在飞地内执行涉及敏感数据的操作,帮助提高应用的安全性并保护数据的机密性。
利用 HPE GreenLake 提供的云服务,同时支持第四代英特尔® 至强® 可扩展处理。其内置了英特尔® Trust Domain Extension功能可在虚拟机 (VM) 层面实现更高的机密性,从而更好地保护数据隐私,提高数据控制力。
此外,英特尔® 密码操作硬件加速已作为至强® 内核架构中的指令集。采用单指令多数据流 (SIMD) 技术,能够在每个时钟周期内处理更多加密操作。这有助于为需要进行可靠数据加密的应用提高总吞吐量,并尽可能降低对性能和用户体验的影响。
伟大的梦想照进现实
罗伯特·塔珀预计:“我们看到,像高速公路辅助驾驶这样的功能已被越来越多的汽车企也所推出。全自动驾驶的车辆普及还需要5到10年的时间。”然而这一切都是本世纪极具挑战的工程,沃尔沃已经在路上。英特尔和HPE正为这些勇于向梦想迈出伟大尝试的企业准备好了安全、可靠的数字基座。
好文章,需要你的鼓励
Carma Technology 针对 Uber 提起专利侵权诉讼,称其侵犯了涉及拼车系统的五项专利。案情回溯至十年前,凸显专利保护对创新者的重要性,可能对 Uber 及其他公司带来巨大影响。
东京大学研究团队开发的WebChoreArena是一个全新的网页代理评估基准,它包含532个精心设计的任务,专注于测试AI代理处理繁琐、复杂网页任务的能力。研究结果显示,即使是最先进的语言模型(如Gemini 2.5 Pro)在这些挑战性任务上的表现也比常规任务降低了约14个百分点,证明了这一基准有效区分了不同模型的能力。WebChoreArena通过设计海量记忆、计算、长期记忆等类型的任务,为评估AI代理在实际应用场景中的表现提供了更严格的标准。
经过暂停战略调整,Automattic 宣布重返 WordPress 开发,包括核心、Gutenberg、Playground 等模块,计划今年推出 6.9 版本,并涉及与 WP Engine 的法律争端。
这项研究提出了一种名为LIFT的新型微调方法,通过在低秩近似后识别大语言模型中的主要权重进行稀疏微调。研究表明,仅更新5%的主要权重就能在推理任务上超越全参数微调,同时保持与LoRA相当的内存效率。LIFT在常识推理、算术推理等多项任务上表现优异,还能更好地平衡学习新知识与保留原有能力。这一方法揭示了大语言模型中关键参数的重要性,为资源高效的模型定制提供了新思路。