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
英伟达推出基于3nm工艺的GB10超级芯片,搭载于DGX Spark工作站中。该芯片采用联发科设计的CPU和英伟达GPU通过NVLink互连,提供600GB/s双向带宽。配备128GB LPDDR5x内存,功耗仅140瓦,可支持700亿参数模型微调和2000亿参数模型推理。通过ConnectX-7网卡可实现多设备协作,为开发者提供从原型设计到生产部署的完整AI开发平台。
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
微软为Word推出新功能,在用户首次保存前自动将新文档保存到云端。该功能目前面向Microsoft 365内测用户开放,默认启用后会自动将新建文档保存至OneDrive或用户首选云存储位置。系统将使用日期命名文件,替代传统的"文档n"格式。文档保存后,Copilot可访问并分析内容。该功能今年晚些时候将扩展至Excel和PowerPoint。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。