一级汽车供应商马瑞利正试用解决方案,助力加速软件开发
北京 — 2022 年 12 月 2 日 – 近日,在 亚马逊云科技 2022 re:Invent 全球大会上,BlackBerry (纽交所股票代码:BB;多伦多证券交易所股票代码:BB)宣布进一步利用亚马逊云科技,首次通过云服务将BlackBerry® QNX®技术提供给任务关键型嵌入式操作系统开发者,从而显著缩短其产品上市时间。
在亚马逊云科技2022 re:Invent全球大会上,BlackBerry QNX展示了业界领先的实时操作系统 (RTOS) 以及人工智能 (AI) 数据平台 BlackBerry IVY™ ,在由亚马逊云科技Amazon Graviton2处理器支持的Amazon EC2实例上运行。在云端运行的BlackBerry QNX RTOS作为云原生开发人员的工作台,可以独立使用,也可以与由BlackBerry与亚马逊云科技联合开发的云端智联汽车AI平台BlackBerry IVY配合使用。
对于汽车、机器人、医疗设备、工业控制、航空航天与国防等行业来说,云端BlackBerry QNX® Neutrino® RTOS实时操作系统,可带来更高的功率和性能,帮助企业缩短开发时间,同时通过测试、验证和确认以确保软件的可靠性。
BlackBerry QNX产品管理和战略副总裁Grant Courville表示:“我们为客户提供云端QNX基础软件产品改变了嵌入式开发的游戏规则,使开发者可实现轻松访问和扩展。这也将帮助任务关键型嵌入式系统的开发人员在整个产品开发和部署周期中加快协作和速度。随着这一值得信赖的、行业领先的操作系统很快在亚马逊云科技上部署,我们相信凭借效率和成本节约方面的潜力,它将在整个物联网行业引起反响。”
在汽车行业,平均每辆车包含了1亿多行代码,并且消费者和全球监管机构一直在对其提出增强特性和功能的需求。因此,整个车载电子架构的复杂性持续增长。主机厂(OEMs)面临着巨大的压力,需要在满足功能安全标准(ISO 26262)和网络安全标准(ISO 21434)的同时,对整个车辆的软件生态系统进行原型设计、测试和验证。汽车制造商在交付面向未来的软件定义汽车时,使用亚马逊云科技支持的云原生BlackBerry QNX RTOS实时操作系统,将精简开发工作,从而解决其中的一些挑战,减少“开发者摩擦”。
作为首批应用之一,部分客户开发者将能够充分利用 BlackBerry IVY 云实例。亚马逊云科技2022 re:Invent全球大会上,BlackBerry展示了开发者如何利用该云服务来简化人工智能驱动的汽车解决方案的开发、测试和集成,并将这些解决方案部署到车规级硬件上实现车载运行。
此云端操作系统项目的早期访问版已经提供给特定主机厂和一级供应商,包括全球领先的一级汽车供应商马瑞利,该公司目前正在试用该解决方案,用于下一代汽车技术开发。
马瑞利电子系统工程与创新副总裁 Yannick Hoyau 表示:“QNX AMI使我们的开发人员显著减少了团队的准备时间,实现了前所未有的开发敏捷性。它彻底改变了我们的工作方式,我们现在可以在不需要硬件的情况下测试车辆载入的所有版本的代码。这是我们一直期待的向软件定义汽车过渡的真正拐点。作为一级供应商,我们的集成座舱DCU MInD-Xp将成为市场上首批采用这种方式的产品,为此我们感到自豪。”
亚马逊云科技汽车行业总经理Wendy Bauer表示:“联接合作伙伴与正在重塑行业的其他技术领导者,是亚马逊云科技实现创新的动力所在。通过Amazon Graviton2处理器释放云的潜力,看到像BlackBerry这样的公司正在进行意义非凡的变革,帮助实现汽车开发中的硬件资源管理,这些都将为亚马逊云科技和整个行业注入活力。”
了解有关 BlackBerry QNX 帮助业界打造安全可靠的未来汽车的更多信息,请访问 BlackBerry.QNX.com 并关注 @BlackBerry
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。