汽车市场正经历前所未有的转型,更多的自动化需求、更先进的用户体验追求以及电气化趋势,推升了软件和人工智能(AI)的爆发式增长。鉴于汽车电子系统变得越来越复杂,为了加速产品交付,汽车行业需要从根本上重新构思产品的开发流程。
Arm汽车事业部全球市场副总裁Dennis Laudick告诉记者,汽车行业正经历巨大的转型,并发展成为一个由技术驱动的行业。随着行业向电动汽车过渡,复杂性也随之增加,行业正在重新思考如何从技术的角度来对汽车进行设计。
基于此,Arm携手生态系统合作伙伴推出最新的Arm汽车增强(AE)处理器和虚拟原型平台,可以缩短多达两年的人工智能汽车开发周期。
Arm带来适用于汽车行业的全新硬件组合
Arm始终致力于打造适用于整个汽车行业的产品,包括高效小巧的Cortex-M系列处理器,Cortex-R系列实时处理器、Cortex-A系列处理器、GPU、ISP(图像信号处理器)以及系统IP 等。
为了满足当今汽车不断增长的性能需求,Arm将服务器级Neoverse技术引入汽车应用,并推出基于Armv9架构的全新Cortex-A系列产品以实现可扩展性。全系产品包括Arm Neoverse V3AE、Arm Cortex-A720AE、Arm Cortex-A520AE、Arm Cortex-R82AE、Arm Mali-C720AE以及一系列可配置的系统IP。
过往十年间,Arm每一代产品在 AI 方面的能力都在不断提升,鉴于当下市场对大语言模型等技术的巨大需求,Arm将服务器级别性能的Neoverse引入到汽车领域。Neoverse V3AE能够在带来高性能的同时,进一步支持在汽车领域的AI特定功能。与Arm上一代性能最强的AE IP(Cortex-A78AE)相比,Neoverse V3 AE每核性能可提升50%。同时,它还能够将Armv9架构在安全、人工智能方面的优势带入到汽车领域。据悉,NVIDIA DRIVE Thor平台采用了Neoverse V3AE IP。
更新的Cortex-A720AE 和 Cortex-A520AE两款Cortex-A 系列处理器首次将Armv9架构功能带入到汽车领域,保证汽车的安全、机器学习和虚拟化功能等方面的进一步提升。
Arm Mali-C720AE是Arm针对视觉系统的不同用例开展一项长期研究项目后开发的全新ISP,支持多个并行管线的功能,并可针对人类视觉和计算机视觉用例的需求进行对应的调优。有助于减少处理图像的时间,加快计算系统的整体反应速度。多个 ISP 流水线还可减少内存使用量,进而节省 SoC 功耗和面积。
Arm在开发ISP方面拥有丰富的经验,目前 Mali ISP 已在数百万辆汽车中运行。
缩短开发周期,Arm推出虚拟原型平台
软件数量正在呈爆发式增长,如果按照传统线性的开发模式,已经无法满足市场需求。Arm携手亚马逊云科技(AWS)、楷登电子(Cadence)、Corellium、西门子等生态伙伴推出的虚拟原型和云解决方案,在物理芯片就绪之前,就可以启动软件的开发,也就是软硬件同步设计开发,由此可以显著缩短整体开发时间。
Dennis Laudick表示,当我们在打造新产品的时候,传统的方式是必须要等到物理硬件就绪之后才能进行相关的软件的开发。但现在有了虚拟原型解决方案后,我们可以通过云端的虚拟实例或者虚拟原型平台实现软硬件同步开发。对于行业参与者来说,这意味着在物理芯片就绪之前就可以启动基于Arm AE IP的软件开发。
拥有一个虚拟原型平台并不能完成整个解决方案,Arm还联合大量的合作伙伴,比如BlackBerry QNX、红帽(RedHat)、Eletrobit、维克多(Vector)等,将他们的方案在虚拟原型平台上运行,可实现基于全新硬件的软件开发。
Dennis Laudick表示,对于Arm来说,提供虚拟平台是为了为整个行业中的生态伙伴提供支持,而不是把它做成一个单独的业务。“通过虚拟原型平台能够让我们的合作伙伴,更加快速、更加轻松地使用来自基于Arm技术的硬件。我们的目标是让基于Arm技术的产品构建变得更简单。”
面向未来的Arm汽车计算子系统(CSS)
Arm针对汽车应用推出计算子系统(CSS),并宣布将于 2025 年交付首款汽车应用的CSS。
计算子系统其实是CPU集群,通过中间连接件和安全岛能够实现预验证、预配置的RTL子系统。它能以更快、更简单的方式支持构建更加复杂的系统,特别适合对汽车计算需求不断激增的应用,像是先进驾驶辅助系统(ADAS)、自动驾驶和车载信息娱乐系统(IVI)。
Arm汽车计算子内置了互联、安全岛和安全功能。Arm生态系统可以在技术上对接且利用CSS,并将其宝贵的资源用于差异化。通过CSS,Arm可以帮助合作伙伴以更低的成本和风险、更快的速度构建产品。
生态系统向来是Arm发展的强项与优势,当Arm在考虑未来发展的方向时,获取生态系统合作伙伴的意见也是必备要件。“Arm与众不同的地方在于,我们在新产品推出时会直接将生态系统的支持带入到新品中,生态系统在我们产品开发的第一天起就扮演重要的角色。”Dennis Laudick说。
深耕汽车行业
目前在汽车行业,系统变得愈加复杂,特别是从软件和计算的角度来看,复杂性不断提升。整个行业都在思考如何提供满足未来汽车中更多的软件和计算复杂性所需的解决方案。
Arm在汽车领域已经深耕30多年,2000年初Arm推出了支持锁步安全功能的CPU,2018年Arm专为汽车应用打造了汽车增强(AE)IP。2021年Arm发起了名为“SOAFEE”(面向嵌入式边缘的可扩展开放架构)的项目,旨在让生态系统中的合作伙伴实现共同协作,解决汽车行业面临的软件层面的挑战。
SOAFEE存在的意义就是集结行业力量,使新技术能更快地应用到汽车中。目前,已有超过100家来自汽车行业的成员加入SOAFEE。
SOAFEE关注的是基础软件层的构建,以此形成通用的行业软件层,如此一来,行业才能在这个基础上构建更多有价值的服务和应用程序。
Dennis Laudick 分享道:“汽车行业已成为Arm以及整个半导体行业增长的重要驱动因素之一,我们研究了汽车行业当中所存在的挑战,并且希望以更加宏观的角度来重新思考Arm应该如何来实现产品交付的创新。”
整个行业都在思考如何提供满足未来汽车中更多的软件和计算复杂性所需的解决方案。Arm通过重新思考应该如何向市场实现产品的交付,推出令人兴奋的硬件产品组合的同时,还带来了虚拟原型,实现在物理芯片就绪前启动基于Arm AE IP的软件开发,同时通过生态系统,完善整个技术堆栈。
通过为汽车开发者解锁新机遇,并助力行业领先的车企、汽车一级供应商、芯片合作伙伴以及软件提供商加速产品上市进程,Arm为赋能汽车生态系统发展又迈出了关键一步,携手这些生态伙伴构建基于Arm技术的软件定义汽车的未来。
好文章,需要你的鼓励
华中科技大学与利哈伊大学研究团队开发的MMMR基准是首个专门评估多模态大语言模型推理思考过程的综合工具。通过1,083个跨六大领域的高难度推理任务和创新的推理过程评估管道,研究发现即使最先进的模型在推理任务上也与人类存在约10%的差距。研究揭示了答案准确性与推理质量间的脱节:模型常出现思考不一致(41.5%)、过度思考(20.5%)等问题。这一基准不仅评估答案正确性,更深入分析思考质量,为提升AI系统的可靠性和透明度提供了重要方向。
UI-Genie是一个创新的自我改进框架,解决了GUI智能体面临的两大挑战:轨迹验证困难和高质量训练数据缺乏。研究团队开发了专用奖励模型UI-Genie-RM,采用图像-文本交错架构有效处理历史上下文,并统一了步骤级和任务级奖励评估。通过精心设计的数据生成策略和迭代自我改进,该框架无需人工标注即可创建高质量合成轨迹。实验结果显示,经过三轮数据-模型自我改进后,UI-Genie在多个基准测试上达到了最先进水平。该研究已开源全部实现和数据集,为GUI智能体研究提供重要资源。
浙江大学和蚂蚁集团的研究团队开发了ACTIVE-O3,一种创新框架,赋予多模态大语言模型"主动感知"能力,使AI能够智能地决定"看哪里"和"怎么看"。基于群体相对策略优化(GRPO)构建,该系统采用两阶段策略,先选择关注区域,再执行任务。实验表明,ACTIVE-O3在小物体检测、密集物体定位和交互式分割等任务上显著优于现有方法,并展示出强大的零样本推理能力。该研究为AI系统提供了更接近人类认知的视觉探索能力,对自动驾驶、医疗诊断等领域具有重要应用价值。
ImgEdit是北京大学与兔小贝AI联合推出的图像编辑框架,解决了开源编辑模型落后于商业产品的问题。该框架包含120万对高质量编辑图像对,涵盖13种编辑类型和11万个多轮交互样本。通过融合视觉语言模型、检测模型和分割模型的多阶段流程,ImgEdit确保了数据的高质量性。研究团队基于此数据集训练了ImgEdit-E1模型,并提出ImgEdit-Bench评估基准,从指令遵循、编辑质量和细节保留三个维度全面评估模型性能。实验结果显示,ImgEdit-E1在多个任务上超越现有开源模型,推动了图像编辑技术的进步。