通用汽车正与 Nvidia 展开深度合作,旨在将 AI 技术应用到实体世界中,这项扩展合作将涉及汽车制造商业务的方方面面,包括工厂、机器人和自动驾驶汽车。
Nvidia 创始人兼首席执行官黄仁勋在周二圣何塞 GTC 大会的主题演讲中宣布了这项合作,他表示自动驾驶汽车的时代已经到来。
"我们期待与通用汽车在三个领域共同构建 AI,"他在台上表示。"用于制造的 AI,以革新他们的制造方式;用于企业的 AI,以革新他们设计和模拟汽车的方式;以及用于车载的 AI。" 据黄仁勋透露,这项协议意味着 Nvidia 将为通用汽车提供 AI 基础设施(主要是 GPU),并协助该汽车制造商构建自己的 AI 系统。
Nvidia 与汽车和自动驾驶行业有着数十年的合作关系,为特斯拉、Wayve 和 Waymo 等公司提供 GPU,用于数据中心或车辆。Nvidia 还为汽车制造商开发了自动驾驶平台,包括名为 DriveOS 的操作系统,用于提供实时 AI 处理和高级驾驶及座舱功能的集成。丰田今年早些时候宣布计划在下一代车型中配备由 Nvidia Drive AGX Orin 超级计算机和注重安全的操作系统 DriveOS 驱动的自动驾驶功能。
"我们会根据汽车行业的需求与他们合作,"黄仁勋在主题演讲中说。"我们构建了三种计算机:训练计算机、模拟计算机和机器人计算机(自动驾驶汽车计算机)—以及其上的所有软件栈、模型和算法,就像我们为其他行业所做的那样。" 通用汽车计划与 Nvidia 合作,使用该科技巨头的多个产品构建定制 AI 系统。通用汽车没有透露交易的具体金额。
通用汽车将使用 Nvidia Omniverse 和 Cosmos 来训练 AI 制造模型,帮助其改进下一代工厂和机器人技术的建设。通过 Omniverse,通用汽车将能够构建其工厂的数字孪生体—甚至包括装配线,以虚拟方式测试新的生产流程,而不会影响现有的车辆生产。这项工作将包括训练通用汽车已在使用的机器人平台,用于物料处理和运输、精密焊接等操作。
该汽车制造商还将使用 Nvidia Drive AGX 作为未来高级驾驶辅助系统和增强型车内安全驾驶体验的车载硬件。通用汽车最近停止了对其商用机器人出租车开发业务的资金投入,转而将资源投向其免手动驾驶辅助系统 Super Cruise。通用汽车正在吸收其自动驾驶汽车子公司 Cruise,并将其与自身开发驾驶辅助功能的努力相结合—最终目标是开发完全自动驾驶的个人车辆。
通用汽车与 Nvidia 的关系并非新建。这家底特律汽车制造商一直使用 Nvidia GPU 来训练用于模拟和验证的 AI 模型。此次扩展合作现在包括使用 Nvidia AI 产品来改进汽车工厂设计和运营。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。