汽车行业已为本十年末电动车和自动驾驶汽车的大规模普及做好准备,如今大多数汽车都配备了一些支持自动驾驶的高级驾驶辅助系统(ADAS)功能。
物联网分析公司Berg Insight的研究发现,2024年全球销售的汽车中,超过三分之二满足SAE一级要求——这是六个标准自动驾驶级别中的第二级,也是最基础的级别。预计到2030年,这一比例将达到90.4%。
该研究成果发布在《全球ADAS和自动驾驶汽车市场研究报告》中,分析了未来五年自动驾驶汽车市场的发展趋势,涵盖最新动向和发展情况,包括对全球主要自动驾驶汽车项目的详细描述。
报告首先介绍了SAE国际定义的六个自动驾驶级别:
0级 – 车辆完全没有自主性。 1级 – 车辆具有单一辅助功能,如自适应巡航控制或车道保持。 2级 – 车辆可在特定条件下同时控制转向和速度,但驾驶员必须保持警觉并准备接管。 3级 – 车辆在特定场景下处理所有驾驶任务,允许驾驶员将注意力从道路上转移。 4级 – 车辆提供完全自主性,只要在运行设计域内,驾驶员无需重新控制车辆。 5级 – 车辆具有完全自主性,能够在任何地方、任何条件下行驶,无需人工输入。
除了满足1级要求的车辆强劲增长外,研究还显示满足2级自动驾驶系统的新车销售比例将从2024年的28.1%增长到2030年的51.2%。配备3级自动驾驶能力的车辆供应量也将在未来几年显著增加。
Berg Insight预测,随着更多制造商计划在未来几年推出3级车辆,2030年预计有8.6%的新车(相当于770万辆)将具备3级能力。该公司预计2030年将有260万辆乘用车具备4级能力,对应渗透率为2.9%。
在影响市场动态的因素方面,报告指出ADAS和自动驾驶的监管环境在塑造行业未来方面发挥重要作用,因为法律利益相关者认为安全性至关重要。Berg Insight观察到,历史上中国和美国的监管方式通常不如欧洲严格,特别是在开发和测试的早期阶段。
报告作者、Berg Insight高级分析师Martin Cederqvist表示:"监管环境复杂且快速演变,各地区存在显著差异,政府正努力在创新与安全之间找到合适的平衡。"
报告还指出,先进的ADAS已成为汽车制造商的主要差异化因素,目前有两款符合SAE 3级要求的ADAS产品。2023年,梅赛德斯-奔驰推出了Drive Pilot,在美国特定道路上提供时速95公里以下的条件自动驾驶。2024年8月起,宝马也通过其BMW Personal Pilot L3系统提供3级自动驾驶服务,首先在德国的新7系车型上提供。
其他制造商也在跟随宝马和梅赛德斯-奔驰提供先进ADAS系统。特斯拉提供Autopilot和完全自动驾驶,福特提供BlueCruise,通用汽车提供Super Cruise,奥迪提供Audi pre sense。丰田、日产和现代提供包括自适应巡航控制、车道辅助和紧急制动系统在内的综合安全套件。
然而,研究强调中国制造商在引入先进ADAS方面正逐渐领先。领先的中国汽车制造商包括比亚迪、长安、奇瑞、吉利、长城、零跑、理想、蔚来和上汽。
目前多家公司提供完全自动驾驶出租车服务。领先的机器人出租车参与者包括Waymo、百度(Apollo)、小马智行、文远知行、滴滴自动驾驶、May Mobility、Avride、AutoX、MOIA和Zoox。大多数机器人出租车服务集中在中国和美国。
在领先技术基础设施的关键企业方面,报告指出英伟达、高通、Mobileye、地平线机器人、黑芝麻智能、Ambarella、瑞萨电子和德州仪器等半导体解决方案提供商正在开发用于自动驾驶的系统级芯片(SoC)。
Cederqvist表示:"SoC和相关技术供应商是ADAS和自动驾驶进步的核心,因为它们提供自动驾驶汽车所需的高性能计算和AI能力。"
好文章,需要你的鼓励
Indeed通过云原生和数据驱动的数字化转型,为AI时代做好了准备。公司CIO Anthony Moisant表示,他们不仅在采用AI,更在构建一个智能代理公司,将人类智慧与机器智能相结合。公司已完成从本地服务器向AWS的迁移,建立了统一的数据湖架构,并基于Apache Iceberg构建数据湖仓。目前已有4个Salesforce代理投入生产,6个内部智能产品上线,另有20多个代理正在开发中。
微软研究院团队开发的BitNet v2技术实现了AI大语言模型的重大突破,通过创新的H-BitLinear模块和哈达玛变换技术,成功将模型激活精度从8位降低到4位,同时保持了几乎相同的性能表现。这项技术显著提高了模型的计算效率和硬件利用率,为AI模型在边缘设备和批量推理场景中的部署开辟了新道路,有望推动AI技术的更广泛普及应用。
AI第四代生成式AI标志着技术范式转变,正在用户体验、应用自动化和平台三个层面为企业带来重大价值和颠覆。企业应关注商业价值而非技术本身,需要从业务问题出发量化价值。未来五年将在认知任务处理上取得巨大进展,但需要创新思维应对劳动力转型。六大颠覆性支柱包括下一代AI能力、数据平台、机器人技术、量子计算、企业用户体验和云架构等。
伊利诺伊大学香槟分校研究团队提出ToolRL方法,通过精细的奖励机制训练大语言模型正确使用工具。该方法突破传统监督微调局限,采用格式奖励和正确性奖励相结合的评估体系,在多个基准测试中相比基础模型提升17%,相比传统方法提升15%,显著改善了模型的工具使用能力和泛化性能。