并行文件系统软件Quobyte正被机器人出租车开发商Zoox用于存储车辆传感器和仿真数据,以训练控制车辆的AI软件。
亚马逊旗下的Zoox与谷歌的Waymo和特斯拉的机器人出租车项目展开竞争,其城市车辆配备了车载GPU和4个英特尔至强CPU。与Waymo改装的SUV不同,Zoox的车辆是专门设计的。该公司认为自己具有优势,因为其车辆没有方向盘,"看起来更像马车而非汽车,最多可容纳四名乘客"。由于车辆是双向的,没有前后之分,两对乘客面对面而坐。
Zoox在目标城市环境中的测试车队是改装的丰田汉兰达,配备了与其机器人出租车相同的传感器和计算包,另外还有人类操作员。这些车辆生成驾驶数据并验证其自动驾驶技术。配备人类安全操作员的SUV在旧金山湾区、拉斯维加斯、西雅图、奥斯汀、迈阿密和洛杉矶运行。Zoox计划今年晚些时候在拉斯维加斯和旧金山迎接公众乘客。
Zoox发展历程
2014年 - Zoox由CEO Tim Kentley-Klay和CTO Jesse Levinson创立,后者曾在斯坦福大学开发自动驾驶技术,是苹果董事长Arthur Levinson的儿子
2018年3月 - 融资5亿美元,总融资额达到8亿美元
2018年4月 - Zoox解雇CEO Kentley-Klay,Levinson担任总裁
2018年12月 - 获得在加州提供自动驾驶交通服务的批准
2019年1月 - 前英特尔首席战略官Aicha Evans被聘为CEO
2020年4月 - 就雇佣前特斯拉员工涉嫌知识产权泄露问题与特斯拉达成和解
2020年6月 - 亚马逊以超过12亿美元收购Zoox,并将其纳入亚马逊设备与服务组织
2022年7月 - Zoox自我认证其乘用车符合联邦机动车安全标准(FMVSS),无需监管变更或豁免申请
2023年 - 获得加州机动车管理局批准,开始在开放公共道路上测试载客自动驾驶机器人出租车。同时获得内华达州机动车管理局授权,在公共道路上运营自动驾驶机器人出租车
2024年5月 - 美国国家公路交通安全管理局(NHTSA)在两起涉及摩托车和Zoox车辆的追尾事故后,对Zoox车辆的潜在缺陷展开调查
2025年 - Zoox在拉斯维加斯和洛杉矶运营机器人出租车,亚特兰大、奥斯汀、迈阿密和旧金山即将跟进。公司在加州海沃德开设了首个机器人出租车全规模生产设施。
Zoox总部位于加州福斯特城,其正在开发的机器人出租车车队将由AI软件控制,该软件响应实时雷达、激光雷达、摄像头、长波红外和麦克风数据,AI模型基于包含传感器和仿真数据的数据集进行训练。AI模型具有感知引擎和预测模块,配备规划和控制系统。Zoox在实际部署前在虚拟环境中测试其自动驾驶车辆系统。
尽管被亚马逊收购,后者拥有AWS计算和存储云服务,但Zoox拥有自己的数据中心,计算集群由数千个英伟达GPU组成——不过确实使用云服务进行冷数据存储和客户端访问。本地存储是为了避免云数据传输涉及的延迟。
Zoox最初使用Ceph存储数据,发现存在问题,因为使用的操作系统较旧,Ceph内核模块需要升级以提高性能。他们经常超出容量,性能缓慢,停机也无济于事。因此Zoox重新考虑,数据现在存储在Quobyte横向扩展并行文件系统中,该系统在2019年概念验证期间后于2020年部署,随着数据集增长已扩展到30PB。
数据集包括用于训练的高精度3D地理地图数据渲染,并使车辆保持在地理围栏的城市区域内。训练运行大约每两周进行一次,数据在SSD、磁盘驱动器和公有云之间分层,以优化成本和性能。
有三个Quobyte集群,数万个客户端通过AWS访问数据。近1EB的冷数据存储在AWS中,Zoox正在探索Quobyte系统与S3存储库之间更紧密的集成,以控制成本。
好文章,需要你的鼓励
皮尤研究中心最新分析显示,谷歌搜索结果页面的AI概述功能显著降低了用户对其他网站的点击率。研究发现,没有AI回答的搜索点击率为15%,而有AI概述的搜索点击率降至8%。目前约五分之一的搜索会显示AI概述,问题类搜索中60%会触发AI回答。尽管谷歌声称AI概述不会影响网站流量,但数据表明用户看到AI生成的信息后更容易结束浏览,这可能导致错误信息的传播。
这项由清华大学等多所高校联合完成的研究首次系统性地解析了AI系统如何同时具备知识检索和深度推理能力。研究团队通过分析200多篇论文,揭示了从简单检索到协同推理的技术演进路径,并建立了全面的评估框架。这种"协同RAG推理系统"能够像人类研究者一样主动搜索信息、分析问题,为AI向真正智能助手的转变奠定了基础。
GlobalData研究显示,人工智能驱动的预测性维护正成为电力行业追求高可靠性和成本效益的关键组成部分。该技术结合数据分析、机器学习和实时监控,能够更准确预测设备未来状况,有望降低维护成本30%,提高设备可用性20%。GE Vernova、西门子等公司提供先进解决方案,而数字孪生技术、物联网和边缘计算等新兴技术正进一步提升维护策略的准确性和效率。
麦吉尔大学研究团队开发了DrafterBench,这是首个专门评估AI在工程技术图纸修改能力的测试平台。通过对1920个真实工程任务的测试,研究发现即使最先进的AI模型也只能达到80%的准确率,在处理复杂多步骤操作时表现不佳。该研究为工程领域的AI应用提供了重要的评估标准和发展方向。