在当今时代,追踪AI驱动的交通运输技术发展轨迹,并预测完全自主驾驶车辆何时到来是一件有趣的事情。
你可以了解通用汽车和彭斯克等旗舰公司的现有项目,或关注学术研究。例如,麻省理工学院斯隆管理学院的一份报告显示,AI将很快实现650亿美元交通运输工作的自动化,让此前劳动密集型流程变得更加容易,并在人员和货物运输方面释放效率潜力。
Prismetric公司的Hardik Shah写道:"如今,交通运输行业已经达到了一个非凡的阶段,借助尖端技术,车辆可以在没有任何人工干预的情况下运行。"他概述了该行业未来几年的预期增长。"这些改进对于在该领域带来新想法和变革非常有帮助。我们目前正处于AI以重大方式改变交通运输的时代,这正引起全世界行业高管的关注。"
但当AI进入交通运输领域时,它将同时影响陆地、航空和海上交通。
思考AI时代的交通运输
在斯坦福大学最近举办的一场活动中,专家小组讨论了他们对AI交通运输技术最感兴趣的方面。
小组成员、斯坦福FTL联合主任傅恩思廷提到了移动出行和航空领域的进展,她参与了一家名为Shield AI的公司,该公司致力于为国防和其他行业开发智能车辆设计。
她说:"该公司正在研究航空自主技术,从无人机一直到战斗机。他们在空中格斗、集群作战等方面拥有一些真正出色的技术……而在地面交通方面,这也是我最初投资的领域,主要是自动驾驶汽车。"
小组成员、斯坦福大学副教授Marco Pavone表达了他对在各种项目中突破自主技术边界以及加速开发进程的热情。
他还提到了基础模型。
"首先,基础模型是当今非常热门的模型,"他试图详细描述这项技术。"对我来说,基础模型是一个在互联网规模知识上训练的模型……通常采用自监督方式。然后可以适应许多不同类型。这样的定义非常广泛。因此有许多不同类型的基础模型,如视频生成模型、视觉基础模型……那些能够产生类人视觉界面的模型。换句话说,它们能够逐步解决问题并进行解释。"
高通公司的Evgeni Gousev表示,他对硅芯片技术的进步感到兴奋,举例提到了骁龙驾驶试点项目和混合AI系统的开发。
美国是否正在落后
小组成员Sampriti Bhattacharyya曾参与飞船等项目,她对美国交通运输竞争力描绘了相当黯淡的图景,称美国在海运方面"排名第11",并注意到缺乏她所说的"行进舰队",以及近几十年来造船业的衰落。
她指出,AI将造船等劳动密集型实践变得容易了几个数量级。
她说,就AI的更广泛影响而言:"美国将有更多制造业。"
重大变革
随后,小组讨论了合成数据使用、数字孪生等仿真技术以及效率提升等创新。
傅恩思廷说:"如果你从网络角度思考AI和AI应用在地面交通中的作用,不仅仅考虑它对单个车辆的影响以及使其自主化,而是更广泛地从网络角度思考AI如何用于自动化交通路线,你知道,这些更广泛的网络效应,我认为这对可持续性有巨大影响。"她指出,目前我们人类驾驶的汽车约95%的时间处于闲置状态。"当然,我认为存在一点效率悖论……我确实认为我们正处于与能源和可持续性相关的非常有趣的时代。在某些方面,我认为AI间接解决了我们的能源危机,仅仅是因为所有这些大型科技公司现在投入到核反应堆中的资本数量。"
Pavone提到了斯坦福可持续移动中心正在进行的工作,并概述了科学家如何为交通运输应用AI的各个方面。
他说:"我们关注的四个主要方面是环境可持续性。在电气化、动力系统、替代燃料方面,例如航空对能源网格的影响……然后是城市基础设施,所以我们如何思考城市设计……安全性……以及公平性和财务可持续性。"
在强调这一垂直领域的主要目标时,Bhattacharyya建议未来车辆应该是全电动、自主的,并且能够规模化构建。
Gousev补充说:"可持续性需要以整体方式来解决。要整体地看待系统。系统的一部分是硬件的能源效率。这基本上就是你的马力,对吧?这正在发生。另一种方式是,你如何设计一个高效的系统。"
随着越来越多的自动驾驶汽车上路,所有这些是否都会成为现实?我认为是的。如果你正在阅读这篇文章,很可能你已经乘坐过这些新一代车辆之一。你觉得怎么样?还要多长时间这种技术才会在你的社区成为常态?同时,我们很可能很快就会看到AI也改变国防和航空领域。别忘了它在海上的能力。
Q&A
Q1:AI在交通运输领域能带来什么改变?
A:根据麻省理工学院斯隆管理学院报告,AI将实现650亿美元交通运输工作的自动化,让劳动密集型流程变得更容易,并在人员和货物运输方面释放效率潜力。AI不仅影响单个车辆的自主化,还能从网络角度自动化交通路线,产生更广泛的网络效应。
Q2:基础模型在AI交通运输中起什么作用?
A:基础模型是在互联网规模知识上训练的模型,通常采用自监督方式,可以适应许多不同类型。包括视频生成模型、视觉基础模型等,这些模型能够产生类人视觉界面,逐步解决问题并进行解释,为交通运输的智能化提供技术支撑。
Q3:AI交通运输技术在可持续性方面有何贡献?
A:AI通过提高效率间接解决能源危机。目前人类驾驶的汽车约95%时间处于闲置状态,AI可以大幅提升利用效率。斯坦福可持续移动中心关注四个主要方面:环境可持续性(电气化、替代燃料)、城市基础设施、安全性以及公平性和财务可持续性。
好文章,需要你的鼓励
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。