日产汽车近日宣布,将在绝大多数车型上搭载自动驾驶功能,同时削减五分之一的车型阵容,这是这家日本汽车制造商旷日持久的振兴计划中的最新举措。
日产首席执行官伊万·埃斯皮诺萨表示,公司正将希望寄托于"AI定义汽车",目标是未来在90%的车型上实现自动驾驶技术落地。
日产近年来在多位领导人的更迭下经历了漫长的动荡期。埃斯皮诺萨于去年接任CEO,随即启动了一项艰难的结构调整计划,涉及关闭七座工厂、裁减两万名员工,以期大幅削减运营成本。
本周二,埃斯皮诺萨在日产位于日本横滨的总部举办的发布活动上宣布,公司将把车型数量从56款缩减至45款,以便将资源集中投入盈利能力更强的产品线。
"我们面临的业绩压力,来自多年来叠加积累的结构性挑战,"埃斯皮诺萨说,"我们的产品阵容老化速度快于市场更迭速度,成本增长快于销量增长,即便规模在持续收缩,固定成本和业务复杂度依然居高不下。"
日产和其他传统汽车制造商都在承受向纯电动技术转型的投资压力。中型日本车企尤其难以跟上中国制造商的变革节奏——后者已迅速崛起为全球领先的电动汽车生产者。
此次发布会上,日产还揭晓了全新纯电动Juke车型。这款此前已有预告的跨界SUV将在英格兰北部的桑德兰工厂投产,是日产电气化布局在欧洲市场的重要支柱。
不过,日产表示其核心市场仍将聚焦日本、美国和中国,同时重申了对油电混合动力技术的战略承诺。公司还发布了一款面向美国市场的全新混合动力Rogue SUV(在部分市场称为奇骏)。目前,特朗普政府已大幅削减电动汽车转型激励政策,混合动力路线在美国市场颇具市场空间。
自动驾驶能力的快速普及,将是日产努力实现到2030年日本市场年销量提升55万辆、美国和中国市场各突破100万辆目标的关键举措。此次自动驾驶领域的大力推进,有望令英国AI初创公司Wayve从中受益——该公司一年前与日产签署了首份技术合作协议。
研究机构伯恩斯坦分析师明田正弘对此计划给予较为积极的评价,但同时指出:"在宏观经济持续不确定的背景下,日产能否实现持续的营收增长、完成真正意义上的业务转型,目前仍是未知数。"
Q&A
Q1:日产"AI定义汽车"战略的核心目标是什么?
A:日产"AI定义汽车"战略的核心目标是在未来将自动驾驶技术覆盖至90%的车型,借助AI能力提升产品竞争力。这一战略也是日产实现销量增长目标的重要抓手,计划到2030年在日本市场年销量提升55万辆,并在美国和中国市场各突破100万辆。
Q2:日产此次结构调整具体包括哪些措施?
A:日产本次结构调整主要包括三方面:一是关闭七座工厂,裁减约两万名员工以降低固定成本;二是将车型数量从56款削减至45款,集中资源投入利润更高的产品线;三是加速电气化布局,包括推出全新纯电动Juke车型(将在英国桑德兰工厂生产)以及面向美国市场的混合动力Rogue SUV。
Q3:Wayve与日产的合作对自动驾驶推进有何意义?
A:Wayve是一家英国AI初创公司,约一年前与日产签署了首份技术合作协议。随着日产大力推进自动驾驶功能在旗下车型中的普及,Wayve有望凭借这一合作关系持续受益,在日产庞大的车型阵容中扩大其AI驾驶技术的实际应用规模。
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。