Stellantis是一家全球性汽车集团,旗下品牌涵盖阿尔法·罗密欧、沃克斯豪尔,以及克莱斯勒、道奇、吉普和Ram等知名品牌。近日,该集团宣布与微软启动一项为期五年的战略合作。微软将凭借自身技术优势,帮助Stellantis改善数字服务、强化网络安全能力并提升工程水平。而这一切,都将以当下最受瞩目的技术趋势——AI——为核心驱动力。
技术浪潮重塑汽车行业
如今,技术对汽车行业的影响已无法忽视。几乎每辆新车都内置了至少一个调制解调器,与某种云端服务相连。主动安全系统能够感知周围路况并主动干预以防止碰撞,触摸屏已成为标配,并被视为提供类智能手机服务体验的必要手段。
然而,这股创新浪潮对终端用户而言未必全是好事。联网服务虽然实用,但前提是要在安全可靠的环境下提供;高级驾驶辅助系统并非总是安全无虞,特斯拉屡遭联邦调查与召回的事件便是前车之鉴;触摸屏和电容式面板虽能为车企节省一定成本,但在人机交互体验上,其表现明显逊于实体按键或旋钮。此外,车载应用程序潜在的隐私问题同样不容小觑。
在此背景下,与微软这样的科技巨头展开合作,或许能帮助Stellantis在自身核心竞争力之外,进一步补齐短板,从而真正为用户带来更优质的产品与服务。
合作具体落地方向
Stellantis首席工程与技术官奈德·库里奇表示:"随着AI的快速发展,我们已在业务全链条中积极布局,从工程制造到设计与客户互动,将AI直接嵌入车辆之中,涵盖全新数字座舱乃至核心车辆操作系统。通过与微软的合作,我们正在全面加速企业层面的AI进程,赋予团队更快创新的工具,以交付客户所期待的产品、服务与体验。"
据介绍,Stellantis计划借助AI优化产品研发流程,并在车内推出面向用户的功能,包括预测性维护算法和驾驶效率智能指导。与此同时,AI还将助力Stellantis提升网络安全防御能力,增强联网服务的稳定性。以吉普品牌为例,"即便在偏远地带,吉普驾驶者也将享受稳定的连接和受保护的数据访问,无论旅途通向何方,都能充满信心地出发。"
值得关注的是,此次合作并不意味着Stellantis将大幅扩张服务器基础设施。两家公司表示,计划到2029年将数据中心的占用规模缩减60%,以更少的资源实现更多的目标。
微软商业业务首席执行官贾德森·奥尔托夫表示:"我们与Stellantis的合作,体现了双方共同致力于在汽车全价值链中负责任、安全地推动AI转型的愿景。通过将Stellantis的全球规模与工程实力,与微软值得信赖的云计算、AI和安全平台相结合,我们正在为全球数百万驾驶者创造切实价值。"
Q&A
Q1:微软与Stellantis的合作具体会在哪些方面应用AI技术?
A:根据双方公布的信息,AI将主要应用于以下几个方向:一是优化产品研发流程,提升工程能力;二是推出车内用户功能,例如预测性维护算法和驾驶效率智能指导;三是强化网络安全防护,提升联网服务的稳定性与可靠性。以吉普品牌为例,即便车辆处于偏远地带,驾驶者也能享受稳定连接和受保护的数据访问。
Q2:Stellantis和微软合作后数据中心规模会扩大吗?
A:恰恰相反。两家公司表示,计划到2029年将数据中心的占用规模缩减60%,目标是以更少的基础设施资源实现更强的业务能力,体现了"以少胜多"的技术转型理念,而非通过堆叠硬件资源来驱动AI发展。
Q3:汽车联网服务和AI功能会带来隐私和安全风险吗?
A:这是行业内普遍存在的担忧。文章指出,联网服务必须在安全可靠的前提下才能真正发挥价值,车载应用程序也存在潜在的隐私风险。正因如此,此次合作将网络安全列为重点方向之一,旨在通过微软的安全平台提升Stellantis抵御网络攻击的能力,并保护用户数据安全。
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。