ai大模型排行（大模型 ai）

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于ai大模型排行的問題，以下是小編對(duì)此問題的歸納整理，讓我們一起來看看吧。

ChatGPT國內(nèi)免費(fèi)在線使用，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com

本文目錄:

• 1、達(dá)摩院發(fā)布 2022 十大科技趨勢(shì)：AI for Science 催生科研新范式

• 2、人工智能發(fā)展史 4張圖看盡AI重大里程碑

• 3、能不能快點(diǎn)?。吭诟陕镅?？

• 4、毫末 AI DAY干貨滿滿 以數(shù)據(jù)驅(qū)動(dòng)的自動(dòng)駕駛3.0時(shí)代已經(jīng)到來

一、達(dá)摩院發(fā)布 2022 十大科技趨勢(shì)：AI for Science 催生科研新范式

據(jù)介紹，《達(dá)摩院 2022 十大 科技 趨勢(shì)》采用了“定量發(fā)散，定性收斂”的分析方法，整個(gè)分析流程分為兩部分：

達(dá)摩院分析了 159 個(gè)領(lǐng)域近三年 770 萬篇公開論文、8.5 萬份專利，挖掘其中熱點(diǎn)領(lǐng)域及重點(diǎn)技術(shù)突破，深度訪談近 100 位科學(xué)家，提出了 2022 年可能照進(jìn)現(xiàn)實(shí)的十大 科技 趨勢(shì)，覆蓋人工智能、芯片、計(jì)算和通信等領(lǐng)域。

具體而言，這十大 科技 趨勢(shì)分別是：AI for Science、大小模型協(xié)同進(jìn)化、硅光芯片、綠色能源 AI、柔性感知機(jī)器人、高精度醫(yī)療導(dǎo)航、全域隱私計(jì)算、星地計(jì)算、云網(wǎng)端融合、XR 互聯(lián)網(wǎng)。

達(dá)摩院認(rèn)為，計(jì)算機(jī)科學(xué)改變科研的路徑是從下游逐漸走向上游。起初計(jì)算機(jī)主要用來做實(shí)驗(yàn)數(shù)據(jù)的分析與歸納。后來科學(xué)計(jì)算改變了科學(xué)實(shí)驗(yàn)的方式，人工智能結(jié)合高性能計(jì)算，在實(shí)驗(yàn)成本與難度較高的領(lǐng)域開始用計(jì)算機(jī)進(jìn)行實(shí)驗(yàn)的模擬，驗(yàn)證科學(xué)家的假設(shè)，加速科研成果的產(chǎn)出，如核能實(shí)驗(yàn)的數(shù)字反應(yīng)堆，能夠降低實(shí)驗(yàn)成本、提高安全性、減少核廢料產(chǎn)生。

近年，人工智能被證明能做科學(xué)規(guī)律發(fā)現(xiàn)，不僅在應(yīng)用科學(xué)領(lǐng)域，也能在基礎(chǔ)科學(xué)領(lǐng)域發(fā)揮作用，如 DeepMind 使用人工智能來幫助證明或提出新的數(shù)學(xué)定理，輔助數(shù)學(xué)家形成對(duì)復(fù)雜數(shù)學(xué)的直覺。

達(dá)摩院預(yù)測(cè)， 在未來的三年內(nèi)，人工智能技術(shù)在應(yīng)用科學(xué)中將得到普遍應(yīng)用，在部分基礎(chǔ)科學(xué)中開始成為研究工具。

阿里達(dá)摩院城市大腦實(shí)驗(yàn)室負(fù)責(zé)人華先勝在接受 InfoQ 采訪時(shí)表示，用 AI 去助力科研主要基于數(shù)據(jù)和計(jì)算這兩點(diǎn)，在數(shù)據(jù)和算力的基礎(chǔ)上形成 AI 能力。

“從本質(zhì)上來講，AI for Science 和 AI for Industry 差別不大，AI 也是作為推動(dòng)領(lǐng)域發(fā)展的一個(gè)工具。只是這個(gè)領(lǐng)域有點(diǎn)不一樣，它的門檻比較高，因?yàn)槭强茖W(xué)家要做的事情，不是一個(gè)普通人、一般的技術(shù)工作人員可以做的事情。但是從本質(zhì)上來講，也是這個(gè)領(lǐng)域因?yàn)橛辛藬?shù)據(jù)，可以設(shè)計(jì)算法去挖掘數(shù)據(jù)中的’玄機(jī)’，去解決這個(gè)領(lǐng)域的問題?！?/p>

對(duì)于從業(yè)者而言，AI for Science 需要 AI 專家要去了解科學(xué)問題，需要科學(xué)家要去了解 AI 的原理?！癆I for Industry 的時(shí)候，其實(shí)是從單點(diǎn)的技術(shù)逐漸地走向了平臺(tái)化，AI for Science 的未來，我想也會(huì)逐步地走向平臺(tái)化。這個(gè)時(shí)候就是 AI 專家結(jié)合某個(gè)領(lǐng)域、某個(gè)學(xué)科，甚至是某個(gè)學(xué)科的某一類問題和科學(xué)家們一起去建造一個(gè)科研的平臺(tái)。這個(gè)時(shí)候科學(xué)家們可能有更大的自由度、更強(qiáng)大的工具，能夠更批量地去做科學(xué)研究，實(shí)現(xiàn)更加豐富、更加重要的科學(xué)突破?！比A先勝說道。

谷歌的 BERT、Open AI 的 GPT-3、智源的悟道、 達(dá)摩院的 M6 等大規(guī)模預(yù)訓(xùn)練模型取得了重要進(jìn)展，大模型的性能有了飛躍性提升，為下游的 AI 模型提供了發(fā)展的基礎(chǔ)。然而大模型訓(xùn)練對(duì)資源消耗過大，參數(shù)數(shù)量增加所帶來的性能提升與消耗提升不成比例，讓大模型的效率受到挑戰(zhàn)。

阿里達(dá)摩院智能計(jì)算實(shí)驗(yàn)室科學(xué)家楊紅霞在接受 InfoQ 采訪時(shí)表示，預(yù)訓(xùn)練大模型還有亟待突破的幾個(gè)課題：

達(dá)摩院認(rèn)為，大模型的參數(shù)規(guī)模發(fā)展將進(jìn)入冷靜期，大模型與相關(guān)聯(lián)的小模型協(xié)同將是未來的發(fā)展方向。大模型沉淀的知識(shí)與認(rèn)知推理能力向小模型輸出，小模型基于大模型的基礎(chǔ)疊加垂直場(chǎng)景的感知、認(rèn)知、決策、執(zhí)行能力，再將執(zhí)行與學(xué)習(xí)的結(jié)果反饋給大模型，讓大模型的知識(shí)與能力持續(xù)進(jìn)化，形成一套有機(jī)循環(huán)的智能系統(tǒng)，參與者越多，受惠者越多，模型進(jìn)化的速度也越快。

“大小模型的協(xié)同進(jìn)化也可以更好的服務(wù)于更加復(fù)雜的新場(chǎng)景，例如虛擬現(xiàn)實(shí)、數(shù)字人，需要云邊端的同時(shí)部署與交互，同時(shí)該體系對(duì)于保護(hù)用戶數(shù)據(jù)隱私也更加的靈活，用戶可以在不同的端上維護(hù)自己的小模型?！睏罴t霞向 InfoQ 說道。

清華大學(xué)計(jì)算機(jī)系教授，北京智源人工智能研究院學(xué)術(shù)副院長唐杰表示，大模型的發(fā)展，在認(rèn)知智能方面，模型參數(shù)不排除進(jìn)一步增加的可能，但參數(shù)競(jìng)賽本身不是目的，而是要探究進(jìn)一步性能提升的可能性。大模型研究同時(shí)注重架構(gòu)原始創(chuàng)新，通過模型持續(xù)學(xué)習(xí)、增加記憶機(jī)制、突破三元組知識(shí)表示方法等方法進(jìn)一步提升萬億級(jí)模型的認(rèn)知智能能力。在模型本身方面，多模態(tài)、多語言、面向編程的新型模型也將成為研究的重點(diǎn)。

達(dá)摩院預(yù)測(cè)， 在未來的三年內(nèi)，在個(gè)別領(lǐng)域?qū)⒁源笠?guī)模預(yù)訓(xùn)練模型為基礎(chǔ)，對(duì)協(xié)同進(jìn)化的智能系統(tǒng)進(jìn)行試點(diǎn) 探索 。在未來的五年內(nèi)，協(xié)同進(jìn)化的智能系統(tǒng)將成為體系標(biāo)準(zhǔn)，讓全 社會(huì) 能夠容易地獲取并貢獻(xiàn)智能系統(tǒng)的能力，往通用人工智能再邁進(jìn)一大步。

電子芯片發(fā)展逼近摩爾定律極限，集成技術(shù)進(jìn)步趨于飽和，高性能計(jì)算對(duì)數(shù)據(jù)吞吐要求不斷增長，亟需技術(shù)突破。

光子芯片不同于電子芯片，技術(shù)上另辟蹊徑，用光子代替電子進(jìn)行信息傳輸，可以承載更多的信息和傳輸更遠(yuǎn)的距離。光子彼此間的干擾少、提供相較于電子芯片高兩個(gè)數(shù)量級(jí)的計(jì)算密度與低兩個(gè)數(shù)量級(jí)的能耗。相較于量子芯片，光子芯片不需要改變二進(jìn)制的架構(gòu)，能夠延續(xù)當(dāng)前的計(jì)算機(jī)體系。光子芯片需要與成熟的電子芯片技術(shù)融合，運(yùn)用電子芯片先進(jìn)的制造工藝及模塊化技術(shù)，結(jié)合光子和電子優(yōu)勢(shì)的硅光技術(shù)將是未來的主流形態(tài)。

北京大學(xué)教授，上海光機(jī)所特聘首席研究員周治平表示，達(dá)摩院選擇“硅光芯片”作為 2022 年 10 大 科技 趨勢(shì)之一，印證了該技術(shù)在信息通信領(lǐng)域的巨大應(yīng)用價(jià)值。硅光芯片的進(jìn)一步擴(kuò)展是硅基光電子芯片：利用集成電路的設(shè)計(jì)方法和制造工藝，將微納米量級(jí)的光子、電子、及光電子器件異質(zhì)集成在同一硅襯底上，形成一個(gè)完整的具有綜合功能的新型大規(guī)模光電集成芯片。它更加顯著地反映了人類 社會(huì) 在納米技術(shù)方面的持續(xù)努力以及對(duì)更小型器件和更緊湊系統(tǒng)的極大興趣。

達(dá)摩院預(yù)測(cè)，光電融合是未來芯片的發(fā)展趨勢(shì)，硅光子和硅電子芯片取長補(bǔ)短，充分發(fā)揮二者優(yōu)勢(shì)，促使算力的持續(xù)提升。 未來三年，硅光芯片將支撐大型數(shù)據(jù)中心的高速信息傳輸；未來五到十年，以硅光芯片為基礎(chǔ)的光計(jì)算將逐步取代電子芯片的部分計(jì)算場(chǎng)景。

綠色能源的大規(guī)模開發(fā)和利用已經(jīng)成為當(dāng)今世界能源發(fā)展的主要方向。在高比例綠色能源并網(wǎng)的趨勢(shì)下，傳統(tǒng)電力系統(tǒng)難以應(yīng)對(duì)綠色能源在大風(fēng)、暴雨、雷電等天氣下發(fā)電功率的不確定性，以及復(fù)雜故障及時(shí)響應(yīng)的應(yīng)對(duì)能力。

在運(yùn)行監(jiān)測(cè)過程中，參數(shù)核驗(yàn)和故障監(jiān)測(cè)仍需要大量的人工參與，故障特征提取困難，識(shí)別難度大。針對(duì)大規(guī)模綠色能源并網(wǎng)在穩(wěn)定、運(yùn)行和規(guī)劃上面臨的各種挑戰(zhàn)，以人工智能為主的新一代信息技術(shù)將對(duì)能源系統(tǒng)整體的高效穩(wěn)定運(yùn)行提供技術(shù)保障和有力支撐。

人工智能與能源電力的深度融合，將推動(dòng)大規(guī)模新能源發(fā)電、并網(wǎng)、輸送、消納和安全運(yùn)行，完成對(duì)能源系統(tǒng)的升級(jí)改造。

中國電科院首席系統(tǒng)架構(gòu)師周二專認(rèn)為，新型電力系統(tǒng)要實(shí)現(xiàn)智能調(diào)控、運(yùn)行推演將離不開 AI 技術(shù)，在 AI 技術(shù)的支撐下構(gòu)建多個(gè)物理電網(wǎng)和 IT 應(yīng)用程序交互的數(shù)字孿生體，每個(gè)數(shù)字孿生體解決某一個(gè)場(chǎng)景或某一個(gè)方面的電網(wǎng)運(yùn)行問題。這樣，當(dāng)有足夠的孿生體構(gòu)成電網(wǎng)調(diào)控?cái)?shù)字孿生系統(tǒng)來解決電網(wǎng)運(yùn)行問題的各個(gè)方面，即可實(shí)現(xiàn)智能調(diào)控。

達(dá)摩院預(yù)測(cè)， 在未來的三年內(nèi)，人工智能技術(shù)將幫助電力系統(tǒng)實(shí)現(xiàn)大規(guī)模綠能消納，能源供給在時(shí)間和空間維度上能夠互聯(lián)互濟(jì)，網(wǎng)源協(xié)調(diào)發(fā)展，彈性調(diào)度，實(shí)現(xiàn)電力系統(tǒng)的安全、高效、穩(wěn)定運(yùn)行。

機(jī)器人是技術(shù)的集大成者，在過去硬件、網(wǎng)絡(luò)、人工智能、云計(jì)算的融合發(fā)展下，技術(shù)成熟度有了飛躍式地進(jìn)展，機(jī)器人朝向多任務(wù)、自適應(yīng)、協(xié)同化的路線發(fā)展。

柔性機(jī)器人是重要的突破代表，具有柔軟靈活、可編程、可伸縮等特征，結(jié)合柔性電子、力感知與控制等技術(shù)，可適應(yīng)多種工作環(huán)境，并在不同任務(wù)中進(jìn)行調(diào)節(jié)。近年柔性機(jī)器人結(jié)合人工智能技術(shù)，使得機(jī)器人具備感知能力，提升了通用性與自主性，降低對(duì)預(yù)編程的依賴。

柔性感知機(jī)器人增加了對(duì)環(huán)境的感知能力(包含力、視覺、聲音等)，對(duì)任務(wù)的遷移能力增強(qiáng)，不再像傳統(tǒng)機(jī)器人需要窮舉可能性，并且可執(zhí)行依賴感知的任務(wù)(如醫(yī)療手術(shù))，拓展機(jī)器人的適用場(chǎng)景。另一個(gè)優(yōu)勢(shì)是在任務(wù)中的自適應(yīng)能力，面向突發(fā)變化能夠及時(shí)反應(yīng)，準(zhǔn)確地完成任務(wù)并避免問題發(fā)生。

達(dá)摩院預(yù)測(cè)， 未來五年內(nèi)，柔性機(jī)器人將充分結(jié)合深度學(xué)習(xí)帶來的智能感知能力，能面向廣泛場(chǎng)景，逐步替代傳統(tǒng)工業(yè)機(jī)器人，成為產(chǎn)線上的主力設(shè)備。同時(shí)在服務(wù)機(jī)器人領(lǐng)域?qū)崿F(xiàn)商業(yè)化，在場(chǎng)景、體驗(yàn)、成本方面具備優(yōu)勢(shì)，開始規(guī)?；瘧?yīng)用。

傳統(tǒng)醫(yī)療依賴醫(yī)生經(jīng)驗(yàn)，猶如人工尋路，效果參差不齊。人工智能與精準(zhǔn)醫(yī)療深度融合，專家經(jīng)驗(yàn)和新的輔助診斷技術(shù)有機(jī)結(jié)合，將成為臨床醫(yī)學(xué)的高精度導(dǎo)航系統(tǒng)，為醫(yī)生提供自動(dòng)指引，幫助醫(yī)療決策更快更準(zhǔn)，實(shí)現(xiàn)重大疾病的可量化、可計(jì)算、可預(yù)測(cè)、可防治。

預(yù)計(jì)未來三年，以人為中心的精準(zhǔn)醫(yī)療將成為主要方向，人工智能將全面滲透在疾病預(yù)防和診療的各個(gè)環(huán)節(jié)，成為疾病預(yù)防和診療的高精度導(dǎo)航協(xié)同。而隨著因果推理的進(jìn)一步發(fā)展，可解釋性有望實(shí)現(xiàn)突破，人工智能將為疾病的預(yù)防和早診早治提供有力的技術(shù)支撐。

數(shù)據(jù)安全保護(hù)與數(shù)據(jù)流通是數(shù)字時(shí)代的兩難問題，破解之道是隱私計(jì)算。過去受制于性能瓶頸、技術(shù)信任不足、標(biāo)準(zhǔn)不統(tǒng)一等問題，隱私計(jì)算尚只能在少量數(shù)據(jù)的場(chǎng)景下應(yīng)用。隨著專用芯片、加密算法、白盒化、數(shù)據(jù)信托等技術(shù)融合發(fā)展，隱私計(jì)算有望跨越到海量數(shù)據(jù)保護(hù)，數(shù)據(jù)源將擴(kuò)展到全域，激發(fā)數(shù)字時(shí)代的新生產(chǎn)力。

浙江大學(xué)教授，浙江大學(xué)網(wǎng)絡(luò)空間安全學(xué)院院長任奎表示，隱私計(jì)算不是某個(gè)單項(xiàng)技術(shù)，而是大一統(tǒng)的稱呼，包括最早 1982 年提出的安全多方計(jì)算，到后來的同態(tài)加密、可信計(jì)算、差分隱私等等。但隱私計(jì)算早前并不具備太大的實(shí)用價(jià)值，像全同態(tài)加密理論上很好，但性能開銷過大，實(shí)際使用很困難?，F(xiàn)在隨著硬件加速和軟件創(chuàng)新，我們逐漸看到實(shí)用化的趨勢(shì)，當(dāng)然這還有個(gè)過程。

達(dá)摩院預(yù)測(cè)， 未來三年，全域隱私計(jì)算技術(shù)將在性能和可解釋性上有新的突破，或?qū)⒊霈F(xiàn)數(shù)據(jù)信托機(jī)構(gòu)提供基于隱私計(jì)算的數(shù)據(jù)共享服務(wù)。

基于地面網(wǎng)絡(luò)和計(jì)算的數(shù)字化服務(wù)局限在人口密集區(qū)域，深空、海洋、 沙漠等無人區(qū)尚是服務(wù)的空白地帶。高低軌衛(wèi)星通信和地面移動(dòng)通信將無縫連接，形成空天地海一體化立體網(wǎng)絡(luò)。由于算隨網(wǎng)動(dòng)，星地計(jì)算將集成衛(wèi)星系統(tǒng)、空中網(wǎng)絡(luò)、地面通信和云計(jì)算，成為一種新興的計(jì)算架構(gòu)，擴(kuò)展數(shù)字化服務(wù)的空間。

阿里達(dá)摩院 XG 實(shí)驗(yàn)室負(fù)責(zé)人張銘認(rèn)為，星地計(jì)算要真正能夠?qū)崿F(xiàn)成功商用和規(guī)?；l(fā)展，仍涉及到不少核心技術(shù)的突破。

以低軌衛(wèi)星終端為例，一是要以場(chǎng)景需求和商用價(jià)值為導(dǎo)向，二是需要從技術(shù)突破和解決工程問題等角度出發(fā)，設(shè)計(jì)高性能、低成本、適應(yīng)場(chǎng)景多的商用產(chǎn)品。例如在關(guān)鍵技術(shù)方面，如何設(shè)計(jì)新型毫米波相控陣天線，以及相應(yīng)的波束賦形控制算法，以低成本方式滿足性能指標(biāo)要求；如何設(shè)計(jì)新型星地通信協(xié)議，滿足衛(wèi)星互聯(lián)網(wǎng)多用戶、移動(dòng)性、復(fù)雜動(dòng)態(tài)業(yè)務(wù)需求；此外，在終端集成和優(yōu)化方面，還存在很多工程問題需要突破和解決，從而滿足海陸空不同場(chǎng)景下多方位需求。

達(dá)摩院預(yù)測(cè)， 未來三年，低軌衛(wèi)星數(shù)量會(huì)迎來爆發(fā)式增長，與高軌衛(wèi)星共同組成衛(wèi)星互聯(lián)網(wǎng)。在未來五年，衛(wèi)星互聯(lián)網(wǎng)與地面網(wǎng)絡(luò)將無縫結(jié)合形成天地一體的泛在互聯(lián)網(wǎng)，衛(wèi)星及其地面系統(tǒng)成為新型計(jì)算節(jié)點(diǎn)，在各類數(shù)字化場(chǎng)景中發(fā)揮作用。

新型網(wǎng)絡(luò)技術(shù)發(fā)展將推動(dòng)云計(jì)算走向云網(wǎng)端融合的新計(jì)算體系，并實(shí)現(xiàn)云網(wǎng)端的專業(yè)分工：云將作為腦，負(fù)責(zé)集中計(jì)算與全局?jǐn)?shù)據(jù)處理；網(wǎng)絡(luò)作為連接，將多種網(wǎng)絡(luò)形態(tài)通過云融合，形成低延時(shí)、廣覆蓋的一張網(wǎng)；端作為交互界面，呈現(xiàn)多元形態(tài)，可提供輕薄、長效、沉浸式的極致體驗(yàn)。云網(wǎng)端融合將促進(jìn)高精度工業(yè)仿真、實(shí)時(shí)工業(yè)質(zhì)檢、虛實(shí)融合空間等新型應(yīng)用誕生。

達(dá)摩院預(yù)測(cè)， 在未來兩年內(nèi)，將有大量的應(yīng)用場(chǎng)景在云網(wǎng)端融合的體系運(yùn)行，伴隨著更多依云而生的新型設(shè)備，帶來更極致、更豐富地用戶體驗(yàn)。

隨著端云協(xié)同計(jì)算、網(wǎng)絡(luò)通信、數(shù)字孿生等技術(shù)發(fā)展，以沉浸式體驗(yàn)為核心的 XR（未來虛實(shí)融合）互聯(lián)網(wǎng)將迎爆發(fā)期。眼鏡有望成為新的人機(jī)交互界面，推動(dòng)形成有別于平面互聯(lián)網(wǎng)的 XR 互聯(lián)網(wǎng)，催生從元器件、設(shè)備、操作系統(tǒng)到應(yīng)用的新產(chǎn)業(yè)生態(tài)。XR 互聯(lián)網(wǎng)將重塑數(shù)字應(yīng)用形態(tài)，變革 娛樂 、社交、工作、購物、教育、醫(yī)療等場(chǎng)景交互方式。

達(dá)摩院預(yù)測(cè)， 未來三年內(nèi)會(huì)產(chǎn)生新一代的 XR 眼鏡， 融合 AR 與 VR 的技術(shù)，利用端云協(xié)同計(jì)算、光學(xué)、 透視等技術(shù)將使得外形與重量接近于普通眼鏡，XR 眼鏡成為互聯(lián)網(wǎng)的關(guān)鍵入口，得到大范圍普及。

二、人工智能發(fā)展史 4張圖看盡AI重大里程碑

作者 | 王健宗 瞿曉陽

來源 | 大數(shù)據(jù)DT

01 人工智能發(fā)展歷程

圖1是人工智能發(fā)展情況概覽。人工智能的發(fā)展經(jīng)歷了很長時(shí)間的歷史積淀，早在1950年，阿蘭·圖靈就提出了圖靈測(cè)試機(jī)，大意是將人和機(jī)器放在一個(gè)小黑屋里與屋外的人對(duì)話，如果屋外的人分不清對(duì)話者是人類還是機(jī)器，那么這臺(tái)機(jī)器就擁有像人一樣的智能。

▲圖1 人工智能起源及發(fā)展

隨后，在1956年的達(dá)特茅斯會(huì)議上，“人工智能”的概念被首次提出。在之后的十余年內(nèi)，人工智能迎來了發(fā)展史上的第一個(gè)小高峰，研究者們瘋狂涌入，取得了一批矚目的成就，比如1959年，第一臺(tái)工業(yè)機(jī)器人誕生；1964年，首臺(tái)聊天機(jī)器人也誕生了。

但是，由于當(dāng)時(shí)計(jì)算能力的嚴(yán)重不足，在20世紀(jì)70年代，人工智能迎來了第一個(gè)寒冬。早期的人工智能大多是通過固定指令來執(zhí)行特定的問題，并不具備真正的學(xué)習(xí)和思考能力，問題一旦變復(fù)雜，人工智能程序就不堪重負(fù)，變得不智能了。

雖然有人趁機(jī)否定人工智能的發(fā)展和價(jià)值，但是研究學(xué)者們并沒有因此停下前進(jìn)的腳步，終于在1980年，卡內(nèi)基梅隆大學(xué)設(shè)計(jì)出了第一套專家系統(tǒng)——XCON。該專家系統(tǒng)具有一套強(qiáng)大的知識(shí)庫和推理能力，可以模擬人類專家來解決特定領(lǐng)域問題。

從這時(shí)起，機(jī)器學(xué)習(xí)開始興起，各種專家系統(tǒng)開始被人們廣泛應(yīng)用。不幸的是，隨著專家系統(tǒng)的應(yīng)用領(lǐng)域越來越廣，問題也逐漸暴露出來。專家系統(tǒng)應(yīng)用有限，且經(jīng)常在常識(shí)性問題上出錯(cuò)，因此人工智能迎來了第二個(gè)寒冬。

1997年，IBM公司的“深藍(lán)”計(jì)算機(jī)戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，成為人工智能史上的一個(gè)重要里程碑。之后，人工智能開始了平穩(wěn)向上的發(fā)展。

2006年，李飛飛教授意識(shí)到了專家學(xué)者在研究算法的過程中忽視了“數(shù)據(jù)”的重要性，于是開始帶頭構(gòu)建大型圖像數(shù)據(jù)集—ImageNet，圖像識(shí)別大賽由此拉開帷幕。

同年，由于人工神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展，“深度學(xué)習(xí)”的概念被提出，之后，深度神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)開始不斷映入人們的眼簾。深度學(xué)習(xí)的發(fā)展又一次掀起人工智能的研究狂潮，這一次狂潮至今仍在持續(xù)。

圖2列出了人工智能發(fā)展史上的一些重要事件。從誕生以來，機(jī)器學(xué)習(xí)經(jīng)歷了長足發(fā)展，現(xiàn)在已經(jīng)被應(yīng)用于極為廣泛的領(lǐng)域，包括數(shù)據(jù)挖掘、計(jì)算機(jī)視覺、自然語言處理、生物特征識(shí)別、搜索引擎、醫(yī)學(xué)診斷、檢測(cè)信用卡欺詐、證券市場(chǎng)分析、DNA序列測(cè)序、語音和手寫識(shí)別、戰(zhàn)略游戲、藝術(shù)創(chuàng)作和機(jī)器人等，以及我們特別關(guān)注的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)未來發(fā)展的一大趨勢(shì)——自動(dòng)化機(jī)器學(xué)習(xí)和深度學(xué)習(xí)（AutoML及AutoDL）。

▲圖2 人工智能發(fā)展重大事件

02 下一代人工智能

我們首先通過圖3來回顧一下人工智能的發(fā)展歷程。

▲圖3 人工智能發(fā)展歷程

到目前為止，人工智能按照總體向上的發(fā)展歷程，可以大致分為4個(gè)發(fā)展階段，分別為精耕細(xì)作的誕生期、急功近利的產(chǎn)業(yè)期、集腋成裘的爆發(fā)期，以及現(xiàn)在逐漸用AutoML來自動(dòng)產(chǎn)生神經(jīng)網(wǎng)絡(luò)的未來發(fā)展期。

早期由于受到計(jì)算機(jī)算力的限制，機(jī)器學(xué)習(xí)處于慢速發(fā)展階段，人們更注重于將邏輯推理能力和人類總結(jié)的知識(shí)賦予計(jì)算機(jī)。但隨著計(jì)算機(jī)硬件的發(fā)展，尤其是GPU在機(jī)器學(xué)習(xí)中的應(yīng)用，計(jì)算機(jī)可以從海量的數(shù)據(jù)中學(xué)習(xí)各種數(shù)據(jù)特征，從而很好地完成人類分配給它的各種基本任務(wù)。

此時(shí)，深度學(xué)習(xí)開始在語音、圖像等領(lǐng)域大獲成功，各種深度學(xué)習(xí)網(wǎng)絡(luò)層出不窮，完成相關(guān)任務(wù)的準(zhǔn)確率也不斷提升。同時(shí)，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)朝著深度更深、結(jié)構(gòu)更加巧妙復(fù)雜的方向推進(jìn)，GPU的研發(fā)與應(yīng)用也隨著神經(jīng)網(wǎng)絡(luò)對(duì)算力要求的不斷提高而持續(xù)快速向前推進(jìn)。圖4展示了近年來主要神經(jīng)網(wǎng)絡(luò)的發(fā)展。

▲圖4 主要深度神經(jīng)網(wǎng)絡(luò)的發(fā)展

2012年，AlexNet為了充分利用多個(gè)GPU的算力，創(chuàng)新性地將深度神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)成兩部分，使網(wǎng)絡(luò)可以在兩個(gè)GPU上進(jìn)行訓(xùn)練。

2013年，ZFNet又進(jìn)一步解決了Feature Map可視化的問題，將深度神經(jīng)網(wǎng)絡(luò)的理解推進(jìn)了一大步。2014年，VGGNet通過進(jìn)一步增加網(wǎng)絡(luò)的深度而獲得了更高的準(zhǔn)確率；同年，GoogLeNet的發(fā)明引入了重復(fù)模塊Inception Model，使得準(zhǔn)確率進(jìn)一步提升。

而2015年ResNet將重復(fù)模塊的思想更深層次地發(fā)展，從而獲得了超越人類水平的分辨能力。這時(shí)，由于深度神經(jīng)網(wǎng)絡(luò)層數(shù)的不斷加深，需要訓(xùn)練的參數(shù)過于龐大，為了在不犧牲精度的同時(shí)減少需要訓(xùn)練的參數(shù)個(gè)數(shù)，2017年DenceNet應(yīng)運(yùn)而生。

隨著深度神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展，各種模型和新穎模塊的不斷發(fā)明利用，人們逐漸意識(shí)到開發(fā)一種新的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)越來越費(fèi)時(shí)費(fèi)力，為什么不讓機(jī)器自己在不斷的學(xué)習(xí)過程中創(chuàng)造出新的神經(jīng)網(wǎng)絡(luò)呢？

出于這個(gè)構(gòu)思，2017年Google推出了AutoML——一個(gè)能自主設(shè)計(jì)深度神經(jīng)網(wǎng)絡(luò)的AI網(wǎng)絡(luò)，緊接著在2018年1月發(fā)布第一個(gè)產(chǎn)品，并將它作為云服務(wù)開放出來，稱為Cloud AutoML。

自此，人工智能又有了更進(jìn)一步的發(fā)展，人們開始探索如何利用已有的機(jī)器學(xué)習(xí)知識(shí)和神經(jīng)網(wǎng)絡(luò)框架來讓人工智能自主搭建適合業(yè)務(wù)場(chǎng)景的網(wǎng)絡(luò)，人工智能的另一扇大門被打開。

三、能不能快點(diǎn)?。吭诟陕镅?？

對(duì)不起，我正在努力處理您的請(qǐng)求，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。根據(jù)系統(tǒng)監(jiān)控?cái)?shù)據(jù)，當(dāng)前系統(tǒng)負(fù)載較大，處理請(qǐng)求的速度會(huì)受到影響。我們正在努力提升系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。我們正在盡力改善系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。我們正在努力改善系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。我們正在努力改善系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。我們正在努力改善系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。我們正在努力改善系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。我們正在努力改善系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。我們正在努力改善系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。我們正在努力改善系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。我們正在努力改善系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。我們正在努力改善系統(tǒng)性能，以提高處理速度，但是由于系統(tǒng)負(fù)載較大，處理速度可能會(huì)有所延遲。對(duì)此，我們深表歉意，并將盡快恢復(fù)正常處理速度。如果您有任何疑問，請(qǐng)隨時(shí)與我們聯(lián)系，我們將竭誠為您服務(wù)。

四、毫末 AI DAY干貨滿滿 以數(shù)據(jù)驅(qū)動(dòng)的自動(dòng)駕駛3.0時(shí)代已經(jīng)到來

易車原創(chuàng) 以往提到輔助駕駛你可能首先會(huì)聯(lián)想到特斯拉、華為或者小鵬，但如今你可能需要記住一個(gè)后來居上的新玩家了，它就是毫末智行。這家公司是由長城汽車的智能駕駛前部孵化而來，在成立的1020天之后，毫末給我們奉上了一份令人驚嘆的成績單。

就在9月13日舉行的第六屆HAOMO AI DAY上，毫末再一次向我們展示了他們的最新成果和傲人成績：毫末1000天，跑出了中國自動(dòng)駕駛最快的1000天，穩(wěn)居“中國量產(chǎn)自動(dòng)駕駛第一名”，兩年半時(shí)間穩(wěn)定交付三代乘用車輔助駕駛產(chǎn)品，目前已搭載超過十款明星車型，中國首款搭載大規(guī)模量產(chǎn)城市NOH車型摩卡DHT-PHEV激光雷達(dá)版計(jì)劃9月量產(chǎn)，年內(nèi)發(fā)售。搭載毫末HPilot的魏牌摩卡PHEV和歐拉好貓，獲得歐盟E-NCAP“五星安全評(píng)級(jí)”，使得毫末成為中國首個(gè)出海量產(chǎn)落地的自動(dòng)駕駛公司。末端物流自動(dòng)配送方面，占據(jù)該領(lǐng)域領(lǐng)先的市場(chǎng)份額，小魔駝2.0量產(chǎn)下線交付客戶。毫末開創(chuàng)的中國首個(gè)數(shù)據(jù)智能體系MANA完成數(shù)十萬全要素、多模態(tài)CLIPS的標(biāo)注，積累300萬小時(shí)中國道路駕駛認(rèn)知場(chǎng)景庫，相當(dāng)于人類司機(jī)4萬年，基本完成數(shù)據(jù)閉環(huán)……

以上這一系列成績很難讓人相信這是一家僅僅成立了兩年半的公司。那么接下來我們就結(jié)合這次AI DAY 活動(dòng)的干貨分享帶各位了解一下毫末是如何做到進(jìn)步如此迅猛并且成績斐然的。

01 “大模型+大數(shù)據(jù)” 毫末全力沖刺自動(dòng)駕駛3.0時(shí)代

在此次活動(dòng)上，毫末智行CEO顧維灝博士發(fā)表了主題為《毫末和自動(dòng)駕駛的3.0時(shí)代》的演講，在業(yè)內(nèi)首次提出“自動(dòng)駕駛已經(jīng)進(jìn)入數(shù)據(jù)驅(qū)動(dòng)的3.0時(shí)代”的行業(yè)判斷。

那么自動(dòng)駕駛的演進(jìn)過程到底是怎樣的呢？1.0、2.0和3.0之間又有怎樣的跨越和不同呢？

首先1.0時(shí)代還是以硬件驅(qū)動(dòng)為主：感知能力主要靠激光雷達(dá)，認(rèn)知方式依賴人工規(guī)則，整車成本較高，自動(dòng)駕駛的里程規(guī)模也就在100萬公里左右；

其次到了2.0時(shí)代則是以軟件驅(qū)動(dòng)為主：感知方式由激光雷達(dá)變成了多傳感器的單獨(dú)輸出結(jié)果，融合方式還不健全。并且訓(xùn)練模式還是小模型和少數(shù)據(jù)的情況，認(rèn)知方式仍舊是人工規(guī)則為主，自動(dòng)駕駛的里程規(guī)模上升到100萬到1億公里之間；

最后以數(shù)據(jù)驅(qū)動(dòng)的自動(dòng)駕駛3.0時(shí)代則是毫末沖刺的方向：感知方式上實(shí)現(xiàn)多傳感器融合輸出結(jié)果，認(rèn)知上進(jìn)化為可解釋的場(chǎng)景化駕駛常識(shí)，訓(xùn)練模式達(dá)到大模型和大數(shù)據(jù)的體量，自動(dòng)駕駛里程也提升到1億公里以上，毫末一直在為自動(dòng)駕駛3.0時(shí)代做準(zhǔn)備，在感知、認(rèn)知、模式建設(shè)上，都是按照數(shù)據(jù)驅(qū)動(dòng)的方式建設(shè)的。毫末所做的一切的，都是為了能夠做出數(shù)據(jù)通道和計(jì)算中心，以便可以更高效地獲取數(shù)據(jù)，并把數(shù)據(jù)轉(zhuǎn)化為知識(shí)。目前特斯拉已領(lǐng)跑全球率先進(jìn)入自動(dòng)駕駛3.0時(shí)代，而毫末最有可能成為中國公司中第一個(gè)進(jìn)入自動(dòng)駕駛3.0時(shí)代的公司。

顧維灝表示，Attention大模型作為當(dāng)前AI發(fā)展的新趨勢(shì)，其所帶來的機(jī)遇和挑戰(zhàn)，成為自動(dòng)駕駛3.0時(shí)代的重要驅(qū)動(dòng)因素之一。Attention最大的特點(diǎn)是結(jié)構(gòu)簡(jiǎn)潔，可以無限堆疊基本單元得到巨大參數(shù)量模型，隨著參數(shù)量的增加和訓(xùn)練方法的提升，大模型的效果在很多NLP任務(wù)上已經(jīng)超越了人類平均水平。不過Attention的大模型也面臨一大挑戰(zhàn)，即由于其對(duì)算力的需求遠(yuǎn)遠(yuǎn)超出了摩爾定律，這導(dǎo)致大模型的訓(xùn)練成本非常高，在終端設(shè)備上的落地非常困難。

Attention大模型帶來的機(jī)遇和挑戰(zhàn)，正驅(qū)動(dòng)自動(dòng)駕駛行業(yè)的技術(shù)變革?！昂聊┱谕ㄟ^低碳超算來降低自動(dòng)駕駛成本，通過改進(jìn)車端模型和芯片的設(shè)計(jì)來實(shí)現(xiàn)大模型的車端落地，通過數(shù)據(jù)的組織讓大模型發(fā)揮更大效力?！鳖櫨S灝表示，在數(shù)據(jù)層面，基于Attention大模型，自動(dòng)駕駛需要大規(guī)模且多樣性的訓(xùn)練數(shù)據(jù)，而基于大規(guī)模真實(shí)人駕數(shù)據(jù)的乘用車輔助駕駛才有能力積累到足夠規(guī)模和足夠多樣的數(shù)據(jù)。毫末認(rèn)為，輔助駕駛是通往自動(dòng)駕駛的必由之路。因?yàn)橹挥休o助駕駛，才有能力收集到足夠規(guī)模和足夠多樣的數(shù)據(jù)。據(jù)悉，毫末經(jīng)過接近三年的發(fā)展，目前已是中國量產(chǎn)自動(dòng)駕駛公司的第一名，目前用戶輔助駕駛里程已接近1700萬公里，數(shù)據(jù)規(guī)模正在持續(xù)快速增加。

低碳超算層面，毫末在此次AI DAY上正式官宣了中國自動(dòng)駕駛科技公司首個(gè)超算中心。顧維灝表示：“如何提升訓(xùn)練效率降低訓(xùn)練成本，實(shí)現(xiàn)低碳計(jì)算，是自動(dòng)駕駛走進(jìn)千家萬戶的一個(gè)關(guān)鍵門檻?！焙聊┏阒行牡哪繕?biāo)是滿足千億參數(shù)大模型，訓(xùn)練數(shù)據(jù)規(guī)模100萬clips，整體訓(xùn)練成本降低200倍。

在算法模型層面，顧維灝介紹，毫末早在2021年6月便啟動(dòng)了針對(duì)transformer大模型的研究和落地嘗試。正是基于過去一年多在訓(xùn)練平臺(tái)改造升級(jí)、數(shù)據(jù)規(guī)格和標(biāo)注方法的切換準(zhǔn)備、針對(duì)感知、認(rèn)知具體任務(wù)的模型細(xì)節(jié)探索等方面的成功實(shí)踐，為現(xiàn)在毫末在城市導(dǎo)航輔助駕駛場(chǎng)景中的快速發(fā)展打下了堅(jiān)實(shí)基礎(chǔ)。

02  MANA全方位升級(jí)，助力輔助駕駛走進(jìn)城市

城市導(dǎo)航輔助駕駛場(chǎng)景是當(dāng)前自動(dòng)駕駛功能的核心突破點(diǎn)，也是兵家必爭(zhēng)之地。然而從道路與交通狀況單一的高速場(chǎng)景進(jìn)入交通參與者眾多、道路與交通狀況極其復(fù)雜的城市場(chǎng)景，自動(dòng)駕駛系統(tǒng)面臨的技術(shù)難度可以說是倍數(shù)級(jí)增長。巨大的挑戰(zhàn)也拖住了眾多自動(dòng)駕駛廠商“進(jìn)城”的步伐，只能持續(xù)鏖戰(zhàn)技術(shù)突破點(diǎn)。毫末早在2021年底就立下了打贏“輔助駕駛城市場(chǎng)景之戰(zhàn)”的Flag，率先在城市輔助駕駛領(lǐng)域開啟了技術(shù)探索之旅，如今毫末數(shù)據(jù)智能體系MANA正迎來多項(xiàng)里程碑式的升級(jí)迭代。

顧維灝表示，城市道路主要存在“4類場(chǎng)景難題、6大技術(shù)挑戰(zhàn)”。其中場(chǎng)景難題主要包括“城市道路養(yǎng)護(hù)”“大型車輛密集”“變道空間狹窄”“城市環(huán)境多樣”。解決上述場(chǎng)景難題，技術(shù)層面面臨六大挑戰(zhàn)：1、如何能更高效地將數(shù)據(jù)規(guī)模轉(zhuǎn)化為模型效果 2、如何讓數(shù)據(jù)發(fā)揮更大的價(jià)值 3、如何使用重感知技術(shù)解決現(xiàn)實(shí)空間理解問題 4、如何使用人類世界的交互接口 5、如何讓仿真更真 6、如何讓自動(dòng)駕駛系統(tǒng)運(yùn)動(dòng)起來更像人。

為了應(yīng)對(duì)上述挑戰(zhàn)，MANA感知智能、認(rèn)知智能等方面均迎來更新升級(jí)。

首先，MANA通過使用大規(guī)模量產(chǎn)車無標(biāo)注數(shù)據(jù)的自監(jiān)督學(xué)習(xí)方法打造模型效果，相比只用少量標(biāo)注樣本訓(xùn)練，訓(xùn)練效果提升3倍以上，這讓毫末數(shù)據(jù)優(yōu)勢(shì)得以高效轉(zhuǎn)化為模型效果，以更好適應(yīng)自動(dòng)駕駛各種感知任務(wù)需求。

其次，MANA感知能力提升，讓海量數(shù)據(jù)不再被區(qū)別對(duì)待。面對(duì)巨大數(shù)據(jù)規(guī)模下的“數(shù)據(jù)效率”難題，MANA構(gòu)建了增量式學(xué)習(xí)訓(xùn)練平臺(tái)，抽取部分存量數(shù)據(jù)加上新數(shù)據(jù)組合成一個(gè)混合數(shù)據(jù)集。訓(xùn)練時(shí)要求新模型和舊模型的輸出保持盡量一致，對(duì)新數(shù)據(jù)的擬合盡量好。相比常規(guī)做法，整體算力節(jié)省80%，響應(yīng)速度提升6倍。

第三，MANA感知能力更強(qiáng)。通過使用時(shí)序的transformer模型在BEV空間上做了虛擬實(shí)時(shí)建圖，使得感知車道線的輸出更加準(zhǔn)確和穩(wěn)定，讓城市導(dǎo)航自動(dòng)駕駛告別高精地圖依賴。

第四，MANA感知能力更準(zhǔn)，讓中國沒有不能識(shí)別的車輛信號(hào)燈。MANA通過升級(jí)車上感知系統(tǒng)，對(duì)剎車燈、轉(zhuǎn)向燈狀態(tài)進(jìn)行專門識(shí)別，讓駕駛員在處理前車急剎、緊急切入等場(chǎng)景中更安全和舒適。

第五，MANA認(rèn)知能力也再次進(jìn)化。面對(duì)路口這一城市最復(fù)雜場(chǎng)景，MANA在仿真系統(tǒng)中引入了高價(jià)值的真實(shí)交通流場(chǎng)景，與浙江德清、阿里云合作，將路口這一城市最復(fù)雜場(chǎng)景引入仿真引擎，構(gòu)建自動(dòng)駕駛場(chǎng)景庫，通過自動(dòng)駕駛的真實(shí)仿真驗(yàn)證，時(shí)效性更高、微觀交通流更真實(shí)，有效破解了城市路口通過“老大難”問題。

最后，MANA認(rèn)知智能迎來新階段。通過對(duì)覆蓋全國的海量人類駕駛進(jìn)行深度理解，學(xué)習(xí)常識(shí)和動(dòng)作擬人化，使得毫末輔助駕駛決策更像人類實(shí)際駕駛行為，可結(jié)合實(shí)際情況選擇最優(yōu)路線保證安全，體感更像老司機(jī)。

 MANA的再次進(jìn)化，為毫末城市NOH掃平了“進(jìn)城”路上的最大障礙?！昂聊┏鞘蠳OH是更懂中國城市路況的導(dǎo)航輔助駕駛?！鳖櫨S灝表示，毫末城市NOH采用“重感知、輕地圖、大算力”技術(shù)路線，在MANA的賦能助力下，具備智能識(shí)別交通燈、智能左右轉(zhuǎn)、智能變道、智能躲避障礙物-靜態(tài)、智能躲避障礙物-動(dòng)態(tài)五大亮點(diǎn)功能，此外“智慧交通流處理”功能也將正式發(fā)布。

可以想象在今后輔助駕駛不僅能在高速場(chǎng)景中應(yīng)用，在我們每天上下班通勤的場(chǎng)景也可以使用，這會(huì)極大緩解我們的出行疲勞并提升我們的駕駛舒適感。我個(gè)人真是十分期待的。

03 “重感知，輕地圖”將會(huì)成為未來的行業(yè)趨勢(shì)

現(xiàn)如今許多車企也在做城市輔助駕駛，像特斯拉、華為、小鵬等，毫末選擇的路線似乎更貼近特斯拉，就是更看重第一性原理，依靠車輛本身的智能化來實(shí)現(xiàn)各類輔助駕駛功能。接下來咱們看看這幾家公司的具體技術(shù)路線和完成效果到底如何。

先來說說特斯拉，在全球范圍內(nèi)，特斯拉可以說是在輔助駕駛技術(shù)上研發(fā)技術(shù)最快、并且量產(chǎn)速度也最快的，早在去年時(shí)，特斯拉FSD就已經(jīng)支持城市域高級(jí)輔助駕駛功能，并在不斷迭代后，在一位美國用戶的使用下實(shí)現(xiàn)了從東海岸到西海岸橫跨600多公里的全程零接管輔助駕駛。

不過在國內(nèi)，因?yàn)樯婕暗綌?shù)據(jù)安全等問題，特斯拉FSD的更新進(jìn)度并不能和美國同步，這導(dǎo)致國內(nèi)的特斯拉消費(fèi)者在已經(jīng)付費(fèi)的情況下很難享受到和海外版本同樣的使用體驗(yàn)。另一方面，F(xiàn)SD對(duì)國內(nèi)的駕駛環(huán)境和消費(fèi)者駕駛習(xí)慣的適應(yīng)程度還稍顯欠缺，有點(diǎn)水土不服的意思，因此也限制了消費(fèi)者對(duì)特斯拉輔助駕駛系統(tǒng)的期待。

對(duì)比特斯拉在國內(nèi)的近乎停滯，華為的進(jìn)步速度則堪稱閃電級(jí)。華為在5月初就率先推出了搭載有華為智能駕駛解決方案的極狐阿爾法S華為HI版，搭載由3顆固態(tài)激光雷達(dá)、6顆毫米波雷達(dá)、11顆高清攝像頭組成的輔助駕駛硬件，主控芯片來自華為的MDC 810計(jì)算平臺(tái)，算力可達(dá)400TOPS。另外最近很火的阿維塔11也同樣是在華為的全棧智能汽車解決方案的支持下有著不俗表現(xiàn)的。極狐阿爾法S 華為HI版能夠?qū)崿F(xiàn)城市內(nèi)的主動(dòng)跟車、主動(dòng)變道、大曲率匝道車道保持、行人避讓等功能。整體表現(xiàn)確實(shí)還不錯(cuò)，但也有弊病咱稍后再說。

作為國內(nèi)最早、最知名的造車新勢(shì)力之一，小鵬在輔助駕駛技術(shù)方面的發(fā)力也是相當(dāng)迅猛的。據(jù)悉，城市NGP版小鵬P5搭載由2顆激光雷達(dá)、5個(gè)毫米波雷達(dá)、12個(gè)超聲波雷達(dá)、13個(gè)攝像頭組成的輔助駕駛硬件，具備30TOPS算力，在實(shí)測(cè)中實(shí)現(xiàn)了城市中180度調(diào)頭、紅綠燈識(shí)別、變道繞行、極端天氣/特殊情況應(yīng)對(duì)、無保護(hù)左轉(zhuǎn)、大型車輛應(yīng)對(duì)檢測(cè)、低速跟隨判斷等眾多功能。

華為和小鵬雖然

以上就是關(guān)于ai大模型排行相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。

推薦閱讀：

ai作文生成器（ai作文生成器百度）

again怎么讀音發(fā)音英語（again怎么讀音發(fā)音英語翻譯）

ai自動(dòng)寫作軟件哪個(gè)好（ai自動(dòng)寫作軟件哪個(gè)好一點(diǎn)）

北京全案策劃公司（北京全案策劃公司招聘）

電商市場(chǎng)專員是做什么的（電商市場(chǎng)專員是做什么的啊）