北京時間8月3日上午消息,英國《衛(wèi)報》獲得的文件顯示,谷歌已經(jīng)悄然創(chuàng)辦了一家谷歌汽車有限責(zé)任公司,希望借此推進無人駕駛汽車的開發(fā)工作。
谷歌汽車公司由谷歌無人駕駛汽車項目負責(zé)人克里斯·厄姆森(Chris Urmson)領(lǐng)導(dǎo)。厄姆森在今年1月的北美國際車展上宣布,谷歌正在與通用汽車、福特、豐田、戴姆勒和大眾展開談判。他今年3月還對《今日美國報》說:“生產(chǎn)汽車非常困難,汽車廠商對此很在行。所以我認為應(yīng)該尋找合作伙伴。”
但目前為止,谷歌尚未與任何廠商確立合作關(guān)系。這可能是因為谷歌已經(jīng)擁有了自己的谷歌汽車公司。該公司將這項業(yè)務(wù)注冊為一家乘用車制造商,文件顯示,谷歌汽車公司2011年末就已經(jīng)成立。谷歌最初利用這家公司改裝和測試了多輛雷克薩斯SUV無人駕駛汽車,之前還曾經(jīng)改裝了首批普銳斯無人駕駛汽車。谷歌在加州機動車管理部門注冊的全部23輛雷克薩斯無人駕駛汽車都隸屬于谷歌汽車公司,其中一些車輛最近還卷入了一些輕微交通事故。
雖然這些交通事故并未引發(fā)任何官司,但華盛頓大學(xué)法學(xué)副教授阿妮塔·克魯格(Anita Krug)表示,在嘗試可能存在風(fēng)險的新業(yè)務(wù)時,很多企業(yè)都會設(shè)立子公司來專門從事這類業(yè)務(wù)。“當(dāng)你設(shè)立一家獨立實體時,責(zé)任通常也會獨立。”她說,“也就是說,倘若子公司遭遇財務(wù)困境,債權(quán)人無法向母公司追償。”
但隨著谷歌的無人駕駛汽車野心不斷膨脹,谷歌汽車公司的作用也在加大。去年5月末,厄姆森被任命為谷歌汽車公司的總經(jīng)理,負責(zé)該公司的日常運營工作。第二天,谷歌就宣布要開發(fā)100輛無人駕駛原型車,這些產(chǎn)品均沒有配置方向盤、油門和剎車踏板。
負責(zé)申請申請國際汽車識別號(VIN)的也是谷歌汽車公司。谷歌無人駕駛汽車還與美國國家公路交通安全局建立了合作關(guān)系,在加州展開了排放測試。為了逃避嚴格的安全要求和碰撞測試,谷歌汽車公司專門設(shè)計成了輕型低速汽車,最高時速僅為25英里/小時。
谷歌汽車公司提交給美國國家公路交通安全局的文件顯示,這些汽車都采用后輪驅(qū)動設(shè)計,每個車輪都配有自己的剎車系統(tǒng)。這些汽車由20-30千瓦的電動馬達驅(qū)動,由鋰電池供電。這些汽車目前都由谷歌的生產(chǎn)合作伙伴Roush公司在底特律郊外組裝。
厄姆森曾經(jīng)對監(jiān)管部門表示,谷歌汽車公司尚未銷售任何低速汽車,目前也沒有制定銷售計劃。但這并不意味著谷歌今后不會面向公眾直接銷售無人駕駛汽車。事實上,谷歌無人駕駛汽車項目發(fā)起人塞巴斯蒂安·特龍(Sebastian Thrun)曾經(jīng)說過:“谷歌的野心一直都是通過研發(fā)來推出實際產(chǎn)品。”
谷歌之前從來沒有為Google X部門的硬件項目成立過專門的公司??唆敻裾J為,這表明谷歌對該公司的成功很有信心,倘若果真成功,該公司甚至可能將其分拆。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。