智能化

站内搜索
青铜VIP免费

人工智能行业研究报告-德勤:全球人工智能发展白皮书

随着投资界和企业界对人工智能的了解逐步加深,人工智能投融资市场更加理性。人工智能投融资频次有所下降,但投资金额继续增加。特别是经过行业的一轮优胜劣汰后,底层技术创业公司以及落地性强的领域如医疗、教育、无人驾驶等创业项目继续受到人工智能领先机构的青睐。
青铜VIP免费

汽车驾驶自动化分级

2021年8月20日,GB/T 40429-2021《汽车驾驶自动化分级》推荐性国家标准由国家市场监督管理总局、国家标准化管理委员会批准发布(国家标准公告2021年第11号文),将于2022年3月1日起实施。该标准由工业和信息化部提出、全国汽车标准化技术委员会归口。
青铜VIP免费

高级别自动驾驶应用白皮书

各国在争相抢占自动驾驶制高点,国内多家企业相关产品技术水平已站在全球第一梯队,国内多地在推进高级别自动驾驶商业试点,为凝聚共识及推动行业发展,我们联合行业多家机构编写《高级别自动驾驶应用白皮书》。“高级别自动驾驶”可以提升运行效率和降低成本。当前,“高级别自动驾驶”已在公共道路和园区等多个场景应用,在公开道路开展商业化试点运营的出租车和自动配送已分布北京、深圳、上海、武汉、旧金山、菲尼克斯等城市。随着技术迭代及验证,“高级别自动驾驶”有望提升车辆运行能力,届时将激发大规模车辆置换需求。[Nead
青铜VIP免费

计算机行业AIGC专题:算力网络再讨论!从Dojo架构到算法的硬件延伸

Tesla Dojo的革新,启发我们进一步思考算力和网络的关系。硬件架构服从于算法设计,硬件需求的判断也不能与软件和应用层面脱钩。算力网络主线新一阶段的重要机会,应核心关注海外爆款应用或模型侧重大更新(Tesla是代表样本) ,以及国内新一轮的模型与应用开发。我们判断,随着国内科技大厂的网络演进至400G以上、运营商400G全光网推进建设、本土模型训练组网等加速,国内市场的高速网络需求将显著提升。算力网络与流量环节、AI服务器计算环节、华为产业链以及特斯拉与智能车产业链相关标的应重点关注。[Ne
青铜VIP免费

2023北京市高级别自动驾驶示范区数据分类分级白皮书2.0

本白皮书的编制工作发起于北京市高级别自动驾驶示范区,旨在发掘共性需求、建立行业共识。在编制内容上,基于《白皮书1.0》梳理了数据安全相关法规、政策、规范等文件,结合数据分类分级实践进展与车路云一体化数据资产特性,迭代修订了符合示范区业务实际的数据分类分级管理内容;同时,多维度展现示范区在保障车路云一体化数据的工作成效,多方面突出辖内企业在数据安全治理的探索实践,旨在为各地智能网联汽车测试示范区与行业各类型企业开展相关工作提供参考方案。
青铜VIP免费

人形机器人行业专题报告:人形机器人究竟需要怎样的AI模型?

实现任务级交互将成为解决人形机器人通用化难题的关键。当前人形机器人行业面临着高需求、低渗透率、商业化落地难的发展瓶颈,其核心原因在于机器人通用化水平不达预期。按照机器人控制层级的划分,通用化能力的提升需要机器人能够拥有高层级的自主规划能力。因此,如何让人形机器人独立完成高层级规划,实现任务级交互,将成为决定人形机器人能否实现商业化落地的关键。
青铜VIP免费

AI+行业之智能驾驶:自动驾驶的“大模型”时代

自动驾驶领域的大模型发展相对大语言模型滞后,大约始于2019年,吸取了GPT等模型成功经验。大模型的应用加速模型端的成熟,为L3/L4级别的自动驾驶技术落地提供了更加明确的预期。可从成本、技术、监管与安全四个层面对于L3及以上级别自动驾驶落地的展望,其中:成本仍有下降空间;技术的发展仍将沿着算法和硬件两条主线并进;法规政策还在逐步完善之中;安全性成为自动驾驶汽车实现商业化落地必不可少的重要因素。各主机厂自2021年开始加速对L2+自动驾驶的布局,且预计在2024年左右实现L2++(接近L3)或者
青铜VIP免费

行业大模型标准体系及能力架构研究报告

当前,随着人工智能技术的不断发展,深度学习模型的规模逐渐增大,性能显著提升,各行各业迎来了新的发展机遇。通用大模型作为通用技术基座,在多个任务和领域上均表现出较好的性能,但由于缺乏专业知识与行业数据,并不能精准解决某个行业或企业的特定需求和问题,而且通用大模型的构建和训练成本通常很高,难以实现商用。为更好解决特定行业问题,行业大模型应运而生。行业大模型可满足特定场景需求,更好地为行业提供优质的服务,促进行业智能化转型升级。
青铜VIP免费

加速行业智能化白皮书

在这个数字化、智能化的时代,人工智能已经逐渐成为推动科技发展的核心驱动力。人工智能技术越来越成为面向未来、开拓创新的重要工具和手段。其中,基于知识驱动的第一代人工智能利用知识、算法和算力三个要素构建AI; 基于数据驱动的第二代人工智能利用数据、算法和算力三个要素构建 AI。由于第一、二代 AI 只是从一个侧面模拟人类的智能行为,因此存在各自的局限性,很难触及人类真正的智能。而第三代人工智能,则是对知识驱动和数据驱动人工智能的融合,利用知识、数据、算法和算力四个要素,构建了新的可解释和鲁棒的 AI
加载更多