Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

宇多田撰文

自动驾驶与车联网引发了谁的焦虑与困惑? 这场三方闭门会议说明答案

关于机器之心 AI20 : 
AI20 是机器之心发起的聚焦人工智能产业应用的高端闭门分享活动,每期活动邀请20名人工智能技术公司及产业界的专家和决策者,共同探讨人工智能产业化。本活动旨在通过高质量内部分享和探讨,促进人工智能技术方和产业方之间更加高效的交流合作,辅助各方进行产业决策,搭建人工智能落地的产业平台。首期 AI20 以「大数据人工智能在汽车行业的应用」为主题,邀约了 Deepmap 、径卫视觉、钛马车联网、数之联、数策等数据智能企业代表与来自产业界的嘉宾进行深度交流。

撰文 | 宇多田

在一个聚集了上海政府、技术公司与传统汽车人的闭门会议上,气氛有点特别:

台上的技术创业公司不讲产品不讲技术,只聊客户反馈与多年踩坑心得;而台下来自上汽、吉利、威马、博世等一众车企与 Tier1 厂商的老炮儿们无不在认真拿笔写写画画,期间还举手提问请对方解惑。

不得不说,在剥离掉许多公开活动的宣传包装成分后,这场闭门会议除了让我们对科技公司的创业之痛有了更切实的感知,也对「车厂爸爸们」面向新技术的态度有了新的认识——

车厂很焦虑,他们比谁都想先让新技术在自己车上「跑」起来。

而究其原因,用演讲嘉宾钛马网 CEO 的一段话解释再合适不过:

「今天大家不要看不起特斯拉,它的市值超过福特和通用,又超过了宝马,这是有必然原因的。我们不能说它是完全市场炒作,市值超过一堆百年传统大厂,大家可以想象一下这是不得了的事情。

为什么?以用户为中心已经成为潮流,而很多车厂还在只考虑产品和产能,就想着一个点——怎么在客户买车的那一刻忽悠它,连后面那堆售后服务都是迫不得已才要做的。

而现在,你逛一圈车展就知道,反映在产品力上面的竞争已经结束了,水平都差不多了。

但是体验和功能向上的,譬如智能座舱和 ADAS 的竞争还进行地十分火热。

而智能座舱做完还会有更高阶的人工智能驾驶舱,ADAS 下面还有更高阶的自动驾驶功能,这些维度都会对汽车产品力和汽车的用户运营战略产生双重影响。

不过你看,掌握这些核心技术的都不是车厂。」

虽然如今几乎没有一家汽车企业不设立与大数据、车联网以及智能驾驶相关的业务部门,甚至许多家车厂也仿照自动驾驶技术公司,给自己的车装上各种传感器,然后低调地把它们放到全国的道路上去收集数据。

但是,这些都不能掩盖「不擅长」这个基础事实。

给车装了昂贵的传感器,能跑起来吗?跑起来以后就能顺利扫出高精地图?以及关于数据传输,特殊场景数据分析,道路规划等等相关的一系列问题都会接踵而至。

而这不仅仅是把各类工程师「拼凑」起来这么简单。

「之前有主机厂就说要不我自己去买一家地图企业,自己去做高精地图吧。然后我说你这事肯定不靠谱。」

另一位演讲嘉宾高精地图 DeepMap 大中华区总经理刘澍泉在与车厂的频繁接触中,也曾遇到一些公司期望用钱来一次性买断这个技术能力,

「为什么不靠谱?

今天粤港澳你知道里面的交通符号、交通法规有多大差异。你知道中国的左舵驾驶车和英汽的右舵驾驶车,行驶习惯上有多大差异?

你知道在中国里侧道路常见的左转调头道路标识,在美系道路标识里面根本没有;在英国全是 roundabout(转盘,有点类似于中国的环岛),在中国则全是红绿灯,有高架桥。 

专业人干专业事儿,做成高精地图这件事,除了你对测绘了解,你还要对交通法规有很深的了解,然后再结合人工智能,你才能做成这件事儿。」

事实上,除了防止割裂地去看待每一项技术能力,割裂看待每个以用户为中心的汽车应用方向也是一个当下相关行业里错误的认识。

自动驾驶、车联网、智能制造以及共享汽车(分时租赁),每个方向单拎出来都能被专业人士塑造成一个颠覆汽车未来的商业赛道,但我们却一直忽视了他们之间的关联性。

  • 自动驾驶所涉及到的带宽以及数据传输问题,需要车联网的「底层支援」。而这两个概念也是「智慧城市」不可忽视的两个组成部分;

  • 自动驾驶汽车的量产与验证流程,智能网联汽车的软硬件升级,都与智能制造脱不了干系;

  • 共享汽车从一开始就和自动驾驶捆绑地特别紧,虽然短期来看实现难度之大有目共睹,但对于重金押注分时租赁的车企们来说,理论上自动驾驶的确能够解决线下运营调度的问题,也能够提升车辆的利用率。

不过有趣的是,从当下来看,解决分时租赁企业遇到的麻烦倒是与一些特定的车联网功能「一拍而合」。

譬如,来自国内某汽车分时租赁平台的嘉宾就对因驾驶安全问题导致的运营成本高居不下而非常头痛,就向演讲嘉宾径卫视觉 CTO 李亮提出了两个问题:

「我们在全国大概投了几万辆车,有一部分用户是刚拿到驾照,发生事故的概率相对较高,这种情况会造成每年的运营成本的增加。

所以我的疑问是,安装一些有疲劳检测功能的软硬件是否会产生作用?当我们收集到不良驾驶行为数据之后,如何对这些驾驶行为进行进一步干预?」

前一个问题可以让相关人脸识别技术公司发挥用武之地;后一个问题如何解决则需要双方做进一步探索。

幸运的是,在汽车产业恰逢「新旧转换期」的当下,传统汽车与新兴技术公司之间并不是「支配」与「被支配」的关系,也不是竞争关系。

互相学习,才能各取所需。

机器之心选取了本次闭门会议其中2位嘉宾的精彩演讲,但由于部分内容涉及到技术商业机密且内容相对敏感,我们应演讲者要求对内容进行了删减处理(以下内容以第一人称呈现):

DeepMap刘澍泉:车企能用的高精地图到底长什么样?

今天我们去做地面测量,不管是测绘公司,还是其他企业,都会选取一些观测点。然后基于这些观测点,根据天气情况每个点用 GPS 平均测量 4~8 个小时,得出一个测量平均值,就是这个观测点的绝对精度。

绝对精度事本身是一个统计平均值,并不是完全准确的,当有了云或风,或其他天气变化的时候,绝对精度会出现一定偏差。

假如说能通过绝对精度去做自动驾驶这件事,可能自动驾驶在十年前就实现了。

因为整体 GPS 这一套系统,无论是北斗,还是差分 GPS 技术都已经很完整。 

但为什么自动驾驶的定位到今天都这么难做,原因就在于 GPS 信号是一种弱信号,经常会受到各种各样的影响。

依靠 GPS 定位,定位偏差保持在米级已经算好的了。我们碰到过高架桥下高达 8 米的偏差,隧道和地库里则根本没有信号。

这个时候该怎么做?我们的答案是,在我们创业之初就确定了通过相对精度以及定位服务去解决自动驾驶的问题。 

那么高精地图怎么去发挥作用呢?

首先,这个东西是给机器指路的,不是给人指路的。因此,要认识到机器眼中的高精地图使用模式:

基于摄像头、激光雷达、GPS 等多种传感器相融合的精准定位。这些传感器在不同的环境下面会有置信度,根据每一个传感器在不同环境下的置信度,对传回的数据进行处理,再去决定机器应该朝哪个地方走。 

某国际顶级自动驾驶技术公司见过我们的定位服务效果,在看过我们的图后,提了一个问题——「为什么你的定位不抖啊」,当时我们也被问住了,最后才明白是因为我们的定位精度高。只有精度够高,才不会抖。

简单介绍完我们对高精地图的理解,再来谈一下为什么自动驾驶车一定需要高精地图,特别是 L4 级别以上的。

高精地图是作为一个经验的集合存在的。打个比方,你现在给一辆车装上 CPU 或传感器,但它仍旧是一张白纸,还没有你家小孩聪明。

当它还不如你更聪明,又没有给它经验的时候,那要怎么去训练它?

所以这就是高精地图针对于自动驾驶的基础设施定位。而我们做的是 mapping as service,地图生成服务。

但我们要强调我们做的不是完整测绘这件事。如果将它看作是测绘服务的话,前面所说的绝对精度所存在的问题,就会困扰所有的人。

尤其是主机厂,当面临量产的时候,就会发现每家图商所提供的地图,标准都是不一样的。要如何去做地图的 matching,这件事就非常复杂。

因为要把大家的数据揪到一个标准(坐标系)上,但是你自己所依靠的标准本身就是不准确的。

今天当每一个主机厂去做自动驾驶的时候,其实你是需要一个定制化的 mapping as service,而不是一张静态的地图。地图是需要动态更新的,而做到动态更新需要比较高的制图效率。

如果仅仅是一张图,今天可以从中国的几大图商那边买到。

中国有一家主机厂用 8 个月与一家图商合作,后者并没有给他提供这样一张精度足够高的图。同时主机厂也认为所用时间太久。

这样来看,无论是高精地图的测量精度还是测量效率,都是车企非常看重的。

作为一家技术创业公司,最后再回到对政府这边的诉求。

一方面,对于自动驾驶路段,我们作为一家自动驾驶基础设施供应商,希望把我们的图给所有的车厂使用,我们完全可以将数据转换为多种大家都可以使用的格式。

测绘部门对绝对精度信息有严格规定,如果你没有资质而去测绘,就是非法拥有测绘数据。我们希望主管部门对于民用地理位置信息,能够更加开放。 

因为如果从实际的角度来看,今天 OEM 都会涉及到各种方案,通常有几套定位方案,相互冗余,来增加驾驶安全性。

另一方面,现在有一个概念叫「车路协同」,是通过加强道路智能化提升自动驾驶的安全性。

这样做确实有利于自动驾驶安全性的提升。但并不是「乱提高」,要花钱办实事。

从我的角度来看,觉得今天第一件要去办的事,就是地面油漆的反射强度弱的问题。中国路面油漆的反射强度跟欧美比,相差很远。

这个不仅是我们会遇到的问题,是所有做高精地图相关的人、做视觉服务的人、做感知的人都会遇到的问题。 

中国的道路油漆的反射强度不够,我希望这个可以是在发展车路协同里面第一个要去改进的。

有人说要做一个自动驾驶测试场地,把驾驶场做的造价巨高,甚至有人说每隔几十米装一个激光雷达,我说这样做成本不合适,对方不明白为什么?

因为,其实在道路旁边,通过高反光的油漆做路标,就可以达到目的,比激光雷达的成本要低得多。

也因此,我们认为在车路协同里面增加路上的一些有效特征,特别是低成本的有效特征要比用一些高成本花大价钱的复杂传感器,然后去考验机器,要来的简单明确得多。


钛马车联网叶志华:做车厂生意,需要对车联网进行「中国式思考」

我很喜欢这样的会。今年进入创业第九个年头了。记得前五年就到处去混大论坛路演,这四年不去了,专去这种小场合,很多话在大场合绝对听不到。

车联网这个话题在前几年很热,大家都投了很多钱,有些大车厂可能在车联网上投了 100 多亿了。但是效果如何呢?

我今天就聊一聊车厂的车联网业务到底应该怎么走,才能不走弯路。更多的是从策略制定角度来讲。

首先讲一下我们公司的定位,就是「汽车主机厂的保皇党」,反正就是帮助车厂做数字化转型升级。

这个可能跟我个人情感有关,因为我一直在做汽车行业。原来在 IBM 的时候我就是汽车咨询服务部(GBS)的中国区负责人。那时我们是在思考把如何把美国日本一些先进的系统引进到中国来。所以早期汽车行业里的订单系统,ERP 系统,DMS 系统,包括 4S 店的培训,我们都做过。

但是有一个问题一直没有解决,就是客户离车厂一直很远。

我们车厂天天在研究 CRM,但是从来没研究清楚,这么多年都是在走弯路。

弯路是什么?就是我们车厂很想去管理客户。我们都是车主,我们愿意被谁管理吗?不会愿意吧。所以车厂想去管理客户,这是不会成功的。

后来等到车联网技术出来以后,我觉得这是个好东西。因为它在百年汽车历史上第一次解决了车厂和客户之间、车厂与车辆之间在使用过程中的联系。所以我预感到是个大方向,就义无反顾去创业了。 

当然里面的弯路很多。

我们花了三年时间,研发成功了国内第一套车联网系统,所有指标都达到了安吉星同样水平,那个时候就很自豪。

但问题是,我们真不知道这产品卖给谁。

车厂领导问我一个问题,买车联网,一辆车要花多少钱?我说 2000 元到 3000 元。他又问我——如果我装了这个东西,能不能多卖车?我说我不知道,全世界没这个案例。他说如果我不装车联网,拿 3000 元促销,肯定能多卖车。他说这个东西不靠谱肯定不行。 

所以从那个时候,实际上我对车联网就进入了叫「中国式的思考」。

我们在公司发展历史上也有一段时间宣传自己叫「中国式车联网企业」,因为我们模仿了以后,我们才知道原来那东西不行,对卖车没用,甚至对服务都没用,就是像个玩具一样玩一玩,对整个产业的价值不大。

所以后来我们才进入了真正的创业时期,而不是模仿时期。

所以今天我讲的东西都是在我们真正的车联网创业过程中,我们觉得有价值的,也是推荐给车厂去做的事。 

我们先研究了联网车的未来商业生态究竟是个什么样子,先把这一块研究透了,然后再倒过来看为什么要做车联网。

首先,这就涉及到车厂对车联网的定位。

常见的定位是「玩具」,用户体验,好玩。更好的定位是「移动出行战略」的基础设施。

「移动出行」战略是各个车厂未来三年的战略。这个战略看似跟车联网无关,但是其实关系紧密。

以前的车厂和客户是脱节的,甚至认为客户买了车最好不要再来找我,这样的保修成本最节约。

而移动出行战略的本质是客户战略,是车厂从今天的「以产品为中心」,向明天的「以用户为中心」升级。这是车厂要经历的第一个考验。

因为今天如果以产品为中心,对不起,特斯拉来了,那么多互联网创业公司开始造车了,如果以产品为中心,车厂必输无疑。 

今天大家不要看不起特斯拉,如果说特斯拉的市值超过福特和通用,这是有必然原因的。我不能说它是完全市场炒作,大家可以想象这不得了的事情。

为什么?因为今天是以用户为中心,已经成为潮流,如果不变车厂未来没有市场。

以客户为中心,必须打通客户的四个场景:在买车之前,本地出行、异地出行,打车为主,全家郊游时就租个车;买车以后,本地出行以自驾车为主,在限行日、维修时感觉不方便,如果去外地也还是打车或租车。 

我们的 mobility(移动出行)战略应该怎么来做?

很多汽车厂做专车业务,比如说吉利就是做曹操专车。但长期来看做专车是没有出路的。因为你一个车厂上能搞多少专车?相比车厂百万级的年销量,专车能消耗的比例很低。

我们看到某大品牌汽车厂有一个报告,他说 2025 年,25% 的车不是卖掉的是租掉的。

当然,车厂的核心还是卖车,但它的业务要扩大到其他三个象限里的「租车」。我是不太鼓励去做专车,因为专车能够胜过滴滴的概率非常小。

因此我们做了一个定义,就是未来的车企,它的移动出行战略和明天的业务蓝图,会从第二象限(客户买车来开)扩大到其他三个象限(买车前的本地异地行为,以及买车后的异地行为)。 

车厂现在无比积极地要运营用户。但如果我们没有一个很好的服务体系,他为什么要被你运营?

假如说我在北京买一辆奥迪车,我到了星期五我就不能开,你还要来运营我,我肯定骂人是吧?

车厂你给我服务,你首先解决星期五那天,限行日能不能有个代步车,甚至很便宜的代步车,用成本价的代步车给我行不行?

这些车厂如果都没做的时候,根本不要去谈用户运营,根本拉不动用户,没有人愿意被运营。

所以以用户为中心,就是要把这四个象限打通。

另外一个场景是智慧零售,我觉得这是对车厂的第二个考验。因为今天的互联网造车公司全部用智慧零售概念在跟我们车厂来竞争。

很多人说他们不会成功,因为他们的生产制造能力不够,研发能力也欠缺,也不严谨。

但是我认为他们不一定会输。

今天的汽车行业,是以品牌力和产品力取胜的。就是说品牌好,产品好,我就赢了。

在这种场合下面,新的造车势力一点胜算都没有,今年的车展可能很多人都看过了,今年新势力的车已经没有产品竞争力了,因为传统车厂的车出来比他还好。

这反映了什么?反映了在产品力上的竞争已经结束了,水平都差不多了。

那么接下来还能做什么?

智能驾驶舱,大家还在竞争。智能驾驶舱做完还会人工智能驾驶舱,ADAS 下面还会有更高阶的自动驾驶功能,都继续会下去,但是这些技术全部否不是车厂独创。 

今天大家各位在座的,你看有核心技术的人都不是车厂。

未来的这些更高的技术,已经超出了车厂的能力,都是社会的那些企业在创造新技术,车厂是使用方。

所以未来车厂的技术在产品力上应该是趋同的。不管我们今天哪一家的技术用上去,那能用一家一定能用第二家。

所以说产品上的竞争应该差别不大了,但是在未来的态势可能会发生新的问题。

未来的竞争战场,我起了个名字叫「用户平台的运营力」。 

在车联网的支撑下,用户平台的运营力将有一个极大的提升。这场竞争刚刚开始,互联网背景的造车新势力很重视,而各个车厂对这块的重视还不足,今天还是放在产品力上,因此我认为造车新势力不一定会输。

对于中国车企来说,品牌力的竞争是没优势的,产品力的竞争是同质化的,只有未来的用户平台运营一定是兵家必争之地。

所以这一块我们作为一家车联网创业公司,正在全力以赴地做。

用户平台运营力包括三个能力:一个是车联网的平台运营,第二个是会员车生活服务,第三个是会员出行服务。

这三个平台的运营是未来车厂新竞争态势的重头戏,而这三个平台的运营都与车联网有密切的关系。

目前,还有一个平台今天还没出现,就是会员出行。这个平台也一定会是下一步的中途重头戏,这个维度今天的互联网公司是没有优势的。 

包括今天的滴滴,大家有没有注意到滴滴和好几家车厂成立了合资公司,或者在谈合资公司。

但未来的会员出行平台,会员车生活平台,车联网平台,这个是车厂的核心竞争力。

既然这是车厂的核心竞争力,那么虽然今天他不会,但他未来一定会建自己的平台。这就像在积累谈朋友的经验一样。

所以我们判断是这三个领域完全是车厂的未来要做独立的体系,甚至是独立的组织,要把这三个东西运营起来。

今年在大众全球成立了一给数字汽车与服务的新软件部门,它对标的是汽车传统的 IT 软件,譬如 ERP,MES 等等系统,而且这个部分的预算将会大于 2%。

这个是什么?其本质包括了两样,一个是自动驾驶,一个是用户运营平台。所以自动驾驶加上用户运营,里面的资金量不得了,非常大。

当然今天大家都在谈自动驾驶,所以这个题目我也谈一下。

首先我先说一下车联网的代际。因为这个问题很混淆,有些车厂在做车联网,但因为没有指导思想所以实际上是在浪费。

我把车联网分成了四代,就是车联网 1.0、2.0、3.0、4.0。

早期车联网 1.0 阶段,我们做的就是安全安防、远程控制、在线导航这三样东西。在这里面包括 T-BOX 设备和 TSP 平台软件。

后来就是阿里巴巴斑马和上汽的合作,这是一个划时代的事件,它重新定义了车内信息娱乐。我有个通俗说法,就叫互联网上车了。它核心做了统一账号、信息娱乐、语音控制,可以讲是车联网 2.0 的代表。

今天的汽车厂,新做的车联网基本上都在 2.0 这个范围内。

所以问题来了——今天因为很多车厂也在讲自动驾驶,然后讲自动驾驶的时候,我问他与自动驾驶匹配的车联网有没有规划

他说这个我们不用管,我们只管自动驾驶,车联网我们部门已经有人管了。

这句话肯定是错的,因为自动驾驶是在干嘛?自动驾驶是在做未来 5~10 的产品规划

但如今没有一家车联网做的东西是为自动驾驶做的。就是说如果自动驾驶研发的人不考虑车联网,肯定未来这地方是个大窟窿。

实际上今天的车联网已经发展到了 3.0。第三代车联网的核心是要支持「移动出行」战略,目的是解决车厂下一步业务创新的问题,包括车生活运营、移动出行支撑平台、智慧零售支撑平台,这三个东西是车厂拥有用户平台运营力所必须的东西。 

在座的很多人来自车厂,你们可以回去带一个信息,今天的汽车厂投资车联网项目,应该直接上车联网 3.0,做九个模块,否则的话一二年后又落后了。

而车联网 4.0,可能还没人去碰,因为本质上是面向自动驾驶的。

自动驾驶所需要的车联网是什么样子?因为自动驾驶它是非常大的数据量,这个数据量怎么解决?网关和路由器肯定得把数据量的问题先解决了是吧?

今天对自动驾驶到底需要多少数据量,这个需求都没出来。整个业界也没有达成共识,到底是带宽多少,有人说反正不管,5G 估计肯定够了。

这句话肯定也是不对的,但也没人分析。

反正自动驾驶+车联网,另外还有一块需要考虑——「车内 25 小时」是自动驾驶时代的一个典型用户场景:

我不开车了,我坐在车内的一个小时干嘛?一个小时多出来了,所以叫车内 25 小时。

这个第 25 小时,需要怎样的车联网,今天也是不知道。

还有一个大家都在讲智慧城市。智慧城市如果没有自动驾驶,没必要谈智慧城市,对吧?

那么既然是自动驾驶,谈智慧城市,智慧城市需要怎样的车联网?

我们看到实现智慧城市现在有提出很多技术路径,有人说单车智能,有人说把路先变智能。

但这些东西都是今天不确定的。

但是在自动驾驶时代的车联网究竟应该做成什么,我觉得现在来做还不是很晚。

很多人问要不要现在直接上 4.0?

因为自动驾驶需要 5 到 10 年,甚至更长时间研发,而且自动驾驶所需要的车联网是什么样子、需求是什么,这些问题还没有定论。

而车联网研发周期一般两年就够了,所以我觉得 4.0 的研发三年以后再干也是来得及的。

等到自动驾驶有一定的成熟度我们再来研发与之相匹配的车联网。因此现阶段上车联网 3.0 是车企的最佳选择。

等到自动驾驶有一定的成熟度我们再来研发与之相匹配的车联网,譬如升级车联网的基础能力包括大数据的能力,压缩技术等等,从这些实际上来讲,在自动驾驶时代我们共创未来是来得及的。

产业自动驾驶车联网
1
相关数据
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

激光雷达技术

自动驾驶车辆传感器的一种,采用激光扫描和测距来建立车辆周围环境的详细三维模型。Lidar 图像具有高度准确性,这使得它可以与摄像头、超声波探测器和雷达等常规传感器相提并论。然而激光传感器面临体积过大的问题,同时,它的机械结构非常复杂。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

阿里巴巴机构

阿里巴巴网络技术有限公司(简称:阿里巴巴集团)是以曾担任英语教师的马云为首的18人于1999年在浙江杭州创立的公司。

https://www.alibabagroup.com/
宝马机构

宝马(BMW)是享誉世界的豪华汽车品牌。宝马的车系有1、2、3、4、5、6、7、8、i、X、Z等几个系列,还有在各系基础上进行改进的M系(宝马官方的高性能改装部门)。 宝马公司创建于1916年,总部设在德国巴伐利亚州慕尼黑。BMW的蓝白标志宝马总部所在地巴伐利亚州州旗的颜色。百年来,宝马汽车由最初的一家飞机引擎生产厂发展成为以高级轿车为主导,并生产享誉全球的飞机引擎、越野车和摩托车的企业集团,名列世界汽车公司前列。其全称为Bavarian Motor Work。 2018年7月10日,长城公司与宝马公司签署合资协议,合资成立光束汽车有限公司。2018年10月11日,宝马集团举行了中国战略协议签字仪式和华晨宝马铁西新工厂开工仪式。宝马对华晨宝马投资新增30亿欧元,合资协议延至2040年。 2018年12月18日,世界品牌实验室编制的《2018世界品牌500强》揭晓,宝马排名第16位。

www.bmwgroup.com
相关技术
5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

哈哈