文章库 PRO通讯会员 SOTA！模型

AI每日精选

AI每日精选28条

AI每日精选28条

大公司新闻

云栖大会下周启幕，阿里将公布人工智能、「平头哥」突破进展阿里巴巴副总裁、云栖大会组委会负责人宋洁透露，「今年的『云栖大会』将公布阿里巴巴的最新科技成果，包括『平头哥』重磅产品、人工智能整体性突破进展等。」2019 年云栖大会将于 9 月 25 日-27 日在杭州举行。（澎湃）

滴滴自动驾驶出租车落地上海：或明年初投放据悉，滴滴将在上海落地自动驾驶出行服务，时间点预计在明年年初。滴滴将投入 30 辆 L4+级别的自动驾驶车辆，在特定的真实出行场景中进行「预商业化」。此前，在 2019 世界智能网联汽车大会上，滴滴成为首批获得上海智能网联汽车示范应用牌照的三家企业之一（另外两家是上汽和宝马）。

日本软银5G计划加速：2020年商用，2023年初步建成 9 月 17 日消息，日本电信运营商软银公司想要提前两年完成 5G 网络建设的初始阶段，计划明年 3 月推出商用 5G 无线服务。该公司原本计划在截至 2025 年 3 月的财年结束前，在日本各地部署 1.121 万个基站，覆盖日本 60% 以上的地区。

中国联通与高通物联网联合创新中心正式揭牌并投入使用 9 月 17 日，中国联通与高通物联网联合创新中心正式揭牌并投入使用，其作为双方在物联网领域战略合作的重要组成部分，旨在加深双方在物联网相关设备和技术方面的合作，共同探索新的物联网产品和物联网应用场景。联合创新中心初期将专注于新零售和 5G 物联网应用，未来有望拓展至智慧能源、智能制造等广泛领域。以联合创新中心为载体，双方还计划对基于 4G 和 5G 的物联网应用实例进行展示和演示。

中国电信牵头全球5G产业，共同制定5G SA部署指南近日，全球移动通信系统协会（GSMA）正式宣布，中国电信牵头全球 5G 产业，共同制定《5G SA 部署指南》。该指南将梳理全球 5G SA 产业链发展情况，总结 5G SA 系统部署经验，深入阐述 SA 核心技术、部署演进、终端、测试评估、业务应用等焦点问题，将为积极推进全球 5G SA 产业健康发展和 SA 网络规模部署提供高价值参考信息和重要指导建议。（人民邮电报）

腾讯与故宫将深化合作，建设国内首个聚焦传统文化的AI实验室等近日，故宫博物院与腾讯联合举办战略合作发布会，双方将再度升级下一个三年战略合作。未来三年腾讯与故宫将继续深化合作，通过数字化+云化+AI 化，帮助故宫的全面数字化与全产业链 IP 开发，打造面向下一个 600 年的智慧故宫。双方将在国内首个聚焦传统文化的 AI 实验室建设等重点领域展开密切合作，共同致力于「科技+文化」的深度互动和创新发展。

特斯拉超级工厂（一期）——联合厂房1顺利通过综合验收临港新片区管委会官方微信号消息称，临港地区建设项目管理服务中心组织规划、建设、消防、防雷、档案等专业验收部门在 9 月 12 日召开了特斯拉超级工厂项目（一期）——联合厂房 1 的综合验收现场会。特斯拉全球副总裁、大中华区总裁朱晓彤出席了会议。各专业条线分别对项目现场进行了验收并对现场相关施工资料进行核查，一致同意通过验收。

AutoBrain与北汽集团推出的队列自动驾驶技术展示和示范运营车队亮相日前，AutoBrain 与北汽集团合作打造的队列自动驾驶技术展示和示范运营车队亮相北京世园会，该队列技术将在 2022 年在北京冬奥会上进行队列自动驾驶的示范应用。这意味着 AutoBrain 成为北京市首家提供自动驾驶运营服务的公司，并且未来即将面向规模化量产。

投融资

高通收购与TDK合资公司权益向5G过渡，总价值31亿美元高通公司宣布，将收购 RF360 控股新加坡有限公司的剩余权益。RF360 为高通与日本 TDK 公司的合资公司，生产射频前端滤波器。高通称，包括最初投资、向 TDK 支付的款项以及发展义务在内，这笔交易的总收购价约为 31 亿美元。今年 8 月份，TDK 在 RF360 的剩余权益价值为 11.5 亿美元。高通表示，这笔收购交易将加强公司的射频业务，有助于支持公司向 5G 的过渡。（凤凰网科技）

「品微智能」完成数千万元天使轮融资 9 月 17 日消息，专注于半导体、PCB、LED、光伏电池等电子领域的工厂智能化解决方案厂商「品微智能」近日宣布完成数千万元的天使轮融资。本轮融资由武岳峰资本旗下管理的亦合资本领投，旭诺资本跟投，将主要用于产品研发和团队建设。

自动驾驶解决方案研发商「畅行智能」获得数千万元Pre-A轮融资 9 月 17 日消息，自动驾驶解决方案研发商「畅行智能」宣布获得数千万元人民币的 Pre-A 轮融资，由松禾资本领投，明势资本和清源创投跟投。本轮融资主要用于在港口实现自动驾驶年运输千万箱的目标，并扩充团队、迭代技术。

流程工业智能优化解决方案服务商「和隆优化」完成5000万元B轮融资流程工业智能优化解决方案服务商「和隆优化」完成 5000 万元人民币 B 轮融资，本轮融资由东华软件领投，千乘资本跟投。和隆优化创始人于现军表示：「本轮融资主要用于研发和补充日常经营现金流，用于团队建设、现有产品升级，以及新技术新产品的研发等。」（亿欧）

图森未来完成2.15亿美元D轮融资 9 月 17 日，图森未来宣布获得 1.2 亿美元的 D2 轮投资，并完成总额为 2.15 亿美元的 D 轮融资。D2 轮的投资方除了此前已宣布的 UPS 外，还包括新的投资方鼎晖资本，以及一级供应商万都（Mando Corporation）。图森未来的总融资额已经达到 2.98 亿美元。新一轮资本将用于拓展图森未来的无人驾驶运输服务，并进一步加深图森未来与车厂和一级供应商间的全方位合作。

产品与应用

比特大陆推出第三代TPU，支持算法集成加密作为国内排名第二的集成电路设计企业，比特大陆发布第三代深度学习专用芯片 BM1684，较上一代芯片性能提升六倍，集成数十亿颗晶体管，峰值算力达到 17.6 TFlops Int8 定点运算，2.2 TFlops FP32 浮点运算，典型功耗 16Wat，集成 960fps@1080P 高清视频编解码算法，聚焦云端及边缘应用的人工智能推理。比特大陆董事长詹克团表示，公司不销售算法，更希望和算法公司做朋友，芯片支持算法加密，明年将会推出第四代 AI 芯片。

Waymo无人车在加州已接送6299名乘客据外媒报道，Waymo 无人车在加州已接送 6299 名乘客。此外，在 2019 年 7 月，该公司总共完成了 4678 次旅客行程。不过由于 Waymo 试点项目免费且不对公众开放，只有特定用户可以坐这些车在一些特定区域上下班，因此无法获知大众到底愿意为了自动驾驶出租车服务支付多少钱。

联发科计划明年出货6000万颗5G芯片据国外媒体报道，联发科计划明年出货 6000 万颗 5G 芯片。根据早期评估，联发科 5G 芯片的价格应该在 50 美元（约合 354.35 元人民币）左右，是 4G 芯片价格的四倍多。同时，联发科在 5G 手机方面的布局也在进行，由于客户端希望能提早出货，因此该公司把 7 纳米制程的 MT6885 手机系统单芯片（SoC）从一般量产改为超急单生产，将有望在年底前开始量产出货。

全新高柔性解决方案工博会首发，Flexiv 定义自适应机器人应用场景 2019 年 9 月 17 日，首次亮相中国国际工业博览会的全球 AI 机器人公司 Flexiv 非夕，正式面向国内市场发布最新一代、结合前沿的力觉控制与 AI 技术的自适应机器人 Rizon 拂晓，以及基于自适应机器人系统的整套智能解决方案，解决现有机器人自动化无法满足的行业痛点问题，为各行业输出更加灵巧、智能、柔性通用的机器人方案。力觉感知+AI，Flexiv独有应用解决方案国内首次公开为了机器人的柔性通用程度，Flexiv 选择让机器人「拟人」，运用高精度力觉控制、计算机视觉和 AI 智能系统让自适应机器人适应复杂环境，完成需要精细「手眼配合」的复杂任务。Flexiv 首先聚焦于现代工业中的带线束连接器插拔、精密零部件装配、软性材料表面处理三大应用场景，这些场景绝大部分情况下只能依赖人工作业，挑战着企业的产品质量一致性和管理难度，Flexiv 围绕全新一代自适应机器人打造行业应用解决方案，全面提升自动化水平。带线束连接器插拔场景在工业制造领域中非常普遍，因连接器品类繁多、功能多样，对自动化插拔的要求也随之提高。Flexiv 利用自适应机器人，凭借高性能力控能力，结合世界领先的 AI 系统，可以在不借助外界辅助装置的情况下，在复杂环境中和线缆形态各异的情况下识别插头型号和位置姿态，实时避让障碍物，适应未知干扰与偏差，从而高效完成抓取和插拔装配等工作。而且，在导入新产品时，借助非夕的一站式服务，用户可实现低成本高效率的换线部署。精密零部件的装配场景中，精密零部件往往形状多样、刚度各异、操作工序复杂，且操作稍有不慎就可能造成部件损坏的风险，这就对装配时手法力度的控制和手眼的实时配合提出了很高的要求。Flexiv 自适应机器人能通过自身的力觉反馈和控制系统实时调整对零件施加的力，通过模拟人的装配手法去克服过程中来自现实产线各个方面的误差，从而提升高精度装配的自动化水平。机器人系统中还融入了基于 AI 的层级式智能架构，在大量的装配过程中归纳和学习各类工艺细节，逐渐形成更加通用和标准化的装配技能。软性材料的表面处理大部分情况下仍需要依赖工人纯手工完成。Flexiv 自适应机器人在模拟人手操作上找到了突破口，通过复杂力控能力实现复杂表面按压与移动的手法，针对不同材质表面复杂纹理都能进行精细打磨抛光，并有效兼容适配多种工具，不需要精确扫描、定位工装或轨迹示教即可完美贴合复杂工件的曲面，并实时监测表面处理情况，确保处理质量。面向现有自动化难以解决的问题，更柔性通用的自适应机器人成刚需在工业进步的大背景下，制造业的多样化发展成为可能，许多更为精细、复杂操作的自动化需求应运而生，在传统自动化难以迅速应变的情况下，还是需要依靠大量人力，企业的产质量一致性也难以得到保证。以汽车制造行业为例，高度自动化的环节在汽车生产的主要流程中随处可见，但在最终的总装环节上，自动化率相比其他环节却总是逊色许多。大量柔性多变的零件、复杂的组装工艺、和低精度流水线成为了传统自动化设备进行自动装配的巨大阻碍。同样的情形还出现在 3C 电子、家具制造、手机制造等行业，传统自动化设备往往无法满足产品的精密组装、抛光打磨等环节，需要更好更全面的适应能力以应对大量不规则、易损坏、来料一致性有限的零部件的组装和复杂工艺要求。与传统机器人相比，自适应机器人能够有效地适应环境变化、处理复杂任务。此前，Flexiv 发布白皮书，总结出自适应机器人误差容忍度高、抗干扰性强、智能可迁移三个特点，同时结合 AI 技术，为生产带来更多柔性。Flexiv 的首个自适应机器人产品 Rizon 采用一体化的全新设计，为力觉和视觉的能力的提升和融合打开了新的思路，从而让机器人技术往更加柔性智能的方向上更进一步。目前，Flexiv 已经跟汽车、3C 制造等行业的头部客户完成了自适应机器人解决方案的项目验证，并将开展更大规模的机器人应用项目。 2019 年第 21 届中国国际工业博览会在上海举办，这其中，工博会机器人展一直以来被誉为「中国机器人产业发展的风向标」，本届机器人展以「协作、互联，智领未来」主题，在为期五天的展会中，各大厂商将在人机协作、工业互联网、人工智能等热点趋势上展现不同的产品和应用，现场展示各类最前沿的新技术、新成果、新应用、新产品。

谷歌开发人工智能婴儿监护器近日，据美国媒体 CNBC 报道，谷歌正在为其 AI 婴儿监护器技术申请专利。这是一种利用人工智能提升监护的设备，其目标是加强婴儿周围的安全。尽管有些家长使用可以与婴儿同步的监护器，但谷歌一直在考虑一种可以提醒的设备。该设备配有音频和视频传感器，能够分析儿童眼睛和身体的运动。随后，AI 可以评估是否存在风险（例如跌倒），并警告父母有危险。该设备与婴儿电话相比的优势，其能识别耳朵无法察觉的危险病例。此外，其对于婴儿眼睛监测的目的是确定孩子是醒着还是处于睡眠状态。（Techvati）

首颗欧洲人工智能卫星即将升空第一颗配备人工智能的欧洲卫星即将在数月后发射，一项名为ɸ-sat 或 PhiSat 人工智能技术将在构成 FSSCat 任务的两个立方体卫星之一上进行试用，它将展示卫星如何利用人工智能提高地球观测数据的效率。据了解，两个立方体卫星其中之一上所配备的高光谱相机将负责收集大量地球图像，这些图像中有部分由于云层覆盖而不适合使用。而ɸ卫星人工智能芯片则将负责过滤掉它们，以便只返回可用的数据。（ROOM）

国内首条AI定制巴士在上海投入运营 9 月 16 日起，国内首条 AI 定制巴士「上海市松江至张江的 9 路定制巴士」正式发车。AI 定制巴士采用支付宝预约售票，确保「一人一座」，行驶途中只停靠小区门口和写字楼周边站点，大幅提升运行速度。支付宝相关负责人表示，「支付宝研发的『公交大脑』，自动模拟线路走向、设站、发车班次，上线以来该线路的上座率在 80% 以上」，并预计三年内定制巴士将覆盖全国。

行业动态

中科院院士郑建华：指纹识别安全链条还不够完整近日，在 2019 国家网络安全宣传周期间举行的网络安全技术高峰论坛上，中国科学院院士郑建华谈到网络安全新形势下的密码研究问题时说，「指纹识别安全链条并不完整。」郑建华称，每个人的生物特征不一样，终生不变，可作为天然的身份识别使用。郑建华还表示，「现在大家扫了指纹，通过了以后，后面的每个数据包，各种交易、数据交互，实际上跟指纹没有直接的关系。」

打造智能制造领军人才摇篮，国内首家「工业 4.0 工程师认证考核中心」落户临港「数字化转型与人才培养院士高峰论坛暨德国工业 4.0 工程师认证发布会」于 9 月16 日在上海自贸试验区临港新片区举行。会上，国际认证机构德国莱茵 TüV 集团宣布，中国首个「工业 4.0 工程师认证考核中心」落户同济大学工业 4.0 学习工厂实验室。为了推动工业 4.0 智能制造发展，助力中国制造与工业 4.0 深度融合，培养工业 4.0 智能制造专业人才，德国莱茵携手同济大学与上海犀浦智能科技有限公司共同打造集应用示范、教学实验、科研验证和成果转化于一体的工业 4.0 学习工厂，开发出人才培养解决方案和认证体系。由国内外知名院士及工业 4.0 和智能制造专家组成的专家指导委员会，将对「工业 4.0 工程师认证体系」进行指导。该认证体系将考核认证智能工厂系统架构师、智能生产系统工程师、智能制造系统评估师和智能制造系统安全工程师等系统级人才，也包括工业大数据应用工程师、机器视觉应用工程师和工业人工智能应用工程师等关键技术应用人才。

人民日报：智能课堂只是教育手段而不是教育目的近日，智能化校园引发了不少关注，利用「人脸识别」等科技来维持课堂纪律是毋庸置疑的，然而纪律只是达到教育效果的一种手段，不能因为苛求纪律而忽略了提升教育质量这一最终目的。因材施教，以心换心，才能更懂学生，也更接近教育的本质。（cnBeta）

研究与技术

Apple 公布 Interspeech 2019 入选论文苹果近日介绍了他们在 Interspeech 2019 的录取论文。分别是1. Leveraging Acoustic Cues and Paralinguistic Embeddings to Detect Expression from Voice 2. Bandwidth Embeddings for Mixed-bandwidth Speech Recognition 3. Neural Network-Based Modeling of Phonetic Durations 4. Connecting and Comparing Language Model Interpolation Techniques 5. Active Learning for Domain Classification in a Commercial Spoken Personal Assistant 6. Mirroring to Build Trust in Digital Assistants 7. Coarse-to-fine Optimization for Speech Enhancement

微软新研究 Layer Trajectory BLSTM：新的演进增强了语音识别技术在即将出版的 Interspeech 2019 年论文「Layer Trajectory BLSTM」中，微软 AI 研究人员 Eric Sun，李金钰和 Yifan Gong 通过重新设计语音识别建模单元，成功推进了语音识别建模技术。具体来说，本研究改进了当前的语音识别技术模型，即双向 LSTM（BLSTM），通过添加层轨迹来接管传感器（目标）分类，使 BLSTM 可以专注于时间建模。

MIT 新研究推进量子计算机的噪声消除来自达特茅斯学院和麻省理工学院的团队设计并进行了第一次实验室测试，以成功检测和表征超导量子计算系统中常见的一类复杂的「非高斯」噪声过程。来自达特茅斯学院和麻省理工学院的团队设计并进行了第一次实验室测试，以成功检测和表征超导量子计算系统中常见的一类复杂的「非高斯」噪声过程。

只需 10% 的 CIFAR10 标签，DeepMind 无监督对抗训练获得 SOTA 稳健精度近日，来自 DeepMind 的研究团队更新了今年五月发表的名为「是否需要标签来提高对抗性的稳健性？」的论文，本次更新为该论文的第三版更新。以下是该研究的完整摘要：近期的研究发现一个有趣的现象，实现不受对抗性扰动的训练模型往往需要比标准分类所需大得多的数据集。这一现象成为了在需要昂贵数据标记的真实世界应用中部署稳定机器模型的主要障碍。研究团队认为，未标记的数据也可以成为标记数据的竞争替代品，来培训对抗性强的模型。理论来说，该研究展示了在一个简单的统计设置中，从未标记数据中学习一个对抗性强大模型的样本复杂度与完全受监督的案例达到恒定因素情况相匹配。在像 CIFAR10 这样的标准数据集上，使用该论文提出的未标记数据的简单无监督对抗训练（UAT）方法比单独使用 4K 监督示例提高了 21.7％的稳健精度，并从相同数量的标记示例中捕获了 95％以上的改进。最后，该研究报告显示，通过使用来自未经验证的 80 万个微小图像数据集的额外未标记数据，CIFAR-10 上的最新状态比最强的已知攻击提高了 4％。这同时也表明，该发现也延伸到更加现实的情况，其中未标记的数据也是不准确的，因此开辟了改善对抗性训练的新途径。

端到端传感器建模生成激光雷达点云《End-to-end sensor modeling for LiDAR Point Cloud》是一篇发表在 arXiv 的论文，如题目所言是对激光雷达传感器的仿真建模，以生成 3D 点云数据。先进的传感器是实现自动驾驶汽车技术的关键。激光扫描仪传感器成为一种基本选择，因为它具有远距和低光驾驶条件的鲁棒性。自动驾驶汽车控制的软件设计是一个基于规则系统的复杂任务，因此最近的方法依赖于从数据学习这些规则的机器学习方法。这种方法的主要问题是推广机器学习模型所需的训练数据量很大，另一方面，与其他汽车传感器相比，激光雷达数据注释成本非常高。精确的激光雷达传感器模型可以应对这种问题。此外，现有的激光雷达开发、验证和评估平台和流程成本非常高，在物理属性表示方面虚拟测试和开发环境仍然不成熟。这项工作提出了一种新颖的基于深度学习的激光雷达传感器模型。该方法使用深度神经网络模拟传感器回波信号，用极坐标网格图（Polar Grid Maps，PGM）对从实际数据中学习的回波脉冲宽度进行建模。

登录后评论

暂无评论

暂无评论~

文章库 PRO通讯会员 SOTA！模型