9月18日,未来汽车开发者大会在世界智能网联汽车大会期间成功举办。会上,四维图新技术委员会主席、智能驾驶研发部总经理李阳发表了题为《聚力多级别自动驾驶商业化落地》的主题演讲。
以下为演讲实录:
四维图新刚刚过完二十岁生日,我们是一家以创新为主导,致力于在创新和商业化之间寻找自由路径的公司。
四维图新的第一个十年,我们是一家纯粹的图商,取得了一系列令人骄傲的成绩,经过这样的创新和积累,我们在第二个十年将自己的业务从纯粹的地图内容提供向应用靠拢,希望为社会和行业创造更多价值。
从这个时候起,我们彻底和智能网联这个词紧紧绑定在一起,从早些的TSP业务、智能座舱集成业务,到后来陆续推出的智能驾驶业务,四维图新走上了发展汽车智能网联的“快速路”。
2015年,我们成立了智能驾驶部门和智能地图事业部。2018年、2019年是研发和技术成果快速落地和被认可的阶段。四维图新完成了全国高速的高精地图覆盖,也完成了自己的智能驾驶技术验证,通关了一系列考试,也拿到了一系列牌照。
而智能驾驶这几年一直伴随着商业化落地的讨论与质疑,大家说L3在2020年就要来了,或者在2021年就来了,全部的车都要智能网联,但落地好像没有那么快;时而又说智能驾驶永远不会来。这对于从业者来说,对于自己造血创新在A股研发投入排在前列的公司来说,是很煎熬的。
好在,我们在2020年之后等到了浪潮,等到了非常稳定可见的商业化机会,就是智能汽车的前装落地量产。也是在这一年我们成立了智能驾驶事业部,基于过去长达15年的智能座舱相关业务的落地积累,团队拥有了把握客户需求、产品量产交付的能力,加之公司二十年来对于地图、时空采集的认识理解,形成了现在的产品力。
未来,我们希望用持续创新的方式,结合商业化落地,为行业和市场推出让大家满意的产品。对于用户来说,是安全的,是有性价比的,是可靠的产品;对客户来说是不用担心供应链,是可以放心交给我们更大的批次和需求,我们能够完成的产品。
那么,我们是如何做的?
四维图新是智能驾驶软硬件一体的集成化解决方案提供商,同时我们还是地图传感器的供应商。
地图的作用在智驾里面不只是内容,更像是在弥补AI算法的缺陷。地图天生能够为智能驾驶系统提供记忆。比如不同时段的跟车距离,比如拥堵道路的常用通行路线,比如可以长久固化在地图里的车道限速、道路的几何、车道的几何等等,通过这样的方式可以换取一个更强大的车载智能系统。
我们通过十年左右的创新积累具备的自动成图技术,目前不仅能够单趟成图,还可以通过一个终端智能摄像头设备实现单次成图,且作为一种传感器,是足够安全和可靠的。
对于整个系统,我们觉得地图也是一个隐形的支持跨场景的架构,它能够支持整个系统切换场景、沉淀常识、提升体验,并完善车端和云端、人和车之间的交互。
基于这样的能力和积累,四维图新会提供怎样的智能驾驶软硬一体解决方案?
目前我们看到一个汹涌的Level2的落地浪潮,出货量在五年以后预计是千万级。而在L2+的阶段,应该2023年底到2024年是一个比较典型的小波峰,我们可以看到大量的新车会搭载这样的功能上线。
面对我们的客户,我们希望交付全场景智能驾驶系统。
除了供应链的稳定性之外,L2+在场景变化的过程中是否够平滑也是提升用户体验的重点。我们的算法全部自研,所以可以从架构层面本身让软件甚至感知模型统一,这样就从根本上避免了各种场景切换时的延迟。
这也是我们下一代产品的核心,我们将在今年11月份四维图新的用户大会上正式发布,它解决的是越来越集中化的智能座舱、智能驾驶和整车的E/E架构,和目前芯片比较昂贵的问题。
基于Tier1的整合能力以及我们对SOA的理解,我们做了这代平台,四维图新将会一直创新,为市场、客户和行业提供有价值的产品和服务,谢谢大家。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。