2021年1月26日,圣迭戈——高通技术公司今日在其以“重新定义汽车”为主题的线上活动中推出其下一代数字座舱解决方案——第4代高通骁龙™汽车数字座舱平台。
在高复杂性、成本以及对中央计算整合性能的需求驱动下,汽车数字座舱正在向区域体系电子/电气(E/E)计算架构演进。第4代骁龙汽车数字座舱平台被打造为具备相同属性且多用途的解决方案,以支持向区域体系架构的转型,作为高性能计算、计算机视觉、AI和多传感器处理的中枢,通过灵活的软件配置,满足相应分区或域在计算、性能和功能性安全方面的需求。全面可扩展的全新数字座舱平台支持全部三个骁龙汽车层级,包括面向入门级平台的性能级(Performance)、面向中层级平台的旗舰级(Premiere)以及面向超级计算平台的至尊级(Paramount)。全新数字座舱平台采用5纳米制程工艺,为汽车制造商提供业界性能最高的SoC(系统级芯片)之一,同时具备低功耗和高效散热设计,满足用户对下一代座舱体验的需求。该平台支持高通车对云服务的Soft SKU功能,可通过OTA升级让消费者在硬件部署后及汽车整个生命周期持续获取最新特性和功能。凭借增强的功能,全新数字座舱平台成为目前汽车行业最全面的解决方案之一,旨在提供卓越车内用户体验以及安全性、舒适性和可靠性,为汽车行业数字座舱解决方案树立全新标杆。
全新骁龙汽车数字座舱平台旨在提供可扩展和灵活的软件支持,并支持基于虚拟化技术和容器化软件配置的多个上层实时操作系统。其支持多个ECU和域的融合,包括仪表盘与座舱、增强现实抬头显示(AR-HUD)、信息影音、后座显示屏、后视镜替代(电子后视镜)和车内监测服务。同时全新平台还提供视频处理能力,支持集成行车记录与监视功能。全新平台的全部层级均采用相同的软件架构和框架,可降低开发复杂性、缩短商用时间,同时帮助汽车制造商为不同汽车层级提供一致的用户体验并最小化其维护成本。
高通技术公司推出的业界领先的汽车解决方案持续获得成功,今年全球众多的量产车型将搭载第3代高通骁龙™汽车数字座舱平台。在此基础上,第4代骁龙汽车数字座舱平台增强了图形图像、多媒体、计算机视觉和AI等功能,旨在支持业经优化的、情境感知且具备自适应能力的座舱系统,可根据驾乘者的偏好不断演进。全新平台采用第6代高通Kryo™ CPU、高通Hexagon™处理器、多核高通AI引擎、第6代高通Adreno™ GPU以及高通Spectra™ ISP,提供真正的平台级芯片。全新平台提供以下多样化功能:
高通技术公司的集成式汽车平台正不断提升公司在车载网联、信息娱乐和车内连接领域的领导力,并推动业务增长,订单总估值超过80亿美元。高通技术公司已经赢得全球领先的25家汽车制造商中20家的信息影音以及数字座舱项目。高通技术公司将继续与众多汽车制造商和一级供应商鼎力合作,为汽车带来下一代技术。
高通技术公司高级副总裁兼汽车业务总经理Nakul Duggal表示:“汽车制造商为其客户创造独特、差异化、品牌化体验的需求日益增长,数字座舱已成为这类体验的代名词。通过第4代骁龙汽车数字座舱平台,我们致力于提供业界最先进的数字座舱解决方案,旨在彻底变革驾驶者、乘客、后排娱乐及情境感知的体验,同时通过计算、性能、AI和安全的融合来帮助汽车制造商应对向区域体系计算架构的迁移。我们计划继续支持汽车制造商在多样化的汽车细分市场中扩展此类性能强劲的汽车座舱,并助力其普及先进的信息影音技术,让每一次的驾乘体验更加安全、舒适和个性化。”
全新数字座舱平台计划于2022年开始量产(SOP)。广泛的汽车生态系统可采用第4代高通骁龙™汽车开发套件(Automotive Development Platform,ADP)进行评估、演示并开发解决方案,该汽车开发套件预计于2021年第二季度就绪。
关于高通公司
高通公司是全球领先的无线科技创新者,也是5G研发、商用与实现规模化的推动力量。把手机连接到互联网,我们的发明开启了移动互联时代。今天,我们的基础科技赋能了整个移动生态系统,每一台3G、4G和5G智能手机中都有我们的发明。我们将移动技术的优势带到汽车、物联网、计算等全新行业,开创人与万物能够顺畅沟通和互动的全新世界。高通公司包括技术许可业务(QTL)和我们绝大部分的专利组合。
高通技术公司(QTI)是高通公司的全资子公司,与其子公司一起运营我们所有的工程、研发活动以及所有产品和服务业务,其中包括半导体业务QCT。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。