微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 高通与宝马集团将双方的长期技术合作关系扩展至自动驾驶领域

高通与宝马集团将双方的长期技术合作关系扩展至自动驾驶领域

2021-11-17 17:14
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2021-11-17 17:14 科技行者

11月16日,高通技术公司宣布与宝马集团达成合作,将最新的前沿驾驶辅助技术与Snapdragon Ride™平台引入宝马集团下一代先进驾驶辅助系统(ADAS)和自动驾驶(AD)平台。结合双方核心创新优势,宝马集团与高通技术公司将扩展双方的长期合作关系,为宝马集团的车型提供安全、智能和先进的驾驶体验。宝马下一代自动驾驶软件栈将基于Snapdragon Ride视觉系统级芯片(SoC)、视觉感知以及由高通车对云服务平台管理的ADAS中央计算SoC控制器而打造。

20多年来,宝马集团一直是驾驶辅助系统创新的行业领先者。着眼于持续扩展其驾驶辅助系统产品组合,宝马集团将采用高通技术公司提供的全方位ADAS/AD功能,包括一个专为支持车辆前部、后部以及环视摄像头的计算机视觉SoC,以及一个高性能ADAS中央计算控制器,以支撑宝马产品的驾驶策略及其它规划与驾驶功能。

宝马集团驾驶体验高级副总裁Nicolai Martin表示:“我们选择高通技术公司作为宝马集团的技术合作伙伴和系统解决方案提供商,是基于其全面丰富的产品组合,以及在计算、连接、计算机视觉、先进半导体和驾驶辅助方面业经认证的技术专长。我们期待与高通技术公司展开直接合作,共同打造我们的下一代ADAS/AD平台,持续为我们的客户提供一流的驾驶体验。”

高通公司总裁兼 CEO 安蒙表示:“高通与宝马集团的合作开启了汽车领域的全新时代,作为领先的科技企业,双方将共同设计与开发骁龙™数字底盘的关键元素,赋能下一代汽车。我们为这一里程碑式的合作感到自豪,期待双方合作打造的产品尽快落地。”

高通技术公司高级副总裁兼汽车业务总经理 Nakul Duggal表示:“我们始终致力于为汽车制造商提供一个开放、完整和充满变革性的平台,包括半导体、软件、堆栈、系统和服务。我们非常荣幸成为宝马集团的ADAS技术合作伙伴,并为宝马提供计算机视觉软件栈、视觉SoC和ADAS中央计算控制器。我们也非常期待和宝马共同开发和部署这些产品。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-