9月13日,本该属于一个睡到自然醒的平常周末,却因鸟巢上空拉响的一场无声轰鸣而变得不同,这正是国际汽联电动方程式锦标赛(FIA Formula E Championship)首站北京现场。
与大家熟悉的F1( Formula 1)世界一级方程式锦标赛不同之处在于,Formula E赛车均为纯电动赛车,由电能驱动,现场几乎听不到震耳的马达声,是环保赛事的首秀。
Qualcomm在2013年就与电动方程式控股公司达成多年协议,是电动方程式锦标赛的创始合作伙伴及技术赞助商。赛事创办之初,国际汽联就宣布,2014及2015赛季的安全领航车、医疗车及服务车等将配备Qualcomm Halo电动汽车无线充电技术。
Halo无线充电技术使用磁共振感应,实现地面充电板与电动车充电板之间的能量传输。目前领航车已确定采用宝马i8,医疗车、服务车等其他赛事工作用车为宝马i3,均采用Qualcomm Halo无线充电。从第二届开始,比赛赛车将可能使用该无线充电系统。
采用Qualcomm Halo无线充电技术的赛事安全车宝马i8
Qualcomm Halo无线充电技术面向“平民级”电动汽车,国际汽联称,通过电动方程式锦标赛,希望将这些精密复杂的赛车开发技术,很快应用到普通消费者日常驾驶的电动车中。
通常情况下,相对于传统汽车,纯电动车的可到达范围较小。电动车司机面临的挑战是:如何在短时间内、在附近找到一家空闲的充电站(这将利用下文所提及的无线技术),然后用极其便捷的方式进行高效充电。无线充电可以在一定程度上减少充电站的资金、场地投入,也可以让司机“停车即充电”。
在这方面,Halo充电 体积小于一个空调室外机,而充电板和一块门前地毯差不多大小。更关键的是,halo技术由于不需要物理接触,所以完全可以铺装在停车位或马路路面之下,且充电率高达90%。
Halo充电技术
事实上,Qualcomm在无线充电领域早有建树。除去面向汽车的Halo技术,其还拥有面向智能手机、平板电脑及蓝牙耳机等便携式电子设备的WiPower LE无线充电技术;此外,今年早些时候,无线充电联盟(A4WP)宣布Qualcomm成为首批获得Rezence认证的公司,而共振式无线充电是WiPower LE无线充电技术的核心,该技术也将在比赛期间展示。
无线推动汽车可持续发展
汽车的发明已经超过125年,从机动性需求,到无线汽车的发明,汽车产业已逐渐以一种更适应人类文明的发展方向演变。此赛期间,Qualcomm将评估全球10个比赛城市的连接和移动技术,并提供解决方案以帮助提升赛场观众体验,如针对赛车迷的视频直播、游戏以及社交网络。
成立于1985年的Qualcomm“生而移动”,目前公司是全球最领先的无线科技企业之一。截止到2014年第二季度,Qualcomm的研发投入累计超过300亿美元,根据GAAP准则,Qualcomm在2013年财年研发投入总额超过50亿美元,大约占年度营业收入的20%。
而在汽车领域,Qualcomm无线连接方案也已有数十年历史。鲜为人知的是,从1988年的OmniTRACS开始25年多以来, Qualcomm及其子公司一直在不断改善汽车通信。如今,Qualcomm被汽车业界视为一个可靠的顾问和合作伙伴,帮助他们开创全新的格局:从安全、互联信息娱乐,到便利性与个性化,一直到能源与环境。目前,全球16家汽车厂商至少1000万辆汽车都在使用某种类型的Qualcomm技术。
当下,Qualcomm为该行业推出了骁龙汽车解决方案,包括汽车级骁龙处理器、Gobi 3G/4G LTE多模调制解调器和Qualcomm VIVE Wi-Fi及蓝牙解决方案。
骁龙汽车方案简化图
目前,内置Gobi多模调制解调器,奥迪A3车型的增强版拥有了100Mbps的峰值传输速率;而基于Gobi LTE芯片组,宝马也提供 “BMW Assist”安全和保障服务及4G LTE连接。汽车LTE业务将针对增强型3D导航、基于云计算的服务和应用、多媒体串流和下载,以及一般的网页浏览提供互联网连接。
根据今年年初数据,基于Qualcomm Gobi调制解调器,10多年来Qualcomm为全球1000多万辆汽车提供了联网服务。
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。