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 滴滴CTO张博:未来十年交通工具将发生巨大变化

滴滴CTO张博:未来十年交通工具将发生巨大变化

2017-01-15 12:04
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2017-01-15 12:04 CNET科技资讯网

CNET科技资讯网 1月15日 北京消息:“交通工具未来十年会发生巨大变化。”昨日,滴滴出行联合创始人兼CTO张博在未来论坛2017年会的“未来交通,出行的革命”论坛上发表了这一观点。在张博看来,“未来十年,汽油会变成电,乘客会从拥有交通工具变成共享。”

滴滴CTO张博:未来十年交通工具将发生巨大变化

图注:滴滴出行联合创始人兼CTO张博在未来论坛现场

交通工具将发生的改变只是未来交通创新与迭代的一部分,张博认为未来交通的变化有三层,“最下面是交通基础设施的变化,红绿灯和道路规划有很多效率提升空间,滴滴希望和政府交通部门一起利用大数据和人工智能能力来提升道路网络的利用率;中间层是交通工具,未来十年会发生很大变化,汽油会变成电;最上面是出行乘客和交通工具的关系,会从拥有交通工具变成共享。一组数据显示,北京有500万辆私家车,3000万人口,平均两到三个家庭有一辆车,中国的道路资源已经不足以支撑更多的车辆,而美国一个家庭有一到两辆车,随着北京市民对出行品质要求的提高,已经不满足于公交或地铁,那么唯一能解决的方法是共享车,而不是增加车。”

普遍认为,大数据和人工智能是未来交通创新的革命性技术。滴滴一直在大数据和人工智能方面进行探索。首先,滴滴拥有最多的出行大数据,当前滴滴每天峰值订单量超过2000万,每日定位轨迹数据达到70TB,每日数据处理达到2000TB,覆盖交通路况、司机驾驶行为及车辆数据等多个维度。更为重要的是,滴滴拥有世界一流的算法技术,帮助实现准确的供需预测,蜂窝动态调价,智能派单、路径规划、智能拼车以及矩阵式服务分体系。

此外,滴滴正在打造的智慧交通云可以利用智能调度优势帮助改善城市交通拥堵问题;智慧交通云的价值还将体现在帮助城市进行路网优化提供决策依据;交通云未来还可协助设计智能交通管控方案,提高道路利用率,比如实现智能信号灯控制。随着未来政企数据实现对接,滴滴智慧交通云将对整个城市的公共交通产生重要价值。

参与本次论坛的其他嘉宾有清华大学智能网联车辆研究中心主任、教育部长江学者特聘教授李克强;Future Mobility Corporation Ltd.首席运营官戴雷;百度高级副总裁、自动驾驶事业部总经理王劲;Horizon Robotics创始人兼首席执行官余凯;中华人民共和国交通部新闻发言人、政策研究室主任徐成光以及格灵深瞳创始人、董事长赵勇。

2017年1月14-15日,未来论坛2017年会暨首届未来科学大奖颁奖盛典在北京举行,全球各界共百位领袖献上一场史无前例的思想盛宴。他们中有诺贝尔奖、图灵奖及富兰克林奖等重大科学奖项获得者,也有最前沿的科技产业精英,更不乏叱咤风云的投资界巨擘。未来论坛2017年会以“预言,更进一步”为主题,开启新一轮对人类共同命运及未来的预言。

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。

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