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 高通携手苏州相城布局智能网联,共创智慧交通新时代

高通携手苏州相城布局智能网联,共创智慧交通新时代

2021-05-14 17:56
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2021-05-14 17:56 科技行者

5月14日,高通(中国)控股有限公司(“高通中国”)与苏州相城区高铁新城在第三届全球智能驾驶峰会上宣布面向智能网联汽车领域开展战略合作。苏州市相城区委常委、苏州高铁新城党工委书记苏学庆,高通公司销售及业务拓展副总裁羡磊代表双方签约;苏州市相城区政协主席葛宇红,相城区委副书记、区长季晶,相城区人大常委会主任屈玲妮,相城区委副书记张伟共同出席并见证签约仪式。此次合作将充分整合苏州高铁新城与高通公司在产业集群和技术创新方面的优势资源,助推车联网和智能网联汽车等技术成熟及商用落地,赋能中国汽车产业加速开启智慧交通全新机遇。

高通携手苏州相城布局智能网联,共创智慧交通新时代

对于双方此次的合作,苏州市相城区委常委、苏州高铁新城党工委书记苏学庆表示:“我们非常高兴与高通公司展开战略合作,期待双方聚力推动国际创新合作、实现产业共赢发展,助力苏州高铁新城打造智能车联网产业核心承载区,为日益壮大的汽车生态带来技术、产业双赋能。”

近年来,苏州市全面推进长三角智能驾驶产业示范区建设,并着力打造国家级车联网先导区及数字交通示范区;作为苏州市高速发展的新兴城区,相城区正以研发产业为主体,高端制造业为支撑,加速发展包括智能车联网等在内的战略新兴产业,现已成长为长三角地区最具活力的智能网联汽车产业发展高地之一。在苏州市政府的指导下,苏州高铁新城与高通公司依托双方优势,面向高铁新城智能车联网产业开展全面合作,包括研发需求支持、应用场景建设支持、技术验证、路端建设、生态资源对接等。未来,双方还将探索在C-V2X(蜂窝车联网)基础设施建设(包括城市及道路建设规划、智能路侧设备测试及部署)、C-V2X及智能网联测试与终端部署,以及自动驾驶等领域的合作机会。

作为未来智慧交通系统重要的组成,智能网联汽车是汽车产业与人工智能、大数据、物联网等新一代信息技术深度融合的新兴领域。通过持续创新,高通公司凭借大量定义智能网联汽车体验的基础性关键技术,赋能中国汽车生态伙伴在车载网联、C-V2X、数字座舱、自动驾驶等领域的创新。经过近20年的积累,高通的汽车技术已支持全球超过1.5亿辆汽车。在国内,高通公司从2017年就开始推动C-V2X技术发展,携手众多合作伙伴积极参与中国各地的智能网联汽车项目,包括互操作测试、车载终端和路侧单元的开发和验证,以及国内C-V2X标准的制定等。2020年,高通携手产业链各环节百余家厂商,参与中国汽车工程学会组织的C-V2X互联互通应用测试,其中大部分演示整车和路侧单元采用了高通的C-V2X芯片组。近年来,高通的汽车解决方案也已支持众多中国汽车厂商推出全新车型,加速推动中国智能网联汽车发展与车联网部署。

高通公司销售及业务拓展副总裁羡磊表示:“此次我们与苏州高铁新城的合作,是高通公司植根中国、赋能中国汽车产业变革,积极参与中国城市智能驾驶示范区和车联网先导区建设的最新例证。高通公司将继续通过创新的汽车科技,创造规模化的经济效益和技术效益,支持中国汽车生态系统实现汽车与万物的互联,共同打造全新的智能驾乘体验,开创智慧交通新时代。”

###

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • LLM情境调节与持续工作流程提示:革新化学分子式的多模态验证技术

    LLM情境调节与持续工作流程提示:革新化学分子式的多模态验证技术

    这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。

  • 微生物显微图像分割新突破:复旦大学研究团队借助多模态大语言模型统一显微镜下的"万物分割"

    微生物显微图像分割新突破:复旦大学研究团队借助多模态大语言模型统一显微镜下的"万物分割"

    复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。

  • 用强化学习让大语言模型为汇编代码提速:斯坦福团队的优化探索

    用强化学习让大语言模型为汇编代码提速:斯坦福团队的优化探索

    斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。

  • 播放师傅变声魔术:让你的录音遵循参考风格的推理时间优化新方法

    播放师傅变声魔术:让你的录音遵循参考风格的推理时间优化新方法

    这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。

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