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 高通宣布与谷歌达成多年战略合作,提供生成式AI数字座舱解决方案

高通宣布与谷歌达成多年战略合作,提供生成式AI数字座舱解决方案

2024-10-23 19:33
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2024-10-23 19:33 科技行者

10月22日,夏威夷——高通技术公司今日宣布与谷歌达成旨在推动汽车行业数字化转型的多年技术合作。基于长期合作关系,双方将利用骁龙数字底盘™、Android™汽车OS和谷歌云三者互为补充的各类技术,打造借助生成式AI(GenAI)开发座舱解决方案的全新标准化参考平台。谷歌AI将支持交付该框架,助力打造生成式AI增强的车内体验,例如直观语音助手、沉浸式地图体验和实时更新以预测驾驶员需求等。这些体验由骁龙®异构边缘AI SoC和高通®AI Hub赋能,简化了视觉、音频和语音应用的AI模型在座舱内的部署。

高通宣布与谷歌达成多年战略合作,提供生成式AI数字座舱解决方案

高通技术公司汽车、行业解决方案和云事业群总经理Nakul Duggal表示:“高通技术公司与谷歌的技术合作可推动创新并助力开发前沿生成式AI增强解决方案,是为汽车制造商和一级供应商释放全新潜能的重要里程碑,同时赋能行业打造安全的先进数字化体验。我们期待扩展高通技术公司与谷歌的合作,进一步推动汽车创新并引领产品上市,支持客户利用我们的合作伙伴生态系统赋能无缝开发体验。”

谷歌公司工程技术副总裁Patrick Brady表示:“汽车行业即将迎来生成式AI、自动驾驶解决方案和整个平台生命周期内软件特性更新能力各方面进步带来的重大转型。我们期待通过此项战略合作延续谷歌与高通技术公司的长期合作关系,继续面向软件定义汽车开发创新解决方案,展示联合创新推动未来交通运输业发展的强大力量。”

技术合作关键要素包括:

生成式AI增强的数字座舱开发框架:

• 可升级的车规级框架,旨在提供可实时增强的前沿数字座舱体验。

• 预集成Android汽车操作系统(AAOS)软件和服务,利用谷歌生成式AI实现可定制且快速响应的语音用户界面和驾驶员状态实时更新,通过骁龙SoC进行边缘侧优化。

统一SDV车对云框架:

• 基于双方技术基础打造的支持车对云基础设施的统一SDV开发框架。

• 该框架支持面向骁龙平台优化谷歌云托管汽车软件开发,提高开发者效率,同时缩短AAOS平台和服务的产品上市时间。

• 在谷歌云上运行骁龙网联服务平台,面向车载和非车载连接支持由API驱动的网联服务模型和可升级服务基础设施。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    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。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    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。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    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。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    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。

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