ZD至顶网CIO与应用频道 12月12日 北京消息:2016年10月,IEEE(电气和电子工程师协会)在法国巴黎举办了汽车以太网大会。往届大会见证了汽车以太网的缓慢发展,而Strategy Analytics最新研究报告《汽车以太网:汽车平台战略、标准和新应用推动需求》对高速网络协议有着更乐观的展望。
对过高的成本、数据压缩和可用竞争协议的担忧导致许多汽车厂商将以太网的使用仅限制在诊断端口上。然而,近期的发展表明汽车厂商对使用以太网有着前所未有的热情。
Strategy Analytics全球汽车行业高级分析师Kevin Mak表示,“全新、更高速的标准出现、互通测试以及更多厂商的参与将会推动更多汽车厂商采用以太网。这些因素对于以太网降低其成本并鼓励竞争至关重要。这在新应用出现之前就需要被部署好,因为新应用需要千兆速度的多路复用,比如自动驾驶汽车、车联网服务,以及高像素摄像头和显示屏。”
Mak补充道,“但更关键的仍是部署高效的、可升级的E/E架构,这些架构可成为新汽车平台的标配。这需要数据‘骨干网’进一步降低成本,同时为汽车厂商在未来添加新的高带宽应用带来了灵活性,而并不需要重新设计他们的架构。在2018年,这种战略也许将会在豪华品牌的高配汽车之外得以更广泛的实施。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。