2017年12月6日-8日,以“Mobility driven by AI”为主题的第十届TC汽车互联网大会将在上海隆重举行。今年是TC汽车互联网大会成功举办的第十个年头,十年来, TC汽车互联网大会见证了车联网在中国的落地、融合与创新。今年的大会将汇聚更多车联网上下游产业链及创新企业,囊括最强大脑,共同创想有格者的中国汽车互联网之梦。
每年12月初的TC大会,现场都会有来自全球的近百位顶尖演讲嘉宾以及千余名资深行业精英齐聚一堂,今年适逢10周年,可谓业内盛世,愈加人气鼎盛。除了10月中旬公布的首批赞助商(钻石赞助商:斑马网络;白金赞助商:联通智网;黄金赞助商:Verizon、康宁汽车、德国大陆;白银赞助商:金雅拓、翼卡车联网;水晶赞助商:GMobi、德州仪器、广升信息;学术合作伙伴:IPSOS、SBD),今天发稿前,新一批的赞助商确定加入了本次TC大会的大家庭,新增包括:白金赞助商:中国移动、华为、车音智能;黄金赞助商:中国电信;白银赞助商:大圣科技;水晶赞助商:洛可可、中科创达。而其中,三大赞助商——“联通智网”、“中国移动”和“金雅拓”在大会现场将各有一场自主圆桌互动讨论。另外,此前刚推出就一抢而空的展台,可谓供不应求,为了回馈各大参展商的积极热情,组委会破例新增展位,展位企业有:斑马网络、康宁、NNG、SIMCom、德州仪器、莫吉娜智能、金雅拓、u-blox、TomTom、喜泊客、Abalta、移远通信、银基安全、德赛西威、MyScript、天空卫士、赛格、ExcelFore以及中科创达获得。
TC汽车互联网大会现场嘉宾沟通交流
据悉,截止目前报名参会车厂已接近80家,报名参会车厂人数超过450人。沃尔沃汽车亚太区产品部副总裁、北汽研究院副院长、威马汽车发展副总裁、奇点汽车联合创始人、猎豹汽车研究院智能信息部部长、北京汽车副总经理、博郡汽车信息化技术副总裁、东风启辰经营规划部部长、观致汽车车联网总监、上汽大通房车公司总经理、爱驰亿维联合创始人兼CEO、北京新能源汽车副总经理、知豆信息化中心总监以及奇瑞汽车前瞻技术研究院院长等重量级嘉宾,都将参与到今年的TC大会活动中来,做主题演讲或参与相关圆桌互动讨论。业内资深人士将分享怎样的前沿科技,最强大脑的碰撞将迸发怎样的未来发展思路,都将在12月6-8日的TC汽车互联网大会上一一揭晓。
TC汽车互联网大会现场
相比往年,今年又一个较大的变化,是将TC大会上火爆的在平行会场举行的车联网工程师沙龙,调整为进入主会场进行。今年第六期车联网工程师沙龙的主题是“数字座舱和智能驾驶”,参与本期工程师沙龙的企业有:奇瑞汽车前瞻技术研究院院长、中科创达副总裁、广升信息车联网事业部总经理、易图通副总裁、航盛电子技术副总裁、万集科技智能网联事业部负责人、吉利汽车研究院智能驾驶开发中心高级技术专家、友衷科技联合创始人、极目智能副总裁、莫吉娜智能副总裁、纵目科技市场与商务副总裁、光庭科技总经理以及u-blox。
2016 年TC汽车互联网大会 – 工程师沙龙现场
TCC生态圈见证了中国车联网的整个历史变迁,有的如流星般呼啸而来转瞬即逝,而有的则如恒星般闪耀星光灿烂。是时候盘点中国车联网十年了,大浪淘沙,能剩者已近为王!这个12月,我们相约上海,第十届TC汽车互联网大会与您不见不散!下一个十年,我们同舟共济,携手共创更广阔的车联网天地!
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。