至顶网CIO与应用频道 12月11日 北京消息:“21世纪什么最宝贵?人才。从现今来看,这个话说的并不完全,比它更宝贵的为还有数据,尤其是交通。交通本质就是人和物在时空上的变化。”中国公路学会理事长翁孟勇认为,现在做大数据、数据服务的企业不少,但真正针对交通大数据领域做得好的企业并不多。
上周四,高德地图宣布携手中国公路学会,成立未来交通与城市计算联合实验室(Joint Laboratory for Future Transport and Urban Computing,以下简称“联合实验室”),并推出“十百千计划”----实验室坚持十年投入、与百所高校合作,培养千名面向未来交通出行的专家级人才。
谈到选择与高德合作的初衷,翁孟勇说道,高德优质的解决方案,加上中国公路协会的资源,两家强强联手聚集精英团队,为城市构建交通大脑打造良好的基础。“实验室我有三个想法,不简单做数据,要突出数据生态。数据生态不是一个封闭的系统,平台将来是开放的。另外实验室要么不做,要做就做领先的。”翁孟勇说道。
而从高德的角度,在高德地图副总裁董振宁看来,城市化进程中产生的交通拥堵、路权争夺等大城市病,依旧是资源争夺,信息孤岛的老问题所致。作为交通出行领域的领军企业,高德拥有海量的交通大数据、行业生态资源和城市交通大脑建设能力。联合中国公路学会,邀请顶尖科学家入驻,牵头成立未来交通与城市计算联合实验室,是希望通过数据插座、产业推动、计算赋能三大投入,帮助推动交通出行领域产学研一体化发展,发现未来交通产业的新变量。
联合实验室的三个使命
据了解,联合实验室的使命,即连接创新和应用,连接社区和人才,连接现在和未来。在连接创新方面,首批包含清华大学、同济大学、中山大学、浙江大学,以及北京航空航天大学教授及团队在内的国内5大顶尖科研团队已经入驻。初期,他们将分别针对智能驾驶调度、城市“CT”、城市交通大脑、交通需求管理、智慧公交等方向与高德展开联合科研。
在连接人才方面,联合实验室将在联合科研、学科设置、人才培养和国际合作等四大方面发力,着力发现和培养人才,建立面向未来交通出行领域的人才社区。其中,联合实验室将与高校共建体系化城市计算学科。城市计算作为一门交叉新兴学科,在国内尚无标准体系。人工智能学科,则更是处于起步阶段。联合实验室将基于丰富的大数据资源、算法研究和深耕交通出行产业的优势,帮助合作高校建设面向未来的新型学科。
而连接未来,则基于高德正在构建的易行平台和交通大数据资源、城市交通大脑研发成果,帮助入驻联合实验室的科学家和项目组,在大数据、云计算、人工智能等领域进行联合研发,将联合实验室建设成为未来交通领域的科研基础设施,推动交通出行领域新技术、新工具、新形态早日落地。
“连接未来的目的是发现未来交通产业变量。”董振宁介绍,高德正在构建以一站式公共出行服务平台——易行平台为基础的出行行业科技基础设施建设,而联合实验室将致力于搭建未来交通科研基础设施,两者合璧推动科研产业化,催生未来交通新物种,反哺科研创新和人才培养。
目前,联合实验室在交通大脑、智慧诱导、智慧公交三个方向的研究成果已经初步落地,分别在杭州、北京、成都等城市应用,为千万市民提供出行服务。其中,交通大脑帮助杭州及时出警将事故造成的异常拥堵时长缩短20%、将平均车速提高35%。在成都,交通大脑则通过大数据计算提供公交线路优化和实时公交服务,并帮助相关管理部门推出定制公交。
十年投入培养千名专家
据了解,由企业发起成立的实验室,往往只关注科研和成果转化为产业市场,忽略了人才培养,造成了产学研生态的“缺口”。因此,高德在此次发布会上发布了“十百千计划”:高德承诺未来十年对联合实验室连续投入,并联合国内外百所高校/科研院所,培养面向交通与城市进化相关的千名专家级人才。
董振宁坦言,这是高德的郑重承诺,为此高德将在数据、产业和计算三方面全方位赋能联合实验室。
专注于交通出行行业的高德,具有业内最强最丰富的交通出行大数据,具备数据插座功能,将为联合实验室科研提供实时、海量的数据资源。高德也已经成为用户、交警、应用和汽车四大群体的标配,在产业领域有着广泛而深入的连接,这成为联合实验室坚实的产业基础。科研理论可以实现产业应用,并经过产业市场验证,从而校正科研方向,反过来科研成果也将满足新的用户需求,推动产业升级。
计算能力则是高德和阿里的强项,有高德多年建设的高德交通大脑的计算能力,以及阿里云平台提供的实时采集、海量存储、海量数据处理能力加持,将大大加快联合实验室的科研项目推进速度。
与会专家表示,趋势表明,未来30年数据就是生产资料、计算就是生产力,而互联网将是生产关系。依托高德在交通出行领域的专业积累,和阿里巴巴生态能力的加持,相信未来交通和城市计算联合实验室将推动交通出行领域的产学研一体化进程,加速交通出行行业的技术创新。
好文章,需要你的鼓励
本文探讨了达成人工通用智能(AGI)七大路线中的线性进阶路径,预测了从2025年至2040年 AI 技术与社会效应的关键年度节点。
这项研究介绍了一种新型多模态扩散模型,能够同时生成量子电路的离散结构和连续参数。由因斯布鲁克大学和NVIDIA公司研究人员开发,该模型利用两个独立但协同工作的扩散过程处理门类型选择和参数预测,克服了传统量子电路编译方法的效率瓶颈。研究证明了该模型在不同量子比特数量、电路深度和参数化门比例下的有效性,并通过快速电路生成创建了数据集,从中提取出有价值的结构见解,为量子电路合成提供了新方向。
SenseFlow是香港科技大学等机构联合开发的文本到图像蒸馏技术,解决了大型流匹配模型蒸馏的三大难题。研究团队提出隐式分布对齐(IDA)稳定训练过程,段内引导(ISG)优化时间步重要性分配,并设计基于视觉基础模型的判别器提升生成质量。实验表明,SenseFlow能将SD 3.5和FLUX等12B参数级模型成功蒸馏为仅需4步生成的高效版本,同时保持甚至超越原模型在多项指标上的表现,代表了AI图像生成效率提升的重要突破。
MASKSEARCH是阿里巴巴集团同义实验室开发的新型预训练框架,通过创新的"检索增强掩码预测"任务,训练大型语言模型像人类一样主动使用搜索工具获取信息。这项框架包含两个阶段:首先在掩码预测任务上预训练,然后在下游任务上微调,大幅提升模型在开放域问答中的表现。研究采用监督微调和强化学习两种方法,结合多代理系统和课程学习策略,使AI能够自主分解问题、使用搜索工具并基于搜索结果进行推理。