至顶网CIO与应用频道 02月27日 编译:在准备程度达到80%的条件下,以最低可行性方式率先推出一部分产品——这就是博世公司新建联网汽车服务部门负责人Bernd Heinrichs所秉持的理念。
博世公司在其于柏林召开的Connected World大会上正式公布这一刚刚成立的新部门。作为第一任负责人,Heinrichs还将同时出任公司执行副总裁兼首席数字官。
博世公司是德国一家重要的商业企业,其业务范围涵盖白色家电到汽车零部件等多个领域,目前则开始投入巨额资金以将自家软件与可销售服务引入各类自动驾驶汽车当中。
Heinrichs在大会上接受采访时解释称,“我认为应当建立的不是独立的职能实体——这更像是一种孤岛,而是建立起真正能够帮助我们以较博世其它传统部门更为敏捷的方式实现运营的新实体。此外,同样需要强调的是,如今我们为汽车开发的服务已经不再像以往的刹车片产品那样简单直接,因此我们必须在正式投放市场之前确保其遵循多种不同指标。我们需要承担风险,需要快速推进,亦需要在准备程度达到80%水平时以MVP的形式率先推出一部分实际产品。”
曾效力于思科公司的Heinrichs在4个月前正式投身于博世,并给这家向来以谨慎态度著称的德国工业巨头带来了IT专业知识。他表示,科技与汽车两大文化迸发出的火花对双方都极具吸引力。“我来到博世并意识到,‘哇,同等规模的IT企业往往需要十倍于博世的销售人员!’这是因为目前博世只在向80家客户出售产品。如果博世未来希望面对,比如说20万家客户……那么肯定需要吸收更多间接渠道与合作伙伴。”
博世公司的汽车业务部门长久以来并不需要直接面对消费者。该公司在这一领域的首次大规模尝试在于将其Coup电动摩托车业务推向市场——此项业务已经在柏林、巴黎、马德里以及欧洲多个其它城市开展运营。
Heinrichs对于其统领的新部门所面对的潜在客户群体抱有乐观态度。“我们可以把产品卖给OEM厂商……或者将其以服务形式提供给OEM买家。如果着眼于未来10年,我认为40%的销售额都将由基于服务的汽车解决方案贡献,具体包括车队管理、自动停车场以及其它类似的业务范畴。”他甚至半开玩笑地提到,博世应该与“IT集成商”建立业务往来。
在博世公司大力推动的联网车辆项目当中,云功能亦得到大量使用。该公司已经在其硬件当中使用了物联网专用型云产品,而Heinrichs进一步证实称博世方面正在与“全部主要云服务供应商”(即微软、Amazon以及谷歌)建立合作关系。他解释称,“我认为单一云战略,或者竟是公有乃至私有云选项,并不足以提供理想的安全性与可扩展性水平。”
他同时也是“分布式云”以及集中式数据中心的倡导者。“云不仅代表着一系列基础设施站点……汽车领域中的云应该是一种高度分散的事物……其应当渗透到您的汽车、街道以及住宅当中。处理工作应该在安全的环境当中实时进行,并确保在数据生成的地方完成。”
在谈到安全性议题、特别是考虑到欧盟即将全面实施的GDPR(即通用数据保护条例)时,Heinrichs热情地保证道,“我们正在进行数据加密,同时实现端到端安全保障。来自其它厂商的补救性安全措施还不足以解决这一新的挑战。”
他进一步补充称,“安全性始于产品生产阶段,且必须成为产品中的固有组成部分。这项工作以通信安全为目标,立足于物联网中的‘物’、组件以及云计算。当然,我认为博世只能解决其中一部分工作。我们目前正在与各合作伙伴就安全工作开展合作,而且我不相信世界上有哪一家安全厂商能够独力完成这项目标。”
博世公司目前正在端到端安全领域与思科方面合作,其它合作伙伴还包括Amazon与谷歌。
一般来讲,典型的联网汽车将产生TB级别的庞大数据总量。Heinrichs也认为“数据科学应当成为一类需要与其他软件工程师协作的重要学习。我们需要明确一点,即处理数据并不仅仅在于构建算法及执行软件工程; 相反,其核心在于数据科学以及对数据的理解与构造,这是一类完全不同的业务。因此,我们坚信博世自身以及各OEM合作伙伴需要将数据科学作为一门独立的学科来实施,且数据科学应走在算法设计之前。”
与博世公司在其它业务领域谨慎的态度相比,Heinrichs的联网汽车服务事业部将给家向来稳扎稳打的企业集团带来一系列文化变革。不过其相关努力能否超越英国在同一领域中的探索,目前仍然有待观察。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。