在美国,货物运输行业主要由卡车主导,每年运输的 202 亿吨货物中约有三分之二是通过卡车完成的。Parallel Systems 的创始人兼 CEO Matt Soule 希望通过为传统铁路系统注入现代自动驾驶和电气化技术来改变这一现状。
这家总部位于洛杉矶的公司正在开发一种电池驱动的自动货运技术,该技术可以与现有的货运车厢配合使用,并能够集成到现有的列车控制软件中。Soule 的主张是:Parallel 的系统可以让企业在短途运输中使用铁路而不是卡车,从而降低运输成本。
Soule 向 TechCrunch 解释说,传统上铁路运输未被充分利用的原因在于,列车通常由大型且昂贵的机车牵引数百节货运车厢进行长途运输。因此,企业在短途货运时往往会选择卡车。
Parallel Systems 开发的系统允许列车车厢自主连接和分离。这意味着企业可以使用 Parallel 的技术来处理不同规模的运输需求,同时避免人工手动连接和分离车厢这一危险过程。Soule 补充说,Parallel 的技术还能让货运车厢比现有列车具有更强的制动能力。
"我们采用了不同的物理架构,在小规模运输中实现与卡车具有竞争力的经济效益,而不是只在大规模运输中才有优势,"Soule 说。"我们的车辆可以与现有的铁路基础设施兼容,而且已经证明可以与传统铁路运营并行。我们并不是要用这项技术来取代现有的货运列车。"
Parallel 最近获得了联邦铁路管理局的批准,可以在佐治亚州开始试点这项技术。该项目将允许公司在萨凡纳港口到佐治亚州多个配送站之间的 160 英里路段上测试其技术驱动的列车。
Parallel 还最近完成了由 Anthos Capital 领投的 3800 万美元 B 轮融资,Collaborative Fund、Congruent Ventures 和 Riot Ventures 等机构参与其中。这使得 Parallel 的总融资额超过了 1 亿美元。新资金将用于商业化,公司希望在 2026 年实现首次商业化运营。
Collaborative Fund 的合伙人 Sophie Bakalar 表示,虽然 Parallel 并不完全符合其面向消费者的投资理念,但在通过其投资组合中的一位创始人介绍后,公司对其产生了浓厚兴趣。
Soule 并没有铁路领域的背景,但他在受监管的运输行业有着丰富的经验。他在航空航天领域工作了 20 年,其中 13 年在 SpaceX。
"我们一直在开发新技术,"Soule 说。"我从事航空电子设备工作,负责控制火箭的电子和软件系统,这让我对这些技术如何能够让其他可能缺乏创新的行业受益产生了极大的好奇心。"
他在 2020 年创立了公司,五年后的今天,Parallel 已经建立了完整的技术体系,现在正专注于商业化。
虽然让公司改变其运输和配送策略可能是一项艰巨的任务,但 Soule 表示需求是存在的。他补充说,他们已经收到来自全球的关注,但目前计划将重点放在美国和澳大利亚市场。
这一消息也正值美国处于关税不确定期。Bakalar 预测,如果关税最终实施,可能会刺激对 Parallel 这样的公司的需求,因为企业可能会寻求各种方式来削减成本。
"这是货运领域一次跨时代的创新,货运行业并不常见变革,"Soule 说。"但这项技术恰恰击中了关键点。"
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。