在“交通强国”的背景下,今年1月出台的《“十四五”现代综合交通运输体系发展规划》明确指出,“推动互联网、大数据、人工智能、区块链等新技术与交通行业深度融合”,“构建泛在互联、柔性协同、具有全球竞争力的智能交通系统”。随着利好政策频出,智慧交通发展再次提速。
智慧交通作为5G、大数据、人工智能等新技术与交通运输深度融合的新兴业态,前景欣欣向荣,但不可否认的是,当前还面临着诸多挑战,涉及一系列复杂问题。例如车辆管控、治安防控、客流量和车流量的跨域流动、停车位的管理等。在数据层面,存在着数据有效利用率低、海量数据资源沉积、信息检索难度大等问题。
因此,当前智慧交通建设的重点在于如何解决这些问题,将人工智能等新技术与交通行业深度融合,保证数据的有效提取和存储,实现从事后到事前的预警,施加动态诱导,降低事故,提升交通质量和效率。
在这样的需求现状下,卓视智通与浪潮信息基于各自优势,迅速达成了合作共识并展开联合创新,共建智慧交通新世界。
卓视智通:5G+AI,赋能交通与安全
“让机器看懂世界,赋能交通与安全”,这是卓视智通一直以来的使命。作为计算机视觉与大数据原创的应用技术及解决方案供应商,卓视智通以交通领域为发力点,专注于车辆识别、交通场景识别、交通视频分析、大数据技术等前沿技术研发,致力于人工智能在交通及安全垂直行业应用落地,并结合5G在城市大脑、车路协同、智慧公路等“新基建”重点领域进行产业落地。
卓视智通CMO唐清涛
在卓视智通CMO唐清涛看来,卓视智通的定位非常清晰。一是为道路构建数字孪生,给智慧交通提供数字化的驱动;二是为车辆提供道路实时的信息服务,也就是常说的车路协同,为智能网联和自动驾驶汽车保驾护航;三是做智慧交通的赋能者,把技术和产品赋能给更多合作伙伴,共同服务于未来的智能网联汽车行业。
在核心技术层面,卓视智通聚焦于交通识别检测、大数据以及视频结构化。其中交通识别包括车辆识别、交通异常事件识别、行人识别、物体识别、文字识别等;大数据技术包括城市交通大脑、数据研判分析、交通数字孪生等;而视频结构化,充分复用道路沿线各类视频摄像头资源,通过对视频进行深度结构化分析,精准识别人车物等动态目标。
同时,卓视智通还拥有千万级的车辆相关视图数据,并不断更新和迭代,每天有数亿级的车辆检测识别数据。
融入“元脑生态”,加速行业落地
和大多数产业推进AI化进程一样,智慧交通建设是一个逐步完善的过程,需要依靠AI产业链内的多方合作。对此,浪潮信息提出的“元脑生态”计划,给出了一个示范。
“在实际推行AI落地时,一方面要沉淀对AI技术的理解,实现自身能力优化。另一方面还要在落地上实现快速高效部署。”唐清涛表示,元脑生态由浪潮信息联合具备AI功能开发能力的左手伙伴和具备行业AI整体方案交付能力的右手伙伴共同组成,聚合了强大的AI算力平台、优质的算法模型开发能力和优质集成、部署、服务能力,共同支撑和加速行业智能化构建。
元脑生态的推出,无疑为卓视智通的行业落地提供了重要助推剂。浪潮信息的云海insight大数据平台帮助卓视智通释放了数据价值,卓视智通的车辆大数据+视频结构化,借助浪潮信息AI服务器、云海insight和存储一体化机柜等基础设施,强强联手,打造出了高度集成、安全可靠、智能高效的软硬件一体化平台,实现了多种形态自由选择、资源灵活配置、灵活快速扩容、业务快速上线。
唐清涛指出,在交通管理领域,一体化平台帮助客户提升了应用效率,不但让人车路和环境的智能感知更高效,还使得交通安全管理和出行体验迈上一个新台阶。
展望未来,国内的智慧交通正朝着“智慧的路”发展,这也是卓视智通接下来的重点方向。未来,卓视智通与浪潮信息的合作也会进一步深入,相比于数据分析、挖掘,管控,后续的重点将转向构建道路数字孪生,让车路协同逐渐落地。从看到数据到看懂数据,实时告警,真正以数字化转型的形态加强交通可视、可测、可控、可服务的监管体系建设。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。