电动化,网联化,智能化,共享化,在新四化的带动下汽车行业迎来了翻天覆地的变化,尤其是智能化,其不仅能带来个体化的定制,也能成为链接多个产业链的枢纽。
虽然早在80年代末汽车就在向智能化、电子化迈开脚步,但在2015年智能座舱还是一个较新的领域。在汽车新四化提出的2年后,2017年亿咖通科技悄然成立,瞄准汽车智能化这一赛道,开始了下一代汽车产业的探索。
亿咖通科技是由中国知名汽车企业家李书福与沈子瑜共同创立,秉持“加速汽车智能化,创建人车新关系”的发展使命,亿咖通科技持续打造行业领先的智能网联生态开放平台,通过持续与全球汽车制造商深度合作,共同重塑汽车行业向全面电动化发展的未来格局。
5年后,2022年12月20日亿咖通科技在美国纽约敲响纳斯达克开市钟,成为首家登陆美股的中国汽?智能化初创企业,现在亿咖通科技的技术已成功被应用在全球520多万辆汽车上。
与此同时,亿咖通科技自身也在不断应用数字化技术进行变革,持续提升流程管理,通过业务系统的集成为员工提供更便捷的服务。用亿咖通科技CIO赵钟博的话说,不断倾听业务的声音,通过一点一滴的积累才能让数字化持续正确的走下去。
数字化要内外兼修
在全球汽车制造商不断推出全新的车载平台的同时,亿咖通科技正在研发包括中央计算机平台、芯片模组(SoCs)及软件的全栈式解决方案,协助客户不断提升车内用户体验。
上市3个月后,今年亿咖通科技面向全球市场推出了从芯片、到计算平台再到汽车大脑的四款汽车智能化解决方案。包括:
亿咖通·安托拉(ECARX Antora)系列计算平台,搭载了国内首款7nm车规级智能座舱芯片“龍鷹一号”,算力及安全性表现可比肩行业旗舰产品。
亿咖通·马卡鲁(ECARX Makalu)计算平台,可以实现沉浸式座舱及大型3A游戏体验。
亿咖通·汽车大脑®(ECARX SuperBrain)中央计算平台,可支持合作伙伴打造行业领先的智能汽车跨域融合体验。
亿咖通·云山(ECARX Cloudpeak)跨域系统能力底座,支持合作伙伴根据不同车企及车型高效打造定制化的解决方案。
在内部亿咖通科技也在不断推动着数字化进程,像通过本地部署SAP ERP进行管理升级。赵钟博说,SAP除了拥有非常成熟的产品线,还拥有丰富的合作伙伴。SAP还帮助亿咖通科技在跨国协作时更加容易与当地客户进行对接,在更加迅速地实现全球化的拓展的同时保证了安全合规。
在数字化转型上,亿咖通科技可谓大刀阔斧,还引入了aPaaS(应用程序平台即服务)、iPaaS(集成平台即服务)两种技术,一方面可以快速搭建业务系统,一方面可以快速将所有业务系统集成,发挥集团作战优势,而不是一个个数据孤岛。同时引入AI技术,探索智能座舱交互的更多可能。
数字化要开拓创新
亿咖通科技持续引入云技术,最近又将ERP上云,进一步支撑业务创新发展。
仅用两个月的时间,亿咖通科技就完成了这次升级。赵钟博表示,我们做了环境的整体平行升级,未来在运维上将减轻很多压力。
亿咖通科技引入云技术的初衷主要有三方面。第一,安全合规,专业的机房管理和维护更能满足安全合规;第二,全球化,SAP的云解决方案可以更加方便和容易的实现扩展;第三,部署成本更具优势。
而且亿咖通科技还持续创新,将其与其他业务系统进行关联。以SAP的供应链能力为基础,与飞书协作平台、低代码平台进行打通作为外延,打造出像订单中心、供应商管理连接上下游。
“很多非财务人员在使用ERP时可能会遇到一些操作问题,我们尽可能在不同使用场景给员工更合适的使用方式。”赵钟博谈到,面向非专业用户我们会基于集成平台制作轻量级产品,像与飞书打通后,员工报销和差旅可以在飞书中进行填报,通过将财务凭证传递到SAP中,实现费控功能的外延。
像这样的例子还有很多,亿咖通科技希望将所有的数字化系统方案重新按照结构化、规范的方式进行一次沉淀。对所有业务模块的主数据进行梳理,再重新验证一遍原有的系统模型,在搭建、流程上是否存在不合理,之后就是对原有系统进行新一轮的迭代。
只有夯实了基础,才能谈上层建筑,让创新可以在未来随时发生。
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。