全场景智能车:智能无处不在|芯驰亮相世界人工智能大会
对于一个科技周边开发者来说,牢固扎实的基础是十分重要的,golang学习网就来带大家一点点的掌握基础知识点。今天本篇文章带大家了解《全场景智能车:智能无处不在|芯驰亮相世界人工智能大会》,主要介绍了,希望对大家的知识积累有所帮助,快点收藏起来吧,否则需要时就找不到了!

7月6日,2023世界人工智能大会(WAIC)“从‘端’到‘云’,勇攀‘芯’高峰”芯片主题论坛在上海浦东张江科学会堂顺利举行。本次论坛由世界人工智能大会组委会办公室主持,上海市集成电路行业协会负责承办。上海市委常委、浦东新区区委书记朱芝松、上海市经信委主任吴金城、工信部科技司副司长任爱光、上海市集成电路行业协会会长张素心出席会议并致辞。
芯驰科技CTO孙鸣乐受邀出席并发表《全场景智能车:智能无处不在》主题演讲,分享芯驰对于未来汽车智能化的新应用和新机会的思考,以及如何通过面向全场景的智能汽车芯片应对这一过程中的挑战。
汽车接力手机,正成为下一代智能计算的核心平台。据媒体报道,预计到2025年,中国智能汽车市场规模预计将达到万亿元,为汽车产业带来巨大的机遇。汽车从业者正在探索如何提供更具适应未来智能汽车发展的架构,并促进更多智能场景实现落地。
智能无处不在
自动驾驶是人工智能在汽车领域的首个落地点。随着人工智能计算能力的进一步增强和算法的发展,感知和定位将变得更加准确。借助人工智能技术,我们可以进一步优化车辆的路径规划,使自动驾驶功能更加智能。”孙鸣乐表示。
未来,智能汽车将从冰冷的代步工具变成温情、体贴的亲密伙伴。当汽车能够真正实现自动驾驶时,驾驶员的注意力可以逐渐从驾驶脱离开,通过视觉、嗅觉、触觉等与车进行全方位的互动,座舱内娱乐显示屏、HUD、智能后视镜、以及智能语音助手可以为驾驶员和乘客带来丰富的感官享受和驾乘体验。随着人工智能技术的发展,语音助手不断向亲密伙伴升级,除了被动完成指令,还能主动感知人的情绪,甚至提供情绪价值。
汽车智能化不止于智能驾驶和智能座舱。例如,在新能源汽车最重要的动力电池部分,电池“管家”BMS(电池管理系统)在保障电动汽车安全运行和提升续航时间等方面发挥着关键作用。通过精准地监控电池状态,可以优化整包电池可用容量,提升电池续航时间和循环寿命,缓解用户的里程焦虑;对电压电流、温度等精准采集,尽早发现潜在的风险,确保动力电池的安全性。为了实现这些功能,需要利用强大的计算能力和复杂的算法,并对电池的所有电芯进行精确监控。
汽车智能化的关键基石是底层的车规芯片。作为领先的全场景智能车芯企业,芯驰科技提前洞察汽车智能化的需求,布局智能座舱X9、智能驾驶V9、中央网关G9和高性能MCU E3四个系列产品,对未来汽车智能化的三大方向智舱、智驾和智控形成了全场景的覆盖。
迎接挑战,拥抱全场景智能车
由于汽车不同于手机,产业链庞杂,在智能化的过程中涉及诸多功能和多个操作系统,因此在汽车智能化的过程中,安全和生态是重要挑战。
首先,车涉及人的生命财产安全,在汽车智能化的过程中,必须确保安全性和可靠性,对于芯片而言,特别体现在AEC-Q100可靠性和ISO 26262功能安全。
芯驰科技已通过AEC-Q100可靠性认证、ASIL D管理体系认证、ASIL B功能安全产品认证以及国密商密认证,是国内首个完成“四证合一”的车规芯片企业。芯驰的SoC芯片等级分别为ASIL B,而高可靠MCU达到了ASIL D级别。芯驰科技也是国内首个获得国密二级认证的车规芯片企业。
此外,芯驰科技在生态方面具有超过200个生态伙伴,包括操作系统、虚拟化、工具、协议栈、HMI等领域。智能汽车具有多屏多操作系统,这些操作系统有不同的特性。例如娱乐系统通常会使用Android,需要有丰富的多媒体功能,仪表和ADAS通常采用Linux/QNX,因为安全性的要求更高,而且这些系统需要做到相互独立。除了这三大系统,智能汽车还需要包括运行AUTOSAR的实时操作系统,以及用于运行于HSM上的安全操作系统以支持信息安全。
芯驰科技在提供高性能高可靠全场景车规芯片和建立汽车生态圈基础上,和汽车行业一起深入交流和探索,在今年上海车展上发布了为未来智能汽车设计的架构——芯驰中央计算架构SCCA2.0。
这一架构由6个单元组成,首先是高性能中央计算单元,作为未来汽车的大脑,实现智能座舱、自动驾驶、整车的车身控制,并提供高速网络交互和存储共享服务等功能;高可靠智能车控单元作为底盘域+动力域的集成控制器,实现底盘和动力的融合和智能操控;4个区域控制器实现在车内四个物理区域内的数据交互和各项控制功能;6个核心单元之间采用10G/1Gbps高性能车载以太网实现互联,并采用冗余架构,既确保了低延迟高流量的数据交换,又能确保安全性。
孙鸣乐表示,芯驰非常荣幸能够参与汽车的智能化过程,希望能够和业界的同仁一起合作,为人工智能的发展和汽车智能化的发展做出自己的贡献!
本篇关于《全场景智能车:智能无处不在|芯驰亮相世界人工智能大会》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于科技周边的相关知识,请关注golang学习网公众号!
介绍吉时一键装机详细步骤
- 上一篇
- 介绍吉时一键装机详细步骤
- 下一篇
- 微软悄悄更新Windows 11处理器支持列表,新增多款处理器
-
- 科技周边 · 人工智能 | 1天前 |
- RAG 文档切片怎样决定 overlap
- 278浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- ONNX 导出怎样声明动态 batch 和序列长度
- 131浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- RAG 检索结果怎样设置召回和重排的 Top K
- 491浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | LoRa PEFT merge_and_unload adapter unload disable_adapter delete_adapter
- PEFT 怎样卸载 adapter 并保留基础模型
- 485浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Accelerate mixed_precision 怎样选择 fp16 或 bf16
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Accelerate 怎样配置梯度累积
- 356浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | skip take Hugging Face Datasets streaming IterableDataset shard
- IterableDataset 只有一个 shard 时怎么继续切分数据
- 441浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | JSON split Hugging Face dataset Datasets
- Hugging Face Datasets 怎样从 JSON 加载数据集
- 266浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Transformers 生成文本怎样理解 past_key_values 缓存
- 370浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · 文本生成 Transformers Python线程 TextIteratorStreamer 流式生成
- Transformers TextIteratorStreamer 怎样流式读取生成结果
- 485浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 490次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 547次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 574次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 527次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 340次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
