- 综合排序
- 最热优先
- 最新优先
- 来自专栏智能相对论
智能座舱的“非理性繁荣”
文|智能相对论 作者|张承缙 理想L9、问界M5、小鹏G9们“堆料”，能“堆”出智能座舱的未来吗？ 你对智能座舱，还有哪些期待？ 智能座舱在智能汽车上的发展已经有几年了，回顾来看，智能座舱真的做到了足够“智能”吗？又或者说这种智能是否真的是用户想要的智能？ 智能座舱 被委以“重任” 谈及自动驾驶，决策层的AI算法固然重要。 亿欧智库研究表明，在影响购车的7大参考因素当中，智能化体验已经位于第四位，仅次于质量、性能、与设计因素。 一位车评人在体验完某车厂智能座舱的动作识别后，吐槽道这是一个他自己觉得让自己显得很蠢的功能：“某个开关我要点头启动，但它识别的设定是‘我要把头放在固定的地方’，而且我的头点下去还不能抬起来……谁开车还能把脸怼到大屏上点头还不 这是智能座舱的设计思路层面，从技术层面来说，智能座舱相对较低的实现门槛也是原因之一。
67310编辑于 2022-05-17 - 来自专栏子晋城
智能座舱及关键技术
> 要点：智能网联，座舱域，交互智能，服务智能，用户需求，空间属性，产品构架，场景引擎。 智能座舱已经成为了汽车产业发展的最强风口。 这里分享智能座舱的定义以及关键技术，希望能抛砖引玉，与读者共同交流。 如图“智能网联全景”的上半部分，包含交互智能和服务智能，都是面向人的，面向座舱域的，这就是本文重点智能座舱。 交互智能，首先车内空间里需要一个“助手”，能帮用户解决一些问题，缓解焦虑。 ）的两大需求出发，基于需求，对应的关键技术可以从软件和硬件两个层面进行探讨。 四、智能座舱五大要点 综上所述，对智能座舱进行一个总结，有以下五个要点： 不只是硬件配置的简单堆砌和升级； 需要关心并了解每一位用户； 以智能化的交互方式来提供个性化服务； 不断学习和进化升级； 营造符合使用场景的移动生活空间
2.4K10编辑于 2022-01-18 - 来自专栏芯智讯
搅局者联发科用“AI定义座舱”，能打破高通座舱垄断吗？
前言：在生成式端侧大模型上车、算力进化等技术背景下，智能座舱产业的市场机遇和竞争格局正在发生巨变。联发科正凭借“AI定义座舱”，加速赶超竞品，以实现智能座舱产业的重塑。 也让以消费类芯片起家的高通抓住机会超越在汽车芯片领域深耕多年的瑞萨、NXP、TI等同行，垄断了座舱芯片市场。 然而，当时间来到2024年，AI大模型正在重塑千行百业，汽车产业也不例外受到了影响。 凭借强大的AI能力，天玑汽车座舱平台CT-X1、CT-Y1和CT-Y0得以支持更加高级而复杂的端侧生成式AI大模型，也为车辆的交互、安全、娱乐和操作提供了更多的可能性。 具体而言，4nm工艺的座舱芯片CT-Y1可以在端侧运行达70亿参数的AI大语言模型，而3nm工艺的CT-X1可以支持高达130亿参数的AI大模型，这在车载芯片市场上是前所未有的。 可以说，联发科的这些努力旨在推动智能座舱向真正的智能化迈进，通过AI来定义座舱。在大模型的支持下，车载智能助手能将依赖云端的语音交互延迟从2秒以上降至数百毫秒，显著提升交互的自然度和响应速度。
43910编辑于 2024-04-30 联发科3nm旗舰座舱芯片——天玑座舱S1 Ultra正式亮相
2025年10月17日，联发科技（MediaTek） 3nm 旗舰座舱芯片——天玑 座舱S1 Ultra正式亮相，以先进的生成式AI技术和卓越的3nm制程，带来远超同级的算力突破与智能座舱体验。 天玑 座舱S1 Ultra 采用 3nm 制程工艺打造，CPU 采用全大核架构，提供高达 280K DMIPS 的强大算力，赋能智能座舱的智慧体验向上突破。 天玑 座舱S1 Ultra整合了Armv9架构，内建高性能AI计算单元和轻量化生成式AI引擎，不仅满足AI运算精度需求，还能高效利用内存带宽和容量，助力端侧多模态大模型加速落地智能座舱。 天玑 座舱S1 Ultra支持高达130亿参数的AI大语言模型，可在车内流畅运行多种主流大语言模型（LLMs）及AI绘图功能（如Stable Diffusion）等生成式 AI 应用，并实现3D图形界面语音助手 深蓝 L06集驾控、智能、颜值于一体，凭借三大先进科技，为用户带来“特能飞、特有趣、特安心、特好看”的全新驾乘体验，详细信息请关注深蓝汽车。
26510编辑于 2026-03-20- 来自专栏创作是最好的自我投资
通用大模型VS垂直大模型
在人工智能这个充满无限可能的领域内，通用大模型和垂直大模型各有千秋。就我个人而言，在二者之间的选择上，并不存在偏向某一方的倾向。我觉得应当依据实际应用场景的具体需求，来挑选最为契合的大模型。 通用大模型通用大模型，乃是旨在应对多种任务与数据类型的庞然大物级人工智能模型。 在知识覆盖的广度方面，通用大模型无疑具有明显的优势。当我们对于当下所需模型所涉及的精确专业领域的界限感到模糊不清时，选择通用大模型无疑是一种明智之举。垂直大模型接下来谈谈垂直大模型。 然而，由于垂直大模型的训练内容聚焦于当前行业，其涉猎的范围更集中，数据针对性更强，所以在提供专业咨询时往往更加精准、细致，这也正是垂直大模型的独特价值所在。 因此，对于通用大模型或者垂直大模型，更倾向于哪一方不取决于个人想法，而是取决于用户需要。
77601编辑于 2024-12-30 - 来自专栏小洁叫你mysql
【AI大模型】训练Al大模型
大模型超越AI 目前所指的大模型，是“大规模深度学习模型”的简称，指具有大量参数和复杂结构的机器学习模型，可以处理大规模的数据和复杂的问题，多应用于自然语言处理、计算机视觉、语音识别等领域。 本文将探讨大模型的概念、训练技术和应用领域，以及与大模型相关的挑战和未来发展方向。 大模型是指具有庞大参数数量的机器学习模型。传统的机器学习模型通常只有几百或几千个参数，而大模型则可能拥有数亿或数十亿个参数。 训练大模型的挑战 训练大模型需要应对一系列挑战，包括： 以下是与大模型相关的一些代码示例： 计算资源需求： import tensorflow as tf # 指定使用GPU进行训练 with tf.device 更智能的模型压缩技术：模型压缩和加速技术将继续发展，以减小大模型的计算和存储开销。 更好的计算平台支持：为了支持训练和部署大模型，计算平台将继续改进，提供更强大的计算资源和工具。
1.5K30编辑于 2023-10-10 - 来自专栏学习
开源大模型与闭源大模型
在人工智能（AI）和机器学习（ML）的快速发展过程中，大模型（Large Models）已经成为推动技术进步的重要力量。当前，业界存在两种主要的大模型开发模式：开源大模型和闭源大模型。 一、开源大模型 开源大模型是指开发者将模型的代码和训练数据公开，使得任何人都可以访问、修改和使用这些资源。 二、闭源大模型 闭源大模型是指模型的代码和数据不对外公开，通常由商业公司开发和维护。代表性的闭源大模型包括OpenAI的GPT-3和Google的BERT。 三、开源大模型与闭源大模型的对比 1.透明性与可控性： 开源大模型的透明性更高，任何人都可以查看和验证其代码和数据，确保模型的行为符合预期。这对于学术研究和技术验证非常重要。 闭源大模型通过控制代码和数据的访问，能够更好地保护用户隐私和数据安全，降低被恶意利用的风险。 五、总结 开源大模型和闭源大模型各有优缺点，适合不同的应用场景和需求。
1.7K10编辑于 2024-10-09 - 来自专栏数据派THU
原创 | 大模型扫盲系列——初识大模型
为了提高模型的性能，研究者们不断尝试增加模型的参数数量，从而诞生了大模型这一概念。本文将从大模型的原理、训练过程、prompt和相关应用介绍等方面进行分析，帮助读者初步了解大模型。 为了提高模型的性能，研究者们不断尝试增加模型的参数数量，从而诞生了大模型这一概念。本文讨论的大模型将以平时指向比较多的大语言模型为例来进行相关介绍。 训练三步骤 初步认识了大模型长什么样了，接下来一起来看看如何训练出一个大模型。 除这些外还包括算法优化、隐私和数据安全以及模型可解释性等方面的研究和应用，每天还有很多大模型的应用正在不断涌现，大模型在未来仍然有很大的发展潜力，国内的优秀大模型代表例如百度文心大模型也正在搭建全系统产业化的大模型全景 大模型挑战 大模型也存在一些现实挑战： 1.数据安全隐患：一方面大模型训练需要大量的数据支持，但很多数据涉及到机密以及个人隐私问题，如客户信息、交易数据等。
21.2K29编辑于 2023-11-22 - 来自专栏IT从业者张某某
大模型与大模型的幻觉问题
参考 大模型中的涌现 OpenAI 科学家：幻觉是大模型与生俱来的特性，而非缺陷 大模型「幻觉」，看这一篇就够了｜哈工大华为出品 大模型 什么是大模型 大语言模型（LLM）是基于海量文本数据训练的深度学习模型 大模型的模型发展如下图 涌现 参考：大模型中的涌现 什么是涌现？先从蚂蚁开始说起。蚂蚁是自然界中一种个体非常简单，但是群体能力非常强大的生物。 如何解决大模型的「幻觉」问题？ 方向一：什么是大模型「幻觉」 大模型出现幻觉，简而言之就是“胡说八道”。 用文中的话来讲，是指模型生成的内容与现实世界事实或用户输入不一致的现象。 OpenAI 科学家 Andrej Karpathy关于大模型幻觉 在 Karpathy 看来： 从某种意义上说，大语言模型的全部工作恰恰就是制造幻觉，大模型就是「造梦机」。 只有大模型助手存在幻觉问题。 方向二：造成大模型「幻觉」的原因 那么致使大模型产生幻觉的原因都有哪些？
1.8K11编辑于 2024-01-04 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（八）：大模型微调之LoraConfig
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 你可以直接使用一个框架训练你的模型然后用另一个加载和推理。 LoRA是一种用于微调大型语言模型的轻量级方法，它通过添加低秩矩阵到预训练模型的权重上来实现适应性调整，从而在不显著增加模型大小的情况下提升特定任务的性能。 task_type: 指定任务类型，如'CAUSAL_LM'，以确保LoRA适应正确应用到模型的相应部分。 get_peft_model(model, config) print_trainable_parameters(model) 三、总结 本文简要介绍LoraConfig的配置参数情况，具体的机遇peft对大模型进行微调后面单独开一页详细讲解
96110编辑于 2024-08-13 - 来自专栏最新动态
ChatGPT同源技术在智能座舱中的应用
作为一个烧掉了数百亿美元、背靠1,750亿参数大模型的超大型语言生成模型，ChatGPT极致的自然语言处理能力生成的高质量结果令人耳目一新，也让人工智能的发展终于实现了阶跃式的突破。 在智能座舱领域，ChatGPT同源技术也已在悄然落地中。 搭载了ChatGPT同源技术的语音识别技术大幅提升了用户体验，普通话语音识别准确率明显提升，且通过对模型在垂直领域的定制裁剪，可以在车载运行环境中取得优异的识别效果和极低的硬件资源占用；另外在多语言和方言识别上也取得了较大突破 在语义理解的技术方面，镁佳科技全面使用了ChatGPT同源的预训练模型，特别是多轮对话中使用了判别式和生成式的预训练模型。
80620编辑于 2023-03-24 - 来自专栏机器学习入门
【AI大模型】LLM主流开源大模型介绍
学习目标 了解LLM主流开源大模型. 掌握ChatGLM、LLaMA、Bloom等基础大模型的原理 LLM主流大模型类别 随着ChatGPT迅速火爆，引发了大模型的时代变革，国内外各大公司也快速跟进生成式AI市场，近百款大模型发布及应用 目前，市面上已经开源了各种类型的大语言模型，本章节我们主要介绍其中的三大类： ChatGLM-6B：衍生的大模型（wenda、ChatSQL等） LLaMA：衍生的大模型（Alpaca、Vicuna BLOOM模型 BLOOM系列模型是由 Hugging Face公司的BigScience 团队训练的大语言模型。 小结 本小节主要介绍了LLM主流的开源大模型，对不同模型架构、训练目标、优缺点进行了分析和总结。
1.2K10编辑于 2024-09-24 - 来自专栏IT从业者张某某
大语言模型-1.2-大模型技术基础
简介 1.2 大模型技术基础 大语言模型 预训练阶段会得到base model，本质上就是一个互联网文本模拟器，这个阶段需要上万台服务器训练几个月的时间，这个生成的模型可以认为是互联网的有损压缩。 构建一个大语言模型 大语言模型预训练（Pre-training） 使用与下游任务无关的大规模数据进行模型参数的初始训练 ➢ 基于Transformer解码器架构，进行下一个词预测 ➢ 数据数量、数据质量都非常关键 人类对齐（Human Alignment） ➢ 将大语言模型与人类的期望、需求以及价值观对齐 ➢ 基于人类反馈的强化学习对齐方法（RLHF） 大模型的研发已经成为一项系统工程 扩展定律（ Scaling Law) ➢ 通过扩展参数规模、数据规模和计算算力，大语言模型的能力会出现显著提升 ➢ 扩展定律在本次大模型浪潮中起到了重要作用 大语言模型采用了与小型预训练语言模型相似的神经网络结构 ，从而获得更可靠的答案 涌现能力与扩展定律的关系 ➢ 涌现能力和扩展定律是两种描述规模效应的度量方法 大模型核心技术 ➢ 规模扩展：扩展定律奠定了早期大模型的技术路线，产生了巨大的性能提升
53410编辑于 2025-03-15 - 来自专栏刘旷专栏
互联网大厂智能座舱斗法
配图来自Canva可画近两年，智能座舱成为了汽车产业的发展新潮，部分车企甚至将其视为重要的核心卖点，智能座舱市场也逐渐迎来了爆发窗口。 雷同的智能座舱智能座舱迅猛起飞，传统车企、造车新势力、硬件供应商、软件开发商蜂拥而至，然而因为各厂商在配置上的大同小异，智能座舱的同质化问题也逐渐凸显。 因为技术的复杂性，智能座舱需要紧密地依靠于上下游供应体系，而绝大部分供应商所提供给智能座舱品牌的解决方案相似度比较高，导致其所搭载的功能并没有明显区别，这也就是为什么如今的智能座舱大屏、多屏的形式屡见不鲜 百度虽然与华为的观点类似，都是看重技术赋能智能座舱的发展，不过在众多互联网公司中，作为为数不多的整车制造厂商，百度已将智能座舱视为撕开智能汽车市场缺口的关键一步，其对智能座舱的重视程度可想而知。 生态或是最后的决胜圈目前，能够触达用户感官的座舱技术更加丰富，对于大部分座舱厂商而言，全部靠自己供应并不实际，其想要打造一个高度集成多种功能的智能座舱，还需与其他技术厂商合作。
66120编辑于 2022-07-18 腾讯与特斯拉共同升级座舱体验
开车出门，朋友在微信发来一个定位，你是不是还得在车机大屏上重新手动搜索？或者掏出手机看导航？好消息！这种割裂的体验将逐步成为历史。 前不久，腾讯与特斯拉共同升级座舱体验，首批上线「微信互联」、「目的地服务」两大功能。 两大亮点，先睹为快//微信互联：位置信息，点一下就“上车”“我在xx餐厅等你，位置发你了。”“好，我马上到。”放以前，这个场景的下一步是：掏出手机导航，或者在车机上艰难打字。
31810编辑于 2026-02-25- 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（十二）：Evaluate模型评估
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 你可以直接使用一个框架训练你的模型然后用另一个加载和推理。 本文重点介绍Evaluate模型评估。 二、Evaluate模型评估 2.1 概述 Transformers库中的evaluate API主要用于评估模型在特定数据集上的性能。 下面是一个使用Python和Transformers库进行模型评估的基本步骤，假设你已经有了一个预训练模型和相应的数据集处理器。 评估结果将包含各种指标，如准确率，具体指标还要取决于你的模型。
1.1K10编辑于 2024-08-13 - 来自专栏muller的测试分享
MetaLlama大模型
llama 大模型介绍我们介绍 LLaMA，这是一个基础语言模型的集合，参数范围从 7B 到 65B。 我们在数万亿个Token上训练我们的模型，并表明可以专门使用公开可用的数据集来训练最先进的模型，而无需诉诸专有的和无法访问的数据集。 特别是，LLaMA-13B 在大多数基准测试中都优于 GPT-3 (175B)，llama2 大模型介绍我们开发并发布了 Llama 2，这是一组经过预训练和微调的大型语言模型 (LLM)，其参数规模从 我们经过微调的大语言模型（称为 Llama 2-Chat）针对对话用例进行了优化。 //huggingface.co/meta-llama/Llama-2-7bhttps://huggingface.co/docs/transformers/model_doc/llamallama 大语言模型提供的主要模型列表
45310编辑于 2024-09-02 - 来自专栏muller的测试分享
mixtral大模型
简介Mixtral 是一种具有开放权重的高质量稀疏专家混合模型 (SMoE)。根据 Apache 2.0 许可。 它是最强大的开放权重模型，具有宽松的许可证，也是成本/性能权衡方面的最佳模型。特别是，它在大多数标准基准测试中匹配或优于 GPT3.5。Mixtral 的特点可以优雅地处理 32k 令牌的上下文。 请为google编写web自动化测试用例，使用pytest page object设计模式，断言使用hamcrest') debug(r)总结Mixtral 是一种具有开放权重的高质量稀疏专家混合模型
22810编辑于 2024-10-16 - 来自专栏AI
大模型微调
# 大模型微调的主流方式、核心区别与底层原理 微调（Fine-tuning）的核心底层共性：基于预训练模型的知识迁移，冻结预训练模型的大部分通用特征参数，仅针对具体任务优化少量参数/引入轻量模块/设计提示特征 核心特点 优点：任务适配性最强，能充分挖掘任务数据的特征，效果理论上最优； 缺点：算力/数据需求极高（需千万级以上任务数据，大模型全量微调需上百张GPU）、易过拟合、模型存储成本高（一个任务一个模型）、 核心特点：效果接近全量微调，是工业级大模型的主流选择，参数量仍控制在5%以内。 特点：少样本适配（百/千级样本），效果优于硬提示，无推理延迟，适合超大规模大模型。 ； 避免全量/部分微调：针对Transformer大模型的两段式端到端架构，全量/部分微调的算力成本极高，且多任务适配时模型存储成本不可接受。
59310编辑于 2026-02-09 【大模型 RAG】
大模型 RAG（Retrieval-Augmented Generation）是指结合检索和生成技术的模型，在生成任务中引入了检索的过程。 在学术界，研究者通常会在大模型 RAG 的基础上提出新的模型结构、训练方法和评估指标等方面的创新。他们会通过论文发表、学术研讨会等方式将研究成果传播给其他研究人员，推动该领域的发展。 而在工业界，企业通常会将大模型 RAG 技术应用到实际的产品和应用中，解决一些实际问题。 学术界与工业界可以进行合作研究项目，共同开展大模型 RAG 技术的研究与探索。学术界可以提供理论指导和算法创新，工业界可以提供实际数据和场景需求。 总之，大模型 RAG 场景下的产学结合是学术界和工业界合作研究和应用大模型 RAG 技术的一种方式，通过合作与交流，推动该领域的发展和应用。
30310编辑于 2025-08-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号