华为又又要造车?消息来自中建集团官网:中建六局联合体中标安徽肥西新能源汽车智能产业园EPC项目。中建集团表示,该项目建成后将用于华为与江汽集团在合肥共同开发新代高端智能电动汽车。
关于华为和江淮合作造车一事早有市场传言,但双方均未曾给出过明确回应。2月21日,余承东表示:“华为不是亲自造车,还是通过智选模式合作。”江淮汽车则在投资者互动平台上回应称,“公司与华为一直保持战略合作关系,一切信息请以公司发布的公告为准,目前公司没有应披露而未披露的信息。”
我们的科技留言板“有意见”如下
@老默我想吃鱼:这个模式还是很新颖的,华为又提供硬件零部件,又提供软件系统服务,直接变身汽配“外包”。新能源如火如荼,既不用自己造车,也不用承担售后,看起来是个稳赚不赔的好生意。
@老董:造车不是写PPT,还是有很高的专业技术壁垒。但传统车企业要想从制造向智造跨越,也同样存在一道技术的鸿沟。通过智选的方式,将自身的数字化、智能化技术向传统制造企业赋能,华为这条智选的道路一旦走通,未来发展前景必定无限。
@卡卡卡卡西:华为造车是真不遗余力,最近华为手机总是跳出问界新车试驾的消息,不知道是不是余总的手笔。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
杜克大学研究团队开发了MOG-DFM技术,这是首个能够同时优化生物分子多种特性的AI系统。该方法成功解决了传统药物设计中"顾此失彼"的难题,能够设计出既安全又有效的治疗性分子。实验证明,MOG-DFM在肽类药物和DNA序列设计中都表现优异,有望显著加速药物发现进程并推动个性化医疗发展。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
印度理工学院团队开发REFINE-AF框架,让小型AI模型通过强化学习自动生成训练指令,无需大量人工标注。该方法在119项测试任务中,63-66%的表现超越传统方法,证明了小模型也能通过巧妙设计获得优异效果,为降低AI训练成本提供了新思路。