全球知名的科技记者马克·古尔曼爆料:苹果公司已经决定取消搞了十多年的电动车项目!
苹果以保密性著称,这十年来关于汽车的报道和分析都是非官方公布的数据。从2014年传闻苹果开始了一个秘密的电动车项目,代号为“Titan”。到今年1月的爆料显示,苹果将目标下调至“L2+级别自动驾驶、2028年上市”。
到现在完全没有汽车的影子,其进展速度已经无法忍受。个人认为,对于目前现金流为1918.3亿美元苹果而言,如果有意进军汽车行业,随便收购某家电车所花费的钱都会远远少于自身研发。
“有意见”留言板
@卡卡卡卡西:这么看,苹果也还是更相信人工智能会是未来,而且人工智能的技术研究也也更为紧迫,只不过,刚刚在MWC展出汽车的小米,恐怕就要后背发凉了。
@贰言:对于苹果这样的企业,选择项目很关键,但更重要的是项目的经济回报。在商业领域,及时止损和开辟新市场乃是明智之举。不断的探索和尝试对企业持续成长至关重要。苹果有能力在多个领域尝试,并挑选出最有盈利前景的项目。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。