j9九游會(huì )(中華國)九游會(huì )官網(wǎng)

　　完全自動(dòng)駕駛技術(shù)，被視作汽車(chē)產(chǎn)業(yè)乃至交通領(lǐng)域的顛覆性力量。一旦成熟，不僅能大幅提升交通效率、減少交通事故，還將重構城市規劃、物流運輸等多個(gè)領(lǐng)域。然而，從理論研究到實(shí)際應用，這項技術(shù)的落地仍需跨越重重阻礙。

　　傳感器性能局限：在自動(dòng)駕駛的感知體系中，攝像頭、激光雷達、毫米波雷達等傳感器發(fā)揮著(zhù)關(guān)鍵作用，然而，其性能在極端條件下的短板十分明顯。以車(chē)載攝像頭為例，行業(yè)主流的 120 萬(wàn)像素攝像頭，在夜間或逆光等低光照場(chǎng)景下，對遠距離小目標物體的識別準確率不足 50%。即便部分產(chǎn)品向 800 萬(wàn)像素邁進(jìn)，面對暴雨、沙塵等惡劣天氣，圖像采集質(zhì)量仍會(huì )大幅下降，導致識別延遲增加 200ms 以上。維寧爾第四代攝像頭雖擁有 170 萬(wàn)像素分辨率和 100° 視角，集成深度學(xué)習算法，能實(shí)現 AEB、ACC 等主動(dòng)安全功能，但在極端天氣下，性能同樣會(huì )受到較大影響。

　　激光雷達方面，905nm 激光雷達受脈沖功率限制，點(diǎn)云最遠探測距離在 230 米左右，且對人眼存在潛在危害。雖 1550nm 波長(cháng)技術(shù)將探測距離提升至 300 米，但車(chē)規級可靠性要求突破納米級鍍膜工藝與抗沖擊封裝技術(shù)，國內企業(yè)在 MEMS 微振鏡加工（線(xiàn)μm 以?xún)龋╊I(lǐng)域仍依賴(lài)進(jìn)口設備。部分高性能激光雷達，如 TitanM1 - pro，探測距離可達 200m，支持 480 條激光掃描線(xiàn) 像素的分辨率，水平掃描角度 120°，垂直掃描角度 25°，角分辨率出色，適合小尺寸目標探測，然而其高昂的成本限制了大規模應用。此外，在極端天氣下，激光雷達的探測精度會(huì )受到嚴重干擾，探測距離大幅縮短。

　　毫米波雷達同樣存在不足，盡管 4D 毫米波雷達采用 MIMO 和 DBF 技術(shù)，功率和分辨率有所提升，點(diǎn)云最遠距離能到 330 米，但在復雜電磁環(huán)境下，容易受到干擾，出現誤報、漏報等問(wèn)題。

　　計算平臺算力不足：自動(dòng)駕駛車(chē)輛需實(shí)時(shí)處理海量傳感器數據，并做出決策。目前，即使是算力領(lǐng)先的英偉達 Orin、特斯拉 FSD 等車(chē)載計算平臺，在面對復雜路況和大規模神經(jīng)網(wǎng)絡(luò )模型時(shí)，仍存在計算延遲問(wèn)題。英偉達 Orin 算力為 254TOPS，特斯拉 FSD 芯片算力達 300TOPS，然而，當處理包含復雜動(dòng)態(tài)物體、不規則道路標識的場(chǎng)景時(shí)，運算速度難以滿(mǎn)足需求，導致車(chē)輛在緊急情況下的反應速度受限，增加了事故風(fēng)險。

　　而且，高算力帶來(lái)的高功耗，不僅對車(chē)輛的電池續航提出挑戰，還需復雜的散熱系統，增加了車(chē)輛設計和制造成本。例如，英偉達 Orin 的功耗高達 65W，給車(chē)輛的散熱和能源管理帶來(lái)了較大壓力。此外，隨著(zhù)自動(dòng)駕駛算法對數據處理精度和速度要求的不斷提高，現有的計算平臺在應對未來(lái)復雜場(chǎng)景時(shí)，算力儲備明顯不足。

　　極端場(chǎng)景適應性差：盡管深度學(xué)習算法在自動(dòng)駕駛領(lǐng)域取得了顯著(zhù)進(jìn)展，但面對現實(shí)中復雜多樣的極端場(chǎng)景，仍顯得力不從心。如道路上突然出現的動(dòng)物、非標準交通標志或臨時(shí)施工場(chǎng)景等，這些場(chǎng)景數據難以被全部收集和訓練，導致算法在遇到時(shí)無(wú)法準確識別和處理，可能引發(fā)嚴重事故。Momenta研究表明，自動(dòng)駕駛系統需覆蓋 10^10 種罕見(jiàn)場(chǎng)景才能達到人類(lèi)駕駛員的安全性，而當前算法在這些極端場(chǎng)景下的識別準確率僅 78% 左右，對異形車(chē)輛（如三輪車(chē)、手推車(chē)）的分類(lèi)準確率更低。

　　決策邏輯的不穩定性：自動(dòng)駕駛算法的決策邏輯復雜，且部分基于概率模型。這意味著(zhù)在某些情況下，算法的決策可能出現隨機性，缺乏人類(lèi)駕駛員那種穩定、可靠的決策能力。例如，在并線(xiàn)、超車(chē)等復雜駕駛場(chǎng)景中，算法可能無(wú)法準確判斷時(shí)機和距離，導致操作不當。在 L3 級自動(dòng)駕駛的控制權切換過(guò)程中，存在 4 - 6 秒 “灰色地帶”，駕駛員情境感知恢復時(shí)間長(cháng)達 1.8 秒，期間若算法決策出現偏差，極易引發(fā)事故。

　　責任界定模糊：一旦發(fā)生交通事故，現行法規難以明確界定自動(dòng)駕駛系統開(kāi)發(fā)者、車(chē)輛制造商、使用者之間的責任。這種模糊性，不僅增加了事故處理的難度，也給自動(dòng)駕駛技術(shù)的推廣帶來(lái)了法律風(fēng)險。不同國家和地區對于自動(dòng)駕駛事故責任的認定標準存在差異，導致企業(yè)在全球市場(chǎng)布局時(shí)面臨諸多不確定性。

　　監管標準缺失：目前，全球尚未形成統一的自動(dòng)駕駛監管標準，不同國家和地區的法規差異較大。這使得自動(dòng)駕駛企業(yè)在全球市場(chǎng)布局時(shí)面臨諸多挑戰，增加了技術(shù)研發(fā)和商業(yè)推廣的成本。例如，歐盟的 AVCC 標準與中國 C - ICAP 在技術(shù)要求和測試方法上存在差異，企業(yè)需要針對不同地區進(jìn)行針對性調整，增加了研發(fā)和運營(yíng)成本。

　　核心零部件依賴(lài)進(jìn)口：高精度傳感器、車(chē)規級芯片等自動(dòng)駕駛核心零部件，大多被國外企業(yè)壟斷。國內企業(yè)在這些領(lǐng)域的研發(fā)和生產(chǎn)能力相對薄弱，這不僅限制了我國自動(dòng)駕駛產(chǎn)業(yè)的自主可控發(fā)展，還增加了供應鏈風(fēng)險。例如，車(chē)規級芯片的制程代差制約產(chǎn)業(yè)自主，國內中芯國際 14nm 工藝雖已量產(chǎn)，但 7nm 及以下制程的 EUV 光刻機尚未突破，導致國內在高端芯片制造方面依賴(lài)進(jìn)口。

　　數據共享與安全問(wèn)題突出：自動(dòng)駕駛的發(fā)展離不開(kāi)海量數據的支持，但目前數據共享機制尚未建立，數據孤島現象嚴重。同時(shí)，數據安全問(wèn)題也日益突出，自動(dòng)駕駛車(chē)輛收集的大量敏感數據，面臨被竊取、篡改的風(fēng)險，威脅到用戶(hù)隱私和交通安全。由于缺乏統一的數據標準和安全規范，數據在不同企業(yè)和機構之間的流通存在障礙，限制了數據的價(jià)值挖掘和應用。

　　新型傳感器研發(fā)：科研人員和企業(yè)正積極研發(fā)新型傳感器，以提升其在極端環(huán)境下的性能。如紅外傳感器，能夠在夜間或惡劣天氣下，通過(guò)感知物體的紅外輻射來(lái)進(jìn)行探測，有效彌補可見(jiàn)光攝像頭在低光照條件下的不足。

　　固態(tài)激光雷達則具有更高的可靠性和穩定性，有望替代傳統機械式激光雷達，實(shí)現大規模應用。部分固態(tài)激光雷達產(chǎn)品已將幀率提升至 200Hz，探測精度和響應速度大幅提高。

　　此外，百度 Apollo 聯(lián)合索尼半導體方案公司、聯(lián)創(chuàng )電子與黑芝麻智能，共同打造的超 1500 萬(wàn)高像素車(chē)載攝像頭模組，通過(guò)全尺寸超 1500 萬(wàn)高像素及感光芯片像素結構設計，極大地提升了影像識別感知能力，在低感光環(huán)境下也能獲取高質(zhì)量圖像，有效解決色彩還原問(wèn)題。該模組還具備大視場(chǎng)、小畸變、長(cháng)焦、景深覆蓋范圍廣的優(yōu)勢，以及多畫(huà)幅輸出能力，同一幀可同時(shí)輸出縮放、剪裁不同視場(chǎng)數據，避免關(guān)鍵數據丟失。

　　算力升級與功耗優(yōu)化：一方面，半導體企業(yè)不斷提升芯片制程工藝，研發(fā)更高算力的車(chē)規級芯片。

　　英偉達 Thor 通過(guò) Chiplet 技術(shù)實(shí)現 2000TOPS 算力，為自動(dòng)駕駛提供了強大的算力支持。黑芝麻智能推出的 7 納米工藝芯片 C1236，以及即將量產(chǎn)的 A2000 芯片，在 AI 計算效率上實(shí)現了重大突破，A2000 還支持單芯片高階智能駕駛和數據閉環(huán)，可靈活拓展，多芯片互聯(lián)。另一方面，通過(guò)優(yōu)化計算架構，如采用異構計算、邊緣計算等技術(shù)，降低計算平臺的功耗，提高數據處理效率。同時(shí)，還可以將部分計算任務(wù)從車(chē)載端轉移到云端，減輕車(chē)載計算平臺的負擔。例如，AMD 的自適應 XA SoC 平臺，特別是 Versal AI Edge，可提供超高 AI 性能功耗比，在完成域控制器內的數據聚合、預處理和分發(fā)任務(wù)的同時(shí)，實(shí)現出色的計算加速，助力打造新一代 ADAS 和 AD 系統。

　　此外，高通 SA8620P 芯片采用 4nm 制程，30W 功耗與 20TOPS 算力組合，實(shí)現了 “每瓦算力” 的行業(yè)標桿，搭載該芯片的車(chē)型在城市 NOA 場(chǎng)景下，系統響應速度提升 30%，極端工況識別準確率達 98.2%。

　　強化學(xué)習與遷移學(xué)習應用：強化學(xué)習通過(guò)讓算法在與環(huán)境的交互中不斷學(xué)習和優(yōu)化，提高其在復雜場(chǎng)景下的決策能力。遷移學(xué)習則可以將在一個(gè)場(chǎng)景中學(xué)習到的知識，應用到其他類(lèi)似場(chǎng)景中，減少對大量標注數據的依賴(lài)，提升算法的泛化能力。通過(guò)這些技術(shù)，算法能夠更好地應對極端場(chǎng)景和未知情況，提高決策的準確性和穩定性。

　　多模態(tài)融合算法發(fā)展：將攝像頭、激光雷達、毫米波雷達等多種傳感器的數據進(jìn)行融合處理，充分發(fā)揮各傳感器的優(yōu)勢，提高對復雜場(chǎng)景的感知和理解能力。例如，通過(guò)融合視覺(jué)和激光雷達數據，能夠更準確地識別物體的形狀、位置和運動(dòng)狀態(tài)，彌補單一傳感器在感知上的不足，提升自動(dòng)駕駛系統的可靠性和安全性。

　　明確責任界定與監管標準：政府部門(mén)應加快制定相關(guān)法律法規，明確自動(dòng)駕駛事故的責任界定原則，建立統一的監管標準。例如，規定在特定情況下，自動(dòng)駕駛系統開(kāi)發(fā)者或車(chē)輛制造商需承擔主要責任，同時(shí)對自動(dòng)駕駛車(chē)輛的技術(shù)性能、安全標準等做出明確要求。通過(guò)清晰的法規指引，降低企業(yè)的法律風(fēng)險，推動(dòng)自動(dòng)駕駛技術(shù)的有序發(fā)展。

　　推動(dòng)國際合作與法規協(xié)調：各國應加強在自動(dòng)駕駛法規政策方面的合作與交流，協(xié)調不同國家和地區的法規差異，為自動(dòng)駕駛技術(shù)的全球推廣創(chuàng )造有利條件。例如，通過(guò)建立國際統一的測試標準和認證體系，減少企業(yè)在全球市場(chǎng)的準入障礙，促進(jìn)自動(dòng)駕駛技術(shù)的跨國應用和發(fā)展。

　　加強核心技術(shù)自主研發(fā)：加大對高精度傳感器、車(chē)規級芯片等核心零部件的研發(fā)投入，培育本土企業(yè)，提高產(chǎn)業(yè)自主可控能力。例如，政府可以通過(guò)政策扶持、資金支持等方式，鼓勵企業(yè)與高校、科研機構開(kāi)展產(chǎn)學(xué)研合作，突破關(guān)鍵技術(shù)瓶頸。地平線(xiàn)通過(guò)持續研發(fā)，推出了四代 BPU 架構，應用于征程系列芯片，憑借在性?xún)r(jià)比、靈活性和可靠性各方面表現，滿(mǎn)足著(zhù)不同價(jià)位、不同動(dòng)力車(chē)型的量產(chǎn)裝配需求，構建起適配中國道路的技術(shù)護城河。

　　建立數據共享與安全保障機制：搭建數據共享平臺，促進(jìn)自動(dòng)駕駛數據的合法、安全共享，打破數據孤島。同時(shí)，加強數據安全技術(shù)研發(fā)，采用加密技術(shù)、訪(fǎng)問(wèn)控制等手段，保障數據的安全性和隱私性。通過(guò)建立規范的數據共享和安全保障體系，充分挖掘數據價(jià)值，推動(dòng)自動(dòng)駕駛技術(shù)的快速發(fā)展。

　　特斯拉憑借其先進(jìn)的 Autopilot 和 FSD 自動(dòng)駕駛系統，在全球自動(dòng)駕駛市場(chǎng)占據領(lǐng)先地位。通過(guò)不斷收集和分析用戶(hù)駕駛數據，特斯拉持續優(yōu)化其算法，提升系統性能。然而，特斯拉也曾因自動(dòng)駕駛系統事故引發(fā)廣泛關(guān)注，這表明即使是行業(yè)領(lǐng)先企業(yè)，也仍需不斷改進(jìn)技術(shù)，應對復雜的現實(shí)挑戰。在部分事故中，特斯拉自動(dòng)駕駛系統在識別交通標志、判斷路況時(shí)出現失誤，導致車(chē)輛操作不當，凸顯出其技術(shù)在復雜場(chǎng)景下的局限性。

　　百度 Apollo 自動(dòng)駕駛平臺，通過(guò)開(kāi)放技術(shù)、數據和資源，吸引了眾多企業(yè)和開(kāi)發(fā)者參與，構建了一個(gè)龐大的自動(dòng)駕駛生態(tài)系統。百度不僅在算法研發(fā)方面取得了顯著(zhù)成果，還積極推動(dòng)自動(dòng)駕駛技術(shù)在多個(gè)場(chǎng)景的應用，如 Robotaxi、智能物流等，為行業(yè)發(fā)展提供了有益借鑒。通過(guò)與合作伙伴的協(xié)同創(chuàng )新，百度不斷優(yōu)化自動(dòng)駕駛解決方案，提升技術(shù)的實(shí)用性和可靠性。

　　隨著(zhù)硬件性能的提升、算法的優(yōu)化、法規政策的完善以及產(chǎn)業(yè)生態(tài)的協(xié)同發(fā)展，完全自動(dòng)駕駛有望在未來(lái) 10 - 15 年內逐步實(shí)現商業(yè)化應用。屆時(shí)，人們的出行將更加便捷、安全和高效，交通擁堵和環(huán)境污染問(wèn)題也將得到有效緩解。同時(shí)，完全自動(dòng)駕駛技術(shù)還將催生新的商業(yè)模式和產(chǎn)業(yè)形態(tài)，為經(jīng)濟發(fā)展注入新的活力。

　　從技術(shù)發(fā)展趨勢來(lái)看，固態(tài)激光雷達將進(jìn)一步降低成本，提升性能，有望將幀率提升至 200Hz，成本降至千元級。車(chē)路協(xié)同技術(shù)將更加成熟，5G - V2X 實(shí)現 10ms 低延遲通信，構建萬(wàn)級節點(diǎn)網(wǎng)絡(luò )，實(shí)現車(chē)輛與基礎設施的高效協(xié)同。能源管理將不斷優(yōu)化，無(wú)線(xiàn)充電技術(shù)使 Robotaxi 日均充電次數降至 1.5 次，提高運營(yíng)效率。量子計算與多模態(tài)大模型將推動(dòng)算法突破，覆蓋 10^12 公里級訓練數據，大幅提升自動(dòng)駕駛系統的智能水平。

　　完全自動(dòng)駕駛技術(shù)的發(fā)展，是一場(chǎng)充滿(mǎn)挑戰的馬拉松。盡管面臨諸多現實(shí)困境，但通過(guò)技術(shù)創(chuàng )新、政策支持和產(chǎn)業(yè)協(xié)同，我們有理由相信，完全自動(dòng)駕駛的未來(lái)可期。

　　最近，全國多地出現新冠病毒感染流行趨勢。對此，總臺記者對中國工程院院士鐘南山進(jìn)行了采訪(fǎng)。鐘南山院士表示，目前國內主要流行的新冠病毒毒株毒性較低，嬰幼兒應特別注意防護；老年人和有基礎病的人群一旦感染要在48小時(shí)內及時(shí)用藥。

　　潮新聞低空經(jīng)濟應用場(chǎng)景又上新。近日，長(cháng)三角首條跨省低空公交航線(xiàn)正式開(kāi)通，覆蓋上海浦東、嘉興平湖、嘉興海寧、紹興越城、紹興柯橋三市五區，航線(xiàn)分鐘。

　　第78屆世界衛生大會(huì )19日在瑞士日內瓦開(kāi)幕。在當晚舉行的一場(chǎng)名為“數智賦能初級衛生保健 促進(jìn)全民健康覆蓋”的邊會(huì )上，來(lái)自中國浙江的基層衛健工作代表吳麗英分享“AI+智慧流動(dòng)醫院”的經(jīng)驗做法，吸引各國與會(huì )代表的目光。

　　潮新聞客戶(hù)端 記者 張云山 甘居鵬 張孫超“hello，xiaoai，could you get me sea salt？（你好，小i，可以給我海鹽嗎？）”在第四屆中東歐博覽會(huì )展區，一臺來(lái)自浙江人形機器人創(chuàng )新中心的零售機器人，吸引了眾多外賓圍觀(guān)。

　　5月25日，朝鮮驅逐艦下水事故新進(jìn)展，又拘留3名責任人，修復工作正在按計劃進(jìn)行

　　沒(méi)有全紅嬋參賽，上座率慘不忍睹啊，看到了嗎？嬋寶就是實(shí)力，就是民心，就是正義?。。?！#跳水#全紅嬋

　　如果跳水賽沒(méi)有全紅嬋， 幸虧嬋寶今天是啦啦隊員，可以繼續看 嬋寶了！#全紅嬋 #陳若琳

　　潮新聞客戶(hù)端 記者 吳恩慧今年以來(lái)，民營(yíng)經(jīng)濟大省浙江頻頻出圈，一批數字經(jīng)濟、人工智能、高端裝備制造等領(lǐng)域的新質(zhì)生產(chǎn)力企業(yè)站上C位。這背后，是“耐心資本”培育未來(lái)產(chǎn)業(yè)、金融賦能科技型企業(yè)的生動(dòng)實(shí)踐。J9九游會(huì )官方·登錄入口