人类早期驯服野生自动驾驶汽车的珍贵史料

金磊 西风 发自 凹非寺
量子位 | 公众号 QbitAI

“从洛杉矶到拉斯维加斯,谁跑第一,谁就能获得100万美元奖金。”

21年前,美国国防部高级研究计划局(DARPA)局长托尼·特瑟,在一次活动中现场宣布了这么一个决定,并将此命名为“DARPA大挑战赛”(DARPA Grand Challenge)。

这场比赛着实有些特殊,甚至用前无古人来形容都不足为过——

因为参赛的主角不是人,而是无人驾驶汽车。

6f0c2a4614abb7d4ab0a1e0de2f9af8e.png

不过除了它的特殊性之外,“无厘头”也是这场比赛躲不掉的一个标签。

因为最初就连特瑟都觉得能有10个参与者就不错了,毕竟他只是把“大挑战赛”当成DARPA一个项目的The Grandma Test。

(The Grandma Test:数字营销术语,指产品经理的祖父母会不会用他们设计的产品,是检验用户体验的标准。)

而且同事还嫌弃他铺张浪费,竟然要花2000美元买食物给这么点人。

还有更drama的,两年后的2004年,在第一届“大挑战赛”举办过后,竟然没有一支参赛队伍能赢得这100万美元……

bb6cf770647dd312863e5015677fd301.gif

但可能特瑟本人都没有想到,就是这么一场充满戏剧性的比赛,却成为了拉开人类自动驾驶序幕的关键点。

它就像蝴蝶效应一般,刺激了激光传感器、计算机视觉、自主导航等技术的发展;还跟后来的自动驾驶商业化有着千丝万缕的关系。

那么这到底是怎么一回事?

“剧情”超反转的挑战赛

2001年美国通过了一项国防法案,其中指出:实现无人驾驶和远程控制技术的部署将是武装部队的一个目标。

参与起草法案的军事委员会幕僚长在当时放言,“15年内要让无人车成为武装部队的主要力量”。

这项任务快速下达到了DARPA,准确说是下达到了刚上任不久的局长托尼·特瑟手里。

1cfcd62ea704b84aeefc2aff919045b3.png

特瑟认为当前要解决问题的关键在于整合而不是发明,要找到合适的方法将所有现有技术整合在一起。

举行竞赛这一创意成功吸引到了他的注意,“DARPA大挑战赛”一触即发。

官宣比赛前,特瑟甚至还没来得及想太多细节,也还不知道该如何办一场比赛。但能确定的是,他想要一种能让任何人包括一位上了年纪的老奶奶都能看明白知道谁赢了的比赛。

经过一番考察,他们设计了一条从洛杉矶东北方向的一个古老小镇通往内华达州边境的普里姆镇的比赛线路。

这条路直线距离约为160千米,混合了平坦的开放地形和陡峭的山丘,还有狭窄的小路,中途还经过沙漠,近似于中东地区的驾驶环境。

谁能第一个跑到终点,谁就能拿下100万美元奖金。

赛前特瑟还举办了一场发布会,邀请感兴趣的人来了解更多的比赛规则、提出问题、分享创意,任何人都可以来参加。

他原本以为前来参加发布会的大概也就10来个人,所以对同事花2000美元买食物很不满,大家将就着吃点儿比萨,喝点啤酒不香吗?买太多根本吃不完。

然而令他没想到的是,离开门还有半小时,门外就以4人并排的方式排起了大长队,这其中就有汽车制造商、计算机程序员、机器人专家、人工智能开发者、科幻作家,还有一些可能是大学刚毕业的业余爱好者。

近500人的队伍一直排到了拐角,他们一边排队等候一边打探更多挑战赛的消息。

最终有超过100个团队报名参加,经过提交技术论文、阐述车辆设计和技术方案等审核,又经过资格赛淘汰,只有15个团队进入了决赛。

抓马不止于此,2004年3月的一天,这场众人瞩目的比赛正式打响。

各式各样无人车头顶大家伙驶入比赛场地。

06bac1fdd0b70d4f9172b429c705539d.gif

每辆车看起来都像是撞进了一家电子零售店,从另一边出来时被电缆、电脑、摄像头、激光雷达、天线等各种各样的东西包裹着。

毕竟外观不重要,跑到终点才是胜利。

除了吉普车、沙滩车……还有自动驾驶摩托车:

3a94defdb94f888df11c63163f5cee1f.gif

被围观者调侃为装了轮子的浴缸车:

30537aa229a071ded75282a2df14b9df.gif

等待它们的是沙漠路线中的各种障碍物,陡坡、沟壑、巨石、积水。此外每辆车只有10个小时的时间完成全部赛程,还要沿着赛前两个小时才公布的一系列相距90米的GPS导航点行驶。

1d886bd1dc63aa1dfbf5340a88e3a3ae.gif

这场比赛中有几支队伍格外引人注目。首先是第一位正式参赛者威廉·惠特克组建的红队,惠特克是CMU机器人研究所的教授,被认为是场地机器人之父。

早在上世纪80年代,他就开始研究自动驾驶了,并曾用摄像头、激光雷达等,改装了一辆雪佛兰厢式货车,可以以缓慢速度自动驾驶。

而为应对这场挑战赛,他带来的是一辆悍马车——“沙暴”。

8e75089afb3d338a9b91d9cc08a8abab.gif
△沙暴

此外,莱万多夫斯基组建的蓝队凭借剑走偏锋拿出的自动驾驶摩托车——“幻影骑士”也十分吸睛。

当时莱万多夫斯基才23岁,研究生还没毕业,所有关于机器人和计算机方面的知识都是自学的。

相比起惠特克的“红队”,“蓝队”多少显得业余。研发方面还要莱万多夫斯基自己拉赞助,为筹钱一度把自家主卧租了出去,自己则睡在客厅。

烧钱还是因为制造一辆自动驾驶汽车没那么容易。非要往简单说,那起码要实现三步:

给车子装备操控装置的手和脚、给车子一套能够感知周围环境的感官、给车子一个能将数据转化为决策的大脑。

难点在第二步和第三步,第二步要依靠激光雷达等传感器设备,第三步则要依靠人工智能。

那时候这些技术还都不够成熟,所以结果是:

莱万多夫斯基的“幻影骑士”,还没走出门就倒在了起跑线,原因是他忘了打开稳定系统的开关。

按照比赛规则,一旦车辆开始比赛,就不能有外部干涉,车不能自己从地上爬起来,就只能宣告失败。

33c91dedfd6ff4caf8148a6b429d9765.gif

(还真有能自己爬起来的)

只能说在过去一年里,这辆摩托车撞坏了近800次,没有一次让莱万多夫斯基这么难受。

惠特克的“沙暴”顺利那么一丢丢,但也只行驶了12千米,也就是整个赛程的5%。

其它车也没好到哪里去,卡岩石上、上坡时抛锚、朝错误的方向一路狂奔,甚至还有半路起火的。没有一辆车能顺利驶入终点,拿走这笔奖金。

2fc372b45e4f3f39a3528bccc5e1230b.gif

如果安全监察员不强制关停,那真是大型灾难现场。

bd197197b7a9806b7d064b471b8eddf5.gif

此情此景,让身为举办者的特瑟情何以堪……各家媒体都在报道嘲笑这是一个炒作过度的科学项目。

然而,当特瑟被问到该怎么办时,他回答道:

我们会再来一次的。这一次,奖金将是200万美元。

令人惊讶的是,此消息传出后,报名的队伍不仅没有因第一次比赛失败而减少,反倒是第一次失败的队伍中有一半选择重新加入,另外还有100多位新人报名。

在提高选拔规则、除技术论文还必须提交一份技术运行说明视频的情况下,DARPA最终邀请了40支最有竞争力的团队参加资格赛,其中有24支队伍脱颖而出进入决赛。

而上面提到的莱万多夫斯基在资格赛中就失败了,没能进入决赛圈。

2005年10月,第二次挑战赛决赛拉开帷幕,选手将围绕内华达州的普里姆赛道进行一系列的环行比赛。

很多科技界名人也赶来观看,这其中就包括苹果公司联合创始人史蒂夫·沃兹尼亚克,谷歌联合创始人拉里·佩奇等。

这一次,24支队伍中有22支打破了第一届比赛的最远记录12千米,更有7支队伍完成了一半的赛程。虽然过程仍然一片狼藉,陷入泥坑、撞电线杆子、车轮爆胎都不足为奇。

但在中途点,惠特克的H1 ghlander杀出重围,跑在了最前面,且行驶得极为平稳,很有可能顺利驶向终点。这时,紧跟在H1 ghlander之后的一辆车成为了新的关注点,它与H1 ghlander咬得非常紧。

在将近7个小时的行驶后,紧跟在H1 ghlander之后的这辆车居然反超率先冲过了终点。

80353eb7d043cd590a943240dbdccfa6.gif

之后惠特克的两辆车(H1 ghlander、沙暴)才跑过终点。

4d39ab2f39591215bf113e98d30e8d41.gif
△H1 ghlander

此外也还有两辆车跑完了全程,一辆是一群新奥尔良杜兰大学的学生所研制的车,另一辆是国防承包商制造的军用卡车。

3dbea43ab9f94e1ac166b215ac4635f0.gif

这辆最终反超取胜的黑马,是由斯坦福大学计算机科学教授塞巴斯蒂安·特龙带队研发出来的,名为“斯坦利”(Stanley)。

2f866a3e068c7b99c3ed73449c7efccb.gif
△斯坦利

第一次挑战赛赛场上并没有这辆车的身影,但比赛那天特龙就在莫哈韦,在场外默默注视着同行们的成果。然而,那一次他对同行们的表现感到失望透顶。

目睹第一次大挑战赛的失败,特龙认为原因在于车辆什么都没“看到”,当即决定参加第二次比赛。

他带领团队查看了有关计算机视觉的文献,研究了不同的激光传感器和摄像头,并探索如何将它们组合在一起。他们在车顶上安装5台激光雷达,并用大量数据进行了机器学习“告诉”汽车哪些是障碍物。

e4c14bf69d5da9918c5a98751f7cdfa0.gif

这样一来激光雷达识别障碍物准确率大为提高,这也是斯坦利最终能取胜的关键。

当看到斯坦利如预想般顺利冲过终点线,特龙表示这是他一生中最重要的一天。

0babcc2c798a49338c4ca84d2df17bbc.gif

而惠特克虽与胜利失之交臂,但他仍豪情满满地发表了演讲,他说:

我们做了一件了不起的事。

之后,大挑战赛并未结束,且赛事还在继续升级。

2007年第三届大挑战赛被称为“DARPA城市挑战赛”,举办方把赛场搬到了城市,要求无人车能适应城市场景,完成包括识别十字路口、在车流中改变车道、在停车场寻找空位泊车,且不违背交通规则等任务。

把赛场设在城市除了要应对复杂的交通系统,导航也是一个令人头疼的问题。

沙漠中挑战伴随着一系列坐标,形成了一条从起点到终点的路线。而城市挑战赛更像是寻宝游戏,需要自行找到从一个坐标到另一个坐标最快的可行路径。

惠特克团队迭代了曾经的H1ghlander和沙暴的项目经验,重新编写了整个框架,研制出了“Boss”。

54f429dfeeb9293540f66e65e25860e9.gif
△Boss

这一届比赛,惠特克终于夺冠了,在领奖台上,他十分激动地说:

我很羡慕那些现在进入无人驾驶领域的人,从很多方面来说,我研究这个行业有点早了。

我来自一个骗子横行的时代,那时候相关技术都还没出现,(谁也不知道这项技术会走向何方)但现在大家可以全身心投入其中了,并且从年轻时就可以这么做,这样的一个时代,必然会成就伟大的人。

228e470e4a050b66cd668fd5e1104555.png

然而,或许谁都没有想到,就是这样的比赛,最终会演变成更为宏大的一种竞赛。

掀起自动驾驶江湖的波澜

这三届“大挑战赛”可谓是把自动驾驶领域中的专业人士、极客、学生等一众人才都汇聚到了一起,热闹程度可见一斑。

有人将此盛况比作是华山论剑,这一点也不违和,期间也确实出现了不少配得上东邪、西毒、南帝、北丐这样称号的人物。

例如莱万多夫斯基、惠特克,还有后来的特龙等等,他们都在尝试着用不同的方式和思路,让自动驾驶这个技术能离现实生活更近一些。

不过单纯的技术比拼要实现这个目标,还是远远不够的;在每一次华山论剑之后,都有人急切地想把自己的自动驾驶投入到商用,惠特克是如此,特龙亦是如此。

再如在2005年的大挑战赛上,当莱万多夫斯基看到戴夫·霍尔的激光雷达传感器发出的数据时,就立刻意识到了激光雷达传感器的价值,也曾经极力地安利霍尔让自己成为他的推销员。

确实,在当时,要是自动驾驶能够商用起来,那么这块蛋糕简直不要太大。

但在华山论剑的场外,同样也有一批人正在默默地关注着这一切的发展,例如谷歌两位创始人拉里·佩奇(Larry Page)和谢尔盖·布林(Sergey Brin)都在全程观战。

而且经常是顶着帽子、戴大墨镜,怕被别人认出来的那种。

非常巧合的是,第一届“大挑战赛”举办的2004年,佩奇刚好也在资助一项名为“街景”(StreetView)的类似项目。

于是,在第二届赛事过后,佩奇就主动联系上了特龙,请他吃寿司,并在餐厅的停车场,让特龙帮忙看看如何安装导航系统。

只花了24小时,特龙就解决了佩奇请教的难题,并把无人车还给了他;事后佩奇也向特龙抛出了橄榄枝,希望他能加入自己的阵营。

c6ded020baf47ccd24cb670e43db29a9.png

再后来到了2007年,佩奇正式和特龙的公司达成了合作,但佩奇胃口也不小,要求团队在年底前绘制出160万平方千米的地图。

工作量大,时间紧迫,特龙为此特意找到了莱万多夫斯基,聘请他来搭把手。

莱万多夫斯基很聪明,他先是去丰田的一家汽车销售商,要了100辆普锐斯混合动力汽车,再从网站上雇佣了一些司机,把每辆装有价值1.5万美元设备的车开到街上。

于是仅花费了6个月的时间,他俩就满足了佩奇百万平方千米地图的目标。

但在这个过程中,他们意识到了一个关键问题——地图对于自动驾驶来说太重要了。

要是有这么一份地图,它能够精确的记录每条车道线和路沿、路标和交通信号灯的准确位置,那对于无人车做决策将大有益处。

正所谓英雄所见略同,佩奇和布林这边也是萌生了同样的想法,于是在与特龙协商的过程中,他们给团队设定了2个目标:

无人车既要行驶足够长的里程,也要有娴熟的技能。

首先要让无人车在公共道路上积累16万千米的自动驾驶里程。这样的话,他们就可以在任何他们喜欢的地方行驶了。

随后,联合创始人打开谷歌地图,选择了10条路线,每条大约160千米,都在加州境内。

特龙迅速组建了一支队伍,许多成员都是在挑战赛中所结识的赛友,任务进行地也较为顺利,在2010年就完成了这10条线路。

即使他们深知自动驾驶离上路还有一段时间要走,但试驾过的《纽约时报》记者却大受震惊,同年的10月份,这位记者在报道中写下了这样一句话:

谷歌利用人工智能彻底改变汽车的研究项目证明,该公司的雄心不仅局限于搜索引擎业务。

5501494cc9f0b7354cf4e6b5a6bfcc73.png

然而诸多问题就摆在那里,特龙他们想到的一个解决办法就是和老牌车企合作,在他们的车上安装自己的系统和软件,车辆可以在高速路段让车主选择自动驾驶模式。

但过程可以说是相当不顺利了,即便他们到访底特律,甚至是德国,都是四处碰壁,因为老牌车企们觉得现在就用这个技术很不合时宜,而且车上顶着激光雷达也不好看。

然后机遇再一次降临到了特龙他们的头上——深度学习技术大爆发。

简单来说,这项技术加速了机器自己学习的能力,这就为特龙他们提供了一个新的且可行的研究方向。

不过在这个期间,团队的内讧也在开始滋生,根源就出在了莱万多夫斯基这里。

因为他太渴望加速自动驾驶的发展了,他不顾特龙的反对、甚至是未经公司授权的情况下,在法律层面上跟议员们开始打交道。

即便后来也拿到了牌照,但对于其他人和谷歌而言,这种做可能是太激进了一些。

加之后来谷歌收购了莱万多夫斯基自己的公司,团队成员觉得谷歌还从他的公司采购硬件,这种做法很可疑。

与此同时,外边的大环境也是发生一件大事,优步(Uber)的诞生改变了人们出行的方式。

d9030848c90c21b97daf52c60a0245b6.png

随后优步在2014年启动了自动驾驶业务,这对于谷歌来说绝对算得上一次冲击;而且优步在这期间还在拉拢各方自动驾驶人才,其中就包括莱万多夫斯基。

也正如我们刚才提到的,莱万多夫斯基本身就属于大冒险派,在谷歌的时候也曾放出过“不让我负责团队就离职”的威胁言论。

最终,莱万多夫斯基在2015年离职谷歌,成立奥托公司;但仅6个月后,优步便收购了他的这家公司,这也就意味着莱万多夫斯基和优步正式合作。

但更致命的一点是,他在离职谷歌前夕,拷走了1.4万多份机密技术文件,包括至关重要的激光雷达系统等。

而且当时的大环境是,不论是学界还是产业界,都嗅到了自动驾驶的巨大商机,纷纷入局于此,对谷歌本有的竞争优势产生了更大的冲击。

于是在2017年,谷歌正式起诉优步和莱万多夫斯基,最后的结果也是可想而知,优步以2.45亿美元的股权的代价,与谷歌达成了和解。

不过在庭审期间的一个细节还是值得一提,律师在这个过程中问了莱万多夫斯基诸多问题,他都选择闭口不言。

但只有面对“你当年为何要参加DARPA大挑战赛”这个问题时,他松口了:

妈妈知道我有多喜欢机器人,也知道我有多喜欢制造东西,她给我打了一个电话,当我看到(这个比赛)的时候,我忍不住了。

这场官司在当年可谓是震动硅谷,但也从侧面反应了出大众和市场对于自动驾驶技术逐渐的重视。

不过莱万多夫斯基并没有就此隐退江湖,在2018年来到纽约后的2个月,他正式宣布回归,以及宣布了最新创业公司Pronto的成立。

他在一篇博客中这样说到:

我的回归是因为,让无人车减少交通事故成为现实是我一生的热情所在。

在过去的15年里,我们见证了自动驾驶技术的无数进步。我很自豪自己在其中扮演了重要的角色。与此同时,不得不承认,我对这个行业无法兑现承诺感到失望,有时甚至失去耐心。

自动驾驶行业犯了两个关键的错误:一是人们一直专注于实现直接从手动操作到完全自动驾驶的梦想,二是大家通过拐杖技术来追逐这个错误的梦想。

但无论过程如何曲折,莱万多夫斯基依旧在这条路上前行着。

就好比2004年那场以不完美收场的挑战赛,开启了一场更大的比赛一样,没有人知道最终的结果会是如何,但这些把热情和汗水付诸于路上的人和事,又何尝不是一道美丽的风景呢。

*本文多数观点和内容参考、引用自最近大火的《自动驾驶之争》(中文版)。*

亚历克斯·戴维斯在这本书中,记录了更多自动驾驶从起源到发展的故事细节。

亚历克斯·戴维斯是《大西洋月刊》编辑,曾经还是《商业内幕》(Business Insider)高级编辑、《连线》(WIRED) 杂志的编辑。

参考链接:

[1]《自动驾驶之争》
[2]https://twitter.com/xiaohuggg/status/1698708986378502240
[3]https://en.wikipedia.org/wiki/DARPA_Grand_Challenge_(2004)

相关推荐

DeepSeek V4芯模协同背后,国产算力生态开始飞轮加速

更关键的是,CANN开始逐步兼容主流AI生态。开发者每一次正向反馈、每一个优化结果、每一个创新应用,都能通过昇腾和华为的生态快速走向产业界,形成技术、商业、生态的完整闭环。之前,昇腾与不少模型进行过协同探索,但V4是第一次在大规模、高强度、工程化的尺度上,验证了这种“芯模协同”的可行性与效率。开源以后,我们能更充分地学习业界的优秀实践,在此基础上进行适配和优化,也能将一些好的经验应用到自己的项目中。可以说,从“能跑”到“有人长期建设”,从“厂商推动”到“生态自增长”,华为算力生态,正在进入新的阶段——

量子位 520

世界模型接棒语言模型,这家公司全球首创物理AGI“双金字塔”体系,通用机器人进入“家庭时代”

毕竟在现阶段,家庭场景对机器人的真实刚需,是稳当地端水、收拾餐具、抱起脏衣篮、把零食递到孩子手上,而不是在客厅里完成酷炫的跑酷动作。可以说,这支团队完整经历了CV、自动驾驶、具身基模、世界模型等物理AI过去十年的发展历程,并在每个阶段都做出了行业领先的世界级成果。该模型实现了从感知、理解到行动的完整闭环,能够自主识别物体与场景、规划路径,并执行包含抓取、对齐、折叠、归类等多步骤的。他主导了业内首个智能驾驶数据闭环系统的落地,有效提升了数据的处理效率,为智能驾驶技术的发展提供了重要的基础设施支持。

量子位 245

LeCun新证明:世界是高斯的

论文借用这个框架证明,要让转移算子的第一个特征函数恰好是仿射函数(即线性函数加常数),潜变量的分布必须满足一个非常严格的条件——它的对数密度的导数必须是线性的,而满足这个条件的分布恰好只有高斯分布。从理论角度看,对于高斯分布,描述变量如何在时间上演化的转移算子有一组特殊的特征函数,叫做Hermite多项式,它们是高斯分布下函数空间的自然正交基,类似于周期函数里的傅里叶级数。真正有用的表示,应该对应世界的真实自由度,比如物体的位置、速度、颜色这些独立的内在变量,而不是它们被观测过程扭曲之后的混合产物。

量子位 191

玻璃里跑AI!华中科大&上交大科研成果登Nature子刊

更进一步的,光本位科技还将独有的相变材料存算一体光计算方案引入玻璃光计算芯片中,利用相变材料的非易失性,能够避免在玻璃中引入额外的相移器,从而实现计算过程几乎不耗能的三维光子神经网络系统。它既解决了三五族平台器件密度不足的问题,又突破了固定场景的应用限制,相变材料的引入,使得芯片在推理过程中保持极高能效比的同时芯片参数仍然可根据不同模型实时调整,适配性更强。尽管与论文中直接在玻璃中实现三维结构有所差异,但是同样在玻璃平台上提供了三维集成的完整方案,通过单层玻璃芯片堆叠的方式最终实现相同的三维输入效果。

量子位 169

5篇AI生成的数学论文被接收!00后创始人洪乐潼融资14个亿

如果一个 AI 系统能把数学证明交给机器逐步检查,那么同样的“生成、形式化、验证”闭环,也可能被拿去处理其他学科,以及高风险决策场景。她的创业合作伙伴Shubho Sengupta也从Meta辞职,两人从AI与数学推理的交叉可能性出发,决心解决AI的幻觉问题。创始人洪乐潼,2001年出生于广州,本科MIT三年拿下数学与物理双学位,还拿过北美数学本科生的最高荣誉罗德奖学金和摩根奖。2019年,17岁的洪乐潼考入MIT,仅用三年时间便完成了数学与物理双学位的学业,本科期间就发表了9篇学术论文。

量子位 219

AI正在重写软件行业?8岁孩子做操作系统,一人公司拿下千万订单丨百度秒哒朱广翔 @AIGC2026

这些都完成之后,我们再选择分发给谁,比如百度搜索、小红书投流,或者去微信发送到私域社群里,或者说去App store上架,分发流量之后有了用户数据再去回流、去分析、去运营,指导下次迭代,形成下个循环,每个色块就是一个真人。在很多企业里,原来提需求的是业务人员,他们自身没有开发能力,将需求提到研发部门,研发部门又不懂业务人员的痛点,需要反复沟通、调整,但现在业务人员自己就可以开发软件了。我非常荣幸能从事这个赛道,因为在这个过程中、在这一年半的时间里,我不仅看到了产品的变化,还更多地看到了整个时代的变化。

量子位 427

清华有了新老师:黄仁勋

既包括科技圈顶流如马斯克、微软CEO纳德拉、Meta扎克伯格等,也不乏金融圈大拿,如摩根大通的杰米·戴蒙、贝莱德的拉里·芬克、花旗的简·弗雷泽。,使命是加强学院与外部各界的联系,提升学院在科研和教学方面的整体水平,帮助学院建设成为世界一流的经济管理学院。后来黄仁勋转学,并且一直学业成绩优异,在高中时连跳两级,16岁毕业,进入。,除了讨论学院的国际化战略和长期发展方向,也会给经管学院的学生做讲座。不过,比起这些头衔,老黄最近最出圈的,可能还是他在夜市的花式插队——可口可乐、西门子、通用汽车、BP、塔塔。

量子位 181

「斯隆奖」得主戴亮全职加盟复旦

曾担任波士顿咨询合伙人,副总裁,中国区首席数据科学家,百度研究院大数据实验室和商业智能实验室的主任,和美国俄勒冈大学计算机和信息科学系正教授(终身教职)。,覆盖面相当宽:从宇宙大尺度结构与演化,到暗物质及其通过引力透镜留下的观测信号,再到天体物理引力波。2024年起到复旦大学物理系工作,现任复旦大学特聘教授、复旦大学天文与天体物理中心主任。获奖者覆盖数学、物理、天文、计算机、经济、生物等领域,成长路线相当恐怖,很多后来成了。继袁峰、季索清之后,复旦的天文版图,再迎一位顶尖天体物理学者。

量子位 164

高分辨率视频生成不再慢半拍:让大模型保留“原味”的同时提速十余倍

为此,SURF训练了一个轻量级Refiner,它从线性上采样后的预览latent出发,学习低分辨率latent到高分辨率latent 的flow mapping,只需少量去噪步骤,就能补足高清纹理。因为这些步骤决定了视频最终“会长成什么样”,等到整体结构、主体关系和运动方向基本稳定后,SURF再将latent 下采样到低分辨率,在保留全局结构的前提下,快速完成预览。原因在于,每个预训练模型都有自己的“舒适区”,通常接近它的训练分辨率,一旦分辨率不匹配,模型原本学到的布局、语义和运动先验,就可能被破坏。

量子位 143

大模型也需要睡觉!让AI打个盹,醒来更聪明

Transformer的核心是注意力机制,但注意力有一个天生的短板就是,上下文越长,算力平方级往上蹿,KV缓存也线性往上涨。,让大模型上下文窗口快满的时候别硬撑了,打个盹把最近的上下文反复咀嚼几遍,压缩进长期权重,清空缓存,醒了再接着干。依靠可学习的局部规则,反复对信息进行提炼整合,逐步更新SSM模块内的快速权重,完成信息的深度压缩与消化。这里的“睡眠时长”,本质上就是信息迭代处理的轮次,轮次越多,代表模型对上下文内容的梳理、打磨次数越充分。

量子位 161

1400亿Agent入场,“流量”这条护城河要塌了

因为人要睡觉,但Agent不会睡觉,所以Agent时代的交易呈现7×24小时不间断、极小额、高频次、多形态的特征,此外,支付金额的最小单位可能低于1分钱,成本大幅下降。如果说担保交易解决了电商早期敢不敢买、敢不敢卖的信任问题,移动支付解决了移动互联网时代能不能随时随地交易的效率问题,那么AI支付面对的,就是Agent时代的新问题。早在今年年初,支付宝联合千问App、淘宝闪购、Rokid、大麦、阿里云百炼等伙伴,正式发布中国首个ACT协议,提供一套智能体跨终端、跨系统的“通用语言”。

量子位 161

7B打败o3、GPT-5!医学AI智能体让模型学会“看哪里、怎么看”

是上海创智学院面向下一代医学AI Agent、视觉推理与多模态大模型的青年交叉研究团队,聚焦Visual Reasoning、Agentic RL、Clinical Tools,推动模型从“生成答案”走向基于证据的观察、验证与行动。Ophiuchus的价值不只是让医学大模型多了几个视觉工具,而是让模型学会在诊断过程中主动“看哪里、怎么看、看完如何修正”。当模型能够在思考中主动回看影像、放大病灶、截取视频、验证证据,医学AI才真正从“会回答问题”走向“会进行临床视觉推理”。

量子位 164

AI越用越聪明,自主+自进化是关键拼图丨盛大邓亚峰EverMind@AIGC2026

另一方面,我们认为,未来的AI Memory的Layer(记忆层),服务的可能不仅是资深的开发者,将来很多人都会构建AI应用。我们在token节省和模型成本方面也取得了显著的效果,原因是利用强化学习的方法训练了很小的模型——我们的4B模型在记忆提取和检索使用上的效果可媲美几百B的模型,并且已有不少学术成果发表。当前,大家看到模型进展非常快,但在记忆方面的工作,今年才逐渐多起来,去年这个时候我们和行业里一些团队开始交流AI Memory,这方面的关注还非常少。的爆火,我简单谈谈我的理解。

量子位 754

让大模型“边看边改”,视觉分割准确率直接上涨9% | ICML 2026

给模型一张图、一句话,让它把目标区域的像素圈出来——听起来直接,但一旦目标含糊、被遮挡,或者需要推理才能定位,一次性猜出正确的掩码就变得相当困难。模型不再一次性输出mask,而是先观察图像、进行推理、调用视觉工具、读取反馈,再根据历史结果迭代修正,最终生成更可靠的准确掩码。而RSAgent总体框架如下,包括多轮交互、工具调用、观察反馈、cold-start SFT与agentic RL。痛点不是单纯追求更复杂的分割头,而是让模型在开放语义任务中具备“先判断、再行动、看反馈、再修正”的能力。

量子位 183

OpenAI挖来了个F1级别车手搞公关

在我职业生涯早期,我曾效力于红牛车队,参加过F1级别的职业比赛。后来无论是Salesforce、ServiceNow,还是现在的OpenAI,他几乎每一次跳槽,踩中的都是技术范式切换最剧烈的时候。毕竟现在的OpenAI,既是全球最炙手可热的AI公司,也是最复杂、最难做品牌管理的公司之一。当年从赛道退下来后,他没有选择一条更稳妥的路,而是直接跨进了一个与赛车几乎毫无关系的行业,从零开始做市场与品牌。Salesforce后来之所以能从一家卖CRM的软件公司,变成云计算时代的行业代表,这是很重要的一步。

量子位 148

5秒完成3D场景编辑,北大&港中文&上海AI Lab搞出VGGT-Edit,120倍加速太炸了

尤其是在添加家具、调整位置、修改材质这些复杂任务中,很多传统方法仍然会出现明显的“贴图感”和几何漂移,但VGGT-Edit生成的结果,会明显更像一个真实稳定的3D空间。而这件事,可能比“会生成3D”本身更重要。对于机器人、AR/VR、空间智能这些方向来说,这几乎是致命问题——这些场景真正需要的,不是“某一个角度看起来对”,而是整个3D世界始终稳定一致。对于原生3D编辑来说,这一步非常关键——模型真正需要学习的,不只是“图像变化”,而是同一个编辑,在不同视角下如何始终保持空间一致。但问题也恰恰出在这里。

量子位 151

触觉具身来了个梦之队:天使轮近亿

背靠产学研与地方政策双重加持,作为复旦大学与静安区战略合作的重要落地成果,公司在初创期便获得静安区科经委与市北高新集团的大力培育,先后获得静安区战略性资金及上海市经信委促进产业高质量发展专项资金的支持,上海市科委也针对其核心视触觉传感器的研发给予了专项经费支持,全面加速公司的技术攻关进程。能够夹起衣物,却无法实时感知布料的滑移状态与张力分布,难以完成精准的褶皱整理。对于后发企业而言,沿着先行者的轨迹亦步亦趋难以实现突破,唯有找到行业尚未解决的核心难题,从新的技术变量切入,才能构建起不可替代的竞争壁垒。

量子位 162

DeepSeek陈德里开发自动研究Skill,写一篇论文人类只动脑2小时

论文共迭代6次(V1:4 次,V2:1 次,V3:1 次),总耗时6天,进行了约108轮Agent调用,消耗64.8万token,写了2234行LaTeX代码。,智能体可自主选题、分配资源、长期积累知识、跨领域持续研究,是当前未实现的理想状态,核心瓶颈为持续知识积累、可靠自我评估、架构规模化。早期智能体框架CAMEL、AutoGen、MetaGPT等为代表,特点是分工协作、多视角纠错,成本较高,沟通易混乱。,人类仅提供研究目标、评估最终成果,智能体可完成多步实验、代码、论文撰写,但无法自主选择研究问题。

量子位 191

双榜SOTA!微软ACL2026新作重新定义AI长记忆

结果它找到了Boston和San Francisco,却完全遗漏了Detroit——因为“attended a conference in Detroit”被埋藏在一条长消息中,与“去过哪些城市”的语义相似度不够高。最终,System-1确保语义直接匹配的记忆不遗漏,System-2确保结构相关但语义距离较远的记忆被覆盖,两者。团队认为,真正的AI记忆应当是有组织的、可推理的、双模式的、并能持续进化的。记忆系统的质量,很大程度上取决于“存储时做了什么”,而不仅仅是“检索时怎么找”。

量子位 179

将DSA注意力引入多模态,快手Keye2.0开启强化推理新范式

情感与主题的深度升华:模型并没有停留在“建雪雕”的表层,它提取了画面中巨大的“振兴东北”刻字,关联了片中“老程盼女儿、小李回流家乡”的人物背景,在总结中直指故事内核:“极寒的温度冻不住东北人的热血,冰雪项目不仅是奇观,更是承载着东北人振兴家乡、呼唤游子归乡的炽热情感与现实路径。当接收到“请找出视频中的高光时刻,并给出你的依据,时间戳用[mm:ss]的形式来表示”的指令时,Keye-VL-2.0- 30B-A3B没有陷入传统AI“哪里有击杀提示就截取哪里”或“只看画面元素剧烈变化”的机械逻辑。

量子位 186

专治世界模型幻觉!ECCV 2026 Workshop征稿,Sergey出席,帝国理工等联合发起

ergey Levine(UC Berkeley)、Jiajun Wu(Stanford)等国际顶级学者做特邀报告,同步举办具身动作世界模型挑战赛,以及主题为From Synthesis to Deployment:Bridging Academic and Industry Focuses on World Models的圆桌讨论,旨在弥合学术界在世界模型合成方面的进展与工业界对部署需求之间的差距。世界模型作为智能体的内部模拟器,在执行前预判风险、规避危险,实现风险感知决策。

量子位 191

卡帕西Anthropic最新头衔:技术员工(MTS)

但尴尬的是,这些案例的争议其实很大,都被吐槽过说没有宣传的那么美好,所谓扁平会变成隐性权力,表面没老板,实际有老员工、核心圈层……头衔都一样,竞争对手就没法通过头衔判断谁是L7谁是L5,推断一个员工具体做什么方向,定向挖人的难度直接上升。一个很直观的事实是,整个商业史上,能在没有层级制度的情况下完成规模化的组织,一只手数得过来。后来离开Ins,自己做了个新闻聚合App,叫Artifact,同样是联创+CTO的标签。这些说不在意职称的,一旦离职,就开始在领英自称上「副总裁」了(hehe)。

量子位 79

把VLM塞进隐式世界模型,港大&小鹏机器人新框架让机器人长出物理直觉

通过将人类的姿态对齐到机器人的动作空间,双系统能够共同从多样的人类动作数据(如EgoDex)中汲取养分:System-2负责从人类视频中提取通用的任务逻辑,而System-1则从人类动作标签中蒸馏通用的运动先验。借鉴认知科学中的双系统理论,不仅让强大的VLM直接在其原生的ViT特征空间中进行轻量化的隐式世界建模(Latent World Modeling),更关键的是,它将这种隐式视觉预见构建为一个可微的结构化瓶颈。System-1则在真实未来特征的指导下,专心学习从感知到精准动作的映射。

量子位 94

留给人类数学家的悬赏不多了!谷歌DeepMind一口气解决9道埃尔德什问题

同时,AlphaProof Nexus还在OEIS整数序列百科里证明了44个开放猜想,在代数几何那边解决了一道希尔伯特函数对数凹性的15年悬案,凸优化那边改进了一个锚定梯度下降法的理论边界。这个结果或许也在预示着,未来随着大模型能力持续升级,复杂的多工具组合系统,可能不再是刚需,只用大模型+专业校验工具这套简单循环,就能搞定大多数数学难题。简单理解就是,这群数字之间,既不能一个数整除另一个数,也不能一个数整除另外两个数的和,同时数字还要分布得相对密集,不能只挑寥寥几个数投机取巧。

量子位 127

龙虾之父教你省钱:开源Skill给你的Skill减肥

严格遵循Codex计费规则(UTF8字节数/4向上取整),以模型上下文2%为默认技能预算基数,结合技能优先级排序规则(系统技能>内置技能>插件技能>仓库自定义技能),核算全量技能原始占用令牌、最小渲染令牌、预算内可用令牌。同时可模拟真实运行场景,计算预算不足时的技能描述截断字符数、被省略技能数量,精准输出预算使用率、剩余预算、上下文占用比例等核心指标,直观展示技能体系的资源负载情况。跨Codex内置库、插件缓存、代码库、个人技能根目录,扫描同名技能、描述/内容高度相似的重复技能,标记冗余项。

量子位 84

刚刚,国产AI自己造了AI,全球首例!

在MMLU-Pro、MMLU-Redux、AIME-2025、AIME-2026、BFCL-v4、AA榜单等项目上,也给出了对应成绩。我们完全可以给不同的模型、不同的硬件、不同的任务,分别写专用的代码。如果人不够,那就用AI来凑!更直白一点说,就是当AI写代码的成本越来越低,未来软件不一定非要做成一套通用大框架,也可以针对不同模型、不同硬件、不同任务,现场锻造一套专用代码。这也让MiniCPM5-1B的价值更明确了,它不只是一个小尺寸模型,而是一个在参数规模、部署成本和实际能力之间重新找平衡点的端侧模型。

量子位 638

画数独、烧蜡烛都不翻车了?浙大&阿里让AI先三思再下笔|ACL 2026

让模型画 “数独解完后的样子”、“蜡烛燃烧6小时后的状态”,开源模型要么出现逻辑幻觉,要么无法把文字指令转化为精准视觉操作,形成难以跨越的执行鸿沟。研究者设计了一个独立的Thinker模块,它不直接生成像素,而是充当大脑,负责将模糊的用户意图分解为分层、结构化、且对下游生成器友好的中间表示。阶段,Thinker产生的多条推理路径直接由生成图像的视觉质量打分反馈,这迫使模型放弃空洞的辞藻,转而学习生成“视觉可执行”的指令。这种双向反馈机制,真正实现了脑与手的深度协同。

量子位 61

0.9B跑出90%真机成功率!上海交大为VLA补上空间感

从多视角RGB提取紧凑的隐式深度表征,再以轻量方式融入视觉-语言通路,最后通过flow-matching动作专家输出连续动作。参数,不额外增加硬件负担,用紧凑的隐式深度编码把空间感写进VLA策略里,仿真与真机同时兼顾性能与部署效率。论文中,IDEM骨干约0.13B参数,并结合多视角深度预训练初始化,在轻量条件下引入与深度相关的归纳偏置。值得注意的是,相比只关注benchmark分数,论文也给出了部署侧开销与实时性指标。从RGB学几何,省了硬件,但不少方案依赖较重的基础模型,训练和推理成本偏高。

量子位 81

Grok最新模型吃上Cursor「加餐」,马斯克:Coding实现巨大改进

Cursor数据其实更可能告诉模型,开发者在真实项目里,是怎么描述需求、定位问题、让AI读上下文、修改文件、修复报错、再继续追问的。更大的模型容量,往往能让它更好地理解复杂上下文、进行更长的链式思考,以及处理更具挑战性的真实开发任务~要知道,毕目前承载Grok所有生产流量都由0.5T的v8-small模型,也只有0.5T的大小。用户输入需求后,Grok Build不会直接动手,而是先制定详细执行计划,让用户确认后再执行。这边,也被马斯克亲口点名,补充训练里加入了大量Cursor数据,后续还会继续添加。

量子位 113

刚刚,国产Agent模型闯入全球第一梯队!限时免费

从训练的第一天起,它的目标就不是聊天,而是干活。就像我在实测中感受到的那样,做完桌宠它问你要不要存成Skill,做完周报它提醒你设成定时任务,昆仑万维瞄准的显然不只是一个模型,而是一整套Agent工作生态。发现没,自从模型进入Agent时代后,大部分玩家在推主力模型时都会附带一个轻量版,这也很好理解,就像前段时间Snapchat前机器学习工程师说的那样:。一只小猫,能在屏幕上随机溜达,点击会说打工人语录,右键能切工作模式和摸鱼模式,工作模式带番茄钟倒计时,还要有喝水提醒、远眺提醒、拉伸提醒这些健康功能。

量子位 533
上一篇: 大模型靠“深呼吸”数学再涨8分!谷歌DeepMind发现AI自己设计提示词效果胜人类...
下一篇: CCF C³-23@阿里妈妈:数智商业技术丨开始报名
QbitAl
QbitAl 企业官方账号 企业官方账号
博客等级 码龄7年 2万+粉丝 2173原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值