突破无人驾驶量产瓶颈,威蓝科技利用仿真测试降本增效

AI科技热点日报 | 2026年11月09日 2026年11月9日,英伟达董事会因黄仁勋婚外情风波成立独立调查委员会,牵动个人伦理、公司治理与芯片出口安全三重敏感议题。苹果推进“自主代理”Siri,代码现“对话应用”入口,暗示ChatGPT等将入家庭中枢。中国发布AI技术出口管制草案,首次将大模型、智能体、算力纳入管制。Anthropic斥资34亿美元自购1.7GW发电机组,凸显电力瓶颈已从GPU延伸至焊工与电工。国内方面,蚂蚁灵光用户破2000万,腾讯元器停服倒计时,混元推理集群扩容十倍,上海交大AI实验室登《自然》封面,彰显国产AI从模型到产品层的 阅读详情

仿真兴起于第二次世界大战期间,当时对于系统的控制和材料的分析,逐渐出现了各种各样的仿真工作。仿真用数学的关系描述物理世界中所见到的任何事物以及事物之间的联系,在无人驾驶领域覆盖面较广,例如汽车电子电控单元的测试和图片视频感知数据测试等。根据《中国自动驾驶仿真技术研究报告(2019)》的预测,未来5年仿真软件与测试的国际市场总规模可在百亿美元左右。

2017年,上海威蓝汽车科技有限公司(以下简称“威蓝科技”)由上汽集团创新基金孵化成立,专注于智能驾驶领域的仿真测试的软件与大数据产品与服务。

突破无人驾驶量产瓶颈 仿真测试探寻算力边界

威蓝科技的初始团队来自上汽集团前瞻技术研究部,其中威蓝科技创始人黄永超拥有多年仿真领域经历。黄永超2003年赴德国就读自动化专业细分下的仿真领域,接着先后在德国自动化通信研究所和马克思普兰克研究所做数据分析和理论建模的工作。

“受德国工业立国的影响,回国后我看到中国的汽车市场尚未成熟,认为在未来20年30年汽车在整个民生中的作用将会愈发突出。同时工业软件是一个值得探索的赛道,充满了挑战和机遇。”黄永超表示创立企业的契机是看准了汽车行业的前景,在通过市场客户需求和自己的产业论证后,慢慢锁定了产品方向及公司整体发展战略。

对于自动驾驶算法开发,芯片的技术可谓是日新月异,但是如此惊人的算力依旧无法实现无人驾驶车辆的量产。其中的原因是什么?针对这个问题,黄永超和他的团队一直在寻找答案。黄永超说道:“芯片技术的突飞猛进让算力已经充分满足需求,所以

AI科技热点日报 | 2026年11月06日 2026年11月6日,AI领域迎来三大突破:OpenAI发布网络安全专用模型GPT-6 Cyber,评测得分48.5%,越界行为降至1%以下;Anthropic推出Claude个人财务功能,支持通过Plaid只读连接银行账户;Meta则让Muse智能体实现实时语音对话与表情同步。与此同时,美国警告工业制冷系统遭持续网络攻击,谷歌宣布在怀俄明州投资170亿美元建数据中心,但选举后政策不确定性导致AI产业链震荡,纳斯达克大跌4%。国内进博会开幕,480款全球首发新品亮相,乌镇峰会倡导开源开放,但智能体互联互通仍 阅读详情

相关推荐

【AUTOSAR-COM】Transmission Mode 和 Transfer Property

1.COM模块的基本概念 首先在描述Transmission Mode 和 Transfer Property之前,有必要对COM模块的基本处理有一个直观的理解,我所描述的和对概念理解的也不一定完全正确。 Signal:指的是通信协议中的,一条报文中所保存的若干信号。 I-PDU:至少在COM模块中,可以理解为一条报文。 上图是在CANdb软件中编辑一个报文的Layout的界面,可以很形象的将I-PDU对等为这里的一条Message,而Signal就是需要在Message中需要摆放的Signal

tim_hoven的博客 4635

深度学习入门:一文详解BP神经网络

在BP神经网络中,输入层和输出层的节点个数都是确定的,而隐含层节点个数不确定,那么应该设置为多少。实际上,隐含层节点个数的多少对神经网络的性能是有影响的,有一个经验公式可以确定隐含层。上面是对隐含层和输出层之间的权值和输出层的阀值计算调整量,而针对输入层和隐含层和隐含层的阀值调。在BP神经网络中,输入层节点没有阀值。神经网络,神经网络在机器学习中应用比较广泛,比如函数逼近,模式识别,分类,数据压缩,数据。要求输入模式要有足够的随机性,对输入模式的噪声比较敏感,即对于剧烈变化的输入模式,训。

Machine Learning with Tutors 4万+

【全网最新】使用 1panel面板 部署若依系统( springboot 和 vue)项目

打开前端项目的vue.config.js文件,检查devServer下的proxy代理部分,然后将下面这个端口修改为你要在打包后访问的端口,即使用nginx代理前的接口。这个端口默认是80端口,这里把其修改为不会冲突的8010端口,后台接口的地址配置为9080,不过感觉这里设置的8010和9080可能没有用,因为部署前端静态页面是,也配置了一次网页的外部接口和api的接口,后期有空了再验证。打开右侧的Maven,点击:生存期->package,然后点击运行,等待打包成功,包在如图所示的文件夹中。

老薛的专栏 1756

YOLO26涨点改进 | 检测头改进篇 | 利用ASFF改进YOLO26检测头,自适应空间特征融合模块,在所有的目标检测上均有大幅度的涨点效果

本文提出了一种自适应空间特征融合(ASFF)检测头YOLO26,用于解决目标检测中特征金字塔跨尺度特征不一致的问题。ASFF通过学习空间权重图,自适应地融合不同尺度的特征,抑制特征层间的冲突信息。实验表明,该方法在MSCOCO数据集上显著提升了检测精度(45FPS下AP达42.4%),且仅引入极小推理开销。ASFF模块具有可微分性、模型无关性和计算成本低等优势,能够有效改善特征尺度不变性,实现速度与精度的良好平衡。文章详细介绍了ASFF的原理、实现代码及其在YOLO模型中的集成方法。

Ai缝合怪、助力小伙伴高效发论文 553

Python 复现AlexNet框架代码

【代码】Python 复现AlexNet框架代码。

Quintin 2421

ARFoundation系列讲解 - 24 锚点

一、添加平面检测和平面可视化 请参考 ARFounnation快速入门-08平面检测 案例 二、添加射线检测 1.在AR Session Origin 组件上添加ARRaycastManager 脚本

a451319296的博客 4879

模型可解释性分析:基于SHAP的深度探索

SHAP模型可解释性分析摘要 本文系统性地介绍了SHAP(SHapley Additive exPlanations)方法在机器学习模型可解释性分析中的应用。SHAP基于博弈论的Shapley值理论,为特征重要性评估提供了统一框架。文章详细阐述了四种核心算法:Kernel SHAP(模型无关方法)、Tree SHAP(针对树模型的高效算法)、Deep SHAP(适用于深度学习)和Linear SHAP(线性模型专用)。通过Python实现展示了从数据准备到SHAP分析的全流程,包括摘要图、依赖图等可视化技术

huanghm88的专栏 612

【技能】OpenClaw Skills学习及手搓一个极简skill

本文介绍了OpenClaw Skills的基础概念与使用方法。Skills是OpenClaw代理使用工具的核心载体,通过SKILL.md文件定义技能属性和执行方式。技能加载遵循"工作区>本地>内置>自定义目录"的优先级规则。用户可通过ClawHub一键安装现成技能,也可自定义开发技能:创建技能目录,编写包含YAML元数据和执行指令的SKILL.md文件,放置于工作区skills目录进行测试。文章还介绍了多代理场景下的技能共享、插件集成以及安全注意事项,包括沙箱使用和敏感

海兰 3976

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

上一篇: 0基础入门VTD-实操动态场景建模2
下一篇: 加入创业公司的N个理由
评论 1
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

打赏作者

上海威蓝智能科技有限公司

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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