全站搜索

媒体中心MEDIA CENTER

中国联通智能网联汽车超1亿

中国联通智能网联汽车超1亿

公司动态 智能体育 7 0

IT之家 5 月 6 日消息,中国联通官方昨日宣布,搭载中国联通车联网卡的第 1 亿辆汽车正式落地。官方表示,这标志着我国建成全球规模最大的车联网连接基础设施

据介绍,随着服务联网车辆数达到 1 亿,中国联通智能网联汽车服务平台成为全球规模最大的车联网运营管理平台。中国联通自主研发的智能网联汽车服务平台,突破 18 项自主核心技术,具备高并发、高可靠的融合网络服务能力。目前,该平台服务 92 家车企,每月接口调用量超过 20 亿次

中国联通官方提到,亿级连接规模的达成意味着我国车联网基础设施能力、技术成熟度与产业生态均走在世界前列,将进一步推动汽车产业链协同出海、汽车行业数据要素流通与车路云一体化建设。

IT之家注:智能网联汽车(Intelligent Connected Vehicle,ICV)是融合车载传感器、控制器、执行器等装置与通信网络技术,实现车与人、车、路、云智能信息交换的新一代汽车。在 2024 世界智能网联汽车大会上,中国汽车工程学会代表大会发布了智能网联汽车全球十大技术趋势:

  • 趋势一:面向高级别自动驾驶的超级人工智能。人工智能凭借强大的理解和决策能力,已经成为支撑高级别自动驾驶落地应用的关键技术,未来超级人工智能将助力车端自动驾驶模型实现从模仿人类到超越人类的转变,向安全、自主、可持续的无人驾驶目标迈进。
  • 趋势二:网联技术高速通信技术。基于 5G—A、6G、NR—V2X、卫星通信的车外通信,将与基础高速以太网、光纤通信、短距无线通信的车内网络深度融合,形成车联万物的通信系统,实现广覆盖、大带宽、低时延、高可靠的安全高速通信。
  • 趋势三:车用存算一体芯片。存算一体芯片将计算和存储单元完全融合,使得等效计算核心数量指数级提升,兼具高算力、高能效、低时延优势,是后摩尔时代车载计算平台的重要发展方向,满足智能网联汽车的数据频繁访问、高效处理等需求。
  • 趋势四:实现全域软件定义的整车 SOA 软件架构。整车 SOA 软件架构是决定智能汽车产品体验的基础,未来将通过软件功能“服务化”和原子服务的分层、分解、组合与适配,实现汽车软件标准化、可复用和快速迭代,大幅增强汽车功能的可扩展性和灵活性。
  • 趋势五:车云系统的自动驾驶云端平台。云端平台将贯穿自动驾驶数据采集、模型训练、安全运行全环节,既能提供大数据和大算力支持车端模型迭代与验证,也能提供协同感知、协同决策、动态管控功能,助力网联协同自动驾驶场景应变能力的提升。
  • 趋势六:众源时空数据自更新技术。高精度动态时空数据可为自动驾驶提供超视距感知、融合定位、经验行为参考等服务,未来面向多源异构高价值信息的智能提取、高效传输、汇聚计算等技术,将助力众源时空数据突破规模化与自更新的难题。
  • 趋势七:新型智能底盘。智能底盘作为智能驾驶功能安全落地的基础,将在机械解耦、功能集成、异构冗余等方面持续突破创新,实现各子系统的深度协同控制和快速精准响应,提供自感知、自进化、可重构的执行能力。
  • 趋势八:端侧多模态座舱智能体。以云端多模态大模型为基础,叠加个性化用户数据训练的端侧智能体将是座舱人机交互的未来解决方案,可实现文本 — 语言 — 行为多模态理解和推理,提供比人类交流更加丰富多元、舒适自然的交互体验。
  • 趋势九:组件化内生智能车用操作系统。车用操作系统作为硬件资源管理和软件高效运行的关键基础平台,未来将更强调组件化,并与 AI 框架深度融合,实现向“内生智能”的跨越,从而自主感知工作负载,智能匹配最佳算力,敏捷响应上层应用。
  • 趋势十:智能网联汽车全系统安全保障技术。面向高级别自动驾驶的正向开发流程和运行全周期的安全,建立涵盖功能、预期功能、网络、数据、通信、算法等的安全保障体系,重点优化全环节风险辨识方法,改进全场景防护策略,助力自动驾驶安全应用。
上一篇: 下一篇:

相关推荐

  • 体育大数据分析:参考基准的选型陷阱与生产损耗真相

    1

    选型误区:被「参考基准」带偏的体育大数据在实际交付中,我们发现一个扎心的事实:80%的体育大数据项目失败,根源不在算法,而在「参考基准」选型错误。很多企业采购时盯着「支持10万+并发」「毫秒级响应」这些标称数据,却忽略了底层逻辑——这些数据往往是在实验室理想环境下测的,到了真实生产环境,硬件损耗、数据倾斜、并发冲突这些隐性成本,能把项目拖进深渊。参考基准的「双标陷阱」:实验室数据与生产环境的鸿沟听...

    查看全文
  • 运动腕表稳态表现:揭开那些被忽视的真相

    3

    运动腕表稳态表现:选型陷阱与生产现场的隐性损耗在实际交付中,我们发现很多用户对运动腕表的「稳态表现」存在严重认知偏差。他们往往被标称的「高精度传感器」「超长续航」等参数吸引,却忽视了产品在真实运动场景下的持续稳定性。这里面的水很深——很多标称数据背后的真相是:实验室环境与实际运动场景的差异,足以让一款腕表的表现天差地别。选型误区:参数≠真实表现很多用户选型时,会盯着「心率监测精度」「GPS定位速度...

    查看全文
  • 体育大数据分析(3D):别被边际效用“带偏”了

    5

    体育大数据分析(3D):别被边际效用“带偏”了在实际交付中,我们发现体育大数据分析(3D)领域有个现象:很多企业盯着“边际效用”做文章,却忽略了产品表现背后的底层逻辑。听起来可能反直觉,但边际效用不是“越多越好”的万能钥匙,尤其在3D动作捕捉、空间建模这些高精度场景里,数据量的边际效用递减速度远超想象——多10%的数据,可能换不来1%的精度提升,反而会拖垮计算效率。选型误区:盲目堆数据,忽视“有效...

    查看全文
  • AI大数据分析的衰减速度:选型陷阱与生产现场的隐性代价

    8

    AI大数据分析的衰减速度:选型陷阱与生产现场的隐性代价在实际交付中,我们发现一个被反复验证的规律:AI大数据分析系统的性能衰减速度,远比厂商标称的“线性下降”更复杂。很多标称数据背后的真相是——实验室环境下的模型迭代周期,和生产现场的硬件损耗、数据污染、算法冲突,完全不在一个维度。这里面的水很深,选型时稍有不慎,就会陷入“初期惊艳、半年拉胯”的陷阱。选型误区:被“高精度”带偏的决策很多企业选型时只...

    查看全文
  • AI大数据分析下的疲劳测试:揭开标称数据的真相

    2

    AI大数据分析如何穿透疲劳测试的迷雾?在实际交付中,我们发现一个扎心的事实:90%的智能体育设备厂商,在疲劳测试环节踩过选型误区。他们迷信「高采样率=高精度」的公式,却忽视了底层算法对数据噪声的吞噬能力——这就像用显微镜看沙子,放大倍数越高,看到的干扰颗粒越多。选型误区:被标称数据绑架的「伪精准」很多标称数据背后的真相是:采样率与有效数据率根本不是线性关系。某头部运动手环厂商曾采购1000Hz采样...

    查看全文
  • 低碳骑行互动喷泉:响应阈值背后的技术博弈与选型陷阱

    7

    响应阈值:被忽视的“隐形杀手”在实际交付中,我们发现90%的低碳骑行互动喷泉项目失败,根源不在硬件参数,而在一个被行业刻意弱化的指标——响应阈值。这个看似简单的数值,决定了设备能否在骑行者踩踏的瞬间精准捕捉动力变化,进而控制喷泉的启停、高度与节奏。但很多标称数据背后的真相是:厂商用实验室理想环境下的“峰值响应”替代实际工况的“持续响应”,导致项目落地后频繁出现延迟、卡顿甚至失控。听起来可能反直觉,...

    查看全文
展开更多

  • 回到顶部
  • 回到顶部