[新闻简报] NVIDIA x Uber:Robotaxi 全球布局启动

NVIDIA这次是真的没在开玩笑。AI芯片的王者,正式进军Robotaxi市场,直接牵手Uber,打算把自动驾驶做成全球规模的生意。

这听起来像科幻小说,但现在真实上演。不只是几家车厂试着玩L4(Level 4自动驾驶),而是整个自驾生态,在NVIDIA主导的AI基础设施下,朝商业化大规模扩张。背后的核心,是NVIDIA能把硬件、算法、数据工厂和开发平台整合成一条龙的能力。

为什么值得注意

Uber预计在2027年开始部署10万辆Robotaxi,这不再是研发部门的PPT,而是列入营运KPI的真实项目。这将成为全球最大规模的L4实证场,也会是Robotaxi与人类司机混合运作的首次真实测试。

背后的技术基础来自NVIDIA全新DRIVE AGX Hyperion 10平台,不是实验性工具,而是针对量产、通过安全验证、可立即部署的完整解决方案。这代表车厂能快狠准切入Robotaxi市场。

你该知道的几个重点

  • Uber与NVIDIA合作,预计部署10万辆L4
。。。 继续阅读

[新闻简报] 特斯拉疯子模式被调查:自动驾驶的极限在哪里?

特斯拉自动驾驶又闯祸了,这次主角是他们最新的「疯子模式」(Mad Max)。这个听起来就不太妙的名字,在FSD V14.1.2中正式上线,主打一个字:快。车辆会主动找空隙变道、钻车流、猛切线。

为什么重要

这不只是特斯拉车主的驾驶体验问题,更是整个自动驾驶行业面临的监管风向球。NHTSA这次一调查就是290万辆FSD车型,牵涉到14起事故、23人受伤和58起正式投诉。换句话说,这不是少数用户的抱怨,而是有可能拖累整个FSD商业化进度的大麻烦。

关键点

  • 疑点焦聚在Mad Max模式,这种驾驶风格会更主动地变道、争取时机超车,虽然表面上不超速,但“节奏”非常激进。
  • 美国国家公路交通安全管理局(NHTSA)介入调查,认为这可能威胁公共道路安全。
  • 特斯拉取消了旧版的速度偏移设定,改为五档驾驶风格,从最保守的Sloth到最激进的Mad Max,由车主选择。
  • 这次调查涵盖2.9百万辆FSD汽车,规模远超过去任何FSD相关调查。
。。。 继续阅读

语音 + Whisper + ChatGPT:10分钟写出一篇像样的文章

思维同步从来不简单。尤其当你分身乏术、脑袋又经常开太多分支时,想把想法变成有结构、有重点的内容,难度不小。我最近试了一个新做法,发现效率爆表,有机会变成我固定的写作工具。

流程拆解:三步走完

  1. 用iOS语音Memo快速录下灵感,通勤、走路、等车时都能顺手操作
  2. 把录音(m4a文件)用Mac上的开源工具Whisper转成文字(我设了个脚本,一键处理最新memo)
  3. 把txt文件丢进ChatGPT,让它润色、整理成一篇能看的草稿

为什么值得一试?

  • 适合没头绪、只想「开口讲一讲」的场景
  • 灵感不怕零散,有了文字就能慢慢分析
  • 特别适合记录跑步时想到的点子,或是清晨睡眼惺忪时突然蹦出的想法

实测感想:超出预期

我直接把memo用Whisper转文字,再丢给ChatGPT整理。结果很惊喜。

  • Whisper识别准确度很高,不用什么修正
  • ChatGPT整理出来的内容,逻辑清楚,语感自然
  • 最重要的是:原本的杂念,突然变成可以延伸的内容,写作欲望直接被点燃
。。。 继续阅读

特斯拉FSD演讲完全解析:自动驾驶的技术爆点全开

特斯拉又来了。这次不是马斯克freestyle,而是FSD(全自动驾驶)团队的技术长亲自登场,在ICCV这场国际计算机视觉大会上丢出了一整套技术解析。堪称底牌全翻,诚意满点。如果你关心自驾系统、车载AI训练,这场演讲给的料绝对够你反复咀嚼。

这篇文章不只是复述内容,而是带你挖出背后那些值得关注的技术突破,搞清楚:为什么说特斯拉真的快摸到Level 4?

特斯拉的大模型策略:用一个模型包到底

市面上多数自动驾驶方案,还在分开处理感知(Perception)、预测(Prediction)、规划(Planning)。特斯拉直接走端到端路线:所有输入——相机影像、导航地图、车辆状态、音频、IMU等,最后压成两个Token:方向盘角度和加速度。

更厉害的是,它还保留了30秒的历史资料。不只是看到现在,还能理解上下文。前车刚切线?路口有警报声?统统记得。

目标反应频率超过20Hz,大模型跑得动只是第一步,还要确保车载硬体跟得上。Hardware。。。 继续阅读

AI泡沫快破?AMD用股权换GPU,OpenAI是真赚还是接盘?

Digital screen shows glowing chat bubbles. Virtual conversation concept. Tech background. No people. Futuristic design. Abstract pattern of glowing data. Modern tech illustration. Communication

这一年,AI产业热得发烫。从芯片厂到云端巨头,每家都在抢算力、抢电力、抢资源。OpenAI更是这场游戏的中心。最新的焦点,是AMD与OpenAI之间的“股权权证换GPU”交易:OpenAI承诺在未来几年采购AMD的次世代AI芯片,AMD则授予OpenAI最多可兑换约10%股权的认股权证。表面看似双赢,实则是一场精密的金融操作。

AI热潮的虚火

AI基础设施的衡量单位,已经从“芯片数量”变成“几瓦”的电力。芯片更新太快,电力才是稀缺资源。业界现在用“功率”来定义数据中心规模,因为电力投入决定算力产出。分析师估算,建一个1吉瓦级的数据中心可能需要数十亿美元的投资。OpenAI若要实现十几吉瓦部署,那就是数千亿美元的资本工程。

资金来源很清楚——来自资本市场。每当AMD或NVIDIA股价上升,市场其实是在提前兑现未来的增长信心。AMD股价上涨后,OpenAI凭认股权证协议可低成本获得GPU。表面上AMD赢了客户,OpenAI赢了资源,但这些成本最终由投资者买单。。。。 继续阅读

AI巨头的假营收游戏:当科技泡沫变成金钱传球赛,谁来接最后一球?

你有没有发现,这几年每隔几个月,OpenAI、Nvidia、AMD、Amazon这些名字就轮番上新闻?动不动就是几百亿美元的投资、合作、采购,看起来好像全球的钱都被AI吸进去了。但仔细一看,这些钱其实并没有真的“出去”,只是大家在玩一场精致的金钱传球赛。

AI世界的“传球游戏”

要理解这场荒谬的循环,先看最近的戏码。OpenAI宣布要花1000亿美元买AMD的显卡,AMD转身又送回同等金额的股票。接着,OpenAI又说要买2000亿美元的Nvidia芯片,Nvidia也“投资”回1000亿。Oracle再登场,说要拿3000亿合约给OpenAI提供数据中心,结果这笔钱又跑去Nvidia买显卡。钱绕了一圈,回到原点,大家都发财了,至少在账面上。

这种行为在金融界有个名字,叫“Round Tripping”。意思是把同一笔钱在公司间来回倒,制造出虚假的交易额。看似收入暴涨,其实现金流一毛没变。最妙的是,这玩法让每家公司都能发布利好消息、股价上涨、融资更容易。。。。 继续阅读

[新闻简报] Meta砸143亿美元买教训,Scale AI真的不值?

Meta砸了143亿美元投资数据标注公司Scale AI(亚历山大·王 Alexandr Wang创办),结果合作关系才过两个月就开始裂开。人事震荡、质量质疑、竞争对手趁势而起,这场豪赌看起来没那么稳。投资人要看的不是八卦,而是这里头的产业趋势和商业信号。

为什么重要

Meta这笔投资本来是要解决AI研发的速度问题,尤其是在Llama 4表现不佳之后。Zuckerberg希望靠引入顶尖人才和资源来追赶OpenAI、Google。结果现在却出现内部摩擦和外部质疑。这不只是一场人事纠纷,而是提醒我们:钱砸下去不等于问题能解决。

关键点

  • Ruben Mayer(Scale AI前高管)加入Meta两个月就离职,显示组织磨合问题严重。
  • Meta内部团队更青睐竞争对手Mercor和Surge的数据,认为Scale AI的数据质量不够。
  • Scale AI过去靠低价众包,但现在市场需要医生、律师、科学家这种高阶标注人才,模式跟不上。
。。。 继续阅读

星际之门:5000亿赌局背后的AI泡影?

5000亿美金盖数据中心,结果搞成一锅粥?AI时代的超级赌局正在上演,主角们比你想象的还要焦头烂额。

这不是什么影集里的反乌托邦计划,而是美国前总统特朗普主导、号称要打造美国版AI基础设施的大型项目——星际之门(Stargate)。

这案子最初听起来真的很猛:四年内砸5000亿美金,分五阶段在全美建设数据中心,用来支撑美国AI的全国布局。这个规模怎么看都像是科技界的铁路大跃进。主导方包括OpenAI、软银(SoftBank)、甲骨文(Oracle)和中东主权基金MGX,看起来阵容坚强,钱也不少,结果半年过去了,只看到一堆新闻,没看到几根钢筋。

为什么星际之门卡住了?

我们先从组织架构讲起。这不是一家公司单干,而是一个新的合资公司。OpenAI负责技术运营,软银负责投钱,Oracle负责施工,MGX出点钱当财务投资人。每个人都有自己那一套盘算,合作起来自然各怀鬼胎。

最关键的问题是:谁说了算?

OpenAI想赶快用到运算资源,Oracle干脆绕过合资结构,直接签了一个三年900亿美元的云端服务大单,软银被晾在一边。而孙正义当初喊出要投1000亿美元,其实连钱都没凑齐,还得一边融资一边推动项目。。。。 继续阅读

Waymo磨了10年,特斯拉3个月就干爆?自动驾驶真的要来了吗?

如果你曾经把Waymo当成自动驾驶的天花板,那你可能低估了Elon Musk(马斯克)这个人的“狠劲”。最近美国知名科技博主 MKBHD(马库斯·布朗利,Marques Brownlee)亲自试乘了特斯拉最新版本的Robotaxi,结果他不但没找到什么硬伤,甚至还略带嘴硬地说,“好像也没啥特别的嘛,就像个很矮的司机在开车。”啥意思?意思就是这玩意太像人开车了,以至于你都忘了它不是人。

这听起来或许像嘲讽,但换个角度想,如果Robotaxi真的让人忘记自己是乘坐一台机器,那不正是它最大的胜利?

马斯克又一次“诈唬成功”?

熟悉他的人都知道,马斯克最喜欢说一些听起来像是科幻的事。最早FSD(完全自动驾驶)只是画饼,如今FSD已经迭代到第14版,不但开始实测,马斯克还拍胸脯说今年就能实现“无监管员”上路。

这不是说着玩的。他们在奥斯汀和加州已经悄悄上线了Robotaxi服务,还是用现成的Model Y,不是那种像Waymo一样“脑袋上顶锅盖”的怪车。从2024年6月开始邀请封闭测试用户,到9月预计公开,三个月内完成从封测到小规模公测,特斯拉这进度比Waymo快不止一倍。。。。 继续阅读

苹果 AI 怎么搞成这样?人才全跑光,还敢说自己领先!

科技圈最近有个八卦,传得跟芯片产线一样热:苹果内部开发大型语言模型(LLM)失败,搞到团队核心出走、项目烂尾、士气溃散。听起来很夸张,但等我一点点讲完,你可能也会点头说一句:嗯,熟悉的剧本。

先从一个名字开始:庞若明(Ruoming Pang)。这位大神原本在 DeepMind 担任高层,后来被苹果挖角回来负责 AI 模型开发。以苹果一贯的风格,能砸钱挖来这种人物,绝对不是只为了让 Siri 多讲几句天气预报。

但问题是,苹果并不是 Google。或者说,它太是苹果了,封闭、保守、讲究控制一切。庞若明刚进组,就撞上 Craig Federighi,那位每次发表会压轴登场、白发飘飘的软体工程头头。

Craig 的坚持很明确:模型不能开源、不能外泄。他最怕的不是被别人抄作业,而是怕一旦开放,用户发现 iPhone 为了省电、为了安全,把模型砍得七零八落。于是团队开发节奏被锁死,连使用第三方 API 补功能都被否决,理由是会伤害苹果封闭生态系统的形象。。。。 继续阅读