Workflow
Foundation Model
icon
Search documents
加码智能化投入,理想正式成立美国研发中心|36氪独家
3 6 Ke· 2025-12-18 07:02
理想研发体系,在硅谷拓疆。 36氪从多处获悉,理想汽车正式筹建硅谷的AI研发中心,将负责智能化技术研发,已在数月前开启人 员招聘。 知情人士告诉36氪,此前理想北美便拥有一个小型研发团队,支持芯片研发以及其他智能化相关工 作,"这次是要把硅谷团队升级为一个真正的研发中心"。 据36氪了解,理想硅谷研发中心此次扩建主要面向辅助驾驶领域,希望招募具备智能化前沿背景的高端 算法人才。 今年10月起,理想汽车陆续完成埃及、哈萨克斯坦等四个重要国际市场的渠道搭建与产品落地。在理想 汽车对外公布的出海战略中,全球化研发布局同样关键,已在德国、美国分别建立研发中心。 至此,理想全球将共拥有4座研发中心。 除硅谷AI研发中心外,理想首座海外研发中心位于德国慕尼黑,已于今年1月开业。该研发中心负责前 瞻造型设计、功率半导体、智能底盘和电力驱动的下一代技术预研。国内两座研发中心则分别位于北 京、上海,主要负责核心技术突破及整车研发。 硅谷是全球AI技术的人才高地,特斯拉、Waymo、OpenAI、英伟达等AI行业头部企业均落户于此。在 这里,中国企业有机会直接接触前沿技术和高端人才。 中国新势力车企中,蔚来和小鹏布局更早,201 ...
加码AI投入,理想正式成立美国研发中心
3 6 Ke· 2025-12-18 02:08
理想研发体系,在硅谷拓疆。 36氪从多处获悉,理想汽车正式筹建硅谷的AI研发中心,将负责智能化技术研发,已在数月前开启人 员招聘。 中国新势力车企中,蔚来和小鹏布局更早,2014年、2018年便在美国硅谷建立研发中心。理想此次落子 硅谷、聚焦自动驾驶研发,意味着中国智能电动车的技术竞争已进一步升级。 2025年,汽车智能驾驶的竞争,火药味日趋浓烈。 华为今年发布了ADS 4.0版本,面向高速场景推出L3级自动驾驶的商用解决方案。目前在售的尊界 S800、问界M8等车型均已搭载支持L3级自动驾驶功能的硬件。 理想则在今年3月发布了VLA司机大模型,其技术原理是通过视觉-语言-动作联合建模,引入语言模型 和思维链,使车辆能理解场景、进行因果推理和常识判断,从而降低对规则系统的依赖,提升系统在未 知场景中的泛化能力。 9月10日,理想已向用户开启全量推送,但CEO李想在社交平台上表示,此次推送的VLA大模型是"残血 版",有核心功能尚未开放。 知情人士告诉36氪,此前理想北美便拥有一个小型研发团队,支持芯片研发以及其他AI相关工作,"这 次是要把硅谷团队升级为一个真正的研发中心"。 据36氪了解,理想硅谷研发中心此 ...
What Is a Humanoid Foundation Model? An Introduction to GR00T N1 - Annika & Aastha
AI Engineer· 2025-07-28 16:29
Market Trends & Industry Dynamics - McKinsey 报告指出,全球 30 个最发达经济体中,职位数量超过了能够胜任的人数,过去十年中,职位增长率超过人口增长率 420% [2][3] - 物理 AI 对于解决休闲、酒店、医疗保健、建筑、交通运输、制造业等行业的问题至关重要,这些行业不能仅靠像 ChatGPT 这样的聊天机器人来解决 [3][4] - 英伟达 Project Groot 是将人形机器人和其他形式的机器人技术引入世界的战略,涵盖了计算基础设施、软件和所需的研究 [11] Robotics Foundation Model & Technology - 英伟达的 GR 101 机器人基础模型是开源且高度可定制的,其一大特点是跨具身性,该模型包含 20 亿参数 [1][12] - 机器人数据策略包括:少量且昂贵的真实世界数据(机器人执行真实任务),大量非结构化的互联网视频数据(人类解决任务),以及理论上无限的合成数据 [14][16][17][18] - Project Groot 的数据解决方案包括数据金字塔策略,强调通过模拟和世界基础模型来增强和倍增高质量数据 [13][18][19] - Groot N1 系统引入了双系统架构,系统一快速执行任务(120 赫兹),系统二缓慢规划复杂任务,灵感来源于 Daniel Kahneman 的《思考快与慢》 [23][24][25] - Groot N1 采用扩散 Transformer 块,结合视觉编码器、VLM(视觉语言模型)和文本分词器处理图像和文本输入,并通过动作解码器生成可用于特定机器人的动作向量 [27][28][29][30] - 机器人学习的两种主要方式是模仿学习(通过复制人类专家)和强化学习(通过试错最大化奖励),Groot N1 结合使用了这两种方法 [32][33][36] Deployment & Compute Infrastructure - 物理 AI 生命周期包括生成数据、使用数据和部署,英伟达称之为“三大计算机问题”,涉及不同计算特征:模拟阶段(OVX Omniverse),训练阶段(DGX),边缘部署阶段(AGX) [9][10]