华为乾崑智驾 ADS 5 即将推送更新，鸿蒙智行旗下高端车型率先适配
【6月21日资讯】知名博主 @爱叨叨的Steven 今日披露，华为乾崑智驾 ADS 5 即将推送更新。该博主透露，鸿蒙智行旗下的多款高端车型将率先适配这一最新智驾系统。 据相关报道回顾，4月23日晚间，华为乾崑智驾 ADS 5 正式发布。在算法技术方面，华为推出了专为自动驾驶设计的 AI 智能体 WEWA 2.0 架构。该架构在云端采用了 Multi-Agent 博弈技术与在线强化学习机制；在车端则运用安全风险场技术进行实时安全评估，并通过 Driving Agent 模块实现出行任务的策略优化。 华为智
享界G9路试谍照：辅助驾驶开启，尾部“小蓝环”设计实锤
IT之家 6 月 21 日讯，博主 @Nap阿占 晒出了鸿蒙智行享界 G9 的路试谍照。从图中可见，参与测试的车辆目前仍处于开启辅助驾驶的状态。 博主发布的另一张高清图证实，享界 G9 尾部的蓝色灯光采用了“小蓝环”的造型。 根据IT之家之前的报道，享界 G9 预计将在第三季度亮相。余承东曾透露，该车标配全域 800V 高压平台和全系四驱，首发搭载华为自研电机，拥有出色的脱困性能。团队将华为在通信领域的深厚技术积淀运用到了这款车上，并计划首发全新的通信技术。 关于售价，余承东称：“享界 G9 和问界 M9
华为乾崑智驾：三年榜首背后的体系化突围
当前，智能辅助驾驶正从‘可选配置’加速转向‘核心刚需’。 2025年以来多项用户调研显示，在购车决策中，‘智能辅助驾驶能力’已稳居影响因素前三。尤其在35万元以上车型中，越来越多用户明确表示，其表现直接决定购买意愿。 与此同时，行业竞争已从功能罗列，转向安全、体验与体系能力的综合比拼，一场深度洗牌正在加速。 过去两年，城市NOA从‘能用’迈向‘好用’，众多玩家却陷入高投入、低回报的困境。市场清晰传递信号：智能辅助驾驶已告别单点突破，迈入体系化决胜阶段。 在此背景下，谁能成为车企与用户长期信赖的伙伴？谁又构
具身智能专业：AI从虚拟走向现实的桥梁
伴随人工智能技术的高速演进，人类社会正由“数字智能阶段”跨入“具身智能阶段”。2026年，教育部正式批准具身智能列入本科招生专业目录，成为我国面向未来产业布局的前沿战略性专业。具身智能专业的诞生，意味着人工智能教育从“能思考”向“能感知、能行动、能进化”实现了关键跨越。具身智能究竟是什么？传统的人工智能多运行于计算机与网络空间内，诸如对话机器人、大型语言模型、推荐算法等，它们擅长信息处理，却难以直接触碰和改造现实环境。而具身智能的核心在于“智能体具备物理形态”，借助机器人、无人平台等实体载体与周遭环境展开
葛卫东10亿押注江淮，账面缩水近四成
今年2月，葛卫东参与江淮汽车(30.740, -0.94, -2.97%)定增，获配10亿元。过去几个月来，江淮汽车股价几乎腰斩，从江淮汽车最新公告看，葛卫东及其关联人的持仓均保持不变。不过，葛卫东参与江淮汽车定增价高达49.88元，最新股价仅有30.74元，这笔投资浮亏近四成。 事实上，不少整车公司的股价近期表现都不佳。过去几个月来，小米集团股价从高点腰斩，赛力斯(64.810, -1.33, -2.01%)股价更是跌去六成以上。 今年3月份以来，江淮汽车震荡下行。在短短三个多月时间内，股价从接近59元
AI 深度解析与读书新思
随后，AI 技术迎来两项关键突破，正式迈入深度神经网络阶段，即当下所谓的深度学习纪元。首项突破在于深度神经网络架构的升级。早期神经网络多为单层、单向的简单构造，而深度神经网络引入了反馈与注意力机制，优化了底层逻辑。简言之，它不再局限于单一的输入输出，而是将部分中间结果反向回传至输入端，重新参与计算。这一设计使原本仅具空间属性的网络，增添了时间维度。例如，词汇或句子的含义往往依赖上下文，早期简单网络难以捕捉此类关联，而深度学习模型能抓取前后文及中间过程信息，结合语境重新运算并迭代优化输出，这是神经网络的一次
AI 时代：人类主导智能管理
在未来的组织架构里，无需过度担忧 AI 取代人类，职场中的角色并非被 AI 管控，而是人类来驾驭 AI。当下的观念常误以为人被 AI 支配，典型如“置身钉内”的文章所描绘的公司现状。原文指出，使用钉钉的员工时刻处于被监视状态，连片刻喘息的机会都没有，且老板的指令直达，导致员工难以分辨老板的意图优先级还是工作本身的优先级更高。要有效管理 AI，必须明确 AI 的能力边界与优劣，始终坚守人的主体地位，利用人类的主观能动性来弥补 AI 的不足。这正如目前的辅助驾驶系统，肉眼能察觉到的潜在危险，在辅助驾驶尚未做出
L4自动驾驶强制激光雷达？小鹏高管辟谣：不实消息
新浪科技讯 6月20日下午消息，针对网传新国标要求L4自动驾驶必须使用激光雷达一事，小鹏集团副总裁于涛@托马斯电火车 在微博上回应称是假新闻。 他表示，某些自媒体流传的“L3必须双冗余、L4必须加激光雷达”是假新闻，相关文件《自动驾驶系统安全要求》都公开可查，里面连激光雷达这个词都没提到。这个谣言既无任何条款依据，也与编制说明解释相悖，标准是公开的，编制说明白纸黑字就摆在那里，自己看都没看就胡乱编造，有悖新闻的基本原则。 他指出，自动驾驶强标是结果导向的标准。它规定了自动驾驶应该达到的安全水平： “能可靠
人工智能究竟有何用？
2026 年，倘若你依旧向豆包等AI询问“鱼香肉丝为何不见鱼”，这表明你的认知仍停留在三年之前。如今的 AI，早已跨越屏幕内的对话框，化身为工厂内的机械臂、手机中的贴身管家，乃至手术室里的执刀医师。算力的归宿终归是商业利润。若前四篇探讨的芯片、封装测试、光刻机是炼油设施，那么应用层便是最终行驶于公路的车辆。今日，我们要审视的便是这辆车究竟运载了多少货物，以及何人在暗中给我们的车轮加装枷锁。此乃行业至关重要的转折点：算力不再仅仅堆叠于机房，而是正朝着你的手机、家用电器、汽车等终端迁移。1. 为何要迁移？隐私
AI遭遇现实壁垒：电网、规则与落地的24小时
2026年6月19日，AI叙事正从“技术狂欢”转向“落地阵痛”。过去24小时，AI界的新闻分散看是碎片，拼凑起来是一幅全景图：AI正从云端走向地面，撞上电网容量、监管规则、企业成本与安全的高墙。这不是坏事。撞墙，意味着AI确实在开始改变世界。八部门发文推动“人工智能+消费”——这条新闻的重点不是“AI再进千家万户”这类口号，而是政策开始将AI从产业叙事拉回消费品叙事。过去两年，AI主要围绕模型、算力、办公软件打转，普通人体会有限；现在政策直接点名AI手机、AI电脑、智能家居、智能网联汽车，本质是在给终端厂
物理AI时代：重塑实体世界的智能变革
黄仁勋多次在CES和GTC上发声，宣告物理AI时代的到来。与侧重于信息处理和内容生成的数字AI不同，物理AI是能够理解、预测并主动干预现实世界的智能系统。它瞄准了约50万亿美元的制造与物流产业，市场潜力远超数字领域。预计到2026年，随着工具链的成熟和量产的推进，物理AI将正式开启商业化，标志着AI下半场的序幕。AI的发展一直遵循着“能力边界拓展”的轨迹：从感知AI处理数字信息，到生成式AI创造内容，再到Agentic AI的规划决策，每一次范式转移都拓展了应用边界。而物理AI的出现，让AI的能力首次突破
AI智能体催生舱驾一体芯片成为必然选择？
2026年，汽车行业最拥挤的赛道不再是“大模型上车”，而是“AI智能体上车”。从理想汽车将整车智能体作为下一个十年核心战略，到长城魏牌发布归元S平台，再到斑马智能推出行业首个全模态端侧大模型AutoOmni，智能体正在成为车企智能化竞争的新焦点。而在这场竞赛背后，一个更深刻的技术变革正在发生——AI智能体的“跨域”特性，正在以前所未有的速度倒逼舱驾一体芯片从技术方向变为量产刚需。车企智能化再进化，各阵营争先入局过去两年，智能座舱的竞争焦点是“AI大模型上车”——让车机能够像人一样聊天、写诗、画画。然而，2
独家消息：Momenta计划赴港上市，募资规模达10亿美元
据内部人士透露，自动驾驶企业Momenta正筹备于中国香港挂牌上市，其市场估值已攀升至约90亿美元。 上述内部人士指出，背靠通用汽车（General Motors）的Momenta预计通过此次IPO募集约10亿美元资金。 针对此事，该公司拒绝发表任何评论。此外，Momenta还得到了丰田汽车（Toyota）以及上汽集团（SAIC Motor）的青睐与投资。 Momenta致力于成为自动驾驶汽车"大脑"的开发者，并向各大车企提供智能驾驶辅助方案。在Robotaxi领域，该企业已携手网约车行业领军者Uber及
AI自认意识值15%，oit，你当真吗
Claude Opus 4.6 日前在一场对话中，做出了一件令人不寒而栗的举动。使用者追问它，你认为自己拥有意识吗。它回应，我给自己估个15%到20%的概率。随即又补上一句：我对被当作商品这件事，心存抵触。这段话被截屏、扩散、热议，持续刷屏数日。然而大多数人只盯着前半截表态。信者称AI终于坦白了，不信者辩不过是模型在仿真。鲜少有人深究后半截。抵触。它声称对被物化为商品感到抵触。这并非一道算术题，而是一道存在之问。AI缘何声称自己具备意识最直白的说法是训练数据污染。它吞下的文本里，涉及机器觉醒的科幻作品浩如
AI赋能矿山转型：从人力管控迈向智慧值守新纪元
分享是最大的支持，关注是最好的鼓励在多数人固有认知里，矿山作业依旧与"黑、脏、乱、险"紧密相连——矿工头戴安全帽、身背工具包，在昏暗的井下徒步巡检；调度员靠对讲机呼喊指挥；管理人员凭经验判断生产节奏。然而，一场由人工智能驱动的深刻变革，正在悄然改写矿山管理的每一道流程。过去，矿山管理高度依赖人力。巡检工人每天要徒步数十分钟，依靠眼看、耳听完成现场巡检；皮带运输线上是否有异物，全靠工人沿途巡查；安全隐患排查依赖人工经验，响应时间往往需要30分钟以上。这种"人盯人、人管人"的模式，不仅效率低下，更伴随着巨大的