当前位置:

首页 > 硬件相关 > 世界模型、预测模型之后的AI路在何方?小鹏给出的答案是:TuringViT

世界模型、预测模型之后的AI路在何方?小鹏给出的答案是:TuringViT

小鹏汽车推出视觉基础模型TuringViT,仅用10%训练数据即达到领先开源模型性能,提升高分辨率场景运行效率,降低算力成本。该模型将应用于智能驾驶、智能座舱及人形机器人,成为物理AI的视觉基础平台。

本文目录

    智能驾驶领域的竞争,正在从表面的功能比拼,悄然转向更深层的AI技术根基。最近,小鹏汽车放出了一个值得关注的大招——视觉基础模型TuringViT。这已经是今年小鹏继世界模型、预测模型之后,推出的又一项底层AI技术成果。与以往聚焦具体功能不同,这次瞄准的是视觉感知——智能驾驶和具身智能最基础、也最核心的能力。这意味着,车企之间的AI竞赛,已经进入到底层技术攻坚阶段。

    视觉感知,简单说就是智能驾驶系统的“眼睛”,负责从环境中读取信息。随着大模型、VLA(视觉-语言-动作)等技术加速落地,行业对视觉模型的要求越来越高:要能处理更高分辨率的图像,要能同时应对多个摄像头输入,还要能处理连续视频数据,同时算力和效率还不能拖后腿。这其中的挑战,不言而喻。



    从零样本性能、训练数据规模,到Vision Transformer编码器的1K分辨率吞吐量,TuringViT都给出了一个亮眼的答案:仅用了10%的训练数据,就实现了比领先开源基线模型更强的准确性与效率权衡。这背后的逻辑,值得深入拆解。

    据小鹏官方介绍,TuringViT在模型架构、数据治理和训练方式上都做了针对性优化。最新数据表明,这个模型仅用约10%的训练数据,就能达到甚至超过部分主流开源视觉模型的性能,同时在高分辨率场景下运行效率更高。对于智能汽车来说,这意味着能以更低的算力成本,完成更复杂的环境感知——比如在复杂路况、狭窄道路、特殊交通参与者识别等场景下,辅助驾驶系统的表现会显著提升。同时,开发和部署智能驾驶系统的成本也有望下降。


    具体来看TuringViT的块架构和模型配置。主干网络建立在重复的图灵块上,图灵线性注意力(TLA)负责聚合全局上下文;序列长度感知归一化和输入依赖的输出门,则能稳定可变标记训练,并保持高频局部细节。而TuringViT-18L和TuringViT-24L两种配置,在共享相同补丁大小(16×16)的同时,采用2D RoPE,以块和总层数为尺度,调整嵌入/头部维度以及多层感知器(MLP)比例。这些设计细节,正是它能在数据效率上脱颖而出的关键。

    更值得关注的是,这项技术并不局限于汽车。按照小鹏的规划,TuringViT未来将同时应用于智能驾驶、智能座舱以及IRON人形机器人,成为小鹏物理AI体系的视觉基础平台。这意味着,它未来可能像“通用视觉大脑”一样,支撑起多个智能体。

    今年以来,随着AI大模型快速发展,国内多家车企都在加快布局AI底层能力。从世界模型到端到端智能驾驶,再到视觉基础模型,竞争重点已经从单一功能比拼,转向算法、数据和算力等核心能力建设。行业共识是:未来智能汽车竞争,不仅取决于硬件配置,更取决于底层AI模型的持续迭代能力。谁能够构建更高效、更低成本、更易训练的基础模型,谁就有望在智能驾驶、智能座舱乃至具身智能等多个领域形成更大的技术优势。

    可以说,AI技术向汽车产业的渗透,正在把竞争从产品层面推向底层技术体系层面。而视觉大模型,正成为这一轮竞争中最值得关注的方向之一。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关
    相关文章 更多
    AI Agent、Genie 4与机器人有什么区别?从任务输入到场景演示
    AI Agent、Genie 4与机器人有什么区别?从任务输入到场景演示

    认识AI Agent、Genie 4与机器人的区别:任务输入不等于完成结果,世界模拟不等于现实执行,装载机动作展示也不能替代完整工程验收。

    CreateAI 联合中科院自动化所推出 NeoVerse 4D 世界模型
    CreateAI 联合中科院自动化所推出 NeoVerse 4D 世界模型

    CreateAI联合中科院自动化所推出NeoVerse4D世界模型,融合扩散模型与4D高斯溅射,基于百万段单目视频训练,30秒即可构建通用型4D世界。该模型实现“重建→生成→再重建”闭环,支持4D场景重建、自由漫游、视角生成、视频编辑及点云跟踪,适用影视、具身智能、自动驾驶等领域,并集成蒸馏LoRAs,可在消费级显卡上端到端推理。

    经纬蚂蚁等一线基金齐加注,世界模型公司逆矩阵完成超亿美元种子++轮融资
    经纬蚂蚁等一线基金齐加注,世界模型公司逆矩阵完成超亿美元种子++轮融资

    逆矩阵科技完成超亿美元种子++轮融资,由经纬创投、蚂蚁集团等投资。资金将用于通用世界基座模型预训练及规模化训练。公司由北大青年学者陈博远、吉嘉铭创立,已发布全球首个通用世界基座模型悟界·Physis-v0.1。

    物理AI等待的世界模型离大规模应用还要多久
    物理AI等待的世界模型离大规模应用还要多久

    物理AI依赖的世界模型面临概念定义混乱、真实物理数据稀缺及技术路线分歧等困境,导致模型构建困难。业界预计未来三到五年将持续迭代,从像素模拟走向因果推理仍是根本挑战。

    世界模型进入真机时刻,大晓机器人要如何让它落地?
    世界模型进入真机时刻,大晓机器人要如何让它落地?

    世界模型是今年具身智能领域最热的方向,但各家对它的理解并不一致。最近一次媒体沟通会上,大晓机器人展示了开悟3.1世界模型,以及基于它落地的行业解决方案。整场听下来,能明显感觉到世界模型正在从技术概念变成能商用的产品。(ID:leitech)也参加了这场沟通会。按照大晓世界模型负责人王飞的说法,世界模

    4D世界模型跨过工业量产门槛 影身智能跑通物理智能全链路
    4D世界模型跨过工业量产门槛 影身智能跑通物理智能全链路

    影身智能凭借原生4D基座世界模型,在制鞋产线实现规模化落地,跑通数据生成、模型训练、场景部署与反馈迭代的自进化闭环。该模型融合渲染、仿真、规划三大能力,以高维4D数据驱动物理理解与泛化,获得数亿元柔性智造订单,标志着世界模型跨入工业量产阶段。

    情感智能新突破:一眸科技构建人类身心情智维度专属“世界模型”
    情感智能新突破:一眸科技构建人类身心情智维度专属“世界模型”

    一眸科技聚焦情感与认知AI,源自北大实验室,构建人类身心情智维度专属世界模型。其跨学科团队融合AI、心理学等领域,实现精细表情识别与无接触视觉心率检测等多模态感知突破,推动人工智能从感知迈向认知与情感。

    上海AI Lab最新综述:一文读懂世界模型!
    上海AI Lab最新综述:一文读懂世界模型!

    世界模型这个概念,现在在AI圈火得不行,但也经常被拿来乱用。无论是视频生成还是机器人领域,似乎都在往“世界模型”这个筐里装东西。可问题是,它到底是什么?应该预测什么?怎么造?圈子里其实没什么共识。正好,上海AI Lab团队最近发了一篇综述,算是把这个概念好好梳理了一遍。他们对世界模型进行了科学定义,

    手机上即可生成互动游戏世界,灵光App升级世界模型功能
    手机上即可生成互动游戏世界,灵光App升级世界模型功能

    灵光App升级世界模型功能,接入蚂蚁灵波LingBot-World2.0,用户上传一张图片即可在手机端生成可自由漫步且支持施法、射箭等交互操作的沉浸式3D世界。新版实现720P高清画质、30帧以上流畅运行,响应延迟低至百毫秒级。

    灵光App升级世界模型2.0:手机端“一张图生成可战斗互动世界”
    灵光App升级世界模型2.0:手机端“一张图生成可战斗互动世界”

    灵光App升级世界模型2.0,接入LingBot-World2.0,手机上传图片即可生成可战斗互动的3D世界,支持攻击、射箭等操作并实时反馈。技术实现720P高清、30帧流畅运行、百毫秒级响应,Agent驱动场景持续演化,无需技术背景即可体验。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。