廣州熱線

離開百度“結(jié)盟”富士康后，吳恩達又投身農(nóng)業(yè)領(lǐng)域

近日，在國內(nèi)頂級PE弘毅投資的“牽線搭橋”下，Landing.ai與國內(nèi)高端裝備制造企業(yè)中聯(lián)重科宣布聯(lián)手。這也意味著中聯(lián)重科進入人工智能技術(shù)領(lǐng)域，成為國內(nèi)首家AI農(nóng)業(yè)裝備制造企業(yè)。

對于投身農(nóng)業(yè)，吳恩達非常興奮。據(jù)了解，吳恩達的爺爺曾經(jīng)是生活在香港郊區(qū)的一位種植水稻的農(nóng)民。因此，吳恩達表示自己從小就了解做農(nóng)民的辛苦，他堅信，用AI改造農(nóng)業(yè)會讓農(nóng)民的工作更有效。作為一家技術(shù)驅(qū)動型裝備制造企業(yè)，中聯(lián)重科已建立了詳實的數(shù)據(jù)和人工智能技術(shù)應(yīng)用基礎(chǔ)。據(jù)中聯(lián)重科董事長詹純新介紹，在雙方此次合作的農(nóng)業(yè)機械領(lǐng)域，中聯(lián)重科的農(nóng)機產(chǎn)品已經(jīng)初步實現(xiàn)了自動駕駛、自動收割，智能烘干等功能，并建有數(shù)據(jù)中心。

蘋果第三財季研發(fā)費用占比高達7%

據(jù)悉，在提交給美國證券交易委員會的一份文件中，蘋果還披露了當季的研發(fā)（R&D）費用，占比7%，大約37億美元（約合261億元），同比增加了7.6億美元，環(huán)比也增加了約3億美元。

值得指出的是，蘋果多拿出占季度營收4%~5%的支出用于研發(fā)，即便是去年發(fā)布iPhone X的前一個季度，蘋果研發(fā)費用的占比也不過6.4%。對于蘋果來說，除了繼續(xù)保持自己在手機、平板、一體機、筆記本上的獨特優(yōu)勢，其在人工智能、汽車自動駕駛、混合現(xiàn)實等領(lǐng)域都有所涉獵，而這些都是“吸金”大戶。當然，即便如此，蘋果每年的總研發(fā)支出依然無法進入全球TOP3，去年，這一位次被亞馬遜（226億美元）、谷歌（166億美元）和華為（132億美元）占據(jù)。

FF91量產(chǎn)進度才40%，年底交車無望

據(jù)報道，目前FF91的確已經(jīng)開始量產(chǎn)，但是整車生產(chǎn)需要經(jīng)過沖、焊、涂、總四大工藝，而按量產(chǎn)產(chǎn)品來講，白車身焊接完成大概占整車生產(chǎn)進度40%左右。

對于FF91的進度，有業(yè)內(nèi)消息人表示，白車身制造成功事實上并不能與量產(chǎn)直接掛鉤，如果一定要估時也許一年都不算多?，F(xiàn)階段充其量只能稱之為工程試制車，而量產(chǎn)和生產(chǎn)工序還不是一個概念，樣車與白車身沒有關(guān)系。

從目前的情況來看，想要在年底交付量產(chǎn)版FF91基本就變成了一件很難完成的事情（可能最快也要到2019年中期完成），而現(xiàn)在的賈躍亭面臨的挑戰(zhàn)也不是一般的大。

豐田測試第二版燃料電池Class 8零排放卡車

近日，豐田公布了其第二版燃料電池Class 8零排放卡車計劃，即將測試的版本是Project Portal 2.0，將于今年秋天開始進行實地測試。

據(jù)悉，卡車的總重量為8萬磅，采用氫燃料電池，每次填充的行駛里程超過200英里，其中包括一對Mirai燃料電池組和一個12千瓦時電池，功率到達670馬力，扭矩達到1325 lb-ft，這些參數(shù)和Alpha版本卡車相同，但由于其他改進而可以有更長的行駛距離。豐田指出，其燃料電池卡車原型于2017年4月開始運營，在長灘港口和洛杉磯港口之間的街道上行駛了近1萬英里，這也為第二版積累了一定的數(shù)據(jù)和經(jīng)驗。

3D打印的深度學習神經(jīng)網(wǎng)絡(luò)，計算采用的是光子而非電子

近日，加州大學洛杉磯分校的研究人員創(chuàng)造了一個獨特的全光學平臺，以光速執(zhí)行機器學習任務(wù)。這是一個新穎的想法，使用光線通過多個板而不是電子衍射，為現(xiàn)在的計算機改進提供了思路。

據(jù)了解，該設(shè)置使用3D打印的半透明薄片，每個薄片具有數(shù)千個凸起像素，這些薄片通過每個面板偏轉(zhuǎn)光線以執(zhí)行設(shè)定任務(wù)，如以光速執(zhí)行圖像分析，特征檢測和對象分類。此外，該團隊的研究人員還設(shè)想了D2NN架構(gòu)在攝像機中執(zhí)行專門任務(wù)的可能性。

使用逐層制造的無源元件，并通過光衍射將這些層相互連接，創(chuàng)造了一個獨特的全光平臺，以光速執(zhí)行機器學習任務(wù)，就目前而言，這只是一個概念證明，但它為機器學習行業(yè)提供了一些獨特的機會。