自动驾驶

▼ 更多精彩推荐，请关注我们 ▼ 有浪潮就有泡沫，有泡沫就有死亡。 被称为继移动互联网之后又一次个重要技术爆炸的人工智能，从者如云。从2017年以来，又有多少人工智能公司在浪潮中诞生，又有多少公司在浪潮中死亡？ 中国软件网将从有融资记录和无融资记录，为你展开这份涉及数十亿资金、数十家投资机构，上百个老赖，平均存活892天，135家死亡公司的 人工智能创业启示录。 从这份名单中，可以清晰地的看到，2016、2017年开始， 大量的人工智能创业公司开始集中注册，又于2019年开始集中注销。 （数据来源：企查查） （数据来源：企查查） 从赛道上看，企业服务占比虽较低低，但总量也低，；智能机器人占比最高，尸横遍野。 （数据来源：企查查） 虽然是死亡名单，但我们也很惊喜地的看到，有很多诸如心理咨询、会议速记等成熟行业的公司跨界而来，尝试用新技术革新老行业，相对于早期人工智能热潮所推崇“概念+PPT”实在是让人欣慰太多了。 声明：这里统计的是公司注销记录，其中部分企业虽然注销，但其法人代表、主要股东的关联企业仍然显示存续、在业，由于注销与存续企业在主营业务经营范围重合度不一，在此不做一一详细介绍。 接下来，我们从有融资记录和无融资记录两部分入手，展开这份人工智能创业启示录。 光环之下，尸骨累累。 有融资记录部分 注销公司24家，吊销2家，并购2家。 ▶ 2.1 智能机器人 数据来源：企查查

Everspin主要是设计制造和商业销售 MRAM 和STT-MRAM的领先者，其市场和应用领域涉及数据持久性和完整性，低延迟和安全性至关重要。Everspin MRAM产品应用在数据中心，云存储，能源，工业，汽车和运输市场等领域范围，为全球MRAM用户奠定了最强大，增长最快的基础。Everspin代理商英尚微电子本篇文章介绍非易失性MRAM主要应用领域。 工业：工业应用需要长期支持，而某些应用则需要20年的支持周期。 Everspin Technologies专门提供具有长寿命周期，与Form-Fit-Function兼容的产品，为工业领域的客户提供长期支持。 MRAM的坚固性使其成为电池后备 SRAM 替换（引脚与引脚兼容的并行接口选件）和FRAM替换的理想存储器。 计量：MRAM是电力计量系统中市场上使用的主要内存类型。高耐用性，快速写入和低能耗特性有助于在该领域中快速采用MRAM。随着设备变得越来越复杂，对存储更多数据的需求推动了MRAM在市场中的应用。MRAM发挥作用的常见计量系统是智能电表，水表和煤气表。 打印机：MRAM作为理想的快速，节能和高耐用性的内存，适合商业打印机市场。由于需要频繁记录数据（页数，设置），因此MRAM在该市场上已成为EEPROM或NOR闪存的默认选择。 军事/航空航天：电子可穿戴设计的主要考虑因素是减少总能耗，同时提高可靠性

点击上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 导读 今天给大家推荐一个优秀的Github项目，总结了近几年的显著性目标检测相关顶会顶刊论文以及相应代码。尤其适合初学者的论文阅读，以及高级研究员的文献检索和代码查找。 Github地址 https://github.com/jiwei0921/SOD-CNNs-based-code-summary- 欢迎大家直接关注最新动态，持续更新中。 项目背景 显著性目标检测（salient object detection） 目的是为了找到一个场景中最显著的物体。由于其任务的实用性，应用在许多产品的底层算法中，例如抠图软件、机器人避障、自动驾驶、医学诊断等。 显著性目标检测例子 目录及部分内容截图： 点击 阅读原文 ，即可跳转本文中的 Github链接 。 本文仅做学术分享，如有侵权，请联系删文。 下载1 在「 3D视觉工坊 」公众号后台回复： 3D视觉 ， 即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。 下载2 在 「3D视觉工坊」 公众号后台回复： 3D视觉优质源码 ， 即可下载包括 结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总 等。 下载3 在

目前世界经济、中国经济正在悄然发生着巨大的变化，以前利用利用互联网可能只是让企业或的更好，而未来可能互联网是企业活下去的必要条件。互联网和电子商务成为新基建的一部分，也是经济实现腾飞的一部分。作为书数字经济载体的产业互联网，以及5G、AI等技术将创造一个巨大的市场，也将带动传统互联网的升级。 所以未来国家之间的竞争将转为数字基础设施的竞争，而决定竞争胜出的因素就是设施的完善性。数字化是人类社会发展的必然浪潮。 历史证明人类社会的发展是由通用技术能力而驱动，数字化是用科技推动人类社会进步的越来越重要的途径。数字化将会成为人类社会越来越重要的基础设施。 我们回顾历史发展的进程，从最初的DOS系统PC机时代，到PC机客户端时代，再到web移动互联网时代，接着是最近10年的云时代，以及即将到来的5G和AI。 中国互联网的崛起改变了全球创新格局，在此过程中云计算成为这一进程的重要基石。而IPFS被更多的人看好，认为它会是下一代互联网的底层基础。工信部电子五所高级工程师相里朋认为，区块链成为基础设施，首先要解决技术普及尤其是关键技术攻关。 只有解决相关的技术难题，区块链才能与传统产业结合，才能在智能制造、改善民生等方面发挥作用。 随着未来技术的不断发展，其中如5G时代来临、自动驾驶技术的广泛应用、物联网的普及等，对于数据存储的要求将会越来越高，中心化存储的压力也将越来越大，未来必将会由更先进

导语 | 虽然数据库上云解决了传统数据库很多问题，但如何让云数据库发挥最优的效能，依然充满极大挑战。为解决这一难题，高速发展的云数据库正在走向“自治”。本文是对腾讯云数据库高级产品经理刘迪在云+社区沙龙online的分享整理，为大家带来腾讯云在数据库自治服务领域的探索和实践，希望与大家一同交流。 点击视频查看完整直播回放 一、数据库自治的演进 上图所示是一张关于数据库自治的宏观视图。 业内普遍定义的石器时代大概是在十几、二十年前，刚刚进入数据库发展的快速轨道，当时的技术方案和对于数据库的认知都处于一个初级的阶段。 经历了后续的工具时代、专家时代，现在数据库自治已经到达了智能时代。在智能时代中，我们享受到了数据库自治在数据库性能优化、管理、服务等红利。 很多人都有疑惑，这条时代发展的时间线到底是怎么演进的？其实这个问题不难理解，大家在日常工作中也能体会到，时代的更替、技术的诞生，往往跟业务的需求有关，也跟现有的技术能力有关。 无论是业务驱动还是技术驱动，最终的结果就是使得数据库自治从石器时代到工具时代、专家时代、智能时代，这样一个井然有序的发展过程。 我们所谓的石器时代、工具时代、专家时代、智能时代其实不仅仅是指代时间的迭代，更多的是指技术的发展和趋势的迭代。所以有些公司现在可能依然处于石器时代，有些公司可能很早就进入了专家或者智能时代。 1. 石器时代

DAI2020 SMARTS自动驾驶挑战赛启动！道翰天琼认知智能机器人平台API接口大脑为您揭秘。 自动驾驶被业界视为人工智能发展的下一个风口。 随着深度强化学习（DRL）的兴起，将相关技术应用于自动驾驶领域，以消除人为导致的交通事故、减少城市停车空间等，成为业界关注的焦点。然而，自动驾驶领域的研究更多的是侧重于感知和预测，与此相对应，在各大学术会议上举办的自动驾驶评测大赛（如CVPR WAD挑战赛、CARLA 自动驾驶挑战赛等）几乎都是以自动驾驶视觉为核心，而不是规划和决策。另一方面，自动驾驶以及云计算、大数据的发展也推动了智慧交通这一更大领域的发展。阿里巴巴、腾讯、京东、华为、滴滴等公司均从交通切入智慧城市，大力推广“城市大脑”的概念，而未来的自动驾驶也将与智慧交通更紧密结合。可以预见，随着自动驾驶的发展和普及，未来的智慧交通系统中将以自动驾驶车辆为主，这正是目前的自动驾驶人类驾驶数据训练和学习的模型无法有效处理的。只有引入多车交互博弈的方式，才能更大程度地激发驾驶策略的进化。基于此，DAI2020 SMARTS自动驾驶挑战赛应运而生。 1 竞赛背景为了推动自动驾驶的前沿研究，激发对驾驶中多智能体交互的研究，在今年的分布式人工智能大会（DAI 2020）上，华为诺亚方舟实验室和上海交通大学APEX数据与知识管理实验室联合举办自动驾驶挑战赛（DAI-2020 Autonomous

7月9日，2020世界人工智能大会在上海“云”开幕，以“智联世界，共同家园”为主题，展示人工智能技术、产业和应用全球化发展趋势；并倡导AI向善、造福世界的人类共同价值理念。阿里巴巴、微软、亚马逊等行业领军企业齐聚一堂。斑马网络——作为阿里巴巴集团智慧出行产业的排头兵，携“AI+智慧出行”新成果“云”参展。7月10日，阿里巴巴副总裁、斑马网络联席CEO张春晖出席世界人工智能大会，发表《迈向协同智能的出行生态》主题演讲，阐释了操作系统和出行生态对于实现自动驾驶的重要意义。 阿里巴巴副总裁、斑马网络联席CEO张春晖在世界人工智能大会做主题演讲 当前，百年汽车工业正经历一场变革：新能源汽车渗透率逐年提高、5G的规模化普及带来汽车网联化和智能化、共享出行市场发展迅速、全球汽车“新四化”迈入 快车 道；可以预见，未来汽车不只是代步工具，而是内容和服务的超级载体。从技术发展和商业价值两个维度来看，自动驾驶最具颠覆性。万物互联将使汽车由信息孤岛成为一个汇通的海洋，自动驾驶将使汽车自由移动成为可能，充分释放其作为内容和服务超级载体的能量。然而，当自动驾驶走到商业化的前夜，依然面临技术挑战与伦理困境。因为成本、技术、安全、成熟度等诸多因素，汽车距离完全自动驾驶仍有一段距离。 张春晖在演讲中指出：“无人驾驶呼唤人—车—路协同。”当聪明的车遇到智慧的路，将带来更安全、更高效、更愉悦、更和谐的驾乘体验

点击 上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 本文整理记录了旷视研究院Detection组针对视频目标跟踪与分割问题的探讨和收获，并从喜闻乐见的图像处理出发，以期更好阐述视频目标跟踪的意义。 VideoAnalyst开源代码： https://github.com/MegviiDetection/video_analyst 自然图像的物体实例模式识别任务，比如人脸识别、人体解析和场景关系识别，其整体思路大多采用局部定位再分而治之，即先使用检测算法定位图像中的目标个体，再针对其做相对应处理；此时，图像处理的实例即是一个个局部区域（空间位置）。 同样，视频的实例处理对象自然成了每个目标物体的tracklet(实例对象在每一帧上的空间位置)。如何获取每个实例对象在时空上的tracklet，也就是追踪技术，就成了视频对象处理的基础技术之一。在广义的单目标跟踪中，不再限制跟踪目标的类别，仅仅以初始帧给出的目标为准进行跟踪。 SiamFC++算法 单目标跟踪的性能其实主要依靠特征对比和逻辑推理。 特征对比是多数工作的主流方向，因为在已知第一帧目标图像前提下，定位下一帧目标位置的最直观方法是把下一帧图像以滑动窗为单位（或者以物体proposal为单位）与目标图像特征进行比对，特征最相近便认为是目标物体。 但是，现有的特征提取器、传统特征提取方法或者卷积神经网络

我们不可否认，这是属于5G的时代。2020年更是5G的元年。 一年间，5G从初出茅庐走向万众瞩目，5G技术开始普及。 一年后的今天，信息所至，融入百业，5G的加入，给各行各业都带来了变化，这种变化是向上发展的。 5G一周年：给我们带来了哪些影响？ 随着5G的建设和普及，许多我们目前所熟知的或者是不熟知的产业应用都将催生海量数据，5G的大带宽、低延时只能解决数据的传输问题，而这些数据的处理需求，会对现有云数据中心造成巨大挑战。 有多大呢？ 根据预测，到2020年将有超过500亿的终端与设备联网，有超过一半的物联网网络将面临网络带宽的限制，有40%的数据需要在网络边缘分析、处理与储存。 5G的发展像过去的3G4G一样，在不断的批评声中成长 北京邮电大学教授吕廷杰认为，因为5G技术的出现，互联网将进入下半场，从消费互联走向产业互联。 “这是一场革命”，吕廷杰说。他将5G与电力作类比，如果电力只用在家用照明，影响的只是个人和家庭生活。但当电力走向了所有的制造业，就产生了工业革命2.0。同样，5G也将像电力一样，从个人、家庭最终走向制造业，实现工业互联。 不过外界对于5G的应用场景也有不少的争论和质疑，“有人问5G需要多长时间才有杀手级的应用？这使我想起来3G。” 吕廷杰回忆，3G的出现让手机不仅能打电话还能上网，赋予了手机全新的功能，但3G出现时遭受的质疑并不比5G少。

随着汽车中软件发挥的作用越来越重要，软件定义汽车已经是行业内的共识。汽车行业的发展极有可能最终像手机产业一样，基础硬件差异会越来越小，关键在于汽车给用户的体验的多样性，以及汽车产品在不同场景下满足用户需求的程度。而这种体验的差异性在很大程度上是由汽车的软件来决定的。当汽车中软件代码行数成正比不断增长，随之而来的是软件工程复杂度指数级增长和软件故障概率的提升。车辆无论是遇到软件故障还是更新，如果每次更新都要去4S店，效率将非常低下，线下售后运营负荷也将沉重，既难以满足智能汽车更新迭代的需求，也使得用户体验很差。 OTA的出现，完美的解决了软件频繁更新的问题，通过OTA技术则可以通过远程快速完成缺陷的修复，避免了持续数月的进厂召回带来的风险。 通过OTA升级，可以不断给用户开启新功能，不断优化产品体验，进行快速迭代，吸引客户。通过OTA，可以帮助车企节省因为软件缺陷带来的召回成本，节省大量的金钱和时间。但与此同时，OTA也带来了新的挑战，由于车载ECU众多，网络复杂，一旦车辆与外界建立通信，原本封闭的网络更容易受到入侵的可能性，建立一整套安全防护体系是OTA的重要课题。 OTA设计要求 OTA设计主要从安全、时间、版本管理、异常处理等方面综合考虑，具体为： 1.升级安全是OTA的最基础的要求。车辆上ECU的软件运行状况直接会影响到车辆上的人员的生命安全。从升级包制作，发布，下载，分发